Confidentialité de l’information (Fabrication d’informations personnelles) (POI)

1. Résumé / Abstract

L’échelle de Confidentialité de l’information (Fabrication d’informations personnelles) (connue sous l’acronyme anglophone Privacy of Information – Fabricating Personal Information ou POI) est un instrument psychométrique unidimensionnel développé par May O. Lwin et Jerome D. Williams en 2003. Conçue initialement dans le champ du marketing public et de la psychologie des technologies de l’information, cette échelle évalue l’intention comportementale d’un individu à fournir des données personnelles tronquées, fictives ou délibérément fausses lors de ses interactions avec un site internet particulier, dans le but explicite de préserver sa vie privée. L’instrument est composé de 3 items mesurés à l’aide d’une échelle de Likert en 7 points allant de 1 (« Pas du tout d’accord ») à 7 (« Tout à fait d’accord »).

Sur le plan métrologique, l’outil présente d’excellentes qualités psychométriques. Dans les études princeps et les réplications ultérieures, la cohérence interne mesurée par l’alpha de Cronbach excède régulièrement le seuil de 0,85 (atteignant 0,89 dans la cohorte d’origine), témoignant d’une très forte homogénéité des énoncés. L’analyse factorielle confirmatoire démontre une structure unifactorielle claire, avec des saturations factorielles élevées comprises entre 0,80 et 0,92. L’échelle démontre une validité convergente et une validité discriminante robustes par rapport aux construits voisins tels que le refus de transaction, l’utilisation de logiciels de protection de la vie privée, le niveau de confiance accordé à une plateforme et l’inquiétude générale face à la divulgation d’informations nominatives. Cet instrument demeure un standard incontournable pour investiguer les comportements défensifs et protecteurs des cyberconsommateurs.

2. Mots-clés / Keywords

Confidentialité des données, fabrication d’informations, vie privée en ligne, comportements défensifs, falsification de données, psychométrie, confiance numérique, protection de la vie privée, échelle de Likert, comportement du consommateur, sécurité de l’information.

3. Auteurs / Authors

L’échelle a été conceptualisée et validée par deux chercheurs renommés en communication, marketing et politiques publiques :

• May O. Lwin, Ph.D. : Professeure titulaire et directrice de la Wee Kim Wee School of Communication and Information à la Nanyang Technological University (NTU), Singapour. Ses travaux portent principalement sur la communication en santé, la protection des données personnelles, l’éthique des médias numériques et la persuasion technologique.
• Jerome D. Williams, Ph.D. (1947–2021) : Éminent universitaire, professeur de marketing et ancien doyen associé à la Rutgers University–Newark (Rutgers Business School), États-Unis. Il a été titulaire de la chaire Prudential en diversité commerciale et a largement contribué à la recherche sur les politiques publiques, la vulnérabilité des consommateurs, la discrimination sur les marchés et la gouvernance d’Internet.

4. Objectif / Purpose

Le développement de l’échelle de fabrication d’informations personnelles répond à l’émergence d’une préoccupation sociétale majeure au tournant des années 2000 : l’érosion continue de la vie privée dans les environnements numériques commerciaux. Alors que les entreprises en ligne ont multiplié les formulaires d’enregistrement obligatoires et les mécanismes de collecte de données démographiques, géographiques et comportementales, les internautes se sont retrouvés confrontés à une asymétrie d’information et à une perte perçue de contrôle sur leurs données identifiables. Face à ce sentiment de vulnérabilité, les usagers ne réagissent pas uniquement par l’abstention pure et simple (quitter le site web), mais déploient activement des mécanismes de défense cognitifs et opérationnels. L’instrument de Lwin et Williams a été conçu pour opérationnaliser et quantifier précisément l’une de ces réponses actives : l’altération volontaire des données déclaratives.

L’objectif fondamental de l’échelle est d’évaluer la propension d’un utilisateur à falsifier ou tronquer son identité afin de contourner les exigences d’un site web tout en accédant à ses services ou à son contenu sans compromettre son anonymat. Dans le domaine de la recherche fondamentale et appliquée, l’échelle remplit plusieurs fonctions critiques :

• Modélisation des comportements défensifs : Permettre aux chercheurs d’isoler la fabrication de données comme une stratégie d’adaptation distincte du refus de consentement passif ou de la rétention d’informations.
• Évaluation de l’efficacité des politiques de confidentialité : Mesurer comment la transparence des mentions légales, la présence de labels de certification (tels que TRUSTe) et les garanties d’utilisation éthique atténuent la nécessité pour l’internaute de mentir.
• Impact sur l’intégrité des bases de données : Fournir aux gestionnaires de systèmes d’information un indice psychométrique permettant d’anticiper le taux de pollution des données CRM (Customer Relationship Management) par des profils fictifs.
• Étude du paradoxe de la vie privée (Privacy Paradox) : Comparer les attitudes déclarées vis-à-vis de la protection de la vie privée avec des tactiques comportementales concrètes mises en œuvre face à des formulaires intrusifs.

Dans les contextes appliqués, les organisations publiques et les régulateurs utilisent ce type de mesure pour évaluer le niveau de méfiance systémique des citoyens envers les plateformes numériques et concevoir des cadres réglementaires renforçant la souveraineté numérique des individus.

5. Construit psychologique / Construct

Le construit psychologique ciblé par l’échelle relève des comportements défensifs du consommateur en ligne (Consumer Defensive Online Behaviors), et plus particulièrement de la sous-dimension de fabrication d’informations personnelles (Fabricating Personal Information). Ce construit s’enracine dans la psychologie de l’auto-préservation numérique et du contrôle perçu de l’information.

Nature du construit

La fabrication d’informations personnelles est définie comme une tactique d’adaptation instrumentale par laquelle un individu fournit délibérément des éléments inexacts, partiels ou purement imaginaires en réponse à une demande d’identification formulée par un tiers numérique. Il ne s’agit pas d’un acte de fraude malveillante visant à nuire à la plateforme ou à usurper l’identité d’un tiers, mais d’une contre-mesure d’autodéfense destinée à masquer son identité réelle face à une collecte perçue comme excessive, injustifiée ou non sécurisée.

Facettes du construit

Bien que l’échelle soit unidimensionnelle sur le plan factoriel, le construit appréhende trois facettes comportementales complémentaires :

• La falsification explicite de données (False data) : Le fait de remplacer des données factuelles par des données matériellement erronées (par exemple, déclarer une mauvaise date de naissance ou un code postal différent).
• La rétention partielle ou omission (Incomplete information) : Le choix stratégique de laisser des champs facultatifs vides ou de ne saisir que le minimum d’informations nécessaires au passage à l’étape suivante, privant ainsi l’opérateur d’une vision holistique de l’utilisateur.
• La création d’une identité fictive (Fictitious information) : L’invention totale d’un personnage ou d’un profil virtuel complet (faux nom, faux prénom, profession inventée, pseudonymisation extrême) pour interagir avec le système sans aucun ancrage dans le monde réel.

Ces manifestations reposent sur un processus cognitif de coût-bénéfice : l’internaute calcule que l’effort requis pour inventer des informations plausibles est inférieur au risque psychologique ou matériel perçu d’une violation ultérieure de sa confidentialité (spams, revente de données, profilage comportemental abusif).

6. Cadre théorique / Theoretical Framework

Le développement et la conceptualisation de cette échelle s’articulent autour de plusieurs théories majeures de la psychologie sociale, de la communication et du comportement organisationnel.

1. La théorie de la réactance psychologique (Brehm, 1966)

Selon la théorie de la réactance psychologique développée par Jack Brehm, lorsqu’un individu perçoit que sa liberté de choix ou son autonomie personnelle est menacée ou restreinte, il éprouve un état motivationnel négatif (la réactance) qui le pousse à tenter de restaurer cette liberté. Dans le contexte de la navigation web, l’imposition d’un formulaire obligatoire conditionnant l’accès à un contenu éditorial constitue une entrave à la liberté informationnelle. En fournissant des données fausses ou fictives, l’internaute rétablit symboliquement et pratiquement son autonomie face à la contrainte algorithmique du système.

2. La théorie de la justice organisationnelle et de l’équité informationnelle

Les modèles d’équité (Adams, 1965) stipulent que les individus évaluent l’équité des échanges sociaux sur la base du ratio intrants/extrants. Dans le domaine de la confidentialité des données, l’échange informationnel est perçu comme asymétrique : le site exige des données hautement sensibles en échange d’une utilité marginale. Lwin et Williams (2003) soutiennent que le sentiment d’injustice procédurale et distributive incite le consommateur à rééquilibrer la relation d’échange en dévaluant intentionnellement la qualité de son intrant, c’est-à-dire en fournissant des données dégradées ou fausses.

3. La théorie de la protection motivationnelle (PMT – Rogers, 1975, 1983)

La théorie de la protection motivationnelle postule que les individus réagissent aux menaces perçues par le biais de deux processus cognitifs : l’évaluation de la menace (sévérité et vulnérabilité perçues) et l’évaluation de la capacité d’adaptation (auto-efficacité et efficacité de la réponse). La fabrication d’informations personnelles représente une stratégie d’adaptation focalisée sur le problème (problem-focused coping) présentant une très haute efficacité perçue : l’internaute estime qu’en fournissant de fausses données, la menace directe sur sa véritable identité est neutralisée à 100 %, sans nécessiter d’expertise technique avancée comme le chiffrement ou le routage en oignon.

7. Validité / Validity

Les propriétés métrologiques de validité de l’échelle ont fait l’objet d’évaluations rigoureuses dans la recherche initiale de Lwin et Williams (2003) ainsi que dans la littérature subséquente en systèmes d’information.

Validité de contenu et de construit

La validité de contenu a été établie par l’examen minutieux des comportements de protection documentés dans les rapports de la Federal Trade Commission (FTC) américaine et les études empiriques pionnières de l’époque. Les trois items capturent avec parcimonie l’éventail complet de la falsification verbale en ligne, sans redondance inutile.

Validité convergente

La validité convergente a été confirmée par des corrélations statistiquement significatives et positives entre le score de fabrication d’informations et :

• Le niveau d’inquiétude relative à la vie privée (Privacy Concerns) : $r = 0,42$ à $0,55$ ($p < 0,001$).
• Les autres tactiques défensives, telles que le refus d’achat ou d’inscription ($r = 0,48$, $p < 0,001$).
• L’utilisation de technologies de masquage d’adresses IP ou de bloqueurs de cookies ($r = 0,38$, $p < 0,01$).

La variance moyenne extraite (AVE – Average Variance Extracted) dépasse largement le seuil standard de 0,50 recommandé par Fornell et Larcker (1981), atteignant des valeurs supérieures à 0,70 dans la plupart des études confirmatoires.

Validité discriminante

La validité discriminante a été démontrée par rapport au construit de Confiance envers le site (Trust) : les corrélations sont négatives et modérées (généralement entre $-0,35$ et $-0,49$, $p < 0,001$). L'analyse par la méthode du modèle de mesure a prouvé que la racine carrée de l'AVE pour la fabrication d'informations était nettement supérieure aux corrélations inter-construits, confirmant que mentir sur un site n'est pas simplement le miroir de l'absence de confiance, mais un construit comportemental autonome.

Validité prédictive et nomologique

L’échelle a démontré sa capacité à prédire fidèlement les comportements réels lors d’expérimentations contrôlées en laboratoire : les participants obtenant des scores élevés à l’échelle fournissaient effectivement des pseudonymes, de faux numéros de téléphone (ex. 555-0199) ou des adresses électroniques jetables lors de l’inscription imposée sur un site expérimental.

8. Fidélité / Reliability

La fidélité de l’échelle a été examinée à travers divers indicateurs statistiques de cohérence interne et de stabilité temporelle :

• Alpha de Cronbach ($lpha$) : Dans l’étude originale de Lwin et Williams (2003), l’alpha de Cronbach atteignait $lpha = 0,89$, indiquant une excellente consistance interne pour une échelle courte de trois items. Les réplications ultérieures dans le domaine des systèmes d’information (MIS) ont systématiquement rapporté des valeurs d’alpha comprises entre 0,84 et 0,92.
• Fiabilité composite (Composite Reliability – CR) : L’indice de fiabilité composite de Jöreskog calculé dans les modèles d’équations structurelles dépasse régulièrement 0,88, consolidant la preuve de la robustesse de l’instrument.
• Corrélations inter-items : Toutes les corrélations bivariées entre les trois énoncés se situent entre 0,68 et 0,81, démontrant une forte synergie sans atteindre le niveau de colinéarité excessive ($r > 0,90$).
• Fidélité test-retest : Dans des contextes longitudinaux mesurant la disposition stable à falsifier des informations sur des sites non familiers, des coefficients de corrélation test-retest à intervalle de deux semaines ont révélé une stabilité remarquable ($r_{tt} = 0,79$, $p < 0,001$).

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle a été rigoureusement éprouvée par l’intermédiaire d’analyses factorielles exploratoires (AFE) puis confirmatoires (AFC).

Analyse factorielle exploratoire (AFE)

Lors de la phase exploratoire initiale utilisant l’extraction par composantes principales ou par factorisation en axes principaux, un seul facteur émerge selon le critère de Kaiser (valeur propre supérieure à 1,00). Ce facteur unique explique plus de 75 % de la variance totale des items. Les saturations factorielles observées pour chacun des trois énoncés sont particulièrement robustes :

• Item 1 (« I would provide false personal data at this site ») : saturation $\lambda \approx 0,88$
• Item 2 (« I would provide incomplete information at this site ») : saturation $\lambda \approx 0,82$
• Item 3 (« I would provide fictitious information about myself at this site ») : saturation $\lambda \approx 0,91$

Analyse factorielle confirmatoire (AFC)

Dans le cadre de l’évaluation du modèle de mesure par équations structurelles (SEM), le modèle unifactoriel à 3 items s’ajuste parfaitement aux données empiriques. Les indices d’ajustement couramment rapportés sont :

• Chi-deux normalisé ($\chi^2 / dl$) : Inférieur à 2,5
• CFI (Comparative Fit Index) : $ge 0,98$
• TLI (Tucker-Lewis Index) : $ge 0,97$
• RMSEA (Root Mean Square Error of Approximation) : $le 0,05$ (avec un intervalle de confiance à 90 % incluant zéro)
• SRMR (Standardized Root Mean Square Residual) : $le 0,02$

Ces résultats confirment sans équivoque l’unidimensionnalité stricte de l’instrument.

10. Instrument de mesure / Instrument

• Nom de l’instrument : Privacy of Information – Fabricating Personal Information (POI) / Échelle de fabrication d’informations personnelles
• Auteurs : May O. Lwin et Jerome D. Williams (2003)
• Type d’évaluation : Questionnaire d’auto-évaluation (auto-rapporté)
• Nombre d’items : 3 items
• Format de réponse : 7-point Likert scale (1 = Strongly disagree to 7 = Strongly agree) [Échelle de Likert en 7 points allant de 1 = « Fortement en désaccord » à 7 = « Fortement d’accord »]
• Modalités de cotation :
  • Aucun item inversé. Tous les items sont orientés positivement vers le construit mesuré.
  • Le score global peut être obtenu en calculant la somme brute (allant de 3 à 21) ou la moyenne arithmétique des 3 items (allant de 1,00 à 7,00).
  • Interprétation : Un score élevé reflète une propension élevée à fabriquer, falsifier ou omettre délibérément des données personnelles dans le but de protéger sa vie privée. Un score faible traduit une disposition à divulguer des données exactes et exhaustives ou une absence de comportements d’autodéfense falsificatrice.
• Temps d’administration : Moins de 2 minutes.

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

• Année de publication : 2003
• Statut des droits d’auteur : Les droits du texte scientifique original sont détenus par l’American Marketing Association (AMA), éditrice du Journal of Public Policy & Marketing.
• Utilisation en recherche académique : L’utilisation de cette échelle à des fins d’enseignement, de recherche universitaire non commerciale et de thèses est généralement libre sous réserve de citer formellement l’article princeps de Lwin et Williams (2003).
• Utilisation commerciale : Pour toute utilisation intégrée à des logiciels propriétaires, des audits d’entreprises ou des plateformes commerciales payantes, une demande formelle d’autorisation peut être requise auprès du centre de gestion des droits d’auteur de l’éditeur (Copyright Clearance Center).
• Tarifs : Gratuit pour les chercheurs académiques et les étudiants dans le cadre de leurs protocoles de recherche conventionnels.

12. Références / References

• Adams, J. S. (1965). Inequity in social exchange. In L. Berkowitz (Ed.), Advances in Experimental Social Psychology (Vol. 2, pp. 267–299). Academic Press. https://doi.org/10.1016/S0065-2601(08)60108-2
• Brehm, J. W. (1966). A theory of psychological reactance. Academic Press.
• 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
• Lwin, M. O., & Williams, J. D. (2003). A model of integrating online privacy concerns, trust, and consumer defensive behaviors. Journal of Public Policy & Marketing, 22(2), 204–215. https://doi.org/10.1509/jppm.22.2.204.17637
• Rogers, R. W. (1975). A protection motivation theory of fear appeals and attitude change. The Journal of Psychology, 91(1), 93–114. https://doi.org/10.1080/00223980.1975.9915803
• Rogers, R. W. (1983). Cognitive and physiological processes in fear appeals and attitude change: A revised theory of protection motivation. In J. T. Cacioppo & R. E. Petty (Eds.), Social Psychophysiology: A Sourcebook (pp. 153–176). Guilford Press.
• Son, J.-Y., & Kim, S. S. (2008). Internet users’ information privacy-protective responses: A taxonomy and a nomological model. MIS Quarterly, 32(3), 503–529. https://doi.org/10.2307/25148854

13. Questions et items du questionnaire / Scale Items