Échelle d’utilité de l’aide à l’achat (SAIDUSE)

1. Résumé

L’Échelle d’utilité de l’aide à l’achat (en anglais, Shopping Aid Usefulness Scale ou SAIDUSE) est un instrument psychométrique unidimensionnel composé de quatre items, conçu pour évaluer la valeur utilitaire perçue des dispositifs d’assistance aux décisions d’achat par les consommateurs. Initialement formalisée et validée dans le domaine du commerce électronique et du ciblage comportemental par Bleier et Eisenbeiss (2015) au sein de leur étude de référence sur l’importance de la confiance dans la publicité en ligne personnalisée, cette échelle trouve son ancrage fondamental dans le concept d’utilité perçue (Perceived Usefulness) issu du modèle d’acceptation de la technologie (Technology Acceptance Model, TAM) proposé originellement par Fred D. Davis en 1989.

L’échelle opérationnalise l’utilité perçue à travers quatre facettes cognitives complémentaires : le gain de temps dans l’accomplissement des tâches d’achat, l’amélioration des performances décisionnelles, l’accroissement de l’efficacité personnelle et une évaluation synthétique globale du caractère utile du dispositif. Les participants répondent à l’aide d’une échelle de type Likert en 7 points s’étendant de 1 (« Pas du tout d’accord ») à 7 (« Tout à fait d’accord »). La flexibilité de l’instrument réside dans sa formulation modulaire, où un espace réservé permet aux chercheurs d’insérer l’outil ou le support d’aide à l’achat spécifique évalué (par exemple : bannières publicitaires personnalisées, systèmes de recommandation collaborative, chatbots d’assistance marchande ou comparateurs interactifs de prix).

Sur le plan psychométrique, le SAIDUSE présente d’excellentes qualités de mesure attestées dans diverses configurations expérimentales et études de terrain. Les analyses factorielles confirmatoires mettent en évidence une structure unifactorielle robuste, avec des saturations factorielles standardisées uniformément élevées (généralement supérieures à 0,85). La consistance interne est remarquable, illustrée par des indices alpha de Cronbach excédant systématiquement le seuil critique de 0,90, ainsi qu’une fiabilité composite (CR) et une variance moyenne extraite (AVE) attestant d’une stricte validité convergente et discriminante. L’instrument s’avère un prédicteur déterminant de l’acceptation des recommandations, de l’engagement envers la marque, de l’intention d’achat et de la satisfaction globale du consommateur.

2. Mots-clés

utilité perçue, aide à l’achat, modèle d’acceptation de la technologie, commerce électronique, personnalisation publicitaire, psychométrie, comportement du consommateur, valeur utilitaire, systèmes de recommandation, prise de décision

3. Auteurs

L’échelle a été développée et validée dans sa formulation appliquée aux outils d’assistance marchande et au ciblage publicitaire par :

• Alexander Bleier : Professeur associé de marketing à la Frankfurt School of Finance & Management (Allemagne), spécialiste du marketing numérique, de la publicité ciblée, de la protection de la vie privée et du comportement du consommateur connecté.
• Maik Eisenbeiss : Professeur titulaire de marketing et commerce de détail à l’Université de Brême (Allemagne), chercheur reconnu dans le domaine de la gestion multicanale, des stratégies de fixation des prix et de l’optimisation des technologies d’interaction client.

La fondation conceptuelle sous-jacente de l’instrument découle directement des travaux de Fred D. Davis (Université de l’Arkansas, États-Unis), créateur du Technology Acceptance Model en 1989.

4. Objectif

Le Shopping Aid Usefulness Scale (SAIDUSE) a pour objectif fondamental de mesurer avec rigueur, parcimonie et précision l’utilité fonctionnelle et utilitaire que les consommateurs attribuent à un outil technologique d’aide à l’achat spécifique. Dans l’écosystème numérique contemporain, les acheteurs font face à une surcharge informationnelle (information overload) sans précédent, causée par l’abondance d’offres, de spécifications de produits, d’avis clients et d’options tarifaires. Les plateformes marchandes déploient en réponse une vaste gamme d’aides à l’achat numériques : moteurs de recommandation automatisés, algorithmes de filtrage collaboratif, agents conversationnels intelligents, bannières reciblées dynamiquement ou configurateurs de produits personnalisés. L’objectif du SAIDUSE est de déterminer si le consommateur perçoit concrètement ces dispositifs comme des facilitateurs cognitifs réduisant le coût de recherche informationnelle et optimisant la prise de décision, ou au contraire comme des mécanismes intrusifs dénués de réelle valeur ajoutée.

Dans le domaine de la recherche académique, l’échelle remplit un rôle crucial en servant de variable médiatrice ou dépendante dans les modèles d’équation structurelle analysant les réactions des consommateurs aux technologies de vente au détail. L’évaluation de l’utilité perçue permet d’éclairer le compromis permanent entre les bénéfices fonctionnels offerts par la personnalisation algorithmique et les craintes relatives à la vie privée (le concept classique de privacy-personalization paradox). L’échelle permet ainsi de modéliser le moment exact où un système d’assistance dépasse le statut de simple stimulus marketing pour devenir une véritable ressource instrumentale valorisée par l’utilisateur.

Sur le plan des applications appliquées et managériales, le SAIDUSE offre aux concepteurs d’expérience utilisateur (UX), aux chefs de produit numériques et aux analystes marketing un outil diagnostique standardisé pour mesurer l’efficacité perçue de leurs interfaces marchandes. Il permet de réaliser des tests A/B rigoureux évaluant comment différentes modalités de présentation (par exemple, un algorithme basé sur l’historique de navigation comparé à un système de recommandation prédictif par intelligence artificielle) affectent la perception d’efficacité par le consommateur. Il aide ainsi à rationaliser les investissements technologiques dans les systèmes d’aide au magasinage en s’assurant qu’ils génèrent un allègement perceptible de l’effort cognitif plutôt qu’une friction ergonomique supplémentaire.

5. Construit psychologique

Le construit psychologique mesuré par le SAIDUSE est l’utilité perçue de l’aide à l’achat (Perceived Usefulness of the Shopping Aid), définie théoriquement comme le degré auquel un individu croit que l’utilisation d’un système ou dispositif particulier améliorera sa performance lors de la réalisation d’une tâche d’achat. Bien qu’opérationnalisé sous une structure globale unidimensionnelle pour maximiser la parcimonie et la robustesse statistique, ce construit intègre quatre composantes cognitives étroitement intriquées reflétant la valeur utilitaire pure :

Célérité et économie de temps cognitif

La première composante (« accomplish tasks more quickly ») renvoie à la réduction perçue du coût temporel consacré à l’exploration, à la comparaison et au tri des alternatives. Dans la psychologie du consommateur, le temps est une ressource finie et hautement valorisée. Un système d’aide qui permet de filtrer instantanément des milliers d’options d’achat libère des ressources cognitives. L’individu perçoit un allègement substantiel de la fatigue décisionnelle lorsque l’outil lui permet d’arriver à l’issue de son parcours d’achat plus rapidement qu’en procédant par une recherche manuelle non assistée.

Amélioration de la performance décisionnelle

La deuxième composante (« improves my performance ») appréhende la qualité intrinsèque du choix final obtenu grâce à l’aide marchande. La performance d’achat ne se limite pas à acheter un bien quelconque ; elle implique de trouver le produit optimal qui répond le mieux aux critères de préférence, aux contraintes budgétaires et aux exigences qualitatives de l’acheteur. L’individu évalue dans quelle mesure l’aide à l’achat lui permet de faire de « meilleurs achats », d’éviter les mauvais choix, de minimiser les regrets post-achat et d’optimiser l’adéquation produit-besoin.

Accroissement de l’efficacité opérationnelle

La troisième composante (« increases my effectiveness ») mesure l’optimisation du ratio entre les efforts déployés et les résultats atteints. Alors que la performance s’attache à la qualité du résultat, l’efficacité (au sens de l’effectiveness ergonomique) quantifie la capacité de l’outil à doter l’utilisateur d’un pouvoir d’action accru. Le consommateur se sent mieux armé, plus méthodique et mieux informé face à la complexité des marchés concurrentiels. L’outil agit comme une prothèse cognitive renforçant les compétences décisionnelles du consommateur.

Évaluation globale de l’utilité fonctionnelle

La quatrième composante (« find [shopping aid] useful ») capture le jugement synthétique et global de l’individu sur la valeur instrumentale du système. Cette évaluation heuristique récapitule les perceptions spécifiques précédentes en une conclusion cognitive unifiée quant au caractère profitable, pertinent et désirable de l’outil dans son contexte d’utilisation.

6. Cadre théorique

Le SAIDUSE repose directement sur les fondements du Modèle d’acceptation de la technologie (Technology Acceptance Model – TAM), formulé initialement par Fred D. Davis en 1989. Le TAM postule que l’intention d’adopter et d’utiliser une technologie est primairement déterminée par deux croyances cognitives clés : l’utilité perçue (Perceived Usefulness – PU) et la facilité d’utilisation perçue (Perceived Ease of Use – PEOU). Dans la majorité des contextes orientés vers l’accomplissement de buts spécifiques (comme l’achat de biens ou de services), la littérature a démontré de manière constante que l’utilité perçue exerce le poids prédictif direct le plus puissant sur les attitudes et les comportements d’utilisation effectifs.

Le TAM est lui-même une adaptation sociopsychologique de la Théorie de l’action raisonnée (TRA) de Martin Fishbein et Icek Ajzen (1975). Selon ce cadre théorique, les croyances cognitives d’un individu façonnent ses attitudes affectives, lesquelles déterminent ses intentions comportementales, qui se traduisent ultimement en comportements réels. Dans le modèle de Bleier et Eisenbeiss (2015), l’utilité perçue de l’aide à l’achat intervient comme un mécanisme psychologique central qui médiatise l’effet des caractéristiques de l’outil (notamment la profondeur de personnalisation et le moment de diffusion) sur la propension à acheter et l’acceptation de l’offre publicitaire.

L’échelle s’inscrit également dans le prolongement de la théorie des coûts de recherche et du traitement cognitif de l’information formulée par James R. Bettman (1979). Cette théorie conçoit le consommateur comme un décideur à rationalité limitée qui cherche constamment à maximiser la précision de ses décisions tout en minimisant l’effort cognitif requis. Les aides à l’achat interviennent précisément pour atténuer cette tension en prenant en charge le stockage, l’organisation et le calcul comparatif des données de marché. Lorsque le consommateur constate une réduction effective de l’effort pour un résultat équivalent ou supérieur, l’évaluation de l’utilité perçue atteint son niveau optimal.

7. Validité

La validité psychométrique du SAIDUSE a été rigoureusement démontrée dans l’étude fondatrice de Bleier et Eisenbeiss (2015) ainsi que dans plusieurs investigations ultérieures portant sur les agents virtuels et les interfaces marchandes.

Validité de contenu et d’apparence

La validité de contenu repose sur l’adaptation directe des métriques historiques de Davis (1989), qui avaient fait l’objet de multiples purifications et revues d’experts en psychologie cognitive et en systèmes d’information. Les items capturent l’intégralité du spectre théorique de l’utilité fonctionnelle sans contamination par des construits voisins tels que l’agrément esthétique, la valeur hédonique ou l’intrusivité perçue.

Validité convergente

La validité convergente de l’échelle a été établie par l’examen des saturations factorielles et de la variance moyenne extraite (Average Variance Extracted – AVE). Dans les travaux de Bleier et Eisenbeiss (2015), l’ensemble des saturations factorielles standardisées dépassent largement le seuil standard de 0,70 (oscillant typiquement entre 0,86 et 0,94). L’AVE calculée pour le construit excède systématiquement 0,75, confirmant que plus des trois quarts de la variance des items sont directement imputables au trait latent d’utilité perçue, dépassant largement le seuil normatif de 0,50 recommandé par Fornell et Larcker (1981).

Validité discriminante

L’instrument montre une excellente validité discriminante vis-à-vis des construits théoriquement distincts mesurés simultanément dans les parcours d’achat numériques :

• La vulnérabilité perçue / préoccupation pour la vie privée : l’AVE de l’utilité de l’aide à l’achat est très supérieure au carré des corrélations entre l’utilité et les craintes relatives aux données personnelles.
• La confiance envers le distributeur : bien que positivement corrélée à l’utilité, la confiance forme un facteur distinct lors des tests de modèles concurrents.
• L’utilité hédonique ou l’amusement perçu, qui évalue le plaisir intrinsèque et non le gain fonctionnel.

Validité prédictive et nomologique

La validité nomologique et prédictive de l’échelle est solidement ancrée : le score global de SAIDUSE corrèle positivement et de manière statistiquement significative avec le taux de clics (CTR), la mémorisation de l’offre, l’intention d’achat du produit promu et la réutilisation déclarée du dispositif d’assistance (les coefficients de chemin standardisés β se situant fréquemment au-dessus de 0,35, p < 0,001).

8. Fidélité

La consistance interne et la stabilité métrique du SAIDUSE atteignent des niveaux de précision psychométrique exceptionnels :

• Consistance interne (Alpha de Cronbach) : Les études empiriques menées par Bleier et Eisenbeiss (2015) rapportent des coefficients alpha de Cronbach compris entre 0,92 et 0,96 selon les conditions expérimentales et les vagues d’échantillonnage, témoignant d’une très haute cohérence interne exempte de redondance excessive.
• Fiabilité composite (CR) : L’indice de fiabilité composite de Werts-Linn-Jöreskog dépasse régulièrement 0,93, confirmant l’homogénéité du construit indépendamment des erreurs de mesure individuelles des indicateurs.
• Corrélations item-total corrigées : Toutes les corrélations item-reste s’établissent au-delà de 0,80, ce qui démontre qu’aucun item ne dégrade la précision de la mesure globale et que chaque question contribue de manière équilibrée et substantielle au score composite.
• Fidélité test-retest et stabilité temporelle : Bien que le score dépende contextuellement de l’aide technologique soumise au test, les études longitudinales évaluant des dispositifs stables dans le temps révèlent une fidélité test-retest satisfaisante à deux semaines d’intervalle (r > 0,82), démontrant la constance de la disposition évaluative du répondant.

9. Analyse factorielle

Les analyses factorielles conduites sur le SAIDUSE confirment sans équivoque la structure unidimensionnelle postulée par le modèle théorique.

Analyse factorielle exploratoire (AFE)

Lors des phases exploratoires sur données initiales (extraction en composantes principales ou factorisation en axes principaux suivie d’une rotation oblique Oblimin ou Promax lorsque d’autres construits sont présents) :

• L’analyse ne dégage qu’un seul facteur présentant une valeur propre (eigenvalue) supérieure à 1,0 (critère de Kaiser).
• Ce facteur unique explique généralement entre 80 % et 88 % de la variance totale des quatre items.
• Le test de sphéricité de Bartlett s’avère hautement significatif (p < 0,001) et l’indice de Kaiser-Meyer-Olkin (KMO) excède couramment 0,85, attestant d’une adéquation parfaite des données à la factorisation.

Analyse factorielle confirmatoire (AFC)

Dans le cadre de l’AFC sous estimation du maximum de vraisemblance (ML), le modèle unifactoriel à quatre indicateurs s’ajuste impeccablement aux matrices de covariance empiriques. Les indices d’ajustement globaux satisfont rigoureusement les critères méthodologiques les plus stricts de Hu et Bentler (1999) :

• CFI (Comparative Fit Index) > 0,99
• TLI (Tucker-Lewis Index) > 0,98
• RMSEA (Root Mean Square Error of Approximation) < 0,05 (avec intervalle de confiance à 90 % englobant 0,00)
• SRMR (Standardized Root Mean Square Residual) < 0,02
• Rapport Chi-deux / Degrés de liberté (χ²/df) < 2,5

Les saturations factorielles standardisées (λ) se distribuent harmonieusement : l’item 1 (célérité) présente usuellement une saturation de λ ≈ 0,88 ; l’item 2 (performance) de λ ≈ 0,92 ; l’item 3 (efficacité) de λ ≈ 0,93 ; et l’item 4 (utilité générale) de λ ≈ 0,89. Aucun problème d’invariance de mesure n’a été signalé entre différents groupes démographiques d’acheteurs (âge, genre ou fréquence d’achat en ligne).

10. Instrument de mesure

• Nom complet de l’instrument : Shopping Aid Usefulness Scale (SAIDUSE) / Échelle d’utilité de l’aide à l’achat.
• Type de mesure : Questionnaire psychométrique d’auto-évaluation (self-report inventory) évaluant la valeur cognitive utilitaire perçue.
• Nombre d’items : 4 items formulés sous la forme d’affirmations déclaratives simples.
• Format modulaire : Chaque item comprend une balise adaptable entre crochets ([shopping aid]) devant être substituée par le libellé précis de la technologie marchande étudiée (ex. : « ce système de recommandation », « cette publicité personnalisée », « ce comparateur de prix »).
• Échelle de réponse : Échelle de Likert à 7 points (1 = Strongly disagree / Pas du tout d’accord, à 7 = Strongly agree / Tout à fait d’accord).
• Modalités de cotation : Tous les items sont orientés positivement et cotés de façon directe (de 1 à 7). Aucun item inversé n’est présent.
• Calcul du score : Le score global d’utilité de l’aide à l’achat est calculé en effectuant la moyenne arithmétique des réponses aux 4 items (score composite continu variant de 1,00 à 7,00). Des scores plus élevés traduisent une perception d’utilité et une valeur fonctionnelle accrues de l’outil évalué.
• Temps de passation estimé : Moins de 2 minutes.

11. Permissions, Tarifs et Année du test

• Année de publication de référence : 2015 (développement d’application par Bleier & Eisenbeiss) ; ancré sur l’échelle de Davis (1989).
• Propriété intellectuelle et droits d’auteur : Le contenu scientifique original de l’article est protégé par Elsevier et le Journal of Retailing. Toutefois, conformément aux standards de la communauté académique, les items du questionnaire sont librement utilisables sans frais (free of charge) à des fins d’enseignement, d’études scientifiques indépendantes et de recherche non commerciale, sous réserve de citer scrupuleusement la publication source.
• Licence d’utilisation commerciale : Toute incorporation logicielle ou utilisation au sein d’études de marché marchandes privées à but lucratif doit faire l’objet d’une vérification des conditions d’utilisation auprès des titulaires des droits ou des auteurs.

12. Références

Ajzen, I., & Fishbein, M. (1980). Understanding attitudes and predicting social behavior. Prentice-Hall.

Bettman, J. R. (1979). An information processing theory of consumer choice. Addison-Wesley.

Bleier, A., & Eisenbeiss, M. (2015). The importance of trust for personalized online advertising. Journal of Retailing, 91(3), 390-409. https://doi.org/10.1016/j.jretai.2015.04.001

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

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

13. Questions et items du questionnaire