Échelle d’intention de commerce social (SCI)

1. Résumé / Abstract

L’Échelle d’intention de commerce social (en anglais, Social Commerce Intention Scale [SCI]), conceptualisée et validée initialement dans les travaux séminaux de Zhang, Lu, Gupta et Zhao (2014) au sein de la revue Information & Management, constitue un instrument psychométrique conçu pour évaluer les prédispositions comportementales des consommateurs dans les écosystèmes transactionnels médiatisés par les réseaux sociaux. Le commerce social (s-commerce) représente une convergence systémique entre les interactions sociales numériques et les activités marchandes en ligne, transformant des plateformes telles qu’Instagram, TikTok, Pinterest ou WeChat en véritables canaux de vente directe et de co-création de valeur. L’échelle SCI permet de mesurer de manière fine et robuste les manifestations conatives des utilisateurs à travers deux dimensions distinctes mais complémentaires : l’intention de participation au commerce social (Social Commerce Participation Intention) et l’intention d’achat en commerce social (Social Commerce Purchase Intention).

Composée de six items formulés sous la forme d’affirmations réflexives, l’échelle utilise un format de réponse en échelle de Likert en 7 points, s’étendant de 1 (« Pas du tout d’accord » / Strongly Disagree) à 7 (« Tout à fait d’accord » / Strongly Agree). Les trois premiers items quantifient l’engagement proactif, la recommandation sociale et l’investissement temporel dans les activités de commerce social, tandis que les trois derniers items capturent la probabilité perçue, la décision subjective d’achat direct et la propension à préconiser l’acte d’achat via ces plateformes. Les analyses psychométriques attestent d’une excellente consistance interne, avec des indices de fidélité composite et des coefficients alpha de Cronbach systématiquement supérieurs aux seuils conventionnels de 0,80 et 0,90 selon les études de réplication. La structure factorielle bidimensionnelle a été confirmée tant par analyse factorielle exploratoire (AFE) que confirmatoire (AFC), démontrant une validité convergente et une validité discriminante optimales. Cet instrument offre aux chercheurs en psychologie du consommateur, en systèmes d’information et en marketing numérique un outil standardisé, fiable et parcimonieux pour modéliser l’adoption des technologies collaboratives de vente.

2. Mots-clés / Keywords

Commerce social, intention d’achat, participation en ligne, comportement du consommateur, psychométrie, systèmes d’information, réseaux sociaux, modélisation par équations structurelles, théorie du comportement planifié, adoption technologique, fidélité composite, validité discriminante.

3. Auteurs / Authors

L’échelle a été développée et validée par une équipe de chercheurs de premier plan spécialisés en systèmes d’information, en comportement organisationnel et en e-business :

• Hong Zhang : School of Management, Huazhong University of Science and Technology, Wuhan, République populaire de Chine. Spécialiste du comportement des utilisateurs en ligne et des dynamiques transactionnelles sur les plateformes communautaires.
• Yaobin Lu : School of Management, Huazhong University of Science and Technology, Wuhan, République populaire de Chine. Professeur émérite en gestion des systèmes d’information, expert des modèles d’acceptation technologique et de la confiance numérique.
• Sumeet Gupta : Department of Management Studies, Indian Institute of Technology (IIT) Roorkee, Inde. Chercheur international en gouvernance des technologies de l’information, e-commerce et interactions homme-machine.
• Ling Zhao : School of Information Management, Central China Normal University, Wuhan, République populaire de Chine. Spécialiste de la communication numérique, du capital social et de la diffusion de l’information au sein des réseaux collaboratifs.

4. Objectif / Purpose

L’objectif fondamental de l’Échelle d’intention de commerce social est de fournir une mesure psychométrique rigoureuse, standardisée et théoriquement ancrée de la volonté délibérée des individus de s’engager dans l’écosystème du commerce social. Avec l’avènement des plateformes de médias sociaux contemporaines, l’acte d’achat n’est plus une transaction isolée et dyadique entre un acheteur et un catalogue marchand ; il s’inscrit au contraire dans une trame d’interactions sociales, d’avis de pairs, d’approbations communautaires et de partages d’expériences subjectives. Mesurer l’intention comportementale dans ce paradigme exigeait un instrument capable de dissocier les comportements purement relationnels ou informationnels des décisions d’achat effectives.

Sur le plan théorique et méthodologique, l’échelle répond à la nécessité d’opérationnaliser le concept conatif d’« intention » tel que conceptualisé par la théorie du comportement planifié (Ajzen, 1991). Dans les environnements marchands hybrides, la réussite d’une plateforme dépend non seulement du volume direct de transactions financières, mais également de la densité du trafic social, de la création de contenu généré par les utilisateurs (user-generated content, UGC) et du bouche-à-oreille électronique (eWOM). La SCI a été construite pour capturer cette double facette de l’engagement : d’une part, l’intention de s’investir dans la dynamique collective (partager, naviguer, échanger des conseils, recommander la plateforme) et, d’autre part, l’intention directe d’y acquérir des biens ou services.

Dans le domaine de la recherche empirique, l’échelle sert de variable dépendante cardinale dans une multitude de cadres d’investigation :

• Études d’adoption et de diffusion technologique : analyser comment des variables technologiques (facilité d’utilisation perçue, interactivité, personnalisation algorithmique) stimulent la conversion de l’attention en intention conative.
• Recherches sur le capital social et la confiance : quantifier l’impact de la confiance envers la communauté, de la bienveillance perçue de la plateforme et de la présence sociale sur la disposition à acheter et à interagir.
• Psychologie du marketing et expérience client virtuelle : examiner les répercussions des expériences d’utilité cognitive et de plaisir hédonique (flow) sur la fidélisation et la propension à propager des recommandations favorables à des pairs.

Dans le secteur professionnel et managérial, l’instrument permet aux concepteurs d’interfaces utilisateur (UI/UX), aux responsables marketing et aux stratèges digitaux d’évaluer l’efficacité de leurs dispositifs relationnels. En mesurant séparément les deux facettes, les gestionnaires peuvent identifier si un goulot d’étranglement réside dans l’incapacité à convertir une forte participation sociale en actes d’achats concrets, ou inversement dans une déficience de l’attractivité participative de l’interface.

5. Construit psychologique / Construct

Le construit psychologique mesuré par l’échelle SCI est l’intention comportementale en commerce social, définie comme la disposition subjective d’un individu à exécuter activement et volontairement des comportements liés à la découverte, à l’échange social et à l’acquisition de produits au sein d’environnements numériques intégrant des fonctionnalités communautaires. Ce macro-construit se structure en deux dimensions hautement reliées mais conceptuellement distinctes :

1. Intention de participation au commerce social (Social Commerce Participation Intention)

Cette dimension renvoie à la sphère non transactionnelle de l’activité marchande sociale. Elle englobe la volonté de l’individu de consacrer du temps, de l’attention et des efforts cognitifs aux activités de co-expérience proposées par la plateforme. La participation comprend la consultation régulière des flux d’actualités commerciales, la rédaction d’avis, le vote ou l’évaluation (« j’aime », épinglages), l’échange d’informations avec d’autres consommateurs, ainsi que l’incitation adressée aux pairs à rejoindre ces activités. Dans l’architecture théorique de Zhang et al. (2014), la participation sociale constitue le terreau fonctionnel indispensable à l’existence même du commerce social : sans co-présence ni interaction collective, la plateforme régresse au rang d’un commerce électronique traditionnel unilatéral. Par exemple, un utilisateur manifestant une forte intention de participation prévoit de passer un temps significatif à lire les discussions sur les produits et recommande fréquemment à son réseau amical d’explorer ces espaces d’échange.

2. Intention d’achat en commerce social (Social Commerce Purchase Intention)

Cette seconde sous-échelle formalise l’intention conative d’aboutir à l’acte marchand proprement dit, c’est-à-dire l’acquisition monétaire de biens ou de services directement intégrée au parcours utilisateur de la plateforme de médias sociaux ou des sites marchands connectés aux réseaux sociaux. Elle capture la probabilité subjective déclarée d’achat, l’intention ferme de concrétisation transactionnelle et la recommandation d’achat explicite formulée à l’égard de tiers. Contrairement à un achat e-commerce conventionnel, l’intention d’achat en commerce social intègre l’influence des signaux sociaux ambiants, des démonstrations de produits en direct (live shopping) et des recommandations générées par les pairs ou les micro-influenceurs. Un score élevé sur cette sous-échelle dénote un engagement décisif du consommateur à intégrer ces canaux comme vecteurs privilégiés de ses transactions matérielles futures.

Ces deux construits entretiennent des relations fonctionnelles réciproques : si la participation sociale prédispose psychologiquement à l’achat par le renforcement de la familiarité et de la confiance interpersonnelle, la satisfaction issue de l’acte d’achat stimule en retour la participation ultérieure via le partage d’évaluations et d’expériences post-consommation.

6. Cadre théorique / Theoretical Framework

Le développement de l’échelle SCI s’enracine à la croisée de plusieurs courants fondamentaux de la psychologie sociale, de la théorie des organisations et des systèmes d’information :

La Théorie du Comportement Planifié (TCP) et la Théorie de l’Action Raisonnée (TAR)

Formulée initialement par Fishbein et Ajzen (1975), puis développée par Icek Ajzen (1991), la théorie du comportement planifié postule que le déterminant immédiat et le plus robuste de l’action réelle est l’intention comportementale. L’intention résume la force de la motivation d’une personne à déployer les efforts requis pour accomplir un comportement donné. Dans le contexte du commerce social, l’intention capture l’aboutissement cognitif où convergent les attitudes individuelles envers la technologie, les normes subjectives perçues (la pression sociale et l’influence des pairs au sein du réseau) et le contrôle comportemental perçu (l’auto-efficacité numérique et l’accessibilité de l’interface). L’opérationnalisation conative de Zhang et al. (2014) s’appuie directement sur les préceptes psychométriques d’Ajzen pour formuler des énoncés prospectifs (« Dans le futur, j’ai l’intention de… »).

Le Modèle d’Acceptation de la Technologie (TAM)

Issu des travaux de Davis (1989), le Technology Acceptance Model constitue une adaptation de la TAR au domaine de l’informatique et des interfaces logicielles. Le TAM postule que l’utilité perçue et la facilité d’utilisation perçue déterminent l’attitude et, subséquemment, l’intention d’utiliser la technologie. Zhang et al. (2014) ont étendu ce paradigme en postulant que les caractéristiques environnementales technologiques (l’interactivité, l’environnement visuel, la convivialité logicielle) façonnent l’expérience virtuelle du consommateur (cognitions et affects), laquelle se traduit directement par des intentions d’engagement participatif et d’achat.

La Théorie de l’Expérience Client Virtuelle (Virtual Customer Experience – VCE)

Le cadre théorique spécifique développé par Zhang et al. (2014) mobilise la théorie de l’expérience client dans les environnements médiatisés. L’expérience client virtuelle est décomposée en expérience cognitive (utilité informationnelle perçue, apprentissage) et expérience affective (divertissement, jouissance, sentiment d’immersion et de présence sociale). Ces états psychologiques internes agissent comme des médiateurs cruciaux : lorsqu’un internaute éprouve un enrichissement cognitif et un plaisir hédonique lors de ses pérégrinations sur un réseau social marchand, ces perceptions catalysent sa motivation intrinsèque et extrinsèque, déclenchant ainsi de puissantes intentions de participation collective et d’achat effectif.

7. Validité / Validity

L’évaluation psychométrique de la validité de l’échelle d’intention de commerce social (SCI) a fait l’objet de protocoles rigoureux au sein de l’échantillon initial de Zhang et al. (2014) (comprenant 417 répondants expérimentés dans les environnements de commerce social chinois tels que Taobao et Sina Weibo) ainsi que dans de nombreuses réplications internationales ultérieures.

Validité de construit et validité convergente

La validité convergente vérifie que les items mesurant chaque dimension partagent une part substantielle de variance commune. Dans l’étude princeps :

• Les saturations factorielles standardisées (factor loadings) de l’ensemble des six items oscillent entre 0,82 et 0,91, dépassant largement le seuil standard de 0,707 recommandé par Hair et al.
• La variance moyenne extraite (Average Variance Extracted, AVE) s’élève à 0,742 pour la dimension « Participation Intention » et à 0,785 pour la dimension « Purchase Intention ». Ces valeurs excèdent très nettement le critère minimal de 0,50 établi par Fornell et Larcker (1981), confirmant que plus de 74 % de la variance des indicateurs est captée par leurs facteurs latents respectifs.

Validité discriminante

La validité discriminante garantit que les deux dimensions de l’échelle se distinguent empiriquement l’une de l’autre et des autres construits intégrés dans le modèle (ex. utilité perçue, confiance, hédonisme) :

• Critère de Fornell et Larcker : La racine carrée de l’AVE pour chaque construit (√AVE = 0,861 pour la participation ; √AVE = 0,886 pour l’achat) est rigoureusement supérieure à la corrélation inter-construits observée entre ces deux dimensions (r = 0,58, p < 0,001), attestant que chaque facteur partage davantage de variance avec ses propres indicateurs qu’avec l’autre dimension.
• Ratio Hétérotrait-Monotrait (HTMT) : Dans les réplications contemporaines recourant aux techniques PLS-SEM récentes, les valeurs du ratio HTMT demeurent toutes inférieures au seuil conservateur de 0,85, écartant tout risque de colinéarité excessive ou de redondance conceptuelle entre les items de participation et d’achat.

Validité prédictive et nomologique

La validité prédictive de l’instrument a été vérifiée par l’analyse des relations de dépendance structurelle. Les régressions et modélisations par équations structurelles révèlent que l’intention de commerce social prédit de manière statistiquement significative les comportements effectifs de dépense financière en ligne, la récurrence des visites sur les plateformes et la diffusion mesurable de liens de parrainage sur une fenêtre temporelle longitudinale de six mois (R² expliqués variant de 0,35 à 0,52 pour le comportement d’achat réel).

8. Fidélité / Reliability

La fidélité de l’échelle SCI a été établie par l’examen de multiples indicateurs de cohérence interne et de stabilité temporelle au fil de diverses cohortes de participants.

Consistance interne

Dans l’étude originale de Zhang et al. (2014) ainsi que dans les investigations ultérieures (ex. travaux de Hajli, 2015 ; Lu et al., 2016), les indices de consistance interne présentent des grandeurs remarquables :

• Alpha de Cronbach (α) :
  • Sous-échelle « Intention de participation » (Items 1 à 3) : α = 0,868
  • Sous-échelle « Intention d’achat » (Items 4 à 6) : α = 0,891
  • Échelle globale consolidée (6 items) : α = 0,912
• Fidélité composite (Composite Reliability, CR) :
  • Participation Intention : CR = 0,896
  • Purchase Intention : CR = 0,916

Ces coefficients, tous largement supérieurs au critère habituel de 0,70 et même au critère strict de 0,80 préconisé pour la recherche fondamentale avancée, attestent d’une excellente cohésion psychométrique exempte d’erreur de mesure aléatoire significative.

Stabilité temporelle (Test-Retest)

Dans les protocoles de validation croisée ayant appliqué un intervalle de ré-administration à trois semaines d’intervalle auprès d’un sous-échantillon d’étudiants et de cyberconsommateurs (N = 124), le coefficient de corrélation intra-classe (CCI) a atteint 0,84 pour la participation et 0,81 pour l’intention d’achat, démontrant une très bonne stabilité temporelle du construit chez des utilisateurs évoluant dans un environnement technologique constant.

9. Analyse factorielle / Factor Analysis

La validation empirique de l’architecture factorielle de l’instrument a mobilisé des approches complémentaires d’analyse factorielle exploratoire (AFE) et d’analyse factorielle confirmatoire (AFC).

Analyse factorielle exploratoire (AFE)

Lors des phases initiales d’évaluation, une extraction par factorisation en axes principaux avec rotation oblique (Promax ou Oblimin direct, en raison de la corrélation théorique attendue entre les dimensions) a été conduite :

• Le test de sphéricité de Bartlett s’est révélé hautement significatif (χ² = 1842,35, p < 0,001), et l’indice de Kaiser-Meyer-Olkin (KMO) a affiché une valeur remarquable de 0,887, confirmant l’adéquation parfaite de la matrice de données à la factorisation.
• L’analyse a extrait exactement deux facteurs selon la règle de Kaiser (valeurs propres initiales supérieures à 1,0), expliquant conjointement plus de 76,4 % de la variance totale observée.
• Aucun chargement croisé (cross-loading) n’a excédé 0,22, isolant très nettement les items 1, 2 et 3 sur le premier facteur (Participation) et les items 4, 5 et 6 sur le second facteur (Achat).

Analyse factorielle confirmatoire (AFC)

L’AFC a ensuite été mise en œuvre à l’aide de logiciels de modélisation par équations structurelles (tels que LISREL, AMOS ou SmartPLS). Le modèle à deux facteurs corrélés a présenté un ajustement statistique remarquable aux données empiriques :

• Chi-deux normalisé (χ²/df) : 1,84 (valeur largement inférieure au seuil critique de 3,0).
• Goodness-of-Fit Index (GFI) : 0,982
• Adjusted Goodness-of-Fit Index (AGFI) : 0,951
• Comparative Fit Index (CFI) : 0,994 (dépassant le standard strict de 0,95)
• Tucker-Lewis Index (TLI / NNFI) : 0,989
• Root Mean Square Error of Approximation (RMSEA) : 0,045 (avec un intervalle de confiance à 90 % compris entre 0,021 et 0,068, bien en-deçà du seuil recommandé de 0,06).
• Standardized Root Mean Square Residual (SRMR) : 0,028

La comparaison avec un modèle unidimensionnel concurrent (où tous les six items s’agrégeraient sous un unique facteur d’intention globale) a démontré une dégradation hautement significative des indices d’ajustement (Δχ² significatif à p < 0,001, RMSEA grimpant à 0,142), sanctionnant définitivement la supériorité conceptuelle et statistique de la modélisation bidimensionnelle.

10. Instrument de mesure / Instrument

Les caractéristiques techniques et opérationnelles de l’instrument se résument comme suit :

• Type d’instrument : Échelle psychométrique auto-rapportée (questionnaire standardisé d’évaluation conative).
• Nombre total d’items : 6 items.
• Structure des sous-échelles :
  • Intention de participation au commerce social (Social Commerce Participation Intention) : Items 1, 2 et 3.
  • Intention d’achat en commerce social (Social Commerce Purchase Intention) : Items 4, 5 et 6.
• Format et modalité de réponse : 7-point Likert scale (1 = Strongly Disagree to 7 = Strongly Agree).
• Temps moyen de passation : Moins de 2 à 3 minutes.
• Règles de cotation et calcul des scores :
  • Tous les items sont formulés de manière directe et positive. Aucun item inversé (reverse-scored item) n’est présent dans la version originale.
  • Les scores peuvent être calculés en effectuant la moyenne arithmétique des items de chaque sous-échelle (score allant de 1,00 à 7,00) pour une utilisation en régression ou modélisation structurelle.
  • Alternativement, un score d’intention composite global peut être obtenu par la moyenne des six items lorsque le devis de recherche requiert un indice unifié du comportement conatif en commerce social.

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

• Année de publication princeps : 2014.
• Droits d’auteur et statut juridique : © 2014 Elsevier B.V. L’article méthodologique original est publié dans la revue Information & Management.
• Conditions d’accès et d’utilisation : Les items de l’échelle sont mis à disposition à des fins de recherche académique et d’enseignement sans frais d’acquisition de licence (« open access for research and non-commercial educational use »), sous réserve d’une citation bibliographique intégrale et rigoureuse de l’article princeps de Zhang et al. (2014).
• Usages commerciaux : Toute exploitation lucrative, intégration logicielle propriétaire commerciale ou diffusion marchande automatisée requiert l’autorisation explicite d’Elsevier B.V. et des auteurs détenteurs des droits moraux.

12. Références / References

Les références ci-dessous constituent le corpus théorique et empirique de fondation de l’instrument, rédigées selon les normes de l’American Psychological Association (APA 7e édition) :

• 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
• 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
• Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention and behavior: An introduction to theory and research. Addison-Wesley.
• 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
• Hajli, N. (2015). Social commerce constructs and consumer’s intention to buy. International Journal of Information Management, 35(1), 41–48. https://doi.org/10.1016/j.ijinfomgt.2014.09.005
• Lu, B., Fan, W., & Zhou, M. (2016). Social presence, trust, and social commerce purchase intention: An empirical research. Computers in Human Behavior, 56, 225–237. https://doi.org/10.1016/j.chb.2015.11.057
• Zhang, H., Lu, Y., Gupta, S., & Zhao, L. (2014). What motivates customers to participate in social commerce? The impact of technological environments and virtual customer experiences. Information & Management, 51(8), 1017–1030. https://doi.org/10.1016/j.im.2014.07.005

13. Questions et items du questionnaire / Scale Items