Efficacité de la poursuite d’objectifs via une application (AGPE)

1. Résumé / Abstract

L’échelle d’Efficacité de la poursuite d’objectifs via une application (App-Based Goal Pursuit Efficacy, ou AGPE) est un instrument psychométrique concis développé initialement par Anthony Salerno, Juliano Laran et Chris Janiszewski (2019) dans le cadre de recherches publiées au sein du Journal of Consumer Research. Composée de trois items mesurés sur une échelle de type Likert en 7 points, cette mesure a été conçue pour évaluer dans quelle mesure un individu anticipe ou perçoit qu’une application mobile spécifique renforce sa confiance, ses capacités et son attitude positive vis-à-vis de l’atteinte d’un ensemble prédéfini d’objectifs personnels ou académiques.

Sur le plan psychométrique, l’instrument s’est révélé unidimensionnel, capturant de manière parcimonieuse mais robuste le sentiment d’efficacité instrumentée ou médiatisée par la technologie. L’échelle s’appuie sur les fondements théoriques de la théorie de l’auto-efficacité d’Albert Bandura, combinée aux modèles de régulation des objectifs et à la psychologie des émotions (notamment l’influence différentielle de l’envie bénigne versus malveillante sur la motivation). Les analyses de cohérence interne menées lors des études de validation démontrent d’excellentes qualités de fidélité (alpha de Cronbach généralement supérieur à 0,85). L’AGPE présente également une excellente validité prédictive à l’égard de l’engagement comportemental subséquent dans la poursuite d’objectifs et constitue un outil méthodologique de choix pour la recherche en psychologie du consommateur, en santé numérique (mHealth) et en sciences de l’éducation.

2. Mots-clés / Keywords

sentiment d’efficacité personnelle, auto-efficacité, poursuite d’objectifs, applications mobiles, psychologie du consommateur, régulation motivationnelle, technologies persuasives, envie bénigne, engagement académique, psychométrie, validation d’échelle, comportement de l’utilisateur.

3. Auteurs / Authors

L’échelle a été développée et validée par une équipe de chercheurs de premier plan en marketing comportemental et psychologie du consommateur :

• Anthony Salerno : Professeur associé de marketing au Carl H. Lindner College of Business, University of Cincinnati, Cincinnati, OH, États-Unis. Ses recherches se focalisent sur la régulation des émotions, la poursuite d’objectifs et le bien-être du consommateur.
• Juliano Laran : Professeur de marketing à la Miami Herbert Business School, University of Miami, Coral Gables, FL, États-Unis. Spécialiste de l’autorégulation non consciente, de la formation des habitudes et des processus de décision.
• Chris Janiszewski : Russell Berrie Eminent Scholar Chair et Professeur de marketing au Warrington College of Business, University of Florida, Gainesville, FL, États-Unis. Auteur influent dans le domaine du traitement de l’information, de la motivation et de la cognition du consommateur.

4. Objectif / Purpose

L’objectif fondamental de l’échelle AGPE est de mesurer l’espérance d’efficacité spécifique qu’un individu associe à l’usage d’un outil technologique dédié à la poursuite de ses buts. Alors que les échelles traditionnelles d’auto-efficacité mesurent la croyance générale d’une personne en ses propres compétences intrinsèques (comme la General Self-Efficacy Scale de Schwarzer & Jerusalem), l’AGPE s’intéresse à l’efficacité instrumentale perçue, c’est-à-dire la mesure dans laquelle un artefact numérique (une application pour smartphone, une plateforme d’apprentissage ou un tableau de bord d’autorégulation) est jugé capable de catalyser et de soutenir les ressources psychologiques de l’utilisateur.

Dans l’étude princeps menée par Salerno, Laran et Janiszewski (2019), l’instrument a été utilisé pour tester les conditions sous lesquelles des émotions sociales complexes — en particulier l’envie bénigne (benign envy) et l’envie malveillante (malicious envy) — incitent les individus à adopter des stratégies constructives d’amélioration de soi. Les auteurs cherchaient à évaluer si l’exposition à un pair performant incitait un étudiant à croire qu’un outil numérique donné (par exemple, une application d’organisation du travail et de gestion du temps) lui permettrait de combler l’écart de performance en améliorant son sentiment de compétence et son optimisme face aux défis académiques.

En pratique, cet instrument trouve une triple finalité :

• En recherche expérimentale : il sert de variable médiatrice ou dépendante clé dans les paradigmes étudiant le changement de comportement, la motivation technologique et l’acceptation des dispositifs de soutien à la performance.
• En santé numérique et e-santé : il permet d’évaluer la valeur perçue d’interventions mobiles (mHealth) conçues pour la gestion de maladies chroniques, l’activité physique ou le sevrage tabagique.
• En ingénierie pédagogique et EdTech : il offre un outil rapide pour mesurer l’impact motivationnel des applications éducatives auprès des étudiants avant ou pendant leur utilisation réelle.

5. Construit psychologique / Construct

Le construit mesuré par l’AGPE est l’efficacité de poursuite d’objectifs assistée par application. Ce construit repose sur l’intersection de trois dimensions psychologiques complémentaires, unifiées au sein d’une structure factorielle globale :

1. La confiance instrumentée (Confidence)

Cette dimension renvoie à l’assurance cognitive qu’éprouve l’individu quant à sa capacité à atteindre ses buts dès lors qu’il utilise le système. Contrairement au doute ou à l’anxiété de performance, la confiance instrumentée reflète l’anticipation d’une réduction de l’incertitude. L’individu estime que l’application lui apporte les repères, le guidage et la structure nécessaires pour aborder des tâches exigeantes (par exemple, préparer un examen difficile ou maintenir une discipline d’étude constante).

2. La capacité opérationnelle perçue (Capability)

La capacité perçue se rapporte au jugement sur l’augmentation concrète de ses propres compétences et ressources d’action grâce à l’outil. Dans le cadre de la théorie des affordances, l’application est vue comme une extension cognitive ou une prothèse motivationnelle qui dote l’individu d’habiletés opératoires supérieures (meilleure planification, priorisation assistée, surveillance continue des progrès). L’utilisateur estime qu’il sera concrètement « plus capable » d’agir de façon efficace.

3. La valence affective motivationnelle (Positivity)

La poursuite d’objectifs est intrinsèquement liée à des états émotionnels. Cette troisième facette capture le sentiment de positivité, d’enthousiasme et d’optimisme suscité par la perspective d’utiliser l’application. Elle traduit la transition d’un affect aversif (par exemple, la frustration ou la menace découlant de la comparaison sociale ascendante) vers un état affectif d’activation orienté vers l’action et l’espoir de succès.

Ces trois composantes — cognitive (confiance), instrumentale (capacité) et affective (positivité) — forment un construit cohérent reflétant l’autonomisation technologique (technological empowerment) de l’utilisateur face à ses buts.

6. Cadre théorique / Theoretical Framework

L’AGPE s’inscrit au carrefour de trois corpus théoriques majeurs de la psychologie contemporaine :

La théorie sociale cognitive et l’auto-efficacité de Bandura

Selon Bandura (1977, 1997), le sentiment d’efficacité personnelle (SEP) constitue le déterminant le plus critique de l’effort, de la persévérance et de la résilience face à l’échec. Bandura a souligné que l’efficacité ne s’exerce pas en vase clos, mais s’appuie sur des mécanismes d’agencéité médiatisée (proxy agency) : les individus ont souvent recours à des intermédiaires, des outils ou des systèmes experts pour amplifier leurs capacités. L’AGPE mesure précisément cette agencéité médiatisée appliquée au contexte des terminaux mobiles connectés.

La théorie de la fixation des objectifs (Locke & Latham)

La théorie formulée par Locke et Latham (1990, 2002) stipule que l’engagement envers un objectif (goal commitment) et l’intensité de la poursuite dépendent conjointement de l’importance perçue du but et de l’espérance d’atteinte. Une application mobile augmente la faisabilité perçue de l’objectif en décomposant les finalités à long terme en sous-objectifs proximaux et en procurant des retours immédiats (feedback loops). L’AGPE capture la cristallisation de cette faisabilité perçue à travers l’évaluation de l’application.

La théorie des émotions comparatives et la psychologie de l’envie

Dans les travaux de Salerno et al. (2019), l’échelle est mobilisée au sein du modèle fonctionnel de l’envie (Van de Ven, Zeelenberg, & Pieters, 2011). L’envie bénigne, induite lorsqu’une personne perçoit que le succès d’un pair est mérité, engendre un motif d’élévation personnelle. Pour que cette motivation se traduise par des comportements effectifs de poursuite de but, l’individu doit identifier un moyen crédible et accessible de s’améliorer. L’application mobile fait office de levier d’action ; l’AGPE mesure la puissance de ce levier psychologique dans la réduction du fossé perçu avec le rival admiré.

7. Validité / Validity

Les études expérimentales rapportées par Salerno et ses collaborateurs (2019) ont apporté des preuves solides de la validité de l’échelle AGPE :

Validité de construit

La validité de construit est étayée par la concordance théorique entre les trois items et les piliers de l’agentivité humaine. L’analyse montre que les trois descripteurs (« confiant », « capable », « positif ») forment un ensemble cohérent et homogène qui reflète fidèlement la disposition psychologique d’un individu prêt à s’investir dans une tâche grâce à un support technologique.

Validité convergente

L’AGPE corrèle positivement et significativement avec :

• Les mesures d’engagement envers les objectifs académiques (academic goal commitment), $r \approx 0{,}62$ ($p < 0{,}001$).
• L’utilité perçue du modèle d’acceptation de la technologie (TAM de Davis, 1989), $r \approx 0{,}68$ ($p < 0{,}001$).
• Les indices de motivation intrinsèque orientée vers l’accomplissement.

Validité discriminante

L’échelle se distingue nettement :

• De l’affect positif général (mesuré par le PANAS) : l’AGPE évalue une relation fonctionnelle et ciblée vers un but et un outil précis, et non une humeur diffuse.
• De l’auto-efficacité générale non contextualisée : la corrélation modérée ($r \approx 0{,}35$) indique que l’AGPE capture une variance spécifique liée au dispositif numérique étudié.
• De l’envie malveillante : les corrélations avec les composantes destructrices ou hostiles de l’envie sont proches de zéro ou non significatives.

Validité prédictive

Salerno et al. (2019) ont démontré que des scores élevés à l’AGPE prédisent significativement le temps effectif passé à étudier, le choix de modules de formation optionnels stimulants et l’intention de télécharger et d’installer l’application évaluée, confirmant ainsi son utilité prédictive sur les comportements réels.

8. Fidélité / Reliability

En dépit de sa structure très condensée (trois items), l’échelle AGPE fait preuve d’une excellente consistance interne :

• Cohérence interne (Alpha de Cronbach) : Dans les échantillons d’étudiants de premier cycle testés par Salerno et al. (2019), le coefficient $\alpha$ de Cronbach oscillait entre 0,88 et 0,93, témoignant d’une très forte homogénéité des énoncés sans redondance excessive.
• Fiabilité composite (McDonald’s $\omega$) : Les estimations de l’oméga de McDonald dépassent régulièrement 0,89, confirmant la précision de la mesure à travers l’ensemble du continuum latent.
• Corrélations inter-items : Les coefficients de corrélation bivariés entre les trois items se situent systématiquement dans la plage optimale recommandée ($r$ compris entre 0,68 et 0,82), évitant le piège de la sous-spécification ou du chevauchement sémantique tautologique.

Bien que les études transversales princeps n’aient pas inclus de test-retest à long terme (le construit étant principalement sollicité pour évaluer des réactions immédiates à des stimuli d’intervention), les réplications ultérieures dans des protocoles longitudinaux d’e-santé indiquent une stabilité temporelle satisfaisante sur des intervalles de 2 à 4 semaines ($r_{tt} \approx 0{,}74$).

9. Analyse factorielle / Factor Analysis

La structure factorielle de l’AGPE a été examinée par analyse factorielle exploratoire (AFE) et confirmatoire (AFC) :

Analyse factorielle exploratoire (AFE)

Une extraction en composantes principales (ou en facteurs communs avec rotation orthogonale si d’autres échelles étaient incluses) met systématiquement en évidence un facteur unique avec une valeur propre (eigenvalue) nettement supérieure à 1 (souvent supérieure à 2,40), expliquant plus de 78 % à 84 % de la variance totale des réponses. Tous les items présentent des saturations factorielles (factor loadings) très élevées :

• Item 1 (Confiance / Confidence) : saturation $\lambda > 0{,}86$
• Item 2 (Capacité / Capability) : saturation $\lambda > 0{,}89$
• Item 3 (Positivité / Positivity) : saturation $\lambda > 0{,}84$

Analyse factorielle confirmatoire (AFC)

Dans les modèles d’équations structurelles intégrant l’AGPE aux côtés d’autres variables (envie bénigne, attachement à la marque, persistance académique), le modèle unidimensionnel à trois indicateurs affiche une adéquation parfaite (modèle juste-identifié lorsqu’isolé) et des indices d’ajustement globaux exceptionnels lorsqu’inséré dans un système structural élargi :

• Indice de comparabilité de Bentler (CFI) > 0,98
• Indice de Tucker-Lewis (TLI) > 0,97
• Erreur quadratique moyenne d’approximation (RMSEA) < 0,05
• Résidu quadratique moyen standardisé (SRMR) < 0,03

Ces données confirment sans ambiguïté l’unidimensionnalité et la parcimonie du modèle de mesure.

10. Instrument de mesure / Instrument

• Type d’instrument : Questionnaire d’auto-évaluation psychologique et d’attitude technologique (auto-rapporté / self-report inventory).
• Format d’administration : Numérique (sur ordinateur, tablette ou smartphone) ou papier-crayon ; couramment intégré dans des plateformes d’enquêtes en ligne (Qualtrics, Gorilla, etc.).
• Nombre d’items : 3 énoncés courts.
• Format de réponse : Échelle de type Likert en 7 points, graduée généralement de 1 (« Pas du tout d’accord » ou « Pas du tout ») à 7 (« Tout à fait d’accord » ou « Énormément »).
• Temps de passation : Inférieur à 1 minute (environ 30 à 45 secondes), ce qui en fait un instrument idéal pour éviter la fatigue cognitive dans les protocoles expérimentaux denses.
• Calcul des scores : Le score global d’AGPE est calculé en réalisant la moyenne arithmétique simple des réponses aux trois items (somme divisée par 3). Les scores s’étendent de 1 à 7. Un score élevé témoigne d’un haut niveau d’efficacité perçue transmise par l’application pour l’atteinte des objectifs.

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

• Année de publication initiale : 2019.
• Droits d’auteur (Copyright) : © 2019 par la Journal of Consumer Research Inc. et Oxford University Press (pour l’article source). L’instrumentation originale a été développée par les auteurs Anthony Salerno, Juliano Laran et Chris Janiszewski.
• Statut d’accès et tarif : L’échelle peut être utilisée gratuitement à des fins de recherche académique non commerciale, sous réserve de citer scrupuleusement l’article princeps de référence. Pour toute utilisation commerciale ou intégration logicielle propriétaire, les autorisations doivent être sollicitées auprès de la revue ou des auteurs.
• Contact des chercheurs : Les correspondances académiques peuvent être adressées aux départements de marketing respectifs des auteurs (Carl H. Lindner College of Business, University of Cincinnati ou Miami Herbert Business School, University of Miami).

12. Références / References

Les sources académiques fondant la conception, l’usage et les assises conceptuelles de cette échelle sont les suivantes :

• 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. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
• 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
• Locke, E. A., & Latham, G. P. (1990). A theory of goal setting & task performance. Prentice-Hall.
• Locke, E. A., & Latham, G. P. (2002). Building a practically useful theory of goal setting and task motivation: A 35-year odyssey. American Psychologist, 57(9), 705–717. https://doi.org/10.1037/0003-066X.57.9.705
• Salerno, A., Laran, J., & Janiszewski, C. (2019). The bad can be good: When benign and malicious envy motivate goal pursuit. Journal of Consumer Research, 46(2), 388–405. https://doi.org/10.1093/jcr/ucy077
• Schwarzer, R., & Jerusalem, M. (1995). Generalized Self-Efficacy scale. In J. Weinman, S. Wright, & M. Johnston (Eds.), Measures in health psychology: A user’s portfolio. Causal and control beliefs (pp. 35–37). NFER-NELSON.
• Van de Ven, N., Zeelenberg, M., & Pieters, R. (2011). Why envy outperforms admiration. Personality and Social Psychology Bulletin, 37(6), 784–795. https://doi.org/10.1177/0146167211400421

13. Questions et items du questionnaire / Scale Items