Attention envers l’application

1. Résumé / Abstract

L’échelle d’attention envers l’application (App Attention Scale), introduite et opérationnalisée dans les travaux de Barney, Hancock, Esmark Jones, Kazandjian et Collier (2022) au sein du Journal of Retailing, constitue un instrument psychométrique conçu pour quantifier l’allocation des ressources attentionnelles et le degré de concentration cognitive qu’un consommateur ou un utilisateur déploie vis-à-vis d’une application mobile, notamment dans un contexte d’achat au détail et d’interaction avec des technologies de vente anthropomorphisées. Élaborée à partir de conceptualisations antérieures de l’attention publicitaire et du traitement de l’information (adaptées notamment des travaux fondateurs sur l’attention publicitaire de Laczniak et al., 1999, et de MacKenzie, 1986), cette échelle capture la focalisation perceptive et cognitive sur le support applicatif lors de l’expérience d’achat.

D’un point de vue structurel, l’instrument se compose typiquement d’une structure unidimensionnelle concise comprenant 3 à 4 items évalués sur une échelle de réponse de type Likert en 7 points (allant de 1 = « Pas du tout d’attention / Tout à fait en désaccord » à 7 = « Énormément d’attention / Tout à fait d’accord ») ou d’échelles de différenciateur sémantique relatives à l’intensité de la focalisation. Les propriétés psychométriques documentées par Barney et ses collaborateurs démontrent une excellente cohérence interne, avec un coefficient alpha de Cronbach excédant fréquemment le seuil de 0,85, ainsi qu’une fiabilité composite supérieure à 0,88. Les analyses factorielles confirmatoires attestent d’une validité convergente robuste, les saturations factorielles standardisées étant toutes supérieures à 0,75, et d’une validité discriminante établie vis-à-vis de construits connexes tels que l’anthropomorphisme perçu, l’utilité perçue de l’application et l’intention de réachat.

2. Mots-clés / Keywords

Attention envers l’application, allocation cognitive, psychométrie, expérience utilisateur mobile, anthropomorphisme technologique, commerce de détail, traitement de l’information, fidélité composite, validité de construit, comportement du consommateur

3. Auteurs / Authors

L’échelle a été développée et validée par une équipe de chercheurs en marketing et comportement du consommateur :

• Christian Barney — Département de Marketing, Université de Memphis, Memphis, Tennessee, États-Unis.
• Tyler Hancock — Département de Marketing, College of Business, Université du Texas à Arlington / Université de Memphis, États-Unis.
• Carol L. Esmark Jones — Département de Marketing, College of Business, Université d’État du Mississippi, Mississippi State, Mississippi, États-Unis.
• Brett Kazandjian — E. J. Ourso College of Business, Université d’État de Louisiane, Bâton-Rouge, Louisiane, États-Unis.
• Joel E. Collier — Département de Marketing, quantitative analysis and business law, College of Business, Université d’État du Mississippi, Mississippi State, Mississippi, États-Unis.

4. Objectif / Purpose

L’objectif fondamental de l’échelle d’attention envers l’application est de mesurer précisément l’intensité et la focalisation de l’attention cognitive qu’un utilisateur consacre à une application mobile au cours de son parcours d’interaction. Dans le paysage contemporain du commerce de détail omnicanal et des environnements numériques mobiles (m-commerce), les interfaces utilisateur ne sont plus de simples canaux transactionnels passifs ; elles intègrent des agents conversationnels, des représentations visuelles anthropomorphes et des systèmes de recommandation interactifs complexes.

L’application clinique, ergonomique et expérimentale de cette mesure s’articule autour de trois impératifs majeurs :

• Compréhension des mécanismes de surcharge ou de focalisation cognitive : Déterminer si les caractéristiques de conception (par exemple, le degré d’humanisation ou d’anthropomorphisme d’un agent numérique) captent l’attention de manière optimale ou si elles créent au contraire une distraction nuisible au traitement de l’information produit.
• Évaluation de l’efficacité publicitaire et promotionnelle in-app : Évaluer dans quelle mesure les stimuli visuels et fonctionnels maintiennent l’utilisateur engagé, condition sine qua non à l’encodage mnésique et à la formation d’attitudes favorables.
• Validation des modèles d’acceptation technologique : Servir de variable médiatrice ou modératrice au sein de modèles structurels reliant les stimuli de conception (design UI/UX) aux variables comportementales finales (telles que l’engagement continu, la rétention et les dépenses réelles).

Sur le plan théorique, la justification de l’échelle repose sur le constat empirique que la simple exposition à une interface mobile ne garantit pas un engagement perceptif actif. La mesure permet d’isoler l’attention sélective dirigée vers l’outil lui-même par rapport à l’environnement externe ou à des stimuli distrayants concurrents.

5. Construit psychologique / Construct

Le construit mesuré par l’échelle d’attention envers l’application relève de la psychologie cognitive et du comportement du consommateur numérique. Il renvoie à l’effort cognitif conscient et à la focalisation perceptive mobilisés par un individu lors de la manipulation d’une interface logicielle mobile. Ce construit se distingue conceptuellement d’autres variables telles que la simple durée d’utilisation (métrique comportementale passive) ou l’immersion affective globale (comme le flux ou flow).

Dimensions et composantes du construit

Bien que l’instrument soit opérationnalisé de manière unidimensionnelle pour optimiser la parcimonie lors d’expérimentations factorielles complexes, il intègre trois facettes cognitives sous-jacentes :

• L’intensité attentionnelle (Allocation d’effort) : Représente le volume de ressources de la mémoire de travail et d’énergie mentale allouées au décodage des éléments présents sur l’écran du smartphone. Par exemple, un consommateur cherchant un produit spécifique dans une interface dense devra mobiliser un niveau d’attention supérieur face à une interface minimaliste.
• La focalisation perceptive (Direction sélective) : Concerne le centrage de l’axe visuel et mental sur l’agent technologique ou l’application, avec une résistance à l’interférence de distracteurs environnementaux (bruits extérieurs, notifications d’autres applications).
• L’absorption de traitement : Indique la profondeur du traitement cognitif appliqué aux messages, aux animations ou aux recommandations formulées par l’application.

Dans l’étude de Barney et al. (2022), ce construit joue un rôle pivot : les auteurs démontrent qu’un niveau d’anthropomorphisme modéré (« ideally human-ish ») stimule une attention équilibrée et favorable, tandis qu’un niveau excessif ou inadapté peut détourner l’attention de l’objectif d’achat ou susciter de la méfiance cognitive (effet de la vallée de l’étrange).

6. Cadre théorique / Theoretical Framework

L’ancrage théorique de l’échelle d’attention envers l’application puise dans plusieurs courants majeurs de la psychologie cognitive et des théories de la communication :

La théorie des ressources limitées de Kahneman

Le modèle fondamental mobilisé est la théorie de la capacité d’attention limitée de Daniel Kahneman (1973). Selon cette perspective, les êtres humains disposent d’un réservoir fini de capacité de traitement de l’information. L’attention est un processus d’allocation de ces ressources rares. Lorsqu’un utilisateur interagit avec une application mobile, il doit arbitrer entre prêter attention aux éléments techniques, au contenu sémantique des offres commerciales, et gérer les stimuli de son environnement physique immédiat.

Le modèle de traitement de l’information publicitaire

L’échelle s’inspire directement des adaptations méthodologiques des modèles de traitement de l’information de MacKenzie (1986) et de Laczniak, Muehling et Grossbart (1999). Ces auteurs ont démontré que l’attention portée au support de communication est une étape préalable indispensable conditionnant la persuasion, la formation de l’attitude envers la marque et le comportement ultérieur. Barney et al. transposent ce principe du média publicitaire traditionnel vers le média interactif qu’est l’application mobile de commerce de détail.

Le paradigme CASA (Computers Are Social Actors)

Dans le contexte spécifique des recherches de Barney et collègues, le cadre théorique s’articule également avec le paradigme CASA formulé par Nass et Reeves, selon lequel les individus appliquent inconsciemment des règles sociales et cognitives humaines lorsqu’ils interagissent avec des ordinateurs ou des technologies. L’introduction d’indices anthropomorphes (visages stylisés, pronoms personnels, empathie simulée) agit comme un signal saillant activant l’attention sélective de l’utilisateur.

7. Validité / Validity

La validation psychométrique de l’échelle d’attention envers l’application a fait l’objet d’évaluations rigoureuses dans le cadre d’études expérimentales contrôlées et d’enquêtes sur des panels de consommateurs réels.

Validité de construit et validité convergente

La validité convergente a été confirmée à travers l’évaluation des saturations factorielles standardisées et de la variance moyenne extraite (AVE — Average Variance Extracted). Dans les analyses menées par Barney et al. (2022) :

• Les saturations factorielles de tous les items de l’échelle excèdent 0,80 (p < 0,001).
• L’AVE dépasse largement le critère conventionnel de Fornell et Larcker de 0,50, se situant généralement au-dessus de 0,68, ce qui démontre qu’une majorité substantielle de la variance des indicateurs est expliquée par le construit latent de l’attention.

Validité discriminante

La validité discriminante a été rigoureusement confirmée par rapport aux construits adjacents :

• Le critère de Fornell-Larcker a été satisfait : la racine carrée de l’AVE de l’attention envers l’application est strictement supérieure aux corrélations inter-construits (notamment avec l’anthropomorphisme perçu, l’utilité perçue du service et la valeur perçue).
• Le ratio HTMT (Heterotrait-Monotrait ratio) demeure systématiquement inférieur au seuil conservateur de 0,85, confirmant que l’attention envers l’application capture un phénomène empirique distinct de la simple appréciation globale ou de la facilité d’utilisation perçue.

Validité prédictive et nomologique

L’échelle a démontré une validité prédictive robuste : des niveaux accrus d’attention envers l’application prédisent de manière significative le rappel des informations promotionnelles, la satisfaction globale à l’égard du service de détail et les intentions comportementales d’achat récurrent, confirmant les hypothèses formulées dans la chaîne causale des modèles de vente au détail.

8. Fidélité / Reliability

Les indices de fidélité rapportés pour l’échelle d’attention envers l’application attestent d’une très haute stabilité interne et d’une constance métrique à travers différents contextes d’expérimentation logicielle :

• Alpha de Cronbach (α) : Les coefficients de cohérence interne rapportés oscillent de façon constante entre 0,86 et 0,93 selon les échantillons d’étude, surpassant largement le seuil standard de fiabilité de 0,70 recommandé par Nunnally et Bernstein (1994).
• Fiabilité composite (CR — Composite Reliability) : Les valeurs de fiabilité composite issues de la modélisation en équations structurelles se situent typiquement entre 0,88 et 0,94, garantissant que l’erreur de mesure aléatoire demeure minime.
• Fidélité test-retest : Dans les contextes expérimentaux de laboratoire avec exposition répétée, les corrélations de rang et de score révèlent une stabilité adéquate des dispositions attentionnelles lors d’expositions standardisées à des interfaces similaires.

9. Analyse factorielle / Factor Analysis

La confirmation de la dimensionnalité de l’instrument a été établie par l’intermédiaire de démarches complémentaires d’analyse factorielle exploratoire (AFE) et d’analyse factorielle confirmatoire (AFC).

Structure factorielle

Lors des analyses exploratoires initiales (extraction en composantes principales avec rotation varimax ou projection sur axes principaux), les items s’associent de façon univoque à un facteur unique émergeant avec une valeur propre (eigenvalue) nettement supérieure à 1,0, expliquant plus de 70 % de la variance totale des scores.

Indices d’ajustement de l’AFC

L’analyse factorielle confirmatoire réalisée par Barney et ses collègues (2022) via des logiciels de modélisation structurelle (tels qu’AMOS ou R/lavaan) démontre un ajustement remarquable du modèle unidimensionnel aux données empiriques. Les indices d’ajustement respectent les standards méthodologiques les plus exigeants de Hu et Bentler (1999) :

• Chi-deux normé (χ²/df) : Compris entre 1,20 et 2,45 (seuil acceptable < 3,0).
• CFI (Comparative Fit Index) : > 0,98.
• TLI (Tucker-Lewis Index) : > 0,97.
• RMSEA (Root Mean Square Error of Approximation) : < 0,05 (avec intervalle de confiance à 90 % compris entre 0,00 et 0,07).
• SRMR (Standardized Root Mean Square Residual) : < 0,03.

Toutes les saturations factorielles (λ) standardisées des items sur le construit latent s’échelonnent entre 0,81 et 0,92, sans intercorrélation anormale des termes d’erreur résiduelle, attestant de l’élégance et de la parcimonie de la structure factorielle.

10. Instrument de mesure / Instrument

Les caractéristiques opérationnelles de l’instrument se résument ainsi :

• Type d’instrument : Questionnaire d’auto-évaluation psychométrique (self-report measure).
• Format d’administration : Informatique, sur mobile, tablette ou ordinateur de bureau (souvent administré immédiatement après l’interaction avec le prototype ou l’application).
• Nombre d’items : Généralement 3 à 4 items adaptés au contexte de l’application interactive.
• Échelle de réponse : Échelle de Likert à 7 points (1 = « Pas du tout d’attention / Tout à fait en désaccord » à 7 = « Énormément d’attention / Tout à fait d’accord ») ou échelle de différentiel sémantique évaluant le degré d’attention alloué.
• Mode de cotation : Calcul du score moyen (somme des items divisée par le nombre d’items) ou score factoriel pondéré issu de la modélisation structurelle. Un score plus élevé indique une focalisation attentionnelle accrue sur l’application.
• Temps de passation : Moins de 2 minutes, conférant à l’échelle une excellente faisabilité pour les protocoles expérimentaux multiphases.

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

L’échelle a été publiée en 2022 au sein du Journal of Retailing.

• Année d’introduction formelle : 2022.
• Statut des droits d’auteur : L’article scientifique est publié sous copyright par Elsevier Inc. au nom de la New York University. L’utilisation académique et non commerciale des énoncés de recherche décrits dans les publications scientifiques est généralement autorisée dans le cadre des principes d’usage loyal (fair use) à des fins de recherche fondamentale et d’enseignement.
• Tarifs d’accès : L’instrument lui-même ne fait l’objet d’aucune redevance commerciale pour les chercheurs académiques. L’accès à l’article princeps peut nécessiter un abonnement institutionnel à la base de données ScienceDirect ou un achat de l’article à l’unité selon les politiques de l’éditeur.
• Demandes d’autorisation : Pour toute utilisation commerciale, intégration logicielle propriétaire ou reproduction intégrale, les chercheurs et praticiens sont invités à consulter les autorisations de droits gérées via le système Copyright Clearance Center (CCC) associé au Journal of Retailing.

12. Références / References

Les travaux fondateurs et les études méthodologiques associés à la construction de cette échelle comprennent :

• Barney, C., Hancock, T., Esmark Jones, C. L., Kazandjian, B., & Collier, J. E. (2022). Ideally human-ish: How anthropomorphized do you have to be in shopper-facing retail technology? Journal of Retailing, 98(4), 685–705. https://doi.org/10.1016/j.jretai.2022.03.003
• Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
• Kahneman, D. (1973). Attention and effort. Prentice-Hall.
• Laczniak, R. N., Muehling, D. D., & Grossbart, S. (1999). Manipulating consumers’ attention to and perceptions of retail ads. Journal of Retailing and Consumer Services, 6(4), 193–204. https://doi.org/10.1016/S0969-6989(98)00006-2
• MacKenzie, S. B. (1986). The role of attention in mediating the effect of advertising on attribute importance. Journal of Consumer Research, 13(2), 174–195. https://doi.org/10.1086/209059
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.

13. Questions et items du questionnaire / Scale Items

Les items officiels de cette échelle sont protégés par le droit d’auteur de l’éditeur scientifique et des auteurs originaux, et ne sont pas reproduits intégralement dans le domaine public ouvert.

L’instrument repose conceptuellement sur la formulation des questions d’attention adaptées des échelles d’attention publicitaire (notamment l’intensité de l’attention accordée à l’outil, le degré d’attention portée aux contenus interactifs et le niveau de concentration lors de la navigation sur l’application). Pour accéder à l’inventaire complet et textuel des items originaux, les chercheurs doivent se référer à la publication princeps ou contacter directement les auteurs correspondants :