L’\u00c9chelle d’\u00e9quit\u00e9 de la gestion des donn\u00e9es<\/strong> (en anglais, Data Management Fairness Scale<\/em> ou DMFS<\/em>) est un instrument psychom\u00e9trique d\u00e9velopp\u00e9 initialement dans les travaux de mod\u00e9lisation empirique en marketing relationnel et en psychologie organisationnelle du consommateur, notamment formalis\u00e9 par Kelly D. Martin, Abhishek Borah et Robert W. Palmatier (2017). Cet outil \u00e9value la perception subjective des consommateurs quant au caract\u00e8re juste, \u00e9quitable, transparent et \u00e9thique des pratiques de collecte, de stockage, de traitement et d’exploitation commerciale de leurs informations personnelles par une organisation.<\/p>\n Sur le plan structurel, l’\u00e9chelle s’inscrit au carrefour des th\u00e9ories de la justice organisationnelle<\/a> (justice distributive, proc\u00e9durale et interactionnelle) et de la th\u00e9orie de l’\u00e9change social. Elle op\u00e9rationnalise l’\u00e9quit\u00e9 per\u00e7ue de la gestion des donn\u00e9es \u00e0 travers des composantes mesurant la proportionnalit\u00e9 des b\u00e9n\u00e9fices per\u00e7us en regard des donn\u00e9es c\u00e9d\u00e9es, l’ad\u00e9quation des m\u00e9canismes de contr\u00f4le et de consentement, ainsi que l’int\u00e9grit\u00e9 d\u00e9ontologique de la firme. Administr\u00e9e g\u00e9n\u00e9ralement sous un format d’auto-\u00e9valuation en \u00e9chelle de Likert en 7 points (allant de 1 = \u00ab Pas du tout d’accord \u00bb \u00e0 7 = \u00ab Tout \u00e0 fait d’accord \u00bb), l’\u00e9chelle d\u00e9montre d’excellentes propri\u00e9t\u00e9s psychom\u00e9triques.<\/p>\n Dans l’\u00e9tude empirique de r\u00e9f\u00e9rence men\u00e9e par Martin et ses collaborateurs (2017), la DMFS a notamment servi d’\u00e9valuation mod\u00e9ratrice dans les analyses post-hoc de l’\u00c9tude 3. Les indices de coh\u00e9rence interne se sont r\u00e9v\u00e9l\u00e9s \u00e9lev\u00e9s (coefficient alpha de Cronbach g\u00e9n\u00e9ralement sup\u00e9rieur \u00e0 0,85 et fiabilit\u00e9 composite sup\u00e9rieure aux seuils conventionnels). Les analyses factorielles confirmatoires attestent d’une validit\u00e9 convergente et d’une validit\u00e9 discriminante robuste par rapport aux construits de vuln\u00e9rabilit\u00e9 aux donn\u00e9es, de confiance cognitive et de violation \u00e9motionnelle. De mani\u00e8re remarquable, les r\u00e9sultats d\u00e9montrent que l’\u00e9quit\u00e9 per\u00e7ue de la gestion des donn\u00e9es att\u00e9nue significativement l’impact d\u00e9l\u00e9t\u00e8re de la vuln\u00e9rabilit\u00e9 per\u00e7ue sur la confiance cognitive<\/a>, sans toutefois mod\u00e9rer la violation affective, attestant d’un mode op\u00e9ratoire ancr\u00e9 dans des processus d’\u00e9valuation cognitive rationnelle.<\/p>\n \u00e9quit\u00e9 per\u00e7ue, gestion des donn\u00e9es, justice organisationnelle, confidentialit\u00e9 des donn\u00e9es, confiance cognitive, psychom\u00e9trie, \u00e9change social, vuln\u00e9rabilit\u00e9 per\u00e7ue, \u00e9thique algorithmique, comportement du consommateur<\/p>\n L’\u00e9chelle a \u00e9t\u00e9 con\u00e7ue et formalis\u00e9e par un groupe de chercheurs \u00e9minents sp\u00e9cialis\u00e9s en strat\u00e9gie marketing, gouvernance relationnelle et \u00e9thique des affaires :<\/p>\n L’\u00e9mergence des technologies de l’information et la prolif\u00e9ration du \u00ab Big Data \u00bb ont profond\u00e9ment boulevers\u00e9 le contrat implicite liant les consommateurs aux organisations. La collecte massive, passive et souvent invisible des donn\u00e9es comportementales induit chez l’individu un sentiment aigu d’asym\u00e9trie informationnelle et de vuln\u00e9rabilit\u00e9. L’\u00c9chelle d’\u00e9quit\u00e9 de la gestion des donn\u00e9es<\/strong> a \u00e9t\u00e9 \u00e9labor\u00e9e sp\u00e9cifiquement pour quantifier la r\u00e9ponse psychologique et normative du consommateur face aux pratiques manag\u00e9riales relatives \u00e0 ses donn\u00e9es.<\/p>\n L’objectif fondamental de la DMFS est de capturer si un client estime qu’une firme agit de mani\u00e8re loyale, transparente et r\u00e9ciproque lorsqu’elle s’approprie et valorise ses donn\u00e9es num\u00e9riques. Loin de se limiter \u00e0 la simple conformit\u00e9 l\u00e9gale (telle que le respect formel du RGPD en Europe ou du CCPA en Californie), l’\u00e9chelle mesure un jugement moral et cognitif complexe : le consommateur per\u00e7oit-il une contrepartie de valeur \u00e9quitable ? Est-il inform\u00e9 avec honn\u00eatet\u00e9 de l’usage fait de ses donn\u00e9es ? Les processus mis en \u0153uvre respectent-ils sa dignit\u00e9 et son autonomie informationnelle ?<\/p>\n Dans le domaine de la recherche empirique, la DMFS r\u00e9sout un vide m\u00e9thodologique majeur en distinguant la stricte perception de vuln\u00e9rabilit\u00e9 objective li\u00e9e au risque de piratage ou de revente non autoris\u00e9e de la dimension \u00e9valuative de justice manag\u00e9riale. Elle permet aux chercheurs en psychologie \u00e9conomique et en marketing d’isoler l’impact des politiques de confidentialit\u00e9 sur la fid\u00e9lit\u00e9, l’engagement client et le consentement \u00e9clair\u00e9. Elle sert fr\u00e9quemment de variable mod\u00e9ratrice ou m\u00e9diatrice dans l’\u00e9valuation des crises de r\u00e9putation num\u00e9rique.<\/p>\n Sur le plan manag\u00e9rial et de la gouvernance \u00e9thique des syst\u00e8mes d’information, l’utilisation de cet outil permet aux entreprises d’auditer leurs chartes de confidentialit\u00e9 et leurs interfaces de consentement (UX privacy). Un score \u00e9lev\u00e9 sur la DMFS indique que les clients ne per\u00e7oivent pas l’entreprise comme un pr\u00e9dateur informationnel, mais comme un partenaire loyal au sein d’une relation collaborative \u00e9quilibr\u00e9e. Cela s’av\u00e8re d\u00e9terminant pour pr\u00e9venir les boycotts, les d\u00e9p\u00f4ts de plaintes aupr\u00e8s des r\u00e9gulateurs et le d\u00e9sengagement comportemental.<\/p>\n Le construit psychologique mesur\u00e9 par l’\u00e9chelle est l’\u00e9quit\u00e9 per\u00e7ue de la gestion des donn\u00e9es<\/strong> (perceived data management fairness<\/em>). Il s’agit d’une \u00e9valuation cognitive globale et multidimensionnelle par laquelle le consommateur juge de la conformit\u00e9 \u00e9thique, de l’\u00e9quilibre des pouvoirs et de la justice structurelle r\u00e9gissant les interactions informationnelles avec une entreprise. Ce construit s’articule autour de trois dimensions psychologiques intriqu\u00e9es :<\/p>\n Cette dimension renvoie \u00e0 l’arbitrage per\u00e7u entre les b\u00e9n\u00e9fices accord\u00e9s au consommateur et les co\u00fbts informationnels consentis. Dans une optique de r\u00e9ciprocit\u00e9 sociale, l’individu accepte de divulguer des identifiants sensibles, des coordonn\u00e9es de g\u00e9olocalisation ou son historique de navigation en \u00e9change de services personnalis\u00e9s, de gains d’efficacit\u00e9, de r\u00e9ductions tarifaires ou d’un contenu enrichi. L’\u00e9quit\u00e9 distributive est rompue lorsque le consommateur per\u00e7oit que la firme tire une rentabilit\u00e9 astronomique de la mon\u00e9tisation de ses donn\u00e9es alors que lui-m\u00eame ne re\u00e7oit qu’une proposition de valeur marginale ou d\u00e9grad\u00e9e.<\/p>\n Cette sous-dimension \u00e9value la l\u00e9gitimit\u00e9, la coh\u00e9rence et la transparence des politiques de collecte et d’analyse. Elle examine dans quelle mesure le consommateur dispose d’un contr\u00f4le r\u00e9el (notamment la possibilit\u00e9 d’exercer un opt-out<\/em>, de modifier ses pr\u00e9f\u00e9rences de ciblage ou de demander la suppression de ses donn\u00e9es) et si les r\u00e8gles du jeu sont appliqu\u00e9es de mani\u00e8re stable, claire et pr\u00e9visible. Une politique opaque dissimul\u00e9e derri\u00e8re des conditions g\u00e9n\u00e9rales d’utilisation incompr\u00e9hensibles d\u00e9truit irr\u00e9m\u00e9diablement l’\u00e9quit\u00e9 proc\u00e9durale per\u00e7ue.<\/p>\n Cette composante rel\u00e8ve de la qualit\u00e9 relationnelle et du respect interpersonnel manifest\u00e9 par l’organisation. Elle int\u00e8gre la franchise des communications, l’absence de pratiques de manipulation (telles que les \u00ab dark patterns \u00bb dans la conception des interfaces) et le respect d\u00e9ontologique de la vie priv\u00e9e du consommateur en tant que droit fondamental. Elle mesure le sentiment que l’entreprise traite le sujet humain avec consid\u00e9ration et d\u00e9cence morale plut\u00f4t que comme une simple ressource de donn\u00e9es extractible.<\/p>\n Le fondement \u00e9pist\u00e9mologique de la DMFS repose sur la convergence de la th\u00e9orie de la justice organisationnelle<\/a>, d\u00e9velopp\u00e9e initialement par des auteurs tels que Jerald Greenberg (1987) et Robert Folger, et de la th\u00e9orie de l’\u00e9change social<\/a> de George Homans (1958) et Peter Blau (1964).<\/p>\n Selon la th\u00e9orie de l’\u00e9change social, toute relation durable repose sur des attentes de r\u00e9ciprocit\u00e9 et sur un principe d’\u00e9quilibre des ressources \u00e9chang\u00e9es. Dans l’\u00e9cosyst\u00e8me num\u00e9rique contemporain, les donn\u00e9es personnelles ont acquis le statut de monnaie d’\u00e9change implicite. Cependant, en raison du d\u00e9calage technologique, le consommateur se retrouve souvent dans une situation d’impuissance structurelle face aux algorithmes. Lorsque l’\u00e9change cesse d’\u00eatre per\u00e7u comme \u00e9quitable, un \u00e9tat de dissonance cognitive et de r\u00e9actance psychologique \u00e9merge, conduisant \u00e0 la m\u00e9fiance et au rejet.<\/p>\n Les travaux de Martin, Borah et Palmatier (2017) s’appuient en outre sur la dichotomie fondamentale entre confiance cognitive<\/strong> (cognitive trust<\/em>) et violation affective<\/strong> (affective or emotional violation<\/em>). La confiance cognitive est un jugement analytique, fond\u00e9 sur des comp\u00e9tences techniques, la fiabilit\u00e9 et la pr\u00e9visibilit\u00e9 d’un partenaire, tandis que la violation \u00e9motionnelle est une r\u00e9action affective aigu\u00eb de trahison, de col\u00e8re et d’indignation morale. L’apport th\u00e9orique central de l’introduction de la DMFS a \u00e9t\u00e9 de d\u00e9montrer que l’\u00e9quit\u00e9 de gestion des donn\u00e9es fonctionne pr\u00e9f\u00e9rentiellement par une voie cognitive et rationnelle :<\/p>\n L’\u00e9valuation psychom\u00e9trique de la DMFS a fait l’objet de v\u00e9rifications statistiques rigoureuses dans le cadre des exp\u00e9rimentations conduites par Martin et ses collaborateurs (2017) :<\/p>\n La validit\u00e9 de contenu a \u00e9t\u00e9 \u00e9tablie par une revue exhaustive de la litt\u00e9rature portant sur la justice organisationnelle et le marketing relationnel, compl\u00e9t\u00e9e par un panel d’experts acad\u00e9miques ayant affin\u00e9 la formulation des \u00e9nonc\u00e9s afin de s’assurer de leur pertinence face aux pratiques contemporaines de collecte de donn\u00e9es (ex. tra\u00e7age en ligne, courtage de donn\u00e9es, profilage comportemental).<\/p>\n La validit\u00e9 convergente est d\u00e9montr\u00e9e par des saturations factorielles standardis\u00e9es significatives (p < 0,001) et sup\u00e9rieures au seuil de 0,70 pour l’ensemble des items composant l’\u00e9chelle. De plus, la variance moyenne extraite (AVE \u2014 Average Variance Extracted<\/em>) d\u00e9passe syst\u00e9matiquement le crit\u00e8re conventionnel de 0,50 recommand\u00e9 par Fornell et Larcker (1981), confirmant que la variance expliqu\u00e9e par le construit latent est pr\u00e9pond\u00e9rante par rapport \u00e0 la variance d’erreur de mesure.<\/p>\n La validit\u00e9 discriminante a \u00e9t\u00e9 confirm\u00e9e en appliquant le crit\u00e8re de Fornell-Larcker ainsi que le ratio h\u00e9t\u00e9rotrait-monotrait (HTMT). La racine carr\u00e9e de l’AVE de la DMFS s’est av\u00e9r\u00e9e nettement sup\u00e9rieure \u00e0 ses corr\u00e9lations avec les construits adjacents que sont la vuln\u00e9rabilit\u00e9 per\u00e7ue aux donn\u00e9es (data vulnerability<\/em>), la pr\u00e9occupation pour la vie priv\u00e9e (privacy concern<\/em>) et la violation per\u00e7ue (perceived violation<\/em>). Cette distinction prouve que l’\u00e9chelle ne se contente pas de mesurer l’anxi\u00e9t\u00e9 du consommateur, mais capture sp\u00e9cifiquement une appr\u00e9ciation de la moralit\u00e9 institutionnelle des pratiques de gestion.<\/p>\n La validit\u00e9 nomologique est corrobor\u00e9e par l’effet mod\u00e9rateur significatif document\u00e9 par Martin et al. (2017) : le terme d’interaction entre la vuln\u00e9rabilit\u00e9 aux donn\u00e9es et l’\u00e9quit\u00e9 de gestion des donn\u00e9es pr\u00e9dit de mani\u00e8re statistiquement significative la confiance cognitive du consommateur, venant \u00e9tayer les hypoth\u00e8ses fondamentales issues du mod\u00e8le th\u00e9orique de justice organisationnelle.<\/p>\n La fid\u00e9lit\u00e9 de l’\u00e9chelle a \u00e9t\u00e9 estim\u00e9e au moyen de multiples indicateurs de coh\u00e9rence interne et de stabilit\u00e9 :<\/p>\n Les propri\u00e9t\u00e9s factorielles de la DMFS ont \u00e9t\u00e9 examin\u00e9es par des approches exploratoires (AFE) puis confirmatoires (AFC) \u00e0 l’aide de logiciels de mod\u00e9lisation par \u00e9quations structurelles (tels que LISREL et AMOS \/ Mplus) :<\/p>\n L’extraction initiale par la m\u00e9thode du maximum de vraisemblance avec rotation oblique (Promax ou Oblimin) met en \u00e9vidence une structure unifactorielle dominante expliquant plus de 65 % de la variance totale des scores, o\u00f9 tous les items pr\u00e9sentent des saturations primaires robustes (g\u00e9n\u00e9ralement comprises entre 0,74 et 0,89) et des communalit\u00e9s sup\u00e9rieures \u00e0 0,55.<\/p>\n L’ajustement du mod\u00e8le unifactoriel de premier ordre a fourni d’excellents indices d’ad\u00e9quation aux donn\u00e9es empiriques :<\/p>\n Ces r\u00e9sultats confirment que les items convergent de mani\u00e8re univoque vers la repr\u00e9sentation latente d’une \u00e9valuation rationnelle et int\u00e9gr\u00e9e de la justice des donn\u00e9es d’entreprise.<\/p>\n L’instrument se pr\u00e9sente sous la forme d’un court inventaire psychom\u00e9trique con\u00e7u pour \u00eatre administr\u00e9 rapidement, que ce soit au sein de sondages universitaires, d’audits d’entreprises ou de protocoles exp\u00e9rimentaux contr\u00f4l\u00e9s :<\/p>\n Les sources acad\u00e9miques fondant la structure et l’analyse psychom\u00e9trique de l’\u00e9chelle incluent :<\/p>\n Les items officiels de cette \u00e9chelle sont prot\u00e9g\u00e9s par le droit d’auteur et la propri\u00e9t\u00e9 intellectuelle des auteurs originaux ainsi que de l’American Marketing Association (AMA). Ils ne sont pas reproduits int\u00e9gralement dans le domaine public ouvert.<\/p>\n L’inventaire \u00e9value les composantes conceptuelles suivantes \u00e0 l’aide d’\u00e9nonc\u00e9s cot\u00e9s sur une \u00e9chelle de 1 (\u00ab Strongly Disagree \u00bb) \u00e0 7 (\u00ab Strongly Agree \u00bb) :<\/p>\n \n Remarque : Pour consulter l’ensemble des \u00e9nonc\u00e9s exacts certifi\u00e9s et la batterie psychom\u00e9trique compl\u00e8te, veuillez vous r\u00e9f\u00e9rer \u00e0 la publication princeps ou contacter directement les auteurs mentionn\u00e9s. L’\u00e9chelle de cotation s’\u00e9tend de 1 = Strongly disagree<\/em> \u00e0 7 = Strongly agree<\/em>.\n <\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":" L’\u00c9chelle d’\u00e9quit\u00e9 de la gestion des donn\u00e9es (DMFS) d\u00e9velopp\u00e9e par Martin, Borah et Palmatier (2017) mesure la perception par le consommateur du caract\u00e8re juste, \u00e9quitable et \u00e9thique de l’utilisation de ses donn\u00e9es personnelles.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[19273,852,2],"tags":[19254,2715,19274,17236,8796,16],"class_list":["post-12982","psych_scale","type-psych_scale","status-publish","hentry","category-ethique-des-donnees","category-psychologie-du-consommateur","category-psychometrie","tag-confiance-cognitive","tag-confidentialite-des-donnees","tag-dmfs","tag-ethique-du-marketing","tag-justice-organisationnelle","tag-psychometrie"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/12982","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=12982"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/12982\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=12982"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=12982"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=12982"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. Mots-cl\u00e9s \/ Keywords<\/h2>\n
3. Auteurs \/ Authors<\/h2>\n
\n
4. Objectif \/ Purpose<\/h2>\n
5. Construit psychologique \/ Construct<\/h2>\n
1. L’\u00e9quit\u00e9 distributive des donn\u00e9es (Distributive Fairness)<\/h3>\n
2. L’\u00e9quit\u00e9 proc\u00e9durale de la gouvernance des donn\u00e9es (Procedural Fairness)<\/h3>\n
3. L’\u00e9quit\u00e9 interactionnelle et \u00e9thique (Interactional & Ethical Fairness)<\/h3>\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
\n
7. Validit\u00e9 \/ Validity<\/h2>\n
Validit\u00e9 de contenu et validit\u00e9 de construit<\/h3>\n
Validit\u00e9 convergente<\/h3>\n
Validit\u00e9 discriminante<\/h3>\n
Validit\u00e9 pr\u00e9dictive et nomologique<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
Analyse factorielle exploratoire (AFE)<\/h3>\n
Analyse factorielle confirmatoire (AFC)<\/h3>\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
\n 1 = Fortement en d\u00e9saccord (Strongly disagree<\/em>)
\n 2 = En d\u00e9saccord (Disagree<\/em>)
\n 3 = L\u00e9g\u00e8rement en d\u00e9saccord (Somewhat disagree<\/em>)
\n 4 = Neutre \/ Ni en accord ni en d\u00e9saccord (Neither agree nor disagree<\/em>)
\n 5 = L\u00e9g\u00e8rement d’accord (Somewhat agree<\/em>)
\n 6 = D’accord (Agree<\/em>)
\n 7 = Tout \u00e0 fait d’accord (Strongly agree<\/em>)\n <\/li>\n11. Permissions, Tarifs et Ann\u00e9e du test \/ Permissions & Fee and Test Year<\/h2>\n
\n
12. R\u00e9f\u00e9rences \/ References<\/h2>\n
\n
13. Questions et items du questionnaire \/ Scale Items<\/h2>\n
\n