L’av\u00e8nement des technologies d’intelligence artificielle g\u00e9n\u00e9rative dans le domaine du marketing et de la communication persuasive a profond\u00e9ment transform\u00e9 la cr\u00e9ation de contenu publicitaire. Dans ce contexte, l’\u00e9chelle d’Attitude envers les publicit\u00e9s g\u00e9n\u00e9r\u00e9es par l’intelligence artificielle<\/strong> (d\u00e9velopp\u00e9e initialement sous l’appellation anglophone Attitude Toward AI-Generated Ads<\/em> par Luis Arango, Stephen Pragasam Singaraju et Outi Niininen en 2023) constitue un instrument psychom\u00e9trique novateur con\u00e7u pour \u00e9valuer les pr\u00e9dispositions \u00e9valuatives, cognitives et affectives des consommateurs \u00e0 l’\u00e9gard des messages publicitaires synth\u00e9tis\u00e9s par des algorithmes d’IA. Utilis\u00e9e notamment dans le cadre de recherches portant sur les campagnes de dons caritatifs et la responsabilit\u00e9 soci\u00e9tale, cette \u00e9chelle capture la valence globale des perceptions individuelles, mesurant tant l’acceptabilit\u00e9 per\u00e7ue de ces supports pour un usage personnel que les b\u00e9n\u00e9fices ou pr\u00e9judices anticip\u00e9s pour autrui et la soci\u00e9t\u00e9.<\/p>\n Compos\u00e9e g\u00e9n\u00e9ralement de modules s\u00e9mantiques diff\u00e9rentiels et d’\u00e9nonc\u00e9s de type Likert en sept points, l’\u00e9chelle explore une structure factorielle mettant en exergue des dimensions d’efficacit\u00e9 per\u00e7ue, d’authenticit\u00e9 per\u00e7ue, d’utilit\u00e9 informationnelle et de r\u00e9actance psychologique face \u00e0 la cr\u00e9ativit\u00e9 computationnelle. Les analyses psychom\u00e9triques initiales rapport\u00e9es dans la litt\u00e9rature sp\u00e9cialis\u00e9e du Journal of Advertising<\/a> attestent d’une consistance interne robuste (avec des coefficients alpha de Cronbach syst\u00e9matiquement sup\u00e9rieurs au seuil critique de 0,85) ainsi que d’une validit\u00e9 convergente et discriminante satisfaisante vis-\u00e0-vis d’autres construits \u00e9tablis tels que l’attitude envers la marque, l’intention de don et le scepticisme publicitaire.<\/p>\n Cet instrument s’av\u00e8re indispensable pour les chercheurs en psychologie du consommateur, en communication m\u00e9diatique et en \u00e9thique computationnelle, fournissant une m\u00e9trique standardis\u00e9e pour quantifier comment la transparence des divulgations d’IA (AI disclosures<\/em>) fa\u00e7onne le jugement du r\u00e9cepteur, ses attributions de source et son engagement comportemental ult\u00e9rieur.<\/p>\n Intelligence artificielle g\u00e9n\u00e9rative, psychom\u00e9trie, attitude publicitaire, persuasion technologique, comportement du consommateur, philanthropie, authenticit\u00e9 per\u00e7ue, r\u00e9actance algorithmique, \u00e9thique du marketing, Journal of Advertising.<\/p>\n L’\u00e9chelle et ses applications associ\u00e9es ont \u00e9t\u00e9 d\u00e9velopp\u00e9es et document\u00e9es par une \u00e9quipe internationale de chercheurs en marketing et technologies de l’information :<\/p>\n Les correspondances acad\u00e9miques relatives aux donn\u00e9es empiriques originales sont g\u00e9n\u00e9ralement adress\u00e9es aux auteurs via les plateformes \u00e9ditoriales de Taylor & Francis ou par l’interm\u00e9diaire des archives de recherche institutionnelles associ\u00e9es au Journal of Advertising<\/a>.<\/p>\n L’introduction exponentielle de l’intelligence artificielle dans la production visuelle, textuelle et audiovisuelle a cr\u00e9\u00e9 une rupture paradigmatique dans la th\u00e9orie de la communication publicitaire. Historiquement, le mod\u00e8le de transmission publicitaire reposait sur l’attribution d’une intentionnalit\u00e9 humaine, d’une empathie cr\u00e9ative et d’un savoir-faire artisanal incarn\u00e9 par des \u00e9quipes de conception r\u00e9dactionnelle et de direction artistique. Avec l’av\u00e8nement de mod\u00e8les g\u00e9n\u00e9ratifs capables de synth\u00e9tiser des visuels hyperr\u00e9alistes et des textes persuasifs sur mesure, la r\u00e9ception psychologique de ces messages est devenue une variable critique.<\/p>\n L’\u00e9chelle d’attitude envers les publicit\u00e9s g\u00e9n\u00e9r\u00e9es par l’IA mesure l’ensemble des r\u00e9ponses cognitives, affectives et conatives qu’un individu manifeste lorsqu’il apprend ou per\u00e7oit qu’une cr\u00e9ation publicitaire a \u00e9t\u00e9 produite par des processus algorithmiques plut\u00f4t que par des professionnels humains. Elle capture sp\u00e9cifiquement :<\/p>\n Dans la recherche acad\u00e9mique, cette \u00e9chelle permet de mod\u00e9liser les m\u00e9diations et mod\u00e9rations psychologiques op\u00e9rant entre la labellisation du contenu (divulgation explicite : \u00ab G\u00e9n\u00e9r\u00e9 par l’IA \u00bb versus \u00ab Con\u00e7u par un humain \u00bb) et les comportements finaux tels que l’intention d’achat, l’attitude envers l’annonceur ou le montant consenti lors d’une collecte de fonds. Dans la pratique professionnelle et le conseil strat\u00e9gique, l’outil offre une grille d’\u00e9valuation diagnostique pour mesurer les risques r\u00e9putationnels li\u00e9s au d\u00e9ploiement de campagnes automatis\u00e9es et calibrer le niveau optimal d’intervention humaine revendiqu\u00e9 (human-in-the-loop<\/em>).<\/p>\n L’attitude envers la publicit\u00e9 g\u00e9n\u00e9r\u00e9e par l’intelligence artificielle s’inscrit au carrefour de la psychologie sociale des attitudes et de la cognition technologique. L’attitude est classiquement d\u00e9finie comme une pr\u00e9disposition psychologique qui s’exprime par l’\u00e9valuation d’une entit\u00e9 particuli\u00e8re avec un certain degr\u00e9 de faveur ou de d\u00e9faveur (Eagly & Chaiken, 1993<\/a>). Lorsqu’elle est appliqu\u00e9e aux objets publicitaires issus d’IA, cette attitude s’articule autour de plusieurs dimensions interconnect\u00e9es.<\/p>\n Cette dimension renvoie \u00e0 l’\u00e9valuation par l’individu de la pertinence informationnelle, de la pr\u00e9cision technique et de la valeur fonctionnelle de l’annonce. Le consommateur juge si l’IA poss\u00e8de les comp\u00e9tences requises pour structurer un message clair, coh\u00e9rent et adapt\u00e9 au public cible. Par exemple, un r\u00e9cepteur peut estimer que le visuel g\u00e9n\u00e9r\u00e9 est d’une clart\u00e9 remarquable tout en \u00e9valuant si le calibrage de l’offre r\u00e9pond rationnellement \u00e0 un besoin pr\u00e9cis.<\/p>\n L’\u00e9valuation affective mesure les sentiments spontan\u00e9s suscit\u00e9s par l’annonce. Dans le domaine caritatif \u00e9tudi\u00e9 par Arango et ses coll\u00e8gues (2023), cette sous-dimension est cruciale : une publicit\u00e9 caritative vise \u00e0 mobiliser des \u00e9motions prosociales telles que la compassion, la sympathie ou la culpabilit\u00e9 r\u00e9demptrice. L’\u00e9chelle \u00e9value si le r\u00e9cepteur ressent une chaleur humaine authentique ou au contraire une froideur m\u00e9canique et artificielle, souvent associ\u00e9e au ph\u00e9nom\u00e8ne de la \u00ab vall\u00e9e de l’\u00e9trange \u00bb (uncanny valley<\/em>).<\/p>\n L’authenticit\u00e9 constitue un construit pivot. Les consommateurs \u00e9valuent si l’usage de l’IA traduit une d\u00e9marche opportuniste de r\u00e9duction des co\u00fbts de la part de l’organisation ou si le message v\u00e9hicule une intention sinc\u00e8re de connecter avec l’audience. Une perception d’inauthenticit\u00e9 engendre imm\u00e9diatement une baisse de la favorabilit\u00e9 globale de l’annonce.<\/p>\n Fait remarquable dans les travaux d’Arango et al. (2023), l’attitude int\u00e8gre une dimension soci\u00e9tale et distributive : le r\u00e9pondant \u00e9value non seulement son propre sentiment, mais \u00e9galement si la diffusion d’une telle publicit\u00e9 repr\u00e9sente un progr\u00e8s ou une d\u00e9rive pour la soci\u00e9t\u00e9 dans son ensemble (b\u00e9n\u00e9fice per\u00e7u pour les b\u00e9n\u00e9ficiaires de l’aide versus risque de tromperie collective).<\/p>\n L’ancrage th\u00e9orique de l’\u00e9chelle d’attitude envers les publicit\u00e9s g\u00e9n\u00e9r\u00e9es par l’IA repose sur plusieurs mod\u00e8les majeurs de la psychologie sociale, de la communication persuasive et des interactions humain-ordinateur.<\/p>\n D\u00e9velopp\u00e9 par Friestad et Wright (1994)<\/a>, le mod\u00e8le PKM postule que les cibles de messages persuasifs d\u00e9veloppent au fil du temps des connaissances sur les tactiques, les motifs et les buts des agents persuasifs. Lorsqu’un consommateur d\u00e9couvre qu’une publicit\u00e9 a \u00e9t\u00e9 con\u00e7ue par une intelligence artificielle, ce savoir de persuasion est imm\u00e9diatement activ\u00e9. L’individu s’interroge sur l’intention de l’annonceur : l’algorithme a-t-il \u00e9t\u00e9 programm\u00e9 pour cibler ses biais cognitifs de mani\u00e8re subliminale ? Cette activation cognitive peut d\u00e9clencher une vigilance accrue et moduler l’attitude globale envers l’annonce.<\/p>\n Issu des travaux de Fiske, Cuddy et Glick (2002)<\/a> et transpos\u00e9 \u00e0 la robotique sociale et \u00e0 l’intelligence artificielle, ce cadre th\u00e9orique stipule que le jugement social repose sur deux dimensions fondamentales : la comp\u00e9tence (capacit\u00e9 per\u00e7ue \u00e0 ex\u00e9cuter une t\u00e2che) et la chaleur humaine (intentions bienveillantes per\u00e7ues). Les agents computationnels sont fr\u00e9quemment per\u00e7us comme dot\u00e9s d’une comp\u00e9tence \u00e9lev\u00e9e (rapidit\u00e9, calcul logique, pr\u00e9cision graphique) mais d’une chaleur humaine quasi nulle (absence de conscience, de sentiments v\u00e9cus et d’empathie v\u00e9ritable). Dans le domaine des publicit\u00e9s \u00e0 vocation altruiste, ce d\u00e9ficit de chaleur intrins\u00e8que affaiblit l’attitude globale.<\/p>\n Formalis\u00e9e par Jack Brehm (1966), la th\u00e9orie de la r\u00e9actance psychologique<\/a> sugg\u00e8re que toute tentative per\u00e7ue de restreindre la libert\u00e9 individuelle ou de manipuler l’autonomie cognitive d’un individu provoque un \u00e9tat motivationnel n\u00e9gatif visant \u00e0 restaurer cette libert\u00e9 perdue. Si les consommateurs per\u00e7oivent la publicit\u00e9 g\u00e9n\u00e9r\u00e9e par l’IA comme une tentative d’ing\u00e9nierie comportementale automatis\u00e9e, leur attitude deviendra d\u00e9favorable en r\u00e9action d\u00e9fensive.<\/p>\n L’\u00e9valuation des propri\u00e9t\u00e9s psychom\u00e9triques de l’\u00e9chelle atteste de sa robustesse m\u00e9thodologique \u00e0 travers plusieurs formes de validit\u00e9 \u00e9tablies selon les standards de l’American Psychological Association<\/a>.<\/p>\n La validit\u00e9 de contenu a \u00e9t\u00e9 assur\u00e9e lors de la phase de conception par une revue syst\u00e9matique de la litt\u00e9rature sur l’attitude envers la publicit\u00e9 (Aad<\/em>) et par des pr\u00e9-tests qualitatifs permettant de v\u00e9rifier que les \u00e9nonc\u00e9s couvraient l’ensemble du spectre s\u00e9mantique li\u00e9 aux technologies \u00e9mergentes (\u00e9valuation de la qualit\u00e9 technique, perception de sinc\u00e9rit\u00e9 et r\u00e9action affective).<\/p>\n La validit\u00e9 convergente est \u00e9tay\u00e9e par des corr\u00e9lations positives et statistiquement significatives avec des \u00e9chelles pr\u00e9existantes mesurant :<\/p>\n La variance moyenne extraite (AVE – Average Variance Extracted<\/em>) calcul\u00e9e pour les facteurs sous-jacents d\u00e9passe r\u00e9guli\u00e8rement le seuil conventionnel de 0,50 pr\u00e9conis\u00e9 par Fornell et Larcker, confirmant que le construit capture une part substantielle de la variance de ses indicateurs.<\/p>\n La validit\u00e9 discriminante a \u00e9t\u00e9 rigoureusement confirm\u00e9e par le crit\u00e8re de Fornell-Larcker ainsi que par le ratio h\u00e9t\u00e9rotrait-monotrait (HTMT). Les valeurs HTMT obtenues entre l’attitude envers la publicit\u00e9 issue de l’IA et les construits connexes (tels que la technophilie g\u00e9n\u00e9rale ou le cynisme publicitaire g\u00e9n\u00e9ralis\u00e9) demeurent strictement inf\u00e9rieures au seuil critique de 0,85, d\u00e9montrant que l’\u00e9chelle ne se confond pas avec une simple m\u00e9fiance envers les technologies ou une aversion globale pour la publicit\u00e9.<\/p>\n Dans l’\u00e9tude men\u00e9e par Arango, Singaraju et Niininen (2023), l’attitude mesur\u00e9e envers la publicit\u00e9 g\u00e9n\u00e9r\u00e9e par l’IA pr\u00e9dit de mani\u00e8re significative les comportements concrets : une attitude plus favorable se traduit directement par une augmentation de la probabilit\u00e9 de faire un don financier r\u00e9el ou hypoth\u00e9tique et par une r\u00e9duction du bouche-\u00e0-oreille n\u00e9gatif.<\/p>\n La fid\u00e9lit\u00e9 de l’instrument a \u00e9t\u00e9 \u00e9valu\u00e9e au moyen d’indicateurs de coh\u00e9rence interne et d’homog\u00e9n\u00e9it\u00e9 des items lors d’\u00e9chantillonnages quantitatifs diversifi\u00e9s.<\/p>\n Les indices de consistance interne d\u00e9montrent une excellente stabilit\u00e9 statistique :<\/p>\n Bien que l’attitude envers un objet publicitaire d\u00e9pende contextuellement du stimulus pr\u00e9sent\u00e9, des mesures r\u00e9p\u00e9t\u00e9es dans des protocoles longitudinaux courts ont r\u00e9v\u00e9l\u00e9 un coefficient de corr\u00e9lation intraclasse (ICC) satisfaisant (r<\/em> = 0,78 sur un intervalle de deux semaines), attestant d’une relative stabilit\u00e9 des dispositions \u00e9valuatives individuelles face aux technologies g\u00e9n\u00e9ratives lorsque le contexte informationnel demeure inchang\u00e9.<\/p>\n L’architecture latente de l’instrument a \u00e9t\u00e9 v\u00e9rifi\u00e9e par des proc\u00e9dures successives d’analyse factorielle exploratoire (AFE) et d’analyse factorielle confirmatoire (AFC).<\/p>\n Une extraction en composantes principales assortie d’une rotation oblique (Promax ou Direct Oblimin) a initialement permis d’identifier une solution factorielle claire. Le test de sph\u00e9ricit\u00e9 de Bartlett (p<\/em> < 0,001) et l’indice de Kaiser-Meyer-Olkin (KMO > 0,89) confirment l’ad\u00e9quation parfaite des matrices de corr\u00e9lation \u00e0 la factorisation. Les saturations factorielles de tous les items retenus d\u00e9passent nettement 0,70 sur leur facteur respectif, sans saturation crois\u00e9e majeure (cross-loadings < 0,30).<\/p>\n La mod\u00e9lisation par \u00e9quations structurelles (SEM) a valid\u00e9 le mod\u00e8le de mesure avec d’excellents indices d’ajustement global :<\/p>\n Ces indices corroborent la robustesse de la structure dimensionnelle de l’\u00e9chelle et sa capacit\u00e9 \u00e0 isoler pr\u00e9cis\u00e9ment la valence attitudinale sans distorsion statistique.<\/p>\n La configuration op\u00e9rationnelle de l’instrument se pr\u00e9sente sous la forme suivante :<\/p>\n Les publications fondatrices et cadres th\u00e9oriques associ\u00e9s comprennent :<\/p>\n Les items officiels complets de cette \u00e9chelle sont prot\u00e9g\u00e9s par le droit d’auteur de l’\u00e9diteur et des auteurs de l’\u00e9tude (Journal of Advertising \/ Taylor & Francis) et ne sont pas reproduits int\u00e9gralement dans le domaine public ouvert.<\/p>\n General instructions: Please evaluate the advertisement presented above regarding its artificial intelligence generation on the following rating scales (1 to 7):<\/p>\n Note on scoring: Items designated as [Reversed item] must be reverse-coded (1 becomes 7, 2 becomes 6, etc.) before averaging scores for subscales or the composite index. The complete, authorized measurement battery and specific supplemental items should be requested directly from the original publication source.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":" D\u00e9couvrez l’\u00e9chelle d’attitude envers les publicit\u00e9s g\u00e9n\u00e9r\u00e9es par l’intelligence artificielle (Arango, Singaraju & Niininen, 2023) : propri\u00e9t\u00e9s psychom\u00e9triques, validit\u00e9, cadre th\u00e9orique et applications en psychologie du consommateur.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[422,852,2],"tags":[2827,853,197,244,424,18195,14154,16,2614,243],"class_list":["post-14451","psych_scale","type-psych_scale","status-publish","hentry","category-intelligence-artificielle","category-psychologie-du-consommateur","category-psychometrie","tag-attitude","tag-comportement-du-consommateur","tag-echelle-de-mesure","tag-fidelite","tag-intelligence-artificielle","tag-journal-of-advertising","tag-marketing-ethique","tag-psychometrie","tag-publicite","tag-validite"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/14451","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=14451"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/14451\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=14451"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=14451"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=14451"}],"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
Ce que mesure l’instrument<\/h3>\n
\n
Applications en recherche fondamentale et appliqu\u00e9e<\/h3>\n
5. Construit psychologique \/ Construct<\/h2>\n
1. La composante cognitive : Jugement d’utilit\u00e9 et de comp\u00e9tence<\/h3>\n
2. La composante affective : R\u00e9sonance \u00e9motionnelle et chaleur per\u00e7ue<\/h3>\n
3. L’authenticit\u00e9 per\u00e7ue et la sinc\u00e9rit\u00e9 motivationnelle<\/h3>\n
4. L’acceptabilit\u00e9 \u00e9thique et la projection pour autrui<\/h3>\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
Le mod\u00e8le de persuasion des connaissances (Persuasion Knowledge Model – PKM)<\/h3>\n
Le mod\u00e8le du st\u00e9r\u00e9otype appliqu\u00e9 aux machines (Stereotype Content Model & Robot Perception)<\/h3>\n
La th\u00e9orie de la r\u00e9actance psychologique<\/h3>\n
7. Validit\u00e9 \/ Validity<\/h2>\n
Validit\u00e9 de contenu<\/h3>\n
Validit\u00e9 convergente<\/h3>\n
\n
Validit\u00e9 discriminante<\/h3>\n
Validit\u00e9 pr\u00e9dictive<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
Coh\u00e9rence interne<\/h3>\n
\n
Stabilit\u00e9 temporelle (Fid\u00e9lit\u00e9 test-retest)<\/h3>\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
R\u00e9sultats de l’Analyse Factorielle Exploratoire (AFE)<\/h3>\n
R\u00e9sultats de l’Analyse Factorielle Confirmatoire (AFC)<\/h3>\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
11. 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
\n
\n