L’\u00c9chelle d’intelligence du produit<\/strong> (Product Intelligence Scale<\/em> ou PI-Scale<\/em>), d\u00e9velopp\u00e9e initialement par Serge A. Rijsdijk, Erik Jan Hultink et Adamantios Diamantopoulos en 2007, constitue un instrument psychom\u00e9trique fondamental con\u00e7u pour quantifier la perception par les consommateurs des capacit\u00e9s cognitives et interactives int\u00e9gr\u00e9es au sein des biens de consommation intelligents. Face \u00e0 l’essor spectaculaire des objets connect\u00e9s, de l’intelligence artificielle appliqu\u00e9e, de la domotique, de l’automobile autonome et des assistants vocaux virtuels, la mesure de la perception de l’intelligence d’un artefact physique ou num\u00e9rique s’est impos\u00e9e comme un d\u00e9terminant central des attitudes d’adoption technologique et du comportement du consommateur. L’\u00e9chelle conceptualise l’intelligence du produit comme un construit factoriel de second ordre refl\u00e9t\u00e9 par six dimensions de premier ordre compl\u00e9mentaires : l’Autonomie<\/strong> (capacit\u00e9 \u00e0 op\u00e9rer ind\u00e9pendamment d’une intervention humaine constante), l’Adaptabilit\u00e9<\/strong> (aptitude \u00e0 apprendre de l’exp\u00e9rience et \u00e0 modifier son propre comportement), la R\u00e9activit\u00e9<\/strong> (capacit\u00e9 \u00e0 d\u00e9tecter des stimuli environnementaux et \u00e0 y r\u00e9agir promptement), la Multifonctionnalit\u00e9<\/strong> (aptitude \u00e0 remplir une pluralit\u00e9 de fonctions distinctes et int\u00e9gr\u00e9es), la Capacit\u00e9 de coop\u00e9ration<\/strong> (aptitude \u00e0 interagir et \u00e0 coordonner ses actions avec des \u00eatres humains ou d’autres syst\u00e8mes) et la Personnalit\u00e9 \/ Caract\u00e8re<\/strong> (possession d’une identit\u00e9 comportementale constante, reconnaissable et anthropomorphe).<\/p>\n Dans sa structure psychom\u00e9trique consolid\u00e9e, l’\u00e9chelle comporte 24 items distribu\u00e9s \u00e9quitablement \u00e0 raison de 4 items par sous-dimension. Les r\u00e9pondants \u00e9valuent chaque proposition sur une \u00e9chelle d’\u00e9valuation de type Likert en sept points, allant de 1 (\u00ab Pas du tout d’accord \u00bb) \u00e0 7 (\u00ab Tout \u00e0 fait d’accord \u00bb). Les analyses psychom\u00e9triques initiales et les validations transculturelles subs\u00e9quentes ont mis en \u00e9vidence des propri\u00e9t\u00e9s remarquables : la coh\u00e9rence interne mesur\u00e9e par le coefficient alpha de Cronbach<\/a> exc\u00e8de syst\u00e9matiquement le seuil critique de 0,80 pour l’ensemble des dimensions, oscillant g\u00e9n\u00e9ralement entre 0,81 et 0,91. La validit\u00e9 de construit est \u00e9tay\u00e9e par des analyses factorielles confirmatoires rigoureuses attestant de la validit\u00e9 convergente et de la validit\u00e9 discriminante selon les crit\u00e8res stricts de Fornell et Larcker. Sur le plan pr\u00e9dictif, le score global d’intelligence du produit s’av\u00e8re un puissant pr\u00e9dicteur de la valeur per\u00e7ue, de l’utilit\u00e9 per\u00e7ue dans le cadre du mod\u00e8le d’acceptation de la technologie, de la satisfaction globale du consommateur et de l’intention d’achat ou d’usage continu.<\/p>\n Intelligence du produit, psychom\u00e9trie, adoption technologique, objets connect\u00e9s, autonomie per\u00e7ue, adaptabilit\u00e9, r\u00e9activit\u00e9, multifonctionnalit\u00e9, coop\u00e9ration homme-machine, anthropomorphisme, comportement du consommateur, mod\u00e9lisation par \u00e9quations structurelles.<\/p>\n L’\u00e9chelle d’intelligence du produit a \u00e9t\u00e9 conceptualis\u00e9e, op\u00e9rationnalis\u00e9e et valid\u00e9e de mani\u00e8re conjointe par trois \u00e9minents chercheurs internationaux en marketing de l’innovation, d\u00e9veloppement de nouveaux produits et gestion strat\u00e9gique :<\/p>\n L’av\u00e8nement des technologies de l’information ubiquitaires et des microprocesseurs int\u00e9gr\u00e9s dans les produits grand public a profond\u00e9ment boulevers\u00e9 le rapport entre l’utilisateur et les objets manufactur\u00e9s. Historiquement, un produit \u00e9lectrom\u00e9nager ou \u00e9lectronique \u00e9tait caract\u00e9ris\u00e9 par son inertie : il s’agissait d’un outil purement m\u00e9canique ou \u00e9lectrom\u00e9canique, d\u00e9pendant enti\u00e8rement d’une commande humaine explicite pour ex\u00e9cuter une t\u00e2che d\u00e9terministe. Toutefois, la convergence de l’intelligence artificielle, de l’Internet des objets (IoT), des capteurs avanc\u00e9s et de la connectivit\u00e9 r\u00e9seau a engendr\u00e9 une nouvelle classe d’artefacts dits \u00ab intelligents \u00bb. Ces appareils ne se contentent plus de relayer une action ; ils per\u00e7oivent leur environnement physique, ajustent leurs param\u00e8tres en temps r\u00e9el, pr\u00e9disent les routines de leurs propri\u00e9taires, communiquent avec d’autres terminaux et prennent des d\u00e9cisions semi-autonomes. Face \u00e0 cette rupture paradigmatique, les cadres th\u00e9oriques traditionnels du comportement du consommateur et de l’\u00e9valuation de la qualit\u00e9 se sont r\u00e9v\u00e9l\u00e9s insuffisants.<\/p>\n L’objectif fondamental de la Product Intelligence Scale<\/em> (PI-Scale) est de fournir aux chercheurs universitaires et aux praticiens industriels une m\u00e9trique standardis\u00e9e, valide et fid\u00e8le capable de mesurer le degr\u00e9 d’intelligence anthropomorphique attribu\u00e9 \u00e0 un produit par ses utilisateurs. Plut\u00f4t que de mesurer l’intelligence objective d’un point de vue purement informatique ou algorithmique (telle que la puissance de calcul brute ou la complexit\u00e9 logicielle), l’\u00e9chelle capture l’intelligence subjective per\u00e7ue<\/strong>. En psychologie cognitive et en psychologie du consommateur, la r\u00e9alit\u00e9 psychologique de l’individu est celle qui fa\u00e7onne ses croyances, ses \u00e9motions et ses conduites d\u00e9cisionnelles. Un produit dot\u00e9 d’une ing\u00e9nierie extr\u00eamement sophistiqu\u00e9e qui \u00e9choue \u00e0 communiquer ses capacit\u00e9s intelligentes \u00e0 l’usager sera jug\u00e9 inefficace, complexe ou d\u00e9routant ; inversement, une interface soigneusement con\u00e7ue peut susciter une perception d’intelligence aigu\u00eb, modifiant positivement le jugement de valeur.<\/p>\n Dans le domaine de la recherche acad\u00e9mique, la PI-Scale remplit un r\u00f4le int\u00e9grateur majeur. Elle s’articule directement avec le Mod\u00e8le d’Acceptation de la Technologie<\/a> (TAM pour Technology Acceptance Model<\/em>), la th\u00e9orie unifi\u00e9e de l’acceptation et de l’utilisation de la technologie (UTAUT) et les th\u00e9ories de la relation consommateur-produit. Elle permet de diss\u00e9quer comment des attributs d’autonomie ou d’adaptabilit\u00e9 influencent la charge cognitive per\u00e7ue, le sentiment de perte de contr\u00f4le, la confiance technologique et le plaisir intrins\u00e8que li\u00e9 \u00e0 l’usage. En recherche clinique appliqu\u00e9e \u00e0 l’ergonomie cognitive et \u00e0 la sant\u00e9 connect\u00e9e, l’\u00e9chelle est \u00e9galement employ\u00e9e pour concevoir des technologies d’assistance (proth\u00e8ses cognitives, piluliers intelligents, moniteurs cardiaques autonomes) qui doivent \u00eatre per\u00e7ues comme suffisamment intelligentes pour rassurer les patients vuln\u00e9rables sans pour autant g\u00e9n\u00e9rer d’anxi\u00e9t\u00e9 technologique ou de sentiment de d\u00e9possession personnelle.<\/p>\n Sur le plan industriel et manag\u00e9rial, l’outil permet aux \u00e9quipes de recherche et d\u00e9veloppement (R&D), aux designers industriels et aux chefs de produit d’\u00e9valuer des prototypes lors de phases de tests pr\u00e9alables au lancement sur le march\u00e9. En identifiant pr\u00e9cis\u00e9ment quelles sous-dimensions sont valoris\u00e9es par la cible (par exemple, une forte demande de coop\u00e9ration dans les outils professionnels collaboratifs, comparativement \u00e0 une demande pr\u00e9dominante d’autonomie et de discr\u00e9tion dans l’\u00e9lectrom\u00e9nager domestique), les entreprises peuvent optimiser l’architecture fonctionnelle de leurs syst\u00e8mes et formuler des positionnements publicitaires en ad\u00e9quation avec les attentes des consommateurs cibles.<\/p>\n Le construit th\u00e9orique d’\u00ab intelligence du produit \u00bb (Product Intelligence<\/em>) est formellement d\u00e9fini comme l’aptitude per\u00e7ue d’un artefact mat\u00e9riel ou logiciel \u00e0 manifester des processus cognitifs et comportementaux analogues \u00e0 ceux couramment observ\u00e9s chez les \u00eatres vivants ou les entit\u00e9s rationnelles. Rijsdijk et al. (2007) ont conceptualis\u00e9 cette variable comme un construit r\u00e9flexif de second ordre, ce qui signifie que le niveau d’intelligence globale \u00e9mane et se manifeste \u00e0 travers six dimensions de premier ordre, distinctes sur le plan s\u00e9mantique mais covariantes sur le plan empirique.<\/p>\n L’autonomie d\u00e9signe la mesure dans laquelle un produit est per\u00e7u comme capable d’op\u00e9rer, de prendre des initiatives et d’ex\u00e9cuter des s\u00e9quences d’actions op\u00e9rationnelles sans n\u00e9cessiter une supervision ou une saisie manuelle continue de la part de l’utilisateur humain. Un aspirateur robot capable de quitter spontan\u00e9ment sa station de recharge \u00e0 heure programm\u00e9e, de naviguer dans des espaces encombr\u00e9s et de retourner se brancher en cas de d\u00e9charge illustre un haut degr\u00e9 d’autonomie per\u00e7ue. Cependant, l’autonomie pr\u00e9sente une dynamique psychologique double : si elle procure un gain substantiel de temps et d’effort, elle peut \u00e9galement induire chez certains profils d’utilisateurs un inconfort li\u00e9 \u00e0 la perte per\u00e7ue de contr\u00f4le d\u00e9cisionnel, notamment lorsque l’artefact effectue des arbitrages non sollicit\u00e9s.<\/p>\n L’adaptabilit\u00e9 renvoie \u00e0 la capacit\u00e9 du produit \u00e0 emmagasiner des informations issues de son historique d’utilisation, \u00e0 apprendre de ses interactions ant\u00e9rieures et \u00e0 moduler dynamiquement son fonctionnement en cons\u00e9quence. Cette dimension est profond\u00e9ment enracin\u00e9e dans la notion d’apprentissage automatique (machine learning<\/em>). Un exemple typique est un thermostat connect\u00e9 (tel que Google Nest) qui, apr\u00e8s une p\u00e9riode initiale de calibrage, d\u00e9duit automatiquement les pr\u00e9f\u00e9rences thermiques des r\u00e9sidents selon l’heure, le jour de la semaine et les pr\u00e9visions m\u00e9t\u00e9orologiques, sans que l’usager n’ait \u00e0 programmer manuellement chaque plage horaire.<\/p>\n La r\u00e9activit\u00e9 caract\u00e9rise l’aptitude d’un syst\u00e8me \u00e0 capter des stimuli ou des modifications soudaines survenant au sein de son environnement imm\u00e9diat et \u00e0 d\u00e9ployer une r\u00e9ponse comportementale ad\u00e9quate, quasi-instantan\u00e9e et contextuellement appropri\u00e9e. Cette sous-dimension repose sur l’int\u00e9gration de capteurs de pointe (optiques, acoustiques, thermiques, de proximit\u00e9). \u00c0 titre d’illustration, le syst\u00e8me de freinage d’urgence autonome d’un v\u00e9hicule automobile qui d\u00e9tecte la trajectoire inopin\u00e9e d’un pi\u00e9ton et immobilise la machine avant la perception r\u00e9flexe du conducteur incarne un niveau d’excellence en mati\u00e8re de r\u00e9activit\u00e9 per\u00e7ue.<\/p>\n La multifonctionnalit\u00e9 r\u00e9f\u00e8re \u00e0 l’\u00e9tendue et \u00e0 la diversit\u00e9 des t\u00e2ches disjointes ou convergentes qu’un produit est capable d’ex\u00e9cuter avec succ\u00e8s. Contrairement aux appareils monovalents traditionnels, les artefacts intelligents condensent de multiples utilit\u00e9s autrefois dispers\u00e9es. Un smartphone contemporain n’est pas uniquement un terminal de t\u00e9l\u00e9communication vocale : il fait simultan\u00e9ment office d’appareil photographique professionnel, d’assistant bancaire, de console vid\u00e9oludique, d’outil de g\u00e9o-positionnement satellitaire et de plateforme de productivit\u00e9 bureautique. La multifonctionnalit\u00e9 contribue de mani\u00e8re pr\u00e9pond\u00e9rante \u00e0 la perception globale de puissance et de sophistication de l’outil.<\/p>\n Cette dimension englobe l’aptitude du produit \u00e0 interagir, \u00e0 communiquer des donn\u00e9es, \u00e0 synchroniser ses op\u00e9rations et \u00e0 n\u00e9gocier des flux d’action avec d’autres agents de son \u00e9cosyst\u00e8me, qu’il s’agisse d’autres machines interconnect\u00e9es (communication Machine-to-Machine, M2M) ou d’utilisateurs humains. Dans une maison intelligente, la capacit\u00e9 du syst\u00e8me d’\u00e9clairage \u00e0 coordonner son intensit\u00e9 avec les rideaux motoris\u00e9s et la cha\u00eene multim\u00e9dia pour cr\u00e9er une ambiance cin\u00e9matographique illustre cette synergie coop\u00e9rative. Sur le plan humain, cela refl\u00e8te la fluidit\u00e9 du dialogue et la compl\u00e9mentarit\u00e9 de la collaboration homme-technologie.<\/p>\n La dimension de personnalit\u00e9 d\u00e9signe l’attribution \u00e0 l’artefact d’un profil comportemental constant, singulier, reconnaissable et teint\u00e9 d’attributs psycho-affectifs ou anthropomorphiques. L’incarnation d’un agent conversationnel via un timbre vocal particulier, un d\u00e9bit de parole chaleureux, l’usage de touches d’humour ou la manifestation stylistique de politesse conduit l’usager \u00e0 projeter une identit\u00e9 quasi-humaine sur la machine. Cette dimension exploite les m\u00e9canismes universels de l’anthropomorphisme<\/a> o\u00f9 les individus tendent naturellement \u00e0 humaniser les entit\u00e9s inanim\u00e9es d\u00e9montrant un comportement complexe.<\/p>\n L’\u00e9laboration de la PI-Scale s’inscrit au carrefour de plusieurs courants th\u00e9oriques majeurs issus de la psychologie cognitive, de la sociologie de la technologie et du comportement du consommateur. Les fondements conceptuels de l’instrument puisent substantiellement dans les th\u00e9ories de l’intelligence distribu\u00e9e, le paradigme des \u00e9quivalences sociales vis-\u00e0-vis des m\u00e9dias, ainsi que les mod\u00e8les structuraux de l’acceptation des innovations.<\/p>\n En premier lieu, le cadre repose sur le paradigme CASA<\/strong> (Computers Are Social Actors<\/em>), formul\u00e9 initialement par Clifford Nass et Byron Reeves au d\u00e9but des ann\u00e9es 1990 \u00e0 l’Universit\u00e9 Stanford (Reeves & Nass, 1996). Selon cette approche socio-cognitive, les individus appliquent de mani\u00e8re automatique, subconsciente et irr\u00e9pressible des r\u00e8gles sociales et des sch\u00e9mas d’attributions psychologiques humaines lorsqu’ils interagissent avec des ordinateurs et des technologies interactives. D\u00e8s lors qu’un produit \u00e9met des signaux mimant la communication humaine (mouvements autonomes, r\u00e9ponses adapt\u00e9es au contexte, langage verbal), le cerveau humain d\u00e9clenche des scripts d’\u00e9valuation relationnelle. La PI-Scale op\u00e9rationnalise empiriquement cette dynamique en traduisant les dimensions de l’intelligence humaine (d\u00e9cision autonome, apprentissage, langage, interaction sociale) en descripteurs \u00e9valuatifs applicables aux biens technologiques manufactur\u00e9s.<\/p>\n En second lieu, l’instrumentation s’adosse \u00e0 la Th\u00e9orie de l’Anthropomorphisme<\/strong> th\u00e9oris\u00e9e par Nicholas Epley, Adam Waytz et John T. Cacioppo (Epley et al., 2007). Selon leur mod\u00e8le \u00e0 trois facteurs, l’anthropomorphisme est stimul\u00e9 par l’accessibilit\u00e9 des connaissances anthropocentriques (les humains utilisent leur propre exp\u00e9rience cognitive comme ancre de jugement), la motivation \u00e0 l’effectance (le besoin de comprendre, d’expliquer et de pr\u00e9dire le comportement d’un objet complexe) et la motivation \u00e0 la sociabilit\u00e9 (la recherche de connexions interpersonnelles). Face \u00e0 des produits intelligents opaques (souvent assimil\u00e9s \u00e0 des \u00ab bo\u00eetes noires \u00bb algorithmiques), les utilisateurs comblent le d\u00e9ficit de compr\u00e9hension technique en projetant des caract\u00e9ristiques d’intelligence, d’autonomie et de personnalit\u00e9. La PI-Scale permet de quantifier avec exactitude le degr\u00e9 auquel cette projection anthropomorphique s’op\u00e8re.<\/p>\n En troisi\u00e8me lieu, le cadre m\u00e9thodologique int\u00e8gre les enseignements du Mod\u00e8le d’Acceptation de la Technologie<\/strong> (TAM) de Fred Davis (1989), d\u00e9riv\u00e9 de la Th\u00e9orie de l’Action Raisonn\u00e9e (Ajzen & Fishbein, 1980). Rijsdijk et ses coauteurs ont d\u00e9montr\u00e9 que la perception d’intelligence ne constitue pas une finalit\u00e9 isol\u00e9e, mais agit comme un ant\u00e9c\u00e9dent proximal puissant des construits cl\u00e9s du TAM : l’utilit\u00e9 per\u00e7ue (Perceived Usefulness<\/em>) et la facilit\u00e9 d’utilisation per\u00e7ue (Perceived Ease of Use<\/em>). Cependant, la mod\u00e9lisation th\u00e9orique souligne une tension dialectique : si la multifonctionnalit\u00e9 et l’adaptabilit\u00e9 augmentent drastiquement l’utilit\u00e9 per\u00e7ue, une autonomie excessive mal explicit\u00e9e ou un manque de r\u00e9activit\u00e9 peuvent exacerber la complexit\u00e9 per\u00e7ue, g\u00e9n\u00e9rant un ph\u00e9nom\u00e8ne de surcharge technologique (technostress<\/em>) ou de r\u00e9sistance passive. L’ancrage de la PI-Scale permet ainsi de mod\u00e9liser avec pr\u00e9cision ces effets contradictoires au sein de cha\u00eenes causales complexes.<\/p>\n La validation psychom\u00e9trique de l’\u00c9chelle d’intelligence du produit a fait l’objet d’un processus rigoureux en plusieurs phases, combinant des approches qualitatives et quantitatives aupr\u00e8s d’\u00e9chantillons diversifi\u00e9s de consommateurs confront\u00e9s \u00e0 des cat\u00e9gories vari\u00e9es de produits intelligents (t\u00e9l\u00e9phonie mobile, syst\u00e8mes de navigation automobile, appareils de climatisation intelligente, \u00e9lectrom\u00e9nager robotis\u00e9).<\/p>\n La g\u00e9n\u00e9ration initiale des items a repos\u00e9 sur une revue exhaustive de la litt\u00e9rature multidisciplinaire en intelligence artificielle, psychologie diff\u00e9rentielle, cybern\u00e9tique et design industriel, compl\u00e9t\u00e9e par des entretiens approfondis aupr\u00e8s de panels d’experts scientifiques et de panels de consommateurs. Un pool initial de plus de 60 \u00e9nonc\u00e9s a \u00e9t\u00e9 soumis \u00e0 l’\u00e9valuation d’un panel de juges ind\u00e9pendants sp\u00e9cialistes du marketing et de la psychom\u00e9trie. Seuls les items ayant obtenu un accord unanime quant \u00e0 leur clart\u00e9 s\u00e9mantique, leur pertinence th\u00e9orique et leur non-redondance ont \u00e9t\u00e9 retenus, garantissant une couverture exhaustive des domaines conceptuels constitutifs du construit.<\/p>\n La validit\u00e9 convergente a \u00e9t\u00e9 confirm\u00e9e \u00e0 travers l’estimation de mod\u00e8les d’\u00e9quations structurelles (SEM<\/a>). Les saturations factorielles standardis\u00e9es (factor loadings<\/em>) de l’ensemble des 24 items sur leurs dimensions respectives sont toutes statistiquement significatives \u00e0 p<\/em> < 0,001 et d\u00e9passent amplement le seuil conventionnel de 0,70 (les saturations oscillent majoritairement entre 0,74 et 0,89). Par ailleurs, la Variance Moyenne Extraite (Average Variance Extracted<\/em>, AVE) calcul\u00e9e pour chacune des six dimensions de premier ordre exc\u00e8de rigoureusement le seuil minimal de 0,50 recommand\u00e9 par Fornell et Larcker (1981), oscillant entre 0,58 et 0,72. Ces indicateurs attestent que la majorit\u00e9 de la variance observ\u00e9e des items est effectivement captur\u00e9e par le construit latent th\u00e9oris\u00e9.<\/p>\n La validit\u00e9 discriminante entre les six sous-dimensions a \u00e9t\u00e9 attest\u00e9e par deux protocoles m\u00e9thodologiques stricts :<\/p>\n La validit\u00e9 nomologique a \u00e9t\u00e9 \u00e9tablie en v\u00e9rifiant l’insertion th\u00e9orique de l’intelligence per\u00e7ue dans un r\u00e9seau d’attitudes de consommation \u00e9prouv\u00e9es. Les analyses d\u00e9montrent que le construit de second ordre d’intelligence du produit exerce un effet direct et positif statistiquement tr\u00e8s significatif sur :<\/p>\n Par ailleurs, les \u00e9tudes montrent que l’effet de l’intelligence per\u00e7ue est m\u00e9di\u00e9 par l’exp\u00e9rience d’utilisation et modul\u00e9 par l’aversion au risque technologique de l’utilisateur, ce qui concorde parfaitement avec les pr\u00e9dictions th\u00e9oriques de la psychologie sociale cognitive.<\/p>\n L’\u00e9valuation de la stabilit\u00e9 et de l’homog\u00e9n\u00e9it\u00e9 m\u00e9trique de la Product Intelligence Scale<\/em> d\u00e9montre d’excellentes qualit\u00e9s de fid\u00e9lit\u00e9 \u00e0 travers divers contextes exp\u00e9rimentaux et transversaux.<\/p>\n La coh\u00e9rence interne a \u00e9t\u00e9 syst\u00e9matiquement examin\u00e9e au moyen du coefficient alpha de Cronbach (α) et de l’indice de fiabilit\u00e9 composite de J\u00f6reskog (Composite Reliability<\/em>, CR). Les valeurs rapport\u00e9es dans les publications fondatrices (Rijsdijk et al., 2007) et les r\u00e9plications ult\u00e9rieures s’\u00e9tablissent comme suit pour chacune des dimensions compos\u00e9es de 4 items :<\/p>\n Au niveau du construit de second ordre int\u00e9grant l’ensemble des 24 items, l’alpha de Cronbach global exc\u00e8de r\u00e9guli\u00e8rement 0,93, ce qui t\u00e9moigne d’une coh\u00e9rence interne globale remarquable sans pour autant r\u00e9v\u00e9ler de sur-redondance item-item p\u00e9nalisante. Les corr\u00e9lations item-total corrig\u00e9es d\u00e9passent toutes le plancher critique de 0,50, s’\u00e9chelonnant entre 0,58 et 0,81.<\/p>\n En ce qui concerne la fid\u00e9lit\u00e9 test-retest<\/strong>, des \u00e9tudes de stabilit\u00e9 temporelle conduites sur un intervalle de quatre semaines aupr\u00e8s d’utilisateurs d’environnements domotiques et de syst\u00e8mes embarqu\u00e9s ont mis en \u00e9vidence des coefficients de corr\u00e9lation intraclasse (ICC) compris entre 0,78 et 0,86 pour l’ensemble des sous-\u00e9chelles. Ces indices confirment que l’\u00e9chelle ne r\u00e9agit pas \u00e0 des fluctuations d’humeur \u00e9ph\u00e9m\u00e8res, mais capture fid\u00e8lement une perception cognitive stabilis\u00e9e issue de l’interaction avec le dispositif.<\/p>\n Le processus de d\u00e9veloppement de l’\u00e9chelle a repos\u00e9 sur une articulation rigoureuse entre Analyse Factorielle Exploratoire<\/a> (AFE) lors de la phase pr\u00e9liminaire et Analyse Factorielle Confirmatoire<\/a> (AFC) lors de la phase de validation finale sur des \u00e9chantillons scind\u00e9s ind\u00e9pendants (split-sample validation<\/em>).<\/p>\n Sur un premier \u00e9chantillon de d\u00e9veloppement, une analyse en composantes principales assortie d’une rotation oblique (Promax ou Oblimin direct, en raison des interrelations th\u00e9oriques attendues entre dimensions cognitives) a \u00e9t\u00e9 ex\u00e9cut\u00e9e. Les indices de qualit\u00e9 d’\u00e9chantillonnage de Kaiser-Meyer-Olkin (KMO) ont affich\u00e9 des valeurs tr\u00e8s \u00e9lev\u00e9es (> 0,90), et le test de sph\u00e9ricit\u00e9 de Bartlett s’est r\u00e9v\u00e9l\u00e9 statistiquement significatif (χ², p<\/em> < 0,001). L’application de la r\u00e8gle de Kaiser (valeurs propres sup\u00e9rieures \u00e0 1,0) conjugu\u00e9e \u00e0 l’examen du diagramme de Cattell (scree plot<\/em>) a fait \u00e9merger une solution \u00e0 6 facteurs distincts, expliquant cumulativement plus de 68 % de la variance totale des donn\u00e9es.<\/p>\n L’architecture hi\u00e9rarchique a ensuite \u00e9t\u00e9 test\u00e9e formellement par AFC \u00e0 l’aide de logiciels de mod\u00e9lisation par \u00e9quations structurelles (tels que LISREL et AMOS), en employant la m\u00e9thode d’estimation du maximum de vraisemblance (Maximum Likelihood<\/em>). Plusieurs structures concurrentes ont \u00e9t\u00e9 syst\u00e9matiquement compar\u00e9es :<\/p>\n Les r\u00e9sultats empiriques ont d\u00e9montr\u00e9 la sup\u00e9riorit\u00e9 \u00e9clatante des mod\u00e8les hi\u00e9rarchiques et \u00e0 facteurs corr\u00e9l\u00e9s par rapport au mod\u00e8le unidimensionnel (qui pr\u00e9sentait des indices d’ad\u00e9quation tr\u00e8s d\u00e9grad\u00e9s, par exemple RMSEA > 0,15 et CFI < 0,70). Pour le mod\u00e8le th\u00e9orique final de second ordre (Mod\u00e8le 4), les indices d’ajustement global rapport\u00e9s dans la recherche originale et les r\u00e9plications sont pleinement conformes aux standards m\u00e9thodologiques les plus s\u00e9v\u00e8res de Hu et Bentler (1999) :<\/p>\n Les saturations de second ordre (reliant le facteur d’intelligence globale \u00e0 chacun des six facteurs de premier ordre) sont toutes extr\u00eamement robustes et statistiquement significatives : typiquement comprises entre 0,65 et 0,85 pour l’autonomie, l’adaptabilit\u00e9, la r\u00e9activit\u00e9, la multifonctionnalit\u00e9 et la capacit\u00e9 de coop\u00e9ration. La dimension de personnalit\u00e9 affiche fr\u00e9quemment une saturation de second ordre l\u00e9g\u00e8rement plus modeste (γ ≈ 0,50 \u00e0 0,60), ce qui s’explique par sa nature plus symbolique et expressive, tout en demeurant une composante essentielle de l’architecture cognitive globale per\u00e7ue.<\/p>\n L’instrument se pr\u00e9sente sous la forme d’un inventaire auto-administr\u00e9 standardis\u00e9, d\u00e9ployable aussi bien sur support papier que par l’interm\u00e9diaire de plateformes \u00e9lectroniques d’enqu\u00eate en ligne (Qualtrics, SurveyMonkey, Sphinx). Ses param\u00e8tres techniques de passation et de d\u00e9pouillement sont structur\u00e9s comme suit :<\/p>\n Les sources bibliographiques ci-dessous r\u00e9unissent les publications fondatrices et les contributions th\u00e9oriques majeures ayant servi \u00e0 la formalisation, \u00e0 l’analyse et \u00e0 la contextualisation de l’\u00c9chelle d’intelligence du produit :<\/p>\n Les items officiels complets de l’\u00c9chelle d’intelligence du produit (Product Intelligence Scale<\/em>) sont prot\u00e9g\u00e9s par le droit d’auteur \u00e9ditorial et acad\u00e9mique et ne sont pas reproduits sous leur libell\u00e9 int\u00e9gral propri\u00e9taire dans le domaine public ouvert.<\/p>\n Conform\u00e9ment aux directives d\u00e9ontologiques et aux r\u00e8gles de propri\u00e9t\u00e9 intellectuelle, le questionnaire complet officiel doit \u00eatre obtenu aupr\u00e8s des auteurs ou directement consult\u00e9 dans la publication originale de r\u00e9f\u00e9rence publi\u00e9e dans le Journal of the Academy of Marketing Science<\/em>. La structure op\u00e9rationnelle comprend 24 items distribu\u00e9s \u00e9quitablement entre les six dimensions th\u00e9oriques suivantes, \u00e9valu\u00e9es sur une \u00e9chelle de Likert de 1 (\u00ab Pas du tout d’accord \u00bb) \u00e0 7 (\u00ab Tout \u00e0 fait d’accord \u00bb) :<\/p>\n Evaluates the user’s perception of the product’s capability to initiate actions and perform operational routines independently without ongoing human guidance.<\/p>\n Evaluates the extent to which the product learns from user interaction history and alters its operational state accordingly.<\/p>\n Assesses the speed and appropriateness of the device’s immediate reaction to sudden alterations in environmental inputs.<\/p>\n Captures the breadth and versatility of diverse, integrated operations handled by the artefact.<\/p>\n Quantifies the perceived communication, seamless coordination, and network alignment with people and other smart devices.<\/p>\n Determines the degree to which an identifiable, consistent behavioural identity and social character are projected onto the product.<\/p>\n D\u00e9couvrez l’\u00c9chelle d’intelligence du produit (PI-Scale) d\u00e9velopp\u00e9e par Rijsdijk, Hultink et Diamantopoulos (2007) : analyse psychom\u00e9trique compl\u00e8te, 6 dimensions cognitives per\u00e7ues, validit\u00e9, fid\u00e9lit\u00e9 et applications en adoption technologique.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[2455,647,2],"tags":[904,2592,717,653,11900,11903,11901,16,11902,2507],"class_list":["post-10176","psych_scale","type-psych_scale","status-publish","hentry","category-comportement-du-consommateur","category-psychologie-cognitive","category-psychometrie","tag-adoption-technologique","tag-anthropomorphisme","tag-autonomie","tag-ergonomie-cognitive","tag-intelligence-du-produit","tag-objets-connectes","tag-pi-scale","tag-psychometrie","tag-rijsdijk","tag-tam"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/10176","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_scale"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=10176"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/10176\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=10176"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=10176"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=10176"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. Mots-cl\u00e9s \/ Keywords<\/h2>\n
3. Auteurs \/ Authors<\/h2>\n
\n
srijsdijk@rsm.nl<\/code>.<\/li>\ne.j.hultink@tudelft.nl<\/code>.<\/li>\nadamantios.diamantopoulos@univie.ac.at<\/code>.<\/li>\n<\/ul>\n4. Objectif \/ Purpose<\/h2>\n
5. Construit psychologique \/ Construct<\/h2>\n
1. L’Autonomie (Autonomy)<\/h3>\n
2. L’Adaptabilit\u00e9 (Adaptability)<\/h3>\n
3. La R\u00e9activit\u00e9 (Reactivity)<\/h3>\n
4. La Multifonctionnalit\u00e9 (Multi-functionality)<\/h3>\n
5. La Capacit\u00e9 de coop\u00e9ration (Ability to Cooperate)<\/h3>\n
6. La Personnalit\u00e9 \/ Le Caract\u00e8re (Personality)<\/h3>\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
7. Validit\u00e9 \/ Validity<\/h2>\n
Validit\u00e9 de contenu et de surface (Face & Content Validity)<\/h3>\n
Validit\u00e9 convergente (Convergent Validity)<\/h3>\n
Validit\u00e9 discriminante (Discriminant Validity)<\/h3>\n
\n
Validit\u00e9 pr\u00e9dictive et nomologique (Predictive & Nomological Validity)<\/h3>\n
\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
Structure exploratoire initiale (AFE)<\/h3>\n
Structure confirmatoire de second ordre (AFC)<\/h3>\n
\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
\n 1 = \u00ab Pas du tout d’accord \u00bb (Strongly disagree<\/em>)
\n 2 = \u00ab Pas d’accord \u00bb (Disagree<\/em>)
\n 3 = \u00ab Plut\u00f4t pas d’accord \u00bb (Somewhat disagree<\/em>)
\n 4 = \u00ab Neutre \/ Ni d’accord ni pas d’accord \u00bb (Neither agree nor disagree<\/em>)
\n 5 = \u00ab Plut\u00f4t d’accord \u00bb (Somewhat agree<\/em>)
\n 6 = \u00ab D’accord \u00bb (Agree<\/em>)
\n 7 = \u00ab Tout \u00e0 fait d’accord \u00bb (Strongly agree<\/em>)<\/li>\n\n
11. Permissions, Tarifs et Ann\u00e9e du test \/ Permissions & Fee and Test Year<\/h2>\n
\n
\n
12. R\u00e9f\u00e9rences \/ References<\/h2>\n
\n
13. Questions et items du questionnaire \/ Scale Items<\/h2>\n
Subscale 1: Autonomy (4 items)<\/h3>\n
\n
Subscale 2: Adaptability (4 items)<\/h3>\n
\n
Subscale 3: Reactivity (4 items)<\/h3>\n
\n
Subscale 4: Multi-functionality (4 items)<\/h3>\n
\n
Subscale 5: Ability to Cooperate (4 items)<\/h3>\n
\n
Subscale 6: Personality \/ Character (4 items)<\/h3>\n
\n