L’\u00c9chelle d’utilit\u00e9 de l’aide \u00e0 l’achat<\/strong> (en anglais, Shopping Aid Usefulness Scale<\/em> ou SAIDUSE<\/strong>) est un instrument psychom\u00e9trique unidimensionnel compos\u00e9 de quatre items, con\u00e7u pour \u00e9valuer la valeur utilitaire per\u00e7ue des dispositifs d’assistance aux d\u00e9cisions d’achat par les consommateurs. Initialement formalis\u00e9e et valid\u00e9e dans le domaine du commerce \u00e9lectronique et du ciblage comportemental par Bleier et Eisenbeiss (2015)<\/a> au sein de leur \u00e9tude de r\u00e9f\u00e9rence sur l’importance de la confiance dans la publicit\u00e9 en ligne personnalis\u00e9e, cette \u00e9chelle trouve son ancrage fondamental dans le concept d’utilit\u00e9 per\u00e7ue (Perceived Usefulness<\/em>) issu du mod\u00e8le d’acceptation de la technologie (Technology Acceptance Model<\/a>, TAM) propos\u00e9 originellement par Fred D. Davis en 1989.<\/p>\n L’\u00e9chelle op\u00e9rationnalise l’utilit\u00e9 per\u00e7ue \u00e0 travers quatre facettes cognitives compl\u00e9mentaires : le gain de temps dans l’accomplissement des t\u00e2ches d’achat, l’am\u00e9lioration des performances d\u00e9cisionnelles, l’accroissement de l’efficacit\u00e9 personnelle et une \u00e9valuation synth\u00e9tique globale du caract\u00e8re utile du dispositif. Les participants r\u00e9pondent \u00e0 l’aide d’une \u00e9chelle de type Likert en 7 points s’\u00e9tendant de 1 (\u00ab Pas du tout d’accord \u00bb) \u00e0 7 (\u00ab Tout \u00e0 fait d’accord \u00bb). La flexibilit\u00e9 de l’instrument r\u00e9side dans sa formulation modulaire, o\u00f9 un espace r\u00e9serv\u00e9 permet aux chercheurs d’ins\u00e9rer l’outil ou le support d’aide \u00e0 l’achat sp\u00e9cifique \u00e9valu\u00e9 (par exemple : banni\u00e8res publicitaires personnalis\u00e9es, syst\u00e8mes de recommandation collaborative, chatbots d’assistance marchande ou comparateurs interactifs de prix).<\/p>\n Sur le plan psychom\u00e9trique, le SAIDUSE pr\u00e9sente d’excellentes qualit\u00e9s de mesure attest\u00e9es dans diverses configurations exp\u00e9rimentales et \u00e9tudes de terrain. Les analyses factorielles confirmatoires mettent en \u00e9vidence une structure unifactorielle robuste, avec des saturations factorielles standardis\u00e9es uniform\u00e9ment \u00e9lev\u00e9es (g\u00e9n\u00e9ralement sup\u00e9rieures \u00e0 0,85). La consistance interne est remarquable, illustr\u00e9e par des indices alpha de Cronbach exc\u00e9dant syst\u00e9matiquement le seuil critique de 0,90, ainsi qu’une fiabilit\u00e9 composite (CR) et une variance moyenne extraite (AVE) attestant d’une stricte validit\u00e9 convergente et discriminante. L’instrument s’av\u00e8re un pr\u00e9dicteur d\u00e9terminant de l’acceptation des recommandations, de l’engagement envers la marque, de l’intention d’achat et de la satisfaction globale du consommateur.<\/p>\n utilit\u00e9 per\u00e7ue, aide \u00e0 l’achat, mod\u00e8le d’acceptation de la technologie, commerce \u00e9lectronique, personnalisation publicitaire, psychom\u00e9trie, comportement du consommateur, valeur utilitaire, syst\u00e8mes de recommandation, prise de d\u00e9cision<\/p>\n L’\u00e9chelle a \u00e9t\u00e9 d\u00e9velopp\u00e9e et valid\u00e9e dans sa formulation appliqu\u00e9e aux outils d’assistance marchande et au ciblage publicitaire par :<\/p>\n La fondation conceptuelle sous-jacente de l’instrument d\u00e9coule directement des travaux de Fred D. Davis<\/strong> (Universit\u00e9 de l’Arkansas, \u00c9tats-Unis), cr\u00e9ateur du Technology Acceptance Model<\/a> en 1989.<\/p>\n Le Shopping Aid Usefulness Scale (SAIDUSE)<\/strong> a pour objectif fondamental de mesurer avec rigueur, parcimonie et pr\u00e9cision l’utilit\u00e9 fonctionnelle et utilitaire que les consommateurs attribuent \u00e0 un outil technologique d’aide \u00e0 l’achat sp\u00e9cifique. Dans l’\u00e9cosyst\u00e8me num\u00e9rique contemporain, les acheteurs font face \u00e0 une surcharge informationnelle (information overload<\/em>) sans pr\u00e9c\u00e9dent, caus\u00e9e par l’abondance d’offres, de sp\u00e9cifications de produits, d’avis clients et d’options tarifaires. Les plateformes marchandes d\u00e9ploient en r\u00e9ponse une vaste gamme d’aides \u00e0 l’achat num\u00e9riques : moteurs de recommandation automatis\u00e9s, algorithmes de filtrage collaboratif, agents conversationnels intelligents, banni\u00e8res recibl\u00e9es dynamiquement ou configurateurs de produits personnalis\u00e9s. L’objectif du SAIDUSE est de d\u00e9terminer si le consommateur per\u00e7oit concr\u00e8tement ces dispositifs comme des facilitateurs cognitifs r\u00e9duisant le co\u00fbt de recherche informationnelle et optimisant la prise de d\u00e9cision, ou au contraire comme des m\u00e9canismes intrusifs d\u00e9nu\u00e9s de r\u00e9elle valeur ajout\u00e9e.<\/p>\n Dans le domaine de la recherche acad\u00e9mique, l’\u00e9chelle remplit un r\u00f4le crucial en servant de variable m\u00e9diatrice ou d\u00e9pendante dans les mod\u00e8les d’\u00e9quation structurelle analysant les r\u00e9actions des consommateurs aux technologies de vente au d\u00e9tail. L’\u00e9valuation de l’utilit\u00e9 per\u00e7ue permet d’\u00e9clairer le compromis permanent entre les b\u00e9n\u00e9fices fonctionnels offerts par la personnalisation algorithmique et les craintes relatives \u00e0 la vie priv\u00e9e (le concept classique de privacy-personalization paradox<\/em>). L’\u00e9chelle permet ainsi de mod\u00e9liser le moment exact o\u00f9 un syst\u00e8me d’assistance d\u00e9passe le statut de simple stimulus marketing pour devenir une v\u00e9ritable ressource instrumentale valoris\u00e9e par l’utilisateur.<\/p>\n Sur le plan des applications appliqu\u00e9es et manag\u00e9riales, le SAIDUSE offre aux concepteurs d’exp\u00e9rience utilisateur (UX), aux chefs de produit num\u00e9riques et aux analystes marketing un outil diagnostique standardis\u00e9 pour mesurer l’efficacit\u00e9 per\u00e7ue de leurs interfaces marchandes. Il permet de r\u00e9aliser des tests A\/B rigoureux \u00e9valuant comment diff\u00e9rentes modalit\u00e9s de pr\u00e9sentation (par exemple, un algorithme bas\u00e9 sur l’historique de navigation compar\u00e9 \u00e0 un syst\u00e8me de recommandation pr\u00e9dictif par intelligence artificielle) affectent la perception d’efficacit\u00e9 par le consommateur. Il aide ainsi \u00e0 rationaliser les investissements technologiques dans les syst\u00e8mes d’aide au magasinage en s’assurant qu’ils g\u00e9n\u00e8rent un all\u00e8gement perceptible de l’effort cognitif plut\u00f4t qu’une friction ergonomique suppl\u00e9mentaire.<\/p>\n Le construit psychologique mesur\u00e9 par le SAIDUSE est l’utilit\u00e9 per\u00e7ue de l’aide \u00e0 l’achat<\/strong> (Perceived Usefulness of the Shopping Aid<\/em>), d\u00e9finie th\u00e9oriquement comme le degr\u00e9 auquel un individu croit que l’utilisation d’un syst\u00e8me ou dispositif particulier am\u00e9liorera sa performance lors de la r\u00e9alisation d’une t\u00e2che d’achat. Bien qu’op\u00e9rationnalis\u00e9 sous une structure globale unidimensionnelle pour maximiser la parcimonie et la robustesse statistique, ce construit int\u00e8gre quatre composantes cognitives \u00e9troitement intriqu\u00e9es refl\u00e9tant la valeur utilitaire pure :<\/p>\n La premi\u00e8re composante (\u00ab accomplish tasks more quickly<\/em> \u00bb) renvoie \u00e0 la r\u00e9duction per\u00e7ue du co\u00fbt temporel consacr\u00e9 \u00e0 l’exploration, \u00e0 la comparaison et au tri des alternatives. Dans la psychologie du consommateur, le temps est une ressource finie et hautement valoris\u00e9e. Un syst\u00e8me d’aide qui permet de filtrer instantan\u00e9ment des milliers d’options d’achat lib\u00e8re des ressources cognitives. L’individu per\u00e7oit un all\u00e8gement substantiel de la fatigue d\u00e9cisionnelle lorsque l’outil lui permet d’arriver \u00e0 l’issue de son parcours d’achat plus rapidement qu’en proc\u00e9dant par une recherche manuelle non assist\u00e9e.<\/p>\n La deuxi\u00e8me composante (\u00ab improves my performance<\/em> \u00bb) appr\u00e9hende la qualit\u00e9 intrins\u00e8que du choix final obtenu gr\u00e2ce \u00e0 l’aide marchande. La performance d’achat ne se limite pas \u00e0 acheter un bien quelconque ; elle implique de trouver le produit optimal qui r\u00e9pond le mieux aux crit\u00e8res de pr\u00e9f\u00e9rence, aux contraintes budg\u00e9taires et aux exigences qualitatives de l’acheteur. L’individu \u00e9value dans quelle mesure l’aide \u00e0 l’achat lui permet de faire de \u00ab meilleurs achats \u00bb, d’\u00e9viter les mauvais choix, de minimiser les regrets post-achat et d’optimiser l’ad\u00e9quation produit-besoin.<\/p>\n La troisi\u00e8me composante (\u00ab increases my effectiveness<\/em> \u00bb) mesure l’optimisation du ratio entre les efforts d\u00e9ploy\u00e9s et les r\u00e9sultats atteints. Alors que la performance s’attache \u00e0 la qualit\u00e9 du r\u00e9sultat, l’efficacit\u00e9 (au sens de l’effectiveness<\/em> ergonomique) quantifie la capacit\u00e9 de l’outil \u00e0 doter l’utilisateur d’un pouvoir d’action accru. Le consommateur se sent mieux arm\u00e9, plus m\u00e9thodique et mieux inform\u00e9 face \u00e0 la complexit\u00e9 des march\u00e9s concurrentiels. L’outil agit comme une proth\u00e8se cognitive renfor\u00e7ant les comp\u00e9tences d\u00e9cisionnelles du consommateur.<\/p>\n La quatri\u00e8me composante (\u00ab find [shopping aid] useful<\/em> \u00bb) capture le jugement synth\u00e9tique et global de l’individu sur la valeur instrumentale du syst\u00e8me. Cette \u00e9valuation heuristique r\u00e9capitule les perceptions sp\u00e9cifiques pr\u00e9c\u00e9dentes en une conclusion cognitive unifi\u00e9e quant au caract\u00e8re profitable, pertinent et d\u00e9sirable de l’outil dans son contexte d’utilisation.<\/p>\n Le SAIDUSE repose directement sur les fondements du Mod\u00e8le d’acceptation de la technologie<\/strong> (Technology Acceptance Model – TAM<\/a>), formul\u00e9 initialement par Fred D. Davis en 1989. Le TAM postule que l’intention d’adopter et d’utiliser une technologie est primairement d\u00e9termin\u00e9e par deux croyances cognitives cl\u00e9s : l’utilit\u00e9 per\u00e7ue<\/strong> (Perceived Usefulness<\/em> – PU) et la facilit\u00e9 d’utilisation per\u00e7ue<\/strong> (Perceived Ease of Use<\/em> – PEOU). Dans la majorit\u00e9 des contextes orient\u00e9s vers l’accomplissement de buts sp\u00e9cifiques (comme l’achat de biens ou de services), la litt\u00e9rature a d\u00e9montr\u00e9 de mani\u00e8re constante que l’utilit\u00e9 per\u00e7ue exerce le poids pr\u00e9dictif direct le plus puissant sur les attitudes et les comportements d’utilisation effectifs.<\/p>\n Le TAM est lui-m\u00eame une adaptation sociopsychologique de la Th\u00e9orie de l’action raisonn\u00e9e<\/a> (TRA) de Martin Fishbein et Icek Ajzen (1975). Selon ce cadre th\u00e9orique, les croyances cognitives d’un individu fa\u00e7onnent ses attitudes affectives, lesquelles d\u00e9terminent ses intentions comportementales, qui se traduisent ultimement en comportements r\u00e9els. Dans le mod\u00e8le de Bleier et Eisenbeiss (2015), l’utilit\u00e9 per\u00e7ue de l’aide \u00e0 l’achat intervient comme un m\u00e9canisme psychologique central qui m\u00e9diatise l’effet des caract\u00e9ristiques de l’outil (notamment la profondeur de personnalisation et le moment de diffusion) sur la propension \u00e0 acheter et l’acceptation de l’offre publicitaire.<\/p>\n L’\u00e9chelle s’inscrit \u00e9galement dans le prolongement de la th\u00e9orie des co\u00fbts de recherche et du traitement cognitif de l’information<\/strong> formul\u00e9e par James R. Bettman (1979). Cette th\u00e9orie con\u00e7oit le consommateur comme un d\u00e9cideur \u00e0 rationalit\u00e9 limit\u00e9e qui cherche constamment \u00e0 maximiser la pr\u00e9cision de ses d\u00e9cisions tout en minimisant l’effort cognitif requis. Les aides \u00e0 l’achat interviennent pr\u00e9cis\u00e9ment pour att\u00e9nuer cette tension en prenant en charge le stockage, l’organisation et le calcul comparatif des donn\u00e9es de march\u00e9. Lorsque le consommateur constate une r\u00e9duction effective de l’effort pour un r\u00e9sultat \u00e9quivalent ou sup\u00e9rieur, l’\u00e9valuation de l’utilit\u00e9 per\u00e7ue atteint son niveau optimal.<\/p>\n La validit\u00e9 psychom\u00e9trique du SAIDUSE a \u00e9t\u00e9 rigoureusement d\u00e9montr\u00e9e dans l’\u00e9tude fondatrice de Bleier et Eisenbeiss (2015) ainsi que dans plusieurs investigations ult\u00e9rieures portant sur les agents virtuels et les interfaces marchandes.<\/p>\n La validit\u00e9 de contenu repose sur l’adaptation directe des m\u00e9triques historiques de Davis (1989), qui avaient fait l’objet de multiples purifications et revues d’experts en psychologie cognitive et en syst\u00e8mes d’information. Les items capturent l’int\u00e9gralit\u00e9 du spectre th\u00e9orique de l’utilit\u00e9 fonctionnelle sans contamination par des construits voisins tels que l’agr\u00e9ment esth\u00e9tique, la valeur h\u00e9donique ou l’intrusivit\u00e9 per\u00e7ue.<\/p>\n La validit\u00e9 convergente de l’\u00e9chelle a \u00e9t\u00e9 \u00e9tablie par l’examen des saturations factorielles et de la variance moyenne extraite (Average Variance Extracted – AVE<\/a>). Dans les travaux de Bleier et Eisenbeiss (2015), l’ensemble des saturations factorielles standardis\u00e9es d\u00e9passent largement le seuil standard de 0,70 (oscillant typiquement entre 0,86 et 0,94). L’AVE calcul\u00e9e pour le construit exc\u00e8de syst\u00e9matiquement 0,75, confirmant que plus des trois quarts de la variance des items sont directement imputables au trait latent d’utilit\u00e9 per\u00e7ue, d\u00e9passant largement le seuil normatif de 0,50 recommand\u00e9 par Fornell et Larcker (1981).<\/p>\n L’instrument montre une excellente validit\u00e9 discriminante vis-\u00e0-vis des construits th\u00e9oriquement distincts mesur\u00e9s simultan\u00e9ment dans les parcours d’achat num\u00e9riques :<\/p>\n La validit\u00e9 nomologique et pr\u00e9dictive de l’\u00e9chelle est solidement ancr\u00e9e : le score global de SAIDUSE corr\u00e8le positivement et de mani\u00e8re statistiquement significative avec le taux de clics (CTR), la m\u00e9morisation de l’offre, l’intention d’achat du produit promu et la r\u00e9utilisation d\u00e9clar\u00e9e du dispositif d’assistance (les coefficients de chemin standardis\u00e9s \u03b2 se situant fr\u00e9quemment au-dessus de 0,35, p < 0,001).<\/p>\n La consistance interne et la stabilit\u00e9 m\u00e9trique du SAIDUSE atteignent des niveaux de pr\u00e9cision psychom\u00e9trique exceptionnels :<\/p>\n Les analyses factorielles conduites sur le SAIDUSE confirment sans \u00e9quivoque la structure unidimensionnelle postul\u00e9e par le mod\u00e8le th\u00e9orique.<\/p>\n Lors des phases exploratoires sur donn\u00e9es initiales (extraction en composantes principales ou factorisation en axes principaux suivie d’une rotation oblique Oblimin ou Promax lorsque d’autres construits sont pr\u00e9sents) :<\/p>\n Dans le cadre de l’AFC sous estimation du maximum de vraisemblance (ML), le mod\u00e8le unifactoriel \u00e0 quatre indicateurs s’ajuste impeccablement aux matrices de covariance empiriques. Les indices d’ajustement globaux satisfont rigoureusement les crit\u00e8res m\u00e9thodologiques les plus stricts de Hu et Bentler (1999) :<\/p>\n Les saturations factorielles standardis\u00e9es (\u03bb) se distribuent harmonieusement : l’item 1 (c\u00e9l\u00e9rit\u00e9) pr\u00e9sente usuellement une saturation de \u03bb \u2248 0,88 ; l’item 2 (performance) de \u03bb \u2248 0,92 ; l’item 3 (efficacit\u00e9) de \u03bb \u2248 0,93 ; et l’item 4 (utilit\u00e9 g\u00e9n\u00e9rale) de \u03bb \u2248 0,89. Aucun probl\u00e8me d’invariance de mesure n’a \u00e9t\u00e9 signal\u00e9 entre diff\u00e9rents groupes d\u00e9mographiques d’acheteurs (\u00e2ge, genre ou fr\u00e9quence d’achat en ligne).<\/p>\n Ajzen, I., & Fishbein, M. (1980). Understanding attitudes and predicting social behavior<\/em>. Prentice-Hall.<\/p>\n Bettman, J. R. (1979). An information processing theory of consumer choice<\/em>. Addison-Wesley.<\/p>\n Bleier, A., & Eisenbeiss, M. (2015). The importance of trust for personalized online advertising. Journal of Retailing<\/em>, 91(3), 390-409. https:\/\/doi.org\/10.1016\/j.jretai.2015.04.001<\/a><\/p>\n Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly<\/em>, 13(3), 319-340. https:\/\/doi.org\/10.2307\/249008<\/a><\/p>\n Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research<\/em>, 18(1), 39-50. https:\/\/doi.org\/10.1177\/002224378101800104<\/a><\/p>\n2. Mots-cl\u00e9s<\/h2>\n
3. Auteurs<\/h2>\n
\n
4. Objectif<\/h2>\n
5. Construit psychologique<\/h2>\n
C\u00e9l\u00e9rit\u00e9 et \u00e9conomie de temps cognitif<\/h3>\n
Am\u00e9lioration de la performance d\u00e9cisionnelle<\/h3>\n
Accroissement de l’efficacit\u00e9 op\u00e9rationnelle<\/h3>\n
\u00c9valuation globale de l’utilit\u00e9 fonctionnelle<\/h3>\n
6. Cadre th\u00e9orique<\/h2>\n
7. Validit\u00e9<\/h2>\n
Validit\u00e9 de contenu et d’apparence<\/h3>\n
Validit\u00e9 convergente<\/h3>\n
Validit\u00e9 discriminante<\/h3>\n
\n
Validit\u00e9 pr\u00e9dictive et nomologique<\/h3>\n
8. Fid\u00e9lit\u00e9<\/h2>\n
\n
9. Analyse factorielle<\/h2>\n
Analyse factorielle exploratoire (AFE)<\/h3>\n
\n
Analyse factorielle confirmatoire (AFC)<\/h3>\n
\n
10. Instrument de mesure<\/h2>\n
\n
[shopping aid]<\/code>) devant \u00eatre substitu\u00e9e par le libell\u00e9 pr\u00e9cis de la technologie marchande \u00e9tudi\u00e9e (ex. : \u00ab ce syst\u00e8me de recommandation \u00bb, \u00ab cette publicit\u00e9 personnalis\u00e9e \u00bb, \u00ab ce comparateur de prix \u00bb).<\/li>\n11. Permissions, Tarifs et Ann\u00e9e du test<\/h2>\n
\n
12. R\u00e9f\u00e9rences<\/h2>\n