Certitude de la décision d’achat

1. Résumé / Abstract

L’échelle de Certitude de la décision d’achat (Certainty of the Purchase Decision), mobilisée et validée dans les travaux de Pizzutti, Gonçalves et Ferreira (2022), est un instrument psychométrique conçu pour évaluer le niveau d’assurance cognitive et affective d’un consommateur quant à la pertinence de son choix à la suite d’un acte d’achat. L’outil quantifie spécifiquement deux facettes primordiales de la certitude décisionnelle post-achat : d’une part, la conviction subjective d’avoir sélectionné la meilleure alternative parmi les options disponibles (justesse du choix), et d’autre part, le sentiment d’avoir réalisé une transaction financièrement avantageuse (obtention d’une bonne affaire). Dans leur étude longitudinale menée en deux vagues de collecte sur le parcours client, les auteurs ont examiné comment cette certitude influence directement la recherche d’informations post-achat, la réduction de la dissonance cognitive et la fidélisation.

Composée généralement d’une structure unidimensionnelle ou bidimensionnelle très intégrée mesurée par des échelles d’intervalles de type Likert en 7 points (allant de 1 « Tout à fait en désaccord » à 7 « Tout à fait d’accord »), l’échelle présente d’excellentes qualités métrologiques. Les indices de cohérence interne rapportés oscillent systématiquement au-delà des seuils conventionnels, avec un coefficient alpha de Cronbach et une fiabilité composite (CR) supérieurs à 0,85 au cours des différentes vagues temporelles d’investigation. La validité de construit, explorée au moyen d’analyses factorielles confirmatoires (AFC), atteste d’une variance moyenne extraite (AVE) supérieure à 0,50, confirmant une robustesse psychométrique idéale pour la modélisation des comportements en psychologie du consommateur et en marketing décisionnel.

2. Mots-clés / Keywords

Certitude décisionnelle, Décision d’achat, Psychologie du consommateur, Dissonance cognitive, Recherche d’informations post-achat, Parcours client, Évaluation post-achat, Satisfaction client, Prise de décision, Psychométrie.

3. Auteurs / Authors

L’échelle a été développée et formalisée dans le cadre de recherches publiées au sein du Journal of the Academy of Marketing Science par :

• Cristiane Pizzutti : Professeure de marketing à l’Universidade Federal do Rio Grande do Sul (UFRGS), École de gestion (EA), Porto Alegre, Brésil. Spécialiste du comportement du consommateur, de la gestion de la relation client et de la confiance décisionnelle. (Courriel institutionnel : [email protected])
• Renata Gonçalves : Chercheuse et docteure en administration/marketing à l’Universidade Federal do Rio Grande do Sul (UFRGS), Brésil. Ses recherches portent sur le parcours d’achat, les émotions post-décisionnelles et le comportement de recherche d’informations.
• Maria Ferreira : Chercheuse associée en sciences de gestion et analyse comportementale, affiliée aux programmes de recherche post-gradués en administration de l’Universidade Federal do Rio Grande do Sul (UFRGS).

4. Objectif / Purpose

L’objectif fondamental de l’échelle de Certitude de la décision d’achat est de mesurer avec rigueur le degré de conviction psychologique éprouvé par un individu immédiatement après la sélection et l’acquisition d’un produit ou d’un service. Dans la littérature consacrée à la psychologie du consommateur, l’acte d’achat n’est plus envisagé comme le point final de la prise de décision, mais comme une phase de transition critique soumise à une réévaluation cognitive intense. L’échelle a été opérationnalisée pour expliciter les mécanismes sous-jacents aux comportements post-décisionnels, notamment le paradoxe selon lequel certains individus continuent à rechercher activement des informations après avoir conclu une transaction.

Sur le plan fondamental, cet instrument répond à un impératif d’évaluation empirique : distinguer l’incertitude épistémique de l’anxiété transactionnelle. Les consommateurs évaluent la valeur globale de leur décision selon deux vecteurs d’utilité : l’utilité d’acquisition (la fonctionnalité intrinsèque et l’adéquation du produit) et l’utilité de transaction (le rapport qualité-prix perçu et le sentiment de rentabilité). L’échelle mesure la certitude consolidée autour de ces deux piliers afin d’anticiper si le client expérimentera un sentiment de sérénité ou s’il sera assailli par le doute et le regret anticipé.

En matière d’applications empiriques et appliquées, l’échelle remplit plusieurs fonctions majeures :

• Recherche académique sur le parcours client (Customer Journey) : Elle sert de variable médiatrice ou modératrice déterminante pour comprendre pourquoi un consommateur s’engage dans une quête active d’informations de réassurance auprès de ses pairs, sur les réseaux sociaux ou sur des sites comparateurs.
• Prévention de l’attrition et du regret d’achat (Buyer’s Remorse) : Dans les applications managériales, identifier une faible certitude décisionnelle permet aux organisations d’activer des dispositifs d’assistance immédiate (e-mails de confirmation de valeur, guides d’onboarding, communication de valorisation du choix) afin de neutraliser le remords de l’acheteur avant qu’il ne se transforme en annulation de commande ou retour de marchandise.
• Évaluation des interfaces de vente et de conseil : En psychologie ergonomique et en e-commerce, l’outil permet d’évaluer l’efficacité des agents conversationnels, des algorithmes de recommandation ou des conseillers humains à instiller une certitude ferme chez l’utilisateur lors du passage à l’acte.

5. Construit psychologique / Construct

Le construit théorique au cœur de cette échelle est la certitude décisionnelle post-achat. Dans le champ de la cognition sociale et du jugement probabiliste, la certitude est conceptualisée comme une métacognition : il s’agit d’une pensée portant sur une pensée, ou plus précisément du degré de confiance subjective qu’un individu accorde à la validité de ses propres jugements. Dans le contexte commercial, ce construit capture l’absence de doute quant à la justesse de la sélection opérée et à l’équité perçue du résultat économique obtenu.

Le construit s’articule autour de deux facettes étroitement corrélées :

A. La certitude du choix fonctionnel et préférentiel (Right Choice Certainty)

Cette composante renvoie à l’évaluation cognitive par laquelle le consommateur estime que le produit ou service acheté représente l’alternative optimale eu égard à ses besoins, à ses préférences et aux caractéristiques techniques en jeu. Un consommateur caractérisé par un score élevé dans cette dimension se dit intimement persuadé qu’aucune autre marque ou variante n’aurait pu apporter un meilleur niveau de performance ou de concordance avec ses attentes initiales. À l’inverse, un score faible traduit un flottement cognitif : le consommateur soupçonne qu’un compromis défavorable a été concédé et que des options rejetées étaient potentiellement supérieures.

B. La certitude de l’avantage transactionnel (Good Deal Certainty)

Cette deuxième composante se focalise sur la perception de l’efficience financière et économique de la transaction. Inspirée par la théorie de l’utilité transactionnelle de Thaler, elle reflète le sentiment d’avoir optimisé ses ressources monétaires en obtenant des conditions préférentielles (prix compétitif, promotions valorisantes, rapport qualité-prix imbattable). Un individu doté d’une certitude élevée sur ce point éprouve une gratification financière, estimant qu’il a réalisé « la bonne affaire du moment ». Une incertitude sur cette dimension déclenche fréquemment une angoisse de surpaiement, motivant la consultation compulsive de grilles tarifaires concurrentes après l’acte d’achat.

La réunion de ces deux composantes façonne une variable robuste qui module l’état affectif consécutif à la prise de décision. Lorsque la certitude est pleine et entière, le système cognitif bascule dans une phase de clôture décisionnelle (cognitive closure), libérant des ressources attentionnelles. En cas de certitude affaiblie, le consommateur demeure dans un état de vigilance vigilante, caractérisé par une tension psychologique rémanente.

6. Cadre théorique / Theoretical Framework

Le développement et l’ancrage conceptuel de l’échelle de certitude de la décision d’achat s’adossent à plusieurs paradigmes théoriques dominants de la psychologie cognitive et comportementale :

1. La théorie de la dissonance cognitive de Festinger

Formulée originellement par Leon Festinger (1957), la théorie de la dissonance cognitive postule que le fait de choisir entre plusieurs alternatives mutuellement exclusives engendre presque inévitablement un conflit interne. Dès l’instant où un choix est irréversible, les attributs négatifs de l’option retenue et les qualités attrayantes des options rejetées créent un état de malaise psychologique. La certitude décisionnelle agit ici comme un tampon direct contre la dissonance cognitive : plus le niveau de certitude initial est ancré, plus le potentiel de dissonance résiduelle est faible. Les recherches de Pizzutti et al. (2022) démontrent qu’un manque de certitude pousse les consommateurs à adopter des stratégies de régulation, telles que la recherche continue d’informations, pour corroborer rétroactivement leur choix.

2. Le paradigme de l’exposition sélective et du traitement de l’information

La théorie de l’exposition sélective soutient que les individus préfèrent s’exposer à des messages confortant leurs croyances préexistantes. Dans le modèle de recherche d’information post-achat, la certitude décisionnelle régit la nature même du traitement de l’information. Un consommateur incertain peut rechercher de l’information soit pour confirmer son choix (recherche de consonance), soit au contraire tomber dans une surveillance obsessionnelle de vérification (recherche exploratoire de comparaison). L’amplitude de la certitude détermine si le traitement cognitif sera défensif ou ouvertement anxieux.

3. La théorie des perspectives et de l’utilité transactionnelle

En s’appuyant sur les travaux de Daniel Kahneman et Amos Tversky relatifs à l’aversion à la perte, ainsi que sur l’analyse de Richard Thaler concernant l’utilité de transaction, la certitude quant au fait d’avoir « fait une bonne affaire » protège l’individu contre la perception d’une perte monétaire relative. La certitude décisionnelle constitue ainsi la validation subjective que le gain net perçu excède largement tout coût d’opportunité associé à la décision d’achat.

7. Validité / Validity

Les propriétés de validité de l’échelle ont été rigoureusement documentées par Pizzutti, Gonçalves et Ferreira (2022) dans une étude empirique articulée autour de deux vagues de données temporelles (Wave 1 et Wave 2), impliquant des consommateurs réels confrontés à des décisions d’achat à forte implication :

• Validité de construit (Construct Validity) : Les analyses factorielles confirmatoires ont corroboré l’adéquation du modèle aux données observées. Les indices d’ajustement global du modèle de mesure se sont révélés excellents, affichant des valeurs conformes aux recommandations méthodologiques les plus strictes : le comparatif de Bentler (CFI) et l’indice de Tucker-Lewis (TLI) dépassent régulièrement le seuil de 0,95, tandis que la racine carrée de l’erreur quadratique moyenne d’approximation (RMSEA) demeure inférieure à 0,06.
• Validité convergente (Convergent Validity) : Toutes les saturations factorielles standardisées (λ) des items sur leur variable latente respective sont hautement significatives (p < 0,001) et supérieures au seuil usuel de 0,70 (variant principalement entre 0,78 et 0,92). Par ailleurs, la variance moyenne extraite (Average Variance Extracted, AVE) excède largement le seuil standard de 0,50 dans l’ensemble des échantillons, attestant que plus de la moitié de la variance des indicateurs est expliquée par le construit théorique latent.
• Validité discriminante (Discriminant Validity) : L’échelle satisfait pleinement au critère de Fornell et Larcker (1981), ainsi qu’au ratio hétérotrait-monotrait (HTMT). La racine carrée de l’AVE de la certitude décisionnelle est supérieure aux corrélations partagées avec des construits voisins tels que l’implication envers la catégorie de produit, le regret anticipé, l’expertise perçue du consommateur ou la recherche préalable d’informations. Les valeurs HTMT restent systématiquement sous la borne conservatrice de 0,85.
• Validité prédictive et nomologique (Predictive & Nomological Validity) : L’échelle montre un pouvoir explicatif élevé sur les comportements subséquents. Une certitude décisionnelle élevée prédit négativement et significativement la recherche d’informations non ciblée après l’achat (β négatif significatif), tout en prédisant positivement la satisfaction globale et l’intention de réachat dans les phases de suivi temporel.

8. Fidélité / Reliability

La fidélité métrologique de l’instrument a été vérifiée à travers plusieurs métriques complémentaires au sein des études longitudinales :

• Consistance interne (Internal Consistency) : Le coefficient alpha de Cronbach (α) a révélé une homogénéité remarquable entre les énoncés. Dans la première vague d’investigation (Wave 1, mesurée immédiatement après la transaction), les coefficients se sont chiffrés entre 0,88 et 0,93 selon les sous-échantillons. Lors de la seconde vague (Wave 2, administrée à intervalle différé pour tester la stabilité temporelle), le coefficient alpha s’est maintenu à un niveau optimal (α ≥ 0,89).
• Fiabilité composite (Composite Reliability – CR) : Le coefficient de fiabilité composite de Jöreskog s’est établi au-delà de 0,90, dépassant largement la valeur plancher recommandée de 0,70. Ce résultat démontre que les erreurs de mesure associées aux différents items ne biaisent pas l’estimation globale du construit.
• Stabilité temporelle et cohérence inter-vagues : Bien que la certitude puisse évoluer dynamiquement à mesure que le produit est utilisé ou que de nouveaux éléments contextuels émergent, les corrélations test-retest calculées entre les deux vagues de données ont affiché une stabilité relative modérée à élevée (r > 0,65, p < 0,001), ce qui est parfaitement congruent avec la nature théorique d’un construit cognitivo-affectif réceptif aux retours d’expérience du monde réel.

9. Analyse factorielle / Factor Analysis

Les investigations psychométriques conduites pour évaluer la dimensionalité de l’échelle combinent les approches exploratoires et confirmatoires :

Analyse factorielle exploratoire (AFE)

Lors des phases préliminaires de calibrage de l’outil, l’analyse factorielle exploratoire avec extraction par maximum de vraisemblance et rotation oblique (Promax ou Oblimin) a systématiquement extrait une solution factorielle claire. Le test de sphéricité de Bartlett s’est avéré hautement significatif (p < 0,0001) et l’indice de Kaiser-Meyer-Olkin (KMO) a affiché des valeurs supérieures à 0,85, démontrant une excellente adéquation de l’échantillonnage. Les items se regroupent de manière robuste avec des saturations factorielles dominantes (loadings > 0,75) sans phénomène indésirable de saturation croisée significative (cross-loadings < 0,25).

Analyse factorielle confirmatoire (AFC)

Dans la validation principale menée par Pizzutti et ses collègues (2022), un modèle de mesure en équations structurelles a été spécifié. Les résultats de l’AFC confirment la structure avec des indices d’ajustement empiriques convergents :

• χ² / ddl < 2,50 (indiquant une excellente adéquation par rapport aux degrés de liberté)
• CFI (Comparative Fit Index) ≥ 0,97
• TLI (Tucker-Lewis Index) ≥ 0,96
• RMSEA (Root Mean Square Error of Approximation) ≤ 0,052 avec intervalle de confiance à 90 % [0,031 ; 0,072]
• SRMR (Standardized Root Mean Square Residual) ≤ 0,038

Ces données confirment sans équivoque que la certitude décisionnelle d’achat est un construit parcimonieux, stable et conceptuellement cohérent, capable d’être administré sous une forme compacte sans perte de précision psychométrique.

10. Instrument de mesure / Instrument

L’instrument de mesure opérationnalisé se caractérise par les modalités suivantes :

• Type d’évaluation : Auto-questionnaire psychométrique standardisé (auto-évaluation en ligne ou papier-crayon).
• Format des réponses : Échelle de Likert en 7 points graduée de 1 (« Tout à fait en désaccord » / Strongly disagree) à 7 (« Tout à fait d’accord » / Strongly agree), ou échelle sémantique différentielle d’assurance (selon les déclinaisons des protocoles).
• Nombre d’items : Instrument court composé généralement de 3 à 5 items ciblés (selon la version opérationnelle retenue dans les vagues de l’étude), optimisé pour éviter la lassitude du répondant dans les protocoles longitudinaux.
• Temps de passation : Moins de 2 minutes.
• Modalités de cotation (Scoring) :
  • Calcul d’un score moyen global non pondéré : somme des items divisée par le nombre total d’items répondus.
  • Interprétation : Un score proche de 7 reflète une certitude décisionnelle absolue et une absence de doute post-achat ; un score médian (autour de 4) indique une indécision ou une neutralité critique ; un score proche de 1 traduit une détresse décisionnelle sévère ou un sentiment immédiat d’erreur d’achat.

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

• Année de publication princeps : 2022.
• Éditeur / Revue source : Journal of the Academy of Marketing Science, publié par Springer Nature.
• Conditions d’utilisation et permissions : L’utilisation de l’échelle à des fins de recherche académique, scientifique ou doctorale non commerciale est généralement autorisée sans frais, sous réserve de citer scrupuleusement l’article original de Pizzutti, Gonçalves et Ferreira (2022). Pour tout usage commercial, déploiement au sein d’outils logiciels propriétaires ou intégration dans des plateformes de diagnostic commercial à but lucratif, une demande formelle d’autorisation doit être soumise au titulaire des droits de diffusion (Springer Nature / Journal of the Academy of Marketing Science via le service RightsLink).
• Coût d’accès : Gratuit pour la communauté scientifique universitaire dans le cadre des exceptions de citation et d’analyse académique.

12. Références / References

• Festinger, L. (1957). A Theory of Cognitive Dissonance. Stanford University Press. https://doi.org/10.1515/9781503620766
• 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
• Pizzutti, C., Gonçalves, R., & Ferreira, M. (2022). Information search behavior at the post-purchase stage of the customer journey. Journal of the Academy of Marketing Science, 50(5), 981–1010. https://doi.org/10.1007/s11747-022-00860-6
• Thaler, R. (1985). Mental accounting and consumer choice. Marketing Science, 4(3), 199–214. https://doi.org/10.1287/mksc.4.3.199
• Tversky, A., & Kahneman, D. (1991). Loss aversion in riskless choice: A reference-dependent model. The Quarterly Journal of Economics, 106(4), 1039–1061. https://doi.org/10.2307/2937956

13. Questions et items du questionnaire / Scale Items