Échelle d’addiction au smartphone – Version courte

1. Résumé / Abstract

L’Échelle d’addiction au smartphone – Version courte (Smartphone Addiction Scale – Short Version, SAS-SV) est un instrument psychométrique d’auto-évaluation développé par Min Kwon et ses collaborateurs en 2013. Conçue pour répondre à l’émergence rapide des dépendances comportementales liées aux technologies numériques, cette version abrégée condense l’échelle originale de 33 items (SAS) en un outil d’évaluation rapide et ciblé composé de 10 items unifactoriels, spécifiquement étalonnés et validés auprès d’une population d’adolescents.

L’instrument explore les manifestations cardinales de l’usage problématique du téléphone intelligent : la perturbation de la vie quotidienne et académique, les symptômes de sevrage psychologique et d’irritabilité, la perte de contrôle, la préoccupation cognitive persistante et les répercussions physiques mineures. Les participants évaluent chaque énoncé sur une échelle de Likert en 6 points, générant un score composite s’étendant de 10 à 60 points.

Sur le plan métrologique, la SAS-SV fait preuve de propriétés statistiques remarquables. La consistance interne est exceptionnellement élevée avec un coefficient alpha de Cronbach (α) de 0,91. L’analyse des courbes ROC (Receiver Operating Characteristic) adossée à des entretiens cliniques diagnostiques structurés a permis d’établir des seuils d’alerte cliniques différenciés selon le genre : 31 points pour les garçons (sensibilité de 0,867 ; spécificité de 0,893 ; AUC = 0,963) et 33 points pour les filles (sensibilité de 0,875 ; spécificité de 0,886 ; AUC = 0,947). Cet outil constitue aujourd’hui la référence internationale en épidémiologie psychiatrique et en psychologie clinique pour le dépistage précoce des cyberaddictions mobiles chez les jeunes.

2. Mots-clés / Keywords

Addiction au smartphone, Dépendance comportementale, Psychométrie, Adolescents, Échelle SAS-SV, Validation clinique, Analyse ROC, Utilisation problématique du téléphone mobile, Sevrage numérique, Dépistage scolaire.

3. Auteurs / Authors

L’échelle a été développée et validée par une équipe de chercheurs et psychiatres affiliés au département de psychiatrie et aux centres hospitaliers universitaires de l’Université Catholique de Corée (Séoul, Corée du Sud) :

• Min Kwon, Ph.D. — Département de psychiatrie, Seoul St. Mary’s Hospital, The Catholic University of Korea, Séoul, République de Corée.
• Dai-Jin Kim, M.D., Ph.D. — Département de psychiatrie, Seoul St. Mary’s Hospital, The Catholic University of Korea, Séoul, République de Corée. Expert reconnu en psychiatrie des addictions et neurobiologie comportementale.
• Hyun Cho, M.S. — Département de psychiatrie, College of Medicine, The Catholic University of Korea, Séoul, République de Corée.
• Soo Yang, Ph.D., RN (Auteure correspondante) — Département de soins infirmiers, College of Nursing, The Catholic University of Korea, Séoul, République de Corée. Courriel institutionnel : [email protected].

4. Objectif / Purpose

L’objectif primordial ayant présidé à la création de la Smartphone Addiction Scale – Short Version (SAS-SV) était de combler un vide méthodologique urgent dans l’évaluation des cyberdépendances chez les adolescents. Si l’échelle mère en 33 items (SAS) permettait une cartographie multidimensionnelle détaillée de l’addiction au smartphone, sa longueur constituait une entrave majeure pour les études épidémiologiques à grande échelle, les contextes de médecine scolaire et les protocoles de triage clinique rapide où la charge cognitive et le temps d’attention des adolescents sont limités.

Les smartphones, introduits massivement à la fin des années 2000, ne constituent pas de simples terminaux de communication vocale ; ils intègrent l’accès perpétuel aux réseaux sociaux, aux plateformes de diffusion multimédia, aux messageries instantanées et aux jeux vidéo en ligne. Cette polyvalence, conjuguée à une portabilité permanente, crée un environnement propice aux comportements compulsifs. Les adolescents représentent une classe démographique à haut risque en raison de l’immaturité relative de leur cortex préfrontal (responsable des fonctions exécutives et du contrôle de l’inhibition) face à la réactivité exacerbée de leur circuit de récompense sous-cortical dopaminergique.

La SAS-SV a été spécifiquement calibrée pour identifier la ligne de partage clinique entre une utilisation intensive ou récréative et un usage pathologique caractérisé par des conséquences délétères objectives. Elle permet :

• En recherche épidémiologique : De quantifier avec précision la prévalence du risque addictif au sein de larges cohortes scolaires et démographiques sans induire de fatigue chez les répondants.
• En pratique clinique et pédopsychiatrique : De fournir un score d’orientation standardisé lors de la première consultation, facilitant l’orientation diagnostique vers des bilans plus approfondis ou des thérapies cognitivo-comportementales (TCC).
• En milieu scolaire et préventif : De servir de thermomètre d’évaluation pour mesurer l’efficacité d’interventions psychoéducatives visant la déconnexion, l’hygiène numérique ou la régulation émotionnelle.

5. Construit psychologique / Construct

Le construit mesuré par la SAS-SV est l’addiction au smartphone, conceptualisée comme une addiction comportementale sans substance partageant l’architecture nosographique des troubles addictifs conventionnels (tels que décrits dans le DSM-5 pour le trouble du jeu vidéo sur Internet et le jeu de hasard pathologique). Bien que la SAS-SV fonctionne de manière optimale comme une échelle univariée unidimensionnelle, ses items ont été extraits et synthétisés à partir des 6 dimensions fondamentales de l’échelle princeps :

1. Perturbation de la vie quotidienne et académique (Daily-Life Disturbance)

Cette dimension renvoie à l’interférence directe et négative de l’utilisation du smartphone avec les engagements scolaires, professionnels ou domestiques fondamentaux. Les individus affectés rapportent une incapacité à accomplir leurs devoirs, des retards répétés, une désorganisation temporelle et une dégradation notable de leurs performances académiques dues aux interruptions incessantes causées par le terminal mobile (items 1 et 2).

2. Symptomatologie de sevrage et détresse psychologique (Withdrawal)

Le sevrage psychologique se manifeste par l’apparition d’états affectifs négatifs — anxiété, nervosité, impatience, dysphorie ou colère — dès lors que le sujet est privé d’accès à son appareil (panne de batterie, zone sans couverture réseau, interdiction en classe). Les items 4 et 5 capturent cette intolérance viscérale à l’inaccessibilité de l’objet connecté.

3. Préoccupation cognitive et anticipation positive (Cyberspace-Oriented Relationship & Positive Anticipation)

Ce pôle évalue l’accaparement de l’esprit par le smartphone, y compris durant des périodes d’inactivité ou lors d’activités sociales hors ligne. Le sujet anticipe en permanence les notifications futures, ressasse ses interactions virtuelles et ressent une urgence compulsive à vérifier ses flux de médias sociaux (items 6 et 8), témoignant du syndrome de peur de rater quelque chose (FoMO – Fear of Missing Out).

4. Perte de contrôle et tolérance (Loss of Control & Tolerance)

La tolérance s’exprime par le besoin d’augmenter continuellement la durée quotidienne d’exposition au smartphone pour obtenir le même niveau de soulagement ou de satisfaction hédonique. La perte de contrôle désigne l’incapacité répétée à interrompre les sessions d’utilisation (« encore 5 minutes » se transformant en plusieurs heures), malgré la prise de conscience des effets indésirables (items 7 et 9).

5. Manifestations physiques et signalement par l’entourage (Physical Symptoms & Social Feedback)

L’outil capture également l’atteinte corporelle liée aux postures prolongées (douleurs ostéo-articulaires aux poignets, cervicalgies ou text-neck, item 3) ainsi que la prise de conscience externe médiée par les remontrances récurrentes des proches et des pairs concernant l’hyperconnexion (item 10).

6. Cadre théorique / Theoretical Framework

L’élaboration de la SAS-SV s’ancre dans les théories contemporaines des addictions comportementales et de la cyberpsychologie, intégrant plusieurs modèles conceptuels majeurs :

Le modèle en composantes de Mark Griffiths (2005)

Le modèle canonique de Mark Griffiths postule que toute addiction comportementale se structure autour de 6 critères opérationnels universels :

• Prééminence (Salience) : L’activité domine la pensée, les sentiments et les comportements du sujet (item 6).
• Modification de l’humeur (Mood Modification) : L’usage sert d’échappatoire émotionnelle ou de stratégie de coping face au stress.
• Tolérance (Tolerance) : L’escalade progressive du temps d’usage (item 9).
• Symptômes de sevrage (Withdrawal Symptoms) : L’irritabilité et le mal-être lors de l’interruption de l’accès (items 4 et 5).
• Conflits (Conflict) : Les frictions interpersonnelles et l’altération des activités prioritaires (items 1, 2, 7 et 10).
• Rechute (Relapse) : La récurrence rapide des comportements excessifs après des tentatives d’autorégulation.

Le modèle cognitivo-comportemental de Davis (2001) et le modèle I-PACE de Brand et al.

Le modèle de Richard A. Davis sur l’utilisation pathologique d’Internet distingue l’usage problématique spécifique (ciblé sur un contenu particulier comme le jeu) et l’usage problématique généralisé (navigation multitâche compulsive). La SAS-SV opérationnalise le smartphone comme un vecteur d’usage problématique généralisé, amplifié par les stimuli de renforcement intermittent (notifications lumineuses, sonores et vibratoires).

Plus tard, le modèle Interaction of Person-Affect-Cognition-Execution (I-PACE) formulé par Matthias Brand et ses collègues est venu expliciter les mécanismes sous-jacents : la combinaison de prédispositions neurobiologiques, de biais d’attention sélective envers les stimuli mobiles et d’un affaiblissement progressif du contrôle inhibiteur mène à une transition de l’usage orienté vers un but (hédonique/instrumental) vers un comportement automatisé et compulsif.

Le modèle des trajectoires de Joël Billieux (2015)

Le chercheur Joël Billieux a décrit plusieurs trajectoires psychologiques conduisant à l’utilisation problématique du smartphone : la voie impulsive (déficit de contrôle inhibiteur et urgence émotionnelle), la voie de réassurance affective (dépendance interpersonnelle et besoin constant de validation sociale) et la voie de l’extraversion (besoin de stimulation relationnelle). Les 10 items de la SAS-SV constituent une concrétisation métrologique condensée de ces différentes dynamiques comportementales.

7. Validité / Validity

La validation de la SAS-SV par Kwon et ses collègues (2013) a été menée avec une rigueur méthodologique remarquable, en corrélant les données autodéclarées à des diagnostics cliniques portés par des psychologues experts :

Validité de contenu (Content Validity)

La sélection des 10 items à partir des 33 items de l’échelle d’origine a reposé sur une méthode formalisée d’évaluation d’experts. Un panel de spécialistes en psychiatrie et psychométrie a évalué chaque item en utilisant l’indice de validité de contenu (Content Validity Index, CVI). Seuls les énoncés obtenant un I-CVI > 0,78 ont été retenus, la moyenne finale de l’I-CVI pour les 10 items sélectionnés atteignant 0,943, ce qui démontre un consensus d’experts quasi unanime quant à la représentativité du contenu clinique pour l’adolescence.

Validité convergente et discriminante

La validité convergente a été démontrée par des corrélations positives hautement significatives avec les échelles existantes :

• Corrélation avec l’échelle princeps Smartphone Addiction Scale (SAS à 33 items) : r > 0,70.
• Corrélation avec la Smartphone Addiction Proneness Scale (SAPS) : r > 0,70.
• Corrélation avec l’échelle de cyberdépendance généralisée (Internet Addiction Proneness Scale – KS scale) : r = 0,611 pour les garçons et r = 0,375 pour les filles. Cette corrélation modérée chez les filles met en lumière la validité discriminante du construit : l’addiction au smartphone n’est pas un simple décalque de l’addiction à Internet sur ordinateur, mais implique des composantes spécifiques de connectivité mobile et de réseautage social.

Validité diagnostique et analyse ROC (Receiver Operating Characteristic)

Une analyse ROC approfondie a été réalisée en comparant les scores continus de la SAS-SV aux évaluations diagnostiques indépendantes conduites par des psychologues cliniciens. Les performances diagnostiques sont exceptionnelles :

• Garçons : Aire sous la courbe (AUC) = 0,963 (IC 95 % : 0,937 – 0,989). Au seuil diagnostique de 31 points, la sensibilité est de 0,867 et la spécificité est de 0,893.
• Filles : Aire sous la courbe (AUC) = 0,947 (IC 95 % : 0,912 – 0,981). Au seuil diagnostique de 33 points, la sensibilité est de 0,875 et la spécificité est de 0,886.

Ces indices confèrent à la SAS-SV une capacité discriminative diagnostique de tout premier ordre pour le dépistage clinique.

8. Fidélité / Reliability

La fidélité psychométrique de la SAS-SV a été démontrée à travers plusieurs indices de cohérence interne et d’homogénéité :

Consistance interne

Pour un questionnaire concis de seulement 10 énoncés, l’homogénéité globale est particulièrement robuste :

• Alpha de Cronbach global : α = 0,91.
• Chez les sous-échantillons par genre, la consistance reste très stable (α ≥ 0,90 tant chez les garçons que chez les filles).

Corrélations item-total corrigées

L’analyse des corrélations partielles item-total (corrected item-total correlation) révèle des valeurs comprises entre 0,50 et 0,80 pour l’ensemble des 10 items. Aucune suppression d’item n’améliore le coefficient alpha global (l’alpha en cas de suppression d’un item restant inférieur à 0,91), attestant que chaque énoncé apporte une contribution statistique unique et substantielle au score total sans redondance superflue.

9. Analyse factorielle / Factor Analysis

Le développement de la SAS-SV s’est appuyé sur une stratégie d’ingénierie de test visant à transformer une structure originale multidimensionnelle en un instrument de criblage unifactoriel hautement efficient :

Passage de la structure à 6 facteurs au modèle univarié

L’échelle princeps (SAS à 33 items) possédait une structure factorielle à 6 dimensions distinctes : perturbation de la vie quotidienne, orientation vers les relations virtuelles, sevrage, anticipation positive, utilisation excessive et tolérance. Lors de la conception de la version courte, les auteurs n’ont pas cherché à répliquer artificiellement 6 sous-échelles à 1 ou 2 items (ce qui aurait affaibli la fidélité de sous-score), mais ont extrait les items les plus discriminants afin de saturer un facteur général unique d’« Addiction au smartphone ».

Structure unifactorielle et saturations

Les analyses factorielles de confirmation (AFC) menées dans les études de validation transculturelle ultérieures (notamment en versions française, espagnole, arabe et italienne) confirment la robustesse d’un modèle unidimensionnel. Les indices d’ajustement respectent rigoureusement les standards psychométriques usuels :

• Indice de Tucker-Lewis (TLI) > 0,95
• Indice de fit comparatif (CFI) > 0,95
• Erreur quadratique moyenne d’approximation (RMSEA) < 0,06
• Résidu quadratique moyen standardisé (SRMR) < 0,05

Les saturations factorielles standardisées (λ) de l’ensemble des 10 items sur le facteur latent unique oscillent généralement entre 0,58 et 0,84, confirmant une excellente validité de construit structurale.

10. Instrument de mesure / Instrument

L’instrument se présente sous la forme d’un questionnaire standardisé rapide :

• Type de test : Auto-questionnaire de dépistage psychométrique (self-report screening tool).
• Format : 10 énoncés affirmatifs courts.
• Échelle de réponse : 10 items, 6-point Likert scale (Échelle de Likert en 6 points) allant de 1 = « Pas du tout d’accord » (Strongly disagree) à 6 = « Tout à fait d’accord » (Strongly agree).
• Cotation : Somme directe arithmétique des 10 items. Aucun item inversé. Score total s’étendant de 10 à 60 points.
• Seuils cliniques décisionnels (Adolescents) :
  • Garçons : Score ≥ 31 → Risque élevé / Présomption d’addiction au smartphone.
  • Filles : Score ≥ 33 → Risque élevé / Présomption d’addiction au smartphone.
• Valeurs normatives de référence (Kwon et al., 2013) :
  • Moyenne garçons : 23,75 (± 8,97)
  • Moyenne filles : 27,89 (± 9,87)
• Population cible : Adolescents (12-18 ans), adaptable aux jeunes adultes.
• Durée de passation : 2 à 5 minutes.
• Modalités d’administration : Papier-crayon ou passation informatisée/en ligne.

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

• Année de publication princeps : 2013.
• Statut des droits et licence : L’article original de validation a été publié dans la revue internationale en libre accès PLoS ONE sous licence Creative Commons Attribution (CC BY).
• Tarifs et accessibilité : L’instrument est totalement gratuit et libre d’accès pour la recherche académique, l’évaluation pédagogique et la pratique clinique non commerciale, sous réserve de citer scrupuleusement le travail original de Kwon et al. (2013).
• Adaptations linguistiques : L’échelle a été officiellement adaptée et validée dans plus de 20 langues à travers le monde.

12. Références / References

• Billieux, J. (2007). Does impulsivity relate to perceived dependence on and actual use of the mobile phone? Applied Cognitive Psychology, 21(4), 527–542. https://doi.org/10.1002/acp.1289
• Billieux, J., Maurage, P., Lopez-Fernandez, O., Kuss, D. J., & Griffiths, M. D. (2015). Can disordered mobile phone use be considered a behavioral addiction? An update on current evidence and a comprehensive model for future research. Current Addiction Reports, 2(2), 156–162. https://doi.org/10.1007/s40429-015-0054-y
• Brand, M., Young, K. S., Laier, C., Wölfling, K., & Potenza, M. N. (2016). Integrating psychological and neurobiological considerations regarding the development and maintenance of specific Internet-use disorders: An Interaction of Person-Affect-Cognition-Execution (I-PACE) model. Neuroscience & Biobehavioral Reviews, 71, 252–266. https://doi.org/10.1016/j.neubiorev.2016.08.033
• Choi, H. S., Lee, H. K., & Ha, J. C. (2012). The influence of smartphone addiction on mental health, campus life and personal relations – Focusing on K university students. Journal of Korean Data & Information Science Society, 23(5), 1005–1015. https://doi.org/10.7465/jkdi.2012.23.5.1005
• Cohen, J., & Cohen, P. (1983). Applied multiple regression/correlation analysis for the behavioral sciences (2nd ed.). Hillsdale, NJ: Lawrence Erlbaum Associates.
• Davis, R. A. (2001). A cognitive-behavioral model of pathological Internet use. Computers in Human Behavior, 17(2), 187–195. https://doi.org/10.1016/S0747-5632(00)00041-8
• Griffiths, M. (2005). A ‘components’ model of addiction within a biopsychosocial framework. Journal of Substance Use, 10(4), 191–197. https://doi.org/10.1080/14659890500114359
• Hosmer, D. W., & Lemeshow, S. (2000). Applied logistic regression (2nd ed.). New York, NY: John Wiley & Sons. https://doi.org/10.1002/0471722146
• Kim, D. I., Chung, Y. J., Lee, J. Y., Kim, M. C., Lee, S. J., Kang, E. B., & Keum, C. M. (2008). Development of internet addiction proneness scale-short form (KS scale). The Korea Journal of Counseling, 9(4), 1703–1722. https://doi.org/10.15703/kjc.9.4.200812.1703
• Kim, D. I., Lee, J. Y., Lee, Y. H., Kim, M. C., Keum, C. M., & Kang, E. B. (2012). New patterns in media addiction: Is smartphone a substitute or a complement to the internet? The Korean Journal of Youth Counseling, 20(1), 71–88. https://doi.org/10.35151/kyci.2012.20.1.005
• Kim, N. S., & Lee, K. E. (2012). Effects of self-control and life stress on smart phone addiction of university students. Journal of the Korea Society of Health Informatics and Statistics, 37(2), 72–83.
• Kuss, D. J., & Griffiths, M. D. (2011). Online social networking and addiction—a review of the psychological literature. International Journal of Environmental Research and Public Health, 8(9), 3528–3552. https://doi.org/10.3390/ijerph8093528
• Kwon, M., Lee, J. Y., Won, W. Y., Park, J. W., Min, J. A., Hahn, C., Gu, X., Choi, J. H., & Kim, D. J. (2013). Development and validation of a Smartphone Addiction Scale (SAS). PLoS ONE, 8(2), e56936. https://doi.org/10.1371/journal.pone.0056936
• Kwon, M., Kim, D. J., Cho, H., & Yang, S. (2013). The Smartphone Addiction Scale: Development and validation of a short version for adolescents. PLoS ONE, 8(12), e83558. https://doi.org/10.1371/journal.pone.0083558
• National Information Society Agency. (2011). Development of Korean Smartphone Addiction Proneness Scale for youth and adults. Seoul: National Information Society Agency.
• National Information Society Agency. (2012). Internet addiction survey 2011. Seoul: National Information Society Agency.
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). New York, NY: McGraw-Hill.
• Ostrov, E., Offer, D., & Howard, K. I. (1989). Gender differences in adolescent symptomatology: A normative study. Journal of the American Academy of Child & Adolescent Psychiatry, 28(3), 394–398. https://doi.org/10.1097/00004583-198905000-00016
• Park, N., & Lee, H. (2012). Social implications of smartphone use: Korean college students’ smartphone use and psychological well-being. Cyberpsychology, Behavior, and Social Networking, 15(9), 491–497. https://doi.org/10.1089/cyber.2011.0580
• Polit, D. F., & Beck, C. T. (2006). The content validity index: Are you sure you know what’s being reported? Critique and recommendations. Research in Nursing & Health, 29(5), 489–497. https://doi.org/10.1002/nur.20147
• Takao, M., Takahashi, S., & Kitamura, M. (2009). Addictive personality and problematic mobile phone use. CyberPsychology & Behavior, 12(5), 501–507. https://doi.org/10.1089/cpb.2009.0022
• Wu, A. M., Cheung, V. I., Ku, L., & Hung, E. P. (2013). Psychological risk factors of addiction to social networking sites among Chinese smartphone users. Journal of Behavioral Addictions, 2(3), 160–166. https://doi.org/10.1556/JBA.2.2013.006

13. Questions et items du questionnaire / Scale Items