Échelle de qualité de l’augmentation (AQS)

1. Résumé / Abstract

L’Échelle de qualité de l’augmentation (en anglais, Augmentation Quality Scale ou AQS) est un instrument psychométrique conçu pour évaluer la manière dont les consommateurs et utilisateurs perçoivent et jugent la qualité technique de l’intégration d’éléments virtuels au sein de leur environnement physique réel lors d’une expérience de réalité augmentée (RA), notamment dans les contextes du marketing expérientiel et du commerce immersif. Développée par Schein, Rauschnabel, Praxmarer-Carus et Babin (2025), l’échelle repose sur une démarche méthodologique rigoureuse combinant une phase qualitative exploratoire et deux vagues d’enquêtes quantitatives menées auprès d’un échantillon cumulé de 670 répondants.

Sur le plan structurel, l’AQS opérationnalise la qualité de l’augmentation sous la forme d’un modèle factoriel de second ordre hiérarchique, reflété par trois dimensions de premier ordre interdépendantes, comprenant chacune trois énoncés (soit un total de 9 items) :

• Qualité d’ancrage contextuel (Embedding Quality, 3 items) : évalue le réalisme perçu de l’insertion spatiale et physique de l’objet virtuel (respect des échelles, positionnement géométrique, ombrages et occlusion).
• Qualité d’interaction (Interaction Quality, 3 items) : mesure la réactivité dynamique, la fluidité temporelle et la synchronisation des réponses de l’objet virtuel aux mouvements de l’utilisateur.
• Qualité visuelle et esthétique (Design Quality, 3 items) : appréhende la fidélité graphique, le niveau de détail textuel, les propriétés des matériaux et la cohérence de l’apparence sous des angles d’observation variés.

Les réponses sont recueillies sur une échelle de Likert en 7 points. Les propriétés psychométriques établies lors des études de validation démontrent une cohérence interne remarquable (fiabilité composite variant de 0,84 à 0,87 ; variance moyenne extraite supérieure à 0,63) et une validité discriminante irréprochable. L’échelle démontre une excellente validité prédictive : elle prédit significativement la présence locale (local presence), qui agit comme un mécanisme médiateur central influençant la valeur utilitaire et hédonique, les attitudes de marque, les intentions d’achat et les comportements effectifs des utilisateurs.

2. Mots-clés / Keywords

Réalité augmentée, qualité d’augmentation, présence locale, psychométrie, marketing immersif, expérience utilisateur, fidélité visuelle, interaction homme-machine, immersion spatiale, échelle de mesure, comportement du consommateur, modélisation d’équations structurelles.

3. Auteurs / Authors

L’échelle de qualité de l’augmentation (AQS) a été développée et validée par une équipe de chercheurs spécialisés dans le marketing technologique, la psychométrie et les interactions homme-machine :

• Katharina E. Schein : Enseignante-chercheuse en marketing digital et technologies immersives, Universität der Bundeswehr München, Faculté d’économie et des sciences sociales, Neubiberg, Allemagne.
• Philipp A. Rauschnabel : Professeur titulaire de marketing digital et de gestion des médias, Universität der Bundeswehr München, Institut pour la transformation numérique et le marketing, Neubiberg, Allemagne. Expert reconnu internationalement pour ses travaux sur la réalité augmentée, la réalité virtuelle et la réalité mixte.
• Simone Praxmarer-Carus : Professeure de marketing et de comportement du consommateur, Universität der Bundeswehr München, Neubiberg, Allemagne. Spécialiste des communications marketing et de la psychologie du consommateur.
• Barry J. Babin : Professeur émérite de marketing, University of Mississippi, School of Business Administration, Oxford, MS, États-Unis. Auteur et méthodologue renommé dans le domaine des équations structurelles et des mesures psychométriques appliquées à la gestion.

4. Objectif / Purpose

L’avènement de la réalité augmentée au sein des pratiques commerciales, éducatives et industrielles a profondément transformé la façon dont les individus interagissent avec les représentations numériques de produits manufacturés, d’œuvres d’art ou de services. Toutefois, avant les travaux pionniers de Schein et collaborateurs (2025), la littérature souffrait d’un cloisonnement théorique : d’une part, les sciences informatiques évaluaient les performances graphiques à travers des paramètres algorithmiques purs (taux de rafraîchissement, latence, nombre de polygones), et d’autre part, la recherche en marketing utilisait des échelles globales et génériques d’utilisabilité (telles que le System Usability Scale ou la technologie d’acceptation de Davis), sans capturer la nature intrinsèque et hybride de la superposition du virtuel sur le réel.

L’objectif fondamental de l’AQS est de fournir un instrument standardisé, parcimonieux et théoriquement fondé permettant de quantifier l’évaluation subjective par le consommateur de la qualité de l’augmentation. Ce construit ne se résume pas à l’utilité perçue du système informatique ni à sa facilité d’usage, mais cible précisément le degré d’excellence avec lequel les artefacts virtuels fusionnent avec l’environnement physique immédiat de l’utilisateur.

Dans le domaine de la recherche académique, l’échelle permet de tester des modèles de médiation complexes élucidant la chaîne causale reliant les attributs techniques des applications de RA (sur smartphone, tablette ou lunettes intelligentes) aux réponses affectives, cognitives et comportementales des usagers. Elle résout la problématique de la « boîte noire » technologique en isolant les trois facettes clés qui font qu’un objet digital est jugé réussi et crédible dans un décor physique préexistant.

Sur le plan des applications pratiques et de la conception logicielle (UX/UI), l’AQS constitue un outil de diagnostic stratégique. Elle permet aux concepteurs d’applications et aux directeurs de marques d’identifier les faiblesses précises de leurs expériences immersives : un score faible en ancrage suggère des défaillances dans l’estimation de la surface ou de la lumière ambiante ; un déficit en interaction met en lumière des problèmes de latence ou de suivi inertiel des capteurs ; un score médiocre en design visuel indique une modélisation 3D insuffisante ou des textures manquant de netteté. L’outil s’avère particulièrement utile dans les tests A/B de prototypes d’essayage virtuel (virtual try-on), de placement de mobilier d’intérieur (room planning) et de visualisation de produits en préachat.

5. Construit psychologique / Construct

L’AQS modélise la qualité de l’augmentation comme un construit hiérarchique de second ordre à indicateurs réflexifs (conceptuel de type réflexif-réflexif). Les auteurs postulent que la qualité globale perçue de l’augmentation se manifeste à travers trois composantes de premier ordre distinctes mais fortement corrélées. Ces trois dimensions couvrent l’intégralité du spectre perceptuel de la synthèse spatiale.

1. Qualité d’ancrage contextuel (Embedding Quality)

Cette dimension renvoie à la perception du réalisme avec lequel l’objet synthétique s’insère géométriquement, spatialement et physiquement dans le contexte réel environnant. L’ancrage contextuel examine si l’objet semble réellement « habiter » la pièce ou l’espace physique. Il englobe plusieurs sous-aspects perceptifs :

• La cohérence d’échelle et de proportions : l’objet virtuel adopte-t-il une taille crédible par rapport aux objets physiques adjacents (par exemple, une lampe virtuelle ne paraissant ni microscopique ni démesurée sur une table réelle) ?
• La stabilité du tracking au sol : l’objet reste-t-il fixé au sol ou flotte-t-il de manière instable dans les airs ?
• L’occlusion et la gestion de la lumière : l’intégration prend-elle en compte les masquages par les obstacles physiques et les ombres portées conformes à l’éclairage de la pièce ?

Un défaut d’ancrage contextuel rompt immédiatement l’illusion de co-présence physique et rappelle brutalement à l’utilisateur qu’il observe une simple couche logicielle plaquée sur un écran.

2. Qualité d’interaction (Interaction Quality)

La qualité d’interaction s’intéresse à la réactivité, à la dynamique temporelle et à la synchronisation du comportement de l’objet virtuel face aux sollicitations de l’utilisateur. En réalité augmentée, l’interactivité ne se limite pas à cliquer sur un bouton : elle implique que l’utilisateur déplace son appareil autour de l’objet, s’en approche, le fasse pivoter ou le repositionne par des gestes tactiles ou spatiaux. Cette dimension évalue :

• La fluidité cinématique : l’absence de saccades, de ralentissements d’affichage (framerate drop) ou de décrochages de trajectoire.
• La latence de réponse : la quasi-instantanéité entre la commande gestuelle ou le déplacement physique de la caméra et l’actualisation du rendu de l’objet.
• La prévisibilité mécanique : la sensation que l’objet virtuel obéit à des lois d’interaction intuitives et stables lors de la manipulation.

Si la qualité d’interaction est compromise, l’utilisateur ressent une friction cognitive et un désalignement kinesthésique qui dégradent l’impression de contrôle et de réalisme.

3. Qualité visuelle et esthétique (Design Quality)

Cette dimension concerne la fidélité graphique intrinsèque, le raffinement esthétique et le niveau de détail visuel de l’objet 3D lui-même, indépendamment de son environnement. Elle porte sur l’apparence morphologique du modèle numérique sous de multiples perspectives et conditions de cadrage :

• La résolution des textures et des polygones : les surfaces apparaissent-elles nettes, riches en détails fins (coutures d’un tissu, reflets métalliques, grain du bois) ou au contraire pixélisées et floues ?
• La cohérence morphologique omnidirectionnelle : l’objet conserve-t-il un aspect convaincant et cohérent qu’il soit observé de face, de profil, de dessus ou en gros plan rapproché ?
• L’attrait esthétique global : l’aspect visuel de l’objet dégage-t-il une impression de professionnalisme, d’élégance et de fidélité au produit manufacturé authentique ?

L’ensemble de ces trois dimensions forme une triade harmonieuse : une image magnifique (Design Quality) qui glisse sur le sol sans fixité (Embedding Quality déficiente) ou qui saccade lors des mouvements (Interaction Quality déficiente) ne saurait produire une expérience globale d’augmentation convaincante.

6. Cadre théorique / Theoretical Framework

L’élaboration de l’AQS s’inscrit au carrefour de plusieurs grands cadres théoriques de la psychologie cognitive, des théories des systèmes d’information et de la recherche sur la présence médiatisée.

La théorie du traitement de l’information et le réalisme perceptif

Historiquement, l’évaluation de la technologie en marketing s’est appuyée sur le modèle d’acceptation de la technologie (TAM ; Davis, 1989) et le modèle de succès des systèmes d’information (DeLone & McLean, 2003). Si ces modèles considèrent la « qualité du système » et la « qualité de l’information », ils demeurent abstraits quant aux caractéristiques sensorielles directes des environnements spatiaux. Schein et ses co-auteurs s’appuient sur la psychologie écologique de la perception formulée initialement par James J. Gibson (1979). Selon cette approche, la perception humaine extrait directement du flux visuel des affordances et des indices de profondeur, d’échelle et de mouvement. Pour qu’un objet synthétique soit intégré cognitivement dans l’écologie perceptive de l’utilisateur, il doit respecter les lois invariantes du monde physique (gravité apparente, perspective, ombrage, continuité cinématique).

Le concept de Présence Locale (Local Presence)

Le pilier théorique central sous-tendant l’impact de l’AQS est la distinction fondamentale entre la téléprésence (Steuer, 1992 ; Lombard & Ditton, 1997) et la présence locale (Rauschnabel et al., 2022 ; Schein et al., 2025). Alors que la téléprésence — centrale en réalité virtuelle — mesure le degré auquel l’utilisateur a l’impression d’être transporté dans un univers distant ou imaginaire (« être là-bas »), la présence locale caractérise la sensation que des éléments virtuels sont physiquement situés, présents et tangibles dans l’environnement immédiat de l’utilisateur (« être ici avec moi »).

Selon le cadre théorique validé par Schein et al. (2025), la qualité de l’augmentation agit comme le déterminant technique proximal de la présence locale. Lorsque l’ancrage, l’interaction et le design atteignent un seuil élevé d’excellence, le système cognitif de l’utilisateur opère une suspension temporaire de l’incrédulité : l’esprit attribue une localisation physique et une réalité matérielle à l’illusion numérique. À son tour, cette présence locale stimule la valeur hédonique (plaisir, émerveillement) et la valeur utilitaire (capacité à évaluer la taille, la compatibilité stylistique ou l’ergonomie d’un meuble chez soi), ce qui conduit directement à une augmentation des intentions d’achat et des choix comportementaux réels.

7. Validité / Validity

La validité psychométrique de l’AQS a été minutieusement établie à travers une chaîne séquentielle de quatre études distinctes présentées dans Schein et al. (2025) :

Validité de contenu et de construit (Études 1 et 2)

Une approche inductive par théorisation enracinée (grounded theory) a d’abord été mise en œuvre auprès d’utilisateurs et d’experts de la réalité augmentée. Plus de 50 entretiens en profondeur et sessions d’observation ont permis d’extraire le lexique naturel des consommateurs pour décrire la réussite ou l’échec d’une augmentation. Un pool initial d’items a été généré puis soumis à des comités d’experts pour évaluer la clarté, la pertinence et la représentativité du domaine, éliminant les redondances et assurant une validité de contenu exemplaire.

Validité convergente (Études 3 et 4)

La validité convergente a été confirmée à l’aide de la modélisation par équations structurelles basée sur la covariance (CB-SEM) et des analyses factorielles confirmatoires. Dans l’Étude 4 (N = 370), toutes les saturations factorielles standardisées des items sur leurs dimensions respectives dépassaient largement le seuil canonique de 0,70 (variant entre 0,76 et 0,86, toutes significatives à p < 0,001). Les valeurs de variance moyenne extraite (AVE, Average Variance Extracted) surpassent substantiellement le critère de référence de 0,50 établi par Fornell et Larcker :

• Qualité d’ancrage (Embedding Quality) : AVE = 0,67
• Qualité d’interaction (Interaction Quality) : AVE = 0,63
• Qualité visuelle (Design Quality) : AVE = 0,69

Validité discriminante

La validité discriminante entre les trois dimensions de premier ordre a été rigoureusement prouvée :

• Critère de Fornell-Larcker : pour chaque dimension, la racine carrée de l’AVE (0,818 pour l’ancrage, 0,793 pour l’interaction, 0,830 pour le design) est strictement supérieure aux corrélations bivariées inter-dimensions.
• Critère HTMT (Heterotrait-Monotrait Ratio) : tous les ratios HTMT se situent sous le seuil conservateur de 0,85, attestant que l’ancrage, l’interaction et le design constituent des construits empiriquement distincts et non interchangeables.

Validité nomologique et prédictive

L’échelle a démontré une validité prédictive remarquable dans des contextes d’achat simulés et réels. L’AQS globale prédit fortement la présence locale (β > 0,60, p < 0,001). À son tour, la présence locale médiatise l’effet de l’AQS sur la valeur utilitaire (β = 0,48, p < 0,001), la valeur hédonique (β = 0,55, p < 0,001) et l’attitude envers la marque. Enfin, l’AQS prédit directement et indirectement les intentions d’achat ainsi que le comportement effectif d’engagement dans l’acte d’achat d’un produit physique visualisé en réalité augmentée.

8. Fidélité / Reliability

La fidélité de l’échelle AQS a été testée sous l’angle de la cohérence interne et de la fiabilité composite à travers plusieurs collectes d’échantillons indépendants :

• Fiabilité composite (CR, Composite Reliability) : lors de l’étude quantitative finale (Étude 4, N = 370), les indices de fiabilité composite ont affiché des valeurs exceptionnelles, très au-dessus du standard académique de 0,70 :
  • Embedding Quality : CR = 0,86
  • Interaction Quality : CR = 0,84
  • Design Quality : CR = 0,87
• Cohérence interne (Alpha de Cronbach) : les coefficients α pour chaque sous-échelle de 3 items sont tous compris entre 0,83 et 0,87, démontrant une excellente homogénéité sans redondance sémantique excessive. L’alpha de Cronbach de l’échelle globale de second ordre dépasse 0,91.
• Corrélations item-total corrigées : tous les coefficients dépassent 0,65, confirmant que chaque item contribue significativement et de manière stable à la mesure de son sous-construit respectif.

Ces résultats statistiques confirment que l’instrument présente une précision métrologique remarquable et une très faible part de variance d’erreur aléatoire.

9. Analyse factorielle / Factor Analysis

Le processus de validation factorielle s’est déroulé en deux étapes complémentaires au sein du programme de recherche de Schein et al. (2025) :

Analyse Factorielle Exploratoire (AFE)

Menée lors de l’Étude 3, l’AFE (avec extraction en axes principaux et rotation oblique Promax) sur l’ensemble des énoncés candidats a clairement mis en évidence une structure à trois facteurs correspondant à des valeurs propres (eigenvalues) supérieures à 1, expliquant plus de 68 % de la variance totale cumulée. Chaque item a présenté une saturation primaire robuste (> 0,70) sur son facteur théorique cible et aucune saturation croisée (cross-loading) résiduelle supérieure à 0,25, confirmant la pureté dimensionnelle des énoncés.

Analyse Factorielle Confirmatoire (AFC) et Modèle de Second Ordre

Dans l’Étude 4, une AFC a été conduite pour comparer plusieurs spécifications concurrentes :

1. Un modèle unidimensionnel à un facteur général (ajustement très médiocre : CFI < 0,80, RMSEA > 0,14).
2. Un modèle à trois facteurs orthogonaux indépendants (ajustement rejeté).
3. Un modèle à trois facteurs corrélés de premier ordre (bon ajustement).
4. Un modèle hiérarchique de second ordre où la « Qualité de l’augmentation » chapeaute les trois dimensions de premier ordre.

Le modèle de second ordre s’est révélé être le modèle le plus parcimonieux et le plus élégant, affichant d’excellents indices d’ajustement global :

• χ²/df < 2,5
• CFI (Comparative Fit Index) = 0,982
• TLI (Tucker-Lewis Index) = 0,974
• RMSEA (Root Mean Square Error of Approximation) = 0,048 [IC 90 % : 0,032 ; 0,064]
• SRMR (Standardized Root Mean Square Residual) = 0,034

Les saturations factorielles de second ordre de la qualité d’augmentation globale sur les trois sous-construits étaient toutes massives (γ variant entre 0,78 et 0,88, p < 0,001), confirmant que l’ancrage, l’interaction et le design sont des facettes complémentaires intrinsèques d’une seule et même expérience de qualité globale.

10. Instrument de mesure / Instrument

• Type d’instrument : Questionnaire psychométrique d’auto-évaluation (self-report inventory) post-expérience technologique.
• Nombre total d’items : 9 énoncés répartis équitablement en 3 sous-échelles de 3 items.
• Dimensions mesurées :
  • Qualité d’ancrage contextuel (3 items)
  • Qualité d’interaction (3 items)
  • Qualité visuelle et esthétique (3 items)
• Format des réponses : 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). Des options de réponse neutre (4 = « Neutre / Ni en désaccord ni d’accord ») sont prévues.
• Modalités de passation : Administration numérique sur ordinateur, tablette ou smartphone directement après la session d’utilisation de l’application de réalité augmentée. Temps de complétion moyen estimé : 2 à 3 minutes.
• Cotation et calcul des scores :
  • Scores de sous-échelles : calcul de la moyenne arithmétique des 3 items de chaque dimension respective (score compris entre 1 et 7).
  • Score composite global de qualité d’augmentation : calcul de la moyenne générale des 9 items (ou moyenne des trois dimensions), où un score plus élevé indique une qualité d’augmentation technique perçue supérieure. Aucun item n’est inversé (aucun recodage requis).

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

• Année de publication : 2025.
• Titulaires des droits : Les auteurs (Katharina E. Schein, Philipp A. Rauschnabel, Simone Praxmarer-Carus, Barry J. Babin) et l’éditeur commercial Springer Nature / Academy of Marketing Science.
• Conditions d’accès et d’utilisation : L’article original est publié dans le Journal of the Academy of Marketing Science. L’utilisation de l’échelle à des fins de recherche académique non commerciale est autorisée sous réserve de citation formelle de l’article princeps de Schein et al. (2025). Pour tout usage commercial, intégration logicielle propriétaire ou distribution rémunérée, l’accord préalable des auteurs et/ou de l’éditeur peut être requis.
• Tarification : L’accès aux descripteurs de recherche est généralement libre dans le cadre d’abonnements universitaires ou via les dépôts institutionnels des auteurs. Aucun coût de licence n’est facturé pour les études universitaires indépendantes.

12. Références / References

• 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
• DeLone, W. H., & McLean, E. R. (2003). The DeLone and McLean model of information systems success: A ten-year update. Journal of Management Information Systems, 19(4), 9–30. https://doi.org/10.1080/07421222.2003.11045748
• Gibson, J. J. (1979). The ecological approach to visual perception. Houghton Mifflin.
• Lombard, M., & Ditton, T. (1997). At the heart of it all: The concept of presence. Journal of Computer-Mediated Communication, 3(2), JCMC321. https://doi.org/10.1111/j.1083-6101.1997.tb00072.x
• Rauschnabel, P. A., Babin, B. J., tom Dieck, M. C., Krey, N., & Jung, T. (2022). What is augmented reality marketing? Its definition, taxonomy, and framework. Journal of Business Research, 142, 1140–1150. https://doi.org/10.1016/j.jbusres.2021.12.078
• Schein, K. E., Rauschnabel, P. A., Praxmarer-Carus, S., & Babin, B. J. (2025). Unpacking augmentation quality and local presence: Factors that drive effective augmented reality marketing. Journal of the Academy of Marketing Science, 54, 49–69. https://doi.org/10.1007/s11747-025-01108-2
• Steuer, J. (1992). Defining virtual reality: Dimensions determining telepresence. Journal of Communication, 42(4), 73–93. https://doi.org/10.1111/j.1460-2466.1992.tb00812.x

13. Questions et items du questionnaire / Scale Items

Les items officiels complets de l’Échelle de qualité de l’augmentation (AQS) sont la propriété intellectuelle de leurs auteurs respectifs et de l’éditeur de la revue Journal of the Academy of Marketing Science. Par conséquent, ils ne sont pas reproduits dans le domaine public ouvert.