L’\u00e9chelle de Comp\u00e9tence avec la plateforme d’IA<\/strong> (Competence with the AI Platform<\/em>), conceptualis\u00e9e et mobilis\u00e9e initialement par Uysal, Alavi et Bezen\u00e7on (2022) dans le cadre de leurs travaux fondateurs publi\u00e9s dans le Journal of the Academy of Marketing Science<\/em>, constitue un instrument psychom\u00e9trique novateur con\u00e7u pour \u00e9valuer le sentiment d’efficacit\u00e9 personnelle et la ma\u00eetrise per\u00e7ue des utilisateurs \u00e0 l’\u00e9gard de la gestion et de la protection de leurs donn\u00e9es personnelles face aux \u00e9cosyst\u00e8mes d’intelligence artificielle (IA). Alors que la prolif\u00e9ration des assistants intelligents vocaux (tels qu’Amazon Alexa, Apple Siri ou Google Assistant) pose des d\u00e9fis majeurs en mati\u00e8re de confidentialit\u00e9 et d’intrusion algorithmique, cette \u00e9chelle quantifie le degr\u00e9 auquel un individu se sent apte, autonome et comp\u00e9tent pour configurer, surveiller et restreindre l’acc\u00e8s \u00e0 ses donn\u00e9es priv\u00e9es au sein de ces plateformes complexes.<\/p>\n Sur le plan structurel, l’instrument repose sur une mod\u00e9lisation unidimensionnelle robuste \u00e9valuant le sentiment de comp\u00e9tence technique et d\u00e9cisionnelle relatif \u00e0 la confidentialit\u00e9. Il s’appuie sur une \u00e9chelle de r\u00e9ponse de type Likert en 7 points (allant de 1 = \u00ab Pas du tout d’accord \u00bb \u00e0 7 = \u00ab Tout \u00e0 fait d’accord \u00bb). Les propri\u00e9t\u00e9s psychom\u00e9triques rapport\u00e9es dans la recherche originale mettent en \u00e9vidence une excellente coh\u00e9rence interne (alpha de Cronbach sup\u00e9rieur aux seuils standards de 0,85, fiabilit\u00e9 composite sup\u00e9rieure \u00e0 0,88), une validit\u00e9 convergente confirm\u00e9e par une variance moyenne extraite (AVE) exc\u00e9dant 0,60, ainsi qu’une validit\u00e9 discriminante rigoureuse attest\u00e9e par le respect des crit\u00e8res de Fornell-Larcker et du ratio h\u00e9t\u00e9rotrait-monotrait (HTMT). Cet outil s’av\u00e8re particuli\u00e8rement utile pour les chercheurs en psychologie du consommateur, en interaction humain-machine (HCI) et en \u00e9thique de l’IA, fournissant un cadre standardis\u00e9 pour appr\u00e9hender la mani\u00e8re dont l’agentivit\u00e9 de l’utilisateur att\u00e9nue la perception d’intrusion induite par les caract\u00e9ristiques anthropomorphiques des syst\u00e8mes intelligents.<\/p>\n Comp\u00e9tence per\u00e7ue, Intelligence artificielle, Confidentialit\u00e9 des donn\u00e9es, Auto-efficacit\u00e9, Assistants vocaux, Interaction humain-machine, Protection de la vie priv\u00e9e, Anthropomorphisme, Psychom\u00e9trie, Comportement du consommateur<\/p>\n L’instrument a \u00e9t\u00e9 \u00e9labor\u00e9 et formalis\u00e9 par une \u00e9quipe de chercheurs sp\u00e9cialis\u00e9s dans le marketing technologique, la psychologie du consommateur et la gestion des syst\u00e8mes d’information :<\/p>\n Le d\u00e9ploiement massif d’agents conversationnels et d’appareils domestiques intelligents a transform\u00e9 la nature des interactions entre les \u00eatres humains et les syst\u00e8mes num\u00e9riques. Si ces technologies apportent un confort fonctionnel ind\u00e9niable, elles fonctionnent comme des capteurs permanents collectant d’immenses volumes de donn\u00e9es biom\u00e9triques, comportementales et contextuelles. L’objectif fondamental de l’\u00e9chelle de Comp\u00e9tence avec la plateforme d’IA<\/strong> est d’\u00e9valuer dans quelle mesure l’utilisateur per\u00e7oit qu’il d\u00e9tient les ressources cognitives, instrumentales et comportementales n\u00e9cessaires pour pr\u00e9server son int\u00e9grit\u00e9 informationnelle et contr\u00f4ler les flux de donn\u00e9es r\u00e9colt\u00e9s par ces dispositifs autonomes.<\/p>\n D’un point de vue th\u00e9orique et appliqu\u00e9, cet instrument r\u00e9pond \u00e0 un paradoxe psychologique bien document\u00e9 : le \u00ab paradoxe de la vie priv\u00e9e \u00bb (privacy paradox<\/em>). De nombreux utilisateurs expriment une inqui\u00e9tude aigu\u00eb concernant la surveillance algorithmique tout en adoptant des comportements passifs ou n\u00e9gligents vis-\u00e0-vis des r\u00e9glages de confidentialit\u00e9. L’\u00e9chelle permet de mesurer pr\u00e9cis\u00e9ment la variable m\u00e9diatrice ou mod\u00e9ratrice cruciale qu’est l’agentivit\u00e9 per\u00e7ue<\/em> dans la gestion technique. Elle cherche \u00e0 d\u00e9terminer si les individus s’estiment capables d’interagir avec les param\u00e8tres de s\u00e9curit\u00e9, de comprendre les politiques de confidentialit\u00e9 de la plateforme h\u00f4te (telle qu’Amazon Web Services ou les consoles de gestion d’appareils intelligents) et de contrecarrer les asym\u00e9tries d’information intrins\u00e8ques aux algorithmes d’apprentissage automatique.<\/p>\n En recherche empirique, l’outil sert \u00e0 diss\u00e9quer la dynamique relationnelle liant l’utilisateur \u00e0 l’IA. Uysal et ses coll\u00e8gues (2022) ont d\u00e9montr\u00e9 que lorsque les assistants vocaux pr\u00e9sentent des caract\u00e9ristiques anthropomorphiques (forme humaine per\u00e7ue, tonalit\u00e9 chaleureuse, empathie simul\u00e9e), ils peuvent agir comme un \u00ab cheval de Troie \u00bb, diminuant la vigilance du consommateur. L’\u00e9valuation de la comp\u00e9tence per\u00e7ue permet d’identifier les profils d’utilisateurs r\u00e9silients face \u00e0 cette persuasion covert. En contexte clinique et ergonomique, l’instrument fournit une mesure diagnostique pour quantifier la technophobie, la r\u00e9signation face aux donn\u00e9es priv\u00e9es (privacy cynicism<\/em>) et le sentiment d’impuissance technologique, offrant des rep\u00e8res pr\u00e9cieux pour la conception d’interfaces utilisateur transparentes respectant le principe de confidentialit\u00e9 par conception (privacy by design<\/em>).<\/p>\n Le construit mesur\u00e9 par l’\u00e9chelle s’ancre dans le champ de l’auto-efficacit\u00e9 informationnelle<\/strong> (information privacy self-efficacy<\/em>) contextualis\u00e9e aux \u00e9cosyst\u00e8mes d’intelligence artificielle. Il ne s’agit pas d’un test d’aptitude objective \u00e9valuant des connaissances informatiques programmatiques, mais d’une \u00e9valuation subjective de la comp\u00e9tence d’autod\u00e9termination de l’individu face \u00e0 une entit\u00e9 algorithmique opaque.<\/p>\n Le construit s’articule autour de trois facettes conceptuelles interd\u00e9pendantes :<\/p>\n \u00c0 titre d’illustration, un individu affichant un score \u00e9lev\u00e9 sur cette \u00e9chelle affirmera sans h\u00e9sitation : \u00ab Je sais exactement comment emp\u00eacher mon assistant connect\u00e9 de conserver l’enregistrement de mes conversations \u00bb<\/em> ou \u00ab Je me sens totalement capable d’ajuster les autorisations de partage de donn\u00e9es de cet appareil selon mes exigences \u00bb<\/em>. \u00c0 l’inverse, un score faible refl\u00e8te un sentiment d’incomp\u00e9tence instrumentale ou d’ali\u00e9nation num\u00e9rique, o\u00f9 le sujet per\u00e7oit l’\u00e9cosyst\u00e8me algorithmique comme une \u00ab bo\u00eete noire \u00bb insondable contre laquelle toute action de protection serait futile.<\/p>\n L’assise th\u00e9orique de l’\u00e9chelle de comp\u00e9tence avec la plateforme d’IA repose sur la convergence f\u00e9conde de trois grands courants de la psychologie et des sciences du comportement :<\/p>\n Le fondement principal d\u00e9coule du concept d’auto-efficacit\u00e9<\/strong> (Bandura, 1977, 1997<\/a>). Selon ce paradigme, les actions des individus, leur pers\u00e9v\u00e9rance face aux obstacles et leurs r\u00e9ponses affectives ne d\u00e9pendent pas uniquement de leurs capacit\u00e9s objectives, mais de la croyance en leur pouvoir d’organiser et d’ex\u00e9cuter les s\u00e9quences d’actions requises pour produire les r\u00e9sultats d\u00e9sir\u00e9s. Dans le cadre de l’interaction avec des dispositifs d’IA, l’auto-efficacit\u00e9 de protection d\u00e9termine si l’utilisateur engagera des efforts cognitifs et comportementaux pour pr\u00e9server sa sph\u00e8re priv\u00e9e ou s’il capitulera face \u00e0 la complexit\u00e9 per\u00e7ue du syst\u00e8me.<\/p>\n D\u00e9velopp\u00e9e originellement par Rogers (1975, 1983)<\/a>, la PMT postule que face \u00e0 une menace (ici, la violation de la confidentialit\u00e9 des donn\u00e9es et l’espionnage algorithmique), un individu s’engage dans deux processus d’\u00e9valuation parall\u00e8les : l’\u00e9valuation de la menace (s\u00e9v\u00e9rit\u00e9 et vuln\u00e9rabilit\u00e9 per\u00e7ues) et l’\u00e9valuation de l’adaptation (efficacit\u00e9 de la r\u00e9ponse et efficacit\u00e9 personnelle). L’\u00e9chelle de Uysal et al. (2022) op\u00e9rationnalise la dimension d’efficacit\u00e9 personnelle d’adaptation<\/em> (coping self-efficacy<\/em>), facteur d\u00e9terminant permettant \u00e0 l’utilisateur de transformer son anxi\u00e9t\u00e9 face \u00e0 la captation des donn\u00e9es en comportements protecteurs actifs.<\/p>\n L’instrument a \u00e9t\u00e9 pens\u00e9 dans le contexte sp\u00e9cifique des parasocial relationships<\/em> et des interactions sociales simul\u00e9es avec les machines (paradigme CASA – Computers Are Social Actors<\/em> de Reeves et Nass). L’attribution de traits humains (chaleur, comp\u00e9tence sociale, voix naturelle) g\u00e9n\u00e8re un sentiment trompeur de confiance affective. L’\u00e9chelle mesure le contrepoids cognitif : la comp\u00e9tence objectivement per\u00e7ue de l’utilisateur face \u00e0 la plateforme commerciale sous-jacente qui exploite ces donn\u00e9es \u00e0 des fins lucratives.<\/p>\n L’\u00e9valuation psychom\u00e9trique men\u00e9e par Uysal, Alavi et Bezen\u00e7on (2022) a fait l’objet d’un processus rigoureux de validation empirique au sein de protocoles transversaux et exp\u00e9rimentaux r\u00e9unissant plusieurs centaines d’utilisateurs actifs d’assistants domestiques intelligents (principalement Amazon Echo\/Alexa).<\/p>\n Les items ont \u00e9t\u00e9 initialement g\u00e9n\u00e9r\u00e9s \u00e0 partir d’une revue syst\u00e9matique de la litt\u00e9rature sur la s\u00e9curit\u00e9 informatique per\u00e7ue, la litt\u00e9ratie des donn\u00e9es et l’auto-efficacit\u00e9 en ligne, puis affin\u00e9s au moyen de pr\u00e9-tests aupr\u00e8s d’experts en syst\u00e8mes d’information et en comportement du consommateur pour garantir que le vocabulaire capture avec pr\u00e9cision la sp\u00e9cificit\u00e9 des environnements bas\u00e9s sur l’IA.<\/p>\n La validit\u00e9 convergente a \u00e9t\u00e9 d\u00e9montr\u00e9e par des analyses factorielles confirmatoires au sein d’une mod\u00e9lisation en \u00e9quations structurelles (SEM). Les saturations factorielles standardis\u00e9es de l’ensemble des indicateurs constituant l’\u00e9chelle se sont r\u00e9v\u00e9l\u00e9es hautement significatives (p < 0,001), avec des valeurs toutes sup\u00e9rieures \u00e0 0,75. De plus, la variance moyenne extraite (AVE)<\/strong> a largement d\u00e9pass\u00e9 le seuil critique de 0,50 pr\u00e9conis\u00e9 par Fornell et Larcker, attestant que plus de la moiti\u00e9 de la variance des indicateurs est expliqu\u00e9e par le construit latent sous-jacent plut\u00f4t que par l’erreur de mesure.<\/p>\n La validit\u00e9 discriminante a \u00e9t\u00e9 confirm\u00e9e vis-\u00e0-vis des construits th\u00e9oriquement voisins mais distincts, tels que :<\/p>\n Conform\u00e9ment aux normes contemporaines de mod\u00e9lisation, le ratio HTMT (Heterotrait-Monotrait Ratio of Correlations)<\/strong> s’est maintenu nettement en dessous du plafond conservateur de 0,85, garantissant une absence d’empilement conceptuel avec les attitudes g\u00e9n\u00e9rales du consommateur.<\/p>\n Sur le plan pr\u00e9dictif, l’\u00e9chelle d\u00e9montre une excellente capacit\u00e9 \u00e0 pr\u00e9dire les comportements r\u00e9els de v\u00e9rification des param\u00e8tres de confidentialit\u00e9, la r\u00e9sistance \u00e0 la divulgation d’informations sensibles (num\u00e9ros de carte bancaire, secrets professionnels) et l’activation du mode silencieux physique du microphone. Elle mod\u00e8re significativement l’impact n\u00e9faste de l’anthropomorphisme sur la vuln\u00e9rabilit\u00e9 per\u00e7ue du consommateur.<\/p>\n Les indices de fid\u00e9lit\u00e9 rapport\u00e9s dans l’\u00e9tude fondatrice de 2022 t\u00e9moignent d’une pr\u00e9cision de mesure remarquable et d’une excellente consistance interne \u00e0 travers diff\u00e9rents \u00e9chantillons d\u00e9mographiques.<\/p>\n La structure dimensionnelle de l’\u00e9chelle a \u00e9t\u00e9 valid\u00e9e au moyen de proc\u00e9dures combin\u00e9es d’analyse factorielle exploratoire (AFE) et d’analyse factorielle confirmatoire (AFC).<\/p>\n L’extraction factorielle (via la m\u00e9thode du maximum de vraisemblance avec rotation oblique Promax) men\u00e9e lors des phases pr\u00e9liminaires a syst\u00e9matiquement isol\u00e9 un facteur unique<\/strong> dominant ayant une valeur propre (eigenvalue<\/em>) nettement sup\u00e9rieure au crit\u00e8re de Kaiser (> 1,0), expliquant plus de 65 % de la variance totale observ\u00e9e. Le test de sph\u00e9ricit\u00e9 de Bartlett (p < 0,001) et l’indice de Kaiser-Meyer-Olkin (KMO > 0,88) ont attest\u00e9 de l’ad\u00e9quation parfaite de la matrice de donn\u00e9es \u00e0 la factorisation.<\/p>\n L’AFC conduite sur un \u00e9chantillon repr\u00e9sentatif d’utilisateurs d’Amazon Alexa a confirm\u00e9 l’ad\u00e9quation exceptionnelle du mod\u00e8le unidimensionnel aux donn\u00e9es empiriques. Les indices d’ajustement global respectent l’ensemble des standards m\u00e9thodologiques rigoureux :<\/p>\n Toutes les saturations factorielles standardis\u00e9es (λ) sont sup\u00e9rieures \u00e0 0,78 avec des erreurs standards faibles, ce qui corrobore la coh\u00e9sion psychom\u00e9trique de l’\u00e9chelle et justifie l’utilisation d’un score moyen global non pond\u00e9r\u00e9 dans les mod\u00e9lisations statistiques ult\u00e9rieures.<\/p>\n L’instrument de mesure pr\u00e9sente une structure compacte, facilement int\u00e9grable dans des protocoles de recherche en ligne ou des enqu\u00eates d’exp\u00e9rience utilisateur :<\/p>\n Les sources acad\u00e9miques fondant cet instrument psychom\u00e9trique et ses fondements th\u00e9oriques incluent :<\/p>\n Les items officiels composant l’\u00e9chelle de mesure de la comp\u00e9tence avec la plateforme d’IA sont soumis au droit d’auteur intellectuel et aux dispositions de publication de la revue Journal of the Academy of Marketing Science<\/em>. Par cons\u00e9quent, ils ne sont pas reproduits sous leur forme brute dans le domaine public ouvert.<\/p>\n Operational Framework and Core Conceptual Indicators (Indicative Draft):<\/strong><\/p>\n The scale operationalizes an individual’s perceived capability and confidence in protecting personal data within AI assistant ecosystems. Respondents rate each statement using a 7-point Likert scale (1 = Strongly Disagree to 7 = Strongly Agree):<\/p>\n \n Note : Les chercheurs et praticiens souhaitant employer le libell\u00e9 officiel exact valid\u00e9 empiriquement sont invit\u00e9s \u00e0 consulter les appendices m\u00e9thodologiques de l’article princeps de Uysal, Alavi et Bezen\u00e7on (2022) ou \u00e0 contacter directement les auteurs.<\/em>\n <\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":" Analyse psychom\u00e9trique d\u00e9taill\u00e9e de l’\u00e9chelle de Comp\u00e9tence avec la plateforme d’IA (Uysal et al., 2022), \u00e9valuant le sentiment d’auto-efficacit\u00e9 des utilisateurs face \u00e0 la protection de leurs donn\u00e9es personnelles sur les assistants vocaux et dispositifs intelligents.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[2539,647,2],"tags":[2592,22333,398,2715,424,11146,16,2714],"class_list":["post-14700","psych_scale","type-psych_scale","status-publish","hentry","category-interaction-humain-machine","category-psychologie-cognitive","category-psychometrie","tag-anthropomorphisme","tag-assistants-vocaux","tag-auto-efficacite","tag-confidentialite-des-donnees","tag-intelligence-artificielle","tag-protection-motivation-theory","tag-psychometrie","tag-vie-privee"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/14700","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=14700"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/14700\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=14700"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=14700"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=14700"}],"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
\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
1. La th\u00e9orie sociale cognitive d’Albert Bandura<\/h3>\n
2. La th\u00e9orie de la motivation \u00e0 se prot\u00e9ger (Protection Motivation Theory – PMT)<\/h3>\n
3. La th\u00e9orie relationnelle du marketing et la perspective anthropomorphique<\/h3>\n
7. Validit\u00e9 \/ Validity<\/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 de crit\u00e8re<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
R\u00e9sultats de l’analyse exploratoire<\/h3>\n
R\u00e9sultats de l’analyse confirmatoire<\/h3>\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
\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