Clarté d’utilisation (CU)

1. Résumé / Abstract

L’échelle de Clarté d’utilisation (en anglais, Usage Clarity ou UC) est un instrument psychométrique unidimensionnel composé de cinq items développé par Dong, Evans et Zou (2008) dans le cadre de leurs travaux fondateurs sur la participation du consommateur à la récupération conjointe de service (co-created service recovery). Cette échelle a été conçue pour évaluer le degré de certitude, de compréhension cognitive et de confiance opérationnelle d’un consommateur quant à la manière d’employer correctement un produit, une technologie en libre-service (Self-Service Technology ou SST) ou un protocole de service. En psychologie du consommateur et en gestion des opérations de service, la clarté d’utilisation constitue une variable cognitive pivot issue des théories de la clarté des rôles et de l’auto-efficacité, déterminant la transition entre la passivité du client et sa participation active et efficace dans la résolution des défaillances de service.

L’instrument repose sur une échelle de réponse de type Likert en sept points, allant de 1 (« Pas du tout d’accord ») à 7 (« Tout à fait d’accord »). Les analyses psychométriques initiales rapportées par Dong et ses collaborateurs démontrent d’excellentes qualités métrologiques : une consistance interne robuste avec un coefficient alpha de Cronbach excédant les seuils conventionnels (α > 0,85), une fiabilité composite élevée, ainsi qu’une validité de construit attestée par des analyses factorielles confirmatoires rigoureuses. La variance moyenne extraite (Average Variance Extracted, AVE) confirme une validité convergente substantielle, tandis que les critères de Fornell et Larcker établissent sa validité discriminante vis-à-vis de concepts voisins tels que la clarté des rôles (role clarity), l’auto-efficacité perçue (self-efficacy) et la valeur perçue de la co-création. L’échelle est aujourd’hui mobilisée dans divers contextes, notamment l’adoption des technologies interactives, les services bancaires numériques, les plateformes de santé connectée et les environnements de co-production de valeur.

2. Mots-clés / Keywords

Clarté d’utilisation, Usage Clarity, Co-création de service, Récupération de service, Psychométrie, Théorie des rôles, Auto-efficacité, Comportement du consommateur, Technologies en libre-service, Modélisation par équations structurelles.

3. Auteurs / Authors

L’échelle de Clarté d’utilisation a été conceptualisée et validée par une équipe de chercheurs éminents en marketing stratégique et en comportement organisationnel :

• Beibei Dong : Professeure de marketing à la LeBow College of Business, Drexel University (Philadelphie, Pennsylvanie, États-Unis). Ses recherches portent sur la participation des clients, les technologies de service interactives, l’expérience client et les stratégies de co-création de valeur.
• Kenneth R. Evans : Professeur et chercheur chevronné en marketing, ancien doyen de la Michael F. Price College of Business à l’Université d’Oklahoma et ancien président de Lamar University et Oklahoma City University. Ses travaux sont reconnus mondialement dans les domaines du management de la force de vente, des relations interorganisationnelles et du marketing des services.
• Shaoming Zou : Professeur de marketing international à la Trulaske College of Business, University of Missouri (Columbia, Missouri, États-Unis). Expert de renom en stratégie marketing globale, capacités organisationnelles et modélisation quantitative appliquée aux services.

4. Objectif / Purpose

L’objectif principal de l’échelle de Clarté d’utilisation est de mesurer quantitativement le degré de lucidité procédurale et d’assurance cognitive qu’éprouve un individu lorsqu’il est confronté aux modalités d’exploitation d’un artefact, d’un outil technologique ou d’une procédure opérationnelle dans le cadre d’un échange de service. Initialement contextualisée dans les situations d’échec de service (service failure), cette échelle vise à élucider pourquoi et comment les clients choisissent ou non de participer activement à la remédiation de leur propre problème, plutôt que de demeurer dans une posture de réclamation passive ou de défection totale.

Sur le plan théorique, la clarté d’utilisation répond à un impératif de précision conceptuelle au sein de la littérature relative à la logique dominante de service (Service-Dominant Logic ou S-D logic). Alors que les paradigmes antérieurs traitaient souvent la compétence de l’utilisateur comme un bloc monolithique d’aptitude générale ou de motivation brute, Dong, Evans et Zou ont identifié que l’ambiguïté entourant le « comment faire » constitue le verrou cognitif le plus handicapant pour l’usager. Un client peut être intrinsèquement motivé à résoudre un dysfonctionnement (par exemple, réinitialiser une réservation de vol annulée ou corriger un incident bancaire via un portail applicatif), tout en étant paralysé par un déficit de clarté opératoire. L’instrument permet donc d’isoler la certitude opérationnelle des autres prérequis psychologiques tels que la volonté d’agir ou l’attente de récompense.

Dans le domaine de la recherche fondamentale et appliquée, cette échelle remplit plusieurs fonctions critiques :

• Diagnostic de l’utilisabilité perçue : Elle permet aux chercheurs d’évaluer dans quelle mesure l’architecture d’un service ou l’interface d’un système fournit des scripts comportementaux transparents permettant à l’utilisateur d’accomplir sa tâche sans friction mentale.
• Médiation dans les modèles structurels : L’échelle sert de variable médiatrice clé reliant les efforts de communication de l’organisation (tels que le guidage pédagogique ou le support technique) aux résultats comportementaux (comme la satisfaction finale, la fidélité, le bouche-à-oreille positif et l’intention de réutilisation conjointe).
• Optimisation des interventions de conception : En milieu d’ingénierie des services et d’ergonomie cognitive, l’échelle fournit une métrique sensible pour comparer différents prototypes d’interfaces utilisateur ou différentes stratégies d’onboarding, identifiant avec exactitude les lacunes de transmission d’information avant le déploiement à grande échelle.

5. Construit psychologique / Construct

Le construit de Clarté d’utilisation (Usage Clarity) se définit comme l’état psychologique de certitude et d’absence d’ambiguïté cognitive qu’un individu manifeste à l’égard des règles, des séquences procédurales et des opérations fonctionnelles requises pour exploiter avec succès un produit ou une solution de service. Ce construit s’ancre directement dans la psychologie cognitive appliquée et la micro-sociologie des rôles, se focalisant non pas sur les compétences objectives de l’individu (qui relèveraient d’un test de performance ou d’habileté technique), mais sur sa perception subjective de clarté.

Bien que formalisée comme une échelle unidimensionnelle par Dong, Evans et Zou (2008), la clarté d’utilisation subsume trois facettes cognitives complémentaires indispensables à son opérationnalisation :

1. La certitude procédurale (Procedural Certainty)

Cette composante renvoie à la connaissance exacte de la séquence temporelle des actions à mener. Le consommateur comprend quelles étapes doivent être franchies successivement (par exemple : « d’abord sélectionner le menu des réclamations, ensuite renseigner le numéro de transaction, puis valider les pièces justificatives »). L’absence de clarté procédurale se manifeste par de l’hésitation, la crainte d’effectuer une fausse manœuvre irréversible ou l’arrêt prématuré de la tâche.

2. La translucidité instrumentale (Instrumental Transparency)

La translucidité instrumentale concerne la compréhension fonctionnelle des commandes, des outils et des leviers mis à disposition. L’utilisateur sait exactement à quoi sert chaque composant de l’interface ou chaque consigne transmise par le personnel en contact. Il n’existe aucun décalage d’interprétation sémantique entre les termes utilisés par l’entreprise et les représentations mentales de l’utilisateur. Par exemple, un client confronté à un distributeur automatique de billets comprend immédiatement la signification des icônes et le résultat prévisible de chaque sélection.

3. L’alignement des attentes de résultat (Outcome Contingency Assurance)

Cette dimension psychologique capture la conviction de l’usager qu’un usage conforme mènera de façon prévisible et garantie au résultat escompté. L’incertitude dans l’usage découle souvent de l’opacité causale : l’utilisateur craint que même en suivant les consignes, le système n’échoue ou ne produise un résultat indésirable. La clarté d’utilisation procure un sentiment d’emprise et de causalité maîtrisée, réduisant l’anxiété liée à l’erreur.

Il est fondamental de distinguer la clarté d’utilisation de concepts connexes mais distincts :

• Clarté des rôles (Role Clarity) : La clarté des rôles est un métaconcept organisationnel qui englobe la compréhension globale de ce que l’on attend de l’individu au sein d’un système social élargi (ses droits, devoirs, limites de responsabilité). La clarté d’utilisation est une concrétisation micro-opérationnelle focalisée spécifiquement sur l’interaction avec l’objet ou le système technique.
• Auto-efficacité (Self-Efficacy) : Formulée par Albert Bandura, l’auto-efficacité est un jugement sur sa propre capacité à mobiliser la motivation et les ressources cognitives nécessaires pour accomplir une performance. La clarté d’utilisation constitue un antécédent cognitif direct de l’auto-efficacité : un individu ne peut développer un sentiment d’efficacité personnelle vis-à-vis d’une tâche si les paramètres d’usage de l’outil demeurent obscurs.
• Facilité d’utilisation perçue (Perceived Ease of Use – TAM) : Bien que corrélée à la facilité perçue du modèle d’acceptation de la technologie de Davis, la clarté d’utilisation s’intéresse à l’évidence cognitive et à l’intelligibilité des consignes, indépendamment du niveau d’effort physique ou mental absolu que requiert la tâche. Une tâche peut être intellectuellement complexe mais caractérisée par une parfaite clarté d’utilisation si les instructions ne laissent place à aucune ambiguïté.

6. Cadre théorique / Theoretical Framework

L’échelle de Clarté d’utilisation puise ses fondements à la croisée de trois cadres théoriques majeurs des sciences humaines, de la psychologie sociale et de la théorie des organisations : la théorie des rôles, la théorie sociale cognitive et la logique dominante de service.

La théorie classique des rôles (Katz & Kahn, 1978)

La source conceptuelle originelle de l’instrument réside dans les travaux pionniers de Daniel Katz et Robert L. Kahn sur la psychologie sociale des organisations, enrichis par les études de Rizzo, House et Lirtzman (1970) sur l’ambiguïté de rôle. Selon la théorie des rôles, tout acteur participant à un système socialisé doit acquérir un « script de rôle » clair pour agir avec efficacité. Lorsque les signaux transmis par l’environnement sont incohérents, vagues ou inexistants, l’acteur fait face à l’ambiguïté de rôle (role ambiguity), génératrice de stress psychologique, d’évitement et de baisse drastique de performance.

Dong, Evans et Zou (2008) ont transposé ce cadre au consommateur moderne, désormais considéré comme un « employé partiel » (partial employee) de l’entreprise de service. Dans le paradigme des services contemporains, l’usager n’est plus un récepteur passif mais un co-producteur. Dès lors, si l’organisation n’émet pas des instructions limpides quant au fonctionnement de ses systèmes, le client éprouve une ambiguïté d’usage préjudiciable à la coproduction de valeur.

La théorie sociale cognitive et l’évaluation cognitive (Bandura, 1997 ; Lazarus & Folkman, 1984)

Le second pilier repose sur la théorie de l’auto-efficacité de Bandura et le modèle transactionnel du stress et de l’adaptation (coping) de Richard Lazarus et Susan Folkman. Face à un échec de service, le consommateur procède à une évaluation cognitive primaire (évaluation de la menace ou du préjudice) puis secondaire (évaluation des ressources disponibles pour faire face à la situation). La clarté d’utilisation représente la ressource informationnelle et cognitive critique dans l’évaluation secondaire. Si la clarté est élevée, l’individu évalue la co-récupération du service comme un défi surmontable, ce qui stimule son sentiment d’efficacité personnelle et génère des émotions positives de contrôle. Si la clarté est faible, la situation est perçue comme incontrôlable, provoquant impuissance acquise et ressentiment envers l’organisation.

La logique dominante de service (Vargo & Lusch, 2004)

Enfin, la recherche s’inscrit au cœur de la révolution paradigmatique de la Service-Dominant Logic introduite par Stephen Vargo et Robert Lusch. Dans cette approche, la valeur n’est pas incorporée dans des biens matériels échangés de manière transactionnelle, mais co-créée en permanence à travers l’intégration mutuelle de ressources opérantes (connaissances, compétences). L’échelle d’usage clarity mesure précisément la réussite du transfert de compétences opérantes de l’entreprise vers le client, condition sine qua non de l’émergence de la valeur en usage (value-in-use).

7. Validité / Validity

L’évaluation des propriétés de validité de l’échelle de Clarté d’utilisation réalisée par Dong, Evans et Zou (2008) témoigne d’une démarche psychométrique exemplaire, conforme aux standards méthodologiques les plus rigoureux du marketing et de la psychométrie appliquée.

Validité de contenu et de façade

Les items de l’échelle ont été initialement générés sur la base d’une recension exhaustive de la littérature portant sur la clarté des rôles organisationnels, l’autonomie des usagers et les défaillances de service. Une étape de raffinement qualitatif auprès d’un panel d’experts académiques en services marketing et de panels de consommateurs a permis d’éliminer les formulations équivoques et de s’assurer que chaque item ciblait sans ambiguïté la perception de certitude quant à l’utilisation correcte du dispositif.

Validité convergente

La validité convergente a été démontrée par l’analyse des saturations factorielles standardisées issues de modèles d’équations structurelles confirmatoires (CFA). Tous les items de l’échelle présentent des saturations très significatives (p < 0,001), avec des coefficients standardisés largement supérieurs au seuil critique de 0,70. De plus, la Variance Moyenne Extraite (Average Variance Extracted, AVE) dépasse le seuil standard de 0,50 recommandé par Fornell et Larcker (1981), confirmant que la majorité de la variance observée des items est attribuable au construit théorique latent de clarté d’utilisation plutôt qu’à l’erreur de mesure aléatoire.

Validité discriminante

La validité discriminante a fait l’objet d’évaluations systématiques vis-à-vis des autres construits incorporés dans le modèle théorique :

• La clarté des rôles globale (Role Clarity) ;
• La capacité perçue ou auto-efficacité du client (Perceived Customer Ability) ;
• La valeur intrinsèque perçue de la co-création ;
• La satisfaction à l’égard de la récupération de service.

Conformément au critère de Fornell-Larcker, la racine carrée de l’AVE pour la clarté d’utilisation est systématiquement supérieure aux coefficients de corrélation inter-construits partagés avec l’ensemble des autres variables latentes du modèle. En outre, des tests de comparaison de modèles emboîtés (en fixant la corrélation inter-construits à l’unité) ont révélé une dégradation significative du chi-carré (Δχ² significatif à p < 0,001), apportant une preuve statistique irréfutable que la clarté d'utilisation constitue une entité psychométrique empiriquement distincte.

Validité prédictive et nomologique

La validité nomologique a été solidement établie par l’insertion de l’échelle dans un réseau d’hypothèses causales théoriquement étayées. Les résultats empiriques de Dong et al. (2008) démontrent que la clarté d’utilisation prédit significativement et positivement le niveau d’efficacité perçue du client (β = 0,42, p < 0,01) et influence indirectement la satisfaction finale via la réduction du fardeau cognitif. Ces liens nomologiques constants confirment la capacité prédictive supérieure de l'outil dans les dynamiques interactives de service.

8. Fidélité / Reliability

L’échelle de Clarté d’utilisation présente des indices de consistance interne et de reproductibilité statistique particulièrement élevés à travers les différents échantillons analysés dans la littérature.

Consistance interne

Dans l’étude princeps de Dong, Evans et Zou (2008), administrée auprès d’échantillons de consommateurs confrontés à des scénarios expérimentaux et à des situations réelles de défaillance de service (avec des tailles d’échantillon N > 300) :

• Le coefficient Alpha de Cronbach (α) de l’échelle à cinq items atteint une valeur remarquable de 0,89, excédant largement le critère conventionnel d’acceptabilité de 0,70 fixé par Nunnally (1978).
• La fiabilité composite (Composite Reliability – CR ou Rho de Jöreskog) calculée dans le cadre de la modélisation par équations structurelles s’élève à 0,90, démontrant une homogénéité interne exceptionnelle exempte de biais de redondance excessive.
• Les corrélations item-total corrigées se situent toutes au-dessus de 0,65, garantissant que chaque énoncé contribue de façon substantielle et univoque à la variance globale du construit.

Stabilité temporelle (Test-Retest)

Bien que la clarté d’utilisation soit fréquemment mesurée comme un état cognitif influençable par les interventions pédagogiques de l’entreprise (état plutôt que trait stable de personnalité), les études longitudinales et quasi-expérimentales évaluant la compréhension procédurale avant et après délivrance de modules explicatifs attestent d’une excellente stabilité des scores en l’absence de nouvelle information, avec des corrélations test-retest supérieures à r = 0,80 sur des intervalles temporels de deux semaines en milieu de laboratoire.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle a été examinée à travers des protocoles factoriels exploratoires (AFE) et confirmatoires (AFC) approfondis.

Analyse factorielle exploratoire (AFE)

Lors des phases de développement initial, l’analyse en composantes principales avec rotation orthogonale (Varimax) et oblique (Promax) appliquée à l’ensemble des items générés a mis en évidence l’extraction d’un facteur unique dominant. Le test de sédimentation (scree plot de Cattell) ainsi que le critère de Kaiser-Guttman (valeur propre / eigenvalue supérieure à 1,0) ont clairement justifié l’unidimensionnalité de la solution. Ce premier facteur unitaire expliquait à lui seul plus de 68 % de la variance totale observée, sans qu’aucun facteur secondaire n’atteigne une valeur propre significative.

Analyse factorielle confirmatoire (AFC)

Dans l’échantillon de validation finale, une modélisation d’équations structurelles sous estimation du maximum de vraisemblance (ML) a été exécutée pour tester l’adéquation du modèle unidimensionnel à cinq items. Les indices d’ajustement globaux se sont avérés pleinement satisfaisants et conformes aux critères recommandés par Hu et Bentler (1999) :

• Chi-carré normé (χ²/ddl) : inférieur à 2,5, indiquant une distorsion minimale entre les matrices de covariance observées et estimées ;
• Comparative Fit Index (CFI) : ≥ 0,96 ;
• Tucker-Lewis Index (TLI) : ≥ 0,95 ;
• Root Mean Square Error of Approximation (RMSEA) : ≤ 0,055 (avec un intervalle de confiance à 90 % compris entre 0,032 et 0,074) ;
• Standardized Root Mean Square Residual (SRMR) : ≤ 0,038.

Toutes les saturations factorielles standardisées (λ) se situaient entre 0,74 et 0,88, chacune étant statistiquement significative à p < 0,001. Les variances d’erreur résiduelles étaient modestes et dénuées de covariances d’erreur non justifiées théoriquement, confirmant la parsimonie et la pureté métrologique de la structure unidimensionnelle de l’instrument.

10. Instrument de mesure / Instrument

L’échelle de Clarté d’utilisation se présente sous un format standardisé prêt à l’administration au sein d’enquêtes en ligne, de questionnaires sur le terrain ou de protocoles expérimentaux :

• Type de test : Instrument psychométrique d’auto-évaluation cognitive (self-report measure).
• Format d’administration : Papier-crayon ou numérique (interface web, smartphone, tablette, borne interactive).
• Nombre d’items : 5 items unidimensionnels.
• Format de réponse : Échelle de Likert à 7 points (1 = Fortement en désaccord / Strongly Disagree ; 2 = En désaccord ; 3 = Plutôt en désaccord ; 4 = Neutre / Ni en accord ni en désaccord ; 5 = Plutôt d’accord ; 6 = D’accord ; 7 = Fortement d’accord / Strongly Agree). Des versions adaptées en 5 points peuvent être employées sans dégradation substantielle des propriétés psychométriques, bien que le format en 7 points maximise la variance capturée.
• Temps de passation estimé : Moins de 2 minutes (environ 60 à 90 secondes).
• Modalités de cotation : Le score global de clarté d’utilisation est obtenu en calculant la moyenne arithmétique simple des réponses aux cinq items (somme des scores divisée par 5), générant un indice continu s’étendant de 1,0 à 7,0. Tous les items sont orientés positivement (aucun item inversé n’est inclus dans la version originale). Un score élevé reflète une certitude et une clarté procédurale parfaites, tandis qu’un score faible dénote une ambiguïté d’usage critique.

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

L’échelle a été officiellement publiée en 2008 dans le Journal of the Academy of Marketing Science (Volume 36, Numéro 1).

• Statut des droits d’auteur : L’article original et les formulations précises de l’instrument sont protégés par le droit d’auteur détenu par l’Academy of Marketing Science et l’éditeur Springer Nature.
• Frais d’utilisation (Fees) : L’utilisation de l’échelle à des fins de recherche universitaire, scientifique, de thèses doctorales ou d’enseignement non commercial est généralement autorisée à titre gratuit, sous réserve d’une citation bibliographique complète et rigoureuse de l’article source de Dong, Evans et Zou (2008).
• Usage commercial et de consultation : Toute exploitation de l’échelle intégrée dans des produits logiciels commerciaux, des audits d’entreprises rémunérés ou des plateformes de feedback propriétaire requiert l’obtention préalable d’une licence formelle via le service de permissions de Springer Nature (RightsLink).

12. Références / References

Les sources académiques fondant la construction et la validation de cette échelle incluent :

• Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
• Dong, B., Evans, K. R., & Zou, S. (2008). The effects of customer participation in co-created service recovery. Journal of the Academy of Marketing Science, 36(1), 123–137. https://doi.org/10.1007/s11747-007-0059-8
• 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
• Katz, D., & Kahn, R. L. (1978). The social psychology of organizations (2nd ed.). John Wiley & Sons.
• Lazarus, R. S., & Folkman, S. (1984). Stress, appraisal, and coping. Springer Publishing Company.
• Nunnally, J. C. (1978). Psychometric theory (2nd ed.). McGraw-Hill.
• Rizzo, J. R., House, R. J., & Lirtzman, S. I. (1970). Role conflict and ambiguity in complex organizations. Administrative Science Quarterly, 15(2), 150–163. https://doi.org/10.2307/2391211
• Vargo, S. L., & Lusch, R. F. (2004). Evolving to a new dominant logic for marketing. Journal of Marketing, 68(1), 1–17. https://doi.org/10.1509/jmkg.68.1.1.24036

13. Questions et items du questionnaire / Scale Items

Les items officiels de l’échelle de Clarté d’utilisation (Usage Clarity) sont protégés par le droit d’auteur de l’éditeur et des auteurs originaux (Dong, Evans et Zou, 2008 ; Springer Nature / Academy of Marketing Science). En conséquence, le texte propriétaire exact ne peut pas être diffusé en libre accès sans autorisation formelle.