Le mod\u00e8le d’instrumentalit\u00e9 de l’IA et de cr\u00e9dibilit\u00e9 de la marque dans la r\u00e9tention des assistants vocaux<\/strong> (AI Instrumentality and Brand Credibility in Voice Assistant Retention\u2014Model<\/em>), d\u00e9velopp\u00e9 par Ezlika Ghazali, Dilip S. Mutum et Na Kai Lun en 2024, constitue un cadre psychom\u00e9trique et conceptuel avanc\u00e9 con\u00e7u pour \u00e9valuer et pr\u00e9dire le comportement de continuit\u00e9 d’utilisation (continuance intention<\/em>) des assistants vocaux fond\u00e9s sur l’intelligence artificielle<\/a> (AIVA, pour AI Voice Assistants<\/em>, tels que Google Assistant, Apple Siri ou Amazon Alexa). Ce mod\u00e8le op\u00e9rationnalise une extension sophistiqu\u00e9e du mod\u00e8le de confirmation des attentes<\/a> (Expectation-Confirmation Model<\/em> ou ECM) formul\u00e9 \u00e0 l’origine par Bhattacherjee, en y int\u00e9grant trois piliers fondamentaux : les traits technologiques individuels de l’utilisateur issus de l’indice de pr\u00e9paration technologique (Technology Readiness Index<\/a> – TRI), les attributs instrumentaux et anthropomorphiques de l’IA, ainsi que la cr\u00e9dibilit\u00e9 de la marque<\/a> conceptrice.<\/p>\n L’instrument de mesure initial comprend 63 items traduits et adapt\u00e9s \u00e0 partir d’\u00e9chelles valid\u00e9es de la litt\u00e9rature, administr\u00e9s selon une \u00e9chelle de Likert<\/a> en 7 points allant de 1 (\u00ab Pas du tout d’accord \u00bb) \u00e0 7 (\u00ab Tout \u00e0 fait d’accord \u00bb). Les dimensions \u00e9valu\u00e9es englobent 17 sous-construits : le caract\u00e8re innovateur (innovativeness<\/em>), l’optimisme, l’ins\u00e9curit\u00e9, l’inconfort, la confirmation des attentes, la satisfaction globale, l’intention de continuer \u00e0 utiliser l’outil, l’intelligence per\u00e7ue du syst\u00e8me, l’anthropomorphisme, la pr\u00e9cision de l’information, l’exhaustivit\u00e9 informationnelle, l’actualit\u00e9 des donn\u00e9es, la flexibilit\u00e9 du syst\u00e8me, la fiabilit\u00e9 technique, la ponctualit\u00e9\/rapidit\u00e9 d’ex\u00e9cution, l’expertise per\u00e7ue de la marque et la confiance accord\u00e9e \u00e0 la marque.<\/p>\n L’\u00e9valuation psychom\u00e9trique men\u00e9e aupr\u00e8s d’utilisateurs adultes a confirm\u00e9 d’excellentes qualit\u00e9s de mesure au moyen de la mod\u00e9lisation par \u00e9quations structurelles<\/a> (PLS-SEM). La fiabilit\u00e9 interne s’av\u00e8re robuste, avec des coefficients de coh\u00e9rence composite (CR) et des alphas de Cronbach exc\u00e9dant tous le seuil de 0,70. La validit\u00e9 convergente est d\u00e9montr\u00e9e par des variances moyennes extraites (AVE) sup\u00e9rieures \u00e0 0,50 pour l’ensemble des construits. La validit\u00e9 discriminante a \u00e9t\u00e9 rigoureusement attest\u00e9e \u00e0 travers le crit\u00e8re du ratio h\u00e9t\u00e9rotrait-monotrait (HTMT), dont la majorit\u00e9 des valeurs demeurent sous le seuil strict de 0,75. Apr\u00e8s l’\u00e9limination de 6 items affichant des saturations factorielles sous-optimales, l’\u00e9chelle finale de 57 items offre une robustesse pr\u00e9dictive \u00e9lev\u00e9e quant \u00e0 la fid\u00e9lit\u00e9 et la r\u00e9tention d’usage des agents conversationnels intelligents.<\/p>\n Assistants vocaux intelligents, intelligence artificielle, fid\u00e9lisation technologique, mod\u00e8le de confirmation des attentes, cr\u00e9dibilit\u00e9 de la marque, anthropomorphisme, pr\u00e9paration technologique, mod\u00e9lisation par \u00e9quations structurelles, satisfaction client, psychom\u00e9trie appliqu\u00e9e, qualit\u00e9 du syst\u00e8me, intention d’utilisation continue.<\/p>\n L’\u00e9laboration et la validation de ce mod\u00e8le psychom\u00e9trique et comportemental r\u00e9sultent des travaux de recherche conduits par :<\/p>\n Adresse de correspondance officielle :<\/strong> Dilip S. Mutum, Monash University Malaysia, School of Business, Jalan Lagoon Selatan, 47500 Bandar Sunway, Selangor Darul Ehsan, Malaisie.<\/p>\n La prolif\u00e9ration des assistants vocaux bas\u00e9s sur l’intelligence artificielle (AIVA) dans la vie quotidienne des consommateurs \u2014 int\u00e9gr\u00e9s tant dans les t\u00e9l\u00e9phones intelligents, les haut-parleurs connect\u00e9s (smart speakers<\/em>) que les syst\u00e8mes embarqu\u00e9s automobiles \u2014 a transform\u00e9 les interactions humain-machine. N\u00e9anmoins, l’adoption initiale ne garantit pas la viabilit\u00e9 commerciale ni l’usage soutenu de ces technologies : les taux d’abandon apr\u00e8s quelques semaines d’exp\u00e9rimentation demeurent un d\u00e9fi majeur pour les d\u00e9veloppeurs et les marques technologiques. L’objectif principal de cette \u00e9chelle est de mesurer, expliquer et mod\u00e9liser les d\u00e9terminants psychologiques et technologiques de la r\u00e9tention d’usage continue (continuance intention<\/em>)<\/strong> des assistants vocaux intelligents.<\/p>\n Plus pr\u00e9cis\u00e9ment, l’instrument vise \u00e0 combler les lacunes des mod\u00e8les traditionnels d’acceptation des technologies, tels que le Technology Acceptance Model<\/a> (TAM) ou le mod\u00e8le standard d’attente-confirmation (ECM), qui r\u00e9duisent souvent l’\u00e9valuation post-adoption \u00e0 des perceptions fonctionnelles imm\u00e9diates (utilit\u00e9 per\u00e7ue, facilit\u00e9 d’utilisation per\u00e7ue). L’\u00e9chelle d\u00e9velopp\u00e9e par Ghazali et collaborateurs \u00e9value l’impact combin\u00e9 de la personnalit\u00e9 technologique de l’utilisateur (propension technologique), des capacit\u00e9s instrumentales de l’agent intelligent (intelligence per\u00e7ue, anthropomorphisme, qualit\u00e9 de l’information et du syst\u00e8me) et, point novateur capital, du r\u00f4le mod\u00e9rateur et direct de la cr\u00e9dibilit\u00e9 de la marque<\/em> \u00e9mettrice de l’assistant.<\/p>\n Dans le domaine acad\u00e9mique, cet instrument sert d’outil diagnostique de r\u00e9f\u00e9rence pour diss\u00e9quer l’interaction complexe entre psychologie cognitive, psychologie sociale des technologies et comportement du consommateur. Il permet d’\u00e9tudier comment l’anthropomorphisme per\u00e7u influence la confirmation des attentes pr\u00e9alables et comment les traits n\u00e9gatifs (ins\u00e9curit\u00e9, inconfort) agissent comme des inhibiteurs d’usage r\u00e9gulier.<\/p>\n Sur le plan pratique et industriel, l’\u00e9chelle fournit aux chefs de produit, designers d’exp\u00e9rience utilisateur (UX) et directeurs de marque une grille d’\u00e9valuation empirique d\u00e9taill\u00e9e. Elle met en lumi\u00e8re si l’insatisfaction ou l’abandon d\u00e9coule d’un d\u00e9ficit d’exactitude algorithmique (qualit\u00e9 informationnelle), d’une instabilit\u00e9 technique (latence, rigidit\u00e9 logicielle), d’une promesse de marque non tenue (cr\u00e9dibilit\u00e9 compromise) ou de barri\u00e8res psychologiques li\u00e9es \u00e0 l’anxi\u00e9t\u00e9 technologique des usagers.<\/p>\n Le mod\u00e8le op\u00e9rationnalise 17 dimensions psychologiques et \u00e9valuatives regroup\u00e9es au sein de quatre sous-syst\u00e8mes conceptuels interd\u00e9pendants :<\/p>\n Le mod\u00e8le repose sur l’int\u00e9gration harmonieuse de quatre grands courants th\u00e9oriques de la psychologie cognitive, de la th\u00e9orie des organisations et du comportement du consommateur :<\/p>\n Au c\u0153ur de l’architecture se situe la th\u00e9orie de la confirmation des attentes<\/a> (ECT) issue des travaux de Richard L. Oliver en psychologie du consommateur, adapt\u00e9e aux syst\u00e8mes d’information par Anol Bhattacherjee. Selon cette approche, la d\u00e9cision d’un usager de poursuivre l’utilisation d’une technologie n’est pas d\u00e9termin\u00e9e par son adoption initiale, mais par son \u00e9valuation post-adoption. L’\u00e9cart entre les attentes ant\u00e9rieures et les performances per\u00e7ues produit un \u00e9tat psychologique de confirmation (positive ou n\u00e9gative). Cette confirmation gouverne la satisfaction, qui agit \u00e0 son tour comme le d\u00e9terminant proximal imm\u00e9diat de l’intention de continuer \u00e0 employer le dispositif technologique.<\/p>\n Afin de mod\u00e9liser les disparit\u00e9s interindividuelles, les auteurs int\u00e8grent le cadre du Technology Readiness Index<\/em> formalis\u00e9 par A. Parasuraman et enrichi par Parasuraman et Colby. Ce paradigme postule que les individus poss\u00e8dent un ensemble de croyances technologiques stables structur\u00e9es en deux forces antagonistes : des moteurs<\/em> (optimisme et esprit novateur), qui encouragent l’acceptation et l’indulgence face aux technologies \u00e9mergentes, et des inhibiteurs<\/em> (inconfort et ins\u00e9curit\u00e9), qui amplifient la frustration et le scepticisme lors des interactions avec l’IA.<\/p>\n Pour capturer pr\u00e9cis\u00e9ment l’instrumentalit\u00e9 technologique, Ghazali et ses coll\u00e8gues s’appuient sur la taxonomie actualis\u00e9e de William H. DeLone et Ephraim R. McLean. Ce mod\u00e8le d\u00e9montre que la qualit\u00e9 de l’information (exactitude, compl\u00e9tude, actualit\u00e9) et la qualit\u00e9 du syst\u00e8me (flexibilit\u00e9, fiabilit\u00e9, rapidit\u00e9) g\u00e9n\u00e8rent directement la valeur per\u00e7ue et influencent la confirmation des attentes cognitives de l’utilisateur final.<\/p>\n En contexte d’incertitude technologique et d’asym\u00e9trie d’information inh\u00e9rentes \u00e0 l’opacit\u00e9 des algorithmes d’apprentissage automatique<\/a>, les utilisateurs s’en remettent \u00e0 des signaux de confiance extrins\u00e8ques. S’appuyant sur la th\u00e9orie du signal<\/a> (Spence, 1973) et les travaux fondateurs de T\u00fclin Erdem et Joffre Swait sur le capital de marque, les auteurs postulent que la cr\u00e9dibilit\u00e9 de la marque \u2014 d\u00e9compos\u00e9e en cr\u00e9dibilit\u00e9 d’expertise et cr\u00e9dibilit\u00e9 d’int\u00e9grit\u00e9 (trustworthiness<\/em>) \u2014 agit comme une garantie psychologique majeure renfor\u00e7ant la confirmation et la fid\u00e9lit\u00e9 de l’usager.<\/p>\n Les caract\u00e9ristiques m\u00e9trologiques du mod\u00e8le ont fait l’objet d’un examen empirique approfondi par mod\u00e9lisation d’\u00e9quations structurelles bas\u00e9e sur les moindres carr\u00e9s partiels (PLS-SEM) :<\/p>\n La validit\u00e9 convergente \u00e9value la coh\u00e9rence interne avec laquelle les indicateurs manifestes mesurent leur variable latente respective. Elle a \u00e9t\u00e9 \u00e9tablie conform\u00e9ment aux normes de Fornell et Larcker (1981) et Hair et al. :<\/p>\n La distinction empirique entre les 17 dimensions a \u00e9t\u00e9 valid\u00e9e selon deux protocoles rigoureux :<\/p>\n En raison du recueil de donn\u00e9es par auto-questionnaire unique, le risque de biais de m\u00e9thode commune a \u00e9t\u00e9 test\u00e9 via l’approche de la variable marqueur<\/em> (marker variable approach<\/em>). La comparaison des mod\u00e8les avec et sans variable marqueur a r\u00e9v\u00e9l\u00e9 une fluctuation infime du coefficient de d\u00e9termination de la variable endog\u00e8ne (le R\u00b2 de l’intention de continuer a oscill\u00e9 de 0,489 \u00e0 0,493, soit une variation delta n\u00e9gligeable de 0,004), confirmant l’absence de distorsion m\u00e9thodologique pr\u00e9judiciable aux r\u00e9sultats.<\/p>\n La consistance interne de l’ensemble des \u00e9chelles et sous-\u00e9chelles a \u00e9t\u00e9 quantifi\u00e9e au moyen de deux estimateurs compl\u00e9mentaires : l’alpha de Cronbach<\/a> (α) et la fiabilit\u00e9 composite<\/strong> (Composite Reliability<\/em> – CR).<\/p>\n Ces r\u00e9sultats statistiques d\u00e9montrent que l’instrument b\u00e9n\u00e9ficie d’une stabilit\u00e9 m\u00e9trologique \u00e9lev\u00e9e exempte d’erreurs al\u00e9atoires de mesure significatives.<\/p>\n L’\u00e9valuation du mod\u00e8le de mesure a \u00e9t\u00e9 ex\u00e9cut\u00e9e selon une approche PLS-SEM (Partial Least Squares Structural Equation Modeling<\/em>), privil\u00e9gi\u00e9e en raison de la complexit\u00e9 du r\u00e9seau nomologique (17 construits, relations directes et m\u00e9diations multiples) et de l’objectif pr\u00e9dictif de l’\u00e9tude.<\/p>\n Au cours de l’\u00e9valuation pr\u00e9liminaire des poids factoriels externes (outer loadings<\/em>), la r\u00e8gle de d\u00e9cision imposait une valeur minimale de 0,708 afin d’assurer qu’au moins 50 % de la variance de l’item soit partag\u00e9e avec le construit. Cette \u00e9tape d’analyse a conduit \u00e0 l’identification et au retrait de six items sous-performants<\/strong> pr\u00e9sentant soit une charge factorielle insuffisante, soit une instabilit\u00e9 r\u00e9siduelle :<\/p>\n Apr\u00e8s l’\u00e9limination de ces six indicateurs, les 57 items restants ont manifest\u00e9 des saturations factorielles standardis\u00e9es robustes, oscillant entre 0,72 et 0,92, toutes statistiquement significatives \u00e0 p < 0,001. La structure factorielle finale pr\u00e9sente un ajustement optimal sans effet de redondance ni de colin\u00e9arit\u00e9 excessive (les facteurs d’inflation de la variance, VIF, demeurant tous inf\u00e9rieurs aux seuils critiques de 3,3 \u00e0 5,0).<\/p>\n L’inventaire psychom\u00e9trique pr\u00e9sente les sp\u00e9cifications op\u00e9rationnelles suivantes :<\/p>\n Les sources acad\u00e9miques et fondements th\u00e9oriques de cet instrument sont r\u00e9pertori\u00e9s ci-dessous conform\u00e9ment aux normes APA 7e<\/sup> \u00e9dition :<\/p>\n Les items officiels constitutifs de cette \u00e9chelle sont prot\u00e9g\u00e9s par le droit d’auteur scientifique et ont \u00e9t\u00e9 adapt\u00e9s \u00e0 partir de travaux r\u00e9f\u00e9renc\u00e9s pour le contexte exclusif des assistants vocaux intelligents (AIVA). Conform\u00e9ment aux lois sur la propri\u00e9t\u00e9 intellectuelle et aux standards \u00e9thiques de publication, l’inventaire litt\u00e9ral complet ne peut \u00eatre reproduit int\u00e9gralement ici sans autorisation explicite de l’\u00e9diteur et des auteurs.<\/p>\n Response Scale:<\/strong> All items are evaluated using a 7-point Likert scale (1 = Strongly Disagree, 2 = Disagree, 3 = Somewhat Disagree, 4 = Neutral, 5 = Somewhat Agree, 6 = Agree, 7 = Strongly Agree).<\/p>\n2. Mots-cl\u00e9s \/ Keywords<\/h2>\n
3. Auteurs \/ Authors<\/h2>\n
\n
dsmutum@gmail.com<\/code>.<\/li>\n4. Objectif \/ Purpose<\/h2>\n
Finalit\u00e9 g\u00e9n\u00e9rale et probl\u00e9matique de recherche<\/h3>\n
Applications acad\u00e9miques et manag\u00e9riales<\/h3>\n
5. Construit psychologique \/ Construct<\/h2>\n
1. Pr\u00e9dispositions technologiques individuelles (Traits TRI)<\/h3>\n
\n
2. Instrumentalit\u00e9 et attributs sociaux de l’IA (AI Instrumentality & Anthropomorphism<\/em>)<\/h3>\n
\n
3. Qualit\u00e9 per\u00e7ue de l’information et du syst\u00e8me (Mod\u00e8le DeLone & McLean adapt\u00e9)<\/h3>\n
\n
4. Cr\u00e9dibilit\u00e9 de la marque et boucle post-adoption (ECM)<\/h3>\n
\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
1. Le mod\u00e8le de confirmation des attentes (Bhattacherjee, 2001 ; Oliver, 1980)<\/h3>\n
2. L’indice de pr\u00e9paration technologique (TRI ; Parasuraman, 2000)<\/h3>\n
3. Le mod\u00e8le de succ\u00e8s des syst\u00e8mes d’information (DeLone & McLean, 2003)<\/h3>\n
4. La th\u00e9orie de la cr\u00e9dibilit\u00e9 de la marque et la th\u00e9orie du signal (Erdem & Swait, 1998, 2004)<\/h3>\n
7. Validit\u00e9 \/ Validity<\/h2>\n
Validit\u00e9 convergente<\/h3>\n
\n
Validit\u00e9 discriminante<\/h3>\n
\n
Contr\u00f4le du biais de m\u00e9thode commune (CMB)<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
Purification de l’instrument et saturations factorielles<\/h3>\n
\n
INS1<\/code> et INS4<\/code> (Sous-\u00e9chelle Ins\u00e9curit\u00e9 technologique)<\/li>\nDIS1<\/code> (Sous-\u00e9chelle Inconfort technologique)<\/li>\nSYT1<\/code> (Sous-\u00e9chelle Ponctualit\u00e9 \/ Rapidit\u00e9 du syst\u00e8me)<\/li>\nINA2<\/code> (Sous-\u00e9chelle Exactitude informationnelle)<\/li>\nBT2<\/code> (Sous-\u00e9chelle Confiance envers la marque)<\/li>\n<\/ul>\n10. 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
dsmutum@gmail.com<\/code>), ainsi que le respect des conditions de licence de l’\u00e9diteur scientifique.<\/li>\n<\/ul>\n12. R\u00e9f\u00e9rences \/ References<\/h2>\n
\n
13. Questions et items du questionnaire \/ Scale Items<\/h2>\n
Subscale Architecture & Item Operationalization (Total: 63 initial items, 57 retained)<\/h3>\n
1. Technology Readiness Index (TRI) Dimensions<\/h4>\n
\n
\n
Items: INNO1, INNO2, INNO3, INNO4 (4 items retained)<\/em>\n <\/li>\n
\n
Items: OPT1, OPT2, OPT3, OPT4 (4 items retained)<\/em>\n <\/li>\n
\n
Items: INS2, INS3 (2 items retained; INS1 and INS4 removed during factor purification)<\/em>\n <\/li>\n
\n
Items: DIS2, DIS3, DIS4 (3 items retained; DIS1 removed during factor purification)<\/em>\n <\/li>\n<\/ul>\n2. AI Instrumentality & Perceived Agentic Attributes<\/h4>\n
\n
\n
Items: INT1, INT2, INT3, INT4 (4 items retained)<\/em>\n <\/li>\n