Échelle de motivation pour l’autonomie énergétique (ENERGAUTO)

1. Résumé / Abstract

L’Échelle de motivation pour l’autonomie énergétique (fréquemment désignée sous l’acronyme ENERGAUTO) est un instrument psychométrique développé pour évaluer l’intensité avec laquelle le désir d’indépendance énergétique et d’autosuffisance constitue une motivation déterminante chez le consommateur lors de l’adoption ou de l’installation de technologies énergétiques innovantes (microgénération, panneaux solaires photovoltaïques, éoliennes domestiques ou dispositifs de stockage d’énergie). Conçue initialement par Michael C. Claudy, Rosanna Garcia et Aidan O’Driscoll (2015) dans le cadre de leurs travaux fondateurs sur la théorie du raisonnement comportemental (Behavioral Reasoning Theory, BRT) appliquée à la résistance et à l’adoption des innovations durables, l’échelle capture la mesure dans laquelle l’individu perçoit qu’une technologie réduit sa dépendance critique à l’égard des fournisseurs d’énergie traditionnels et des combustibles fossiles.

Sur le plan psychométrique, ENERGAUTO est traditionnellement administrée sous la forme d’une sous-échelle unidimensionnelle composée de trois à quatre items formulés sous la forme d’affirmations évaluant des « raisons pour » (reasons for) agir. Les répondants expriment leur degré d’accord sur une échelle de type Likert à 7 points (allant de 1 = « Fortement en désaccord » à 7 = « Fortement d’accord »). Les analyses factorielles confirmatoires menées sur des échantillons représentatifs de consommateurs propriétaires attestent d’une excellente consistance interne (avec des coefficients alpha de Cronbach typiquement compris entre 0,85 et 0,92) ainsi que d’une validité convergente et d’une validité discriminante robustes face à d’autres construits motivationnels, tels que les préoccupations environnementales génériques, les motivations financières ou l’aversion au risque technologique.

L’échelle s’est imposée comme un outil incontournable dans le champ de la psychologie environnementale, du comportement du consommateur et de l’économie comportementale appliquée à la transition énergétique, permettant d’expliquer pourquoi certains ménages franchissent le pas de l’autoproduction malgré des coûts initiaux élevés.

2. Mots-clés / Keywords

Autonomie énergétique, autosuffisance, motivation du consommateur, microgénération, énergies renouvelables, théorie du raisonnement comportemental, psychologie environnementale, innovation technologique, dépendance énergétique, psychométrie.

3. Auteurs / Authors

L’instrument a été conçu et validé par une équipe de chercheurs spécialisés en marketing, stratégie de l’innovation et comportement du consommateur :

• Michael C. Claudy : Professeur associé de marketing au College of Business, University College Dublin (UCD), Irlande. Ses recherches portent sur l’adoption des technologies propres, la durabilité et la modélisation du comportement décisionnel. Courriel institutionnel : [email protected].
• Rosanna Garcia : Professeure de marketing et d’entrepreneuriat, titulaire de la chaire Beswick au WPI School of Business, Worcester Polytechnic Institute, États-Unis. Spécialiste de la diffusion des innovations radicales et de la résistance des consommateurs. Courriel institutionnel : [email protected].
• Aidan O’Driscoll : Professeur émérite en marketing à la School of Marketing, Technological University Dublin (TU Dublin), Irlande. Expert renommé des relations entre stratégie d’entreprise, marketing sociétal et questions environnementales.

4. Objectif / Purpose

L’objectif central de l’échelle ENERGAUTO est de quantifier l’importance relative du besoin d’autonomie énergétique en tant que motif d’action spécifique dans le processus de prise de décision des particuliers. Dans le contexte de la transition écologique, l’adoption de technologies de microgénération à domicile (panneaux solaires photovoltaïques, chauffe-eau solaires, pompes à chaleur géothermiques, micro-éoliennes) a longtemps été théorisée à travers le prisme quasi exclusif de deux grands moteurs : la rentabilité financière (économies sur les factures, retour sur investissement, tarifs de rachat garantis) et l’altruisme environnemental (volonté de réduire son empreinte carbone, écocitoyenneté). Or, ces deux dimensions se sont avérées insuffisantes pour prédire avec précision les taux réels d’adoption et de résistance au sein des populations.

Claudy, Garcia et O’Driscoll (2015) ont mis en lumière le fait que l’énergie n’est pas uniquement perçue comme un coût économique ou un enjeu moral abstrait, mais également comme une ressource vitale assujettie à des relations de pouvoir, de vulnérabilité et de dépendance. De nombreux ménages ressentent une profonde méfiance vis-à-vis des grands opérateurs énergétiques centralisés, perçus comme monopolistiques, opaques dans leur tarification et vulnérables aux aléas géopolitiques mondiaux. L’échelle ENERGAUTO comble ainsi une lacune méthodologique majeure en offrant un outil standardisé qui mesure spécifiquement :

• L’aspiration de l’individu à s’affranchir du réseau électrique centralisé (grid defection ou autonomie partielle).
• Le sentiment d’auto-efficacité et de contrôle procuré par la production domestique de sa propre énergie.
• Le désir d’immunisation contre la volatilité des prix des énergies fossiles et les ruptures d’approvisionnement.

Sur le plan de la recherche fondamentale, ENERGAUTO permet d’analyser la structure cognitive qui sous-tend la formation des attitudes et des intentions d’achat. Dans les applications appliquées et d’élaboration de politiques publiques, l’échelle offre aux agences de l’énergie et aux fabricants la capacité de segmenter le marché : plutôt que de fonder la communication exclusivement sur des arguments écologiques ou de rentabilité à long terme, les décideurs peuvent identifier les profils hautement motivés par la souveraineté domestique et formuler des messages axés sur la résilience, la liberté et l’émancipation énergétique.

5. Construit psychologique / Construct

Le construit mesuré par l’échelle ENERGAUTO se définit comme la motivation d’autonomie énergétique. Il s’agit d’une disposition cognitive et motivationnelle contextualisée, par laquelle un individu accorde une valeur instrumentale et psychologique fondamentale à la capacité de subvenir à ses propres besoins énergétiques sans dépendre d’acteurs institutionnels externes ou de filières carbonées non renouvelables. Ce construit se structure autour de deux facettes conceptuelles intrinsèquement liées :

5.1. L’indépendance structurelle et relationnelle vis-à-vis des tiers

Cette composante traduit le besoin psychologique de s’extraire d’une relation d’asymétrie perçue entre le consommateur individuel et les conglomérats énergétiques (fournisseurs d’électricité, distributeurs de gaz, compagnies pétrolières). Sur le plan psychologique, l’état de dépendance continue envers un réseau externe est générateur d’une vulnérabilité ressentie. L’individu motivé par l’autonomie cherche à récupérer son locus de contrôle : être capable de générer ses propres kilowattheures équivaut à briser une chaîne de dépendance passive. Par exemple, un répondant enregistrant un score élevé sur cette dimension estimera qu’installer des panneaux photovoltaïques ou une batterie domestique lui confère une liberté personnelle face aux décisions unilatérales des entreprises d’énergie (hausses de tarifs, pannes de réseau, modifications contractuelles défavorables).

5.2. L’émancipation matérielle face aux combustibles fossiles

La seconde facette opérationnalise l’autonomie non seulement comme une émancipation humaine, mais également comme un désengagement technique et matériel vis-à-vis des énergies fossiles (pétrole, charbon, gaz naturel). Contrairement à l’orientation biosphérique générale (qui mesure l’amour de la nature ou l’inquiétude morale planétaire pour les générations futures), l’autonomie énergétique ancre le refus des énergies fossiles dans la pratique quotidienne du foyer : il s’agit d’éliminer physiquement la dépendance de son habitat envers des ressources jugées polluantes, épuisables et dépendantes d’acheminements géopolitiques instables. Par exemple, le remplacement d’une chaudière au fioul par un dispositif géothermique couplé au solaire est motivé par la volonté pragmatique de « ne plus avoir à commander du combustible à un tiers ».

Dans l’architecture cognitive des consommateurs, ce construit agit comme une « raison pour » (reason for) adopter l’innovation. Dans la taxonomie de Claudy et al. (2015), il s’oppose aux freins (« raisons contre » ou reasons against, telles que le coût perçu, le risque d’utilisation ou l’incompatibilité avec le bâti) et médiatise l’effet des valeurs personnelles sur les intentions comportementales.

6. Cadre théorique / Theoretical Framework

L’échelle ENERGAUTO s’enracine principalement dans la théorie du raisonnement comportemental (Behavioral Reasoning Theory, BRT), développée initialement par John Westaby (2005). La BRT a été conçue pour surmonter les limites des modèles traditionnels de l’action raisonnée (TRA) et du comportement planifié (Theory of Planned Behavior, TPB d’Icek Ajzen), souvent critiqués pour leur approche trop linéaire et leur incapacité à capturer la spécificité contextuelle des justifications individuelles.

6.1. La Théorie du Raisonnement Comportemental (BRT)

Au cœur du paradigme de la BRT se trouve l’hypothèse selon laquelle les individus utilisent des raisons spécifiques pour guider, faciliter et justifier leurs actions ou leurs inactions. Les raisons ne sont pas de simples croyances saillantes génériques ; elles jouent un rôle cognitif de premier plan en reliant les systèmes de valeurs profondes des individus à leurs attitudes globales, intentions et comportements effectifs :

• Valeurs fondamentales (ex. : universalisme, sécurité, autonomie au sens de Shalom Schwartz).
• Raisons spécifiques (« Raisons pour » adopter l’innovation vs « Raisons contre »).
• Attitudes globales (évaluation globale favorable ou défavorable de l’adoption).
• Intentions comportementales (projet concret d’achat ou d’installation).

Dans ce cadre théorique, Claudy et al. (2015) démontrent que l’autonomie énergétique opère comme une raison contextualisée décisive. Les consommateurs ne réalisent pas un simple calcul d’utilité espérée ; ils mobilisent l’argument de l’autonomie pour rationaliser l’engagement financier considérable que représente l’achat d’un système microgénérateur. L’échelle ENERGAUTO fournit l’opérationnalisation psychométrique de cette « raison pour » (reason for).

6.2. La Théorie de l’Autodétermination et les théories de la réactance

Bien que formalisée dans la BRT, l’échelle fait également écho à la théorie de l’autodétermination (Deci & Ryan, 2000), qui postule que l’autonomie est un besoin psychologique fondamental universel. Lorsque les consommateurs ont le sentiment d’être « captifs » d’un fournisseur d’énergie sans possibilité de négocier les coûts ou la provenance de la ressource, ce sentiment de contrôle externe peut déclencher un phénomène de réactance psychologique (Brehm, 1966). La microgénération devient alors le véhicule technologique permettant de restaurer la liberté de choix et le sentiment de maîtrise de son environnement immédiat.

7. Validité / Validity

Les propriétés de validité de l’échelle ont fait l’objet d’évaluations rigoureuses dans le travail initial de Claudy, Garcia et O’Driscoll (2015), ainsi que dans des réplications ultérieures portant sur des technologies vertes spécifiques dans divers pays européens et nord-américains.

7.1. Validité de construit et validité convergente

La validité convergente a été démontrée à l’aide de la modélisation en équations structurelles (Structural Equation Modeling, SEM). L’extraction de la variance moyenne (Average Variance Extracted, AVE) pour l’échelle ENERGAUTO dépasse systématiquement le seuil critique recommandé de 0,50 établi par Fornell et Larcker (1981). Dans l’étude de Claudy et al. (2015), l’AVE s’établit au-delà de 0,70, ce qui signifie que plus de 70 % de la variance des items découle directement du construit latent de motivation d’autonomie, et non de l’erreur de mesure aléatoire. De plus, toutes les saturations factorielles standardisées (λ) des items sur le facteur latent sont hautement significatives (p < 0,001) et supérieures à 0,80.

7.2. Validité discriminante

La validité discriminante a été confirmée par plusieurs critères statistiques reconnus :

• Critère de Fornell-Larcker : La racine carrée de l’AVE pour ENERGAUTO est significativement supérieure à toutes les corrélations bivariées inter-construits (notamment avec les construits de « réduction des coûts », de « bénéfices environnementaux », de « risque financier perçu » et de « complexité technologique »).
• Ratio Hétérotrait-Monotrait (HTMT) : Dans les réplications contemporaines recourant au PLS-SEM, les ratios HTMT impliquant ENERGAUTO et les autres sous-échelles de motivation se situent systématiquement sous le seuil conservateur de 0,85, attestant que l’autonomie énergétique est conceptuellement et empiriquement distincte de l’altruisme écologique général.

7.3. Validité prédictive et nomologique

L’échelle fait preuve d’une excellente validité nomologique dans le réseau d’associations postulées par la BRT. Elle présente des corrélations positives statistiquement significatives avec l’attitude globale envers l’installation de technologies solaires ou éoliennes (β oscillant entre 0,25 et 0,42, p < 0,01) et explique une part incrémentale de variance majeure dans l’intention comportementale d’adoption (ΔR² statistiquement significatif), même après contrôle du revenu des ménages, du niveau d’éducation, de la superficie du logement et de l’orientation politique.

8. Fidélité / Reliability

La fidélité de l’échelle ENERGAUTO a été abondamment documentée à travers des indicateurs de cohérence interne et de stabilité métrologique :

• Cohérence interne (Alpha de Cronbach) : Les coefficients α rapportés dans la littérature empirique oscillent entre 0,86 et 0,92, dépassant largement la valeur seuil de 0,70 couramment requise en psychométrie pour les échelles de recherche fondamentale, et franchissant le standard d’excellence de 0,80 pour des diagnostics robustes.
• Fiabilité composite (Composite Reliability – CR) : Le coefficient de fiabilité composite (Raykov / Jöreskog) est généralement évalué à 0,90 ou plus, confirmant l’homogénéité des indicateurs et l’absence d’items redondants ou parasites.
• Stabilité temporelle (Test-Retest) : Bien que l’instrument mesure une motivation contextualisée pouvant évoluer avec les chocs macroéconomiques (ex. crise du gaz, hausses brutales de l’électricité), les évaluations menées à 4 semaines d’intervalle chez des échantillons témoins stables mettent en évidence un coefficient de corrélation intra-classe (ICC) supérieur à 0,78, ce qui indique une fidélité test-retest substantielle.

Ces métriques démontrent que l’échelle saisit un trait motivationnel cognitif stable plutôt qu’une humeur passagère ou une réponse circonstancielle instable.

9. Analyse factorielle / Factor Analysis

Le développement et la confirmation de la structure factorielle d’ENERGAUTO ont suivi les directives strictes de validation psychométrique en deux étapes (analyse factorielle exploratoire puis confirmatoire) :

9.1. Analyse Factorielle Exploratoire (AFE)

Durant la phase pilote sur échantillon préliminaire de consommateurs, une AFE utilisant l’extraction par factorisation en axes principaux (ou par maximum de vraisemblance) avec rotation oblique (Promax ou Oblimin) a systématiquement extrait un facteur unique dominant avec une valeur propre (eigenvalue) nettement supérieure au critère de Kaiser (> 1,0), rendant compte de plus de 68 % à 76 % de la variance totale des items. Aucun problème de double saturation (cross-loading) n’a été observé avec les échelles adjacentes de motivation économique ou de sensibilité écologique.

9.2. Analyse Factorielle Confirmatoire (AFC)

Dans l’étude définitive de Claudy et al. (2015), une AFC a été estimée à l’aide du logiciel AMOS/LISREL sur les données de l’échantillon principal. Les indices d’ajustement globaux du modèle de mesure unidimensionnel se sont révélés irréprochables, répondant parfaitement aux standards méthodologiques recommandés par Hu et Bentler (1999) :

• Chi-deux normé (χ²/df) : compris entre 1,12 et 2,34 (seuil acceptable < 3,0).
• CFI (Comparative Fit Index) : > 0,98.
• TLI (Tucker-Lewis Index) : > 0,97.
• RMSEA (Root Mean Square Error of Approximation) : compris entre 0,028 et 0,049 (avec intervalle de confiance à 90 % inférieur à 0,06).
• SRMR (Standardized Root Mean Square Residual) : < 0,035.

Toutes les saturations factorielles standardisées étaient supérieures à 0,82, avec des erreurs de mesure résiduelles faibles et non corrélées, confirmant la stricte unidimensionnalité de la mesure.

10. Instrument de mesure / Instrument

L’instrument de mesure présente une structure standardisée conçue pour une passation rapide et rigoureuse :

• Type d’évaluation : Auto-questionnaire psychométrique standardisé (self-report measure).
• Format d’administration : Papier-crayon ou questionnaire électronique en ligne (compatible ordinateurs, tablettes et smartphones).
• Nombre total d’items : 3 items principaux (une variante étendue en compte 4 selon le type de microgénération évalué).
• Échelle de réponse : Échelle de Likert en 7 points :
  1 = Fortement en désaccord (Strongly Disagree)
  2 = En désaccord (Disagree)
  3 = Plutôt en désaccord (Somewhat Disagree)
  4 = Neutre / Ni en accord ni en désaccord (Neither Agree nor Disagree)
  5 = Plutôt d’accord (Somewhat Agree)
  6 = D’accord (Agree)
  7 = Fortement d’accord (Strongly Agree)
• Temps de passation estimé : Moins de 2 minutes pour la sous-échelle ENERGAUTO (ou environ 8 à 12 minutes si intégrée dans la batterie complète du questionnaire BRT).
• Procédure de cotation : Le score global de la motivation d’autonomie énergétique s’obtient en calculant la moyenne arithmétique des scores attribués à chacun des items. Aucun item n’est inversé (tous les items sont formulés dans le sens direct de la motivation). Un score proche de 7 reflète une quête absolue d’indépendance énergétique et d’autosuffisance, tandis qu’un score proche de 1 indique que l’autonomie ne joue aucun rôle dans la décision énergétique du consommateur.

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

• Année de publication initiale : 2015.
• Droits d’auteur et propriété intellectuelle : Les droits du modèle de recherche et de l’article scientifique original sont détenus par l’Academy of Marketing Science et les éditions Springer (Springer Science+Business Media).
• Tarification : L’utilisation des items dans un cadre strictement académique, universitaire, doctoral ou de recherche à but non lucratif est généralement libre de redevance (gratuite), sous réserve expresse de citation formelle de la publication princeps de Claudy, Garcia et O’Driscoll (2015).
• Utilisation commerciale et conseil : Toute exploitation commerciale intégrée à des plateformes propriétaires de ciblage commercial, études de marché lucratives ou audits d’entreprises énergétiques nécessite l’autorisation préalable des titulaires des droits ou le respect des conditions de licence de l’éditeur Springer.

12. Références / References

Les sources académiques suivantes documentent la conception, la validation et les applications empiriques de l’échelle :

• 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
• Brehm, J. W. (1966). A theory of psychological reactance. Academic Press.
• Claudy, M. C., Garcia, R., & O’Driscoll, A. (2015). Consumer resistance to innovation: A behavioral reasoning perspective. Journal of the Academy of Marketing Science, 43(4), 528-544. https://doi.org/10.1007/s11747-014-0399-0
• Claudy, M. C., Michelsen, C., & O’Driscoll, A. (2011). The diffusion of microgeneration technologies: Assessing the role of perceived costs, benefits and risks. Energy Policy, 39(12), 8086-8096. https://doi.org/10.1016/j.enpol.2011.09.062
• Deci, E. L., & Ryan, R. M. (2000). The « what » and « why » of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227-268. https://doi.org/10.1207/S15327965PLI1104_01
• 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
• Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55. https://doi.org/10.1080/10705519909540118
• Westaby, J. D. (2005). Behavioral reasoning theory: Identifying new linkages underlying intentions and behavior. Organizational Behavior and Human Decision Processes, 98(2), 97-120. https://doi.org/10.1016/j.obhdp.2005.07.003

13. Questions et items du questionnaire / Scale Items

Les items officiels constitutifs de l’échelle originale sont assujettis aux droits de propriété intellectuelle de l’éditeur et de la revue source. Conformément aux dispositions régissant l’utilisation des instruments psychométriques, la formulation exacte issue des études de recherche publiées par Claudy, Garcia et O’Driscoll (2015) est reproduite ci-dessous à des fins documentaires, d’étude scientifique et d’application académique :