Utilité de l’application d’achat en réalité augmentée (ARSAU)

1. Résumé / Abstract

L’échelle d’utilité de l’application d’achat en réalité augmentée (Augmented Reality Shopping App Usefulness, ou ARSAU) constitue un instrument psychométrique bref et rigoureux, conçu pour évaluer la mesure dans laquelle un consommateur perçoit qu’une application mobile intégrant la réalité augmentée (RA) facilite l’évaluation de produits et optimise ses performances décisionnelles lors du processus d’achat. Développée et validée par Hilken et al. (2017) au sein d’une série de trois études empiriques approfondies, cette échelle adapte les travaux séminales de Childers et al. (2001) et s’ancre dans le modèle d’acceptation de la technologie (Technology Acceptance Model, TAM) initialement formalisé par Davis (1989).

L’instrument se compose de trois items formulés sous la forme d’affirmations unidimensionnelles, administrés généralement sur une échelle de Likert en 7 points allant de « Pas du tout d’accord » (1) à « Tout à fait d’accord » (7). Contrairement aux échelles traditionnelles conçues exclusivement pour l’e-commerce sur écran fixe, la formulation de l’ARSAU a été optimisée en éliminant les marqueurs restrictifs propres aux interfaces en ligne statiques, permettant son déploiement tant dans les contextes de vente en ligne nomade que dans des environnements de commerce physique (points de vente connectés ou phygitaux). Les analyses psychométriques attestent d’une excellente consistance interne (coefficients alpha de Cronbach systématiquement supérieurs à 0,88 et fiabilité composite excédant 0,90), d’une structure factorielle unidimensionnelle invariante, ainsi que d’une remarquable validité prédictive à l’égard de l’engagement comportemental, du confort de décision et de l’intention d’achat du consommateur.

2. Mots-clés / Keywords

Réalité augmentée, Utilité perçue, Comportement du consommateur, Expérience utilisateur, Modèle d’acceptation de la technologie, Psychométrie, Commerce électronique, Décision d’achat, Environnement phygital, Évaluation de produit, Technologies immersives, Psychologie du consommateur.

3. Auteurs / Authors

L’adaptation et la validation empirique formelle de l’instrument ARSAU dans le domaine des applications mobiles de réalité augmentée ont été réalisées par une équipe internationale de chercheurs en marketing relationnel, en technologies de service et en psychométrie cognitive :

• Tim Hilken : Département de conception de services et d’innovation, École de commerce et d’économie de l’Université de Maastricht (Maastricht University), Pays-Bas. Spécialiste de la réalité augmentée, du marketing sensoriel et de l’interaction humain-machine. Contact académique : [email protected].
• Ko de Ruyter : King’s Business School, King’s College London, Londres, Royaume-Uni, et Département de marketing de l’Université de Maastricht. Expert de renommée mondiale dans l’expérience client numérique et la transformation technologique des services.
• Mathew Chylinski : UNSW Business School, Université de Nouvelle-Galles du Sud (UNSW Sydney), Sydney, Australie. Chercheur pionnier en modélisation décisionnelle computationnelle et technologies visuelles appliquées au commerce.
• Dominik Mahr : Département de marketing et de gestion des chaînes logistiques, Université de Maastricht, Pays-Bas. Directeur scientifique du Service Science Factory.
• Debbie I. Keeling : School of Business, Management and Economics, Université du Sussex, Brighton, Royaume-Uni. Spécialiste du changement comportemental assisté par la technologie et de la psychologie des interfaces utilisateur.

4. Objectif / Purpose

Le développement de l’ARSAU répond à un défi méthodologique et théorique fondamental soulevé par l’essor des technologies immersives : comment quantifier avec précision la valeur instrumentale directe apportée par une interface qui superpose des éléments virtuels tridimensionnels sur l’environnement physique immédiat de l’utilisateur ? Lors d’un acte d’achat traditionnel en ligne, le consommateur fait face à un déficit informationnel majeur qualifié de barrière sensorielle ou d’incertitude d’évaluation. L’évaluation de produits volumineux (ex. mobilier, électroménager) ou personnels (ex. cosmétiques, montures de lunettes) souffre du manque de mise en contexte spatiale et d’échelle 1:1.

L’ARSAU a été construite pour mesurer l’« utilité perçue » au sens instrumental et fonctionnel, c’est-à-dire l’efficacité perçue par le sujet lorsqu’il délègue une partie de sa charge cognitive d’imagination spatiale à un algorithme de réalité augmentée. En recherche fondamentale en marketing et en psychologie ergonomique, l’échelle permet d’évaluer comment la manipulation interactive en temps réel influence la réduction de l’incertitude cognitive, le sentiment de contrôle de l’utilisateur et l’effort d’évaluation du produit. Elle constitue un indicateur pivot dans les chaînes causales reliant la présence spatiale perçue au confort décisionnel (decision comfort) et à la diminution drastique des taux de retour de produits.

Dans les applications industrielles et de recherche appliquée, l’ARSAU est employée comme métrique standardisée de performance ergonomique. Elle sert à comparer différentes implémentations d’interfaces (par exemple, la précision du tracking inertiel, l’éclairage photoréaliste ou l’ancrage automatique des surfaces) afin d’isoler les caractéristiques techniques qui augmentent directement la productivité décisionnelle perçue par le consommateur, par opposition aux simples artefacts hédoniques ou d’amusement éphémère (l’effet « gadget »).

5. Construit psychologique / Construct

Le construit psychologique au cœur de l’instrument est l’Utilité Perçue de l’Application d’Achat en Réalité Augmentée (Perceived Usefulness of AR Shopping Apps). Au sens de la psychométrie appliquée aux systèmes d’information, l’utilité perçue n’est pas une simple appréciation globale ou une mesure de satisfaction affective ; il s’agit d’une croyance cognitive probabiliste selon laquelle l’utilisation d’un système technologique donné augmentera les performances d’une tâche cible, réduira le coût cognitif temporel et cognitivo-visuel, et améliorera la qualité du jugement final.

Bien que formalisé sous une structure parcimonieuse et unidimensionnelle afin de maximiser la validité écologique lors de protocoles expérimentaux denses, le construit englobe trois facettes conceptuelles complémentaires qui se manifestent au sein des items :

• La facilitation de l’évaluation du produit (Facilitation of Product Evaluation) : Cette facette évalue la réduction du fossé cognitif d’inspection. L’utilisateur d’une application de RA projette virtuellement l’objet dans son contexte d’usage réel (par exemple, placer un canapé virtuel dans son propre salon ou essayer virtuellement une teinte de maquillage sur son visage via la caméra frontale). L’outil psychométrique mesure si cette projection confère une clarté informationnelle supérieure aux photos statiques ou aux vidéos bidimensionnelles traditionnelles.
• L’optimisation de la performance d’achat (Shopping Performance Enhancement) : Cette composante réfère au ratio effort/efficacité dans le processus décisionnel. Elle quantifie si le consommateur perçoit un gain de productivité, une rapidité accrue dans l’élimination des options inadéquates, ainsi qu’une précision supérieure dans le choix des dimensions, des harmonies chromatiques et de l’adéquation stylistique.
• L’utilité instrumentale globale (Overall Utilitarian Value) : Cette sous-dimension capture la synthèse évaluative du dispositif technologique en tant que vecteur de valeur fonctionnelle. Elle exclut expressément la composante ludique ou hédonique (l’amusement pur, formalisé par d’autres échelles comme l’échelle de plaisir perçu ou d’engagement esthétique) pour se concentrer rigoureusement sur le rôle pragmatique de l’outil d’aide à la décision.

6. Cadre théorique / Theoretical Framework

L’ARSAU s’enracine principalement dans le Modèle d’Acceptation de la Technologie (TAM) formulé par Fred D. Davis en 1989, lui-même dérivé de la théorie de l’action raisonnée (Theory of Reasoned Action, Fishbein & Ajzen, 1975). Davis a postulé que l’intention d’adopter une technologie informatique dépend fondamentalement de deux déterminants cognitifs : l’utilité perçue (Perceived Usefulness, PU) et la facilité d’utilisation perçue (Perceived Ease of Use, PEOU).

Au fil des décennies, le TAM a été enrichi par Childers, Carr, Peck et Carson (2001) dans leur modèle « Webby vs. Trendy », qui a adapté les items de Davis au comportement d’achat interactif. Childers et ses collègues ont démontré que dans les interfaces d’achat numérique, l’utilité perçue englobe l’accès immédiat à l’information visuelle et la capacité à simuler la possession physique de l’objet.

Hilken et al. (2017) ont approfondi cette lignée théorique en couplant le TAM avec la Théorie de l’Imagerie Visuelle et de l’Ajustement Cognitif (Cognitive Fit Theory, Vessey, 1991) et les théories de la Présence Spatiale (Schubert et al., 2001). Dans le cadre des technologies d’affichage spatialisé :

• L’immersion visuelle génère une simulation mentale active où le sujet n’a plus besoin de reconstruire abstraitement la taille ou la compatibilité d’un bien ;
• Cette simulation spatiale fluide induit un « ajustement cognitif » optimal entre la représentation mentale du produit et la tâche de prise de décision ;
• Cet alignement cognitif se traduit directement, sur le plan phénoménologique, par un score élevé d’utilité perçue instrumentale, validant empiriquement l’ARSAU comme un pont théorique entre perception sensorielle médiée et adoption technologique rationnelle.

7. Validité / Validity

L’ARSAU a fait l’objet d’un examen empirique et psychométrique approfondi au travers de trois études d’envergure menées par Hilken et al. (2017), totalisant plusieurs centaines de participants exposés à des scénarios de réalité augmentée réels et semi-contrôlés :

• Validité de construit et convergente : La validité convergente a été confirmée par l’analyse de la variance moyenne extraite (Average Variance Extracted, AVE). Les valeurs d’AVE pour l’échelle ARSAU dépassent systématiquement le seuil critique de 0,50 recommandé par Fornell et Larcker (1981), se situant de façon constante au-delà de 0,72 dans l’ensemble des échantillons. Les saturations factorielles standardisées de chaque item sur le facteur latent sous-jacent sont toutes supérieures à 0,82 (p < 0,001).
• Validité discriminante : L’indépendance du construit a été vérifiée par rapport à des variables théoriquement distinctes telles que la facilité d’utilisation perçue, la valeur hédonique/ludique perçue (perceived enjoyment), l’imagerie spatiale interactive et le risque décisionnel perçu. La racine carrée de l’AVE pour l’ARSAU s’est avérée significativement supérieure à toutes les corrélations inter-construits (critère de Fornell-Larcker), et les ratios hétérotrait-monotrait (HTMT) sont tous restés inférieurs au seuil conservateur de 0,85.
• Validité nomologique et prédictive : Les modèles d’équations structurelles (Structural Equation Modeling, SEM) ont mis en évidence que des scores élevés à l’ARSAU prédisent positivement et de manière significative le confort décisionnel (β ≈ 0,45, p < 0,001), la réduction de l’hésitation post-décisionnelle, et l’augmentation des intentions d’achat effectives du produit évalué.

8. Fidélité / Reliability

Les propriétés de consistance interne de l’échelle ARSAU se sont révélées robustes à travers les différents échantillons et contextes d’expérimentation documentés dans la littérature :

• Alpha de Cronbach (α) : Dans l’étude 1 de Hilken et al. (2017), l’échelle a obtenu un α de 0,89. Dans les études 2 et 3, impliquant des tâches interactives plus complexes et des produits diversifiés, l’indice de consistance interne s’est maintenu à des niveaux très élevés, oscillant entre 0,88 et 0,93. Ces coefficients démontrent une homogénéité exemplaire des items, sans pour autant indiquer une redondance tautologique néfaste.
• Fiabilité composite (Composite Reliability, CR) : L’indice de fiabilité composite de Jöreskog a produit des valeurs variant entre 0,91 et 0,94 selon les conditions expérimentales, consolidant l’assurance d’une stabilité métrologique supérieure au standard méthodologique de 0,70.
• Stabilité temporelle : Bien que conçue pour être déployée immédiatement après l’interaction utilisateur (post-test d’usage), les évaluations répétées dans des contextes de tests A/B montrent une invariance psychométrique robuste des scores lorsque les mêmes dispositifs matériels sont réutilisés.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle a été examinée au moyen d’analyses factorielles exploratoires (AFE) par extraction en composantes principales avec rotation varimax, puis corroborée par des analyses factorielles confirmatoires (AFC) basées sur l’estimation du maximum de vraisemblance :

• Résultats factoriels exploratoires : L’analyse factorielle initiale fait émerger un facteur unique propre dont la valeur propre (eigenvalue) est largement supérieure à 1 (dépassant 2,40), expliquant à elle seule plus de 80 % de la variance totale des scores observés. Aucun facteur secondaire ne franchit le seuil de Kaiser-Guttman.
• Indices d’ajustement confirmatoires (AFC) : Les tests de structure unidimensionnelle menés au sein de modèles de mesure sous AMOS et R (package lavaan) indiquent un ajustement excellent aux données empiriques :
• Chi-deux normé (χ²/ddl) < 2,5 ;
• Indice de comparaison de Bentler (CFI) > 0,99 ;
• Indice de Tucker-Lewis (TLI) > 0,98 ;
• Erreur quadratique moyenne d’approximation (RMSEA) ≤ 0,045 [intervalle de confiance à 90 % : 0,000 – 0,078] ;
• Résidu quadratique moyen standardisé (SRMR) ≤ 0,020.
• Poids factoriels standardisés (λ) : Tous les items présentent des saturations univoques remarquablement homogènes, généralement comprises entre 0,84 et 0,92, validant sans équivoque le postulat d’un construit conceptuel parfaitement unidimensionnel.

10. Instrument de mesure / Instrument

L’ARSAU se distingue par son format compact et standardisé :

• Type d’évaluation : Auto-questionnaire psychométrique / Échelle d’évaluation post-expérience utilisateur (UX).
• Nombre total d’items : 3 items obligatoires.
• Modalités de passation : Auto-administré sur support numérique (au sein de l’application elle-même, sur tablette ou via plateforme d’enquête en ligne) ou sur questionnaire papier immédiatement après la session d’utilisation de la réalité augmentée.
• Temps moyen de complétion : Moins de 60 secondes.
• Format des réponses : Échelle de Likert à 7 échelons de désaccord/accord :
• 1 = Pas du tout d’accord (Strongly Disagree)
• 2 = Pas d’accord (Disagree)
• 3 = Plutôt pas d’accord (Somewhat Disagree)
• 4 = Neutre / Ni en désaccord ni d’accord (Neither Agree nor Disagree)
• 5 = Plutôt d’accord (Somewhat Agree)
• 6 = D’accord (Agree)
• 7 = Tout à fait d’accord (Strongly Agree)
• Calcul des scores et cotation : Le score global d’utilité perçue est obtenu en calculant la moyenne arithmétique non pondérée des trois items (score compris entre 1,00 et 7,00). Des scores élevés reflètent une perception optimale de l’efficacité et de l’aide instrumentale apportée par la réalité augmentée. Aucun item n’est inversé (aucun score négatif à recoder).

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

L’échelle ARSAU a été formalisée et publiée pour la première fois en 2017 dans le Journal of the Academy of Marketing Science par Tim Hilken et ses coauteurs. Dérivée de travaux fondateurs antérieurs (Childers et al., 2001 ; Davis, 1989), l’échelle est considérée comme un instrument académique ouvert.

• Coût et tarification : L’accès et l’utilisation de l’échelle sont entièrement gratuits (sans frais de licence) pour la recherche académique, les thèses doctorales et les études pédagogiques non commerciales.
• Conditions d’autorisation : Les auteurs et la revue autorisent la reproduction et l’administration des items sous réserve de citer expressément l’article princeps de Hilken et al. (2017) conformément aux conventions bibliographiques de l’APA.
• Utilisation commerciale : Les praticiens, agences d’ergonomie et entreprises de commerce électronique peuvent administrer les items dans le cadre de leurs protocoles d’évaluation UX internes. Pour l’intégration logicielle ou la revente commerciale directe au sein de suites logicielles propriétaires, il convient de se conformer aux politiques relatives aux droits d’auteur de l’éditeur de la publication originale (Springer Nature).

12. Références / References

Les sources académiques fondant la structure psychométrique, le cadre théorique et l’instrumentation de l’ARSAU sont les suivantes :

• Childers, T. L., Carr, C. L., Peck, J., & Carson, S. (2001). Hedonic and utilitarian motivations for online retail shopping behavior. Journal of Retailing, 77(4), 511–535. https://doi.org/10.1016/S0022-4359(01)00056-2
• 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
• Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley.
• 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
• Hilken, T., de Ruyter, K., Chylinski, M., Mahr, D., & Keeling, D. I. (2017). Augmenting the eye of the beholder: Exploring the strategic potential of augmented reality to enhance online service experiences. Journal of the Academy of Marketing Science, 45(6), 884–905. https://doi.org/10.1007/s11747-016-0488-0
• Schubert, T., Friedmann, F., & Regenbrecht, H. (2001). The experience of presence: Factor analytic insights. Presence: Teleoperators and Virtual Environments, 10(3), 266–281. https://doi.org/10.1162/105474601300343603
• Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the Technology Acceptance Model: Four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
• Vessey, I. (1991). Cognitive fit: A cognitive explanation of the findings of graph versus tabular interfaces. Decision Sciences, 22(2), 219–240. https://doi.org/10.1111/j.1540-5915.1991.tb00344.x

13. Questions et items du questionnaire / Scale Items

Les items originaux ont été administrés en langue anglaise par les auteurs pour mesurer l’utilité perçue du dispositif de réalité augmentée. Une adaptation linguistique française rigoureuse est fournie ci-dessous à titre indicatif pour les passations francophones.