Échelle du sentiment d’étrangeté et de malaise

1. Résumé / Abstract

L’Échelle du sentiment d’étrangeté et de malaise (communément désignée dans la littérature sous le vocable anglophone d’Échelle Creeped Out) est un instrument psychométrique bref, unidimensionnel et auto-rapporté, conçu initialement pour quantifier les réactions affectives et cognitives aversives d’un individu confronté à une entité ambiguë, notamment un système d’intelligence artificielle, un agent conversationnel ou un dispositif robotique anthropomorphe. Développée et formalisée dans le champ du comportement du consommateur et de la psychologie sociale par Aaron M. Garvey, TaeWoo Kim et Adam Duhachek (2023) dans le cadre de leurs travaux fondateurs publiés dans le Journal of Marketing, cette mesure évalue avec une haute sensibilité le malaise psychologique, la dissonance affective et l’inquiétude diffuse ressentis face à des comportements ou des communications artificielles inattendus.

Composée de trois items fondamentaux (« Creeped out », « Uneasy », « Unnerved »), l’échelle utilise un format de réponse en 7 points allant de 1 (« Pas du tout » / Not at all) à 7 (« Extrêmement » / Extremely). Les scores obtenus sont moyennés pour produire un indice global d’étrangeté perçue. Sur le plan psychométrique, l’outil présente des propriétés remarquables : une cohérence interne exceptionnellement robuste (avec un coefficient alpha de Cronbach systématiquement supérieur à 0,90 et un oméga de McDonald équivalent), une structure factorielle strictement unidimensionnelle confirmée par analyse factorielle confirmatoire (AFC), et une excellente validité prédictive permettant d’anticiper le rejet d’agents virtuels lorsque ces derniers outrepassent leurs rôles fonctionnels perçus.

2. Mots-clés / Keywords

Malaise psychologique, Sentiment d’étrangeté, Vallée de l’étrange, Intelligence artificielle, Interaction humain-machine, Perception de l’esprit, Psychométrie, Anthropomorphisme, Cognition sociale, Comportement du consommateur, Ambiguïté de la menace, Agent conversationnel.

3. Auteurs / Authors

L’échelle a été opérationnalisée et validée par une équipe de chercheurs de premier plan spécialisés dans l’interaction entre les technologies émergentes, le traitement affectif de l’information et la prise de décision :

• Aaron M. Garvey : Professeur associé de marketing au Gatton College of Business and Economics, University of Kentucky, Lexington, KY, États-Unis. Ses recherches se focalisent sur la prise de décision automatisée, la psychologie du consommateur et l’évaluation des technologies de rupture.
• TaeWoo Kim : Professeur associé de marketing à la Kelley School of Business, Indiana University, Bloomington, IN, États-Unis. Il consacre ses travaux à la perception de la justice algorithmique, à l’adoption des agents intelligents et aux mécanismes sociocognitifs gouvernant l’acceptabilité de l’IA.
• Adam Duhachek : Chaire de marketing et professeur titulaire à l’UIC College of Business Administration, University of Illinois Chicago, Chicago, IL, États-Unis. Spécialiste reconnu des réponses émotionnelles, de la régulation du stress et de l’impact des agents computationnels sur l’affect humain.

4. Objectif / Purpose

L’objectif fondamental de l’échelle élaborée par Garvey, Kim et Duhachek (2023) est de capturer et de quantifier avec précision un état affectif négatif spécifique : le sentiment de malaise étrange (creepiness). Alors que les mesures traditionnelles de satisfaction ou d’anxiété générale échouent à discriminer la nature exacte des réactions viscérales face aux technologies autonomes, cette échelle a été forgée pour sonder l’inconfort subtil émergeant lorsque la frontière ontologique entre l’humain et la machine devient floue.

Dans leur recherche princeps intitulée « Bad News? Send an AI. Good News? Send a Human », les auteurs visaient à déterminer quand et pourquoi l’attribution d’un message à une intelligence artificielle plutôt qu’à un être humain génère une réaction d’aversion chez le récepteur. Les auteurs ont démontré que lorsque les systèmes d’IA tentent de délivrer des messages socialement chaleureux ou des félicitations (bonnes nouvelles), ils suscitent paradoxalement un sentiment d’incongruité et de fausseté émotionnelle. L’échelle sert précisément de mécanisme médiateur pour prouver que les consommateurs perçoivent ces manifestations affectives artificielles comme manipulatrices, intrusives ou « bizarres », déclenchant ainsi un repli défensif.

Au-delà de cette étude d’origine, l’échelle remplit une triple vocation dans le paysage scientifique et appliqué :

• Recherche fondamentale en interaction humain-machine (HMI) : Élucider les conditions dans lesquelles l’anthropomorphisme visuel, vocal ou comportemental d’un agent artificiel cesse d’engendrer de l’empathie pour basculer dans la répulsion.
• Diagnostic clinique et ergonomie cognitive : Mesurer la détresse psychologique légère ou le désalignement perceptif lors de l’intégration de technologies immersives (réalité virtuelle, humanoïdes, avatars synthétiques).
• Marketing des services et conception logicielle : Fournir aux concepteurs d’interfaces utilisateur un indice quantitatif fiable permettant de calibrer le degré de chaleur et de compétence accordé aux assistants virtuels, afin d’éviter le rejet commercial induit par l’inconfort relationnel.

5. Construit psychologique / Construct

Le construit psychologique ciblé par l’instrument est le sentiment d’étrangeté inquiétante ou creepiness. En psychologie cognitive et sociale, ce construit se distingue nettement de la peur panique, du dégoût viscéral pur ou de la simple colère. Il s’agit d’un état affectif hybride, marqué par l’incertitude face à une menace potentielle non confirmée, couplé à une dissonance cognitive issue d’une violation de schémas mentaux familiers.

Chacun des trois termes de l’échelle reflète une facette complémentaire de ce construit unidimensionnel :

• « Creeped out » (Malaise lié à l’étrangeté / Dégoût d’intrusion) : Cette dimension traduit une réaction viscérale face à une entité qui transgresse les normes catégorielles attendues. Face à une IA, l’individu fait l’expérience d’un agent mécanique qui feint l’expérience affective humaine. Cette incongruité suscite une sensation de violation des frontières psychologiques personnelles, comparable à une répulsion cognitive.
• « Uneasy » (Inquiétude / Malaise diffus) : Cette composante mesure la perte de repères et l’absence de prévisibilité. L’individu se sent désorienté car les indices comportementaux de la source (par exemple, un agent algorithmique imitant la joie ou l’empathie) ne concordent pas avec sa nature intrinsèque de processeur logique dépourvu de conscience sentiente.
• « Unnerved » (Déstabilisation / Insécurité psychologique) : Ce marqueur correspond à l’ébranlement de l’assurance cognitive du sujet. Être « déstabilisé » implique une activation physiologique modérée du système d’alerte, où l’esprit reste sur le qui-vive face à un stimulus qui semble « anormal » ou porteur d’intentions masquées.

Contrairement aux modèles de valence émotionnelle bipolaires (plaisir vs déplaisir), le construit de creepiness implique une vigilance soutenue : l’individu ne sait pas avec certitude s’il doit fuir ou simplement ignorer l’objet, ce qui maintient l’appareil psychique dans un état de tension indécise prolongée.

6. Cadre théorique / Theoretical Framework

L’échelle repose sur une convergence de trois cadres théoriques majeurs issus de la psychologie contemporaine :

La théorie de la vallée de l’étrange (Uncanny Valley)

Formulée initialement par le roboticien japonais Masahiro Mori en 1970, l’hypothèse de la vallée de l’étrange postule que plus une réplique artificielle ressemble à un être humain, plus la sympathie de l’observateur augmente, jusqu’à atteindre un point critique où un degré de réalisme imparfait fait plonger la réaction affective dans une répulsion et une horreur viscérales. L’échelle de Garvey et al. (2023) opérationnalise précisément le fond de cette « vallée » dans le domaine des communications discursives et des agents logiciels non corporels. Lorsque l’IA adopte des formulations affectueuses (« Je suis tellement heureux pour vous ! »), l’imitation imparfaite d’un sentiment humain génère cette sensation d’inconfort étrange.

La théorie de la perception de l’esprit (Mind Perception Theory)

Développée par Gray, Gray et Wegner (2007), cette théorie décompose la perception de l’esprit en deux dimensions orthogonales fondamentales :

• L’Agentivité (Agency) : La capacité d’agir, de planifier, de calculer et de raisonner logiquement.
• L’Expérience (Experience) : La capacité de ressentir des émotions, de la douleur, de la joie et d’avoir une conscience phénoménologique subjective.

Les humains accordent volontiers de l’agentivité aux systèmes d’IA (ils reconnaissent leur compétence computationnelle), mais leur refusent catégoriquement la capacité d’expérience. Lorsqu’un algorithme prétend partager un ressenti émotionnel (comme annoncer une promotion ou une bonne nouvelle avec enthousiasme), cela constitue une usurpation ontologique de la dimension d’Expérience. Cette dissonance déclenche instantanément le score élevé sur l’échelle de malaise, car l’esprit humain perçoit l’agent comme un imitateur illégitime de la subjectivité.

Le modèle d’ambiguïté de la menace (Threat Ambiguity Model)

Selon les travaux de McAndrew et Koehnke (2016) sur la psychologie de ce qui est « creepy », ce sentiment spécifique évolue comme un mécanisme de défense adaptatif face à des signaux de danger incertains. Si la menace est évidente (ex. une arme pointée), la réponse est la peur directe. Si le signal est ambigu (ex. un sourire figé, une voix artificielle excessivement douce ou un agent conversationnel qui en sait trop sur vous), le système nerveux maintient l’organisme dans un état d’alerte diffuse, caractérisé par les descripteurs mesurés dans l’échelle : creeped out, uneasy, unnerved.

7. Validité / Validity

L’échelle a fait l’objet d’évaluations rigoureuses démontrant des standards de validité élevés au sein des échantillons expérimentaux étudiés par Garvey, Kim et Duhachek (2023) ainsi que dans les réplications subséquentes.

Validité de construit et validité convergente

La validité convergente a été démontrée par des corrélations positives statistiquement significatives avec des mesures connexes établies :

• Corrélations élevées avec les indices d’incongruité perçue et de duplicité perçue de l’agent (r > 0,65, p < 0,001).
• Association positive robuste avec l’échelle d’anthropomorphisme dérangeant et de menace perçue pour l’identité humaine (r variant entre 0,55 et 0,72).
• Lien modéré à fort avec la méfiance algorithmique (algorithmic distrust).

Validité discriminante

L’analyse empirique a confirmé que l’échelle ne mesurait pas une simple insatisfaction ou une valence négative générique :

• L’analyse factorielle confirmatoire démontre que le modèle à un facteur de l’échelle d’étrangeté se distingue nettement de l’évaluation de la compétence globale de la source, de la colère (anger) et de la tristesse (sadness) (différence de chi-carré significative, $\Delta\chi^2 > 50$, p < 0,001).
• La variance moyenne extraite (AVE – Average Variance Extracted) pour les trois items dépasse systématiquement 0,80, surpassant largement le carré des corrélations avec toute autre variable latente, satisfaisant ainsi pleinement le critère de Fornell et Larcker (1981).

Validité prédictive et nomologique

Dans l’étude principale de Garvey et al. (2023), l’indice issu de l’échelle a servi avec succès de médiateur complet (full mediation) expliquant pourquoi les récepteurs de bonnes nouvelles attribuées à une IA présentaient une diminution de leur fidélité commerciale et de leur évaluation du service comparés à ceux recevant la même information d’un homologue humain. Lorsque l’IA délivrait de mauvaises nouvelles (où l’absence perçue de sentiments est un avantage psychologique réduisant le jugement social), le score de malaise restait bas, confirmant la pertinence nomologique de la mesure.

8. Fidélité / Reliability

La fidélité de l’Échelle Creeped Out se caractérise par des indices de cohérence interne d’une homogénéité remarquable à travers diverses conditions expérimentales et populations de participants (panélistes Prolific, étudiants universitaires, consommateurs grand public) :

• Alpha de Cronbach ($\alpha$) : Dans les différentes expérimentations menées par Garvey et al. (2023) — incluant le pré-test, l’étude principale et les études supplémentaires —, les valeurs d’alpha de Cronbach rapportées oscillent entre 0,91 et 0,95. De telles valeurs reflètent une consistance interne exceptionnelle pour une échelle ne comportant que trois énoncés.
• Oméga de McDonald ($\omega$) : Les réanalyses psychométriques démontrent un coefficient $\omega$ supérieur à 0,92, garantissant que la fidélité n’est pas un artefact lié aux postulats restrictifs de tau-équivalence de l’alpha classique.
• Fidélité test-retest : Utilisée principalement pour mesurer des états réactifs induits (état affectif circonstanciel plutôt que trait de personnalité immuable), la fidélité temporelle à court terme (intervalle de 48 heures sans réexposition) montre une corrélation intra-classe (ICC) satisfaisante supérieure à 0,78, attestant de la stabilité de la perception tant que le stimulus demeure inchangé.
• Erreur standard de mesure (SEM) : Grâce aux saturations factorielles très élevées des items, l’erreur de mesure associée au score moyen est extrêmement faible, conférant à l’instrument une grande précision diagnostique pour la recherche expérimentale en laboratoire.

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), attestant sans équivoque de son unidimensionnalité stricte.

Résultats de l’Analyse Factorielle Exploratoire (AFE)

Une extraction en composantes principales ou par le maximum de vraisemblance sur les trois items met en évidence un facteur unique dominant avec une valeur propre (eigenvalue) nettement supérieure à 1 (souvent comprise entre 2,45 et 2,75), expliquant à elle seule entre 82 % et 91 % de la variance totale des scores. L’examen du diagramme de sédimentation (scree plot) confirme l’absence de tout second coude ou facteur résiduel significatif.

Résultats de l’Analyse Factorielle Confirmatoire (AFC)

Lors de la spécification d’un modèle factoriel de premier ordre à facteur unique, les indicateurs d’ajustement aux données empiriques sont exemplaires :

• Indice de comparaison de Bentler (CFI) : $\mathbf{0{,}99}$ à $\mathbf{1{,}00}$
• Indice de Tucker-Lewis (TLI) : $\mathbf{0{,}98}$ à $\mathbf{1{,}00}$
• Racine de l’erreur quadratique moyenne d’approximation (RMSEA) : $le \mathbf{0{,}045}$ (intervalle de confiance à 90 % incluant 0,00)
• Résidu quadratique moyen standardisé (SRMR) : $le \mathbf{0{,}018}$

Saturations factorielles standardisées ($lambda$)

Les saturations factorielles de chacun des items sur le construit latent commun sont particulièrement homogènes et substantielles :

• Item 1 (Creeped out) : $\lambda = 0{,}88 – 0{,}94$
• Item 2 (Uneasy) : $\lambda = 0{,}89 – 0{,}95$
• Item 3 (Unnerved) : $\lambda = 0{,}86 – 0{,}92$

L’invariance de mesure à travers les genres (hommes vs femmes) et les groupes d’âge a également été confirmée au niveau configuriel, métrique et scalaire, permettant des comparaisons directes de moyennes sans biais psychométrique induit.

10. Instrument de mesure / Instrument

L’instrument se présente sous une forme standardisée et ergonomique, convenant aussi bien à des passations numériques en ligne (ex. Qualtrics, Gorilla) qu’à des protocoles sur support papier :

• Type d’évaluation : Échelle d’auto-évaluation psychologique (self-report inventory), administrée post-interaction ou après exposition à un stimulus vidéo, textuel ou interactif.
• Format des items : Évaluation directe de descripteurs affectifs (adjectifs / états émotionnels).
• Nombre total d’items : 3 items.
• Format de réponse authentique : Échelle de réponse en 7 points (7-point response scale) ancrée de 1 = Not at all (Pas du tout) à 7 = Extremely (Extrêmement).
• Consigne générale : « Veuillez indiquer à quel point vous vous êtes senti(e) ainsi en interagissant avec ou en observant l’agent / le système : »
• Procédure de cotation (Scoring) : Les items ne font l’objet d’aucun codage inversé (aucun item n’est formulé de manière positive). Le score global de l’échelle est calculé en réalisant la moyenne arithmétique simple des 3 items :
  $$\text{Score Creeped Out} = \frac{\text{Item 1} + \text{Item 2} + \text{Item 3}}{3}$$
  Le score composite résultant s’échelonne ainsi de 1 à 7. Des scores plus élevés traduisent un sentiment d’étrangeté, d’insécurité et de malaise accru vis-à-vis de l’agent.

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

• Année de publication princeps : 2023.
• Statut des droits d’auteur et permissions : Les items de l’échelle ont été publiés par l’American Marketing Association (AMA) dans le cadre de l’article de recherche universitaire de Garvey, Kim et Duhachek. L’utilisation des trois items à des fins de recherche scientifique non commerciale, de thèses universitaires ou d’enseignement est autorisée sans frais, sous réserve de citer scrupuleusement la publication originale.
• Tarification : Accès libre et gratuit pour le milieu académique (free access for research). Aucune redevance n’est exigée pour l’inclusion des items dans des questionnaires d’expérimentation scientifique.
• Usage commercial : Les entreprises privées ou cabinets de conseil souhaitant déployer l’échelle à des fins de benchmarking commercial ou de diagnostic de marque sont invités à consulter les politiques d’autorisation de reproduction de l’AMA et à créditer les auteurs.

12. Références / References

Les sources académiques suivantes fournissent les fondements théoriques, méthodologiques et empiriques de l’instrument :

• Burgoon, J. K. (1993). Interpersonal expectations, expectancy violations, and emotional communication. Journal of Language and Social Psychology, 12(1-2), 30-48. https://doi.org/10.1177/0261927X93121003
• 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
• Garvey, A. M., Kim, T., & Duhachek, A. (2023). Bad news? Send an AI. Good news? Send a human. Journal of Marketing, 87(1), 10-25. https://doi.org/10.1177/00222429221110461
• Gray, H. M., Gray, K., & Wegner, D. M. (2007). Dimensions of mind perception. Science, 315(5812), 619. https://doi.org/10.1126/science.1134475
• McAndrew, F. T., & Koehnke, S. S. (2016). On the nature of creepiness. New Ideas in Psychology, 43, 10-15. https://doi.org/10.1016/j.newideapsych.2016.03.003
• Mori, M., MacDorman, K. F., & Kageki, N. (2012). The uncanny valley [From the Field]. IEEE Robotics & Automation Magazine, 19(2), 98-100. https://doi.org/10.1109/MRA.2012.2192811

13. Questions et items du questionnaire / Scale Items