Fiabilité (REL)

1. Résumé / Abstract

L’échelle de Fiabilité (Reliability, abrégée en REL), développée initialement par la professeure Pratibha A. Dabholkar en 1996 au sein de son étude séminale publiée dans l’International Journal of Research in Marketing, constitue un instrument psychométrique concis et ciblé conçu pour quantifier l’évaluation cognitive par le consommateur de la capacité d’une technologie en libre-service (Self-Service Technology ou SST) à exécuter sa fonction prévue de manière rigoureuse, précise et exempte d’erreurs. Dans un contexte organisationnel et marchand marqué par l’automatisation croissante des interfaces de service (bornes de commande tactiles, guichets automatiques, systèmes transactionnels en libre-service), la confiance de l’utilisateur dans l’exactitude opérationnelle du système représente un déterminant pivot de l’évaluation globale de la qualité de service et des intentions comportementales d’adoption.

L’instrument se compose de 3 items mesurés à l’aide d’une échelle de type Likert en 7 points, s’étendant de 1 (« Pas du tout d’accord » / Strongly Disagree) à 7 (« Tout à fait d’accord » / Strongly Agree). L’échelle est unidimensionnelle : elle capte la dimension de fiabilité perçue (perceived reliability), définie comme la certitude subjective que le dispositif technique réalisera la commande ou la tâche conformément aux spécifications voulues sans dysfonctionnement logique ni inexactitude. L’item 3 est formulé de manière négative et fait l’objet d’un codage inversé (reverse scoring) afin de contrer le biais d’acquiescement chez les répondants.

Sur le plan des propriétés psychométriques, l’échelle REL démontre une consistance interne robuste, attestée par un coefficient alpha de Cronbach égal ou supérieur à 0,80 dans les travaux d’origine de Dabholkar (1996), ainsi qu’une fiabilité composite (CR) et une variance moyenne extraite (AVE) répondant rigoureusement aux critères méthodologiques de Fornell et Larcker. Les analyses factorielles confirmatoires menées par modélisation d’équations structurelles (SEM) confirment sa validité discriminante vis-à-vis des dimensions de rapidité de livraison, de facilité d’utilisation, de plaisir perçu et de contrôle, attestant ainsi de son utilité théorique et empirique majeure en psychologie du consommateur et en gestion des technologies de l’information.

2. Mots-clés / Keywords

Fiabilité perçue, Qualité de service, Technologies en libre-service, Psychométrie, Pratibha Dabholkar, Écran tactile, Précision transactionnelle, Modélisation d’équations structurelles, Comportement du consommateur, Échelle de Likert.

3. Auteurs / Authors

L’échelle REL a été conçue et validée sur le plan psychométrique par la chercheuse :

• Pratibha A. Dabholkar, Ph.D. : Professeure émérite de marketing au Département de Marketing du Haslam College of Business, University of Tennessee, Knoxville, Tennessee, États-Unis. Ses travaux pionniers portent sur la modélisation de la qualité de service, l’évaluation des interactions humain-technologie en contexte commercial, ainsi que sur l’impact des technologies en libre-service sur les réponses cognitives et affectives des clients. Adresse de contact institutionnelle : Haslam College of Business, University of Tennessee, 916 Volunteer Blvd, Knoxville, TN 37996, USA.

4. Objectif / Purpose

L’objectif fondamental de l’échelle de Fiabilité (REL) développée par Dabholkar (1996) est de mesurer de manière standardisée et parcimonieuse la croyance cognitive d’un individu quant au degré d’exactitude, de constance et de dépendabilité technique offert par une interface informatisée lors d’un processus de commande ou de transaction. À l’époque de la parution de cette recherche, les organisations du secteur des services (notamment la restauration rapide, la billetterie et le secteur bancaire) commençaient à substituer les employés de première ligne par des écrans tactiles interactifs et des systèmes informatiques autonomes. Dès lors, il devenait impératif pour les chercheurs et les gestionnaires de comprendre comment les usagers évaluent la compétence instrumentale intrinsèque d’une machine dépourvue de contact humain.

Dans la littérature sur la qualité de service, la « fiabilité » (reliability) a traditionnellement été consacrée par Parasuraman, Zeithaml et Berry (1988) dans le modèle SERVQUAL comme la capacité à fournir le service promis de façon exacte et digne de confiance. Toutefois, la conceptualisation du SERVQUAL reposait fondamentalement sur une relation dyadique interpersonnelle entre un employé et un client. Dabholkar a constaté que l’application directe des échelles conventionnelles aux options en libre-service (SST) nécessitait une reformulation opérationnelle drastique : la fiabilité ne devait plus être appréhendée à travers la courtoisie ou les engagements verbaux d’un agent humain, mais à travers la précision algorithmique de l’interface et l’absence d’erreurs d’encodage lors de la transaction.

Sur le plan des applications pratiques et de la recherche empirique, l’échelle REL sert plusieurs finalités déterminantes :

• Modélisation théorique de la qualité des technologies en libre-service : L’échelle permet de tester les mécanismes médiateurs et modérateurs reliant les caractéristiques du système à la satisfaction globale du consommateur, à la valeur perçue et à l’intention de réutilisation des dispositifs technologiques.
• Diagnostic ergonomique et conception d’interfaces : Dans le cadre de l’ingénierie des facteurs humains (ergonomie cognitive), les concepteurs de systèmes interactifs utilisent cet instrument pour évaluer si les modifications apportées à l’architecture de l’information (feedback visuel, confirmation des sélections) augmentent le sentiment d’exactitude ressenti par les usagers.
• Analyse du risque perçu et réduction des incertitudes : L’incapacité d’une interface à rassurer l’utilisateur sur la prise en compte exacte de sa commande engendre de l’anxiété transactionnelle. L’échelle REL offre un baromètre quantitatif de la réduction du risque perçu de performance.
• Évaluation comparative multi-plateformes : Elle fournit une mesure étalonnée permettant de comparer l’efficacité perçue de différents canaux de distribution numérique (bornes interactives sur site vs applications mobiles vs plateformes web traditionnelles).

La justification théorique de l’échelle repose sur le postulat cognitiviste selon lequel les individus forment des attentes rationnelles préalables concernant la performance fonctionnelle d’un outil. Lorsque l’individu perçoit que l’écran tactile enregistre rigoureusement ses choix (« get the order right ») et qu’il ne risque pas de commettre des erreurs imputables à la machine (« make a lot of mistakes »), son sentiment d’efficacité personnelle et son évaluation de la qualité globale augmentent de façon déterminante, diminuant la résistance au changement technologique.

5. Construit psychologique / Construct

Le construit mesuré par l’échelle est la Fiabilité perçue (Perceived Reliability). Dans le champ de la psychologie cognitive appliquée et du marketing des services, la fiabilité perçue représente une évaluation probabiliste subjective formulée par l’usager quant à l’absence de défaillance, d’ambiguïté ou d’erreur au cours de l’opérationnalisation d’un service médiatisé par la technologie.

Contrairement à une mesure objective de taux de panne ou de journal d’erreurs informatiques (log analysis), la fiabilité perçue est un construit strictement psychologique. Elle capture la perception humaine de la dépendabilité fonctionnelle du système. Dabholkar (1996) articule ce construit autour de trois facettes cognitives complémentaires qui structurent les trois items de l’échelle :

1. L’exactitude du résultat transactionnel (Outcome Accuracy)

Cette composante examine la croyance fondamentale que le système produira le résultat final escompté sans déformation ni omission. Elle s’incarne directement dans l’item 1 : « I would feel that using the touch screen will get the order right ». L’accent est mis sur la conformité stricte entre l’intention de l’utilisateur (les sélections formulées) et le livrable exécuté par l’organisation. Si l’usager sélectionne une série d’options personnalisées, il formule un jugement d’anticipation sur la capacité du terminal à relayer fidèlement ces commandes vers les cuisines ou les centres d’exécution. Cette facette reflète l’efficience perçue du traitement des données par le canal automatisé.

2. La dépendabilité et la consistance globale de la méthode (System Dependability)

Cette facette porte sur la solidité perçue du mécanisme de commande en tant que méthode globale de transaction, illustrée par l’item 2 : « The computerized order screen seems to be a dependable way to order ». Le concept de dépendabilité (dependability) renvoie à la constance dans le temps et à la stabilité opérationnelle. L’usager ne juge pas seulement un événement isolé, mais la robustesse du protocole interactif lui-même. Un système considéré comme dépendant est un système perçu comme mature, éprouvé et digne de la confiance instrumentale du public.

3. L’absence de propension à l’erreur (Freedom from Error / Reverse Risk)

La troisième facette évalue la perception négative du risque d’erreurs systémiques ou de dysfonctionnements imprévus, opérationnalisée par l’item inversé 3 : « The computerized order screen seems like it could make a lot of mistakes ». La présence de cet item inversé répond à des impératifs conceptuels et méthodologiques : elle saisit l’appréhension de l’usager face à la faillibilité potentielle du logiciel ou du matériel tactile (par exemple, enregistrer un double clic involontaire, ignorer une sélection ou générer une commande erronée). La fiabilité n’est pas uniquement la présence de signaux positifs d’exactitude, elle est également caractérisée par l’absence psychologique de soupçon d’incompétence machinique.

L’ensemble de ces composantes forme un construit réflexif homogène. Dans la taxonomie des dimensions de qualité de service établies pour les SST, la fiabilité perçue opère comme un pilier « de seuil » ou facteur d’hygiène : une mauvaise fiabilité perçue discrédite immédiatement l’ensemble de l’expérience, rendant inopérants les avantages de vitesse ou de design ludique.

6. Cadre théorique / Theoretical Framework

L’assise conceptuelle de l’échelle de Fiabilité s’enracine au confluent de trois grands courants théoriques de la psychologie et des sciences du comportement : la théorie cognitive des attitudes, le paradigme de la confirmation des attentes et les théories de l’adoption des technologies de l’information.

La théorie de l’action raisonnée et la structure des croyances cognitives

Sur le plan fondamental, Dabholkar (1996) mobilise la Théorie de l’Action Raisonnée (Theory of Reasoned Action – TRA) développée par Fishbein et Ajzen (1975), ainsi que son extension, la théorie du comportement planifié (Theory of Planned Behavior – TPB) d’Ajzen (1991). Dans ces cadres axiomatiques, le comportement d’adoption est guidé par l’attitude globale envers l’acte, laquelle est elle-même fonction d’une structure de croyances saillantes (salient beliefs) portant sur les conséquences de l’acte. La fiabilité perçue agit précisément comme une croyance cognitive de premier ordre : l’évaluation rationnelle de la probabilité que l’utilisation du dispositif conduise au résultat escompté sans aléa négatif. Dabholkar postule que les croyances relatives à la performance technique forment le soubassement cognitif à partir duquel se cristallisent les évaluations affectives du service.

Le modèle d’acceptation de la technologie (TAM)

L’échelle s’inscrit en dialogue direct avec le Modèle d’Acceptation de la Technologie (Technology Acceptance Model – TAM) proposé par Fred Davis (1989). Le TAM articule l’adoption technologique autour de l’utilité perçue (Perceived Usefulness) et de la facilité d’utilisation perçue (Perceived Ease of Use). Dabholkar enrichit cette perspective en démontrant que dans les technologies orientées service, l’utilité ne peut être dissociée de la fidélité de livraison. Si un dispositif est facile d’accès mais génère des erreurs de transaction, son utilité s’effondre. La fiabilité perçue constitue donc une composante explicative majeure de l’utilité fonctionnelle, reliant l’ergonomie physique de l’interface à la finalité économique de la prestation.

Le paradigme de l’évaluation cognitive et la comparaison des modèles

Au cœur de l’article de 1996 de Dabholkar réside une confrontation formelle entre deux modèles directeurs de formation des attitudes :

• Le modèle fondé sur les attributs (Attribute-based model) : Ce modèle postule que les consommateurs évaluent une nouvelle technologie en décomposant cognitivement ses attributs spécifiques (rapidité, fiabilité, facilité d’utilisation, plaisir et contrôle). Dans ce modèle, la fiabilité est une variable cognitive indépendante exerçant un impact direct sur la qualité de service perçue.
• Le modèle fondé sur les affects (Affect-based model) : Ce modèle soutient que les prédispositions affectives des individus (comme la technophilie, le besoin d’interaction humaine ou la nouveauté perçue) influencent directement l’évaluation globale sans passer obligatoirement par un calcul analytique détaillé.

Les conclusions empiriques de Dabholkar ont démontré la supériorité explicative du modèle fondé sur les attributs cognitifs dans le cadre des transactions de commande sur écran tactile, consacrant la fiabilité perçue comme un prédicteur direct, puissant et incontournable de la qualité globale de service perçue (Perceived Service Quality).

7. Validité / Validity

L’examen des propriétés de validité de l’échelle de Fiabilité (REL) a fait l’objet d’un protocole méthodologique rigoureux dans l’article de Dabholkar (1996), puis a été corroboré par de nombreuses études de réplication dans le domaine des technologies en libre-service.

Validité de contenu et validité faciale

La validité de contenu a été établie par une revue exhaustive de la littérature sur la qualité de service (modèle SERVQUAL de Parasuraman et al., 1988), complétée par des entretiens qualitatifs et des pré-tests standardisés auprès de panels de consommateurs confrontés à des scénarios de commande par écran tactile. Les items ont été formulés pour cibler sans équivoque la justesse de la commande et la dépendabilité du support, écartant tout jargon informatique susceptible de biaiser la compréhension des profanes.

Validité convergente

La validité convergente de l’échelle a été examinée au moyen de la modélisation en équations structurelles (SEM) avec estimation par le maximum de vraisemblance via le logiciel LISREL. Les trois items de l’échelle présentent des saturations factorielles standardisées (λ) statistiquement significatives (toutes supérieures à 0,70, p < 0,001) sur le facteur latent sous-jacent. La variance moyenne extraite (AVE) calculée pour ce construit dépasse largement le seuil canonique de 0,50 recommandé par Fornell et Larcker (1981), confirmant qu’une part prépondérante de la variance observée des indicateurs est imputable au construit latent plutôt qu’à l’erreur de mesure.

Validité discriminante

Pour attester que la fiabilité perçue ne se confond pas avec d’autres dimensions proches de l’expérience technologique (telles que la rapidité de livraison, la facilité d’utilisation perçue, le contrôle perçu ou le plaisir ludique), Dabholkar a procédé à des tests d’emboîtement de modèles (nested models chi-square difference tests). En fixant à 1,0 la corrélation entre le facteur Fiabilité et les autres dimensions du modèle de service, les variations de Chi-deux (ΔΧ²) se sont révélées hautement significatives (p < 0,001). Par ailleurs, le carré des coefficients de corrélation inter-construits demeure inférieur à l’AVE de la fiabilité perçue, satisfaisant pleinement au critère de Fornell et Larcker.

Validité prédictive et nomologique

La validité nomologique et prédictive de l’instrument s’exprime par sa capacité à prédire les construits avals dans le réseau théorique :

• Dabholkar (1996) a montré un coefficient de chemin (path coefficient) positif et hautement significatif entre la fiabilité perçue et l’évaluation globale de la qualité de service perçue (γ = 0,28 à 0,35 selon les sous-groupes expérimentaux, p < 0,01).
• La fiabilité perçue s’est révélée être un déterminant indirect majeur des intentions d’utilisation future de l’écran tactile, médiatisée par la qualité de service et la satisfaction globale.
• Des réplications ultérieures dans le commerce électronique et les bornes interactives aéroportuaires ont confirmé que des scores élevés à l’échelle REL réduisent significativement le risque fonctionnel perçu et favorisent la fidélité de l’usager.

8. Fidélité / Reliability

L’évaluation de la fidélité de l’échelle REL repose sur l’examen de sa consistance interne et de la stabilité de sa mesure à travers les sous-échantillons de validation.

Consistance interne

Dans l’échantillon initial de Dabholkar (1996) comprenant des usagers universitaires et des consommateurs grand public confrontés à des simulations contrôlées de commande par écran tactile dans des contextes de restauration rapide, le coefficient alpha de Cronbach (α) de l’échelle de 3 items a atteint 0,80. Ce niveau de consistance interne est remarquable pour une échelle ne comportant que trois items, dépassant largement le seuil standard de 0,70 requis en recherche fondamentale par Nunnally et Bernstein (1994).

Les métriques de fidélité complémentaire rapportées ou calculées dans la lignée de ces travaux indiquent :

• Fiabilité composite (Composite Reliability – CR) : La fiabilité composite du construit s’établit généralement entre 0,81 et 0,84, confirmant l’excellente homogénéité des items autour de la variable latente.
• Corrélations item-total corrigées : Les corrélations entre chacun des items et le score total de l’échelle (hors item analysé) sont toutes supérieures à 0,60, confirmant qu’aucun item ne dégrade la précision de la mesure globale.

Stabilité temporelle et équivalence inter-groupes

Bien que l’étude initiale n’ait pas mis en œuvre un protocole classique de test-retest longitudinal en raison de la nature transversale et expérimentale du protocole de recueil, les analyses multi-groupes réalisées par Dabholkar ont testé l’équivalence de mesure (invariance factorielle) selon le niveau de familiarité des usagers avec les ordinateurs. Les propriétés de fidélité sont demeurées stables aussi bien chez les individus familiers des interfaces informatiques que chez les novices, soulignant l’insensibilité relative de la cohérence de l’instrument aux compétences technologiques préalables des répondants.

9. Analyse factorielle / Factor Analysis

L’évaluation de la structure dimensionnelle de l’échelle REL a été réalisée selon une méthodologie rigoureuse combinant analyse factorielle exploratoire (AFE) lors de la phase préliminaire de développement, puis analyse factorielle confirmatoire (AFC) dans l’étude principale de 1996.

Structure factorielle exploratoire

Lors des phases initiales d’analyse sur matrice de corrélations de Pearson, l’extraction en composantes principales avec rotation orthogonale (Varimax) et oblique (Promax) a fait émerger sans ambiguïté un facteur unique propre à la fiabilité, doté d’une valeur propre (eigenvalue) nettement supérieure à 1,0 (critère de Kaiser), expliquant à lui seul plus de 65 % de la variance totale des trois items. L’absence d’un second facteur résiduel a validé l’hypothèse de stricte unidimensionnalité de la mesure.

Analyse factorielle confirmatoire (AFC)

L’analyse factorielle confirmatoire menée par Dabholkar (1996) au moyen de LISREL a intégré l’échelle REL au sein du modèle global de mesure englobant les autres sous-dimensions de la qualité de service (rapidité, facilité d’utilisation, contrôle perçu, plaisir). Le modèle de mesure a révélé d’excellents indices d’ajustement global aux données observées :

• Chi-deux normalisé (Χ²/df) : Le ratio Χ²/df s’est situé en deçà du seuil usuel de 2,0, indiquant un ajustement satisfaisant.
• Goodness-of-Fit Index (GFI) : Des valeurs supérieures à 0,92 ont été documentées.
• Comparative Fit Index (CFI) : L’indice comparatif d’ajustement a dépassé 0,95.
• Root Mean Square Residual (RMSR / RMSEA) : Les résidus standardisés sont demeurés en deçà du seuil critique de 0,05, attestant de l’absence de discordance significative entre la matrice de covariance observée et la matrice postulée par le modèle théorique.

Ces résultats démontrent que les trois items contribuent de façon robuste et statistiquement homogène à la capture de la dimension sous-jacente de fiabilité technique.

10. Instrument de mesure / Instrument

L’instrument de mesure présente une structure rigoureuse, standardisée et facile à implémenter :

• Type d’évaluation : Auto-questionnaire psychométrique cognitif standardisé (Self-report inventory).
• Nombre d’items : 3 items.
• Format d’administration : Papier-crayon, terminal électronique sur site, ou questionnaire administré en ligne via plateforme web/mobile.
• Durée moyenne de passation : Moins de 1 minute (environ 30 à 45 secondes), ce qui confère à l’instrument une très faible charge cognitive pour le répondant.
• Échelle de réponse (Response Scale) : Échelle de Likert en 7 points (7-point Likert scale) allant de 1 = « Pas du tout d’accord » (Strongly Disagree) à 7 = « Tout à fait d’accord » (Strongly Agree). Les ancres complètes s’organisent généralement comme suit : 1 = Strongly Disagree, 2 = Disagree, 3 = Somewhat Disagree, 4 = Neither Agree nor Disagree, 5 = Somewhat Agree, 6 = Agree, 7 = Strongly Agree.
• Règles de calcul et cotation (Scoring) :
  • Inversion de l’item 3 : L’item 3 étant formulé négativement (« The computerized order screen seems like it could make a lot of mistakes »), son score doit obligatoirement être inversé avant tout traitement statistique selon la formule mathématique : Score inversé = 8 − Score brut (par exemple, un score brut de 1 devient 7, 2 devient 6, etc.).
  • Calcul du score global : Conformément aux spécifications de l’auteure, les scores des 3 items (après inversion de l’item 3) sont soit moyennés pour former un indice moyen de fiabilité variant de 1 à 7, soit sommés pour former un score total variant de 3 à 21 points.
  • Interprétation : Un score élevé reflète une perception très favorable de la dépendabilité et de l’exactitude du système en libre-service, tandis qu’un score faible dénote une suspicion d’incompétence et un risque élevé d’erreurs transactionnelles.

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

L’échelle de Fiabilité (REL) a été introduite dans la littérature académique lors de l’année 1996 par la publication officielle de Pratibha A. Dabholkar dans l’International Journal of Research in Marketing (Volume 13, Numéro 1, pages 29-51).

Concernant les droits d’usage et les conditions financières :

• Tarifs / Coût : L’accès et l’utilisation de l’instrument sont entièrement gratuits à des fins de recherche scientifique universitaire, d’enseignement ou d’évaluation institutionnelle non commerciale.
• Conditions de citation et de reproduction : Les chercheurs souhaitant employer l’échelle sont tenus de citer explicitement la publication séminale de Dabholkar (1996) selon les normes académiques internationales (style APA).
• Utilisation commerciale : L’utilisation dans un cadre d’exploitation commerciale exclusive, de commercialisation de progiciels d’audit ou de conseil privé peut requérir l’accord formel des détenteurs des droits de propriété intellectuelle et de l’éditeur scientifique d’origine (Elsevier / European Marketing Academy).

12. Références / References

Les publications scientifiques suivantes constituent les références théoriques et empiriques directes relatives au développement, à la validation et à la diffusion de l’échelle de Fiabilité :

• 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
• Dabholkar, P. A. (1996). Consumer evaluations of new technology-based self-service options: An investigation of alternative models of service quality. International Journal of Research in Marketing, 13(1), 29-51. https://doi.org/10.1016/0167-8116(95)00027-5
• 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
• Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley.
• 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
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A multiple-item scale for measuring consumer perceptions of service quality. Journal of Retailing, 64(1), 12-40.

13. Questions et items du questionnaire / Scale Items