Authenticité de l’Avis en Ligne (AUTRV)

1. Résumé / Abstract

L’échelle d’Authenticité de l’Avis en Ligne (Authenticity of the Review, abrégée AUTRV) est un instrument psychométrique bref développé par Zhe Zhang et Vanessa M. Patrick (2021). Conçue initialement dans le cadre de recherches en comportement du consommateur et en marketing numérique, cette mesure évalue la mesure dans laquelle un utilisateur perçoit une publication sur les réseaux sociaux ou un avis en ligne comme étant sincère, véridique et dénué de motivations commerciales cachées. Composée de trois items formulés sous la forme d’échelles de type Likert à 7 points (allant de 1 = « Pas du tout d’accord » à 7 = « Tout à fait d’accord »), l’échelle capture la tension perceptuelle entre l’expression spontanée d’un consommateur authentique et le contenu promotionnel commandité ou fabriqué de toutes pièces.

Sur le plan structurel, l’instrument comprend un item formulé de manière positive (évaluant le caractère sincère et authentique du message) et deux items inversés (ciblant les soupçons de fabrication artificielle et la présence d’incitations commerciales sous-jacentes). Cette architecture psychométrique permet de neutraliser les biais d’acquiescement tout en mesurant précisément le niveau de scepticisme activé lors de la lecture d’un message électronique de bouche-à-oreille (electronic Word-of-Mouth, eWOM). Les analyses psychométriques rapportées dans les études princeps indiquent une consistance interne satisfaisante, avec des coefficients alpha de Cronbach systématiquement supérieurs au seuil conventionnel de 0,70, atteignant des valeurs oscillant entre 0,78 et 0,86 selon les conditions expérimentales.

L’échelle AUTRV s’est avérée particulièrement robuste pour discriminer le contenu généré par des pairs (User-Generated Content, UGC) du contenu sponsorisé par les marques, notamment lors de l’étude de l’usage des surnoms de marques (par exemple, « Mickey D’s » au lieu de « McDonald’s »). En capturant fidèlement les nuances subtiles du jugement de véracité des internautes, cet outil offre aux chercheurs une mesure parcimonieuse et valide pour sonder l’impact de l’authenticité perçue sur la persuasion publicitaire, la confiance envers la source et l’intention comportementale.

2. Mots-clés / Keywords

Authenticité perçue, avis en ligne, bouche-à-oreille électronique, eWOM, scepticisme du consommateur, marketing d’influence, réseaux sociaux, crédibilité de la source, persuasion publicitaire, psychométrie.

3. Auteurs / Authors

L’échelle AUTRV a été conçue et validée par :

• Zhe Zhang : Professeur adjoint de marketing, Faculté de gestion et d’administration des affaires, spécialisé dans l’analyse de l’engagement des consommateurs sur les plateformes numériques et la communication des marques. Institution d’affiliation lors des travaux : C. T. Bauer College of Business, University of Houston, Houston, Texas, États-Unis.
• Vanessa M. Patrick : Professeure de marketing, doyenne associée à la recherche, Bauer College of Business, University of Houston, Houston, Texas, États-Unis. Chercheuse de renommée internationale spécialisée dans l’art de l’influence, la psychologie du design, l’esthétique et les interactions affectives entre les consommateurs et les marques (Courriel institutionnel disponible via l’annuaire universitaire de l’Université de Houston).

4. Objectif / Purpose

L’objectif central de l’échelle AUTRV est d’opérationnaliser et de quantifier le construit d’authenticité perçue appliqué aux communications textuelles et visuelles issues des plateformes de médias sociaux et des sites d’avis en ligne (tels que TripAdvisor, Yelp, Instagram, TikTok ou X). Dans un environnement numérique saturé d’opérations de parrainage non divulguées, de faux avis rédigés par des fermes de clics et de campagnes d’influence déguisées, les internautes développent des mécanismes d’autodéfense cognitive. L’échelle AUTRV a été spécialement développée pour capter ce processus évaluatif spécifique : déterminer si un message émane d’une expérience vécue, sincère et désintéressée, ou s’il résulte d’une orchestration mercatique visant à manipuler les perceptions d’autrui.

Sur le plan de la recherche fondamentale, cet outil permet de décortiquer les antécédents discursifs et linguistiques qui confèrent à un message une valeur de vérité psychologique. Dans l’article inaugural de Zhang et Patrick (2021), l’instrument a servi à démontrer qu’un détail textuel anodin — l’emploi spontané d’un surnom de marque (brand nickname) par un consommateur — fonctionne comme un signal heuristique puissant d’authenticité. Les chercheurs en psychologie sociale et cognitive utilisent l’AUTRV pour comprendre comment les individus traitent les indices périphériques et centraux (selon le modèle de probabilité d’élaboration) pour inférer l’intégrité motivationnelle de l’émetteur.

Dans le domaine appliqué et organisationnel, la mesure répond à un enjeu stratégique majeur pour les gestionnaires de plateformes, les annonceurs et les organismes de protection des consommateurs. Elle offre une métrique standardisée pour diagnostiquer la dégradation de la confiance dans les systèmes d’évaluation participatifs, analyser la réaction des consommateurs face aux mentions obligatoires de parrainage (telles que « #ad » ou « #sponsorisé »), et concevoir des chartes de modération capables de préserver le capital d’authenticité des communautés virtuelles.

5. Construit psychologique / Construct

Le construit mesuré par l’AUTRV est l’authenticité perçue de l’avis, conceptualisée comme un jugement évaluatif global et subjectif porté par un observateur concernant la fidélité, la véracité et la pureté motivationnelle d’un message électronique. Contrairement à l’authenticité objective — qui repose sur des preuves factuelles vérifiables d’achat —, l’authenticité perçue est une construction phénoménologique qui s’élabore dans l’esprit du récepteur en fonction d’indices discursifs, contextuels et paralinguistiques.

L’échelle saisit deux facettes fondamentales, indissociables sur le plan du construit global mais complémentaires dans leur polarité sémantique :

• La sincérité expérientielle (Pôle positif) : Cette composante mesure le sentiment que l’auteur du texte partage une impression émotionnelle et fonctionnelle authentique. Elle présuppose que le contenu découle d’un engagement direct et non biaisé avec le produit ou service. Par exemple, un récepteur percevant un avis comme « sincère et véritable » estime que l’émetteur n’a aucun agenda secret et que son seul motif est le partage d’information ou l’expression de soi.
• La suspicion d’instrumentalisation commerciale (Pôle négatif / Scepticisme) : Cette facette examine l’attribution de motifs externes mercantiles. L’observateur soupçonne-t-il que le message a été rédigé sous l’effet d’une compensation financière, de produits offerts, ou d’un mandat explicite de l’équipe marketing de la marque ? Elle inclut également l’hypothèse de la fabrication totale (fausse identité, « astroturfing »). Les deux items inversés de l’échelle mesurent précisément le degré auquel le lecteur suspecte une transaction dissimulée ou une mise en scène trompeuse.

En articulant ces deux pôles, l’AUTRV capture le concept théorique selon lequel l’authenticité n’est pas simplement l’absence de mensonge avéré, mais une dialectique active entre reconnaissance de véracité et neutralisation des soupçons de manipulation persuasive. Ainsi, un score élevé sur cette échelle reflète un contenu que le consommateur juge à la fois intrinsèquement vrai et totalement exempt de collusion corporative.

6. Cadre théorique / Theoretical Framework

L’élaboration de l’AUTRV s’enracine au croisement de plusieurs traditions théoriques majeures en psychologie sociale et en sciences du comportement :

Le Modèle de la Connaissance de la Persuasion (Persuasion Knowledge Model)

Développé par Friestad et Wright (1994), le Modèle de la Connaissance de la Persuasion (PKM) postule que les individus développent au fil du temps des connaissances intuitives sur les tactiques, les objectifs et les motivations des agents persuasifs. Lorsqu’un consommateur est exposé à une communication, il mobilise cette « connaissance de la persuasion » pour identifier la présence d’une tentative d’influence. Si une tentative d’influence est détectée, le mécanisme de défense critique s’active, entraînant du scepticisme, de la réactance et une dévaluation de l’authenticité perçue du message. L’échelle AUTRV mesure directement l’issue de cette négociation cognitive : un score faible indique que les « défenses PKM » ont été déclenchées par des indices suspects, tandis qu’un score élevé indique que le message a été perçu comme non calculé et exempt d’intention persuasive stratégique.

La Théorie de l’Attribution

Formulée initialement par Fritz Heider (1958) et affinée par Harold Kelley (1967), la théorie de l’attribution explique comment les individus attribuent des causes aux comportements observés chez autrui. Face à un avis en ligne louant les qualités exceptionnelles d’un produit, le lecteur procède à une inférence causale : l’auteur s’exprime-t-il ainsi en raison des qualités intrinsèques du produit (attribution dispositionnelle/interne au produit) ou parce qu’il a été rémunéré pour le faire (attribution situationnelle/externe) ? L’AUTRV évalue la prépondérance de l’attribution interne : plus l’avis est jugé authentique, plus l’opinion favorable est attribuée à l’expérience objective du client plutôt qu’à une rétribution extérieure.

La Théorie des Signaux (Signaling Theory)

Issue des travaux de Michael Spence (1973), la théorie des signaux décrit la transmission d’informations crédibles dans des contextes d’asymétrie d’information. Dans le monde virtuel, l’anonymat relatif empêche le lecteur de connaître les réelles motivations de l’auteur. Les indices textuels — comme l’utilisation de surnoms de marque informels étudiée par Zhang et Patrick — agissent comme des « signaux coûteux » ou des signaux d’appartenance culturelle qui indiquent un faible risque de manipulation commerciale. L’AUTRV fonctionne comme la variable dépendante psychologique mesurant le succès ou l’échec de ces signaux à transmettre une impression de crédibilité et de spontanéité.

7. Validité / Validity

Les propriétés psychométriques de l’échelle d’authenticité de l’avis ont été évaluées de manière rigoureuse dans une série d’études expérimentales conduites par Zhang et Patrick (2021). Ces travaux attestent d’une excellente validité de construit, convergente, discriminante et prédictive.

Validité de Construit et Convergente

La validité de construit est étayée par la cohérence interne remarquable des trois items, malgré la présence d’items inversés qui introduisent une variance lexicale protectrice contre les biais de réponse. Dans les différentes études du programme de recherche de Zhang et Patrick (portant sur des échantillons d’adultes recrutés en ligne via Amazon MTurk et Prolific), les corrélations inter-items corrigées se sont avérées fortes (généralement r > 0,60, p < 0,001). L’analyse de la variance moyenne extraite (AVE) montre que le facteur unique capture une part substantielle de la variance des indicateurs, excédant confortablement le seuil de 0,50 préconisé par Fornell et Larcker (1981).

Validité Discriminante

La validité discriminante a été confirmée en confrontant l’AUTRV à des construits connexes mais conceptuellement distincts, tels que l’attitude générale envers la marque (Brand Attitude), la perception de l’expertise de la source (Source Expertise), et la connectivité marque-consommateur (Brand Connection). Les analyses ont révélé que l’authenticité de l’avis ne se confond pas avec la simple valence positive du message ou l’appréciation globale de l’émetteur. L’indice d’authenticité mesure spécifiquement la véracité motivationnelle, permettant de constater qu’un message peut être jugé émanant d’une source sympathique mais manquant d’authenticité (par exemple, un influenceur admiré mais perçu comme trop commercial).

Validité Prédictive et Nomologique

La validité prédictive de l’AUTRV a été démontrée à travers son rôle médiateur central dans des chaînes causales complexes. Dans les expériences de Zhang et Patrick (2021), l’authenticité perçue de l’avis médiatise significativement l’effet de l’utilisation d’un surnom de marque (versus le nom officiel complet) sur :

• La crédibilité globale accordée aux informations contenues dans la publication ;
• L’attitude du consommateur envers le produit évalué ;
• Les intentions d’achat ultérieures des participants.

Des analyses de médiation par bootstrap (utilisant la macro PROCESS de Hayes, modèle 4) ont confirmé la robustesse de ces effets indirects, avec des intervalles de confiance à 95 % n’incluant pas zéro, établissant ainsi une validité nomologique sans équivoque.

8. Fidélité / Reliability

La fidélité de l’échelle AUTRV a été établie au moyen d’indicateurs de consistance interne rigoureux à travers de multiples contextes expérimentaux et diverses catégories de produits (restauration rapide, biens technologiques, services hôteliers et marques de mode).

Dans l’article de Zhang et Patrick (2021) :

• Dans l’Étude 1 (expérimentation portant sur la crédibilité de publications Instagram mentionnant des enseignes de restauration), le coefficient alpha de Cronbach (α) s’élevait à 0,82.
• Dans l’Étude 2 (exploration du rôle modérateur de la familiarité avec la marque et des plateformes d’avis spécialisées), l’alpha de Cronbach a atteint 0,85.
• Dans les études complémentaires et réplications systématiques présentées dans les annexes en ligne des auteurs, la consistance interne s’est maintenue de façon stable dans un intervalle compris entre 0,78 et 0,86.
• La fiabilité composite (Composite Reliability, CR), qui offre une estimation non biaisée de la consistance interne dans le cadre de la modélisation en équations structurelles, dépassait systématiquement la valeur standard de 0,80.

Bien que les études transversales en ligne ne permettent généralement pas d’évaluer la fidélité test-retest sur le long terme (en raison du caractère instantané du traitement de l’information persuasive dans les paradigmes expérimentaux), la très forte homogénéité inter-items et la réplicabilité des métriques à travers des contextes sociodémographiques variés garantissent une fiabilité de mesure élevée.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle AUTRV a été validée au moyen d’analyses factorielles exploratoires (AFE) et confirmatoires (AFC).

Analyse Factorielle Exploratoire (AFE)

Lors des phases initiales de validation statistique, les analyses en composantes principales et les analyses factorielles en axes principaux avec extraction basée sur le critère de Kaiser (valeurs propres supérieures à 1) ont mis en évidence l’extraction systématique d’un facteur unique. La première valeur propre expliquait à elle seule entre 68 % et 74 % de la variance totale des scores, tandis que la seconde valeur propre chutait drastiquement sous le seuil de 0,50, confirmant l’unidimensionnalité du construit d’authenticité de l’avis.

Analyse Factorielle Confirmatoire (AFC)

Des modèles d’équations structurelles confirmatoires ont été testés pour valider la structure unifactorielle à 3 items. Les saturations factorielles standardisées (factor loadings, λ) pour chaque item se sont avérées hautement significatives (p < 0,001) :

• L’item direct (« L’avis semble authentique et sincère ») présentait des saturations variant de λ = 0,78 à 0,86.
• Les deux items inversés (« L’avis semble fabriqué de toutes pièces » et « L’avis semble commercialement motivé / rémunéré ») affichaient des saturations respectives variant de λ = 0,72 à 0,83 après recodage.

Le modèle à un facteur présente une adéquation optimale aux données empiriques. Pour un modèle juste identifié à trois variables manifestes (degrés de liberté = 0), les indices de saturation et les résidus d’estimation standardisés demeurent bien en deçà des seuils critiques, confirmant l’absence d’erreurs de mesure corrélées non justifiées.

10. Instrument de mesure / Instrument

L’instrument AUTRV se caractérise par une administration simple, directe et particulièrement rapide, limitant au minimum la fatigue cognitive des répondants au sein de protocoles d’enquêtes ou d’expériences en laboratoire.

• Type d’instrument : Échelle psychométrique d’auto-évaluation (questionnaire administré en ligne ou sur papier).
• Objet évalué : Une publication spécifique, un extrait textuel de réseau social, un avis client ou un témoignage produit préalablement présenté au participant.
• Nombre d’items : 3 items (1 item formulé positivement, 2 items formulés négativement/inversés).
• Format de réponse : Échelle de Likert à 7 points :
  • 1 = Pas du tout d’accord (Strongly disagree)
  • 2 = En désaccord
  • 3 = Plutôt en désaccord
  • 4 = Neutre / Ni d’accord ni en désaccord
  • 5 = Plutôt d’accord
  • 6 = D’accord
  • 7 = Tout à fait d’accord (Strongly agree)
• Cotation et calcul du score :
  • Inverser les scores des deux items négatifs : le score transformé = 8 – score initial (de sorte qu’une note de 1 devienne 7, 2 devienne 6, etc.).
  • Calculer la moyenne arithmétique des 3 items (ou la somme, allant de 3 à 21).
  • Interprétation : Un score moyen élevé (proche de 7) indique que l’avis est perçu comme éminemment authentique, sincère et dénué d’influence marchande. Un score moyen faible (proche de 1) traduit un scepticisme prononcé et la conviction que le contenu est artificiel ou sponsorisé.

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

Année de publication : 2021.

Conditions de réutilisation et droits d’auteur : L’article original présentant l’instrument a été publié dans le Journal of Marketing, une revue affiliée à l’American Marketing Association (AMA) et diffusée par SAGE Publishing. Selon les usages éthiques et académiques en vigueur :

• L’utilisation de cette échelle à des fins d’enseignement académique ou de recherche scientifique non commerciale est généralement autorisée à titre gracieux, sous réserve de citer scrupuleusement la publication princeps de Zhang et Patrick (2021).
• Toute utilisation commerciale, intégration logicielle propriétaire, adaptation ou reproduction intégrale dans un produit marchand requiert une autorisation écrite préalable de la part des titulaires des droits d’auteur (l’American Marketing Association / SAGE Publications via le Copyright Clearance Center).
• Tarifs : L’accès aux items dans un cadre académique est gratuit (aucun droit de licence direct exigé par les chercheurs).

12. Références / References

Les publications fondatrices et cadres conceptuels afférents à la mesure comprennent :

• 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
• 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/10.1086/209384
• Heider, F. (1958). The Psychology of Interpersonal Relations. John Wiley & Sons. https://doi.org/10.1037/10628-000
• Kelley, H. H. (1967). Attribution theory in social psychology. In D. Levine (Ed.), Nebraska Symposium on Motivation (Vol. 15, pp. 192–238). University of Nebraska Press.
• Spence, M. (1973). Job market signaling. The Quarterly Journal of Economics, 87(3), 355–374. https://doi.org/10.2307/1882010
• Zhang, Z., & Patrick, V. M. (2021). Mickey D’s has more street cred than McDonald’s: Consumer brand nickname use signals information authenticity. Journal of Marketing, 85(5), 58–73. https://doi.org/10.1177/0022242921993816

13. Questions et items du questionnaire / Scale Items

Les items officiels de cette échelle sont protégés par le droit d’auteur de l’éditeur académique et des auteurs originaux. Conformément aux principes de respect de la propriété intellectuelle, les questions originales formulées en anglais ci-dessous sont présentées telles qu’utilisées dans les protocoles de recherche expérimentale.