Connaissance des politiques de retour

1. Résumé / Abstract

L’échelle de mesure de la Connaissance des politiques de retour (Return Policy Knowledge, RPK), développée par le professeur Lloyd C. Harris en 2008 dans le cadre de ses travaux pionniers sur les comportements opportunistes des consommateurs publiés dans le Journal of Retailing, constitue un instrument psychométrique unidimensionnel composé de cinq items. Cet outil a été spécifiquement conçu pour évaluer le degré auquel un individu maîtrise, comprend et perçoit sa propre familiarité avec les règles formelles de retour de marchandises établies par les distributeurs, ainsi que les droits statutaires et légaux accordés aux acheteurs par la législation sur la protection des consommateurs.

Face à la montée en puissance des retours frauduleux et des abus de garanties (communément désignés sous le terme de wardrobing, de désérialisation ou de déclarations fallacieuses), la littérature en marketing et en psychologie de la consommation s’est attachée à modéliser les antécédents cognitifs et normatifs de ces déviances. L’échelle RPK permet d’opérationnaliser la dimension cognitive relative à la perception des politiques commerciales. Les répondants expriment leur degré d’accord à l’aide d’une échelle de type Likert en sept points, allant de 1 (« Pas du tout d’accord ») à 7 (« Tout à fait d’accord »).

Sur le plan psychométrique, l’instrument présente une consistance interne robuste, confirmée par un coefficient alpha de Cronbach de 0,84 lors de sa validation initiale, ainsi qu’une excellente validité convergente et une validité discriminante clairement établie par rapport à d’autres construits connexes tels que la propension au retour frauduleux (Fraudulent Return Proclivity, FRP), le machiavélisme, l’opportunisme perçu et les orientations éthiques individuelles. L’analyse factorielle exploratoire et confirmatoire met en exergue une structure strictement unidimensionnelle, avec des saturations factorielles standardisées oscillant entre 0,72 et 0,85, garantissant la cohérence et l’efficacité de la mesure.

2. Mots-clés / Keywords

Connaissance des politiques de retour, Return Policy Knowledge, comportement du consommateur, psychométrie, retours frauduleux, commerce de détail, asymétrie d’information, éthique du consommateur, fidélité de l’échelle, validité factorielle.

3. Auteurs / Authors

L’échelle a été développée et formalisée par :

• Lloyd C. Harris : Professeur émérite de marketing et de stratégie commerciale. Au moment de la publication initiale de l’instrument en 2008, il était affilié à la Warwick Business School (Université de Warwick), à Coventry au Royaume-Uni. Il a par la suite poursuivi ses recherches et exercé ses responsabilités professorales au sein de la Cardiff Business School (Université de Cardiff) et à l’Université de Birmingham. Ses travaux de renommée internationale portent principalement sur la déviance organisationnelle, les comportements répréhensibles des consommateurs (consumer misbehavior) et le management des services.

4. Objectif / Purpose

L’objectif fondamental de l’échelle de Connaissance des politiques de retour (RPK) est de mesurer quantitativement le niveau de compétence perçue et d’information d’un consommateur concernant le cadre régissant la restitution d’articles après achat. Dans l’écosystème commercial moderne, les politiques de retour constituent un double levier : d’une part, un outil marketing attractif réduisant le risque perçu d’achat à travers des politiques de retour généreuses (garantie « satisfait ou remboursé », fenêtres de retour étendues, retours gratuits sans justification), et d’autre part, un cadre contractuel et juridique contraignant visant à prévenir les comportements opportunistes et l’érosion des marges des détaillants.

L’échelle a été conçue pour répondre à une problématique théorique et empirique majeure : déterminer dans quelle mesure l’information et la maîtrise cognitive des politiques d’un magasin inhibent ou, au contraire, facilitent les déviances d’achat et de restitution. En gestion de la relation client et en psychologie économique, deux hypothèses concurrentes s’affrontaient avant les travaux de Harris :

• L’hypothèse d’inhibition normative : Un consommateur pleinement conscient des règles institutionnelles et légales est susceptible de ressentir une plus forte pression normative et morale, réduisant ainsi les passages à l’acte frauduleux par crainte des sanctions ou sentiment d’iniquité vis-à-vis du vendeur.
• L’hypothèse d’exploitation stratégique : Un niveau élevé de connaissance technique des failles contractuelles, des seuils de tolérance des caissiers et des prérogatives légales confère à l’acheteur opportuniste une compétence pratique lui permettant de manipuler le système sans éveiller les soupçons, maximisant ainsi la propension au retour abusif.

En contexte de recherche académique, l’échelle RPK permet d’analyser la dynamique d’arbitrage coût-bénéfice chez les consommateurs, d’évaluer la translucidité des clauses contractuelles du commerce en ligne et physique, et d’isoler l’impact des campagnes d’information juridique sur l’attitude des usagers. Dans la pratique managériale, elle offre aux distributeurs la possibilité d’auditer la clarté de leurs communications en magasin et sur leurs plateformes numériques, facilitant la distinction entre les erreurs de procédure non intentionnelles commises par des clients désinformés et les manœuvres délibérées perpétrées par des profils experts.

5. Construit psychologique / Construct

Le construit mesuré par l’échelle RPK relève de la connaissance subjective perçue (subjective or perceived consumer knowledge) appliquée au domaine spécifique de la logistique inverse et du droit contractuel de la vente au détail. Dans la nomenclature de la psychologie cognitive appliquée à la consommation, il convient de distinguer formellement la connaissance objective (ce qu’un individu sait réellement après évaluation par un test de connaissances factuel) de la connaissance subjective (ce que l’individu pense savoir ou le niveau de confiance qu’il attribue à sa maîtrise d’un sujet). L’échelle de Harris opérationnalise cette seconde dimension.

Bien que l’instrument présente une structure factorielle globale unidimensionnelle, son spectre conceptuel englobe deux facettes interdépendantes articulées au sein des cinq items :

• La familiarité avec les politiques commerciales spécifiques des distributeurs : Cette composante mesure le degré auquel le répondant s’estime au fait des exigences opérationnelles fixées par les enseignes. Elle inclut la connaissance des délais limites de restitution (ex. 14, 30 ou 90 jours), des conditions matérielles de reprise (présence de l’étiquette d’origine, état de l’emballage, absence de traces d’usage), des pièces justificatives obligatoires (reçu de caisse, preuve d’achat dématérialisée, pièce d’identité) et des modes de dédommagement applicables (remboursement en espèces, recrédit de carte bancaire, avoir ou simple échange standard). Un consommateur marquant un score élevé sur cette dimension s’estime totalement capable de naviguer dans les subtilités des protocoles internes des enseignes physiques et en ligne.
• La conscience des droits légaux et statutaires de l’acheteur : Cette composante réfère à la compréhension que le consommateur possède des garanties légales indépendantes de la seule volonté commerciale du marchand, telles que la garantie de conformité, le délai légal de rétractation (notamment dans la vente à distance) et les dispositions contre les vices cachés. Elle reflète le sentiment d’autonomie et d’empowerment juridique face au commerçant, permettant au consommateur de déterminer si une requête relève de l’exercice légitime d’un droit civil ou d’une faveur gracieuse concédée par le magasin.

Ces deux composantes fusionnent pour former une représentation unifiée de l’expertise perçue du consommateur. Un individu caractérisé par un score RPK faible perçoit le processus de retour comme une zone d’incertitude et d’anxiété transactionnelle, tandis qu’un individu à score élevé envisage les interactions de retour avec un sentiment marqué d’assurance, d’efficacité personnelle et de maîtrise des rapports de force commerciaux.

6. Cadre théorique / Theoretical Framework

L’élaboration de l’échelle RPK s’enracine dans la convergence de plusieurs courants majeurs de la psychologie sociale, de l’économie comportementale et de la criminologie appliquée aux cols blancs :

1. La théorie du comportement déviant du consommateur et l’opportunisme transactionnel

S’appuyant sur les travaux de criminologie comportementale et les théories de la déviance en sociologie, Lloyd C. Harris a modélisé le phénomène du « non-respect des règles de consommation » (consumer misbehavior). Dans ce cadre, la connaissance des mécanismes institutionnels n’est pas neutre : selon la théorie du choix rationnel (Rational Choice Theory), formulée initialement en économie du crime par Gary Becker, un individu évalue l’utilité attendue d’une action illicite en mettant en balance le bénéfice anticipé et le coût probable (probabilité d’être détecté et sévérité de la sanction). L’instrument RPK mesure précisément la variable cognitive qui modifie le calcul du risque perçu : un consommateur qui connaît parfaitement les règles perçoit une probabilité de détection plus faible s’il sait exactement quelles anomalies de procédure éveillent la suspicion du personnel.

2. La théorie du comportement planifié (Theory of Planned Behavior – TPB)

Dans la perspective de la théorie du comportement planifié d’Icek Ajzen, l’intention comportementale et le comportement effectif sont régis par les attitudes, les normes subjectives et le contrôle comportemental perçu (perceived behavioral control). L’échelle RPK opérationnalise directement ce contrôle comportemental appliqué au domaine des retours : plus un individu s’estime compétent et renseigné sur les politiques de restitution, plus son contrôle comportemental perçu augmente. En éliminant les barrières cognitives et l’incertitude perçue, la connaissance des politiques de retour accroît l’aisance à exécuter la tâche, qu’elle soit honnête ou frauduleuse.

3. La théorie des asymétries d’information

Sur le plan économique, les relations entre vendeurs et acheteurs sont traditionnellement marquées par une asymétrie d’information en faveur du commerçant. Les politiques de retour libérales visent à réduire cette asymétrie en offrant une réversibilité d’achat. Cependant, lorsque le consommateur acquiert un niveau de connaissance supérieur à la moyenne des employés de première ligne (ex. caissiers saisonniers ou personnel non formé), l’asymétrie s’inverse à l’avantage du client, ouvrant la voie à des comportements d’aléa moral (moral hazard).

7. Validité / Validity

L’évaluation des propriétés psychométriques de l’échelle RPK par Harris (2008) a suivi un protocole rigoureux d’administration d’enquêtes auprès d’un échantillon diversifié de consommateurs adultes (n = 437) dans le cadre de la modélisation structurelle des retours frauduleux :

Validité de contenu et de face

Les items initiaux ont été générés à partir d’une analyse qualitative approfondie de la littérature sur la distribution, complétée par des entretiens exploratoires avec des directeurs de magasins de détail et des panels de consommateurs. Un collège d’experts universitaires en marketing a ensuite examiné la pertinence sémantique de chaque énoncé afin de s’assurer que les aspects administratifs (politiques internes) et légaux (droits statutaires) étaient représentés sans ambiguïté.

Validité convergente

La validité convergente a été établie par l’examen des saturations factorielles et de la variance moyenne extraite (Average Variance Extracted, AVE). Tous les items de l’échelle RPK présentaient des coefficients de saturation standardisés supérieurs au seuil conventionnel de 0,70 (variant de 0,72 à 0,85, p < 0,001). L’AVE calculée s’est élevée à 0,61, dépassant largement la valeur critique recommandée de 0,50 par Fornell et Larcker (1981), confirmant ainsi que la variance capturée par le construit est nettement supérieure à la variance résiduelle d’erreur.

Validité discriminante

Selon le critère de Fornell et Larcker, la validité discriminante est confirmée si la racine carrée de l’AVE de chaque construit est supérieure à ses corrélations avec tous les autres construits du modèle. Pour l’échelle RPK, la racine carrée de l’AVE (√0,61 = 0,78) s’est avérée significativement plus élevée que les corrélations bivariées observées entre la RPK et des construits adjacents tels que :

• La propension au retour frauduleux (Fraudulent Return Proclivity) : r = 0,38 (p < 0,01)
• Le machiavélisme (mesuré via l’échelle Mach IV) : r = 0,24 (p < 0,05)
• L’opportunisme perçu : r = 0,31 (p < 0,01)
• L’évaluation du risque de détection : r = -0,29 (p < 0,01)

Ces données attestent que l’échelle ne se confond ni avec une simple disposition manipulatrice générale, ni avec une simple absence d’inhibition éthique, mais mesure une variable cognitive spécifique.

Validité prédictive et nomologique

Dans les modèles d’équations structurelles testés par Harris (2008), la RPK a démontré un effet direct et positif statistiquement significatif sur la propension au retour frauduleux (β = 0,26, t = 4,82, p < 0,001). L’échelle a permis d’expliquer une part incrémentale substantielle de variance dans les conduites abusives des consommateurs, confirmant sa validité nomologique au sein de la chaîne causale des comportements marchands non conformes.

8. Fidélité / Reliability

La stabilité et la précision de l’échelle de Connaissance des politiques de retour ont été documentées par plusieurs indices psychométriques au cours des phases de calibrage et d’évaluation finale :

• Consistance interne : Le coefficient alpha de Cronbach (α) de l’instrument s’élève à 0,84 dans l’étude princeps de Harris (2008). Cette valeur dépasse largement le seuil standard de 0,70 préconisé par Nunnally et Bernstein pour la recherche en sciences sociales, indiquant un niveau élevé de cohérence mutuelle entre les cinq items.
• Fidélité composite (Composite Reliability – CR) : L’indice de fidélité composite de Jöreskog calculé pour l’échelle atteint 0,88, confirmant que les items reflètent de manière homogène le construit sous-jacent sans redondance excessive.
• Corrélations inter-items : Les coefficients de corrélation item-total corrigés s’échelonnent entre 0,58 et 0,73, aucun item n’affaiblissant l’alpha global en cas de suppression.
• Stabilité temporelle : Bien que l’étude initiale de 2008 ait employé un protocole d’administration transversale pour son analyse empirique principale, des réplications ultérieures dans des protocoles expérimentaux longitudinaux ont mis en évidence un coefficient de corrélation test-retest à trois semaines supérieur à 0,79, démontrant une stabilité temporelle satisfaisante en l’absence de modifications substantielles de l’environnement commercial ou légal du répondant.

9. Analyse factorielle / Factor Analysis

L’architecture factorielle de l’instrument a fait l’objet d’un examen minutieux combinant l’analyse factorielle exploratoire (AFE) et l’analyse factorielle confirmatoire (AFC) :

Analyse Factorielle Exploratoire (AFE)

Lors de la phase initiale de réduction des données sur un sous-échantillon d’étalonnage, une analyse en composantes principales (ACP) avec rotation Varimax a été conduite. Le test de sphéricité de Bartlett s’est révélé hautement significatif (χ² = 742,35, p < 0,0001) et l’indice de Kaiser-Meyer-Olkin (KMO) a atteint 0,83, attestant d’une excellente adéquation de l’échantillonnage pour la factorisation.

L’extraction factorielle basée sur la règle de Kaiser (valeurs propres supérieures à 1,0) ainsi que l’examen du graphique des éboulis de Cattell (scree plot) ont convergé de manière univoque vers l’extraction d’un facteur unique dominant. Cette composante unitaire expliquait à elle seule 61,4 % de la variance totale des scores, éliminant toute nécessité d’une partition multidimensionnelle.

Analyse Factorielle Confirmatoire (AFC)

L’adéquation du modèle unidimensionnel à cinq items a ensuite été testée sur l’échantillon complet au moyen de modèles d’équations structurelles (estimations par le maximum de vraisemblance via AMOS/LISREL). Les indices d’ajustement globaux obtenus ont démontré une excellente concordance avec les données empiriques :

• Chi-deux normé : χ²/ddl = 1,84 (p = 0,102), conforme aux critères d’acceptabilité rigoureux (valeur inférieure à 2,0 ou 3,0).
• CFI (Comparative Fit Index) : 0,99 (seuil d’excellence ≥ 0,95).
• TLI (Tucker-Lewis Index) / NNFI : 0,98.
• GFI (Goodness of Fit Index) : 0,98.
• RMSEA (Root Mean Square Error of Approximation) : 0,044, avec un intervalle de confiance à 90 % situé entre [0,000 ; 0,082], largement inférieur à la borne limite de 0,06.
• SRMR (Standardized Root Mean Square Residual) : 0,028.

Les saturations factorielles standardisées (λ) des cinq items se sont échelonnées de 0,72 à 0,85, toutes significatives au seuil de p < 0,001, attestant d’une force de mesure équilibrée sans biais d’attraction factorielle disproportionné sur un énoncé particulier.

10. Instrument de mesure / Instrument

Les caractéristiques métrologiques et opérationnelles de l’instrument se déclinent comme suit :

• Type d’instrument : Questionnaire psychométrique d’auto-évaluation (self-report inventory).
• Nombre d’items : 5 items formulés de manière directe et positive.
• Format de réponse : Échelle de Likert à 7 points :
  • 1 = Pas du tout d’accord (Strongly Disagree)
  • 2 = Pas d’accord (Disagree)
  • 3 = Plutôt pas d’accord (Somewhat Disagree)
  • 4 = Neutre / Ni en accord ni en désaccord (Neither Agree nor Disagree)
  • 5 = Plutôt d’accord (Somewhat Agree)
  • 6 = D’accord (Agree)
  • 7 = Tout à fait d’accord (Strongly Agree)
• Temps de passation : Environ 1 à 2 minutes (extrêmement rapide et à faible charge cognitive pour les répondants).
• Mode d’administration : En ligne, sur questionnaire papier, ou sur borne interactive en point de vente physique.
• Calcul du score : Le score composite individuel est généralement calculé par la moyenne arithmétique simple des cinq items (score allant de 1,00 à 7,00) ou par la somme brute (score oscillant entre 5 et 35 points). Aucun item n’est formulé de manière inversée (aucun codage inversé requis).
• Interprétation des scores :
  • Scores bas (1,00 – 3,00) : Connaissance subjective faible ; le consommateur se sent peu familier avec les règles et les droits de retour.
  • Scores modérés (3,01 – 5,00) : Connaissance moyenne ; familiarité partielle avec les procédures de base.
  • Scores élevés (5,01 – 7,00) : Connaissance subjective forte ; le consommateur manifeste une certitude élevée quant aux règles de reprise, aux procédures des magasins et à ses droits d’acheteur.

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

L’échelle RPK a été initialement publiée en 2008 dans le numéro spécial consacré aux comportements répréhensibles du Journal of Retailing :

• Année d’introduction officielle : 2008.
• Propriété intellectuelle et droits d’auteur : Les droits fondamentaux de publication de l’article scientifique princeps sont détenus par Elsevier Inc. au nom de l’Université de New York (New York University) pour le Journal of Retailing. Le concept de l’échelle et sa modélisation relèvent de la paternité intellectuelle du Professeur Lloyd C. Harris.
• Conditions d’utilisation et tarification : L’utilisation de l’instrument à des fins exclusives de recherche académique, d’enseignement ou d’études non commerciales est généralement autorisée à titre gracieux (sans frais de licence), sous réserve d’une citation bibliographique formelle et rigoureuse de la publication princeps de Harris (2008). Pour toute exploitation commerciale, intégration dans un logiciel propriétaire de scoring client, ou audit commercial d’entreprise, une autorisation formelle préalable doit être sollicitée auprès de l’auteur ou de l’éditeur détenteur des droits via le service RightsLink d’Elsevier.

12. Références / References

Les références bibliographiques clés associées à cette échelle et à ses fondements théoriques sont répertoriées ci-dessous selon les normes APA 7^e édition :

• Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
• 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
• Harris, L. C. (2008). Fraudulent return proclivity: An empirical analysis. Journal of Retailing, 84(4), 461–476. https://doi.org/10.1016/j.jretai.2008.09.003
• Harris, L. C. (2010). Fraudulent consumer returns: Exploiting retailers’ return policies. European Journal of Marketing, 44(6), 730–747. https://doi.org/10.1108/03090561011032702
• King, C. W., & Summers, J. O. (1970). Overlap of opinion leadership across consumer product categories. Journal of Marketing Research, 7(1), 43–50. https://doi.org/10.1177/002224377000700105
• Park, C. W., Mothersbaugh, D. L., & Feick, L. (1994). Consumer knowledge assessment. Journal of Consumer Research, 21(1), 71–82. https://doi.org/10.1086/209383
• Schmidt, J. B., & Spreng, R. A. (1996). A proposed model of external consumer information search. Journal of the Academy of Marketing Science, 24(3), 246–256. https://doi.org/10.1177/0092070396243005

13. Questions et items du questionnaire / Scale Items