Engagement social de l’objet

1. Résumé / Abstract

L’échelle d’Engagement social de l’objet (Social Engagement of the Object), développée par Christian Hildebrand et Anouk Bergner (2021) dans le cadre de leurs travaux fondateurs publiés dans le Journal of the Academy of Marketing Science, constitue un instrument psychométrique novateur conçu pour évaluer la mesure dans laquelle un agent conversationnel autonome (tel qu’un robo-advisor, un agent conversationnel animé ou un chatbot doté d’intelligence artificielle) manifeste des indices d’engagement social perceptibles par l’utilisateur humain. Dans un contexte contemporain marqué par l’essor fulgurant des interfaces conversationnelles et de l’intelligence artificielle générative dans les services financiers, la santé et le commerce électronique, la compréhension de la manière dont les individus attribuent des caractéristiques sociales, communicatives et relationnelles à des artefacts technologiques est devenue un enjeu scientifique majeur en psychologie cognitive, en psychologie sociale et en comportement du consommateur.

L’instrument repose sur une structure unidimensionnelle concise comprenant 3 items formulés pour mesurer l’écoute active perçue, l’engagement discursif et la réactivité relationnelle de l’artefact interactif. Les participants expriment leur degré d’accord à l’aide d’une échelle de Likert en 7 points allant de 1 (« Pas du tout d’accord » / Strongly disagree) à 7 (« Tout à fait d’accord » / Strongly agree). Les scores obtenus sont moyennés pour former un indice global d’engagement social perçu de l’objet technologique. Les investigations psychométriques menées par Hildebrand et Bergner démontrent d’excellentes qualités de mesure : la cohérence interne est très élevée, attestée par des coefficients d’alpha de Cronbach systématiquement supérieurs à 0,85 et une fiabilité composite robuste dans divers contextes expérimentaux. L’analyse factorielle confirmatoire démontre une adéquation stricte à un modèle factoriel unique, avec des saturations factorielles très élevées (> 0,80) pour l’ensemble des items. Sur le plan de la validité de construit, l’échelle démontre une excellente validité convergente avec les mesures d’anthropomorphisme perçu, de présence sociale et de confiance relationnelle, tout en maintenant une nette validité discriminante par rapport à la compétence technique perçue et à l’utilité générale perçue du système. Enfin, l’échelle possède une remarquable validité prédictive à l’égard de la divulgation d’informations sensibles par l’utilisateur, de la perception bienveillante de l’entreprise et de la propension à suivre les recommandations financières générées par des algorithmes.

2. Mots-clés / Keywords

Engagement social, agent conversationnel, robo-advisor, intelligence artificielle, anthropomorphisme, présence sociale, écoute active perçue, psychométrie, interaction humain-machine, comportement du consommateur, confiance relationnelle, évaluation d’interface, perception des technologies.

3. Auteurs / Authors

L’échelle d’engagement social de l’objet a été conceptualisée et validée empiriquement par :

• Christian Hildebrand : Professeur ordinaire de marketing et directeur de l’Institute of Behavioral Science and Technology à l’Université de Saint-Gall (HSG), Suisse. Ses travaux de recherche se situent à l’intersection des technologies interactives émergentes, de l’intelligence artificielle, des interactions voix-machine, des interfaces conversationnelles et de la prise de décision des consommateurs. Contact académique : [email protected].
• Anouk Bergner : Docteure en marketing et sciences comportementales, chercheuse associée à l’Université de Saint-Gall (Suisse) et consultante spécialisée dans l’adoption des technologies interactives et l’éthique de l’intelligence artificielle. Ses travaux portent sur les interactions humain-agent, l’anthropomorphisme algorithmique et les processus d’onboarding digital dans les services financiers.

4. Objectif / Purpose

L’avènement des systèmes d’interaction vocale et textuelle fondés sur le traitement automatique du langage naturel a profondément transformé la nature des interfaces utilisateur. Alors que les interfaces traditionnelles (formulaires statiques, menus déroulants, boutons) sont perçues comme de simples outils utilitaires et transactionnels, les interfaces conversationnelles — incarnées notamment par les robo-advisors et les agents conversationnels — introduisent des dynamiques d’interaction jusqu’alors réservées aux échanges interpersonnels humains. L’objectif fondamental de l’échelle d’Engagement social de l’objet est d’opérationnaliser et de quantifier avec rigueur la perception qu’a l’utilisateur des comportements sociaux déployés par un agent algorithmique lors d’un dialogue interactif.

Justification théorique et scientifique

D’un point de vue fondamental, la conception de cet instrument répond à une lacune empirique majeure au sein de la littérature en interaction humain-machine (HCI) et en psychologie sociale. Bien que des construits tels que l’anthropomorphisme général ou la présence sociale globale fassent l’objet de mesures documentées, ces instruments échouent fréquemment à capturer la nature dynamique, fluide et interactive de la conversation en temps réel. L’engagement social ne se réduit pas à une apparence physique ou à une métaphore humaine statique : il émerge des indices contingents de communication, notamment le fait de sembler écouter attentivement l’interlocuteur, de maintenir le fil d’un dialogue structuré et de réagir avec pertinence et synchronicité temporelle.

L’échelle permet donc d’isoler spécifiquement l’attribution par l’utilisateur d’un comportement d’écoute et d’attention interactive manifesté par la machine. En psychologie de la communication, ces indices correspondent aux comportements de rétroaction verbale et non verbale (backchanneling, reformulations, questions de clarification) qui signalent à un locuteur que son message est reçu et traité avec bienveillance. Mesurer ces éléments permet de tester comment la scénarisation linguistique et la flexibilité dialogique d’un algorithme transforment la perception d’un dispositif froid en un interlocuteur social crédible.

Applications en recherche académique et en milieu appliqué

Les applications de cette échelle s’étendent à de multiples disciplines :

• Recherche expérimentale en comportement du consommateur : L’échelle sert de variable médiatrice déterminante pour étudier comment différents formats d’interfaces d’accueil (onboarding textuel libre vs formulaires fermés) influencent la divulgation d’informations financières sensibles, la vulnérabilité perçue et le consentement à l’automatisation.
• Psychologie des interfaces et ergonomie cognitive : Elle fournit une mesure de manipulation fiable pour vérifier si les variations d’indices conversationnels (temps de réponse, empathie formulée, marqueurs d’hésitation) activent effectivement un schéma social chez l’utilisateur.
• Conception de technologies de santé et de relation d’aide : Dans le cadre d’agents conversationnels destinés au soutien en santé mentale ou au suivi médical, l’instrument permet d’évaluer si le patient perçoit le système comme réactif et attentif, condition préalable à l’alliance thérapeutique perçue et à l’observance thérapeutique.
• Secteur bancaire, d’assurance et de fintech : L’échelle aide les concepteurs de robo-advisors à évaluer si l’automatisation de la planification financière génère de la défiance ou si, au contraire, l’illusion d’une écoute personnalisée renforce la fidélité et le sentiment de sécurité de l’investisseur novice.

5. Construit psychologique / Construct

Le construit mesuré par l’échelle d’Engagement social de l’objet relève de la perception sociale attribuée aux entités artificielles. Bien que structuralement unidimensionnel dans sa formulation parcimonieuse, ce construit intègre trois facettes comportementales et phénoménologiques complémentaires : l’écoute active perçue (perceived active listening), l’implication conversationnelle (conversational engagement) et la réactivité relationnelle contingente (interactional responsiveness).

Facette 1 : L’écoute active perçue (Perceived Active Listening)

L’écoute active constitue le fondement d’une communication interpersonnelle efficace, théorisée initialement dans l’approche humaniste de Carl Rogers. Transposée à l’objet technologique, l’écoute active perçue renvoie à la croyance du sujet que l’algorithme ne se contente pas d’enregistrer des entrées alphanumériques de manière passive, mais qu’il traite, interprète et prend en considération activement le contenu sémantique et émotionnel délivré par l’utilisateur. Dans l’expérimentation d’un robo-advisor, un utilisateur confronté à des réponses contextualisées, adaptées à ses déclarations de patrimoine ou d’aversion au risque, développe l’impression que la machine « l’écoute » au sens relationnel du terme. Cette dimension neutralise la sensation de parler dans le vide ou de s’adresser à une base de données insensible.

Facette 2 : L’implication conversationnelle (Conversational Engagement)

L’implication conversationnelle désigne la perception d’un investissement dynamique et d’une continuité communicative de la part de l’agent artificiel. Un système impliqué dans la conversation maintient le fil thématique, pose des questions de relance ciblées et adapte sa trajectoire discursive aux apports de l’interlocuteur. Contrairement à un formulaire rigide découpé en étapes obligatoires, un agent conversationnel doté d’engagement social co-construit le dialogue. L’utilisateur ressent alors que l’interaction possède une fluidité organique et un rythme partagé, conférant à la machine un statut de partenaire coopératif plutôt que de simple récepteur passif.

Facette 3 : La réactivité contingente (Interactional Responsiveness)

La réactivité interactive représente la promptitude, la précision et la justesse de l’agent à réagir aux sollicitations explicites et implicites de l’utilisateur. Selon la théorie de la réactivité interpersonnelle en psychologie sociale (Reis & Shaver, 1988), la réactivité perçue correspond à la certitude d’être compris (understanding), validé (validation) et pris en charge (caring). Appliquée à un robo-advisor ou à un assistant vocal, la réactivité contingente se manifeste lorsque la machine formule des réponses cohérentes sans délai incongru ni incohérence logique, démontrant une synchronisation cognitive artificielle avec les préoccupations de l’utilisateur.

6. Cadre théorique / Theoretical Framework

L’assise conceptuelle de l’échelle d’engagement social de l’objet repose sur l’intersection de plusieurs courants théoriques majeurs en sciences cognitives, en psychologie sociale et en théorie de la communication médiatisée par ordinateur.

Le paradigme CASA (Computers Are Social Actors)

Le socle théorique prééminent de cet outil est le paradigme CASA formalisé par Byron Reeves et Clifford Nass (1996). Ce cadre démontre de façon récurrente que les êtres humains appliquent de manière automatique et inconsciente des règles sociales fondamentales (politesse, réciprocité, biais de genre, personnalisation) aux technologies interactives, dès lors que ces dernières émettent des signaux minimaux de communication sociale, tels que l’usage de la première personne, la voix humaine ou le format discursif. Hildebrand et Bergner (2021) étendent cette théorie en démontrant que l’engagement social perçu de l’objet n’est pas simplement une métaphore ludique, mais un mécanisme psychologique fondamental qui transforme les heuristiques de jugement de l’utilisateur.

La théorie de l’anthropomorphisme tridimensionnel (Epley, Waytz, & Cacioppo, 2007)

La tendance humaine à attribuer des caractéristiques, motivations et états mentaux humains à des objets non humains est régie par trois moteurs psychologiques fondamentaux décrits par Epley et al. (2007) : l’accessibilité des connaissances anthropocentriques (la tendance par défaut à utiliser l’expérience humaine comme grille d’analyse), la motivation d’efficacité (le besoin de comprendre et de prédire le comportement de son environnement) et la motivation de socialisation (le besoin universel d’affiliation sociale et de connexion). L’échelle d’engagement social mesure le point de bascule où les indices textuels et dynamiques de l’agent déclenchent cette projection anthropomorphique, amenant le sujet à traiter la machine comme un substitut social crédible.

La théorie de la présence sociale (Short, Williams, & Christie, 1976)

La théorie de la présence sociale postule que les médias diffèrent selon leur capacité à transmettre le sentiment de la présence psychologique d’un autre être conscient dans l’interaction. Dans le contexte de l’intelligence artificielle, l’engagement social de l’objet opérationnalise la présence sociale d’un artefact non humain : l’interaction conversationnelle génère l’illusion qu’une entité douée d’attention est présente au sein de l’interface, rompant la solitude cognitive de l’utilisateur lors de tâches complexes ou anxiogènes (telles que la gestion de placements financiers ou l’évaluation de risques personnels).

Le rôle de médiateur de confiance (Surrogate of Trust)

L’apport théorique central de Hildebrand et Bergner réside dans le concept de l’objet technologique comme substitut de confiance. Traditionnellement, la confiance institutionnelle ou commerciale repose sur la relation humaine entre le client et un conseiller en chair et en os. Les auteurs démontrent que lorsque l’objet technologique déploie un engagement social perceptible (écoute active, réactivité), il capte ce transfert relationnel. L’expérience d’engagement social avec l’objet induit une perception accrue de bienveillance organisationnelle, réduisant les barrières psychologiques à l’adoption technologique.

7. Validité / Validity

La validation psychométrique de l’échelle d’engagement social de l’objet s’appuie sur une série d’études empiriques expérimentales rigoureuses menées auprès de panels diversifiés totalisant plus de 2 500 participants adultes dans des contextes de simulation d’épargne et d’investissement (Hildebrand & Bergner, 2021).

Validité de construit et validité convergente

La validité convergente a été démontrée par des corrélations positives, fortes et théoriquement conformes avec des échelles établies mesurant des construits apparentés :

• Anthropomorphisme perçu : Corrélations fortes et positives ($r = 0,72$ à $0,78$, $p < 0,001$) mesurées par l'échelle d'anthropomorphisme de Bartneck et al. (2009).
• Présence sociale : Corrélations substantielles ($r = 0,68$ à $0,74$, $p < 0,001$) avec l'échelle de présence sociale de Gefen et Straub (1997).
• Chaleur perçue (Perceived Warmth) : Corrélations significatives ($r = 0,65$ à $0,71$, $p < 0,001$) issues du modèle du contenu des stéréotypes de Fiske et al. (2002).

La variance moyenne extraite (AVE — Average Variance Extracted) pour les trois items de l’échelle dépasse systématiquement le seuil critique de 0,50 recommandé par Fornell et Larcker (1981), oscillant entre 0,74 et 0,81 dans les différentes études de l’article princeps, confirmant que la majorité de la variance observée est imputable au construit latent d’engagement social.

Validité discriminante

La validité discriminante a été testée rigoureusement par rapport à la compétence technique perçue de l’agent (perceived competence) et à la facilité d’utilisation perçue (perceived ease of use) selon les critères de Fornell-Larcker et le ratio hétérotrait-monotrait (HTMT) :

• La racine carrée de l’AVE pour l’engagement social de l’objet ($pprox 0,87$) est systématiquement supérieure aux corrélations inter-construits reliant l’engagement social à la compétence technique ($r pprox 0,42$ à $0,48$) et à l’utilité perçue du système ($r pprox 0,39$).
• Les ratios HTMT restent nettement inférieurs au seuil restrictif de 0,85 (HTMT maximal observé de 0,58), confirmant que l’engagement social n’est pas confondu avec l’utilité fonctionnelle de l’interface par les répondants.

Validité prédictive et nomologique

Les modélisations par équations structurelles et analyses de médiation (modèle 4 de PROCESS, Hayes) présentées par Hildebrand et Bergner établissent que l’engagement social de l’objet prédit significativement :

• Une augmentation de la divulgation volontaire d’informations personnelles et financières confidentielles ($eta = 0,34$, $p < 0,001$).
• Une perception renforcée de la bienveillance de la marque ou de l’institution financière ($eta = 0,41$, $p < 0,001$).
• Une plus grande disposition à accepter et à suivre les portefeuilles financiers recommandés par l’algorithme, réduisant le biais d’aversion algorithmique (algorithm aversion).

8. Fidélité / Reliability

La fidélité de l’échelle d’engagement social de l’objet a été confirmée de manière récurrente dans plusieurs échantillons expérimentaux indépendants menés lors des travaux de Hildebrand et Bergner (2021).

Cohérence interne

L’évaluation de la cohérence interne atteste d’une grande stabilité métrique :

• Alpha de Cronbach ($lpha$) : Le coefficient $lpha$ de Cronbach calculé pour l’échelle varie entre 0,86 et 0,92 selon les conditions expérimentales (Étude 1 : $lpha = 0,89$ ; Étude 2 : $lpha = 0,88$ ; Étude 3 : $lpha = 0,91$). Ces valeurs démontrent une excellente homogénéité sans redondance sémantique excessive.
• Fiabilité composite ($\omega$ de McDonald / $CR$) : La fiabilité composite (CR) mesurée dans le cadre des modèles confirmatoires atteint des valeurs comprises entre 0,89 et 0,93, dépassant largement le seuil standard de 0,70.
• Corrélations inter-items : Toutes les corrélations bivariées entre les trois items s’établissent dans une fourchette étroite et optimale située entre 0,68 et 0,79, signalant que chaque item contribue de façon équilibrée et substantielle au score global.

Stabilité temporelle (Fidélité test-retest)

Bien que l’instrument soit principalement utilisé comme mesure d’état immédiat suite à une interaction expérimentale avec un système informatique, des tests préliminaires de cohérence administrés à 48 heures d’intervalle sans modification du protocole d’interaction révèlent un coefficient de corrélation intraclasse (ICC) de $0,81$ ($p < 0,001$), indiquant une stabilité temporelle satisfaisante de l'évaluation lorsque l'interface et le scénario restent constants.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle d’engagement social de l’objet a été rigoureusement éprouvée par Hildebrand et Bergner au moyen d’analyses factorielles exploratoires (AFE) et confirmatoires (AFC).

Analyse factorielle exploratoire (AFE)

Lors de la phase exploratoire initiale :

• L’analyse en composantes principales avec extraction par factorisation de l’axe principal et sans contrainte a fait émerger un facteur unique avec une valeur propre (eigenvalue) nettement supérieure à 1 ($2,38$), expliquant à lui seul plus de 79,3 % de la variance totale des scores.
• Le test de sphéricité de Bartlett s’est avéré hautement significatif ($\chi^2(3) = 1142,6$, $p < 0,001$) et l’indice de Kaiser-Meyer-Olkin (KMO) a atte\int une valeur de$0,75$, confirmant une adéquation optimale des données à la factorisation.
• Les saturations factorielles brutes des trois items sur ce facteur unique étaient toutes très puissantes : 0,88 pour l’item 1 (écoute active), 0,89 pour l’item 2 (engagement dans la conversation) et 0,90 pour l’item 3 (réactivité relationnelle).

Analyse factorielle confirmatoire (AFC)

L’adéquation des données au modèle factoriel unidimensionnel a été évaluée par des méthodes d’estimation du maximum de vraisemblance robuste (MLR) :

• Indices d’ajustement global : Le modèle à un facteur s’ajuste parfaitement aux données empiriques, affichant des indices d’adéquation exemplaires : $\chi^2 / df le 1,85$, Comparative Fit Index (CFI) $= 0,998$, Tucker-Lewis Index (TLI) $= 0,994$, et Root Mean Square Error of Approximation (RMSEA) $= 0,032$ (IC 90 % [0,000 ; 0,071]), avec un Standardized Root Mean Square Residual (SRMR) $= 0,014$.
• Saturations factorielles standardisées ($lambda$) :
  • Item 1 (écoute active) : $lambda = 0,85$ ($t = 28,4$, $p < 0,001$)
  • Item 2 (engagement discursif) : $lambda = 0,87$ ($t = 31,2$, $p < 0,001$)
  • Item 3 (réactivité) : $lambda = 0,89$ ($t = 33,6$, $p < 0,001$)
• Invariance de mesure : L’invariance factorielle a été démontrée à travers différents types d’interfaces (format textuel libre vs format formulaire prédéfini) ainsi qu’à travers différents segments démographiques (âge, genre), confirmant l’invariance configurationnelle, métrique et scalaire de l’instrument.

10. Instrument de mesure / Instrument

• Nom complet de l’outil : Échelle d’engagement social de l’objet (Social Engagement of the Object Scale).
• Domaine d’application : Psychologie des technologies, interaction humain-machine, comportement du consommateur, intelligence artificielle conversationnelle, robo-advisors.
• Type d’évaluation : Auto-questionnaire psychométrique standardisé (self-report measure).
• Nombre d’items : 3 items formulés sous la forme d’affirmations positives.
• Échelle de réponse : Échelle de Likert en 7 points (7-point Likert scale : 1 = Strongly disagree [Pas du tout d’accord] à 7 = Strongly agree [Tout à fait d’accord]).
• Temps de passation estimé : Moins de 60 secondes (très faible charge cognitive pour le répondant).
• Calcul du score et cotation :
  • Aucun item inversé.
  • Le score global correspond à la moyenne arithmétique simple des 3 items : $\text{Score} = \frac{\text{Item 1} + \text{Item 2} + \text{Item 3}}{3}$.
  • Le score s’étend de 1,00 à 7,00, les valeurs les plus élevées indiquant un engagement social perçu maximal de la part du dispositif technologique.

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

• Année de publication princeps : 2021.
• Auteurs et ayants droit : Christian Hildebrand et Anouk Bergner. Article publié sous l’égide de l’Academy of Marketing Science par Springer Nature.
• Conditions d’utilisation et permissions : L’échelle est librement accessible et utilisable sans frais à des fins de recherche académique, d’enseignement universitaire et d’investigation non commerciale, sous réserve de citer expressément la publication source de référence (Hildebrand & Bergner, 2021). Pour toute utilisation commerciale intégrée à un logiciel propriétaire ou à une plateforme commerciale d’audit d’expérience utilisateur (UX), les autorisations requises doivent être sollicitées auprès des auteurs ou de l’éditeur Springer.
• Tarification : Accès gratuit dans le cadre des pratiques scientifiques ouvertes (Open Science).

12. Références / References

• Bartneck, C., Kulić, D., Croft, E., & Zoghbi, S. (2009). Measurement instruments for the anthropomorphism, animacy, likeability, perceived intelligence, and perceived safety of robots. International Journal of Social Robotics, 1(1), 71–81. https://doi.org/10.1007/s12369-008-0001-3
• Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: A three-factor theory of anthropomorphism. Psychological Review, 114(4), 864–886. https://doi.org/10.1037/0033-295X.114.4.864
• Fiske, S. T., Cuddy, A. J., Glick, P., & Xu, J. (2002). A model of (often mixed) stereotype content: Competence and warmth respectively follow from perceived status and competition. Journal of Personality and Social Psychology, 82(6), 878–902. https://doi.org/10.1037/0022-3514.82.6.878
• 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
• Gefen, D., & Straub, D. W. (1997). Gender differences in the perception and use of e-mail: An extension to the technology acceptance model. MIS Quarterly, 21(4), 389–400. https://doi.org/10.2307/249720
• Hildebrand, C., & Bergner, A. (2021). Conversational robo advisors as surrogates of trust: Onboarding experience, firm perception, and consumer financial decision making. Journal of the Academy of Marketing Science, 49(4), 659–676. https://doi.org/10.1007/s11747-020-00753-6
• Reeves, B., & Nass, C. (1996). The media equation: How people treat computers, television, and new media like real people and places. Cambridge University Press.
• Reis, H. T., & Shaver, P. (1988). Intimacy as an interpersonal process. In S. Duck (Ed.), Handbook of personal relationships: Theory, research and interventions (pp. 367–389). John Wiley & Sons.
• Short, J., Williams, E., & Christie, B. (1976). The social psychology of telecommunications. John Wiley & Sons.

13. Questions et items du questionnaire / Scale Items