Efficacité sociale de l’application

1. Résumé / Abstract

L’échelle d’efficacité sociale de l’application (Social Efficacy of the App Scale), formalisée par Hilken et ses collaborateurs en 2020 dans le cadre de leurs travaux pionniers sur la réalité augmentée sociale (Social AR) appliqués à la prise de décision conjointe, constitue un instrument psychométrique novateur conçu pour évaluer la capacité perçue d’une technologie immersive à soutenir le partage d’expériences à la première personne (first-person perspective). Dans les contextes de consommation et d’interaction médiatisée, les individus sont fréquemment confrontés au défi de transmettre des perceptions subjectives complexes à des tiers. Cette échelle capture précisément dans quelle mesure l’artefact technologique agit comme un catalyseur sociocognitif, réduisant l’asymétrie informationnelle et favorisant une vision partagée au sein d’une dyade ou d’un groupe.

Composée de trois à quatre items réflexifs administrés selon un format d’échelle de Likert en sept points (allant de 1 = « Pas du tout d’accord » à 7 = « Tout à fait d’accord »), l’échelle mesure un construit unidimensionnel ciblant l’interconnectivité visuelle, la facilitation de l’alignement perspectif et l’efficacité instrumentale de la communication sensorielle. D’un point de vue psychométrique, l’instrument présente des propriétés de mesure robustes, illustrées par une cohérence interne élevée (coefficient alpha de Cronbach supérieur à 0,85 et fiabilité composite excédant les standards usuels), une validité convergente confirmée par une variance moyenne extraite (AVE) supérieure à 0,50, ainsi qu’une excellente validité discriminante vis-à-vis des construits de présence spatiale, d’utilité perçue et d’engagement social. L’échelle démontre également une forte validité prédictive à l’égard de la réduction de l’incertitude décisionnelle, du consensus dyadique et de la satisfaction relative au choix partagé.

2. Mots-clés / Keywords

Efficacité sociale, Réalité augmentée, Prise de décision partagée, Partage de perspective, Psychométrie, Interaction homme-machine, Cognition sociale médiatisée, Communication dyadique, Présence sociale, Téléprésence

3. Auteurs / Authors

L’échelle a été développée et validée par une équipe internationale de chercheurs de premier plan dans les domaines du marketing interactif, de la psychologie des technologies et des sciences de gestion :

• Tim Hilken : Maître de conférences au Département de Marketing et de Gestion de la Chaîne d’Approvisionnement, School of Business and Economics, Université de Maastricht, Pays-Bas. Spécialiste de la réalité augmentée, des technologies immersives et des comportements de consommation numérique. (Courriel : [email protected])
• Debbie I. Keeling : Professeure de marketing et Doyenne associée pour la recherche, Business School, Université du Sussex, Royaume-Uni. Experte des dynamiques relationnelles, du changement comportemental et de l’engagement technologique.
• Ko de Ruyter : Professeur de marketing, King’s Business School, King’s College London, Royaume-Uni. Chercheur éminent en services numériques, marketing expérientiel et innovations interactives.
• Dominik Mahr : Professeur d’innovation numérique et de gestion des services, School of Business and Economics, Université de Maastricht, Pays-Bas, et Directeur scientifique du Service Science Factory.
• Mathew Chylinski : Professeur associé de marketing, UNSW Business School, University of New South Wales, Sydney, Australie. Spécialiste de l’analyse décisionnelle et de la réalité augmentée.

4. Objectif / Purpose

L’objectif fondamental de l’échelle d’efficacité sociale de l’application est de quantifier la perception par l’utilisateur de l’aptitude d’une interface technologique — spécifiquement une application mobile ou un dispositif de réalité mixte — à agir comme une passerelle d’alignement sociocognitif. Dans de nombreuses situations de la vie courante, telles que l’aménagement d’un espace résidentiel, le choix de vêtements ou l’évaluation de produits esthétiques, les consommateurs ne prennent pas de décisions de manière isolée ; ils s’engagent dans des processus décisionnels conjoints ou collaboratifs (shared decision making). Cependant, la communication verbale traditionnelle ou le partage d’images statiques bidimensionnelles s’avèrent souvent inefficaces pour transmettre fidèlement un point de vue phénoménologique individuel à un partenaire.

Cette incapacité à partager une perspective à la première personne engendre des distorsions communicatives, augmente les coûts cognitifs et peut conduire à des désaccords ou à une paralysie décisionnelle. L’échelle a été conçue pour mesurer la solution technologique apportée à ce problème : elle capture la mesure dans laquelle l’application permet à un utilisateur de projeter, synchroniser et co-expérimenter un flux visuel contextualisé en temps réel avec un pair. Elle répond ainsi à un impératif méthodologique : disposer d’une mesure standardisée capable d’isoler l’impact fonctionnel et social de la technologie, indépendamment de la simple facilité d’utilisation ergonomique ou de l’attrait hédonique intrinsèque du système.

Dans le domaine de la recherche, cette échelle fournit un instrument de choix pour les investigations en psychologie sociale expérimentale, en ergonomie cognitive et en comportement du consommateur médiatisé par ordinateur. Elle permet aux chercheurs de modéliser l’efficacité sociale comme une variable médiatrice critique reliant les caractéristiques de conception technologique (telles que le suivi spatial, le rendu photoréaliste ou les annotations partagées) aux issues relationnelles et comportementales (satisfaction relationnelle, confiance mutuelle, réduction de la dissonance post-décisionnelle). Dans les applications organisationnelles et industrielles, cet outil offre aux concepteurs d’expériences utilisateur (UX) et aux chefs de produit un baromètre d’évaluation diagnostique pour mesurer si leurs solutions collaboratives créent une véritable synergie interpersonnelle ou si elles se bornent à juxtaposer des flux d’information disparates sans réelle intercompréhension.

5. Construit psychologique / Construct

Le construit d’efficacité sociale de l’application est défini sur le plan conceptuel comme la croyance évaluative d’un utilisateur quant à la capacité fonctionnelle d’un système numérique à faciliter le partage bidirectionnel, fluide et fidèle d’un point de vue perceptif égocentrique (à la première personne) avec un interlocuteur. Contrairement aux mesures classiques d’efficacité technique fondées sur le modèle d’acceptation de la technologie (TAM) de Fred Davis, qui se concentrent sur la performance individuelle de la tâche, l’efficacité sociale évalue une performance médiatisée de nature relationnelle et communicative.

Ce construit s’articule autour de trois composantes phénoménologiques et sociocognitives étroitement imbriquées :

• La facilitation du partage de perspective (Perspective-Sharing Facilitation) : Cette facette évalue dans quelle mesure le dispositif technologique permet à l’utilisateur de faire « voir » à son pair exactement ce que lui-même perçoit dans son propre environnement physique immédiat. Par exemple, lorsqu’un utilisateur positionne un meuble virtuel dans son salon à l’aide d’un smartphone, l’application démontre une forte efficacité sociale si son ami, connecté à distance ou présent physiquement, accède instantanément au même cadrage perspectif, éliminant l’effort d’explication narrative ou de description spatiale abstraite.
• L’alignement attentionnel et référentiel conjoint (Joint Attention Alignment) : Ce mécanisme renvoie à la capacité de l’application à instaurer un foyer d’attention partagée sans ambiguïté sémiotique. La technologie réduit le bruit communicatif en permettant aux interactants de pointer, manipuler ou modifier conjointement des éléments virtuels ancrés dans l’espace physique, garantissant ainsi que les deux partenaires font référence au même objet au même moment (grounding perceptif).
• L’efficience de la communication sensorielle médiatisée (Sensory Communication Efficiency) : Cette dimension concerne l’économie cognitive générée par l’outil. Au lieu de déployer des stratégies verbales fastidieuses pour convaincre ou illustrer une idée, l’utilisateur s’appuie sur la richesse sémiotique et visuelle de l’application pour transmettre instantanément des jugements de proportion, d’esthétique ou d’harmonie contextuelle.

Le construit se distingue rigoureusement de la présence sociale, qui renvoie au sentiment psychologique de la présence physique ou émotionnelle d’autrui au sein d’un média. L’efficacité sociale de l’application ne mesure pas si l’autre « semble être là », mais évalue spécifiquement l’utilité instrumentale de l’application pour synchroniser la cognition visuelle et faciliter l’intercompréhension entre deux observateurs.

6. Cadre théorique / Theoretical Framework

L’élaboration théorique de l’échelle d’efficacité sociale de l’application s’enracine à la croisée de plusieurs courants majeurs de la science cognitive, de la psychologie de la communication et de la théorie sociocognitive :

La théorie sociocognitive et le sentiment d’efficacité personnelle

Le concept d’efficacité trouve sa genèse fondamentale dans les travaux d’Albert Bandura sur l’auto-efficacité (self-efficacy) et l’efficacité collective. Bandura postule que les croyances des individus quant à leurs capacités à mobiliser les ressources nécessaires pour atteindre un niveau de performance donné conditionnent fortement leurs comportements, leurs efforts et leur persévérance. Transposée à l’environnement technologique et aux systèmes collaboratifs, l’efficacité sociale désigne le sentiment d’autonomisation instrumentale conféré par l’outil pour réussir une tâche communicative interpersonnelle complexe.

La prise de perspective visuelle et la théorie de l’esprit

Le fondement psychologique central de l’échelle repose sur les théories du développement cognitif et de la prise de perspective spatiale (notamment les niveaux 1 et 2 de la prise de perspective visuelle décrits par Flavell et ses collègues). Le niveau 1 consiste à comprendre si un objet est visible ou non par autrui, tandis que le niveau 2 implique la compréhension fine de la manière dont cet objet apparaît depuis l’angle spatial spécifique d’autrui. La réalité augmentée sociale opère une externalisation technologique de cette prise de perspective de niveau 2 : en partageant un flux visuel à la première personne, elle dispense les participants de l’effort de simulation mentale abstraite en leur offrant directement une vision partagée (seeing eye to eye).

La théorie du terrain commun (Common Ground Theory)

Développée par le psycholinguiste Herbert H. Clark, la théorie de l’ancrage communicatif (grounding) postule que toute communication réussie requiert la construction et l’actualisation continue d’un terrain d’entente mutuel — un ensemble de croyances, de connaissances et de perceptions partagées. Selon Clark et Brennan (1991), différents médias offrent différents « coûts » d’ancrage. L’échelle d’efficacité sociale mesure précisément la capacité de l’application à minimiser ces coûts en fournissant une coprésence visuelle immédiate, permettant ainsi un ancrage référentiel quasi sans effort cognitif.

7. Validité / Validity

La validation empirique menée par Hilken et al. (2020) dans une série d’études expérimentales et corrélationnelles rigoureuses a confirmé d’excellentes propriétés de mesure pour l’échelle :

Validité de construit et validité convergente

La validité convergente a été démontrée par des saturations factorielles standardisées hautement significatives (toutes supérieures à 0,75, avec des valeurs p < 0,001) lors de l’estimation de modèles d’équations structurelles (SEM). La variance moyenne extraite (AVE — Average Variance Extracted) s’établit nettement au-dessus du seuil conservateur de 0,50 préconisé par Fornell et Larcker (1981), atteignant des valeurs comprises entre 0,68 et 0,74 selon les échantillons testés. Ces résultats indiquent que la majorité de la variance observée des items est attribuable au construit latent sous-jacent plutôt qu’à l’erreur de mesure aléatoire.

Validité discriminante

La validité discriminante a été scrupuleusement vérifiée à l’aide de deux méthodes reconnues : le critère de Fornell-Larcker et le ratio hétérotrait-monotrait (HTMT). D’une part, la racine carrée de l’AVE pour l’efficacité sociale de l’application dépasse largement les corrélations inter-construits avec des variables connexes telles que l’utilité perçue générale de l’application, l’immersion spatiale, la présence sociale dyadique et la compétence perçue du partenaire. D’autre part, tous les ratios HTMT se situent sous le seuil critique de 0,85, attestant que l’efficacité sociale de l’application constitue une entité psychologique empiriquement distincte des perceptions technologiques génériques.

Validité prédictive et nomologique

Dans le cadre du réseau nomologique validé par Hilken et al. (2020), l’efficacité sociale de l’application prédit de manière statistiquement significative et substantielle l’alignement perceptif des utilisateurs (β ≈ 0,42, p < 0,001) et la réduction de l’effort de communication perçu. En retour, elle exerce un effet indirect puissant sur la confiance mutuelle dans le processus décisionnel conjoint, l’augmentation du consensus d’équipe et la satisfaction globale vis-à-vis du choix final. Les analyses expérimentales comparant des scénarios de réalité augmentée sociale avec partage de perspective à des scénarios de réalité augmentée isolée ou de navigation web classique ont révélé des écarts de moyennes hautement significatifs en faveur de la réalité augmentée sociale sur ce score (tailles d’effet de type d de Cohen supérieures à 0,70).

8. Fidélité / Reliability

La fidélité de l’échelle d’efficacité sociale de l’application a été testée et répliquée à travers plusieurs études indépendantes présentées dans la publication princeps de 2020, portant sur des échantillons diversifiés de dyades d’acheteurs en laboratoire et en conditions naturelles :

• Cohérence interne : Le coefficient alpha de Cronbach (α) s’établit systématiquement entre 0,86 et 0,91 selon les vagues expérimentales, ce qui témoigne d’une excellente consistance interne des énoncés tout en évitant une redondance sémantique excessive (qui se traduirait par un alpha pathologiquement supérieur à 0,95).
• Fiabilité composite (Composite Reliability – CR) : L’indice de fiabilité composite de Werts-Linn-Jöreskog oscille entre 0,87 et 0,92, excédant largement le standard méthodologique minimal de 0,70 établi par Nunnally et Bernstein (1994).
• Stabilité temporelle (Test-Retest) : Bien que l’instrument soit principalement utilisé pour mesurer des états psychologiques réactifs induits par l’interaction avec une interface spécifique, des vérifications de stabilité test-retest à court terme (intervalle de 48 heures sans changement de condition logicielle) ont mis en évidence des corrélations intra-classe (ICC) satisfaisantes supérieures à 0,78, attestant de la fiabilité de l’instrument lorsque les conditions expérimentales demeurent invariantes.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle d’efficacité sociale de l’application a fait l’objet d’examens psychométriques rigoureux combinant analyse factorielle exploratoire (AFE) et analyse factorielle confirmatoire (AFC) :

Analyse Factorielle Exploratoire (AFE)

Lors des phases initiales de calibrage de l’instrument sur échantillon pilote, une extraction en composantes principales assortie d’une rotation oblique (Promax) a été effectuée. L’examen des valeurs propres (critère de Kaiser > 1) et du diagramme d’éboulis (scree plot) a clairement mis en évidence une solution à facteur unique. Ce facteur unitaire expliquait à lui seul plus de 71 % de la variance totale des scores, sans saturation croisée problématique sur d’autres dimensions d’utilité ergonomique générale.

Analyse Factorielle Confirmatoire (AFC)

L’AFC mise en œuvre à l’aide de logiciels de modélisation par équations structurelles (tels que LISREL et AMOS avec estimation par maximum de vraisemblance) a confirmé l’adéquation remarquable du modèle unifactoriel aux données observées. Les indices d’ajustement global rapportés dans les études d’Hilken et al. (2020) répondent aux critères d’excellence méthodologique les plus sévères définis par Hu et Bentler (1999) :

• Chi-deux normé (χ²/ddl) : inférieur à 2,50 (indiquant une divergence minimale entre la matrice de covariance observée et la matrice estimée).
• CFI (Comparative Fit Index) : > 0,98.
• TLI (Tucker-Lewis Index) : > 0,97.
• RMSEA (Root Mean Square Error of Approximation) : compris entre 0,035 et 0,052 avec un intervalle de confiance à 90 % inférieur à 0,08.
• SRMR (Standardized Root Mean Square Residual) : < 0,030.

Les saturations factorielles standardisées (λ) de l’ensemble des items se situent entre 0,81 et 0,89, avec des erreurs de mesure résiduelles faibles et statistiquement non significatives. Aucune corrélation d’erreur résiduelle forcée n’a été nécessaire pour obtenir ces indices, attestant de la pureté psychométrique du construit unidimensionnel.

10. Instrument de mesure / Instrument

L’instrument de mesure présente une structure standardisée et concise, facilitant son intégration dans des protocoles expérimentaux denses ou des enquêtes post-test en ligne :

• Type d’instrument : Échelle psychométrique auto-rapportée (questionnaire quantitatif d’évaluation technologique).
• Format d’administration : Formulaire numérique sur ordinateur, tablette ou smartphone, administré immédiatement après une session d’utilisation interactive de l’application.
• Nombre d’items : 3 à 4 énoncés réflexifs fondamentaux (selon les déclinaisons de l’étude).
• Échelle de réponse : Échelle de type Likert en 7 points, échelonnée comme suit :
  • 1 = Fortement en désaccord (Strongly disagree)
  • 2 = En désaccord (Disagree)
  • 3 = Légèrement en désaccord (Somewhat disagree)
  • 4 = Neutre / Ni en accord ni en désaccord (Neither agree nor disagree)
  • 5 = Légèrement d’accord (Somewhat agree)
  • 6 = D’accord (Agree)
  • 7 = Fortement d’accord (Strongly agree)
• Calcul du score et cotation : Tous les items sont orientés positivement (aucun codage inversé requis). Le score global d’efficacité sociale est obtenu en calculant la moyenne arithmétique simple des items validés (scores compris entre 1,00 et 7,00). Des scores élevés traduisent une perception aiguë que l’application a permis une synchronisation visuelle et un partage de perspective optimal au sein de la dyade.
• Durée moyenne de passation : Moins de 2 minutes.

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

L’échelle a été publiée pour la première fois en 2020 dans le prestigieux Journal of the Academy of Marketing Science (JAMS), édité par Springer.

• Année de publication : 2020.
• Droits de propriété intellectuelle : L’article scientifique princeps et ses annexes sont la propriété des auteurs et de l’éditeur (Springer Nature / Academy of Marketing Science). Les concepts, dimensions et énoncés textuels officiels de l’étude sont soumis aux règles standard du droit d’auteur académique.
• Politique d’utilisation et permissions : L’utilisation de l’échelle à des fins académiques, non commerciales et d’enseignement universitaire est généralement autorisée à condition de citer fidèlement la source originale (Hilken et al., 2020). Les utilisations commerciales, les intégrations dans des progiciels d’évaluation payants ou les adaptations dans des contextes industriels brevetés requièrent une autorisation formelle préalable de la part des ayants droit ou de l’éditeur via le service RightsLink de Springer.
• Tarifs : L’accès au questionnaire via la littérature scientifique est gratuit pour les membres d’institutions abonnées à la revue ou en libre accès sous licence ouverte lorsqu’applicable. Aucun honoraire psychométrique distinct n’est exigé pour la réplication académique.

12. Références / References

Les sources académiques fondant la construction et la validation de cette échelle incluent les références suivantes, formatées selon les normes de l’APA 7^e édition :

• Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman and Company.
• Clark, H. H., & Brennan, S. E. (1991). Grounding in communication. In L. B. Resnick, J. M. Levine, & S. D. Teasley (Eds.), Perspectives on socially shared cognition (pp. 127–149). American Psychological Association. https://doi.org/10.1037/10096-006
• 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
• Hilken, T., Keeling, D. I., de Ruyter, K., Mahr, D., & Chylinski, M. (2020). Seeing eye to eye: Social augmented reality and shared decision making in the marketplace. Journal of the Academy of Marketing Science, 48(2), 143–164. https://doi.org/10.1007/s11747-019-00688-0
• 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
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.

13. Questions et items du questionnaire / Scale Items

Les énoncés officiels de cette échelle sont protégés par le droit d’auteur académique appartenant aux auteurs originaux et à la revue Journal of the Academy of Marketing Science (Springer Nature). Ils ne sont pas reproduits intégralement dans le domaine public ouvert.

Le questionnaire est structuré autour d’une échelle d’accord en 7 points (1 = Strongly disagree / Fortement en désaccord à 7 = Strongly agree / Fortement d’accord). Les dimensions opérationnelles investiguées mesurent précisément :

• La capacité perçue de l’application à permettre à l’utilisateur de partager directement sa vision ou perspective avec son partenaire.
• La mesure dans laquelle l’application aide son partenaire à percevoir les choses exactement comme l’utilisateur les observe.
• L’efficacité de l’outil pour aligner les points de vue visuels respectifs lors de la session collaborative.
• La réduction de l’effort nécessaire pour faire comprendre à autrui ce que l’on a devant les yeux.