Échelle de confusion du consommateur (CCS-Walsh)

1. Résumé / Abstract

L’Échelle de confusion du consommateur (Consumer Confusion Scale ou CCS), développée et validée par Gianfranco Walsh, Thorsten Hennig-Thurau et Vincent-Wayne Mitchell en 2007, constitue l’un des instruments psychométriques les plus robustes et les plus largement adoptés en comportement du consommateur et en marketing quantitatif. Cet outil d’auto-évaluation en 14 items a été conçu pour opérationnaliser et quantifier la propension individuelle des consommateurs à ressentir de la confusion décisionnelle face à des environnements d’achat saturés, complexes ou ambigus. La confusion du consommateur est définie comme un état d’inconfort cognitif ou affectif émergeant lorsqu’un individu ne parvient pas à traiter de manière optimale les informations disponibles sur le marché, conduisant fréquemment à des décisions sous-optimales, au report d’achat ou à une insatisfaction post-achat marquée.

L’instrument repose sur une modélisation tridimensionnelle comprenant : (1) la confusion par similarité (Similarity Confusion Proneness, 5 items), mesurant la difficulté perçue à différencier les marques et produits rivaux en raison de caractéristiques physiques, fonctionnelles ou visuelles analogues ; (2) la confusion par surcharge informationnelle (Overload Confusion Proneness, 4 items), évaluant le sentiment d’être submergé par un volume excessif de données ou de choix cognitifs ; et (3) la confusion par ambiguïté (Ambiguity Confusion Proneness, 5 items), captant la perception d’informations contradictoires, floues, incomplètes ou trompeuses. Les réponses sont recueillies sur une échelle de Likert en 7 points allant de 1 (« Pas du tout d’accord » / Strongly disagree) à 7 (« Tout à fait d’accord » / Strongly agree).

Sur le plan psychométrique, l’échelle démontre une consistance interne remarquable, avec des coefficients alpha de Cronbach excédant systématiquement les seuils conventionnels de 0,80 pour l’ensemble des sous-dimensions, ainsi qu’une fiabilité composite (CR) et une variance moyenne extraite (AVE) attestant d’une excellente validité convergente et discriminante. Les analyses factorielles exploratoires et confirmatoires confirment la structure à trois facteurs corrélés de premier ordre, validée à travers plusieurs catégories de produits et contextes culturels, confirmant ainsi sa pertinence analytique tant dans le commerce physique que dans les marchés numériques contemporains.

2. Mots-clés / Keywords

Confusion du consommateur, surcharge informationnelle, ambiguïté perçue, similarité des marques, prise de décision, psychométrie, comportement du consommateur, modélisation par équations structurelles, validité factorielle, fidélité psychométrique, choix sous-optimal, marketing cognitif.

3. Auteurs / Authors

L’échelle a été conçue et formalisée par un collectif de chercheurs émérites en sciences de gestion et psychologie du marketing :

• Gianfranco Walsh : Professeur de marketing et de gestion générale à l’Université Friedrich Schiller d’Iéna (Friedrich-Schiller-Universität Jena), Allemagne. Spécialiste de la psychologie de la consommation, du comportement des acheteurs et du management des services. Courriel académique : [email protected].
• Thorsten Hennig-Thurau : Professeur de marketing et de gestion des médias à l’Université de Münster (Westfälische Wilhelms-Universität Münster), Allemagne, et professeur invité régulier à la Cass Business School (City, University of London). Reconnu mondialement pour ses travaux sur la dynamique relationnelle et l’impact des technologies numériques sur les décisions de consommation. Courriel : [email protected].
• Vincent-Wayne Mitchell : Professeur de comportement du consommateur à la Bayes Business School (anciennement Cass Business School), City, University of London, Royaume-Uni, et anciennement à la Manchester Business School. Auteur pionnier sur le risque perçu, la surcharge décisionnelle et la psychologie des erreurs de choix du consommateur. Courriel : [email protected].

4. Objectif / Purpose

L’objectif central de l’échelle de Walsh, Hennig-Thurau et Mitchell (2007) est de fournir aux chercheurs et aux praticiens un instrument standardisé, psychométriquement robuste et théoriquement ancré pour mesurer la propension individuelle à la confusion (Consumer Confusion Proneness). Dans une économie moderne caractérisée par l’hyperchoix, la prolifération des marques de distributeurs imitant les leaders de marché (phénomène de « copycat packaging ») et l’explosion des canaux numériques d’information, les consommateurs se trouvent fréquemment placés dans des situations où leurs capacités cognitives de traitement sont dépassées. La confusion n’est pas simplement une variable circonstancielle, mais également une disposition individuelle qui module la vulnérabilité de chaque individu face à la complexité de l’offre marchande.

Sur le plan de la recherche fondamentale, l’échelle permet de décomposer ce phénomène holistique en sous-composantes distinctes, résolvant ainsi des décennies d’ambiguïté conceptuelle où la surcharge, la similitude et l’ambiguïté étaient souvent amalgamées sans distinction méthodologique claire. Les chercheurs peuvent mobiliser cette échelle comme variable indépendante, médiatrice ou modératrice dans des modèles structurels explorant les antécédents psychologiques (ex. besoin de cognition, maximisation versus satisfaction, anxiété d’achat) et les conséquences comportementales (ex. report ou abandon d’achat, recours disproportionné au bouche-à-oreille, dépendance envers les avis en ligne, insatisfaction post-décisionnelle et dissonance cognitive).

Dans le domaine des applications managériales et de politique publique, l’échelle offre un cadre de diagnostic objectif pour :

• Évaluer l’ergonomie informationnelle et le packaging : Identifier si la présentation des gammes de produits génère une confusion involontaire nuisant à la réputation de la marque ou favorisant la défection vers des offres plus simples.
• Réguler la protection du consommateur : Aider les autorités de la concurrence et de régulation du commerce à quantifier le préjudice subi par les consommateurs face à des étiquetages volontairement trompeurs, des allégations vertes (greenwashing) ou des pratiques d’interface trompeuses (dark patterns).
• Optimiser l’architecture de choix numérique : Guider la conception de sites de commerce électronique et de plateformes de comparaison afin d’atténuer la surcharge cognitive et de rationaliser la prise de décision.

5. Construit psychologique / Construct

Le construit de confusion du consommateur modélisé par Walsh et al. (2007) s’articule autour de trois dimensions psychologiques distinctes mais interconnectées, représentant chacune une source spécifique de défaillance dans le traitement cognitif de l’information :

1. La confusion par similarité (Similarity Confusion Proneness)

Cette dimension (couverte par les items 1 à 5) reflète l’incapacité perçue du consommateur à différencier visuellement, fonctionnellement ou sémantiquement les alternatives présentes sur un marché donné. Elle survient lorsque les attributs distinctifs des marques rivales s’estompent. Sur le plan psychologique, elle s’appuie sur la théorie de la catégorisation : lorsque deux stimuli partagent un nombre élevé de caractéristiques perceptuelles (emballage de couleur analogue, typographie proche, revendications d’efficacité identiques), le système cognitif peine à leur assigner des catégories distinctes. Par exemple, un consommateur observant un rayon de détergents ou d’assurances santé en ligne peut estimer que toutes les offres se valent et se confondent, ce qui génère une incertitude quant à l’adéquation du produit sélectionné avec ses besoins réels.

2. La confusion par surcharge (Overload Confusion Proneness)

Opérationnalisée par les items 6 à 9, cette dimension mesure la détresse cognitive ressentie lorsqu’un acheteur est confronté à un volume d’informations ou à un nombre d’options excédant ses capacités de calcul et d’attention sélective. Ancrée dans le modèle de la capacité cognitive limitée, cette composante évalue la sensation d’accablement (feeling overwhelmed). L’individu ne se plaint pas nécessairement de la mauvaise qualité de l’information, mais plutôt de son abondance exponentielle : fiches techniques exhaustives, démultiplication des variantes de modèles, avis utilisateurs innombrables. Ce trop-plein paralyse l’évaluation comparative et engendre de la fatigue décisionnelle.

3. La confusion par ambiguïté (Ambiguity Confusion Proneness)

Mesurée par les items 10 à 14, cette dimension capture la perception selon laquelle les informations fournies sont floues, contradictoires, équivoques ou délibérément orientées de manière trompeuse. Contrairement à la surcharge qui porte sur la quantité, l’ambiguïté relève de la clarté et de la cohérence du message. Le consommateur fait face à des allégations techniques qu’il ne maîtrise pas (ex. jargon technologique, mentions nutritionnelles obscures) ou à des sources d’information discordantes (ex. tests d’experts contredisant les promesses du fabricant). Cela induit un sentiment de méfiance et une impression de complexité insoluble lors du processus d’évaluation.

6. Cadre théorique / Theoretical Framework

L’échelle de Walsh et al. (2007) prend racine dans plusieurs paradigmes majeurs de la psychologie cognitive et de la théorie de la décision :

La théorie du traitement de l’information et la rationalité limitée

Le socle conceptuel fondamental repose sur les travaux d’Herbert Simon (1955) relatifs à la rationalité limitée (bounded rationality) et sur les théories du traitement de l’information humaine formalisées par George Miller (1956) et James Bettman (1979). Les êtres humains possèdent des ressources cognitives de mémoire de travail restreintes. Lorsque le débit informationnel de l’environnement dépasse la bande passante cognitive du sujet, l’efficacité décisionnelle décline selon une courbe en cloche inversée (effet de surcharge informationnelle ou information overload documenté par Jacoby, Speller et Kohn en 1974). La CCS opérationnalise le point de basculement subjectif où l’information cesse d’éclairer la décision pour devenir une source de désorganisation cognitive.

La théorie de la différenciation des stimuli et de la catégorisation

La dimension de similarité puise dans la théorie des prototypes d’Eleanor Rosch (1975) et les lois de la Gestalt sur la similarité perceptuelle. Lorsque les frontières entre les catégories de marques s’estompent sous l’effet du mimétisme concurrentiel, les mécanismes automatiques de discrimination perceptive échouent, contraignant le consommateur à engager un traitement systématique et coûteux en énergie, souvent source de frustration.

La théorie de la réduction de dissonance et de l’incertitude

Enfin, l’ambiguïté fait écho aux travaux sur l’évitement de l’incertitude (Ellsberg, 1961) et à la théorie de la dissonance cognitive de Leon Festinger (1957). Confronté à des informations perçues comme inconsistantes ou peu fiables, le sujet anticipe un regret post-décisionnel élevé. Cette anticipation favorise le déploiement de stratégies de réduction de complexité, telles que le statu quo, la fidélité aveugle à la marque ou l’évitement complet de l’acte d’achat.

7. Validité / Validity

L’article princeps de Walsh, Hennig-Thurau et Mitchell (2007) ainsi que les réplications ultérieures ont soumis l’instrument à un protocole de validation psychométrique rigoureux sur plusieurs échantillons indépendants comprenant au total plus de 1 500 consommateurs :

Validité de construit et validité factorielle

L’analyse factorielle confirmatoire (AFC) démontre un ajustement supérieur pour le modèle trifactoriel par rapport à un modèle unidimensionnel global ou à des modèles bifactoriels concurrents. Les indices d’ajustement rapportés par Walsh et al. (2007) confirment une excellente adéquation aux données empiriques :

• Chi-deux normalisé (χ²/ddl) : inférieur au seuil recommandé de 3,0 (généralement compris entre 1,8 et 2,4 selon les échantillons d’analyse).
• CFI (Comparative Fit Index) > 0,94 et TLI (Tucker-Lewis Index) > 0,93, attestant d’une modélisation structurelle très satisfaisante.
• RMSEA (Root Mean Square Error of Approximation) : 0,049 à 0,058 (avec un intervalle de confiance à 90 % n’excédant pas 0,07), et SRMR (Standardized Root Mean Square Residual) < 0,05.

Validité convergente et discriminante

La validité convergente est confirmée par le fait que toutes les saturations factorielles standardisées (λ) sont statistiquement significatives (p < 0,001) et supérieures à 0,60, la majorité excédant 0,70. De plus, la variance moyenne extraite (AVE) calculée pour chacune des trois dimensions dépasse le seuil critique de 0,50 préconisé par Fornell et Larcker (1981).

La validité discriminante a été établie selon le critère de Fornell-Larcker : pour chaque paire de construits, la racine carrée de l’AVE de chaque dimension est strictement supérieure aux corrélations bivariées inter-facteurs (qui oscillent typiquement entre r = 0,35 et r = 0,62). Aucune corrélation n’approche l’unité, confirmant que la similarité, la surcharge et l’ambiguïté mesurent des entités théoriques distinctes et non redondantes.

Validité nomologique et prédictive

La validité prédictive de la CCS est établie par ses relations prévisibles avec des variables critères clés :

• Une corrélation positive statistiquement significative avec le report de décision (decision deferral) et le recours accru aux avis de tiers.
• Une corrélation positive avec l’anxiété d’achat et la dissonance cognitive post-achat.
• Une corrélation négative avec la satisfaction décisionnelle, la fidélité déclarée et la confiance envers les marques du secteur.

8. Fidélité / Reliability

Les paramètres de fidélité et de consistance interne de l’échelle CCS présentent des garanties méthodologiques élevées dans l’ensemble des investigations quantitatives publiées :

• Consistance interne (Alpha de Cronbach) :
  • Confusion par similarité (5 items) : α = 0,84 à 0,89 selon les cohortes.
  • Confusion par surcharge (4 items) : α = 0,83 à 0,88.
  • Confusion par ambiguïté (5 items) : α = 0,80 à 0,86.
  • L’ensemble des coefficients se situe nettement au-dessus du critère standard de 0,70 (Nunnally & Bernstein, 1994).
• Fiabilité composite (Composite Reliability – CR) : Les valeurs de CR varient de 0,83 à 0,90 à travers les trois dimensions, corroborant la robustesse du faisceau d’indicateurs sans redondance excessive.
• Fidélité test-retest : Des sous-échantillons réinterrogés à un intervalle temporel de 3 à 4 semaines ont affiché des coefficients de corrélation intra-classe (ICC) compris entre 0,76 et 0,84, témoignant d’une stabilité temporelle remarquable de la propension à la confusion en tant que variable dispositionnelle.

9. Analyse factorielle / Factor Analysis

Le processus de développement initial conduit par Walsh et al. (2007) s’est déroulé en deux étapes séquentielles :

1. Analyse Factorielle Exploratoire (AFE)

À partir d’un ensemble initial de 32 items générés par revue de littérature et entretiens qualitatifs, une extraction en composantes principales assortie d’une rotation oblique (Promax) a été réalisée. L’analyse a révélé trois facteurs distincts dont les valeurs propres (eigenvalues) étaient nettement supérieures à 1,0 (critère de Kaiser), expliquant ensemble plus de 62 % de la variance totale des scores. Les critères stricts d’épuration ont éliminé les items présentant des saturations croisées (cross-loadings) supérieures à 0,30 sur un facteur secondaire ou des saturations primaires inférieures à 0,55, aboutissant à la structure finale épurée de 14 items.

2. Analyse Factorielle Confirmatoire (AFC)

L’AFC conduite sur un échantillon de validation indépendant au moyen de logiciels d’équations structurelles (ex. AMOS, LISREL, Mplus) a confirmé la structure trifactorielle standardisée :

• Facteur 1 : Similarité (items 1 à 5) — Les saturations factorielles standardisées s’échelonnent de 0,68 à 0,84 (p < 0,001), l’item 2 (« The brands of many product categories are very similar to each other ») affichant généralement l’une des saturations les plus élevées.
• Facteur 2 : Surcharge (items 6 à 9) — Les saturations s’échelonnent de 0,71 à 0,86, l’item 9 (« When shopping, I am often confronted with more information than I can process ») démontrant une contribution particulièrement forte à l’explication du construit latent.
• Facteur 3 : Ambiguïté (items 10 à 14) — Les saturations oscillent entre 0,64 et 0,81, l’item 13 (« Many times, product information is hard to understand ») et l’item 10 formant le cœur sémantique du facteur.

Aucune modification d’erreur corrélée substantielle n’a été requise pour atteindre un ajustement optimal, confirmant la parsimonie et l’unidimensionnalité locale de chaque sous-échelle.

10. Instrument de mesure / Instrument

• Nom officiel de l’instrument : Consumer Confusion Scale (CCS-Walsh) / Échelle de confusion du consommateur.
• Nature de l’outil : Questionnaire psychométrique auto-administré (auto-évaluation / self-report).
• Nombre total d’items : 14 items répartis en 3 sous-dimensions orthogonales ou corrélées.
• Structure des sous-échelles :
  • Confusion par similarité (Similarity Confusion Proneness) : 5 items (Items 1 à 5).
  • Confusion par surcharge (Overload Confusion Proneness) : 4 items (Items 6 à 9).
  • Confusion par ambiguïté (Ambiguity Confusion Proneness) : 5 items (Items 10 à 14).
• Échelle de réponse (Response Scale) : Échelle de Likert en 7 points : 7-point Likert scale (1 = Strongly disagree to 7 = Strongly agree).
• Cotation et calcul des scores :
  • L’instrument ne comporte aucun item inversé (no reverse-scored items). Tous les items sont formulés dans le sens direct du construit.
  • Le score de chaque sous-dimension s’obtient en calculant la moyenne arithmétique ou la somme brute des réponses aux items correspondants.
  • Moyenne de la Similarité = (Item 1 + Item 2 + Item 3 + Item 4 + Item 5) / 5 (score de 1 à 7).
  • Moyenne de la Surcharge = (Item 6 + Item 7 + Item 8 + Item 9) / 4 (score de 1 à 7).
  • Moyenne de l’Ambiguïté = (Item 10 + Item 11 + Item 12 + Item 13 + Item 14) / 5 (score de 1 à 7).
  • Un score global composite peut être calculé par la moyenne des 14 items si une analyse d’ordre supérieur est théoriquement justifiée, bien que l’analyse par sous-dimension soit fortement recommandée pour préserver la précision diagnostique.
• Temps d’administration : Environ 3 à 5 minutes pour compléter l’ensemble du questionnaire.

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

• Année de publication princeps : 2007.
• Conditions de tarification et licence : L’échelle est disponible gratuitement pour la recherche académique non commerciale, l’enseignement universitaire et les travaux d’études doctorales. Les auteurs ont publié les items intégraux dans le corps de leur article scientifique afin d’encourager la recherche empirique.
• Permissions d’utilisation : Aucune autorisation formelle préalable n’est requise pour une utilisation scientifique non rémunérée, sous réserve d’attribuer explicitement la paternité de l’outil en citant rigoureusement la publication originale de Walsh, Hennig-Thurau et Mitchell (2007). Pour toute utilisation commerciale, intégration dans des progiciels d’évaluation propriétaires ou applications d’audit de marque à but lucratif, il convient de contacter directement les auteurs ou la maison d’édition gestionnaire des droits du Journal of Marketing Management (Taylor & Francis).

12. Références / References

Bettman, J. R. (1979). An information processing theory of consumer choice. Addison-Wesley.

Ellsberg, D. (1961). Risk, ambiguity, and the Savage axioms. Quarterly Journal of Economics, 75(4), 643–669. https://doi.org/10.2307/1884324

Festinger, L. (1957). A theory of cognitive dissonance. Stanford University 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

Jacoby, J., Speller, D. E., & Kohn, C. A. (1974). Brand choice behavior as a function of information load. Journal of Marketing Research, 11(1), 63–69. https://doi.org/10.1177/002224377401100106

Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 63(2), 81–97. https://doi.org/10.1037/h0043158

Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.

Rosch, E. (1975). Cognitive representations of semantic categories. Journal of Experimental Psychology: General, 104(3), 192–233. https://doi.org/10.1037/0096-3445.104.3.192

Simon, H. A. (1955). A behavioral model of rational choice. Quarterly Journal of Economics, 69(1), 99–118. https://doi.org/10.2307/1884852

Walsh, G., Hennig-Thurau, T., & Mitchell, V. W. (2007). Consumer confusion proneness: Scale development, validation, and application. Journal of Marketing Management, 23(7–8), 697–721. https://doi.org/10.1362/026725707X230009

Walsh, G., & Mitchell, V. W. (2010). The effect of consumer confusion proneness on word of mouth, trust, and customer satisfaction. European Journal of Marketing, 44(6), 838–859. https://doi.org/10.1108/03090561011032738

13. Questions et items du questionnaire / Scale Items