Probabilité d’achat auprès d’un détaillant en ligne (PLOR)

1. Résumé / Abstract

L’échelle de Probabilité d’achat auprès d’un détaillant en ligne (Purchase Likelihood from Online Retailer, ou PLOR) est un instrument psychométrique unidimensionnel développé par Peter R. Darke, Michael K. Brady, Ray L. Benedicktus et Andrea E. Wilson (2016). Conçue initialement pour évaluer l’impact de la distance psychologique et de la confiance sur les intentions comportementales envers des cybercommerçants méconnus ou émergents, cette échelle opérationnalise l’intention d’achat conditionnelle d’un consommateur lorsqu’il se trouve activement en recherche d’une catégorie de produit spécifique. Inspirée des travaux fondateurs de Zeithaml, Berry et Parasuraman (1996) sur les conséquences comportementales de la qualité de service, la PLOR se compose de 3 items flexibles comportant des marqueurs contextuels adaptables au produit, à la marque et au détaillant évalués.

Les participants expriment leur degré d’accord à l’aide d’une échelle de Likert en 7 points allant de 1 (« Fortement en désaccord ») à 7 (« Fortement d’accord »). Les scores obtenus sont moyennés pour former un indice global de propension à l’achat, où des valeurs élevées indiquent une forte probabilité de concrétisation transactionnelle. Sur le plan psychométrique, l’instrument présente une excellente consistance interne, attestée par des coefficients alpha de Cronbach systématiquement supérieurs à 0,85 à travers de multiples expérimentations empiriques, ainsi qu’une structure factorielle unidimensionnelle stable et robuste. L’échelle démontre une validité convergente et prédictive particulièrement robuste, s’inscrivant au croisement de la théorie du niveau de représentation (Construal Level Theory) et des modèles d’adoption du commerce électronique fondés sur la confiance cognitive et affective.

2. Mots-clés / Keywords

Probabilité d’achat, commerce électronique, détaillant en ligne méconnu, intentions comportementales, distance psychologique, confiance du consommateur, psychométrie, théorie du niveau de représentation, prise de décision, comportement du consommateur, modélisation par équations structurelles, fidélité de l’échelle.

3. Auteurs / Authors

L’échelle PLOR a été conçue et validée par une équipe de chercheurs de premier plan en marketing et comportement du consommateur :

• Peter R. Darke : Professeur de marketing à la Schulich School of Business, York University, Toronto, Canada. Spécialiste de la psychologie de la tarification, de la confiance des consommateurs, de la persuasion et des biais cognitifs. (Courriel : [email protected]).
• Michael K. Brady : Bob Sasser Professor et titulaire de chaire au Department of Marketing, College of Business, Florida State University, Tallahassee, Floride, États-Unis. Expert reconnu en gestion des services et interactions de première ligne. (Courriel : [email protected]).
• Ray L. Benedicktus : Chercheur et professeur associé en marketing, College of Business Administration, California State University, Stanislaus, Turlock, Californie, États-Unis. Ses recherches portent sur le commerce électronique, la signalisation de la confiance et le comportement multicanal. (Courriel : [email protected]).
• Andrea E. Wilson : Chercheure en marketing et consultante, affiliée lors des recherches initiales à la Florida State University. Ses travaux se concentrent sur la dynamique relationnelle client-fournisseur et la psychologie sociale appliquée à la vente en ligne.

4. Objectif / Purpose

Dans l’écosystème numérique contemporain, les détaillants en ligne se heurtent fréquemment à un obstacle majeur : la réticence des consommateurs à acheter auprès de sites marchands non familiers ou dépourvus d’une notoriété établie de longue date. L’objectif fondamental de l’échelle de Probabilité d’achat auprès d’un détaillant en ligne (PLOR) est de fournir aux chercheurs et aux praticiens une mesure psychométriquement rigoureuse, standardisée et sensible de la disposition d’un consommateur à effectuer une transaction marchande sur une plateforme en ligne donnée, sous condition qu’il ait un besoin avéré pour le produit ou la catégorie considérée.

Cette condition contextuelle (« conditional on being in the market for that product ») constitue une avancée méthodologique cruciale. Dans les enquêtes marketing classiques, mesurer une intention d’achat abstraite sans spécifier si le répondant ressent un besoin actuel ou imminent produit souvent un bruit statistique considérable, car les répondants évaluent simultanément leur désir intrinsèque pour le produit et leur confiance envers le point de vente. La formulation de la PLOR isole méthodologiquement l’effet du cybercommerçant en neutralisant la variance attribuable à l’intérêt purement passager pour le produit. Elle mesure ainsi l’efficacité persuasive de l’interface en ligne, des signaux de confiance et des stimuli marketing indépendamment du niveau de besoin brut.

Les applications de cette échelle sont particulièrement vastes :

• Recherche expérimentale en marketing et e-commerce : L’échelle sert de variable dépendante cardinale pour tester des interventions manipulées en laboratoire, telles que la présence de badges de sécurité, la présentation d’avis clients tiers (e-WOM), l’aménagement ergonomique du site Web ou l’activation d’indices de proximité psychologique (sociale, temporelle ou spatiale).
• Études de positionnement de marque : Elle permet aux marques émergentes ou aux détaillants multicanaux d’évaluer dans quelle mesure des partenariats stratégiques ou des affiliations réduisent la méfiance initiale des consommateurs.
• Psychologie décisionnelle du consommateur : La PLOR permet d’explorer la transition entre l’attitude (confiance perçue, perception du risque) et l’acte comportemental final anticipé, facilitant l’intégration des théories de l’action raisonnée et du comportement planifié dans des environnements d’achat virtuels.

5. Construit psychologique / Construct

Le construit psychologique opérationnalisé par l’instrument PLOR est l’intention comportementale d’achat conditionnelle. En psychologie sociale et en comportement du consommateur, l’intention est définie comme la probabilité subjectivement estimée qu’un individu s’engage dans un comportement spécifique donné (Ajzen, 1991). L’intention agit comme le médiateur psychologique direct entre les attitudes affectives et cognitives (telles que la confiance envers le détaillant ou l’évaluation du risque financier) et le comportement réel d’achat.

Contrairement aux mesures d’attitude globale (qui évaluent la sympathie ou la réputation perçue), la propension à l’achat mesurée par la PLOR saisit l’engagement pré-comportemental à travers trois nuances conceptuelles complémentaires qui composent sa dimensionnalité unifiée :

• L’action d’achat conditionnelle directe (Item 1) : Évalue l’engagement résolu du consommateur si l’opportunité de consommation se présente concrètement (« If I were in the market… »). Cela capture la volonté de convertir une intention générale en acte d’achat spécifique envers le vendeur désigné.
• L’intégration dans l’ensemble de considération (Item 2) : Mesure si le cyberdétaillant est admis dans le sous-ensemble restreint de marques ou marchands que le consommateur juge acceptables lors de sa prochaine session de recherche (« …I would consider buying… »). En théorie de la décision du consommateur, figurer dans le consideration set est un prérequis indispensable avant tout arbitrage d’achat.
• L’estimation probabiliste projective (Item 3) : Évalue l’estimation cognitive et subjective de probabilité future (« It is very likely that I would purchase… »). Cet item capture le sentiment de certitude comportementale ressenti par le participant.

L’échelle est conçue selon un schéma modulaire comportant deux emplacements réservés (blanks) : le premier identifiant le produit ou la catégorie de produit (ex. : « un ordinateur portable », « des vêtements de sport »), et le second désignant le cybercommerçant sous évaluation (ex. : « BoutiqueX.com »). Cette flexibilité permet d’éviter l’ambiguïté référentielle et assure une forte validité écologique, que l’expérimentateur utilise des scénarios fictifs contrôlés ou des stimuli réels issus de plateformes marchandes existantes.

6. Cadre théorique / Theoretical Framework

L’échelle PLOR s’enracine principalement dans deux grands courants théoriques : le paradigme des conséquences comportementales de la relation de service développé par Zeithaml, Berry et Parasuraman (1996), et la Théorie du niveau de représentation (Construal Level Theory ou CLT) formalisée par Trope et Liberman (2010).

Modèle des intentions comportementales de Zeithaml, Berry et Parasuraman

Dans leur étude classique de 1996, Zeithaml et ses collègues ont modélisé la façon dont les perceptions de qualité et de valeur influencent une série d’intentions comportementales favorables ou défavorables (recommandation par le bouche-à-oreille, sensibilité au prix, fidélité et intentions de réachat). Darke et collaborateurs ont adapté cette conceptualisation aux défis spécifiques des cybermarchands dépourvus d’antécédents relationnels avec le client. Dans un contexte sans contact physique, l’intention d’achat représente le test ultime de la réussite de la réduction d’incertitude.

Distance psychologique et théorie du niveau de représentation (CLT)

L’application spécifique de la PLOR par Darke et al. (2016) est ancrée dans la théorie du niveau de représentation. Cette théorie postule que les individus appréhendent les objets ou événements selon différents niveaux d’abstraction cognitive en fonction de leur éloignement psychologique le long de quatre dimensions fondamentales :

• La distance spatiale : La localisation géographique perçue du vendeur.
• La distance temporelle : Le délai avant la transaction ou la livraison.
• La distance sociale : La similarité perçue entre soi et le cybercommerçant ou sa clientèle.
• La distance hypothétique : Le degré de probabilité perçu quant à la survenue d’un risque marchand.

Selon Darke et ses coauteurs, un détaillant en ligne inconnu est spontanément perçu avec une grande distance psychologique, ce qui déclenche un état de méfiance par défaut (distrust) et des représentations abstraites de vulnérabilité. En manipulant des indices réduisant cette distance psychologique (par exemple, signaler une proximité géographique locale ou une appartenance sociale partagée), les chercheurs démontrent que la méfiance s’atténue, entraînant une hausse significative de la probabilité d’achat mesurée par l’échelle PLOR. L’instrument capture ainsi la réactivité de la prise de décision face à la transformation des représentations cognitives du consommateur.

7. Validité / Validity

La validité psychométrique de l’échelle PLOR a été rigoureusement démontrée à travers les trois études expérimentales menées par Darke et al. (2016), mobilisant plusieurs centaines d’étudiants de premier cycle en gestion d’entreprises placés dans des environnements d’achat simulés mais réalistes.

Validité de contenu et de construit

La validité de contenu repose sur l’adaptation minutieuse d’items déjà établis dans la littérature sur les intentions comportementales (Zeithaml et al., 1996 ; Dodds, Monroe, & Grewal, 1991). La structure à trois énoncés couvre l’ensemble du spectre de la formation de l’intention : de la disposition conditionnelle à la formation de l’ensemble de considération, jusqu’à l’évaluation probabiliste explicite.

Validité convergente

La validité convergente est confirmée par des corrélations positives élevées et statistiquement significatives ($r > 0,60$, $p < 0,001$) entre la PLOR et d'autres construits théoriquement associés :

• La confiance perçue envers le détaillant : Mesurée via des échelles d’intégrité et de bienveillance perçues adaptées de Mayer, Davis et Schoorman (1995).
• L’attitude générale envers le site Web : Évaluée par des échelles sémantiques différentielles (agréable/désagréable, favorable/défavorable).
• L’intention de recommandation : Corrélation étroite avec la propension à recommander le site à des pairs.

Validité discriminante

Dans les analyses de modèles de mesure par équations structurelles (SEM), la variance moyenne extraite (AVE – Average Variance Extracted) pour le construit de probabilité d’achat dépasse systématiquement le seuil critique de 0,70, surpassant largement le carré des corrélations inter-construits (critère de Fornell-Larcker). Cela confirme que la propension à l’achat est empiriquement distincte de la confiance ou de la perception globale de la marque, constituant bien un construit comportemental autonome.

Validité prédictive et sensibilité expérimentale

L’échelle a démontré une remarquable sensibilité pour détecter les effets d’interaction modérés prévus par la théorie du niveau de représentation. Par exemple, Darke et al. (2016) ont montré que la probabilité d’achat envers un site inconnu augmente significativement lorsque des indices de proximité physique locale sont introduits, mais que cet effet protecteur de la proximité s’estompe lorsque le détaillant bénéficie déjà d’une réputation préexistante favorable. L’échelle PLOR réagit avec une grande précision statistique ($F$-tests significatifs, $\eta_p^2$ substantiels), confirmant sa robustesse pour l’expérimentation causale.

8. Fidélité / Reliability

La fidélité de l’échelle de Probabilité d’achat auprès d’un détaillant en ligne a été évaluée à plusieurs reprises sous l’angle de la consistance interne et de la stabilité factorielle :

Consistance interne (Alpha de Cronbach)

À travers les différentes études présentées par Darke et al. (2016), l’instrument a affiché une fiabilité interne exceptionnelle :

• Étude 1 : L’alpha de Cronbach ($lpha$) s’élevait à 0,89 pour l’indice composé des 3 items.
• Étude 2 : L’alpha de Cronbach a atteint 0,92, témoignant d’une très forte homogénéité des réponses.
• Étude 3 : Dans une configuration testant des conditions d’éloignement social et géographique accrues, l’indice affichait un $lpha$ de 0,90.

De plus, le coefficient de fidélité composite ($CR$ – Composite Reliability) dépasse constamment le seuil recommandé de 0,80 (atteignant des valeurs entre 0,89 et 0,93), garantissant une erreur de mesure minimale.

Corrélations inter-items

Les corrélations item-total corrigées pour l’ensemble des trois items se situent systématiquement entre 0,72 et 0,86. La suppression d’aucun des trois items n’entraîne d’augmentation de l’alpha de Cronbach, ce qui confirme que chaque énoncé apporte une part d’information pertinente et contribue harmonieusement à l’évaluation du construit global.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle a été examinée par le biais d’analyses factorielles exploratoires (AFE) et confirmatoires (AFC) au cours des phases de développement et de test des modèles de médiation :

Analyse factorielle exploratoire (AFE)

Lors d’une extraction en composantes principales (ACP) sans rotation préalable, l’analyse révèle sans ambiguïté l’émergence d’un seul facteur dominant présentant une valeur propre (eigenvalue) très supérieure à 1 (souvent supérieure à 2,40), expliquant à elle seule plus de 80 % de la variance totale des données. Toutes les saturations factorielles (factor loadings) des trois items sur cet unique facteur sont massives, oscillant entre 0,86 et 0,94.

Analyse factorielle confirmatoire (AFC)

Dans le cadre de modélisations par équations structurelles intégrant d’autres construits latents (tels que la confiance cognitive, la réputation et le risque perçu), le modèle de mesure unidimensionnel de la PLOR a présenté des indices d’ajustement remarquables :

• Ratio Chi-deux sur degrés de liberté ($\chi^2/ddl$) : Inférieur à 2,0, traduisant une excellente adéquation aux données.
• CFI (Comparative Fit Index) : $ge 0,99$.
• TLI (Tucker-Lewis Index) : $ge 0,98$.
• RMSEA (Root Mean Square Error of Approximation) : $< 0,05$ avec intervalle de confiance à 90 % étroit.
• SRMR (Standardized Root Mean Square Residual) : $< 0,02$.

Ces données confirment l’unidimensionnalité stricte de l’instrument, permettant aux chercheurs d’agréger sans ambiguïté les trois items en un score moyen unique.

10. Instrument de mesure / Instrument

L’instrument PLOR est un auto-questionnaire standardisé court, particulièrement adapté aux protocoles expérimentaux nécessitant de minimiser la fatigue cognitive des répondants.

• Type d’évaluation : Échelle d’auto-évaluation psychométrique (self-report questionnaire).
• Nombre total d’items : 3 énoncés configurables avec marqueurs de substitution contextuels (produit/marque et détaillant).
• Format de réponse : Échelle de Likert à 7 points :
  • 1 = Strongly disagree (Fortement en désaccord)
  • 2 = Disagree (En désaccord)
  • 3 = Somewhat disagree (Plutôt en désaccord)
  • 4 = Neither agree nor disagree (Ni en désaccord ni d’accord)
  • 5 = Somewhat agree (Plutôt d’accord)
  • 6 = Agree (D’accord)
  • 7 = Strongly agree (Fortement d’accord)
• Modalités de cotation et calcul du score :
  • L’ensemble des 3 items est rédigé de manière positive (aucun item inversé).
  • Le score global de probabilité d’achat correspond à la moyenne arithmétique des 3 items :
    $$\text{Score PLOR} = \frac{\text{Item}_1 + \text{Item}_2 + \text{Item}_3}{3}$$
  • L’amplitude des scores varie de 1,00 à 7,00. Un score plus élevé reflète une probabilité d’achat déclarée supérieure envers le détaillant désigné.
• Durée moyenne d’administration : Moins de 60 secondes.

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

• Année de publication princeps : 2016.
• Titularité des droits d’auteur : Darke, Brady, Benedicktus et Wilson (2016) / Elsevier Inc. (publié dans le Journal of Retailing pour le compte de la New York University).
• Conditions d’utilisation et politique tarifaire : L’échelle est accessible gratuitement à des fins de recherche académique, d’enseignement et de travaux universitaires non commerciaux. Aucune redevance n’est exigée pour son utilisation dans un contexte d’étude scientifique, à condition de citer formellement l’article source de Darke et al. (2016). Toute intégration dans une suite logicielle commerciale propriétaire requiert une autorisation écrite auprès des ayants droit ou de l’éditeur.

12. Références / References

Les publications fondatrices et académiques associées à cette échelle comprennent :

• Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
• Darke, P. R., Brady, M. K., Benedicktus, R. L., & Wilson, A. E. (2016). Feeling close from afar: The role of psychological distance in offsetting distrust in unfamiliar online retailers. Journal of Retailing, 92(3), 287–299. https://doi.org/10.1016/j.jretai.2016.02.001
• Dodds, W. B., Monroe, K. B., & Grewal, D. (1991). Effects of price, brand, and store information on buyers’ product evaluations. Journal of Marketing Research, 28(3), 307–319. https://doi.org/10.1177/002224379102800305
• Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An integrative model of organizational trust. Academy of Management Review, 20(3), 709–734. https://doi.org/10.2307/258792
• Trope, Y., & Liberman, N. (2010). Construal-level theory of psychological distance. Psychological Review, 117(2), 440–463. https://doi.org/10.1037/a0018963
• Zeithaml, V. A., Berry, L. L., & Parasuraman, A. (1996). The behavioral consequences of service quality. Journal of Marketing, 60(2), 31–46. https://doi.org/10.1177/002224299606000203

13. Questions et items du questionnaire / Scale Items