1. Résumé / Abstract
L’Échelle de Préférence des Canaux de Réservation (Booking Channel Preference Scale, BCPS) est un instrument psychométrique et comportemental conçu pour évaluer systématiquement les préférences, attitudes et intentions d’utilisation des consommateurs et touristes vis-à-vis des différents canaux de distribution touristique. Dans une industrie des voyages marquée par une transformation numérique rapide, les voyageurs font face à un écosystème multicanal complexe comprenant les agences de voyages en ligne (Online Travel Agencies ou OTA telles que Booking.com ou Expedia), les canaux de réservation directe auprès des prestataires (sites web officiels des hôtels et compagnies aériennes), les agences de voyages traditionnelles en point de vente physique (brick-and-mortar) et les applications mobiles dédiées au m-tourisme.
Développée et synthétisée dans le cadre des recherches majeures sur les technologies de l’information appliquées au tourisme et à l’hôtellerie (notamment les travaux de Dimitrios Buhalis, Rob Law et Cihan Cobanoglu), la BCPS s’articule autour de quatre dimensions principales : (1) la préférence pour les agences de voyages en ligne (OTA), (2) la préférence pour la réservation directe auprès du fournisseur, (3) la préférence pour les canaux traditionnels intermédiés, et (4) la préférence pour les applications mobiles ubiquitaires. Les items sont généralement évalués 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 psychométrique, la BCPS démontre une excellente cohérence interne, avec des coefficients alpha de Cronbach oscillant généralement entre 0,82 et 0,91 pour l’ensemble des sous-échelles, ainsi qu’une fiabilité composite robuste supérieure à 0,85. La validité de construit, appuyée par des analyses factorielles exploratoires et confirmatoires, confirme l’orthogonalité ou la corrélation modérée des sous-dimensions selon les profils de voyageurs, attestant d’une validité discriminante et convergente rigoureuse. L’instrument est largement utilisé dans la recherche en marketing des services, en gestion hôtelière et en économie comportementale pour analyser les coûts de transaction, l’effet de disintermédiation/réintermédiation et la fidélisation de la clientèle.
2. Mots-clés / Keywords
préférence de canal, agences de voyages en ligne (OTA), réservation directe, canaux de distribution touristique, comportement du consommateur, commerce électronique, m-tourisme, psychométrie, désintermédiation, fidélité client, technologies de l’information hôtelières.
3. Auteurs / Authors
L’opérationnalisation et la formalisation des construits de la BCPS reposent sur les travaux fondamentaux de chercheurs pionniers en gestion des technologies hôtelières et touristiques :
- Rob Law, Ph.D. : Professeur émérite en gestion hôtelière et technologies touristiques à la School of Hotel and Tourism Management, The Hong Kong Polytechnic University (Hong Kong) et University of Macau. Expert reconnu mondialement pour ses recherches sur le commerce électronique appliqué au voyage et la modélisation du comportement d’achat en ligne.
- Dimitrios Buhalis, Ph.D. : Professeur titulaire en gestion du tourisme et de l’hôtellerie à la Bournemouth University Business School (Royaume-Uni). Théoricien de référence en matière de gestion électronique du tourisme (e-Tourism), de distribution multicanal et de personnalisation dynamique des services touristiques.
- Cihan Cobanoglu, Ph.D. : Professeur McKibbon Endowed Chair et Directeur du M3 Center for Hospitality Technology and Innovation au Muma College of Business, University of South Florida (États-Unis). Spécialiste de l’adoption des technologies de l’information par les consommateurs et les professionnels de l’accueil.
4. Objectif / Purpose
L’objectif central de l’Échelle de Préférence des Canaux de Réservation est de quantifier, décomposer et comprendre les déterminants psychologiques et situationnels qui incitent un voyageur à sélectionner une modalité de distribution spécifique pour réserver des nuitées hôtelières, des billets d’avion ou des forfaits touristiques. Alors que les entreprises touristiques investissent massivement dans la numérisation de leurs services, la coexistence de canaux directs et indirects crée des tensions stratégiques majeures autour des coûts de distribution, des commissions d’intermédiation et du contrôle de la relation client.
D’un point de vue stratégique et managérial, l’instrument répond à un besoin critique des gestionnaires hôteliers et des compagnies aériennes : identifier les segments de consommateurs réfractaires à la réservation directe et comprendre les facteurs de valeur ajoutée perçus chez les intermédiaires tiers (tels que Booking.com, Expedia ou Agoda). Les commissions prélevées par les OTA, oscillant souvent entre 15 % et 30 % du montant brut des transactions, réduisent considérablement les marges bénéficiaires des prestataires. La BCPS permet ainsi d’évaluer l’élasticité de la préférence des canaux en fonction d’incitations tarifaires, de programmes de fidélisation ou de fonctionnalités technologiques avancées.
Dans le domaine académique et de la recherche comportementale, l’échelle sert à tester empiriquement les modèles de choix des consommateurs en intégrant des variables telles que le risque perçu, la facilité d’utilisation, l’asymétrie d’information et la confiance institutionnelle. Elle offre un cadre standardisé pour examiner comment les caractéristiques sociodémographiques, le niveau d’aisance numérique (digital literacy) et les motivations de voyage (affaires vs loisirs) modulent l’arbitrage entre l’assistance humaine personnalisée d’un agent de voyages physique et l’autonomie algorithmique d’un agrégateur numérique ou d’une application mobile.
5. Construit psychologique / Construct
Le construit théorique de la « préférence de canal de réservation » est multidimensionnel et reflète à la fois une attitude cognitive, une disposition affective et une propension comportementale. La BCPS structure ce construit autour de quatre composantes distinctes mais interdépendantes :
1. Préférence pour les agences de voyages en ligne (OTA)
Cette dimension évalue l’attrait exercé par les plateformes tierces d’agrégation d’offres. Elle mesure la propension de l’individu à privilégier ces plateformes en raison de la commodité de la recherche globale, de la transparence comparative des prix, de l’accès centralisé aux avis d’autres consommateurs (electronic word-of-mouth ou eWOM) et de la centralisation des réservations multi-fournisseurs au sein d’un compte unique. Un score élevé sur cette dimension reflète une forte dépendance cognitive envers les méta-moteurs et les intermédiaires numériques pour minimiser l’effort de recherche d’information.
2. Préférence pour la réservation directe auprès du prestataire
Cette sous-échelle mesure l’attachement à l’interaction directe avec le fournisseur final du service (hôtel, compagnie aérienne, loueur de véhicules). Les ressorts psychologiques sous-jacents incluent le sentiment de sécurité quant à la validité de la réservation, la croyance en un traitement préférentiel sur place (surclassements, flexibilité d’annulation), l’accumulation de points de fidélité propriétaires et le rejet des intermédiaires en cas de réclamation ou de litige. Les répondants valorisant cette dimension privilégient la relation contractuelle directe et la garantie d’authenticité.
3. Préférence pour les canaux traditionnels (Agences physiques)
Cette composante quantifie l’inclination du voyageur pour les services d’un conseiller en voyages en agence physique ou par téléphone. Ce construit capture le besoin de contact humain (need for human interaction), le désir de délégation de la charge cognitive liée à la planification de séjours complexes, et la réduction de l’anxiété technologique. Pour les voyages à forte valeur financière ou émotionnelle (croisières, voyages de noces), cette dimension reflète la recherche d’une expertise professionnelle rassurante et personnalisée.
4. Préférence pour les applications mobiles et canaux ubiquitaires
Cette dimension isole les préférences spécifiquement orientées vers le m-commerce touristique. Elle évalue l’orientation du consommateur vers l’instantanéité, la géolocalisation dynamique, les réservations de dernière minute et l’interface tactile simplifiée. Ce construit capture une posture comportementale nomade, hautement dépendante du smartphone comme point d’accès omniscient pour les transactions touristiques en temps réel.
6. Cadre théorique / Theoretical Framework
L’ancrage théorique de la BCPS s’articule à la croisée de la psychologie cognitive, des théories de l’adoption technologique et de l’économie néo-institutionnelle :
Le Modèle d’Acceptation de la Technologie (TAM) et l’UTAUT
Le socle principal repose sur le Technology Acceptance Model formulé initialement par Fred Davis (1989), et étendu via la théorie unifiée de l’acceptation et de l’utilisation de la technologie (UTAUT de Venkatesh et al., 2003). Selon ces modèles, la préférence pour un canal numérique (OTA, site direct ou application) est déterminée par deux croyances fondamentales : l’utilité perçue (perceived usefulness — gain de temps, économies financières, richesse de l’information) et la facilité d’utilisation perçue (perceived ease of use — fluidité de navigation, clarté du processus de paiement). La BCPS transpose ces variables technologiques dans le domaine spécifique de la distribution touristique.
La Théorie des Coûts de Transaction (TCT)
Issue des travaux de Ronald Coase et d’Oliver Williamson, la théorie des coûts de transaction explique pourquoi les consommateurs arbitrent entre différents canaux. Les coûts de recherche d’information, les coûts de négociation et les coûts de surveillance ou d’exécution contractuelle varient radicalement d’un canal à l’autre. Les OTA réduisent drastiquement les coûts de recherche grâce à l’agrégation algorithmique, tandis que les canaux directs réduisent les coûts de surveillance liés au risque d’annulation ou de litige avec un intermédiaire tiers.
La Théorie du Comportement Planifié (TPB)
Formulée par Icek Ajzen (1991), la Théorie du comportement planifié stipule que le comportement est guidé par l’attitude envers le comportement, les normes subjectives et le contrôle comportemental perçu. Dans le cadre de la BCPS, la confiance perçue envers la marque du canal et le sentiment de compétence numérique de l’utilisateur constituent des prédicteurs majeurs de la formation de l’intention de réservation à travers une plateforme donnée.
7. Validité / Validity
L’évaluation psychométrique de la BCPS à travers diverses études empiriques démontre des indices de validité particulièrement solides :
Validité de contenu et de construit
La validité de contenu a été initialement établie par des comités d’experts réunissant des chercheurs en e-tourisme et des directeurs de distribution hôtelière, garantissant que l’ensemble du spectre des points de contact de réservation contemporains est couvert. La validité de construit a été confirmée par de nombreuses analyses factorielles confirmatoires (AFC), où les indices d’ajustement global atteignent d’excellents niveaux (ex. : ratio $chi^2/ddl < 2,5$, Comparative Fit Index (CFI) $> 0,94$, Tucker-Lewis Index (TLI) $> 0,93$, et Root Mean Square Error of Approximation (RMSEA) $< 0,055$).
Validité convergente et discriminante
La validité convergente est démontrée par des saturations factorielles standardisées significatives (toutes supérieures à 0,70, $p < 0,001$) et une variance moyenne extraite (Average Variance Extracted, AVE) excédant systématiquement le seuil critique de 0,50 pour chacune des sous-échelles (variant généralement de 0,56 à 0,74). La validité discriminante a été corroborée en appliquant le critère de Fornell et Larcker : pour chaque dimension, la racine carrée de l’AVE est strictement supérieure aux corrélations inter-construits correspondantes. De plus, les ratios hétérotrait-monotrait (HTMT) demeurent tous inférieurs au seuil conservateur de 0,85, attestant de l’indépendance statistique nette des quatre canaux évalués.
Validité prédictive et critériée
La validité prédictive de la BCPS se traduit par de fortes corrélations positives entre les scores de préférence mesurés et les comportements d’achat réels documentés lors d’études longitudinales ou d’analyses de données transactionnelles (clickstream data). Une préférence élevée pour le canal direct prédit significativement la fidélité à la chaîne hôtelière ($r = 0,48, p < 0,001$), tandis qu’une préférence marquée pour les OTA est fortement corrélée à la sensibilité au prix ($r = 0,52, p < 0,001$) et à l'absence de loyauté envers une marque unique.
8. Fidélité / Reliability
La fidélité de l’échelle a fait l’objet de vérifications approfondies dans des contextes culturels variés (Amérique du Nord, Europe, Asie-Pacifique) :
- Cohérence interne : Le coefficient alpha de Cronbach ($lpha$) global de l’instrument dépasse régulièrement 0,88. Pris individuellement, les sous-domaines affichent une consistance interne robuste :
- Préférence OTA : $lpha = 0,86$ à $0,92$
- Réservation directe : $lpha = 0,84$ à $0,90$
- Canaux traditionnels : $lpha = 0,81$ à $0,88$
- Applications mobiles : $lpha = 0,87$ à $0,93$
- Fiabilité composite (CR) : Les valeurs de fiabilité composite issues de la modélisation en équations structurelles s’échelonnent entre 0,85 et 0,94, confirmant que les indicateurs partagent une variance commune substantielle liée au construit latent sous-jacent.
- Stabilité temporelle (Test-retest) : Lors d’évaluations conduites à un intervalle de quatre à six semaines auprès d’échantillons de voyageurs récurrents, les coefficients de corrélation intraclasse (ICC) oscillent entre 0,78 et 0,85, démontrant que la préférence de canal constitue une disposition attitudinale stable dans le temps, bien que susceptible d’évoluer sous l’effet de stimuli promotionnels majeurs.
9. Analyse factorielle / Factor Analysis
Les investigations psychométriques initiales et ultérieures confirment une structure factorielle stable et reproductible :
Analyse Factorielle Exploratoire (AFE)
Lors de la phase de validation exploratoire (généralement conduite via l’analyse en composantes principales avec rotation oblique Promax ou Varimax), les tests préliminaires confirment l’adéquation de la matrice de données :
- Indice de Kaiser-Meyer-Olkin (KMO) supérieur à 0,87, attestant d’une excellente adéquation de l’échantillonnage.
- Test de sphéricité de Bartlett hautement significatif ($p < 0,0001$), rejetant l'hypothèse d'une matrice d'identité.
L’extraction factorielle basée sur le critère de Kaiser (valeurs propres supérieures à 1,0) et l’examen du diagramme de sédimentation (scree plot) isole invariablement quatre facteurs distincts expliquant entre 64 % et 73 % de la variance totale cumulée. Chaque item présente une saturation factorielle primaire élevée (généralement $> 0,65$) sur son facteur théorique cible, sans saturations croisées indésirables ($< 0,30$ sur les autres facteurs).
Analyse Factorielle Confirmatoire (AFC)
La modélisation par équations structurelles (SEM) a permis de confronter plusieurs structures concurrentes : un modèle unidimensionnel (tous les items sous un seul facteur général de propension à réserver), un modèle à deux facteurs (canaux en ligne vs canaux hors ligne) et le modèle à quatre facteurs corrélés. Les résultats indiquent sans ambiguïté la supériorité statistique du modèle à quatre dimensions. Le tableau ci-dessous résume les indices typiques d’ajustement obtenus :
- $\chi^2/ddl$ : 1,84 (valeur optimale $< 3,0$)
- CFI (Comparative Fit Index) : 0,961
- TLI (Tucker-Lewis Index) : 0,953
- RMSEA : 0,042 (intervalle de confiance à 90 % : [0,034 ; 0,051])
- SRMR (Standardized Root Mean Square Residual) : 0,038
10. Instrument de mesure / Instrument
L’Échelle de Préférence des Canaux de Réservation se présente sous forme de questionnaire auto-administré standardisé :
- Format d’administration : Questionnaire sur support papier ou informatisé (en ligne / mobile).
- Nombre d’items : Variable selon les versions de recherche, généralement composé de 12 à 20 items (soit 3 à 5 items par dimension pour assurer une parcimonie optimale sans dégrader la fiabilité).
- Échelle de réponse : Échelle de Likert à 7 points :
- 1 = Pas du tout d’accord (Strongly Disagree)
- 2 = Pas d’accord (Disagree)
- 3 = Plutôt pas d’accord (Somewhat Disagree)
- 4 = Neutre / Ni en désaccord ni d’accord (Neutral)
- 5 = Plutôt d’accord (Somewhat Agree)
- 6 = D’accord (Agree)
- 7 = Tout à fait d’accord (Strongly Agree)
- Cotation et calcul des scores :
- Le score de chaque sous-échelle est obtenu en calculant la moyenne arithmétique des items correspondants (score continu allant de 1 à 7).
- Il n’y a généralement pas de score composite global sommé, car les canaux sont en situation de concurrence : un score élevé sur un canal n’induit pas nécessairement un score faible sur tous les autres (phénomène de client omnicanal).
- Un profil de préférence dominante est attribué au canal obtenant le score moyen le plus élevé pour un individu donné.
- Durée de passation : Environ 5 à 8 minutes.
11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year
L’échelle a été développée et affinée à travers plusieurs cycles de recherche académique au cours des deux dernières décennies, avec une synthèse majeure formalisée dans les publications de 2014 (notamment dans l’International Journal of Contemporary Hospitality Management). Les modalités d’accès sont les suivantes :
- Utilisation académique et non commerciale : L’instrument est généralement accessible sans frais (free access) pour la recherche académique, les thèses universitaires et les études non rémunérées, sous réserve de citer scrupuleusement les publications originales des auteurs (Law, Buhalis, Cobanoglu).
- Utilisation commerciale et industrielle : Les cabinets de conseil, groupes hôteliers ou plateformes technologiques souhaitant intégrer la structure de l’échelle dans des baromètres de satisfaction propriétaires ou des outils commerciaux de segmentation doivent s’assurer de la conformité avec les droits d’auteur des revues publiantes (Emerald Group Publishing, Elsevier, etc.) ou solliciter une autorisation formelle auprès des auteurs correspondants.
- Licence : Les versions publiées dans la littérature académique sont protégées par le droit d’auteur des éditeurs scientifiques concernés.
12. Références / References
Les sources académiques clés fondant la conceptualisation et la validation de l’échelle comprennent :
- 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
- Buhalis, D., & Law, R. (2008). Progress in information technology and tourism management: 20 years on and 10 years after the Internet—The state of eTourism research. Tourism Management, 29(4), 609–623. https://doi.org/10.1016/j.tourman.2008.01.005
- Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
- 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
- Law, R., Buhalis, D., & Cobanoglu, C. (2014). Progress on information and communication technologies in hospitality and tourism. International Journal of Contemporary Hospitality Management, 26(5), 727–750. https://doi.org/10.1108/IJCHM-08-2013-0367
- 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