L’\u00e9chelle Branded App Usability: Personalisation (BAU-P)<\/strong>, d\u00e9velopp\u00e9e et valid\u00e9e par Tae Hyun Baek et Chan Yun Yoo en 2018, constitue une sous-\u00e9chelle psychom\u00e9trique essentielle du mod\u00e8le multidimensionnel de l’utilisabilit\u00e9 des applications mobiles de marque (Branded App Usability<\/em>). Cet instrument d’\u00e9valuation mesure sp\u00e9cifiquement la perception qu’a le consommateur d’\u00eatre trait\u00e9 comme un client unique et privil\u00e9gi\u00e9, ainsi que la capacit\u00e9 de l’application mobile \u00e0 d\u00e9livrer des informations et des fonctionnalit\u00e9s parfaitement adapt\u00e9es \u00e0 ses besoins individuels. Compos\u00e9e de 3 items formul\u00e9s de mani\u00e8re concise et administr\u00e9s selon une \u00e9chelle de r\u00e9ponse de type Likert en 7 points (allant de 1 = \u00ab Fortement en d\u00e9saccord \u00bb \u00e0 7 = \u00ab Fortement en accord \u00bb), l’\u00e9chelle BAU-P capture la facette relationnelle et personnalis\u00e9e de l’exp\u00e9rience utilisateur (User Experience<\/a>, UX) dans le contexte du commerce mobile (m-commerce<\/a>) et du marketing relationnel num\u00e9rique.<\/p>\n Sur le plan des qualit\u00e9s psychom\u00e9triques, l’instrument a fait l’objet d’un processus rigoureux de d\u00e9veloppement et de validation comprenant des revues syst\u00e9matiques de litt\u00e9rature, des groupes de discussion qualitative (focus groups<\/em>), des \u00e9valuations de validit\u00e9 de contenu par des jurys d’experts, ainsi que des analyses factorielles exploratoires (AFE) et confirmatoires (AFC) conduites aupr\u00e8s d’un \u00e9chantillon repr\u00e9sentatif de 319 utilisateurs am\u00e9ricains r\u00e9guliers de smartphones. Les analyses psychom\u00e9triques attestent d’une excellente coh\u00e9rence interne, d’une fiabilit\u00e9 composite \u00e9lev\u00e9e et d’une variance moyenne extraite (Average Variance Extracted<\/a>, AVE) de 0,62, confirmant une validit\u00e9 convergente robuste. L’\u00e9chelle d\u00e9montre une validit\u00e9 discriminante nette vis-\u00e0-vis des autres dimensions de l’utilisabilit\u00e9 (information, commodit\u00e9, design et interaction sociale) et pr\u00e9sente une forte validit\u00e9 pr\u00e9dictive \u00e0 l’\u00e9gard de la fid\u00e9lit\u00e9 \u00e0 la marque (brand loyalty<\/em>), de l’engagement continu et des intentions d’achat des consommateurs.<\/p>\n utilisabilit\u00e9, application de marque, personnalisation per\u00e7ue, marketing mobile, exp\u00e9rience utilisateur, fid\u00e9lit\u00e9 \u00e0 la marque, psychom\u00e9trie, analyse factorielle confirmatoire, engagement du consommateur, interface mobile<\/p>\n L’\u00e9chelle BAU-P a \u00e9t\u00e9 con\u00e7ue et formalis\u00e9e par :<\/p>\n L’objectif fondamental de la sous-\u00e9chelle BAU-P est de quantifier empiriquement le niveau de personnalisation per\u00e7ue offert par une application mobile d\u00e9velopp\u00e9e sous l’\u00e9gide d’une marque commerciale. Alors que les m\u00e9triques d’utilisabilit\u00e9 logicielles traditionnelles \u2014 telles que le System Usability Scale (SUS)<\/a> ou les normes ISO 9241-11 (centr\u00e9es sur l’efficacit\u00e9, l’efficience et la satisfaction) \u2014 \u00e9valuent les syst\u00e8mes informatiques sous un prisme strictement instrumental et ergonomique, elles \u00e9chouent \u00e0 saisir les r\u00e9sonances symboliques, relationnelles et affectives inh\u00e9rentes aux applications mobiles de marque. Une application de marque ne sert pas uniquement \u00e0 r\u00e9aliser une t\u00e2che utilitaire (par exemple, consulter un solde bancaire ou passer une commande) ; elle constitue un point de contact permanent (touchpoint<\/em>) incarnant les valeurs de la marque et visant \u00e0 consolider le lien affectif entre le consommateur et l’organisation.<\/p>\n L’int\u00e9gration de la personnalisation au sein du m\u00e9ta-construit d’utilisabilit\u00e9 comble une lacune th\u00e9orique et m\u00e9thodologique majeure. L’instrument permet de r\u00e9pondre aux questions suivantes : dans quelle mesure l’application reconna\u00eet-elle l’utilisateur en tant qu’entit\u00e9 singuli\u00e8re ? Comment l’algorithme d’adaptation de contenu r\u00e9pond-il aux pr\u00e9f\u00e9rences idiosyncrasiques de l’individu sans para\u00eetre intrusif ? En milieu organisationnel et en recherche appliqu\u00e9e, la BAU-P permet aux gestionnaires de marque (brand managers<\/em>), aux concepteurs d’exp\u00e9rience utilisateur (UX designers) et aux chercheurs en sciences de gestion d’\u00e9valuer l’efficacit\u00e9 des fonctionnalit\u00e9s d’hyper-personnalisation (recommandations intelligentes de produits, alertes g\u00e9olocalis\u00e9es pertinentes, interfaces adaptatives, flux de contenu sur mesure).<\/p>\n Sur le plan diagnostique, l’utilisation de l’\u00e9chelle permet de corr\u00e9ler directement les d\u00e9faillances de personnalisation \u00e0 des ph\u00e9nom\u00e8nes d’attrition utilisateur (app abandonment<\/em>) ou d’insatisfaction relationnelle. Dans le cadre de protocoles d’exp\u00e9rimentation A\/B testing ou d’\u00e9tudes longitudinales, la BAU-P offre un standard psychom\u00e9trique \u00e9talonn\u00e9 facilitant la comparaison de diff\u00e9rentes versions d’algorithmes de recommandation et la mesure de leur impact sur le capital-marque (brand equity<\/a>).<\/p>\n Le concept de personnalisation per\u00e7ue dans l’\u00e9cosyst\u00e8me num\u00e9rique repr\u00e9sente une \u00e9valuation cognitive et affective subjective par laquelle un utilisateur juge qu’un syst\u00e8me technologique adapte son comportement, son interface et ses contenus en fonction de ses caract\u00e9ristiques individuelles, de son historique d’interactions et de ses pr\u00e9f\u00e9rences explicites ou implicites. Dans le mod\u00e8le de Baek et Yoo (2018), la personnalisation n’est pas trait\u00e9e comme une simple caract\u00e9ristique technique objective du syst\u00e8me informatique (telle que la pr\u00e9sence d’une base de donn\u00e9es relationnelle ou d’un moteur de filtrage collaboratif), mais comme un construit ph\u00e9nom\u00e9nologique ancr\u00e9 dans la perception de l’utilisateur.<\/p>\n Le construit op\u00e9rationnalis\u00e9 par la sous-\u00e9chelle BAU-P repose sur deux dimensions psychologiques compl\u00e9mentaires :<\/p>\n Il convient de distinguer rigoureusement la personnalisation (personalization<\/em>) de la customisation (customization<\/em>). La customisation r\u00e9f\u00e8re \u00e0 un processus descendant d\u00e9clench\u00e9 par l’utilisateur, qui configure manuellement ses param\u00e8tres, ses th\u00e8mes graphiques ou ses alertes. En revanche, la personnalisation mesur\u00e9e par la BAU-P capture un processus ascendant et proactif : c’est l’application \u2014 via son intelligence logicielle et sa politique de gestion de la relation client (CRM<\/a>) \u2014 qui s’ajuste dynamiquement \u00e0 l’individu, g\u00e9n\u00e9rant chez ce dernier une perception de prise en charge attentionn\u00e9e et individualis\u00e9e.<\/p>\n L’\u00e9laboration de l’\u00e9chelle BAU-P s’inscrit au confluent de plusieurs th\u00e9ories majeures issues de la psychologie cognitive, des sciences de l’information et du comportement du consommateur :<\/p>\n Initi\u00e9e par Iris Vessey (1991), la Cognitive Fit Theory<\/a> postule que l’efficacit\u00e9 et l’efficience de la r\u00e9solution d’une t\u00e2che d\u00e9pendent de la concordance entre le format de pr\u00e9sentation de l’information et les processus cognitifs de l’individu. Transpos\u00e9e \u00e0 l’univers des applications de marque, la personnalisation r\u00e9duit la charge cognitive de l’utilisateur en filtrant le bruit informationnel ambiant et en fournissant des repr\u00e9sentations qui correspondent exactement aux sch\u00e9mas mentaux et aux besoins situationnels de l’individu. L’ad\u00e9quation cognitive g\u00e9n\u00e8re une aisance de traitement (processing fluency<\/em>) qui se traduit par des jugements h\u00e9doniques favorables envers l’application et la marque porteuse.<\/p>\n Issue des travaux de Katz, Blumler et Gurevitch (1974), l’approche des Usages et Gratifications<\/a> envisage les utilisateurs de m\u00e9dias comme des agents actifs guid\u00e9s par des motivations cibl\u00e9es pour satisfaire des besoins sp\u00e9cifiques. Dans les environnements interactifs mobiles, la personnalisation r\u00e9pond directement \u00e0 des gratifications instrumentales (gain de temps, optimisation transactionnelle) et psychosociales (reconnaissance de l’identit\u00e9, valorisation du statut). Baek et Yoo (2018) mobilisent ce cadre pour expliquer comment la satisfaction de ces gratifications via l’utilisabilit\u00e9 personnalis\u00e9e conduit \u00e0 un usage r\u00e9p\u00e9t\u00e9 de l’application et \u00e0 un attachement durable.<\/p>\n Sur le versant relationnel, l’\u00e9chelle mobilise les fondements de la norme de r\u00e9ciprocit\u00e9<\/a> formul\u00e9e par Alvin Gouldner (1960). Lorsqu’une marque d\u00e9ploie des efforts technologiques perceptibles pour fournir un service personnalis\u00e9 qui prend soin de l’individu, le consommateur interpr\u00e8te cette personnalisation comme un signe d’engagement et de bienveillance organisationnelle. En r\u00e9ponse, il est psychologiquement enclin \u00e0 rendre la pareille par une fid\u00e9lit\u00e9 accrue (brand loyalty<\/em>), une diffusion de bouche-\u00e0-oreille positif et une tol\u00e9rance sup\u00e9rieure face aux erreurs mineures du service.<\/p>\n Le protocole de validation de la sous-\u00e9chelle BAU-P document\u00e9 par Baek et Yoo (2018) a fait appel \u00e0 un ensemble d’analyses statistiques sophistiqu\u00e9es garantissant sa robustesse m\u00e9thodologique :<\/p>\n La g\u00e9n\u00e9ration initiale des \u00e9nonc\u00e9s d\u00e9coule d’une triangulation m\u00e9thodique : revue exhaustive des \u00e9chelles d’interaction humain-machine et de commerce \u00e9lectronique, suivie d’entretiens qualitatifs approfondis au sein de focus groups. Les items pr\u00e9liminaires ont ensuite \u00e9t\u00e9 soumis \u00e0 un panel d’experts acad\u00e9miques et professionnels sp\u00e9cialis\u00e9s en marketing mobile et en ergonomie num\u00e9rique afin d’\u00e9valuer la clart\u00e9 linguistique, la pertinence conceptuelle et la redondance des \u00e9nonc\u00e9s, permettant d’isoler les trois indicateurs les plus discriminants.<\/p>\n La validit\u00e9 convergente v\u00e9rifie que les items mesurent de mani\u00e8re homog\u00e8ne le m\u00eame construit latent. Lors de l’analyse factorielle confirmatoire men\u00e9e sur l’\u00e9chantillon de 319 utilisateurs, les saturations factorielles standardis\u00e9es (factor loadings<\/em>) de l’ensemble des trois items ont toutes d\u00e9pass\u00e9 le seuil recommand\u00e9 de 0,70 (p < 0,001). De surcro\u00eet, la variance moyenne extraite (AVE) s’est \u00e9lev\u00e9e \u00e0 0,62<\/strong>. Selon les crit\u00e8res conventionnels \u00e9tablis par Fornell et Larcker (1981), une AVE sup\u00e9rieure \u00e0 0,50 confirme qu’une proportion majoritaire de la variance observ\u00e9e dans les indicateurs est imputable au construit th\u00e9orique sous-jacent plut\u00f4t qu’\u00e0 l’erreur de mesure al\u00e9atoire.<\/p>\n La validit\u00e9 discriminante a \u00e9t\u00e9 examin\u00e9e selon la r\u00e8gle de Fornell-Larcker, en comparant la racine carr\u00e9e de l’AVE de la dimension personnalisation (\u221a0,62 \u2248 0,787) avec les corr\u00e9lations inter-construits reliant la personnalisation aux quatre autres dimensions de l’utilisabilit\u00e9 globale des applications de marque (Information, Commodit\u00e9, Design, Interaction sociale). Dans chaque comparaison bivari\u00e9e, la racine carr\u00e9e de l’AVE est demeur\u00e9e strictement sup\u00e9rieure au coefficient de corr\u00e9lation inter-dimensionnel, attestant que la personnalisation constitue un ph\u00e9nom\u00e8ne psychologique empiriquement distinct des aspects purement informationnels ou esth\u00e9tiques de l’interface.<\/p>\n La validit\u00e9 nomologique et pr\u00e9dictive de la BAU-P a \u00e9t\u00e9 \u00e9prouv\u00e9e par le biais de mod\u00e8les d’\u00e9quations structurelles (Structural Equation Modeling<\/a>, SEM). Les r\u00e9sultats indiquent que la personnalisation per\u00e7ue exerce un effet direct et positif statistiquement significatif sur l’\u00e9valuation globale de l’utilisabilit\u00e9 de l’application de marque, laquelle pr\u00e9dit puissamment la fid\u00e9lit\u00e9 globale envers la marque (loyaut\u00e9 attitudinale et comportementale). De surcro\u00eet, la personnalisation est associ\u00e9e positivement \u00e0 une augmentation du temps d’utilisation hebdomadaire et \u00e0 une intention de revisite continue de l’application.<\/p>\n La consistance interne et la fiabilit\u00e9 de la sous-\u00e9chelle BAU-P ont \u00e9t\u00e9 confirm\u00e9es \u00e0 plusieurs niveaux d’analyse lors des \u00e9tudes empiriques de Baek et Yoo (2018) :<\/p>\n Le calibrage factoriel de l’\u00e9chelle d’utilisabilit\u00e9 des applications de marque s’est d\u00e9roul\u00e9 en deux \u00e9tapes s\u00e9quentielles rigoureuses :<\/p>\n Au cours de la phase initiale d’\u00e9puration des donn\u00e9es, une analyse factorielle exploratoire employant la m\u00e9thode d’extraction des axes principaux (principal axis factoring<\/em>) assortie d’une rotation oblique (Promax), tenant compte des corr\u00e9lations naturelles entre les sous-dimensions de l’exp\u00e9rience utilisateur, a \u00e9t\u00e9 mise en \u0153uvre. Les tests pr\u00e9alables de sph\u00e9ricit\u00e9 de Bartlett (p < 0,001) et l’indice de Kaiser-Meyer-Olkin (KMO > 0,85) ont attest\u00e9 d’une excellente ad\u00e9quation des donn\u00e9es \u00e0 la factorisation. Les trois items de la dimension personnalisation se sont regroup\u00e9s sans ambigu\u00eft\u00e9 sur un facteur unitaire distinct dot\u00e9 d’une valeur propre (eigenvalue<\/em>) sup\u00e9rieure \u00e0 1,0, n’affichant aucune saturation crois\u00e9e (cross-loading<\/em>) probl\u00e9matique sup\u00e9rieure \u00e0 0,30 sur les autres composantes.<\/p>\n L’architecture multidimensionnelle de premier et second ordre a \u00e9t\u00e9 mod\u00e9lis\u00e9e par analyse confirmatoire aupr\u00e8s des 319 r\u00e9pondants sous le logiciel AMOS\/LISREL. Les indices d’ajustement global du mod\u00e8le structurel ont r\u00e9v\u00e9l\u00e9 une congruence remarquable entre la structure th\u00e9orique propos\u00e9e et les donn\u00e9es empiriques observ\u00e9es :<\/p>\n Chacun des trois items de la BAU-P pr\u00e9sente un coefficient de r\u00e9gression standardis\u00e9 univoque et hautement significatif (t-values > 10,0), ce qui d\u00e9montre la solidit\u00e9 statistique de la structure factorielle isol\u00e9e par les auteurs.<\/p>\n L’\u00e9chelle Branded App Usability: Personalisation (BAU-P), con\u00e7ue par Tae Hyun Baek et Chan Yun Yoo (2018), \u00e9value en 3 items la perception de personnalisation et de valorisation individuelle dans les applications mobiles de marque.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[2455,14913,2],"tags":[15212,15213,2527,1058,11402,16,13623],"class_list":["post-11299","psych_scale","type-psych_scale","status-publish","hentry","category-comportement-du-consommateur","category-experience-utilisateur-ux","category-psychometrie","tag-application-mobile","tag-bau-p","tag-fidelite-a-la-marque","tag-marketing","tag-personnalisation","tag-psychometrie","tag-utilisabilite"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/11299","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=11299"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/11299\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=11299"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=11299"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=11299"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. Mots-cl\u00e9s<\/h2>\n
3. Auteurs<\/h2>\n
\n
4. Objectif<\/h2>\n
5. Construit psychologique<\/h2>\n
5.1. Les composantes du construit<\/h3>\n
\n
5.2. Distinctions conceptuelles<\/h3>\n
6. Cadre th\u00e9orique<\/h2>\n
6.1. La th\u00e9orie de l’ad\u00e9quation cognitive (Cognitive Fit Theory)<\/h3>\n
6.2. La th\u00e9orie des usages et gratifications (Uses and Gratifications Theory – U&G)<\/h3>\n
6.3. Le marketing relationnel et la th\u00e9orie de la r\u00e9ciprocit\u00e9 psychologique<\/h3>\n
7. Validit\u00e9<\/h2>\n
7.1. Validit\u00e9 de contenu et validit\u00e9 faciale<\/h3>\n
7.2. Validit\u00e9 convergente<\/h3>\n
7.3. Validit\u00e9 discriminante<\/h3>\n
7.4. Validit\u00e9 pr\u00e9dictive et nomologique<\/h3>\n
8. Fid\u00e9lit\u00e9<\/h2>\n
\n
9. Analyse factorielle<\/h2>\n
9.1. Analyse factorielle exploratoire (AFE)<\/h3>\n
9.2. Analyse factorielle confirmatoire (AFC)<\/h3>\n
\n
10. Instrument de mesure<\/h2>\n
\n
\n
11. Permissions, Tarifs et Ann\u00e9e du test<\/h2>\n
\n
12. R\u00e9f\u00e9rences<\/h2>\n
\n
13. Questions et items du questionnaire (Scale Items)<\/h2>\n