Anxiété (Technologique) (ANXT1)

1. Résumé / Abstract

L’échelle d’Anxiété (Technologique), couramment référencée sous le sigle ANXT1, est un instrument psychométrique bref composé de trois items, initialement formalisé par Joel E. Collier et Daniel L. Sherrell dans leur étude séminale de 2010 publiée dans le Journal of the Academy of Marketing Science. Conçue pour combler un vide méthodologique dans l’évaluation des réactions affectives négatives des consommateurs face à l’automatisation des services, l’échelle mesure spécifiquement l’état d’anxiété, d’intimidation et d’appréhension généré par l’interaction avec une technologie donnée, plutôt qu’une disposition globale ou diffuse de technophobie.

L’instrument repose sur une structure strictement unidimensionnelle. Les trois items qui la composent ciblent trois manifestations psychologiques complémentaires : la crainte paralysante de commettre des erreurs irréversibles ou impossibles à corriger, le sentiment d’insécurité quant à ses capacités cognitives à interpréter et exploiter l’interface, et une réaction d’intimidation affective conduisant à l’évitement comportemental. Les participants évaluent chaque affirmation à l’aide d’une échelle de réponse de type Likert en 7 points (allant de 1 = « Pas du tout d’accord » à 7 = « Tout à fait d’accord »). La particularité de l’outil réside dans sa formulation modulable : la technologie cible (par exemple, une borne d’enregistrement libre-service, un guichet automatique bancaire ou une interface de télémédecine) est explicitement insérée au cœur des énoncés.

Sur le plan des propriétés psychométriques, l’échelle ANXT1 présente une cohérence interne exemplaire, matérialisée par un coefficient alpha de Cronbach rapporté à 0,88 dans l’étude princeps, doublé d’une fiabilité composite (Composite Reliability, CR) supérieure à 0,85 et d’une variance moyenne extraite (AVE) excédant largement le seuil standard de 0,50. Les analyses factorielles confirmatoires corroborent un ajustement structurel optimal. L’échelle s’impose aujourd’hui comme un standard d’évaluation dans la recherche en marketing des services, en psychologie ergonomique et en gestion des systèmes d’information.

2. Mots-clés / Keywords

Anxiété technologique, ANXT1, technologies en libre-service, SST, acceptation technologique, ergonomie cognitive, évitement comportemental, auto-efficacité informatique, psychométrie, modélisation par équations structurelles.

3. Auteurs / Authors

L’échelle ANXT1 a été conceptualisée et validée par deux chercheurs renommés dans les domaines du marketing des services et du comportement du consommateur :

• Joel E. Collier, Ph.D. — Professeur titulaire en marketing, titulaire de la chaire Tommy & Victoria Stephenson Endowed Family Professor au College of Business, Department of Marketing, Quantitative Analysis, and Business Law, Mississippi State University, Mississippi State, MS, États-Unis. Spécialiste reconnu des méthodes quantitatives, des analyses factorielles et de la modélisation par équations structurelles (SEM). Contact institutionnel : [email protected].
• Daniel L. Sherrell, Ph.D. — Professeur émérite de marketing au Fogelman College of Business and Economics, Department of Marketing and Supply Chain Management, University of Memphis, Memphis, TN, États-Unis. Ses recherches portent sur la diffusion des innovations, le comportement du consommateur et la prestation de services automatisés.

4. Objectif / Purpose

L’objectif central de l’échelle d’anxiété technologique ANXT1 est de fournir aux chercheurs et aux praticiens une mesure parcimonieuse, hautement contextuelle et psychométriquement rigoureuse de l’anxiété ressentie par un individu à l’idée d’utiliser ou lors de l’utilisation d’une technologie précise. Avant les travaux de Collier et Sherrell (2010), la littérature s’appuyait massivement sur des échelles globales mesurant la technophobie ou l’anxiété informatique généralisée (Computer Anxiety), telles que la Computer Anxiety Rating Scale (CARS) de Heinssen, Glass et Knight (1987). Bien que ces instruments aient apporté des éclairages majeurs sur les attitudes à l’égard de l’informatique au sens large, ils se sont révélés inadaptés pour prédire les comportements face à des dispositifs interactifs spécifiques, tels que les technologies en libre-service (Self-Service Technologies ou SST).

Dans les environnements transactionnels modernes (bornes interactives aéroportuaires, caisses automatiques de grande distribution, plateformes bancaires en ligne, guichets virtuels de services publics), l’anxiété ne découle pas nécessairement d’un rejet global de l’ordinateur, mais d’une appréhension aiguë et situationnelle provoquée par une interface particulière, souvent amplifiée par la pression temporelle, le regard social d’autres usagers en file d’attente et l’absence d’assistance humaine directe. L’échelle ANXT1 a été conçue précisément pour capturer cette détresse cognitive et affective contextualisée.

Dans le domaine de la recherche, cet instrument permet d’analyser les mécanismes de résistance au changement, d’étudier les arbitrages entre commodité (convenience) et sentiment de contrôle, et d’isoler l’impact négatif de l’anxiété sur l’intention d’utilisation continue ou sur l’abandon des interfaces automatisées. En milieu appliqué ou clinique/ergonomique, l’échelle sert d’outil diagnostique lors des phases de prototypage : elle permet aux concepteurs d’expérience utilisateur (UX) d’évaluer la charge d’intimidation induite par un flux applicatif et d’identifier les segments de population vulnérables nécessitant des tutoriels, un guidage adaptatif ou une transition assistée.

5. Construit psychologique / Construct

L’anxiété technologique mesurée par l’ANXT1 est un état psychologique négatif transitoire ou situationnel (à distinguer d’un trait de personnalité stable), caractérisé par des cognitions d’incompétence, une activation physiologique d’appréhension et des impulsions motrices d’évitement, déclenchées par l’interaction avec un système technique. Bien que l’échelle opère de manière unidimensionnelle, le construit englobe trois composantes psychologiques imbriquées qui méritent une analyse détaillée :

1. L’appréhension des erreurs irréversibles (Appréhension cognitive)

Cette composante traduit la peur qu’une fausse manipulation n’entraîne des conséquences catastrophiques, irrémédiables ou coûteuses (par exemple, bloquer une transaction financière, annuler un billet d’avion ou effacer des données critiques). Sur le plan cognitif, l’utilisateur surestime la probabilité d’erreur et sous-estime les mécanismes de tolérance aux pannes du système. Cette anticipation anxieuse génère une hypervigilance paralysante qui entrave l’exploration fluide de l’interface.

2. L’intimidation affective et la réaction d’évitement (Affect négatif)

L’interaction avec la technologie est vécue comme une confrontation asymétrique face à un dispositif perçu comme complexe, opaque ou menaçant. Ce sentiment d’intimidation engendre un réflexe défensif d’évitement comportemental : l’individu préfère différer son action, faire appel à un employé humain même au prix d’une file d’attente prolongée, ou renoncer purement et simplement au service proposé. L’intimidation découle souvent d’une dichotomie perçue entre la rigidité du système informatique et la flexibilité du traitement humain.

3. L’insécurité quant à la compétence interprétative (Déficit d’auto-efficacité perçue)

Ce volet cible le sentiment de doute éprouvé par l’individu quant à sa capacité à décoder les signaux, les instructions, les icônes et le vocabulaire imposés par l’interface logicielle. L’usager doute de son aptitude à comprendre le retour d’information (feedback) du système (« Mon paiement est-il validé ? », « Quel menu sélectionner ? »). Ce déficit de clarté perçue fragilise l’agentivité de l’utilisateur, qui se perçoit comme incapable de maîtriser l’interaction.

6. Cadre théorique / Theoretical Framework

L’échelle ANXT1 s’inscrit au confluent de plusieurs grands cadres théoriques de la psychologie cognitive, de la théorie des organisations et des sciences du comportement :

La théorie sociocognitive et l’auto-efficacité (Albert Bandura)

Le socle théorique fondamental de l’anxiété technologique repose sur la notion d’auto-efficacité formalisée par Albert Bandura (1977, 1986). L’auto-efficacité désigne la croyance d’un individu en sa capacité à organiser et exécuter les actions requises pour produire des résultats donnés. Transposée à l’environnement numérique (notamment par Compeau & Higgins, 1995), une faible auto-efficacité informatique génère directement une anxiété élevée. Lorsque les individus estiment que les compétences requises dépassent leurs ressources cognitives personnelles, ils ressentent du stress et anticipent l’échec, ce qui alimente l’anxiété technologique spécifique mesurée par l’échelle.

Le modèle de l’évaluation cognitive et du stress (Lazarus & Folkman)

Selon le modèle transactionnel du stress développé par Richard Lazarus et Susan Folkman (1984), un stimulus externe n’est pas anxiogène en soi ; il le devient à travers deux processus d’évaluation :

• L’évaluation primaire : L’usager perçoit l’interface en libre-service comme une menace potentielle pour son temps, son argent ou son estime de soi (risque de paraître incompétent publiquement).
• L’évaluation secondaire : L’usager évalue ses ressources pour faire face à la situation. Le constat d’une insuffisance de ressources de contrôle suscite l’anxiété technologique et des stratégies de coping dysfonctionnelles, principalement l’évitement comportemental.

Le Modèle d’Acceptation de la Technologie (TAM) et le Paradoxe Technologique

Dans le Modèle d’Acceptation de la Technologie (TAM) introduit par Fred Davis (1989), l’anxiété technologique opère comme un antécédent critique de la facilité d’utilisation perçue (Perceived Ease of Use) et de l’utilité perçue (Perceived Usefulness). Plus l’anxiété est intense, plus l’effort requis pour utiliser le système est anticipé comme insurmontable. Mick et Fournier (1998), dans leurs travaux sur les paradoxes de la technologie, ont souligné que l’innovation technique apporte simultanément un potentiel de contrôle et un sentiment d’asservissement ou de vulnérabilité. Collier et Sherrell (2010) ont opérationnalisé cette tension en démontrant que l’anxiété technologique inhibe la perception du contrôle personnel et annule les bénéfices de commodité offerts par les SST.

7. Validité / Validity

La validité de l’échelle ANXT1 a fait l’objet d’évaluations rigoureuses dans le cadre de recherches quantitatives appliquant les directives de Churchill (1979) et Gerbing & Anderson (1988) :

Validité de construit et validité convergente

La validité convergente évalue la cohérence avec laquelle les items d’une échelle convergent vers le même construit latent. Dans les travaux de Collier et Sherrell (2010), les saturations factorielles standardisées ($lambda$) des trois items sont toutes statistiquement significatives ($p < 0{,}001$) et oscillent entre 0,81 et 0,90, dépassant largement le seuil minimal préconisé de 0,70. De plus, la Variance Moyenne Extraite (Average Variance Extracted, AVE) rapportée pour l’échelle d’anxiété technologique dépasse 0,70, ce qui surpasse le seuil conventionnel de 0,50 établi par Fornell et Larcker (1981). Ces scores confirment que plus de 70 % de la variance des items est attribuable au construit sous-jacent d’anxiété technologique plutôt qu’à l’erreur de mesure.

Validité discriminante

La validité discriminante garantit que l’anxiété technologique ne se confond pas avec d’autres concepts théoriques proches, tels que l’inconfort général, la recherche de commodité ou le désir de contrôle. Conformément au critère de Fornell-Larcker, la racine carrée de l’AVE de l’échelle ANXT1 ($\sqrt{0{,}70} pprox 0{,}84$) est nettement supérieure aux corrélations inter-construits partagées avec les dimensions adjacentes :

• Corrélation négative modérée avec le contrôle perçu ($r pprox -0{,}35$ à $-0{,}45$),
• Corrélation négative avec la commodité perçue du service ($r pprox -0{,}30$),
• Corrélation positive modérée avec le risque perçu ($r pprox 0{,}42$).

L’application plus récente du ratio hétérotrait-monotrait (HTMT) confirme également des valeurs systématiquement inférieures au seuil conservateur de 0,85, attestant d’une stricte démarcation empirique du concept.

Validité prédictive et nomologique

L’échelle a démontré une remarquable validité nomologique en s’insérant avec succès dans des réseaux d’hypothèses causales : elle prédit négativement et significativement la satisfaction globale à l’égard du service, l’intention de réutilisation des bornes automatisées et le taux d’adoption des nouveaux canaux numériques, tout en prédisant positivement la probabilité de se tourner vers un agent d’accueil humain.

8. Fidélité / Reliability

La fidélité de l’échelle ANXT1 atteste de la précision et de la stabilité de la mesure :

• Cohérence interne : Le coefficient alpha de Cronbach rapporté dans l’échantillon initial de Collier et Sherrell (2010) atteint 0,88, ce qui démontre une excellente homogénéité sans redondance excessive entre les énoncés. Dans des réplications ultérieures menées dans des contextes technologiques variés (ex. commerce mobile, systèmes de libre-encaissement, banques en ligne), l’alpha oscille régulièrement entre 0,86 et 0,92.
• Fiabilité composite (Composite Reliability – CR) : Calculée à partir des saturations factorielles standardisées, la fiabilité composite s’établit à 0,89, excédant sans ambiguïté le seuil recommandé de 0,70 ou 0,80 pour les modèles structurels avancés.
• Fiabilité test-retest : Dans les configurations longitudinales à court terme (intervalles de 2 à 4 semaines sans modification de l’interface testée), le coefficient de corrélation intraclasse se maintient au-dessus de 0,78, confirmant que l’outil capte une attitude stable lorsque les paramètres du système interactif restent inchangés.

9. Analyse factorielle / Factor Analysis

L’examen de l’architecture factorielle de l’échelle ANXT1 s’est appuyé sur une démarche combinant analyse factorielle exploratoire (AFE) et analyse factorielle confirmatoire (AFC) :

Analyse Factorielle Exploratoire (AFE)

Lors des phases initiales de calibration, l’extraction en composantes principales avec rotation orthogonale (Varimax) ou oblique (Promax) isole un facteur unique doté d’une valeur propre (eigenvalue) nettement supérieure à 1 (souvent > 2,3), capturant à lui seul plus de 75 % de la variance totale expliquée. Aucun facteur secondaire significatif n’émerge, attestant d’une stricte unidimensionnalité.

Analyse Factorielle Confirmatoire (AFC)

L’adéquation des données au modèle de mesure unidimensionnel a été validée par AFC à l’aide d’estimateurs du maximum de vraisemblance (Maximum Likelihood). Les indices d’ajustement structurel issus des modélisations révèlent une correspondance quasi parfaite avec les matrices de covariance observées :

• Chi-deux normé ($\chi^2 / ext{dl}$) : Valeurs régulièrement comprises entre 1,2 et 2,1 ($p > 0{,}05$ ou compatible avec des échantillons larges).
• Comparative Fit Index (CFI) : Supérieur à 0,98.
• Tucker-Lewis Index (TLI) : Supérieur à 0,97.
• Root Mean Square Error of Approximation (RMSEA) : Inférieur à 0,05 (avec un intervalle de confiance à 90 % compris entre 0,00 et 0,08).
• Standardized Root Mean Square Residual (SRMR) : Inférieur à 0,03.

Les saturations factorielles standardisées ($lambda$) observées pour les trois items sont remarquablement élevées : item 1 ($\lambda pprox 0{,}86$), item 2 ($\lambda pprox 0{,}88$), item 3 ($\lambda pprox 0{,}81$). Aucune covariance d’erreur résiduelle forcée n’est requise pour atteindre ces indices optimaux.

10. Instrument de mesure / Instrument

• Nom du test : Échelle d’Anxiété Technologique (Technological Anxiety Scale – ANXT1).
• Typologie : Échelle d’auto-évaluation psychométrique (auto-questionnaire psychométrique).
• Format d’administration : Papier-crayon ou numérique (en ligne, sur tablette ou terminal interactif).
• Nombre total d’items : 3 items formulés de manière directe.
• Échelle de réponse : Échelle de type Likert en 7 points :
• 1 = Pas du tout d’accord
• 2 = Pas d’accord
• 3 = Plutôt pas d’accord
• 4 = Neutre / Ni en désaccord ni d’accord
• 5 = Plutôt d’accord
• 6 = D’accord
• 7 = Tout à fait d’accord
• Procédure de cotation (Scoring) : Calcul d’un score moyen sommatif (somme des 3 items divisée par 3) ou score totalisé (somme brute variant de 3 à 21). Aucun item inversé n’est présent. Un score élevé reflète un niveau critique d’anxiété technologique, d’insécurité cognitive et d’inhibition comportementale face au dispositif.
• Temps moyen de passation : Moins de 60 secondes.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de publication initiale : 2010.
• Statut du droit d’auteur : L’article fondateur est publié et protégé par copyright par l’éditeur scientifique Springer Science+Business Media au sein du Journal of the Academy of Marketing Science.
• Conditions d’utilisation et permissions : Les items de l’échelle sont mis à disposition des chercheurs académiques à des fins d’enseignement et de recherche non commerciale dans le respect du droit de courte citation scientifique (Fair Use), sous réserve de citer scrupuleusement la publication originale de Collier et Sherrell (2010). Pour tout usage commercial direct, intégration logicielle propriétaire ou diffusion à large échelle, une autorisation écrite doit être sollicitée auprès de l’éditeur Springer ou du Copyright Clearance Center.
• Coût d’accès : Gratuit pour la recherche universitaire non sponsorisée.

12. Références / References

• Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84(2), 191–215. https://doi.org/10.1037/0033-295X.84.2.191
• Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory. Prentice-Hall.
• Collier, J. E., & Sherrell, D. L. (2010). Examining the influence of control and convenience in a self-service setting. Journal of the Academy of Marketing Science, 38(4), 490–509. https://doi.org/10.1007/s11747-009-0179-4
• Compeau, D. R., & Higgins, C. A. (1995). Computer self-efficacy: Development of a measure and initial test. MIS Quarterly, 19(2), 189–211. https://doi.org/10.2307/249688
• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Heinssen, R. K., Glass, C. R., & Knight, L. A. (1987). Assessing computer anxiety: Development and validation of the Computer Anxiety Rating Scale. Computers in Human Behavior, 3(1), 49–59. https://doi.org/10.1016/0747-5632(87)90010-0
• Lazarus, R. S., & Folkman, S. (1984). Stress, appraisal, and coping. Springer Publishing Company.
• Meuter, M. L., Bitner, M. J., Ostrom, A. L., & Brown, S. W. (2005). Choosing among alternative service delivery modes: An investigation of customer trial of self-service technologies. Journal of Marketing, 69(2), 61–83. https://doi.org/10.1509/jmkg.69.2.61.66362
• Mick, D. G., & Fournier, S. (1998). Paradoxes of technology: Consumer cognizance, emotions, and coping strategies. Journal of Consumer Research, 25(2), 123–143. https://doi.org/10.1086/209531
• Parasuraman, A. (2000). Technology Readiness Index (TRI): A multiple-item scale to measure readiness to embrace new technologies. Journal of Service Research, 2(4), 307–320. https://doi.org/10.1177/109467050024001

13. Questions et items du questionnaire / Scale Items