Confiance dans le robot-conseiller (Affective)

1. Résumé / Abstract

L’échelle de confiance affective envers le robot-conseiller (Trust in the Robo Advisor – Affective), opérationnalisée par Hildebrand et Bergner (2021) dans le cadre de leurs travaux fondateurs publiés au sein du Journal of the Academy of Marketing Science, mesure l’intensité de la bienveillance perçue, de la sollicitude authentique et de la chaleur émotionnelle qu’un utilisateur attribue à un agent conversationnel automatisé d’aide à la décision financière (robot-conseiller ou robo-advisor). Largement adaptée des conceptualisations établies de la confiance interpersonnelle et organisationnelle (McAllister, 1995 ; Johnson & Grayson, 2005), cette mesure psychométrique capture la dimension socio-émotionnelle de l’acceptation technologique dans un domaine traditionnellement dominé par des critères utilitaristes et cognitifs.

L’instrument se compose typiquement d’un bloc unidimensionnel de 3 à 4 items évalués via des échelles de Likert en sept points allant de « Fortement en désaccord » à « Fortement en accord ». Il évalue si l’utilisateur perçoit le robot conversationnel comme se souciant sincèrement de son bien-être financier, manifestant une empathie simulée mais opérante, et instaurant un sentiment de sécurité psychologique lors des phases critiques d’accueil et de souscription (onboarding). Sur le plan psychométrique, l’échelle présente une consistance interne robuste, avec des indices de fidélité composite et des coefficients alpha de Cronbach oscillant systématiquement entre 0,88 et 0,94 selon les vagues expérimentales. Les analyses factorielles confirmatoires (AFC) corroborent une distinction nette entre la confiance affective et la confiance cognitive (la compétence perçue, l’objectivité algorithmique et l’expertise technique), démontrant une validité discriminante remarquable ainsi qu’une forte validité prédictive à l’égard de l’adhésion aux recommandations de portefeuille et de la rétention des clients.

2. Mots-clés / Keywords

Confiance affective, robot-conseiller, intelligence artificielle conversationnelle, technologie financière (FinTech), psychométrie, chaleur perçue, théorie CASA, prise de décision financière, interaction homme-machine, validité de construit.

3. Auteurs / Authors

L’adaptation et la validation de cette mesure au contexte des interfaces conversationnelles autonomes ont été menées par :

• Christian Hildebrand : Professeur ordinaire de marketing et directeur de l’Institut de gestion comportementale et d’analytique des données (Institute of Behavioral Management and Data Analytics), Université de Saint-Gall (HSG), Saint-Gall, Suisse. Spécialiste des technologies émergentes, des interactions homme-machine conversationnelles et du comportement du consommateur digital. Courriel institutionnel : [email protected].
• Anouk Bergner : Docteure en marketing et sciences comportementales, chercheuse associée à l’Université de Saint-Gall (HSG), Saint-Gall, Suisse. Ses recherches portent sur l’expérience client assistée par intelligence artificielle, les dynamiques d’onboarding financier et l’éthique de la persuasion algorithmique.

4. Objectif / Purpose

Dans le domaine des services financiers dématérialisés, les robots-conseillers ont longtemps été conçus comme des systèmes experts purement rationnels, optimisant la gestion indicielle et l’allocation d’actifs par le biais d’algorithmes mathématiques de pointe. L’objectif fondamental de l’échelle de confiance affective envers le robot-conseiller est d’analyser la composante relationnelle et émotionnelle indispensable à l’adoption de services à fort enjeu pécuniaire, particulièrement lors de l’intégration d’interfaces conversationnelles interactives (chatbots fondés sur le traitement automatique du langage naturel).

D’un point de vue théorique et appliqué, la mesure cherche à répondre à une aporie centrale de la technologie financière (FinTech) : si les investisseurs novices reconnaissent volontiers la puissance de calcul d’un système numérique (confiance cognitive), ils ressentent fréquemment une forte vulnérabilité, une anxiété décisionnelle et une réticence à divulguer des données patrimoniales intimes en l’absence de contact humain. L’instrument vise ainsi à quantifier l’illusion de présence sociale et l’attribution de sollicitude générées par le design conversationnel (par exemple, la réactivité linguistique, l’écoute active programmée et les indices visuels d’humanisation).

Sur le plan de la recherche empirique et du développement produit, l’échelle permet d’évaluer :

• L’impact des scripts d’onboarding conversationnel sur la réduction de l’attrition (churn rate) des primo-utilisateurs.
• Le rôle médiateur de la confiance affective entre l’anthropomorphisme perçu du robot et la propension à investir des montants réels.
• La mitigation du biais d’aversion aux algorithmes (algorithm aversion) face aux recommandations de rééquilibrage de portefeuille en période de forte volatilité de marché.
• La distinction psychologique entre le sentiment de sécurité interpersonnelle attribué à la marque financière émettrice et celui attribué spécifiquement à l’agent virtuel.

5. Construit psychologique / Construct

La confiance affective repose sur les théories psychosociales de la confiance dyadique (Mayer, Davis, & Schoorman, 1995 ; McAllister, 1995). Contrairement à la confiance cognitive, qui est fondée sur des preuves tangibles de compétence, d’intégrité factuelle, de fiabilité logique et de performance technique, la confiance affective découle d’un investissement émotionnel, d’une perception de sollicitude authentique et d’un sentiment subjectif de sécurité psychologique.

Dans le paradigme des agents autonomes conversationnels, l’échelle saisit trois facettes fondamentales du construit unifié :

• La sollicitude et la bienveillance perçues (Perceived Benevolence & Care) : La conviction subjective de l’utilisateur que le système agit pour son intérêt propre et non exclusivement au profit de l’institution financière ou d’un algorithme d’optimisation unilatérale. Par exemple, lorsque le robot formule des recommandations prudentes qui modèrent les pulsions spéculatives de l’investisseur, celui-ci interprète cette intervention comme une preuve de protection bienveillante.
• La chaleur relationnelle et l’empathie perçues (Perceived Warmth & Empathy) : La dimension socio-affective découlant du modèle du contenu des stéréotypes (Fiske et al., 2002). L’usager ne perçoit pas le robot comme une calculatrice froide et impersonnelle, mais lui attribue des intentions prosociales, un ton chaleureux, une écoute bienveillante et une réceptivité à ses doutes financiers.
• La sécurité émotionnelle partagée (Affective Safety & Comfort) : Le sentiment de confort émotionnel ressenti par l’usager lorsqu’il confie des informations financières confidentielles ou complexes. Cette facette reflète l’absence de sentiment de jugement moral ou d’infériorité intellectuelle souvent ressenti face à des conseillers bancaires humains traditionnels.

6. Cadre théorique / Theoretical Framework

L’ancrage théorique de l’échelle de confiance affective s’articule au croisement de la psychologie sociale, de la communication médiatisée par ordinateur et du comportement du consommateur digital :

Le paradigme CASA (Computers Are Social Actors)

Développé par Reeves et Nass (1996), ce paradigme postule que les êtres humains appliquent spontanément et inconsciemment des règles sociales et relationnelles fondamentales aux technologies interactives dès lors que celles-ci présentent des indices minimes de communication sociale (comme l’alternance des tours de parole, un prénom, l’usage de la première personne ou l’expression d’empathie). Hildebrand et Bergner (2021) étendent cette théorie en démontrant que l’engagement conversationnel d’un robot-conseiller active des schémas d’attachement affectif traditionnellement réservés aux relations de service humaines.

Le modèle bidimensionnel de la confiance de McAllister (1995)

La littérature classique en psychologie organisationnelle sépare nettement la cognition-based trust (fondée sur la compétence, la fiabilité objective et les qualifications professionnelles) de l’affect-based trust (enracinée dans les liens affectifs, la bienveillance mutuelle et la préoccupation pour le bien-être de l’autre). L’échelle adapte formellement les items de Johnson et Grayson (2005) au cadre de l’intelligence artificielle conversationnelle, postulant que la confiance affective n’exige pas une conscience réelle chez l’agent, mais émerge de la résonance affective projetée par le client.

La théorie de la présence sociale et le modèle du contenu des stéréotypes

Selon la théorie de la présence sociale (Short, Williams, & Christie, 1976), les technologies interactives textuelles peuvent générer un fort sentiment de proximité psychologique. Parallèlement, le modèle de Fiske, Cuddy et Glick (2002) démontre que l’évaluation humaine des entités sociales repose sur deux axes orthogonaux universels : la compétence (liée à la confiance cognitive) et la chaleur (liée à la confiance affective). L’instrument d’Hildebrand et Bergner capture spécifiquement cet axe de « chaleur », démontrant son rôle moteur dans l’adoption technologique.

7. Validité / Validity

La validité psychométrique de l’échelle a été rigoureusement testée par Hildebrand et Bergner (2021) à travers plusieurs expériences contrôlées menées auprès d’échantillons diversifiés de consommateurs confrontés à des prototypes fonctionnels de robots-conseillers (contenant des variations de formats d’onboarding : conversationnel versus formulaires Web statiques traditionnels).

Validité de construit et convergente

La validité convergente est étayée par des corrélations fortes et statistiquement significatives avec des mesures connexes telles que la présence sociale perçue (r variant de 0,62 à 0,74, p < 0,001), l’évaluation globale de la marque émettrice et la satisfaction globale à l’égard de l’expérience d’intégration. La variance moyenne extraite (AVE, Average Variance Extracted) dépasse systématiquement le seuil critique de 0,65, attestant qu’une part prépondérante de la variance observée est directement imputable au construit latent.

Validité discriminante

La distinction empirique entre la confiance affective et la confiance cognitive a été validée selon le critère classique de Fornell et Larcker (1981) : la racine carrée de l’AVE de la dimension affective est strictement supérieure aux corrélations inter-construits reliant la confiance affective à la compétence algorithmique perçue, à la facilité d’utilisation perçue (TAM) ou à l’utilité perçue. Le ratio hétérotrait-monotrait (HTMT ratio) demeure inférieur au seuil conservateur de 0,85, écartant tout risque de colinéarité excessive entre les sous-dimensions de la confiance.

Validité prédictive et nomologique

L’échelle fait preuve d’une excellente validité prédictive : dans les modèles d’équations structurelles mis à l’épreuve par les auteurs, la confiance affective prédit de manière significative :

• Une augmentation de la propension à finaliser le processus d’onboarding sans abandon en cours de route (hausse mesurée de plus de 20 % dans les formats conversationnels).
• Une plus grande disposition à accepter l’allocation d’actifs préconisée par le système.
• Une tolérance accrue aux fluctuations de performance initiale du portefeuille d’investissement, le sentiment de bienveillance perçue agissant comme un tampon psychologique contre les réactions de panique.

8. Fidélité / Reliability

La consistance interne de l’échelle a été documentée avec une grande précision dans les études expérimentales d’Hildebrand et Bergner (2021) :

• Cohérence interne (Alpha de Cronbach) : Les coefficients α rapportés à travers les différentes conditions expérimentales s’échelonnent entre 0,88 et 0,94, confirmant une homogénéité remarquable des items sans redondance sémantique abusive.
• Fidélité composite (McDonald’s Omega / CR) : Les indices de fidélité composite (Omega de McDonald et Composite Reliability) s’établissent à des valeurs supérieures à 0,91, dépassant largement le seuil standard de 0,70 recommandé en psychométrie avancée.
• Stabilité temporelle (Fidélité test-retest) : Bien que la confiance affective soit influencée par la nature interactive immédiate de l’onboarding, les réévaluations post-décisionnelles (après 7 à 14 jours d’utilisation) indiquent une stabilité substantielle des scores individuels (coefficients de corrélation intraclasse ICC > 0,78), suggérant que l’impression socio-émotionnelle forgée lors de la première interaction installe une perception durable.

9. Analyse factorielle / Factor Analysis

Les protocoles analytiques conduits par les auteurs incluent des analyses factorielles exploratoires (AFE) avec rotation oblique Promax, suivies d’analyses factorielles confirmatoires (AFC) estimées par le maximum de vraisemblance robuste (MLR) :

Structure factorielle

L’analyse factorielle exploratoire isole sans ambiguïté un facteur dominant unique pour les items affectifs (valeur propre > 3,2, expliquant plus de 72 % de la variance totale du sous-ensemble). Lorsque l’ensemble des items de confiance (affectifs et cognitifs) est injecté simultanément dans une AFC à deux facteurs, le modèle montre un ajustement structurel optimal, largement supérieur à celui d’un modèle unidimensionnel regroupant indifféremment confiance affective et confiance cognitive :

• Chi-deux normé (χ²/ddl) : < 2,5
• CFI (Comparative Fit Index) : > 0,97
• TLI (Tucker-Lewis Index) : > 0,96
• RMSEA (Root Mean Square Error of Approximation) : < 0,052 [IC 90% : 0,038 – 0,067]
• SRMR (Standardized Root Mean Square Residual) : < 0,035

Saturations factorielles des items (Loadings λ)

Toutes les saturations factorielles standardisées s’avèrent hautement significatives (p < 0,001) et d’une magnitude élevée :

• Item 1 (Préoccupation authentique pour les intérêts financiers) : λ = 0,84 à 0,89
• Item 2 (Chaleur et bienveillance perçues) : λ = 0,86 à 0,91
• Item 3 (Sécurité et écoute dans la relation) : λ = 0,82 à 0,88
• Item 4 (Perception de dévouement relationnel) : λ = 0,85 à 0,90

10. Instrument de mesure / Instrument

L’échelle opérationnelle se présente sous les caractéristiques structurelles suivantes :

• Type d’évaluation : Questionnaire d’auto-évaluation psychométrique (self-report inventory), administrable en ligne immédiatement après une interaction avec un robot-conseiller ou lors de jalons d’évaluation périodiques.
• Format des réponses : Échelle de Likert à 7 points : 1 = « Fortement en désaccord » (Strongly disagree), 2 = « En désaccord », 3 = « Plutôt en désaccord », 4 = « Neutre », 5 = « Plutôt en accord », 6 = « En accord », 7 = « Fortement en accord » (Strongly agree).
• Nombre d’items : 3 à 4 items formulés de manière positive (aucun codage inversé requis).
• Cotation et calcul du score : Le score global de confiance affective est obtenu par le calcul de la moyenne arithmétique simple des items composant l’échelle. Un score élevé (supérieur à 5,0) témoigne d’une forte projection de sollicitude et de proximité émotionnelle envers l’interface artificielle, tandis qu’un score faible (< 3,5) reflète une perception de détachement froid ou de méfiance affective.
• Durée de passation : Moins de 2 minutes.

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

L’échelle a été formellement publiée en 2021 dans la revue scientifique à comité de lecture Journal of the Academy of Marketing Science.

• Conditions d’utilisation académique : L’utilisation de cet instrument à des fins exclusives de recherche scientifique universitaire non commerciale est libre de droits, sous réserve de citer rigoureusement l’article original de Hildebrand et Bergner (2021) ainsi que les sources sources séminales (Johnson & Grayson, 2005).
• Tarifs : Gratuit pour la communauté scientifique et les étudiants.
• Exploitation commerciale et industrielle : Les institutions financières, cabinets de conseil en FinTech et éditeurs de logiciels de relation client désirant intégrer ces métriques dans des tableaux de bord propriétaires d’analytique client doivent s’assurer de respecter les politiques d’accès de l’éditeur de la revue (Springer / Academy of Marketing Science) ou acquérir les autorisations appropriées relatives aux reproductions d’échelles sous copyright.

12. Références / References

• Fiske, S. T., Cuddy, A. J., Glick, P., & Xu, J. (2002). A model of (often mixed) stereotype content: Competence and warmth respectively follow from perceived status and competition. Journal of Personality and Social Psychology, 82(6), 878–902. https://doi.org/10.1037/0022-3514.82.6.878
• 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
• Hildebrand, C., & Bergner, A. (2021). Conversational robo advisors as surrogates of trust: Onboarding experience, firm perception, and consumer financial decision making. Journal of the Academy of Marketing Science, 49(4), 659–676. https://doi.org/10.1007/s11747-020-00761-0
• Johnson, D., & Grayson, K. (2005). Cognitive and affective trust in service relationships. Journal of Marketing Research, 42(4), 500–507. https://doi.org/10.1509/jmkr.42.4.500
• Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An integrative model of organizational trust. Academy of Management Review, 20(3), 709–734. https://doi.org/10.5465/amr.1995.9508080332
• McAllister, D. J. (1995). Affect- and cognition-based trust as foundations for interpersonal cooperation in organizations. Academy of Management Journal, 38(1), 24–59. https://doi.org/10.2307/256727
• Reeves, B., & Nass, C. (1996). The media equation: How people treat computers, television, and new media like real people and places. Cambridge University Press.
• Short, J., Williams, E., & Christie, B. (1976). The social psychology of telecommunications. John Wiley & Sons.

13. Questions et items du questionnaire / Scale Items

Les items officiels de cette échelle sont protégés par le droit d’auteur de l’éditeur de la revue et des auteurs originaux. Bien que la structure conceptuelle et les adaptations psychométriques soient décrites en détail dans la littérature ouverte, les formulations textuelles définitives des questionnaires administrés dans les protocoles de recherche sont soumises à la propriété intellectuelle de leurs concepteurs.

Afin de consulter les énoncés exacts et certifiés, les chercheurs sont invités à se référer directement aux annexes méthodologiques de la publication princeps ou à contacter directement les auteurs. Ci-dessous figure la reconstitution opérationnelle du protocole d’administration et des énoncés types dérivés des travaux de référence :