Utilisabilité des applications de marque : Convivialité (BAU-UF)

1. Résumé / Abstract

L’échelle de convivialité des applications de marque (en anglais, Branded App Usability: User-Friendliness ou BAU-UF) constitue une sous-échelle psychométrique fondamentale issue des travaux pionniers menés par Baek et Yoo (2018). Conçue pour évaluer l’ergonomie perçue et la facilité d’utilisation intrinsèque des applications mobiles développées sous l’égide de marques commerciales, cette composante évalue spécifiquement à quel point une application mobile est intuitive, facile à comprendre et aisée à manipuler sans induire de charge cognitive superflue. Au sein de l’instrument global de l’utilisabilité des applications de marque (Branded App Usability), structuré autour de cinq dimensions majeures (convivialité, information, commodité, interactivité et personnalisation), la sous-échelle BAU-UF se distingue par sa concision et sa robustesse métrologique, comprenant exactement trois items calibrés sur une échelle de Likert en sept points (allant de 1 = « Pas du tout d’accord » à 7 = « Tout à fait d’accord »).

Sur le plan psychométrique, le modèle de mesure présente des indices statistiques d’une solidité exemplaire. La variance moyenne extraite (AVE, Average Variance Extracted) s’établit à 0,83, surpassant largement le seuil standard de 0,50 préconisé par Fornell et Larcker, ce qui témoigne d’une excellente validité convergente. La consistance interne est démontrée par un coefficient d’alpha de Cronbach supérieur à 0,90 et une fiabilité composite (CR) tout aussi remarquable (0,93). La validité discriminante, vérifiée selon les critères stricts de la matrice d’intercorrélation et du ratio hétérotrait-monotrait (HTMT), confirme que la convivialité se détache conceptuellement des autres dimensions fonctionnelles et hédoniques de l’environnement applicatif mobile. Enfin, la validité nomologique et prédictive de la sous-échelle a été établie en démontrant son rôle de médiateur et de déterminant direct de l’attitude envers la marque, de l’engagement numérique et de la fidélité continue du consommateur.

2. Mots-clés / Keywords

utilisabilité applicative, convivialité, applications mobiles de marque, expérience utilisateur, ergonomie cognitive, fidélité à la marque, modèle d’acceptation de la technologie, psychométrie marketing, facilité d’utilisation perçue, Baek et Yoo.

3. Auteurs / Authors

L’échelle BAU-UF a été conceptualisée et validée scientifiquement par deux chercheurs renommés dans le champ de la communication publicitaire numérique et du comportement du consommateur :

• Tae Hyun Baek, Ph.D. — Professeur associé au Département de communication de l’Université du Kentucky (Lexington, KY, États-Unis). Ses recherches se concentrent sur la persuasion publicitaire numérique, l’interaction humain-technologie, l’engagement envers les marques via les médias socionumériques et l’intelligence artificielle appliquée à la consommation. Contact institutionnel : College of Communication and Information, University of Kentucky.
• Chan Yun Yoo, Ph.D. — Professeur au Département de publicité et de relations publiques de l’Université de Géorgie (Grady College of Journalism and Mass Communication, Athènes, GA, États-Unis). Spécialiste reconnu du traitement de l’information en ligne, de l’attention visuelle et des effets publicitaires interactifs. Contact institutionnel : Grady College, University of Georgia.

4. Objectif / Purpose

L’avènement des smartphones a profondément restructuré l’écosystème relationnel entre les marques et leurs clients. L’application mobile de marque (branded app) ne se réduit pas à un simple canal de commerce électronique ou à un vecteur d’information passive ; elle constitue un point de contact continu, intime et immersif, incarnant l’identité et les valeurs de l’entreprise au sein de l’espace quotidien de l’utilisateur. Dans ce contexte, l’instrument BAU-UF a été développé afin de combler un vide méthodologique criant : l’absence d’outils standardisés, spécifiques aux applications mobiles marchandes, permettant de mesurer avec précision la convivialité (user-friendliness) perçue par le consommateur.

L’objectif fondamental de la sous-échelle BAU-UF est de quantifier l’aisance avec laquelle un individu s’approprie le fonctionnement d’une application mobile de marque, déchiffre son architecture informationnelle et exécute les tâches souhaitées (navigation dans un catalogue, consultation de points de fidélité, paramétrage de profil ou achat) sans rencontrer de friction cognitive ou technique. Contrairement aux échelles génériques d’utilisabilité logicielle développées pour les ordinateurs de bureau — telles que la célèbre System Usability Scale (SUS) de Brooke (1996) —, la BAU-UF s’adapte aux contraintes matérielles singulières du smartphone : écrans tactiles de surface restreinte, interactions gestuelles (glissements, pincements), utilisation en contexte de mobilité avec interruptions potentielles et réactivité instantanée requise.

Dans le domaine de la recherche académique, la BAU-UF permet de modéliser avec finesse les équations structurelles reliant la conception de l’interface utilisateur (UI/UX) à des construits psychologiques complexes comme l’état de flux (flow), l’attachement émotionnel à la marque, la satisfaction cumulative et la fidélité comportementale. Sur le plan professionnel et clinique/managérial, cet instrument fournit aux concepteurs d’interfaces, aux directeurs marketing et aux auditeurs ergonomiques un diagnostic rapide, standardisé et non invasif. Un score déficitaire sur la sous-échelle BAU-UF alerte immédiatement sur un déficit d’intuitivité, signalant que l’effort cognitif exigé par l’application risque d’entraîner l’abandon précoce de l’outil, la désinstallation du logiciel et, par effet de halo négatif, une dégradation de l’image de marque globale de l’entreprise.

5. Construit psychologique / Construct

Le construit psychologique opérationnalisé par la sous-échelle BAU-UF est la convivialité perçue (perceived user-friendliness) dans le contexte applicatif mobile. Il s’agit d’une composante déterminante de l’ergonomie logicielle perçue, définie comme le degré avec lequel un utilisateur juge qu’une interface est compréhensible, naturelle, facile à maîtriser et dépourvue de complexité procédurale inutile.

Dans l’architecture multidimensionnelle élaborée par Baek et Yoo (2018), l’utilisabilité globale des applications de marque (BAU) est conceptualisée comme un construit réflexif ou formatif de second ordre comprenant cinq facettes interdépendantes :

• La convivialité (User-Friendliness) : Focalisée sur la simplicité opérationnelle, l’intelligibilité immédiate des menus et la fluidité des interactions tactiles.
• La valeur informative (Information/Content) : Évaluant la pertinence, la complétude, la fraîcheur et la crédibilité des données fournies par la marque via l’application.
• La commodité (Convenience) : Mesurant le gain de temps, l’accessibilité permanente et l’utilité pratique conférée par l’application au quotidien.
• L’interactivité (Interactivity) : Capturant la bidirectionnalité des échanges, le contrôle perçu par l’utilisateur et la synchronie des réponses du système.
• La personnalisation (Personalization) : Appréciant la capacité du logiciel à s’adapter aux préférences individuelles, à l’historique de consommation et à la géolocalisation de l’utilisateur.

La sous-échelle BAU-UF isole la dimension ergonomique pure. Elle n’évalue pas si l’offre commerciale est attrayante ni si les remises proposées sont généreuses, mais si le véhicule technologique lui-même est transparent pour l’esprit de l’utilisateur. Par exemple, une application d’une grande marque de vêtements peut héberger des collections séduisantes (forte valeur de contenu), mais souffrir d’un système de filtres confus, d’icônes ambiguës ou d’un processus de commande redondant ; un tel cas de figure se traduirait par un score d’utilisabilité convivial effondré. À l’inverse, une convivialité maximale se manifeste par un fonctionnement tellement intuitif que le consommateur alloue l’intégralité de ses ressources attentionnelles à l’interaction avec la marque sans jamais trébucher sur l’interface.

6. Cadre théorique / Theoretical Framework

La conceptualisation de la convivialité des applications de marque repose sur un croisement fécond entre la psychologie cognitive, les sciences de l’information et les théories contemporaines du comportement du consommateur. Plusieurs cadres théoriques majeurs soutiennent l’élaboration et la pertinence de l’échelle BAU-UF :

Le modèle d’acceptation de la technologie (TAM) et ses extensions

Développé originellement par Fred Davis (1989), le Technology Acceptance Model (TAM), lui-même ancré dans la Théorie de l’Action Raisonnée de Fishbein et Ajzen, pose deux piliers déterminants de l’adoption d’un système : l’utilité perçue (Perceived Usefulness) et la facilité d’utilisation perçue (Perceived Ease of Use – PEOU). La sous-échelle BAU-UF constitue une spécification et une modernisation empirique de la facilité d’utilisation perçue appliquée aux technologies ubiquitaires. Dans le cadre théorique du TAM étendu (TAM2 et UTAUT de Venkatesh et al.), la convivialité réduit la barrière technologique initiale, diminuant l’effort attendu (effort expectancy) et favorisant une attitude favorable envers l’usage régulier.

La théorie de la charge cognitive (Cognitive Load Theory)

Énoncée par John Sweller, la théorie de la charge cognitive stipule que la mémoire de travail humaine dispose de capacités de traitement strictement limitées. Face à une application mobile, l’utilisateur gère simultanément une charge intrinsèque (liée à la décision d’achat ou au choix du produit) et une charge extrinsèque (induite par la complexité de l’interface logicielle). La sous-échelle BAU-UF capture la minimisation de cette charge cognitive extrinsèque : lorsque l’application est conviviale, claire et cohérente, les schémas cognitifs sont activés sans effort, libérant ainsi des ressources mentales pour l’assimilation des messages de la marque et l’expérience de plaisir ou de satisfaction.

La théorie de l’expérience optimale (Flow Theory) et l’effet de halo de marque

Selon la théorie du flux de Mihaly Csikszentmihalyi, une interaction technologique fluide engendre une immersion profonde, caractérisée par une perte de la notion du temps et un engagement sans faille. Une mauvaise convivialité (latence, boutons illisibles, navigation confuse) brise instantanément cet état de flux. En outre, la théorie de l’effet de halo (Thorndike) stipule que les évaluations affectives portées sur un attribut d’un objet se généralisent à l’objet dans sa totalité. Dans l’écosystème numérique, une application fluide et facile à utiliser engendre des perceptions positives de modernité, de compétence et de bienveillance qui se transfèrent directement sur la marque mère elle-même.

7. Validité / Validity

La validation empirique du modèle de mesure BAU-UF par Baek et Yoo (2018) a suivi un protocole méthodologique rigoureux, structuré en plusieurs phases indépendantes de collecte de données auprès d’échantillons représentatifs d’utilisateurs réels d’applications mobiles de marque (englobant des marques de grande distribution, de prêt-à-porter, de restauration rapide et de services numériques).

Validité convergente

La validité convergente de la dimension de convivialité est exceptionnellement élevée. La variance moyenne extraite (AVE) mesurée atteint 0,83, surpassant très largement le seuil standard de 0,50 recommandé dans la littérature académique (Fornell & Larcker, 1981). Cela signifie que 83 % de la variance des indicateurs empiriques est directement attribuable au construit latent de convivialité, ne laissant que 17 % de variance due à l’erreur de mesure aléatoire ou spécifique.

Validité discriminante

La validité discriminante a été confirmée par plusieurs méthodologies complémentaires. Selon le critère de Fornell et Larcker, la racine carrée de l’AVE de la sous-échelle BAU-UF (soit approximativement 0,911) s’est avérée nettement supérieure à l’ensemble des coefficients de corrélation inter-construits reliant la convivialité aux quatre autres dimensions de l’utilisabilité (information, commodité, personnalisation et interactivité). De plus, l’examen des chargements croisés (cross-loadings) a montré que chaque item saturait de manière maximale sur son facteur théorique sans chevauchement problématique avec les facteurs adjacents.

Validité prédictive et nomologique

La validité nomologique a été établie au moyen de modélisations par équations structurelles (SEM). Baek et Yoo (2018) ont démontré que la convivialité mesurée par la BAU-UF exerce une influence statistiquement significative et positive sur :

• L’attitude globale envers l’application mobile (effet direct).
• L’attitude envers la marque émettrice (effet médié par l’attitude envers l’application).
• L’intention d’utilisation continue et la recommandation par le bouche-à-oreille électronique (e-WOM).
• La fidélité effective envers la marque (brand loyalty), tant sur le plan attitudinal que comportemental (achats répétés).

8. Fidélité / Reliability

Les propriétés de fidélité et de consistance interne de la sous-échelle BAU-UF présentent des valeurs statistiques situées dans les déciles supérieurs des standards psychométriques académiques :

• Consistance interne (Alpha de Cronbach) : Le coefficient alpha de Cronbach obtenu lors de la validation initiale s’élève à 0,93, confirmant une homogénéité parfaite des trois énoncés sans redondance sémantique excessive. Les seuils conventionnels préconisés par Nunnally et Bernstein (0,70 pour les recherches exploratoires et 0,80 pour les instruments confirmés) sont ainsi largement dépassés.
• Fiabilité composite (Composite Reliability – CR) : Calculée à partir des saturations factorielles standardisées, la fiabilité composite atteint 0,93 (ou > 0,90 selon les sous-échantillons d’analyse), attestant d’une robustesse invariante et d’une cohésion absolue des variables manifestes pour refléter le facteur latent.
• Erreur de mesure : La faible dispersion des résidus standardisés et la proximité des saturations indiquent un taux d’erreur de mesure résiduelle minime, conférant à la sous-échelle une grande stabilité statistique.

9. Analyse factorielle / Factor Analysis

Le processus de vérification factorielle rapporté par Baek et Yoo (2018) a mobilisé successivement l’analyse factorielle exploratoire (AFE) puis l’analyse factorielle confirmatoire (AFC) afin de valider sans équivoque la structure unidimensionnelle de la sous-échelle au sein du modèle d’ensemble.

Analyse factorielle exploratoire (AFE)

Lors de l’étape exploratoire préliminaire, une extraction en composantes principales assortie d’une rotation oblique (Promax ou Oblimin) a permis d’isoler nettement les cinq facteurs de premier ordre constitutifs de la BAU. Les trois items de la dimension « Convivialité » (User-Friendliness) ont été regroupés sur un axe unique possédant une valeur propre (eigenvalue) substantielle (> 1,0), expliquant une proportion majeure de la variance totale sans équivoque factorielle.

Analyse factorielle confirmatoire (AFC)

L’analyse factorielle confirmatoire a été conduite avec des logiciels de modélisation structurelle (AMOS/LISREL) sur la base de matrices de covariance avec estimation par le maximum de vraisemblance (ML). Les résultats obtenus pour la sous-échelle et le modèle global d’utilisabilité témoignent d’un ajustement exceptionnel aux données empiriques :

• Saturations factorielles standardisées (λ) : Pour les trois items de la convivialité, les coefficients de saturation sont extrêmement élevés, oscillant tous entre 0,88 et 0,93, avec des valeurs de t associées hautement significatives (p < 0,001).
• Indices d’ajustement global du modèle : Le modèle à cinq dimensions montre des indices de fit conformes aux critères les plus stricts de Hu et Bentler (1999) :
  • Ratio du Chi-deux sur degrés de liberté : χ²/df < 3,0
  • Comparative Fit Index (CFI) > 0,95
  • Tucker-Lewis Index (TLI) > 0,95
  • Root Mean Square Error of Approximation (RMSEA) < 0,06 (avec intervalle de confiance à 90 % étroit)
  • Standardized Root Mean Square Residual (SRMR) < 0,05

10. Instrument de mesure / Instrument

La sous-échelle BAU-UF est un instrument d’auto-évaluation conçu pour une administration rapide, autonome et standardisée par voie numérique (enquête en ligne, formulaire intégré dans l’application mobile de marque ou sondage post-visite).

• Type de test : Instrument psychométrique d’auto-évaluation (self-report inventory) mesurant l’ergonomie cognitive et l’aisance opérationnelle perçue.
• Format d’administration : Questionnaire auto-administré sur support numérique ou papier-crayon (généralement distribué via un smartphone ou un ordinateur).
• Nombre d’items : Exactement 3 items (formulés de manière affirmative et orientés positivement).
• Échelle de réponse : Échelle de Likert à 7 points :
  • 1 = Pas du tout d’accord (Strongly Disagree)
  • 2 = En désaccord (Disagree)
  • 3 = Plutôt en désaccord (Somewhat Disagree)
  • 4 = Ni en désaccord ni d’accord / Neutre (Neither Agree nor Disagree)
  • 5 = Plutôt d’accord (Somewhat Agree)
  • 6 = D’accord (Agree)
  • 7 = Tout à fait d’accord (Strongly Agree)
• Procédure de cotation (Scoring) : Les scores des 3 items sont additionnés ou moyennés arithmétiquement pour obtenir un score global de convivialité variant de 1,00 à 7,00 points. Aucun item n’étant inversé, une moyenne élevée reflète directement un haut degré de convivialité et une absence de friction dans l’utilisation de l’application.
• Durée approximative de passation : Moins de 60 secondes pour la sous-échelle isolée (et moins de 4 minutes pour l’ensemble du questionnaire BAU complet).

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

• Année de publication princeps : 2018.
• Auteurs et titulaires des droits : Tae Hyun Baek et Chan Yun Yoo (article publié sous l’égide de l’American Academy of Advertising aux éditions Routledge / Taylor & Francis).
• Conditions d’utilisation et permissions : L’échelle complète est documentée dans la revue scientifique à comité de lecture Journal of Advertising. Son utilisation à des fins exclusives de recherche académique, scientifique ou d’enseignement supérieur est autorisée sans frais, sous réserve d’une citation bibliographique formelle et appropriée des auteurs selon les normes en vigueur (style APA). Toute intégration commerciale, benchmarking industriel sous licence propriétaire ou revente d’outils d’audit dérivés nécessite l’obtention préalable d’une autorisation contractuelle auprès des auteurs ou de la société éditrice (Taylor & Francis Group).
• Tarification : Accès libre (free access) pour la recherche universitaire via la consultation de l’article source.

12. Références / References

Les publications ci-dessous constituent le socle scientifique de validation et d’ancrage théorique de la sous-échelle BAU-UF :

• Baek, T. H., & Yoo, C. Y. (2018). Branded app usability: Conceptualization, measurement, and prediction of consumer loyalty. Journal of Advertising, 47(1), 70–82. https://doi.org/10.1080/00913367.2017.1405756
• Brooke, J. (1996). SUS: A quick and dirty usability scale. Dans P. W. Jordan, B. Thomas, I. L. McClelland, & B. Weerdmeester (Dir.), Usability evaluation in industry (pp. 189–194). Taylor & Francis.
• Csikszentmihalyi, M. (1990). Flow: The psychology of optimal experience. Harper & Row.
• 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
• 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
• 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
• Sweller, J. (2011). Cognitive load theory. Dans J. P. Mestre & B. H. Ross (Dir.), The psychology of learning and motivation: Cognition in education (Vol. 55, pp. 37–76). Academic Press. https://doi.org/10.1016/B978-0-12-387691-1.00002-8
• Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540

13. Questions et items du questionnaire / Scale Items

Les items originaux de l’échelle d’utilisabilité des applications de marque (BAU), développés par Baek et Yoo (2018), sont protégés par le droit d’auteur de l’éditeur scientifique et de l’American Academy of Advertising. En vertu des règles de propriété intellectuelle, le protocole officiel complet doit être consulté directement dans la revue source. Conformément aux principes de transparence méthodologique, nous reproduisons ci-dessous les énoncés originaux en anglais tels que validés par les auteurs pour la sous-échelle de convivialité :