Échelle d’évaluation de la résilience état-trait

1. Résumé / Abstract

La résilience psychologique constitue une dimension fondamentale de l’adaptation humaine face aux traumatismes, à l’adversité chronique et aux stresseurs de la vie quotidienne. Historiquement, l’évaluation psychométrique de la résilience a souffert d’un clivage conceptuel persistant entre les approches la considérant comme un trait de personnalité stable et celles l’envisageant comme un processus dynamique et contextuel. L’Échelle d’évaluation de la résilience état-trait (State-Trait Assessment of Resilience Scale, ou STARS), développée en Australie par Samantha Lock, Clare S. Rees et Brody Heritage (2019), a été spécifiquement conçue pour combler ce vide théorique et empirique en opérationnalisant conjointement ces deux perspectives complémentaires.

Fondée sur les métathéories contemporaines de l’adaptation et de l’autorégulation émotionnelle, la STARS intègre un ensemble de 28 items répartis équitablement en deux sous-échelles distinctes de 14 items : la résilience-trait (mesurant la capacité basale, distale et endurante d’un individu à surmonter les difficultés) et la résilience-état (capturant les fluctuations proximales, transitoires et contextuelles des ressources de coping face aux stresseurs récents). L’instrument emploie une échelle de réponse ordonnée de type Likert en 7 points.

Sur le plan méthodologique, le développement de la STARS se distingue par l’application rigoureuse des modèles de la théorie de la réponse aux items (TRI), plus précisément le modèle de Rasch pour échelles d’évaluation (Rating Scale Model de David Andrich). Cette approche analytique avancée a permis de vérifier le fonctionnement ordonné des seuils de réponse, l’ajustement structurel des items (Infit et Outfit), l’absence de dépendance locale résiduelle et l’étalonnage précis des paramètres sur un continuum invariant de mesure. Les analyses démontrent d’excellentes qualités métrologiques, une fidélité de séparation élevée tant pour les personnes que pour les items, ainsi qu’une validité convergente et discriminante robuste au sein du réseau nomologique (corrélations positives avec la stabilité émotionnelle et l’affect positif ; corrélations négatives avec le stress perçu et le névrosisme). La STARS représente ainsi un outil de choix pour la recherche longitudinale et la pratique clinique appliquée, notamment dans le suivi de l’épuisement professionnel et l’évaluation des interventions psychologiques ciblées.

2. Mots-clés / Keywords

Résilience psychologique, résilience-état, résilience-trait, théorie de la réponse aux items, modèle de Rasch, psychométrie, évaluation psychologique, coping, stress perçu, adaptation, burnout, santé mentale, validation d’échelle, fonctionnement émotionnel.

3. Auteurs / Authors

L’échelle STARS a été élaborée et validée par une équipe de chercheurs en psychologie clinique et quantitative affiliés à des institutions universitaires d’Australie occidentale :

• Samantha Lock — School of Psychology, Curtin University, Perth, Australie.
• Clare S. Rees — School of Psychology, Curtin University, Perth, Australie. Spécialiste renommée des interventions cognitivo-comportementales, du perfectionnisme et de la résilience psychologique.
• Brody Heritage — Discipline of Psychology, College of Science, Health, Engineering and Education, Murdoch University, Perth, Australie. Expert en méthodologie quantitative, psychométrie avancée et modélisation de Rasch. Courriel de correspondance : [email protected].

4. Objectif / Purpose

Le développement de la STARS répond à une insuffisance conceptuelle et méthodologique majeure au sein de la littérature internationale sur l’évaluation de la résilience. Traditionnellement, les instruments psychométriques les plus couramment employés — tels que l’échelle de Connor-Davidson (Connor-Davidson Resilience Scale, CD-RISC) ou l’échelle de résilience pour adultes (Resilience Scale for Adults, RSA) — ont eu tendance à conceptualiser la résilience de manière prédominante ou exclusive comme un trait statique et invariant de la personnalité. Or, cette perspective unidimensionnelle restreinte présente des limites critiques :

D’une part, elle postule implicitement que la capacité de rebond d’un individu demeure constante à travers le temps et les contextes, négligeant le phénomène bien documenté d’épuisement des ressources cognitives et affectives induit par des stresseurs environnementaux sévères, cumulatifs ou chroniques. D’autre part, les conceptualisations purement axées sur le processus dynamique échouent souvent à fournir un score normatif et stable permettant d’estimer la disposition intrinsèque d’un individu indépendamment de sa conjoncture immédiate. La STARS a donc été créée pour combler cette lacune en opérationnalisant une double mesure simultanée : évaluer le niveau fondamental et distal de résilience (le trait) tout en quantifiant les fluctuations proximales et transitoires des capacités adaptatives (l’état).

Applications cliniques et en psychologie de la santé

Dans les contextes cliniques, thérapeutiques et hospitaliers, la STARS offre un profil diagnostique hautement informatif. Elle permet aux praticiens de distinguer :

• Les patients disposant d’un solide niveau basal de résilience-trait mais traversant un effondrement aigu de leur résilience-état à la suite d’un événement de vie déstabilisant (par exemple, un deuil soudain, un traumatisme récent ou une maladie aiguë). Chez ces individus, l’intervention thérapeutique visera la restauration rapide des ressources immédiates et la gestion de crise.
• Les individus présentant un déficit structurel de résilience-trait, caractérisés par une vulnérabilité chronique et des schémas d’évaluation cognitive dysfonctionnels face à l’adversité, nécessitant une restructuration psychothérapeutique plus profonde et prolongée.
• Le suivi longitudinal de l’efficacité d’interventions basées sur la thérapie cognitivo-comportementale (TCC), la pleine conscience (mindfulness) ou les programmes d’entraînement psycho-éducatifs, en mesurant séparément les gains immédiats (état) et la consolidation à long terme (trait).

Applications organisationnelles et milieux à haute exigence

Dans les environnements professionnels exposés à des niveaux élevés de stress aigu et de risque de traumatisme vicariant — tels que les services d’urgence, le personnel soignant, les forces de l’ordre et le personnel militaire —, la STARS constitue un instrument de monitoring préventif. Elle permet de détecter précocement l’érosion progressive de la résilience-état chez des collaborateurs dotés pourtant d’une forte résilience-trait, prévenant ainsi l’apparition du syndrome de burnout, de l’épuisement compassionnel et des troubles de l’adaptation.

5. Construit psychologique / Construct

Au sein du modèle de la STARS, la résilience est opérationnalisée comme la capacité auto-évaluée d’un individu à faire face avec succès, à s’adapter positivement et à récupérer promptement lorsqu’il est confronté à des événements de vie stressants, à l’adversité ou à des défis environnementaux. Cette définition dépasse la simple absence de psychopathologie consécutive à un choc pour englober un processus actif d’autorégulation psychologique, soutenu par des styles d’évaluation cognitive favorables et la mobilisation efficace de ressources internes.

Le construit de la STARS est structuré de manière rigoureuse autour de deux dimensions orthogonales et interdépendantes :

1. La Résilience-Trait (Trait Resilience – 14 items)

La résilience-trait renvoie à une disposition psychologique distale, stable et durable dans le temps. Elle reflète la propension générale et habituelle d’une personne à mobiliser des stratégies de coping constructives, à maintenir une stabilité émotionnelle face aux aléas de l’existence et à envisager les difficultés comme des opportunités d’apprentissage ou des obstacles surmontables. Cette dimension est étroitement articulée à des facteurs de personnalité stables tels que le faible névrosisme, une auto-efficacité générale robuste (Bandura, 1977) et un optimisme dispositionnel. Par exemple, un item de résilience-trait évalue la tendance générale à « rebondir rapidement après des déceptions » ou la conviction ancrée que l’on possède les compétences nécessaires pour traverser les périodes difficiles de manière globale.

2. La Résilience-État (State Resilience – 14 items)

La résilience-état quantifie l’état psychologique proximal, fluctuant et dépendant du contexte actuel de l’individu. Elle mesure la disponibilité perçue de ressources de coping et d’adaptation au moment présent ou au cours d’une période temporelle très récente (par exemple, au cours des derniers jours ou des dernières semaines). Cette dimension est sensible aux micro-stresseurs du quotidien (daily hassles), à l’accumulation de la fatigue, à la charge allostatique et aux événements de vie récents majeurs. Ainsi, un individu doté d’une résilience-trait très élevée peut enregistrer un score bas de résilience-état s’il se trouve dans une phase d’épuisement aigu où ses réserves énergétiques et cognitives immédiates sont saturées. Réciproquement, un environnement hautement soutenant peut temporairement rehausser la résilience-état d’un individu ayant une faible résilience-trait.

6. Cadre théorique / Theoretical Framework

L’architecture conceptuelle de la STARS s’inscrit au carrefour de plusieurs modèles métathéoriques majeurs de la psychologie contemporaine :

1. Le paradigme État-Trait de Spielberger

Le fondement épistémologique de la STARS s’inspire directement du paradigme état-trait formalisé initialement par Charles Spielberger dans le domaine de l’anxiété (State-Trait Anxiety Inventory, STAI). Spielberger a démontré que la confusion entre la tendance dispositionnelle à ressentir une émotion (trait) et la manifestation transitoire de cette émotion à un instant t (état) introduit un biais systématique dans la mesure psychologique. Lock et ses collaborateurs (2019) ont transposé avec succès cette distinction fondamentale au champ de la résilience, postulant que l’adaptation humaine découle de l’interaction constante entre une vulnérabilité/force dispositionnelle et les contraintes écologiques immédiates.

2. La théorie transactionnelle du stress et du coping (Lazarus & Folkman)

La conceptualisation de la résilience au sein de la STARS repose largement sur la théorie transactionnelle du stress développée par Richard Lazarus et Susan Folkman (1984). Selon ce modèle, l’impact d’un stresseur n’est pas inhérent à l’événement lui-même, mais dépend de la double évaluation cognitive opérée par l’individu :

• L’évaluation primaire : l’évaluation de la gravité, de la menace ou du défi que représente la situation.
• L’évaluation secondaire : l’estimation de ses propres ressources et capacités à maîtriser la situation.

La résilience-trait reflète le schéma cognitif habituel favorisant l’évaluation des stresseurs sous forme de défis maîtrisables, tandis que la résilience-état traduit l’estimation instantanée de la suffisance des ressources disponibles pour faire face au contexte immédiat.

3. La théorie de la conservation des ressources (Hobfoll)

La théorie de la conservation des ressources (Conservation of Resources Theory, COR) de Stevan Hobfoll (1988, 2001) apporte un éclairage crucial sur les dynamiques de la résilience-état. Selon la théorie COR, les individus s’efforcent d’acquérir, de protéger et de préserver des ressources précieuses (énergétiques, psychologiques, sociales). Lorsque des stresseurs environnementaux sévères ou répétés entraînent une perte rapide de ressources sans opportunité de récupération, une « spirale de perte » s’enclenche, provoquant une chute marquée de la résilience-état, même chez des individus possédant un capital initial de résilience-trait très solide.

7. Validité / Validity

La validation psychométrique de la STARS a été établie par Samantha Lock, Clare S. Rees et Brody Heritage (2019) auprès d’un échantillon de 274 adultes issus de la population générale en Australie (238 femmes, 34 hommes, 2 personnes de genre fluide ; âge moyen = 28,33 ans, écart-type = 10,59 ans). L’évaluation de la validité de l’instrument a combiné des analyses de modélisation moderne de la mesure et l’exploration systématique du réseau nomologique.

Validité de construit et modélisation de Rasch

Conformément aux exigences méthodologiques de la théorie de la réponse aux items, la validité de construit a été examinée via l’ajustement des données au modèle de Rasch. L’analyse des indices d’ajustement des items (Infit et Outfit Mean Square, MNSQ) a confirmé que les 28 items présentaient des valeurs situées dans l’intervalle d’acceptabilité conventionnel (0,60 à 1,40), témoignant d’une contribution productive et non dégradée à la mesure du construit latent. L’absence de dépendance locale a été étayée par l’analyse des corrélations résiduelles de Yen ($Q_3$), dont les valeurs sont restées inférieures aux seuils critiques recommandés (Christensen et al., 2017), confirmant l’indépendance conditionnelle des items une fois le niveau de résilience contrôlé.

Validité convergente et nomologique

La validité convergente de la STARS a été étayée par des corrélations statistiquement significatives et théoriquement cohérentes avec une batterie d’instruments validés :

• Stress perçu (PSS de Cohen et al.) : Corrélations négatives robustes tant avec la résilience-trait qu’avec la résilience-état, démontrant que des niveaux élevés de résilience sont associés à une moindre perception de débordement et de détresse face aux exigences de l’existence.
• Affects positifs et négatifs (PANAS) : Associations positives marquées entre les deux sous-échelles de la STARS et l’affect positif (enthousiasme, énergie, engagement), et corrélations inverses substantielles avec l’affect négatif (anxiété, culpabilité, irritabilité).
• Personnalité (TIPI / Big Five de Gosling et al.) : Conformément aux prédictions théoriques, la résilience-trait a affiché une forte corrélation positive avec la stabilité émotionnelle (inverse du névrosisme) ainsi que des corrélations positives modérées avec l’extraversion, la conscience et l’ouverture à l’expérience.

Validité discriminante

La séparation distincte entre la sous-échelle d’état et la sous-échelle de trait a été confirmée par les analyses de corrélations dépendantes (Lee & Preacher, 2013). La résilience-état a démontré une sensibilité significativement plus forte aux variations des stresseurs immédiats et des affects actuels que la résilience-trait, prouvant la pertinence et la spécificité incrémentielle de la double mesure.

8. Fidélité / Reliability

L’évaluation de la fidélité de la STARS transcende les limites des coefficients classiques de la théorie classique des tests (tels que l’alpha de Cronbach, qui postule à tort une erreur de mesure uniforme sur tout le continuum) en s’appuyant sur les indicateurs de fidélité issus du modèle de Rasch (Bond, 2015 ; Linacre, 2002) :

Indices de séparation et fidélité de Rasch

• Fidélité de séparation des personnes (Person Separation Reliability) : Les deux sous-échelles (état et trait) ont démontré des coefficients de séparation des personnes supérieurs à 0,85, attestant que l’instrument parvient à distinguer avec une grande précision statistique différents strates de compétences résilientes au sein de l’échantillon.
• Fidélité de séparation des items (Item Separation Reliability) : Les valeurs de séparation des items ont excédé 0,95 pour les deux sous-échelles, confirmant la robustesse et la stabilité de la hiérarchie des items le long du continuum latent de résilience.
• Précision le long du continuum latent : Les fonctions d’information du test (Test Information Functions) ont révélé une excellente précision métrologique couvrant un large éventail du trait latent ($ heta$), garantissant une estimation fiable du score aussi bien chez les individus présentant des capacités de coping très faibles que chez ceux présentant une résilience exceptionnellement élevée.

9. Analyse factorielle / Factor Analysis

Plutôt que de recourir exclusivement à une analyse factorielle confirmatoire (AFC) conventionnelle fondée sur des matrices de corrélation linéaire qui traitent les données ordinales comme continues, les concepteurs de la STARS ont mis en œuvre le modèle de Rasch pour échelles d’évaluation (Rating Scale Model, Andrich, 1978 ; Wright, 1982).

Fonctionnement des catégories de réponse

L’analyse des courbes de probabilité des catégories a confirmé que l’échelle de réponse de type Likert en 7 points fonctionnait de manière ordonnée et optimale :

• Chaque catégorie de réponse successive représentait un niveau croissant du trait latent sous-jacent.
• Les seuils de transition entre catégories (step calibrations / Rasch thresholds) augmentaient de manière monotone sans inversion de seuils (threshold disordering), démontrant que les répondants distinguent clairement chaque degré d’accord proposé.

Unidimensionnalité essentielle et analyse des résidus

L’unidimensionnalité interne de chaque sous-échelle de 14 items a été confirmée par une analyse en composantes principales des résidus de Rasch (Principal Component Analysis of Residuals, PCAR) :

• La variance expliquée par la dimension principale mesurée par le modèle a largement dépassé les standards psychométriques stricts (> 50-60 %).
• La variance inexpliquée capturée par le premier contraste des résidus est demeurée inférieure à 2,0 unités de valeur propre (eigenvalue), ce qui démontre l’absence de sous-dimensions parasites au sein de chaque échelle.

Ciblage personne-item (Wright Map)

L’analyse de la carte de Wright (distribution conjointe des niveaux d’aptitude des personnes et des niveaux de difficulté des items sur l’échelle des logits) a démontré un alignement harmonieux. La difficulté moyenne des items correspond de manière satisfaisante au niveau moyen de résilience de la population générale évaluée, sans effet de plancher ni effet de plafond significatif.

10. Instrument de mesure / Instrument

L’instrument se présente sous la forme d’un questionnaire standardisé auto-administré :

• Nom de l’instrument : Échelle d’évaluation de la résilience état-trait (State-Trait Assessment of Resilience Scale – STARS).
• Type de passation : Auto-questionnaire individuel (sur support papier ou informatisé / en ligne).
• Structure globale : 28 items au total, subdivisés en 2 sous-échelles équilibrées :
• Sous-échelle de Résilience-Trait : 14 items évaluant le niveau basal et habituel d’adaptation.
• Sous-échelle de Résilience-État : 14 items évaluant la capacité d’adaptation et les ressources actuelles/récentes.
• Format des réponses : Échelle de Likert ordonnée en 7 points (allant de 1 = Pas du tout d’accord à 7 = Tout à fait d’accord).
• Durée approximative de passation : 5 à 10 minutes.
• Population cible : Adultes de la population générale, populations cliniques, travailleurs en contextes à haut niveau de stress.
• Procédure de cotation : Calcul de deux scores séparés (score total de résilience-trait et score total de résilience-état) obtenus par la somme brute ou la moyenne des 14 items de chaque sous-échelle respective, ou par conversion en scores de logits dérivés du modèle de Rasch pour une mesure d’intervalle stricte.

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

• Année de publication : 2019.
• Revue princeps : Australian Psychologist (Wiley / Australian Psychological Society).
• Droits d’auteur et statut de propriété : Les droits de propriété intellectuelle et de publication scientifique sont détenus par les auteurs (Samantha Lock, Clare S. Rees, Brody Heritage) et l’éditeur de la revue.
• Accès et tarification pour la recherche académique : L’utilisation de l’instrument dans le cadre de recherches non commerciales et universitaires est généralement accordée à titre gracieux sur demande écrite adressée aux auteurs originaux (courriel de contact : [email protected]). Toute utilisation commerciale, adaptation ou intégration logicielle requiert l’autorisation formelle préalable des détenteurs des droits.

12. Références / References

Voici la liste complète des références scientifiques et méthodologiques ayant encadré le développement et la validation de la STARS, formatées selon les normes de l’American Psychological Association (APA 7e édition) :

Allen, P. A. (2019). SPSS statistics: A practical guide. Cengage Learning.

Andrich, D. (1978). A rating formulation for ordered response categories. Psychometrika, 43(4), 561-573. https://doi.org/10.1007/BF02293814

Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84(2), 191-215. https://doi.org/10.1037/0033-295X.84.2.191

Block, J., & Block, J. (2006). Venturing a 30-year longitudinal study. American Psychologist, 61(4), 315-327. https://doi.org/10.1037/0003-066X.61.4.315

Bond, T. (2015). Applying the Rasch model: Fundamental measurement in the human sciences. Routledge. https://doi.org/10.4324/9781315814698

Campbell-Sills, L., & Stein, M. B. (2007). Psychometric analysis and refinement of the Connor-Davidson Resilience Scale (CD-RISC): Validation of a 10-item measure of resilience. Journal of Traumatic Stress, 20(6), 1019-1028. https://doi.org/10.1002/jts.20271

Christensen, K. B., Makransky, G., & Horton, M. (2017). Critical values for Yen’s Q3: Identification of local dependence in the Rasch model using residual correlations. Applied Psychological Measurement, 41(3), 178-194. https://doi.org/10.1177/0146621616677520

Cohen, S., Kamarck, T., & Mermelstein, R. (1983). A global measure of perceived stress. Journal of Health and Social Behavior, 24(4), 385-396. https://doi.org/10.2307/2136404

Cohen, S. (1988). Perceived stress in a probability sample of the United States. In S. Spacapan & S. Oskamp (Eds.), The social psychology of health (pp. 31-67). Sage Publications.

Connor, K. M., & Davidson, J. R. (2003). Development of a new resilience scale: The Connor-Davidson Resilience Scale (CD-RISC). Depression and Anxiety, 18(2), 76-82. https://doi.org/10.1002/da.10113

Cooke, G. P., Doust, J. A., & Steele, M. C. (2013). A survey of resilience, burnout, and tolerance of uncertainty in Australian general practice registrars. BMC Medical Education, 13(1), Article 2. https://doi.org/10.1186/1472-6920-13-2

Egan, S. J., Wade, T. D., Shafran, R., & Antony, M. M. (2014). Cognitive-behavioral treatment of perfectionism. Guilford Publications.

Friborg, O., Barlaug, D., Martinussen, M., Rosenvinge, J. H., & Hjemdal, O. (2005). Resilience in relation to personality and intelligence. International Journal of Methods in Psychiatric Research, 14(1), 29-42. https://doi.org/10.1002/mpr.15

Friborg, O., Hjemdal, O., Rosenvinge, J. H., & Martinussen, M. (2003). A new rating scale for adult resilience: What are the central protective resources behind healthy adjustment? International Journal of Methods in Psychiatric Research, 12(2), 65-76. https://doi.org/10.1002/mpr.143

Furr, R. M. (2011). Core principles, best practices, and an overview of scale construction. In Scale construction and psychometrics for social and personality psychology (pp. 4-15). SAGE Publications. https://doi.org/10.4135/9781446287866.n2

Gabriel, A. S., Diefendorff, J. M., & Erickson, R. J. (2011). The relations of daily task accomplishment satisfaction with changes in affect: A multilevel study in nurses. Journal of Applied Psychology, 96(5), 1095-1104. https://doi.org/10.1037/a0023937

Garcia-Dia, M. J., DiNapoli, J. M., Garcia-Ona, L., Jakubowski, R., & O’Flaherty, D. (2013). Concept analysis: Resilience. Archives of Psychiatric Nursing, 27(6), 264-270. https://doi.org/10.1016/j.apnu.2013.07.003

Gosling, S. D., Rentfrow, P. J., & Swann, W. B. (2003). A very brief measure of the Big-Five personality domains. Journal of Research in Personality, 37(6), 504-528. https://doi.org/10.1016/S0092-6566(03)00046-1

Hobfoll, S. E. (1988). The ecology of stress. Hemisphere Publishing Corp.

Hobfoll, S. E. (2001). The influence of culture, community, and the nested-self in the stress process: Advancing conservation of resources theory. Applied Psychology, 50(3), 337-421. https://doi.org/10.1111/1464-0597.00062

Howitt, D., & Cramer, D. (2014). Introduction to statistics in psychology. Pearson Education.

Lazarus, R. S., & Folkman, S. (1984). Stress, appraisal, and coping. Springer Publishing Company.

Lee, I. A., & Preacher, K. J. (2013). Calculation for the test of the difference between two dependent correlations with one variable in common [Computer software]. Available from http://quantpsy.org.

Leys, C., Arnal, C., Wollast, R., Rolin, H., Kotsou, I., & Fossion, P. (2018). Perspectives on resilience: Conceptualization and measurement. European Journal of Trauma & Dissociation, 4(2), 100102. https://doi.org/10.1016/j.ejtd.2018.10.003

Linacre, J. M. (2002). What do infit and outfit, mean-square and standardized mean? Rasch Measurement Transactions, 16(2), 878.

Lock, S., Rees, C. S., & Heritage, B. (2019). State-Trait Assessment of Resilience Scale. Australian Psychologist, 55(1), 10-25. https://doi.org/10.1111/ap.12434

Rees, C. S., Breen, L. J., Cusack, L., & Hegney, D. (2015). Understanding individual resilience in the workplace: The international collaboration of workforce resilience model. Frontiers in Psychology, 6, Article 73. https://doi.org/10.3389/fpsyg.2015.00073

Wright, B. D., & Masters, G. N. (1982). Rating scale analysis. MESA Press.

13. Questions et items du questionnaire / Scale Items