Attitude envers le tweet (manipulateur) (ATTWM)

1. Résumé / Abstract

L’échelle d’Attitude envers le tweet (manipulateur) (souvent désignée sous l’acronyme ATTWM pour Attitude Toward the Tweet – Manipulative) est un instrument psychométrique bref composé de trois items conçu pour quantifier le degré auquel un message publié sur les réseaux sociaux (particulièrement sous le format d’un micro-message de type « tweet ») est jugé inapproprié, injuste et manipulateur par les récepteurs. Issu des travaux séminaux de Kirmani et Zhu (2007) portant sur l’activation des connaissances de persuasion (Persuasion Knowledge Model) et la théorie du focus régulateur, cet outil a été réinvesti dans la recherche contemporaine en marketing numérique et communication médiatisée par Thomas et Fowler (2021) afin d’évaluer les réactions des consommateurs face à de nouvelles formes d’influence, notamment les influenceurs générés par intelligence artificielle.

L’instrument repose sur une structure unifactorielle évaluant une dimension cognitive et morale critique : l’intention manipulatrice perçue. Les répondants évaluent le stimulus à l’aide d’une échelle de type Likert ou différentiel sémantique en 7 points (allant de 1 = « Pas du tout » à 7 = « Extrêmement » ou de « Pas du tout d’accord » à « Tout à fait d’accord »). Les propriétés psychométriques documentées à travers plusieurs corpus empiriques démontrent une consistance interne exceptionnelle (les coefficients alpha de Cronbach oscillant typiquement entre 0,85 et 0,93), ainsi qu’une remarquable validité de construit, convergente et discriminante. En isolant la perception de manipulation tactique, l’échelle permet de prédire les attitudes envers la marque, la défiance du consommateur et le bouche-à-oreille négatif avec une haute précision statistique.

2. Mots-clés / Keywords

Psychométrie, attitude envers le tweet, intention manipulatrice, modèle des connaissances en persuasion, marketing d’influence, réseaux sociaux, théorie du focus régulateur, comportement du consommateur, perception éthique, validité factorielle.

3. Auteurs / Authors

L’opérationnalisation originelle des descripteurs de manipulation provient des travaux fondamentaux en psychologie du consommateur menés par :

• Amna Kirmani — Professeure émérite de marketing, Robert H. Smith School of Business, Université du Maryland, College Park, États-Unis. Spécialiste de la signalisation de la qualité marchande, de la détection de la tromperie et des connaissances de persuasion des consommateurs.
• Rui (Juliet) Zhu — Professeure de marketing, Cheung Kong Graduate School of Business (CKGSB), Pékin, Chine ; anciennement rattachée à la Sauder School of Business, Université de Colombie-Britannique, Vancouver, Canada. Ses travaux explorent l’impact des contextes environnementaux et de la régulation de soi sur le traitement de l’information.

L’adaptation et la validation contextuelle ciblée sur les formats de microblogging (Twitter/X) et les technologies d’influence émergentes (influenceurs virtuels IA) ont été conduites par :

• Veronica L. Thomas — Professeure associée de marketing, Department of Marketing, College of Business, Old Dominion University, Norfolk, Virginie, États-Unis.
• Kendra Fowler — Professeure associée de marketing, Williamson College of Business Administration, Youngstown State University, Youngstown, Ohio, États-Unis.

4. Objectif / Purpose

Dans l’écosystème numérique contemporain, la frontière entre communication relationnelle authentique et manœuvre persuasive dissimulée est devenue extrêmement ténue. L’objectif fondamental de l’échelle d’Attitude envers le tweet (manipulateur) est de mesurer quantitativement la saillance cognitive et affective avec laquelle un récepteur identifie un tweet ou une communication brève comme violant les normes conversationnelles implicites en dissimulant un dessein coercitif ou trompeur.

D’un point de vue théorique, l’échelle permet d’opérationnaliser le moment critique où le consommateur « fait face » au message commercial, non plus en traitant simplement les arguments de persuasion, mais en activant ses schémas de méfiance. Lorsque les consommateurs interagissent sur les plateformes de microblogging, ils s’attendent à un certain niveau d’authenticité et d’engagement direct. Lorsqu’une marque ou un agent d’influence utilise des tactiques perçues comme agressives, mensongères ou structurellement biaisées, cette échelle capture la réponse négative spécifique qui en découle.

Les applications de cet instrument se déploient dans plusieurs domaines scientifiques et professionnels majeurs :

• Recherche expérimentale en comportement du consommateur : Tester l’effet modérateur de la divulgation des partenariats commerciaux (sponsoring disclosures), de la typologie des promoteurs (célébrités humaines versus entités d’intelligence artificielle) ou de la tonalité des accroches rédactionnelles sur l’induction de scepticisme.
• Éthique de la communication numérique : Analyser comment les infractions perçues à l’équité communicative modifient la relation de confiance entre les internautes et les émetteurs institutionnels.
• Surveillance de la réputation de marque et relations publiques : Diagnostiquer le risque d’effet rebond (« backlash ») lors du déploiement de campagnes publicitaires sur les réseaux sociaux. Un score élevé sur cette échelle signale une rupture de contrat moral, anticipant une chute drastique de l’intention d’achat et une hausse des comportements de boycott ou de réprobation collective.

5. Construit psychologique / Construct

L’échelle mesure l’intention manipulatrice perçue (perceived manipulative intent), un construit psychologique unifactoriel défini comme la conviction d’un individu qu’un émetteur tente de persuader autrui par des moyens déloyaux, coercitifs ou contraires à l’éthique discursive standard. Ce construit ne se confond pas avec une simple désapprobation esthétique ou un faible intérêt pour le contenu : il s’agit d’une évaluation normative et morale de la tactique d’influence elle-même.

Le construit est capturé par trois facettes sémantiques complémentaires qui convergent vers une représentation unitaire de l’artifice persuasif :

1. Caractère inapproprié (Inappropriate)

Cette composante évalue la violation des normes sociales, contextuelles ou conversationnelles régissant la plateforme. Un tweet est jugé inapproprié lorsqu’il s’immisce de manière indue dans l’espace personnel de l’utilisateur, qu’il exploite des sujets sensibles (causes sociétales, deuils, crises sanitaires) à des fins mercantiles opportunistes, ou qu’il utilise un ton non adapté à l’éthos perçu de l’émetteur. L’évaluation de l’inconvenance constitue souvent le premier signal d’alarme signalant une déviance par rapport aux attentes normatives.

2. Iniquité / Caractère déloyal (Unfair)

La dimension d’iniquité renvoie au déséquilibre perçu dans le contrat de communication. Le récepteur ressent que l’émetteur ne respecte pas les règles du jeu loyal : asymétrie d’information, dissimulation de l’identité réelle du rédacteur (notamment lors de l’usage d’avatars ou d’influenceurs synthétiques sans avertissement clair) ou exploitation de la vulnérabilité émotionnelle des cibles. Ce sentiment d’injustice génère un sentiment de réactance psychologique chez le lecteur.

3. Intention manipulatrice (Manipulative)

Cette facette constitue le cœur ontologique du construit. Elle implique l’attribution d’une motivation intentionnelle d’asservissement cognitif ou de duperie. Le consommateur ne perçoit plus l’émetteur comme un partenaire d’échange communicatif, mais comme un agent calculateur cherchant à obtenir son adhésion ou son argent par des artifices rhétoriques ou des biais heuristiques conçus à son insu. C’est l’essence même de l’activation des théories naïves sur la persuasion commerciale.

6. Cadre théorique / Theoretical Framework

L’ancrage théorique de l’ATTWM repose principalement sur l’articulation entre le Modèle des connaissances en persuasion (PKM) de Friestad et Wright (1994) et la Théorie du focus régulateur d’E. Tory Higgins (1997), mise en œuvre de manière pionnière dans ce cadre par Kirmani et Zhu (2007).

Le Modèle des connaissances en persuasion (Friestad & Wright, 1994)

Selon le PKM, les individus développent tout au long de leur socialisation un répertoire de connaissances intuitives concernant les buts, les stratégies et les techniques mobilisés par les agents de persuasion. Ces « théories de sens commun » restent souvent latentes jusqu’à ce qu’un indice textuel, formel ou contextuel vienne éveiller les soupçons du récepteur. Lorsque ces connaissances s’activent, l’attention de l’individu se déplace : il cesse de traiter le message au premier degré (validation de la pertinence des arguments) pour analyser les motivations sous-jacentes de l’émetteur. L’ATTWM mesure précisément le résultat de cette bascule cognitive, attestant que le tweet a déclenché le filtre de défense psychologique du consommateur.

La Théorie du focus régulateur (Higgins, 1997 ; Kirmani & Zhu, 2007)

Kirmani et Zhu (2007) ont approfondi cette dynamique en démontrant que la propension à détecter et sanctionner une intention manipulatrice dépend de l’orientation motivationnelle du récepteur :

• Focus de prévention (Prevention Focus) : Les individus orientés vers la prévention recherchent la sécurité, évitent les pertes et se montrent intrinsèquement vigilants face aux risques d’exploitation. Ils possèdent un seuil de déclenchement de leurs connaissances de persuasion particulièrement bas. Face à un message ambigu, ils infèrent immédiatement une volonté de tromperie et évaluent le message comme hautement manipulateur.
• Focus de promotion (Promotion Focus) : À l’inverse, les individus en état de promotion privilégient la réalisation des gains, l’idéal et l’accomplissement. Ils se montrent généralement moins vigilants à l’égard des indices subtils de manipulation, à moins que la tentative d’influence ne soit flagrante et ouvertement agressive.

L’adaptation par Thomas et Fowler (2021) ancre en outre l’échelle dans les théories contemporaines de l’attribution et de l’authenticité médiatique. Face à des messages publicitaires portés par des ambassadeurs algorithmiques ou virtuels, l’échelle révèle à quel point l’absence d’agentivité humaine réelle accentue le soupçon de manipulation stratégique orchestrée par les marques commanditaires.

7. Validité / Validity

La validité psychométrique de l’échelle d’attitude envers le tweet (manipulateur) a fait l’objet de rigoureuses vérifications au sein d’études expérimentales et corrélationnelles publiées dans les revues majeures de marketing et de psychologie cognitive.

Validité de construit et validité convergente

La validité convergente de l’instrument est attestée par ses intercorrélations substantielles et théoriquement congruentes avec d’autres échelles validées mesurant le scepticisme général envers la publicité (Obermiller & Spangenberg, 1998), la réactance psychologique situationnelle (Brehm, 1966) et l’inférence de motivations d’intérêt personnel (corporate ulterior motives). Dans les études de Kirmani et Zhu (2007), les scores d’intention manipulatrice perçue étaient significativement plus élevés lorsque des tactiques réputées trompeuses étaient insérées expérimentalement dans les stimuli (telles que des omissions délibérées ou des amorçages flatteurs artificiels), démontrant une excellente sensibilité du construit aux variations de la manipulation expérimentale.

Validité discriminante

La validité discriminante a été confirmée par l’analyse des matrices de corrélations et par le critère de Fornell-Larcker dans les modélisations par équations structurelles. Bien que corrélée négativement avec l’attitude générale envers l’annonce ($A_{ad}$) et l’attitude envers la marque ($A_b$), l’échelle d’ATTWM partage moins de 50 % de variance avec ces construits évaluatifs globaux. Cela prouve que mesurer l’évaluation déloyale d’une tactique apporte une valeur explicative unique, irréductible à un simple désamour général pour la marque ou à une mauvaise qualité esthétique perçue du message.

Validité prédictive et nomologique

Sur le plan prédictif, l’ATTWM prédit de manière robuste les intentions comportementales négatives. Dans l’étude de Thomas et Fowler (2021), un score élevé d’intention manipulatrice perçue dans un tweet médiatisé par un influenceur virtuel induit une diminution statistiquement significative de l’évaluation de la crédibilité de la source, une chute de l’intention d’achat et une hausse de la volonté d’émettre des commentaires critiques publics (bouche-à-oreille négatif).

8. Fidélité / Reliability

Malgré sa brièveté délibérée (trois descripteurs), l’instrument présente d’excellents indices de cohérence interne à travers une pluralité d’échantillons démographiques et d’expérimentations factorielles :

• Consistance interne : Dans les travaux pionniers de Kirmani et Zhu (2007), le coefficient alpha de Cronbach ($lpha$) de la mesure variait de 0,86 à 0,91 selon les conditions expérimentales. Dans l’application spécifique aux tweets d’influence par Thomas et Fowler (2021), la fiabilité s’est maintenue à un niveau remarquable de $lpha = 0,92$.
• Fiabilité composite ($CR$) et Omega de McDonald ($\omega$) : Les indices de fiabilité composite rapportés dans les réplications contemporaines dépassent systématiquement le seuil critique de 0,80, se situant le plus souvent entre 0,88 et 0,93, ce qui confirme que la variance totale est attribuable de manière écrasante au construit sous-jacent plutôt qu’à l’erreur de mesure aléatoire.
• Stabilité empirique : En raison de la nature d’état (évaluation situationnelle réactive) plutôt que de trait de l’instrument, la fidélité test-retest n’est pas l’indicateur principal privilégié dans les protocoles de persuasion instantanée ; néanmoins, la consistance de la structure factorielle à travers des stimuli très divers (textes écrits purs, images accompagnées de légendes courtes, vidéos promotionnelles succinctes) atteste d’une remarquable robustesse métrologique.

9. Analyse factorielle / Factor Analysis

Les investigations en analyse factorielle exploratoire (AFE) et confirmatoire (AFC) apportent des preuves solides en faveur de l’unidimensionnalité stricte de l’échelle.

Analyses Factorielles Exploratoires (AFE)

Lors de l’extraction par la méthode des axes principaux ou du maximum de vraisemblance (avec ou sans rotation, celle-ci étant superflue en présence d’un facteur unique), les analyses révèlent systématiquement un seul facteur propre avec une valeur propre (eigenvalue) largement supérieure à 1,0 (dépassant fréquemment 2,30). Ce facteur unique extrait entre 75 % et 85 % de la variance totale des réponses. Les saturations factorielles (factor loadings) individuelles des trois items sont uniformément élevées :

• Item 1 (Inappropriate) : saturations généralement comprises entre 0,78 et 0,86.
• Item 2 (Unfair) : saturations se situant entre 0,82 et 0,90.
• Item 3 (Manipulative) : saturation la plus robuste, oscillant entre 0,88 et 0,94.

Analyses Factorielles Confirmatoires (AFC)

Dans le cadre des modèles d’équations structurelles (SEM), le modèle de mesure unifactoriel à trois indicateurs est techniquement « juste identifié » (degrés de liberté $df = 0$). Cependant, lorsqu’il est testé conjointement avec d’autres construits latents connexes (tels que la confiance envers la source, l’attitude envers le message et l’authenticité perçue), le modèle global présente d’excellents indices d’ajustement global :

• Indice de comparaison de Bentler (CFI) $> 0,98$
• Indice de Tucker-Lewis (TLI) $> 0,96$
• Erreur quadratique moyenne d’approximation (RMSEA) $< 0,05$
• Résidu quadratique moyen standardisé (SRMR) $< 0,03$

Ces résultats confirment que les trois items forment un ensemble cohérent et homogène traduisant sans redondance excessive le spectre de la manipulation perçue.

10. Instrument de mesure / Instrument

• Type d’instrument : Échelle psychométrique d’auto-évaluation unifactorielle brève (différentiel sémantique ou format d’accord de type Likert).
• Nombre total d’items : 3 items composés de descripteurs adjectivaux qualificatifs.
• Format de réponse : Échelle graduée en 7 points (1 = Not at all / Pas du tout ou Strongly Disagree / Tout à fait en désaccord à 7 = Extremely / Extrêmement ou Strongly Agree / Tout à fait d’accord).
• Procédure de calcul des scores (Cotation) : Les scores numériques obtenus sur les trois items (de 1 à 7) sont additionnés puis divisés par trois afin d’établir un score moyen global d’intention manipulatrice perçue. Aucun item inversé n’est présent dans la version originale. Un score élevé (tendant vers 7) reflète une perception intense d’iniquité, d’inconvenance et de manipulation tactique dans le tweet évalué.
• Temps de passation : Moins de 60 secondes, conférant à l’outil une excellente applicabilité dans les plans d’expérimentation complexes en ligne comprenant de multiples expositions à des stimuli variés.

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

• Année d’introduction princeps : 2007 (dans l’article de Kirmani & Zhu, Journal of Consumer Research).
• Année d’adaptation aux micro-formats sociaux (Twitter/X) : 2021 (dans l’article de Thomas & Fowler, Journal of Advertising).
• Droits d’auteur et permissions : Les descripteurs originaux relèvent de la littérature universitaire publique en libre accès pour la recherche non commerciale (sous réserve de citation appropriée des auteurs sources conformément aux normes éthiques et scientifiques). L’usage commercial à des fins d’audit marketing propriétaire ou d’ingénierie publicitaire doit respecter les conditions de propriété intellectuelle des revues éditrices respectives (Oxford University Press pour le Journal of Consumer Research et Taylor & Francis pour le Journal of Advertising).
• Tarif d’utilisation : Gratuit pour l’enseignement académique, les thèses doctorales et les protocoles de recherche fondamentale.

12. Références / References

• Brehm, J. W. (1966). A theory of psychological reactance. Academic Press. https://psycnet.apa.org/record/1966-10672-000
• Friestad, M., & Wright, P. (1994). The Persuasion Knowledge Model: How people cope with persuasion attempts. Journal of Consumer Research, 21(1), 1–31. https://doi.org/10.1086/209380
• Higgins, E. T. (1997). Beyond pleasure and pain. American Psychologist, 52(12), 1280–1300. https://doi.org/10.1037/0003-066X.52.12.1280
• Kirmani, A., & Zhu, R. (2007). Vigilant against manipulation: The effect of regulatory focus on the use of persuasion knowledge. Journal of Consumer Research, 34(5), 688–701. https://doi.org/10.1086/521909
• Obermiller, C., & Spangenberg, E. R. (1998). Development of a scale to measure skepticism toward advertising. Journal of Consumer Psychology, 7(2), 159–186. https://doi.org/10.1207/s15327663jcp0702_03
• Thomas, V. L., & Fowler, K. (2021). Close encounters of the AI kind: Use of AI influencers as brand endorsers. Journal of Advertising, 50(1), 11–25. https://doi.org/10.1080/00913367.2020.1810595

13. Questions et items du questionnaire / Scale Items