Échelle des connaissances, attitudes et pratiques relatives à la blockchain en marketing digital (BlkChn-Mk-KAP)

1. Résumé / Abstract

L’Échelle des connaissances, attitudes et pratiques relatives à la blockchain en marketing digital (connue sous l’acronyme anglophone Blockchain Knowledge, Attitude, and Practice in Digital Marketing Scale ou BlkChn-Mk-KAP) constitue un instrument psychométrique novateur et rigoureux conçu pour évaluer la manière dont les professionnels du marketing digital appréhendent, valorisent et intègrent la technologie des registres distribués (blockchain) dans leurs pratiques organisationnelles quotidiennes. Élaborée par Mahmoud, Kumar, Berman, Elhajjar et Fuxman (2025), cette échelle opérationnalise le modèle classique Connaissances-Attitudes-Pratiques (CAP) dans le contexte de l’adoption d’une technologie de rupture au sein des industries créatives et commerciales.

L’instrument s’articule autour de trois dimensions psychométriques distinctes mais interdépendantes : les Connaissances (Knowledge), qui mesurent la compréhension factuelle, conceptuelle et opérationnelle de l’architecture blockchain et de ses fonctionnalités marketing (traçabilité, contrats intelligents, désintermédiation publicitaire) ; les Attitudes (Attitude), qui capturent les croyances évaluatives, l’affect et la disposition favorable ou défavorable quant au potentiel stratégique de la technologie ; et les Pratiques (Practice), qui quantifient les comportements réels, les expérimentations et les actions concrètes de mise en œuvre technologique rapportées par les praticiens. Développée au terme d’un processus empirique séquentiel en quatre études interdépendantes, l’échelle comprend une structure factorielle stable validée par des analyses factorielles exploratoires et confirmatoires, affichant une cohérence interne exemplaire (coefficients alpha de Cronbach et fiabilité composite supérieurs aux seuils conventionnels de 0,80) ainsi qu’une validité prédictive à décalage temporel solide reliant les trois construits à l’utilité perçue de la technologie.

2. Mots-clés / Keywords

Blockchain, marketing digital, modèle CAP, connaissances, attitudes, pratiques comportementales, psychométrie, adoption technologique, contrats intelligents, validité de construit.

3. Auteurs / Authors

L’échelle BlkChn-Mk-KAP a été conçue, testée et validée par une équipe internationale de chercheurs en marketing, technologies de l’information et sciences comportementales :

• Ali B. Mahmoud — St John’s University, The Peter J. Tobin College of Business, Department of Marketing, New York, États-Unis ; et London South Bank University, Business School, Londres, Royaume-Uni. Courriel institutionnel : [email protected].
• V. Kumar — Brock University, Goodman School of Business, St. Catharines, Ontario, Canada. Chercheur émérite et autorité mondiale dans le domaine de la stratégie marketing et de l’analyse de données.
• Alex Berman — St John’s University, The Peter J. Tobin College of Business, Department of Marketing, New York, États-Unis.
• Sahar Elhajjar — University of Balamand, Faculty of Business and Management, Beyrouth, Liban.
• Leonora Fuxman — St John’s University, The Peter J. Tobin College of Business, Department of Marketing, New York, États-Unis.

4. Objectif / Purpose

L’objectif fondamental de l’échelle BlkChn-Mk-KAP est de fournir aux chercheurs, consultants en organisation et directeurs marketing un outil standardisé et psychométriquement robuste permettant de diagnostiquer l’état de préparation cognitive, émotionnelle et comportementale des professionnels face à l’émergence des technologies décentralisées. Bien que la littérature managériale souligne abondamment le potentiel transformateur de la chaîne de blocs — notamment pour contrer la fraude publicitaire numérique, sécuriser les données des consommateurs, éliminer les intermédiaires monopolistiques et garantir une traçabilité sans faille des chaînes d’approvisionnement —, l’adoption réelle de ces systèmes reste entravée par des disparités substantielles en matière d’alphabétisation technologique et d’aversion au changement.

Sur le plan de la recherche scientifique, l’échelle répond à un manque critique d’instruments quantitatifs validés. La plupart des études antérieures sur la blockchain en marketing reposaient sur des conceptualisations génériques issues du modèle d’acceptation de la technologie (TAM) ou de la théorie unifiée de l’acceptation et de l’utilisation de la technologie (UTAUT), sans capturer la spécificité des mécanismes de consensus, des jetons non fongibles (NFT) ou des registres distribués appliqués aux fonctions marchandes. L’échelle BlkChn-Mk-KAP comble ce vide en isolant explicitement les strates cognitives (le savoir), affectives-évaluatives (le sentiment et la valorisation) et conatives (l’agir technique).

Dans les contextes d’application organisationnelle et de conseil, l’échelle sert de diagnostic préalable lors de programmes de transformation numérique d’entreprise. Elle permet d’identifier si les blocages à l’adoption découlent d’une méconnaissance technique (déficit de connaissances appelant des initiatives de formation ciblées), de réticences psychologiques ou de scepticisme quant au retour sur investissement (déficit d’attitude requérant un accompagnement stratégique du changement), ou encore d’un manque d’infrastructures et de compétences pratiques pour exécuter des campagnes d’activation réelles (déficit de pratique). L’outil offre ainsi une granularité analytique indispensable pour orienter les investissements en capital humain et technologique.

5. Construit psychologique / Construct

Le construit psychologique opérationnalisé par l’instrument BlkChn-Mk-KAP repose sur une décomposition triadique de la compétence professionnelle et technologique, structurée selon le paradigme Connaissances-Attitudes-Pratiques. Chacune des trois dimensions explore une facette spécifique du profil du décideur en marketing digital :

1. Connaissances relatives à la blockchain (Knowledge)

Cette sous-échelle évalue la compréhension conceptuelle, fonctionnelle et technique que possède le professionnel du marketing à l’égard de la technologie blockchain. Loin de mesurer uniquement une familiarité superficielle avec les cryptomonnaies, ce construit quantifie le niveau de maîtrise des caractéristiques intrinsèques de la technologie : la décentralisation, l’immutabilité des registres, les protocoles de consensus, la cryptographie asymétrique, ainsi que l’architecture des smart contracts (contrats intelligents). Les items de cette dimension explorent la manière dont ces mécanismes s’articulent avec les leviers du marketing contemporain, par exemple la certification de l’origine des produits, la prévention des impressions publicitaires frauduleuses générées par des robots, ou la gestion souveraine des consentements utilisateurs dans le respect des cadres réglementaires sur la protection de la vie privée.

2. Attitudes envers le potentiel marketing de la blockchain (Attitude)

La dimension attitudinale saisit la posture évaluative globale, les dispositions affectives et les convictions axiologiques des professionnels concernant l’impact et la viabilité de la blockchain dans leur écosystème de travail. Ce construit ne se limite pas à un enthousiasme naïf envers la technologie ; il mesure l’adhésion rationnelle et émotionnelle à l’idée que la blockchain peut créer une valeur supérieure, rééquilibrer le partage de la valeur entre annonceurs et consommateurs, et accroître la transparence des relations commerciales. L’attitude reflète l’anticipation des bénéfices stratégiques (tels que le renforcement de la confiance envers la marque, l’optimisation des coûts d’intermédiation et la fidélisation accrue) tout en pondérant les craintes relatives à la complexité ou à la volatilité du secteur.

3. Pratiques d’intégration de la blockchain (Practice)

La composante comportementale évalue le degré d’action conjointe, d’engagement actif et d’application pragmatique de solutions blockchain au sein des flux de travail opérationnels du répondant. Cette dimension transcende l’intention déclarée pour se concentrer sur les comportements autodéclarés récents et effectifs : allocation de budgets à des projets d’expérimentation Web3, déploiement de programmes de fidélité tokenisés, audits de chaîne d’approvisionnement publicitaire basés sur la blockchain, recours à des jetons non fongibles dans le cadre d’opérations d’engagement communautaire, ou collaboration active avec des équipes d’ingénieurs décentralisés. Cette sous-échelle permet de distinguer les organisations purement spéculatrices ou observatrices de celles engagées dans une véritable adoption technologique opérationnelle.

6. Cadre théorique / Theoretical Framework

L’architecture conceptuelle de l’échelle BlkChn-Mk-KAP s’ancre principalement dans le modèle Connaissances-Attitudes-Pratiques (KAP / CAP), historiquement formalisé dans le domaine de la santé publique et de la sociologie du développement au milieu du XXe siècle pour analyser la manière dont l’acquisition de savoirs influence les représentations individuelles, qui à leur tour guident l’adoption de comportements vertueux. Transposé aux sciences de gestion et aux technologies de l’information, le cadre KAP postule une dynamique causale séquentielle et cumulative : l’acquisition de connaissances précises démystifie la complexité d’une technologie de rupture, favorisant le développement d’une attitude positive et constructive, laquelle constitue le moteur psychologique fondamental déclenchant la pratique ou l’expérimentation managériale concrète.

Ce socle est enrichi et consolidé par deux cadres théoriques majeurs de la psychologie sociale et des systèmes d’information :

• La Théorie de l’action raisonnée (TRA) et la Théorie du comportement planifié (TPB) : Développées par Martin Fishbein et Icek Ajzen, ces théories stipulent que le comportement est déterminé par l’intention comportementale, elle-même régie par l’attitude envers le comportement, les normes subjectives et le contrôle comportemental perçu. Dans le modèle BlkChn-Mk-KAP, la connaissance agit comme un antécédent cognitif indispensable qui façonne directement l’évaluation attitudinale et réduit les barrières associées au contrôle perçu, facilitant ainsi le passage à l’acte.
• La Théorie de la diffusion des innovations : Conceptualisée par Everett Rogers, cette approche démontre que l’adoption d’une innovation technologique dépend de la perception de ses attributs clés, notamment son avantage relatif, sa compatibilité, sa complexité, son testabilité et son observabilité. L’échelle opérationnalise ces dimensions en évaluant la capacité du professionnel à décoder ces attributs (connaissance), à valoriser leur pertinence concurrentielle (attitude) et à les matérialiser dans des campagnes marketing (pratique).

Les auteurs articulent ces perspectives pour démontrer que l’adoption de la blockchain ne saurait être appréhendée sous l’angle réducteur de la simple utilité perçue, mais exige une transformation épistémique (comprendre le registre distribué) conditionnant l’alignement attitudinal et l’exécution stratégique.

7. Validité / Validity

La validation psychométrique de l’échelle BlkChn-Mk-KAP s’est déployée à travers une méthodologie rigoureuse en quatre études interdépendantes, respectant les normes de l’American Psychological Association et les recommandations de Churchill et DeVellis pour l’élaboration d’échelles de mesure :

Validité de contenu et de face

Lors de la phase initiale de génération des items (Étude 1), les auteurs ont constitué un ensemble exhaustif d’énoncés à partir d’une analyse systématique de la littérature académique et d’entretiens qualitatifs approfondis menés auprès de spécialistes du marketing digital, d’ingénieurs blockchain et de cadres dirigeants. Un panel d’experts académiques et praticiens a ensuite évalué la clarté, la pertinence et l’exhaustivité de chaque item à l’aide de l’indice de validité de contenu (CVI), conduisant à l’épuration des énoncés ambigus ou redondants.

Validité de construit (convergente et discriminante)

La validité convergente a été démontrée lors des études confirmatoires (Études 2 et 3). Les saturations factorielles standardisées de l’ensemble des items retenus étaient statistiquement significatives ($p < 0,001$) et dépassaient le seuil conventionnel de 0,70. De plus, la variance moyenne extraite (AVE, Average Variance Extracted) pour chaque dimension a surpassé le critère de Bagozzi et Yi ($AVE > 0,50$), confirmant que chaque dimension capture une proportion majoritaire de la variance de ses indicateurs respectifs.

La validité discriminante a été confirmée selon deux méthodologies complémentaires :

• Le critère de Fornell-Larcker : pour chaque dimension, la racine carrée de l’AVE s’est avérée strictement supérieure à toutes les corrélations inter-facteurs correspondantes.
• Le ratio hétérotrait-monotrait (HTMT) : toutes les valeurs HTMT obtenues se sont situées nettement sous le seuil conservateur de 0,85, attestant de l’absence de chevauchement empirique entre les construits de connaissances, d’attitudes et de pratiques.

Validité prédictive à décalage temporel

Afin de prouver la robustesse externe de l’outil et de prémunir les résultats contre le biais de la méthode commune (Common Method Variance), les auteurs ont mis en œuvre une étude longitudinale à décalage temporel (Étude 4). Les résultats démontrent que les dimensions Connaissances et Attitudes mesurées au temps T1 prédisent de manière statistiquement significative les Pratiques rapportées au temps T2, ainsi que l’utilité perçue globale de la blockchain pour la performance marketing future, confirmant ainsi la chaîne causale postulée par le modèle KAP.

8. Fidélité / Reliability

L’évaluation de la fidélité de l’échelle BlkChn-Mk-KAP témoigne d’une excellente précision de mesure et d’une remarquable homogénéité interne à travers les différents échantillons analysés :

• Cohérence interne (Alpha de Cronbach) : Les coefficients $\alpha$ de Cronbach calculés pour chacune des trois sous-échelles dépassent largement le seuil standard de 0,70 préconisé dans les études psychométriques. Les valeurs rapportées dans les échantillons de validation oscillent entre 0,83 et 0,91 pour la sous-échelle Connaissances, entre 0,85 et 0,92 pour la sous-échelle Attitudes, et entre 0,81 et 0,89 pour la sous-échelle Pratiques.
• Fiabilité composite (Composite Reliability – CR) : La fiabilité composite (coefficient de Raykov / Jöreskog) a été évaluée pour chaque construit latent. Les scores de CR se situent systématiquement entre 0,84 et 0,93, démontrant que la totalité des indicateurs contribue fidèlement à la mesure des variables sous-jacentes sans variance d’erreur disproportionnée.
• Stabilité temporelle : Les analyses test-retest réalisées sur un sous-échantillon à intervalles espacés confirment la stabilité des scores individuels dans le temps, tout en reflétant une sensibilité adéquate aux interventions de formation professionnelle ciblées.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle BlkChn-Mk-KAP a été rigoureusement établie au moyen d’analyses factorielles exploratoires (AFE) suivies d’analyses factorielles confirmatoires (AFC) sur des échantillons indépendants de professionnels du marketing :

Analyse factorielle exploratoire (AFE)

Réalisée sur le premier échantillon empirique au moyen d’une extraction en composantes principales ou factorisation en axes principaux avec rotation oblique (Promax), l’AFE a confirmé la pertinence de l’échantillonnage avec un indice de Kaiser-Meyer-Olkin (KMO) supérieur à 0,85 et un test de sphéricité de Bartlett hautement significatif ($p < 0,001$). L'analyse a clairement dégagé trois facteurs distincts dont les valeurs propres (eigenvalues) étaient supérieures à 1 (critère de Kaiser), expliquant conjointement plus de 60 % de la variance totale. Aucun item ne présentait de saturations croisées problématiques (cross-loadings > 0,30 sur un facteur secondaire).

Analyse factorielle confirmatoire (AFC)

L’AFC conduite sur un échantillon distinct de validation a testé un modèle de mesure tridimensionnel de premier ordre. Les indices d’ajustement global ont corroboré l’adéquation optimale du modèle aux données observées :

• $\chi^2 / dl$ (Ratio chi-deux sur degrés de liberté) < 2,50, indiquant un ajustement très satisfaisant.
• CFI (Comparative Fit Index) $ge 0,95$.
• TLI (Tucker-Lewis Index) $ge 0,94$.
• RMSEA (Root Mean Square Error of Approximation) $le 0,05$ (avec un intervalle de confiance à 90 % inférieur à 0,08).
• SRMR (Standardized Root Mean Square Residual) $le 0,045$.

La comparaison avec des modèles alternatifs concurrents (modèle unidimensionnel global regroupant tous les items, et modèle bidimensionnel fusionnant attitudes et pratiques) a confirmé la supériorité statistique nette de la structure tridimensionnelle autonome.

10. Instrument de mesure / Instrument

L’instrument se présente sous la forme d’un questionnaire standardisé d’auto-évaluation destiné aux praticiens, gestionnaires et chercheurs en marketing digital :

• Type d’évaluation : Questionnaire psychométrique psychologique et comportemental d’auto-évaluation (self-report inventory).
• Format d’administration : Questionnaire numérique ou papier, auto-administré (durée moyenne de complétion : 8 à 12 minutes).
• Format des réponses : Échelle de Likert à 5 ou 7 points, s’étendant généralement de 1 (« Pas du tout d’accord » ou « Très faible ») à 5 / 7 (« Tout à fait d’accord » ou « Très élevé / Fréquent »).
• Structure des sous-échelles :
  • Sous-échelle Connaissances : Série d’affirmations évaluant la compréhension technique et fonctionnelle des propriétés de la blockchain dans les contextes de marketing digital.
  • Sous-échelle Attitudes : Série d’affirmations mesurant les croyances quant à l’utilité stratégique, l’éthique, la confiance et le potentiel de valeur ajoutée de la blockchain.
  • Sous-échelle Pratiques : Série d’affirmations évaluant la fréquence et l’intensité des comportements d’application, d’expérimentation et d’implémentation opérationnelle.
• Calcul des scores (Cotation) : Les scores peuvent être calculés par moyenne arithmétique ou par sommation pour chaque dimension individuelle, fournissant un profil CAP tri-factoriel distinct. L’utilisation d’un score composite global n’est recommandée que dans le cadre d’analyses d’ordre supérieur expressément justifiées.

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

• Année de publication officielle : 2025.
• Statut des droits d’auteur : L’article fondateur et l’instrument sont publiés par Emerald Publishing Group dans la revue European Journal of Marketing. Les droits de reproduction des articles et de leurs annexes sont soumis aux conditions éditoriales d’Emerald Publishing.
• Utilisation académique et non commerciale : Conformément aux usages en recherche universitaire, l’utilisation de l’échelle à des fins scientifiques non commerciales et de recherche fondamentale est autorisée sous réserve d’une citation bibliographique complète et rigoureuse du travail original de Mahmoud et ses collaborateurs (2025).
• Utilisation commerciale et de conseil : Toute utilisation commerciale, intégration au sein d’outils d’audit payants, logiciels de diagnostic d’entreprise ou plateformes de formation professionnelle requiert une autorisation formelle préalable auprès des détenteurs des droits ou de la revue éditrice.

12. Références / References

Les sources académiques fondant et validant cet instrument incluent :

• 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
• Bagozzi, R. P., & Yi, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science, 16(1), 74-94. https://doi.org/10.1007/BF02723327
• 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
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8
• Mahmoud, A. B., Kumar, V., Berman, A., Elhajjar, S., & Fuxman, L. (2025). Knowledge, attitude and practice towards blockchain potential for digital marketing: scale development and validation. European Journal of Marketing, 59(3), 601-644. https://doi.org/10.1108/EJM-06-2023-0440
• Rogers, E. M. (2003). Diffusion of Innovations (5th ed.). Free Press.
• Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425-478. https://doi.org/10.2307/30036540

13. Questions et items du questionnaire / Scale Items