Développement de la connaissance client (CKD)

1. Résumé / Abstract

L’échelle de développement de la connaissance client (Customer Knowledge Development, CKD), conceptualisée et validée par Joshi et Sharma (2004), est un instrument de mesure psychométrique conçu pour évaluer la mesure dans laquelle une équipe de projet de développement de nouveaux produits (New Product Development, NPD) met en œuvre un processus itératif, émergent et fondé sur l’apprentissage par essais et erreurs pour appréhender l’évolution des préférences des consommateurs. Cet outil évalue le processus cognitif et organisationnel à travers les différentes étapes précédant le lancement d’un produit, notamment la génération d’idées, la définition du concept, le développement technique et les tests de validation.

L’échelle opérationnalise le construit à travers quatre items unidimensionnels mesurés sur une échelle de Likert en 7 points allant de 1 (« Pas du tout d’accord ») à 7 (« Tout à fait d’accord »). Les dimensions conceptuelles sous-jacentes intègrent : la nature récurrente et itérative des interactions clients, le caractère émergent des connaissances par rapport aux planifications rigides antérieures, et l’expérimentation active continue. Les analyses psychométriques initiales démontrent une excellente cohérence interne (alpha de Cronbach de 0,82 et fiabilité composite de 0,83) ainsi qu’une validité convergente et discriminante robuste face à des construits connexes tels que l’orientation client générale ou la mémoire organisationnelle. L’instrument s’avère essentiel en psychologie organisationnelle, en gestion de l’innovation et en marketing stratégique pour identifier les mécanismes de flexibilité cognitive et d’adaptation aux signaux du marché.

2. Mots-clés / Keywords

Développement de nouveaux produits, connaissance client, apprentissage organisationnel, essais et erreurs, processus itératif, psychométrie, gestion de l’innovation, adaptation cognitive, recherche marketing, échelle de mesure, orientation client, flexibilité émergente.

3. Auteurs / Authors

L’échelle a été développée par les chercheurs suivants :

• Ashwin W. Joshi : Professeur associé de marketing à la Schulich School of Business, Université York, Toronto, Ontario, Canada. Ses recherches portent sur le développement de nouveaux produits, la gestion des relations interorganisationnelles et l’apprentissage organisationnel.
• Sanjay Sharma : Professeur de gestion stratégique et doyen à la Grossman School of Business, Université du Vermont, Burlington, Vermont, États-Unis (anciennement rattaché à l’Université Wilfrid Laurier). Ses travaux examinent les capacités organisationnelles, la stratégie d’entreprise et l’innovation durable.

4. Objectif / Purpose

L’échelle de développement de la connaissance client (CKD) a été élaborée pour pallier une lacune conceptuelle et empirique majeure dans la littérature sur le développement de nouveaux produits (NPD) et la gestion des connaissances. Historiquement, le traitement des préférences des consommateurs était appréhendé comme une activité séquentielle, déterministe et planifiée, où l’information est collectée de manière statique au début d’un projet par des études de marché conventionnelles, puis transmise de façon linéaire aux ingénieurs et concepteurs. Or, dans des contextes de forte incertitude environnementale et de dynamisme technologique, les préférences des consommateurs ne sont pas prédéfinies ni stables ; elles se construisent, se révèlent et se transforment au contact même du développement du produit.

L’objectif de cet instrument est donc d’évaluer la profondeur et la nature du processus cognitif par lequel les équipes de projet découvrent et co-créent ces préférences. Au lieu de mesurer la simple quantité d’informations détenues (le stock de connaissances), l’échelle capte la dynamique procédurale de l’apprentissage (le flux de connaissances). Elle cherche à déterminer si l’équipe projet aborde la compréhension du client comme une démarche dynamique d’hypothèses, de tests, de boucles de rétroaction et d’ajustements continus, ou si elle s’enferme dans des hypothèses initiales figées.

Dans le domaine de la recherche académique, cette échelle permet d’explorer les antécédents organisationnels de l’agilité et de la collaboration interfonctionnelle, ainsi que les médiations entre orientation marché et performance commerciale des innovations. Sur le plan managérial et appliqué, elle sert d’outil d’audit diagnostique permettant aux responsables de R&D et aux directeurs de l’innovation d’évaluer si les équipes adoptent les postures cognitives requises par les méthodologies agiles contemporaines (comme le Design Thinking ou le Lean Startup), prévenant ainsi les échecs commerciaux attribuables à un décalage entre les spécifications techniques finales et les réels besoins émergents des utilisateurs.

5. Construit psychologique / Construct

Le construit de développement de la connaissance client représente une capacité procédurale et comportementale déployée par une unité collective (l’équipe projet) pour construire une compréhension partagée des préférences des consommateurs. Bien qu’opérationnalisé sous une structure factorielle de premier ordre unidimensionnelle pour des raisons de parcimonie, le construit s’appuie théoriquement sur trois facettes comportementales et cognitives interconnectées :

1. L’itération continue et récurrente

Cette composante décrit un mode opératoire cyclique où l’équipe ne se contente pas d’une consultation ponctuelle des clients, mais réitère l’écoute et l’observation tout au long du cycle de vie du projet. Les retours obtenus à la phase d’idéation influencent le concept, mais le concept physique ou numérique génère de nouvelles réactions nécessitant de réinterroger les clients lors du développement fonctionnel et des phases de prototypage. Cette itération brise les silos temporels traditionnels des processus de type Stage-Gate rigides.

2. L’émergence adaptative vs. la planification préalable

Le construit oppose la logique prédictive à la logique adaptative. Dans une démarche CKD élevée, les objectifs et les méthodes de recherche client pour l’étape suivante émergent des découvertes surprenantes ou inattendues de l’étape précédente. L’équipe accepte l’ambiguïté et renonce à l’illusion d’une planification exhaustive dès le jour un. Si une interaction client démontre qu’un besoin non identifié est prépondérant, la trajectoire cognitive du projet bifurque organiquement.

3. L’apprentissage par action et par essais-erreurs

Cette dimension puise dans la psychologie cognitive de l’action située et de l’expérimentation. Les connaissances ne sont pas acquises par simple contemplation analytique de bases de données, mais par le déploiement d’artefacts d’essai (maquettes, prototypes précoces, scénarios) soumis aux utilisateurs. Les erreurs d’interprétation ou les rejets des fonctionnalités par les clients ne sont pas traités comme des échecs de gestion, mais comme des sources vitales d’information guidant le recalibrage immédiat des représentations mentales de l’équipe.

6. Cadre théorique / Theoretical Framework

L’échelle CKD s’ancre à la croisée de la théorie de l’apprentissage organisationnel (notamment les travaux de Chris Argyris, Donald Schön, James G. March) et de la théorie de la création de connaissances de Ikujiro Nonaka et Hirotaka Takeuchi.

March (1991) a introduit la distinction fondamentale entre exploration et exploitation. Le CKD relève typiquement d’une démarche d’exploration, caractérisée par la recherche, la prise de risque, la flexibilité, l’expérimentation et l’innovation. En développant des connaissances par essais et erreurs, l’organisation s’engage dans un apprentissage en « double boucle » (double-loop learning selon Argyris et Schön), où les postulats fondamentaux sur ce que désire le client sont continuellement remis en question et restructurés.

De plus, le modèle s’inspire directement du paradigme de la rationalité limitée d’Herbert Simon et de la théorie de l’émergence stratégique d’Henry Mintzberg. Mintzberg soutient que les stratégies les plus résilientes ne sont pas purement délibérées mais « émergentes », se cristallisant au fil des interactions quotidiennes avec l’environnement. Dans le contexte du NPD, Joshi et Sharma appliquent cette logique au domaine spécifique des préférences des consommateurs : dans les marchés volatils, la connaissance exacte du produit idéal est intrinsèquement incomplète au début du processus de développement. C’est uniquement par une dialectique continue entre l’action de l’équipe et la rétroaction des clients que la connaissance peut être synthétisée.

7. Validité / Validity

L’instrument a été soumis à des protocoles de validation rigoureux rapportés par Joshi et Sharma (2004) dans le cadre d’une étude portant sur des chefs de projet et des cadres impliqués dans le développement de nouveaux produits au sein d’entreprises manufacturières et de services industriels.

Validité de contenu et de construit

La validité de contenu a été assurée par une revue exhaustive de la littérature sur le développement de produits et l’apprentissage organisationnel, suivie d’entretiens qualitatifs approfondis avec des gestionnaires de R&D. Ces entretiens ont permis de s’assurer que les énoncés traduisaient avec fidélité les réalités opérationnelles des cycles d’itération et d’expérimentation.

Validité convergente

Dans le modèle de mesure en équations structurelles (LISREL), la validité convergente a été démontrée par des saturations factorielles standardisées hautement significatives (toutes supérieures à 0,70, avec des valeurs t largement supérieures au seuil conventionnel de 1,96 à p < 0,001). La variance moyenne extraite (Average Variance Extracted, AVE) a dépassé le critère standard de 0,50 établi par Fornell et Larcker (1981), confirmant que la majorité de la variance observée des items est attribuable au construit latent sous-jacent.

Validité discriminante

La validité discriminante a été examinée en comparant le modèle de mesure à des construits adjacents tels que l’orientation marché, l’autonomie de l’équipe, la mémoire organisationnelle et l’utilisation des plans de projet formels. Le test de différence de chi-carré ($\Delta\chi^2$) entre les modèles non contraints et contraints (où la corrélation inter-construits est fixée à 1,0) a montré des différences significatives dans tous les cas. De surcroît, la racine carrée de l’AVE pour le CKD s’est avérée supérieure aux corrélations partagées avec toutes les autres variables du modèle.

Validité prédictive et nomologique

La validité nomologique a été confirmée par les relations structurelles attendues : le CKD était significativement prédit par des antécédents tels que l’autonomie de l’équipe et la flexibilité organisationnelle, et exerçait un effet positif statistiquement significatif sur la performance commerciale du nouveau produit (parts de marché, retour sur investissement et succès global de l’innovation).

8. Fidélité / Reliability

La fidélité psychométrique de l’échelle CKD a été établie par de multiples indices de cohérence interne :

• Alpha de Cronbach ($lpha$) : L’échantillon initial de validation de Joshi et Sharma (2004) a produit un coefficient de cohérence interne de 0,82. Cette valeur dépasse largement le seuil standard de 0,70 requis pour la recherche en sciences sociales, indiquant une excellente homogénéité entre les items.
• Fiabilité composite ($
  ho_c$) : Le calcul de la fiabilité composite (souvent préférée à l’alpha de Cronbach dans la modélisation par équations structurelles car elle ne suppose pas une égalité des saturations factorielles) a atteint 0,83.
• Corrélations inter-items : Les coefficients de corrélation inter-items corrigés se sont tous situés au-dessus de 0,55, attestant qu’aucun item n’introduit de bruit de mesure excessif ou ne dilue la précision de l’échelle.

Bien que les mesures test-retest ne soient généralement pas adaptées aux contextes de projets finis (chaque projet étant unique et rétrospectif), des études réplicatives ultérieures dans divers secteurs industriels (logiciels, technologies médicales, biens de consommation) ont continué à rapporter des coefficients alpha variant entre 0,79 et 0,86, démontrant une stabilité psychométrique remarquable.

9. Analyse factorielle / Factor Analysis

La dimensionnalité de l’échelle a été validée par des procédures d’analyse factorielle exploratoire (AFE) puis confirmée à l’aide de l’analyse factorielle confirmatoire (AFC).

Analyse factorielle exploratoire

Lors de l’extraction factorielle initiale (analyse en composantes principales avec rotation varimax), les quatre items ont saturé de manière univoque sur un facteur unique prépondérant ayant une valeur propre (eigenvalue) nettement supérieure à 1,0, expliquant plus de 60 % de la variance totale observée. Aucun phénomène de double saturation problématique n’a été constaté.

Analyse factorielle confirmatoire

L’AFC conduite sur la matrice de covariance à l’aide de la méthode du maximum de vraisemblance a attesté d’un ajustement exceptionnel du modèle unifactoriel aux données empiriques. Les indices d’ajustement globaux rapportés répondent aux standards méthodologiques les plus exigeants :

• $\chi^2 / dl$ inférieur à 2,0 ;
• Indice de bonté d’ajustement comparatif (CFI) > 0,96 ;
• Indice de Tucker-Lewis (TLI / NNFI) > 0,95 ;
• Erreur quadratique moyenne d’approximation (RMSEA) < 0,06 ;
• Résidu standardisé quadratique moyen (SRMR) < 0,04.

Les saturations factorielles standardisées ($lambda$) pour les quatre items s’échelonnent entre 0,71 et 0,81, corroborant la structure unidimensionnelle cohérente de l’instrument.

10. Instrument de mesure / Instrument

• Type d’instrument : Questionnaire d’auto-évaluation / hétéro-évaluation rétrospective au niveau du projet (unité d’analyse : projet NPD).
• Format d’administration : Papier-crayon ou questionnaire informatisé en ligne.
• Nombre d’items : 4 items.
• Échelle de réponse : 7-point Likert scale (1 = Strongly Disagree to 7 = Strongly Agree).
• Calcul du score : Les scores des 4 items sont additionnés puis divisés par 4 pour obtenir une note moyenne globale comprise entre 1 et 7. Il n’y a aucun item inversé dans cette échelle.
• Interprétation : Un score élevé indique un degré important de développement continu, itératif et fondé sur des essais-erreurs de la connaissance client tout au long des phases du projet, tandis qu’un score faible dénote un processus rigide, séquentiel et strictement dépendant des plans initiaux.

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

• Année de publication originale : 2004.
• Droits d’auteur et permissions : L’article original a été publié dans le Journal of Marketing, sous le copyright de l’American Marketing Association (AMA) / SAGE Publications.
• Tarifs d’utilisation : L’utilisation des items à des fins de recherche académique, scientifique ou pédagogique non commerciale est traditionnellement autorisée sans frais sous réserve de citer adéquatement la publication princeps de Joshi et Sharma (2004). Pour des utilisations commerciales, des diagnostics d’entreprise ou l’intégration dans des plateformes logicielles propriétaires, une autorisation préalable doit être sollicitée auprès des détenteurs de droits (SAGE Publications / Copyright Clearance Center).

12. Références / References

• Argyris, C., & Schön, D. A. (1978). Organizational learning: A theory of action perspective. Addison-Wesley.
• 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
• Joshi, A. W., & Sharma, S. (2004). Customer knowledge development: Antecedents and impact on new product performance. Journal of Marketing, 68(4), 47–59. https://doi.org/10.1509/jmkg.68.4.47.42725
• March, J. G. (1991). Exploration and exploitation in organizational learning. Organization Science, 2(1), 71–87. https://doi.org/10.1287/orsc.2.1.71
• Mintzberg, H., & Waters, J. A. (1985). Of strategies, deliberate and emergent. Strategic Management Journal, 6(3), 257–272. https://doi.org/10.1002/smj.4250060306
• Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company: How Japanese companies create the dynamics of innovation. Oxford University Press.

13. Questions et items du questionnaire / Scale Items