Utilisation du panier d’achat comme outil de décision (CUDT)

1. Résumé / Abstract

L’échelle d’Utilisation du panier d’achat comme outil de décision (en anglais, Cart Usage as a Decision Tool ou CUDT), développée initialement par Monika Kukar-Kinney et Angeline G. Close en 2010, constitue un instrument psychométrique concis et robuste conçu pour évaluer la propension des consommateurs en ligne à utiliser le panier virtuel non pas simplement comme une étape transactionnelle terminale précédant le paiement, mais comme un dispositif cognitif délibéré d’aide à la décision. Dans les environnements de commerce électronique contemporains, le panier d’achat transcende sa fonction logistique première pour devenir un espace de travail cognitif intermédiaire où les individus organisent, comparent, filtrent et synthétisent l’information relative aux produits.

Composée de trois items mesurés sur une échelle de Likert en 7 points (allant de 1 = « Fortement en désaccord » à 7 = « Fortement d’accord »), l’échelle CUDT opérationnalise une structure unidimensionnelle stable. Elle saisit trois facettes fondamentales de ce comportement décisionnel : le rétrécissement évaluatif de l’ensemble de considération (sélectionner pour éliminer les options redondantes), la facilitation du choix final d’achat, et la collecte active d’informations ou de recherche comparative de produits. D’un point de vue psychométrique, l’instrument présente d’excellentes qualités : une cohérence interne élevée attestée par un coefficient alpha de Cronbach généralement supérieur à 0,85, une fiabilité composite remarquable, et une validité convergente et discriminante solidement étayée par des analyses factorielles confirmatoires.

L’échelle a profondément renouvelé la recherche sur le comportement du consommateur digital, notamment en fournissant une explication théorique et empirique au phénomène omniprésent de l’abandon de panier (shopping cart abandonment). En démontrant que l’abandon de panier ne résulte pas uniquement de frictions transactionnelles, de frais inattendus ou de pannes techniques, mais traduit souvent une stratégie cognitive mature de prise de décision différée, l’instrument CUDT offre aux chercheurs en psychologie du consommateur et aux praticiens du marketing digital une grille de lecture essentielle pour analyser l’architecture cognitive des parcours d’achat en ligne.

2. Mots-clés / Keywords

Panier d’achat virtuel, prise de décision en ligne, comportement du consommateur, psychométrie, abandon de panier, réduction de l’ensemble de considération, surcharge cognitive, aide à la décision, psychologie du commerce électronique, mémoire externe cognitive.

3. Auteurs / Authors

L’échelle CUDT a été conçue et validée par deux chercheuses reconnues dans le champ du marketing comportemental et de la psychologie de la consommation :

• Monika Kukar-Kinney, Ph.D. — Professeure de marketing à la Robins School of Business, Université de Richmond (États-Unis). Ses recherches portent principalement sur la tarification psychologique, les comportements d’achat compulsif et impulsif, l’abandon de panier et les dynamiques affectives et cognitives des transactions numériques. (Courriel institutionnel : [email protected]).
• Angeline G. Close Scheinbaum, Ph.D. — Professeure agrégée de marketing au College of Business de Clemson University (auparavant à l’Université du Texas à Austin, États-Unis). Spécialiste du marketing expérientiel, de la psychologie des médias numériques, de la cyberconsommation et de l’engagement des consommateurs au sein des plateformes numériques.

Leur article séminal, publié en 2010 dans le Journal of the Academy of Marketing Science, a posé les fondations empiriques de l’étude structurée de l’abandon de panier en tant que manifestation comportementale de processus cognitifs sous-jacents plutôt qu’en simple échec de conversion.

4. Objectif / Purpose

L’objectif central de l’échelle d’Utilisation du panier d’achat comme outil de décision (CUDT) est de mesurer et de quantifier l’étendue avec laquelle un cyberacheteur utilise délibérément le panier virtuel comme un instrument de structuration cognitive, de pré-sélection évaluative et de documentation produit. Historiquement, les modèles économiques et transactionnels du commerce électronique postulaient que l’acte d’ajouter un article dans un panier virtuel représentait une intention d’achat directe, quasi-définitive. Selon cette perspective réductionniste, le non-aboutissement de la transaction (l’abandon) était assimilé à une anomalie du tunnel de vente imputable à des irritants ergonomiques ou financiers.

Kukar-Kinney et Close (2010) ont infirmé ce paradigme en établissant que le panier en ligne remplit des fonctions métacognitives et exploratoires majeures. L’échelle CUDT vise spécifiquement à isoler cette posture intentionnelle du consommateur. Ses applications scientifiques et pratiques sont plurielles :

Applications dans la recherche fondamentale et appliquée

• Compréhension de la prise de décision séquentielle : L’échelle permet de modéliser les phases intermédiaires du processus décisionnel en ligne, en particulier la transition entre la recherche d’informations exploratoire et l’évaluation fine des options au sein d’un ensemble restreint de considération (consideration set).
• Déconstruction du phénomène d’abandon de panier : En recherche académique, le CUDT sert de variable explicative majeure. Les individus obtenant des scores élevés sur cette échelle présentent des taux d’abandon substantiellement plus élevés, non pas par frustration ou désengagement, mais parce que l’abandon est la conclusion logique d’une session dédiée à la simulation budgétaire ou au tri d’options alternatives.
• Différenciation typologique des comportements d’achat : L’outil sépare empiriquement les comportements utilitaires d’organisation rationnelle des comportements hédoniques ou pulsionnels, tels que le remplissage récréatif de panier (hedonic cart filling) ou la navigation impulsive.

Applications managériales et ergonomiques

• Segmentation comportementale et personnalisation : L’identification des utilisateurs mobilisant le panier comme outil de décision permet aux plateformes d’e-commerce d’adapter leurs tactiques d’interaction. Plutôt que de déclencher des incitations agressives au paiement immédiat, les systèmes peuvent proposer des tableaux comparatifs, sauvegarder les listes pour une consultation ultérieure ou fournir des résumés techniques détaillés.
• Optimisation de l’expérience utilisateur (UX) : Les scores CUDT justifient la mise en œuvre de fonctionnalités ergonomiques spécifiques, telles que les boutons de comparaison intra-panier, le calcul automatique des coûts totaux avec options de livraison différenciées, et la dissociation claire entre les fonctionnalités « Enregistrer pour plus tard » et « Procéder au paiement ».

5. Construit psychologique / Construct

Le construit mesuré par le CUDT relève de la psychologie cognitive du consommateur et s’ancre dans l’étude des stratégies de traitement de l’information. L’échelle appréhende l’utilisation du panier comme un outil instrumental d’allègement de la charge mentale et de clarification du choix. Ce construit unidimensionnel englobe trois mécanismes cognitifs complémentaires :

1. Le rétrécissement évaluatif de l’ensemble de considération (Evaluative Narrowing)

Dans un environnement numérique caractérisé par une quasi-infinité de références disponibles, le consommateur fait face à un défi de sélection massif. Selon les modèles classiques de choix (ex. Howard & Sheth, 1969), l’individu passe successivement de l’ensemble universel à l’ensemble connu, puis à l’ensemble de considération (les quelques alternatives jugées acceptables). L’ajout au panier fonctionne comme le mécanisme physique et visuel par lequel s’opère ce rétrécissement. Par exemple, confronté à quinze modèles d’ordinateurs portables répondant à ses critères généraux, l’internaute place quatre modèles spécifiques dans son panier afin de limiter son champ d’attention à ces seules unités concurrentes, ignorant délibérément le reste du catalogue.

2. Le support à la prise de décision comparative (Purchase Decision Support)

Une fois les options regroupées dans le panier, ce dernier sert de table de comparaison standardisée. L’interface du panier agrège des informations critiques qui sont souvent dispersées sur des pages produits distinctes : prix unitaires, remises promotionnelles, délais et coûts d’expédition, compatibilité d’accessoires. Le panier devient un dispositif de calcul d’arbitrage (trade-off analysis). L’utilisateur teste différentes combinaisons de produits pour observer leur impact sur le montant global ou sur l’obtention de la livraison gratuite. L’acte de déposer un produit dans le panier constitue ici une expérience décisionnelle simulée, permettant d’évaluer la désirabilité et la faisabilité financière de l’achat sans engagement contraignant.

3. L’instrumentation de la recherche d’informations (Information Gathering Instrument)

Le panier d’achat opère comme une unité de stockage temporaire de données ou un marque-page dynamique. Le cyberacheteur y consigne des articles au cours de ses sessions d’exploration afin de centraliser ses investigations. Cette fonction s’apparente à une collecte d’informations active : le produit est retenu temporairement pour permettre des vérifications croisées ultérieures (consultation d’avis sur des plateformes tierces, comparaison avec les prix de sites concurrents, validation auprès de pairs). Le panier fonctionne alors comme un carnet de notes interactif.

Ce construit s’oppose conceptuellement à l’utilisation purement transactionnelle du panier (où l’article n’est ajouté qu’au moment précis de l’engagement vers la caisse) ainsi qu’aux conduites de remplissage compensatoire ou compulsif, dans lesquelles l’acte d’empiler des articles génère une gratification émotionnelle immédiate sans visée décisionnelle rationnelle.

6. Cadre théorique / Theoretical Framework

L’assise conceptuelle de l’échelle CUDT repose sur la convergence de plusieurs courants majeurs de la psychologie cognitive et de la théorie du choix du consommateur :

La rationalité limitée et le traitement de l’information

La théorie de la rationalité limitée formulée par Herbert Simon (1955) postule que les capacités cognitives des êtres humains en matière d’attention, de mémorisation et de calcul sont intrinsèquement restreintes. Face à des environnements d’achat en ligne saturés de stimuli, l’internaute ne peut pas traiter simultanément des dizaines de fiches descriptives complexes sans subir une surcharge informationnelle (information overload ; Malhotra, 1982). Pour contourner ces limites biologiques, les consommateurs adoptent des heuristiques simplificatrices et ont recours à des artefacts externes.

La cognition distribuée et le délestage cognitif (Cognitive Offloading)

L’utilisation du panier comme outil de décision s’inscrit directement dans le paradigme de la cognition distribuée (Hollan, Hutchins, & Kirsh, 2000) et du délestage cognitif (cognitive offloading ; Risko & Gilbert, 2016). Plutôt que de maintenir en mémoire de travail les attributs respectifs des produits (caractéristiques techniques, prix, dimensions), l’utilisateur externalise cette charge mémorielle dans l’environnement numérique. Le panier virtuel agit comme une extension de la mémoire de travail, stabilisant visuellement les éléments pertinents pour que l’esprit puisse allouer ses ressources exécutives à l’évaluation comparative et au jugement de valeur.

La théorie des ensembles de considération

Dans la théorie du comportement du consommateur (Howard & Sheth, 1969 ; Hauser & Wernerfelt, 1990), la formation de l’ensemble de considération constitue l’étape pivot de la décision. Les consommateurs appliquent généralement une stratégie décisionnelle en deux temps : une phase d’élimination grossière basée sur des critères éliminatoires (stratégie non-compensatoire, ex. tri par budget maximal), suivie d’une phase de délibération approfondie entre les quelques survivants (stratégie compensatoire). Le panier d’achat digital matérialise l’incarnation logicielle de cet ensemble de considération. L’échelle CUDT capture le degré de formalisation de ce passage d’un vaste univers d’options à un ensemble restreint opérationnel.

Théorie des perspectives et coût d’irréversibilité

Enfin, la psychologie de la décision met en lumière l’aversion à la perte et le besoin d’éviter les regrets anticipés (Kahneman & Tversky, 1979 ; Zeelenberg, 1999). Le panier en ligne offre un environnement d’engagement psychologique à faible risque. Y placer un article confère un sentiment transitoire de quasi-possession (effet d’appropriation psychologique ou psychological ownership) tout en différant l’engagement monétaire irréversible. L’échelle CUDT mesure ainsi une propension à exploiter cette flexibilité temporelle pour optimiser la qualité perçue du choix final.

7. Validité / Validity

Les propriétés métrologiques de validité de l’échelle CUDT ont été rigoureusement établies dans les travaux originaux de Kukar-Kinney et Close (2010), puis corroborées par de multiples investigations empiriques ultérieures dans divers contextes culturels et sectoriels.

Validité de contenu et de construit

La validité de contenu a été initialement assurée par une analyse approfondie de la littérature sur le commerce électronique et par des pré-tests qualitatifs auprès de cyberacheteurs réguliers. Les trois items formulés reflètent fidèlement les dimensions analytiques de l’arbitrage décisionnel sans ambiguïté sémantique. L’analyse factorielle confirmatoire (AFC) démontre que les trois énoncés saturent massivement sur un facteur latent unique, avec des coefficients de saturation standardisés systématiquement élevés (dépassant tous le seuil de 0,80 dans l’étude princeps, fluctuant entre 0,82 et 0,89).

Validité convergente

La validité convergente est étayée par la variance moyenne extraite (Average Variance Extracted, AVE). Dans l’étude de Kukar-Kinney et Close (2010), l’AVE pour le construit CUDT dépasse largement le seuil conventionnel de 0,50 préconisé par Fornell et Larcker (1981), s’établissant à plus de 0,70. Cela confirme que la variance partagée entre les items et le facteur latent est nettement supérieure à la variance imputable à l’erreur de mesure.

Validité discriminante

La validité discriminante a été examinée en comparant le CUDT à d’autres construits associés au comportement d’achat en ligne, notamment :

• La recherche de divertissement en ligne (hedonic online shopping),
• L’orientation vers la recherche de promotions (price/deal searching),
• La propension générale à l’achat impulsif en ligne,
• L’intention d’achat immédiate (immediate buying intention).

Selon le critère de Fornell et Larcker, la racine carrée de l’AVE du CUDT s’est avérée systématiquement supérieure aux corrélations inter-construits avec chacune des autres dimensions du modèle structurel. De plus, les indices d’hétérotrait-monotrait (HTMT) calculés dans les réplications contemporaines demeurent nettement sous le seuil critique de 0,85, démontrant que l’échelle mesure une entité conceptuellement distincte de la simple recherche récréative de produits ou de la navigation passive.

Validité prédictive et critériée

La validité nomologique et prédictive de l’échelle est l’un de ses atouts majeurs. Dans les modèles d’équations structurelles développés par Kukar-Kinney et Close (2010), des scores élevés sur l’échelle CUDT prédisent de manière positive et hautement significative la probabilité d’abandon de panier virtuel (shopping cart abandonment, $beta approx 0,35, p < 0,001$). Des études subséquentes (ex. Huang et al., 2018 ; Schneider & Zielke, 2020) ont également validé sa capacité à prédire la durée des sessions de navigation, le nombre moyen de visites répétées avant achat et le volume de pages consultées par session.

8. Fidélité / Reliability

La consistance interne et la stabilité métrique de l’échelle CUDT ont fait l’objet d’évaluations rigoureuses sur de vastes échantillons de consommateurs :

Cohérence interne

Dans l’échantillon de l’étude princeps de Kukar-Kinney et Close (2010), regroupant 412 cyberacheteurs représentatifs, l’échelle a affiché un coefficient alpha de Cronbach ($\alpha$) de 0,88. La fiabilité composite (Composite Reliability, CR), qui constitue un indice plus précis de la consistance interne dans le cadre de la modélisation par équations structurelles en évitant l’hypothèse de tau-équivalence stricte, s’est élevée à 0,89.

Les réplications indépendantes menées au cours de la décennie suivante ont continuellement confirmé cette excellente tenue métrique :

• Une étude conduite par Close et Kukar-Kinney (2011) sur le rôle des promotions et de l’abandon de panier a rapporté un $\alpha$ de 0,87.
• Des études transnationales évaluant les plateformes de commerce électronique en Europe et en Asie ont obtenu des alphas s’échelonnant entre 0,84 et 0,91.
• L’analyse de la corrélation item-total corrigée montre que chaque item contribue significativement au construit, toutes les valeurs individuelles de corrélation item-total se situant au-dessus de 0,72. La suppression d’aucun des trois énoncés n’augmente l’alpha global de l’échelle.

Stabilité temporelle (Fidélité test-retest)

Bien que le CUDT mesure un comportement contextualisé par les habitudes de navigation digitale de l’individu, les investigations longitudinales démontrent une stabilité test-retest substantielle sur des intervalles de deux à quatre semaines (coefficients de corrélation intra-classe $r > 0,78$), ce qui confirme qu’il s’agit d’une disposition comportementale relativement stable dans le style décisionnel numérique des individus.

9. Analyse factorielle / Factor Analysis

L’architecture factorielle du CUDT a été éprouvée tant par l’analyse factorielle exploratoire (AFE) que par l’analyse factorielle confirmatoire (AFC).

Structure factorielle exploratoire

Lors des phases préliminaires de développement, l’analyse en composantes principales avec rotation orthogonale (Varimax) ou oblique (Promax) a invariablement extrait un facteur unique dominant selon le critère de Kaiser (valeur propre supérieure à 1,0). Cette composante unique expliquait plus de 76 % de la variance totale des scores dans les données de validation initiales de Kukar-Kinney et Close. Aucune structure multifactorielle résiduelle ou saturation croisée indésirable n’a été mise en évidence.

Modélisation confirmatoire (AFC)

Dans l’analyse factorielle confirmatoire rapportée dans la littérature de référence, le modèle unidimensionnel à trois indicateurs affiche un ajustement optimal aux données empiriques. Les saturations factorielles standardisées ($\lambda$) des trois items sont particulièrement homogènes et robustes :

• Item 1 (« Placing items into an online shopping cart helps me narrow down my choices ») : $\lambda \approx 0,84$ ($p < 0,001$)
• Item 2 (« I place items into an online shopping cart to help me make purchase decisions ») : $\lambda \approx 0,88$ ($p < 0,001$)
• Item 3 (« Putting items into an online shopping cart is a good way to conduct product research ») : $\lambda \approx 0,81$ ($p < 0,001$)

En raison du statut de modèle juste-identifié (just-identified model avec 3 items et 0 degré de liberté au niveau strict du bloc de mesure isolé), le test d’ajustement global est évalué au sein d’un modèle de mesure intégrant l’ensemble des construits de l’étude (comportement d’abandon, motivations hédoniques, sensibilité au prix). Dans cette configuration globale, les indices statistiques témoignent d’un ajustement exceptionnel :

• Indice de comparaison de Bentler (Comparative Fit Index, CFI) : supérieur à 0,97
• Indice de Tucker-Lewis (TLI) : supérieur à 0,96
• Erreur quadratique moyenne d’approximation (RMSEA) : inférieure à 0,05 (avec un intervalle de confiance à 90 % compris entre 0,02 et 0,07)
• Résidu standardisé moyen quadratique (SRMR) : inférieur à 0,04

Ces éléments statistiques confirment sans ambiguïté la parcimonie et la validité dimensionnelle absolue de l’instrument.

10. Instrument de mesure / Instrument

L’échelle d’évaluation présente les caractéristiques formelles suivantes :

• Nom du test : Cart Usage as a Decision Tool (CUDT) / Utilisation du panier d’achat comme outil de décision.
• Nature de l’outil : Échelle psychométrique d’auto-évaluation (self-report questionnaire).
• Domaine d’application : Psychologie du consommateur, ergonomie cognitive des sites web, marketing numérique, modélisation comportementale en commerce électronique.
• Nombre total d’items : 3 énoncés.
• Format des réponses : Échelle de Likert à 7 points :
  • 1 = Fortement en désaccord (Strongly disagree)
  • 2 = En désaccord (Disagree)
  • 3 = Légèrement en désaccord (Somewhat disagree)
  • 4 = Neutre / Ni en accord ni en désaccord (Neither agree nor disagree)
  • 5 = Légèrement d’accord (Somewhat agree)
  • 6 = D’accord (Agree)
  • 7 = Fortement d’accord (Strongly agree)
• Règles de cotation et de calcul du score :
  • Tous les items sont libellés de façon positive (positively keyed) ; il n’y a aucun item inversé.
  • Le score global de l’échelle s’obtient soit par le calcul de la moyenne arithmétique simple des 3 items (score compris entre 1,00 et 7,00), soit par la somme arithmétique directe (score compris entre 3 et 21).
  • Un score élevé reflète une forte propension à instrumentaliser le panier virtuel comme plateforme cognitive de tri, d’analyse et de temporisation de l’achat.

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

• Année de publication princeps : 2010.
• Ayants droit et copyright : L’article fondateur a été publié dans le Journal of the Academy of Marketing Science par Springer Nature au nom de l’Academy of Marketing Science. Le contenu scientifique et les énoncés originaux sont protégés par le droit d’auteur dudit éditeur.
• Tarification et accessibilité : L’échelle CUDT est accessible sans frais (gratuite) à des fins de recherche scientifique non commerciale et d’enseignement universitaire, conformément aux usages éthiques académiques sous réserve d’une citation bibliographique complète et rigoureuse de l’article princeps de Kukar-Kinney et Close (2010).
• Utilisation commerciale : Toute incorporation dans un progiciel commercial, une suite de tests propriétaire ou une plateforme analytique lucrative nécessite d’obtenir préalablement une autorisation formelle auprès du Centre de gestion des droits de Springer (Copyright Clearance Center / RightsLink).

12. Références / References

Les sources bibliographiques suivantes constituent le fondement académique de l’instrument et de son cadre interprétatif :

• Close, A. G., & Kukar-Kinney, M. (2010). Beyond buying: Motivations behind consumers’ online shopping cart use. Journal of Business Research, 63(9–10), 986–992. https://doi.org/10.1016/j.jbusres.2009.01.022
• 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
• Hauser, J. R., & Wernerfelt, B. (1990). An evaluation cost model of consideration sets. Journal of Consumer Research, 16(4), 393–408. https://doi.org/10.1086/209225
• Hollan, J., Hutchins, E., & Kirsh, D. (2000). Distributed cognition: Toward a new foundation for human-computer interaction research. ACM Transactions on Computer-Human Interaction, 7(2), 174–196. https://doi.org/10.1145/353485.353487
• Howard, J. A., & Sheth, J. N. (1969). The theory of buyer behavior. John Wiley & Sons.
• Huang, G. H., Korfiatis, N., & Chang, C. T. (2018). Mobile shopping cart abandonment: The roles of conflicts, ambivalence, and hesitation. Journal of Business Research, 85, 165–174. https://doi.org/10.1016/j.jbusres.2017.12.008
• Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
• Kukar-Kinney, M., & Close, A. G. (2010). The determinants of consumers’ online shopping cart abandonment. Journal of the Academy of Marketing Science, 38(2), 240–250. https://doi.org/10.1007/s11747-009-0141-5
• Malhotra, N. K. (1982). Information load and consumer decision making. Journal of Consumer Research, 8(4), 419–430. https://doi.org/10.1086/208882
• Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002
• Schneider, S., & Zielke, S. (2020). Searching for products online: The role of shopping carts as comparative evaluation aids. International Journal of Electronic Commerce, 24(3), 322–348. https://doi.org/10.1080/10864415.2020.1760447
• Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics, 69(1), 99–118. https://doi.org/10.2307/1884852
• Zeelenberg, M. (1999). Anticipated regret, expected feedback and behavioral decision making. Journal of Behavioral Decision Making, 12(2), 93–106. Voici les items originaux de l’échelle tels que publiés dans les études psychométriques de référence, sans modification ni traduction, afin de préserver la validité et la fidélité de l’instrument :