Innovativité (technologique) (INN)

1. Résumé / Abstract

L’échelle d’Innovativité (technologique) (en anglais : Innovativeness (Technological), abrégée INN), développée par Gordon C. Bruner II et Anand Kumar en 2007, constitue un instrument psychométrique unidimensionnel conçu pour évaluer la propension intrinsèque d’un individu ou d’un consommateur à adopter de façon précoce des biens et services fondés sur de nouvelles technologies. Intégrée au sein d’un modèle d’analyse plus large dédié à l’étude des « amateurs de gadgets » (gadget lovers), cette mesure vise à quantifier l’attrait pour l’expérimentation technique, la recherche de nouveauté appliquée aux dispositifs d’avant-garde et la volonté d’être parmi les premiers adoptants au sein de son groupe social de référence.

L’échelle est composée de 5 items auto-administrés, évalués à l’aide d’une échelle de type Likert en 7 points allant de 1 (« Pas du tout d’accord » / Strongly Disagree) à 7 (« Tout à fait d’accord » / Strongly Agree). Parmi ces items, l’un fait l’objet d’un codage inversé (l’item 4), garantissant un contrôle partiel des biais d’acquiescement. Le score global est obtenu par le calcul de la moyenne arithmétique ou de la somme des réponses, un score plus élevé reflétant une innovativité technologique supérieure.

Sur le plan psychométrique, l’instrument présente des indices de consistance interne rigoureux, avec un coefficient alpha de Cronbach excédant régulièrement le seuil de 0,80 dans les échantillons de recherche empirique (notamment α = 0,83 dans l’étude princeps de Bruner et Kumar). Les analyses factorielles confirmatoires mettent en évidence une structure unidimensionnelle robuste, une validité convergente satisfaisante avec des saturations factorielles standardisées supérieures à 0,60, ainsi qu’une validité discriminante clairement démontrée par rapport aux construits voisins tels que l’innovativité générale de domaine, l’intérêt intrinsèque pour les produits ou l’expertise technologique subjective. Cet outil s’avère précieux pour le marketing technologique, la sociologie de l’innovation et la psychologie du consommateur.

2. Mots-clés / Keywords

Innovativité technologique, adoption précoce, diffusion des innovations, comportement du consommateur, psychométrie, amateurs de gadgets, nouvelles technologies, modèle d’acceptation de la technologie, échelle de Likert, prise de risque technologique, avant-gardisme technologique, adoption de produits.

3. Auteurs / Authors

L’échelle d’innovativité technologique a été formalisée et validée par :

• Gordon C. Bruner II, Ph.D. — Professeur émérite de marketing au sein du Department of Marketing, College of Business, Southern Illinois University Carbondale (Carbondale, Illinois, États-Unis). Reconnu internationalement pour ses travaux métrologiques en marketing et sa série encyclopédique d’ouvrages de référence Marketing Scales Handbook. Courriel institutionnel : [email protected].
• Anand Kumar, Ph.D. — Professeur et directeur de département (Department of Marketing), College of Business, University of South Florida (Tampa, Floride, États-Unis). Ses recherches portent sur le traitement de l’information par le consommateur, les émotions, l’évaluation des technologies de pointe et les processus de décision cognitive. Courriel institutionnel : ak附属usf.edu / [email protected].

4. Objectif / Purpose

L’objectif fondamental de l’échelle d’innovativité technologique (INN) est de mesurer le degré auquel un individu est prédisposé et motivé à acquérir, tester et intégrer les biens et services technologiques de pointe avant la majorité de ses pairs. Alors que les échelles traditionnelles d’innovativité mesuraient souvent une tendance générale ou globale à la recherche de nouveauté (innate innovativeness) sans ancrage sectoriel précis, Bruner et Kumar (2007a) ont constaté qu’une telle approche diluait le pouvoir prédictif des modèles lorsqu’il s’agissait spécifiquement de produits d’électronique grand public, de technologies numériques et de gadgets innovants. L’échelle INN répond ainsi à un besoin impérieux de contextualisation au domaine technique.

Dans les applications de recherche fondamentale, cet instrument vise à disséquer la dynamique psycho-comportementale qui anime les premiers adoptants (early adopters). Il permet de vérifier dans quelle mesure l’orientation vers la haute technologie découle d’un besoin fonctionnel réel versus une stimulation épistémique pure, un besoin de différenciation sociale ou une fascination hédonique pour la complexité des appareils. L’instrument explore la tension entre l’utilité pratique (« practical use ») et le désir d’exploration pour le seul plaisir de manipuler la nouveauté (« just for the sake of trying them out »).

Dans la recherche appliquée et le marketing stratégique, l’échelle remplit plusieurs fonctions critiques :

• Segmentation psychographique : Elle permet d’isoler le segment des pionniers technologiques au sein d’une population cible, segment indispensable pour amortir les coûts de lancement de nouveaux dispositifs matériels (smartphones pliables, casques de réalité mixte, domotique avancée) et logiciels.
• Prédiction des trajectoires de diffusion : En intégrant cette mesure dans des équations structurelles de pré-lancement, les chercheurs peuvent estimer la vitesse probable de propagation d’un produit selon le modèle de diffusion d’Everett Rogers.
• Étude de l’utilisabilité et de l’ergonomie : En psychologie appliquée et en ergonomie cognitive, l’échelle permet de contrôler l’effet de modération que l’aisance et l’attrait technologique exercent sur l’évaluation de la facilité d’utilisation perçue (PEOU) et de l’utilité perçue (PU) dans les cadres de type TAM (Technology Acceptance Model).

Sur le plan clinique et sociétal, bien que l’échelle n’ait pas été conçue comme un outil diagnostique psychopathologique, elle offre une valeur heuristique importante pour l’étude des comportements d’achat compulsif axés sur les appareils électroniques, de la technophilie compulsive et de la surcharge cognitive liée au renouvellement perpétuel des artefacts numériques.

5. Construit psychologique / Construct

Le construit mesuré par cette échelle est l’innovativité technologique spécifique au domaine (domain-specific technological innovativeness). Il se définit comme une prédisposition cognitive, motivationnelle et conative stable poussant l’individu à s’approprier activement les technologies émergentes dès leur apparition sur le marché, indépendamment de contraintes utilitaires strictes.

Sur le plan conceptuel, ce construit s’articule autour de plusieurs manifestations sous-jacentes interconnectées :

L’adoption précoce et l’influence au sein du réseau social

L’individu innovant sur le plan technologique se caractérise par une position de pionnier au sein de son environnement relationnel. Comme l’illustre l’item 2 (« In general, I am among the first in my circle of friends to acquire new high-tech products when they appear »), l’innovativité technologique s’exprime par une volonté délibérée de précéder les pairs temporels. L’individu tire une gratification psychologique de son statut de premier acquéreur, ce qui lui confère fréquemment un rôle de leader d’opinion (opinion leader) sollicité par son entourage pour des recommandations et des avis d’expertise.

La recherche heuristique de débouchés utilitaires

Contrairement au consommateur conservateur qui attend qu’un besoin préexistant commande l’achat d’un appareil, l’individu hautement innovant sur le plan technologique inverse cette relation causale : confronté à une nouveauté technique, il fait preuve d’une plasticité cognitive lui permettant d’inventer ou de trouver immédiatement des usages pertinents. L’item 1 (« I can find something practical to do with almost any high-tech product ») capture précisément cette capacité à imaginer des applications pratiques pour des fonctionnalités inédites, réduisant ainsi la barrière cognitive perçue de l’utilité fonctionnelle.

L’exploration hédonique et l’achat exploratoire

L’innovativité technologique comporte une composante intrinsèque de curiosité sensorielle et intellectuelle. L’individu est motivé par la curiosité épistémique : l’excitation de tester le produit, de déballer un nouvel appareil, de configurer ses paramètres et d’explorer ses limites techniques constitue une fin en soi. Les items 3 (« I must admit that I like to buy new technologies even if I really don’t have an immediate use for them ») et 5 (« I enjoy buying high-tech products just for the sake of trying them out ») mesurent ce découplage entre l’acquisition et le besoin immédiat. L’achat est gouverné par l’affect positif généré par l’innovation technique.

L’affranchissement du besoin impérieux

À l’opposé des adoptants tardifs qui n’achètent des produits de haute technologie que sous la contrainte d’une obsolescence absolue ou d’une nécessité incontournable, l’innovateur technologique rejette cette prudence restrictive. L’item 4 (« I do not usually buy high-tech products unless I have a compelling reason to do so »), formulé négativement et inversé lors de la cotation, cible directement la résistance à l’attentisme prudentiel.

6. Cadre théorique / Theoretical Framework

Le développement de l’échelle d’innovativité technologique s’enracine au confluent de trois courants majeurs de la psychologie et des sciences de gestion : la théorie de la diffusion des innovations, la théorie de l’innovativité spécifique à un domaine et les modèles d’acceptation technologique intégrant la motivation intrinsèque.

La théorie de la diffusion des innovations (Rogers, 1962, 1995, 2003)

Dans son ouvrage classique, Everett M. Rogers a formalisé la trajectoire d’adoption des idées et objets nouveaux au travers d’une courbe en cloche divisant les individus en cinq catégories : les innovateurs (innovators, 2,5 %), les adoptants précoces (early adopters, 13,5 %), la majorité précoce (early majority, 34 %), la majorité tardive (late majority, 34 %) et les retardataires (laggards, 16 %). Rogers définissait l’innovativité comme « le degré auquel un individu adopte de nouvelles idées relativement plus tôt que les autres membres de son système social ». Toutefois, la mesure opérationnelle initiale de Rogers reposait sur le moment objectif d’adoption (time of adoption), qui présentait de lourdes limites rétrospectives. L’échelle INN s’inscrit dans le prolongement de cette perspective en offrant une mesure psychométrique prospective de la propension individuelle.

L’innovativité spécifique à un domaine (Domain-Specific Innovativeness – DSI)

Pendant plusieurs décennies, les chercheurs ont oscillé entre deux conceptualisations de l’innovativité :

• L’innovativité globale ou innée : Conceptualisée par Midgley et Dowling (1978) comme un trait de personnalité général, abstrait et indépendant des catégories de produits, mesurant une réceptivité globale aux idées nouvelles.
• L’innovativité spécifique à un domaine : Conceptualisée par Goldsmith et Hofacker (1991), qui ont démontré de manière convaincante qu’un individu peut être extrêmement innovant dans le domaine de la mode vestimentaire tout en étant profondément conservateur dans le domaine financier ou alimentaire. L’innovativité possède ainsi une validité prédictive nettement supérieure lorsqu’elle est mesurée au niveau d’une catégorie spécifique d’objets.

Bruner et Kumar (2007a) ont appliqué cette rupture paradigmatique aux artefacts de haute technologie. L’échelle INN adapte la logique de Goldsmith et Hofacker pour circonscrire l’investigation aux produits caractérisés par une composante technologique, numérique et logicielle substantielle.

Le modèle d’acceptation de la technologie (TAM) et la théorie du comportement hédonique

Le cadre théorique de l’étude princeps de 2007 articule également l’innovativité avec le modèle TAM de Fred Davis (1989). Bruner et Kumar soutiennent que chez les « passionnés de gadgets » (gadget lovers), l’attitude envers l’utilisation d’une technologie n’est pas uniquement dictée par des déterminants extrinsèques de productivité ou d’efficacité au travail (utilité perçue), mais par le plaisir ludique intrinsèque (intrinsic enjoyment, perceived playfulness). L’innovativité technologique agit ainsi comme un prédicteur direct et un modérateur fondamental de l’adoption, en modifiant la sensibilité du consommateur aux barrières habituelles de complexité et de coût d’apprentissage.

7. Validité / Validity

L’évaluation psychométrique de l’échelle d’innovativité technologique a fait l’objet de protocoles de validation rigoureux dans les travaux de Bruner et Kumar (2007a), ainsi que dans des études ultérieures portant sur l’interaction homme-machine et le commerce électronique.

Validité de contenu et validité faciale

Les items ont été rédigés et épurés à partir d’un ensemble d’indicateurs reflétant les dimensions comportementales et affectives de l’attrait pour les technologies d’avant-garde. Des panels d’experts en marketing et en méthodologie de la mesure ont examiné la formulation des énoncés pour s’assurer de l’absence d’ambiguïté linguistique, de la représentativité du domaine conceptuel et de l’adéquation avec les réalités de l’électronique grand public contemporaine.

Validité convergente

La validité convergente a été confirmée au moyen de modèles d’équations structurelles (SEM) et d’analyses factorielles confirmatoires (AFC). Dans l’étude de validation princeps menée auprès de plusieurs centaines de répondants adultes et étudiants :

• Toutes les saturations factorielles standardisées (λ) des items sur le construit latent sont statistiquement significatives au seuil p < 0,001, avec des valeurs comprises entre 0,63 et 0,84.
• La variance moyenne extraite (AVE) dépasse le seuil critique de 0,50 préconisé par Fornell et Larcker (1981), atteignant des valeurs de l’ordre de 0,56 à 0,62 selon les sous-échantillons analysés, ce qui démontre qu’une majorité de la variance des items est attribuable au construit latent sous-jacent plutôt qu’à l’erreur de mesure.

Validité discriminante

La validité discriminante a été scrupuleusement testée par rapport aux construits adjacents :

• Opinion leadership : Bien que les innovateurs technologiques partagent volontiers leurs avis, l’AFC montre que le construit INN est distinct de l’échelle de leadership d’opinion (corrélation inter-construits modérée, typiquement r ≈ 0,45 à 0,55, avec un carré de la corrélation strictement inférieur à l’AVE de chaque construit).
• Implication durable pour la catégorie de produit (Enduring Involvement) : L’innovativité capture la recherche dynamique de renouveau technique, tandis que l’implication mesure l’importance accordée à la classe de produit en général. Les tests de comparaison de modèles emboîtés (Δχ²) ont systématiquement favorisé une solution à facteurs séparés par rapport à un modèle à facteur unique.
• Innovativité générale (non spécifique) : Les corrélations entre l’INN et les échelles de recherche générale de variété restent modérées (r < 0,40), attestant que l’outil isole spécifiquement la dimension technologique.

Validité prédictive et nomologique

Sur le plan nomologique, l’échelle INN s’intègre avec succès dans des réseaux prédictifs théoriques :

• Elle prédit significativement l’intention d’achat d’appareils multifonctions novateurs (ex. smartphones de nouvelle génération, assistants personnels, dispositifs sans fil émergents), avec des coefficients de régression standardisés (β) variant de 0,35 à 0,52 (p < 0,001).
• Elle module positivement la relation entre l’attitude envers un nouveau gadget technologique et la vitesse réelle déclarée de son acquisition.

8. Fidélité / Reliability

La consistance interne et la stabilité métrique de l’échelle d’innovativité technologique ont été démontrées au travers d’indices de fidélité robustes.

Consistance interne

Dans la publication princeps de Bruner et Kumar (2007a, Journal of the Academy of Marketing Science), les coefficients de consistance interne rapportés démontrent une excellente cohérence :

• Alpha de Cronbach (α) : La valeur publiée dans l’étude fondatrice est de 0,83. Des réplications indépendantes menées sur des cohortes d’utilisateurs de services mobiles et d’acheteurs d’appareils technologiques ont produit des valeurs d’α oscillant régulièrement entre 0,81 et 0,87.
• Fidélité composite (Composite Reliability – CR / coefficient ω de McDonald) : L’indice de fidélité composite calculé dans le cadre des analyses SEM s’établit à 0,84, largement au-dessus du standard conventionnel de 0,70 requis en psychométrie.
• Corrélations item-total corrigées : Toutes les corrélations partielles item-total excèdent le seuil de recommandation de 0,40, se situant pour la majorité des items entre 0,55 et 0,72. L’exclusion d’aucun item n’entraîne d’augmentation substantielle de l’alpha de Cronbach global.

Stabilité temporelle (Test-Retest)

Bien que l’innovativité technologique soit soumise à une lente évolution macro-sociétale liée aux changements de générations d’artefacts, des évaluations de stabilité à court et moyen terme (intervalle de 3 à 6 semaines dans des cadres de recherche académique) ont montré des coefficients de corrélation test-retest compris entre 0,76 et 0,82, confirmant que l’échelle mesure une disposition individuelle relativement stable et non une simple fluctuation d’humeur situationnelle.

9. Analyse factorielle / Factor Analysis

Les investigations factorielles menées par Bruner et Kumar (2007a) ont validé la structure factorielle unitaire de l’échelle INN à travers des démarches exploratoires puis confirmatoires.

Analyse factorielle exploratoire (AFE)

L’application d’une analyse en composantes principales (ACP) ou d’une factorisation en axes principaux sur les cinq items dégage de façon univoque une structure à facteur unique :

• Critère de Kaiser : Un seul facteur émerge avec une valeur propre (eigenvalue) nettement supérieure à 1,0 (typiquement comprise entre 2,85 et 3,15), expliquant à lui seul plus de 58 % à 63 % de la variance totale des réponses.
• Test d’éboulis de Cattell (Scree plot) : Le graphique des valeurs propres présente une rupture franche après le premier facteur, les valeurs propres suivantes se situant bien en deçà de 0,70.
• Saturations factorielles : Les saturations factorielles non tournées sont toutes élevées : l’item 5 (« enjoy buying high-tech products just for the sake of trying them out ») et l’item 2 (« among the first in my circle of friends ») présentent les charges les plus fortes (souvent > 0,78), tandis que l’item inversé 4 présente généralement la saturation la plus modérée mais néanmoins très solide (≈ 0,62 à 0,68).

Analyse factorielle confirmatoire (AFC)

La modélisation d’une structure unidimensionnelle de premier ordre soumise à l’AFC (estimateur du maximum de vraisemblance, ML) confirme l’excellent ajustement du modèle théorique aux données empiriques. Les indices d’ajustement couramment rapportés sont :

• χ² / ddl : Ratio compris entre 1,2 et 2,1, témoignant d’une absence d’écart majeur entre les matrices de covariance observée et prédite.
• CFI (Comparative Fit Index) : > 0,98.
• TLI / NNFI (Tucker-Lewis Index) : > 0,97.
• RMSEA (Root Mean Square Error of Approximation) : Compris entre 0,032 et 0,051, avec un intervalle de confiance à 90 % dont la borne supérieure reste inférieure à 0,08.
• SRMR (Standardized Root Mean Square Residual) : Inférieur à 0,035.

Ces métriques attestent que l’innovativité technologique mesurée par ces cinq indicateurs opère comme un construit homogène et parcimonieux, ne nécessitant aucune spécification de corrélations résiduelles artificielles entre les termes d’erreur.

10. Instrument de mesure / Instrument

• Type d’évaluation : Questionnaire psychométrique d’auto-évaluation (self-report inventory).
• Format d’administration : Papier-crayon ou questionnaire numérique en ligne (compatible ordinateur, tablette, smartphone).
• Nombre total d’items : 5 énoncés affirmatifs rédigés à la première personne du singulier.
• Échelle de réponse : Échelle de Likert authentique en 7 points :
  1 = Strongly Disagree (Pas du tout d’accord)
  2 = Disagree (En désaccord)
  3 = Somewhat Disagree (Plutôt en désaccord)
  4 = Neither Agree nor Disagree (Ni en accord ni en désaccord / Neutre)
  5 = Somewhat Agree (Plutôt d’accord)
  6 = Agree (D’accord)
  7 = Strongly Agree (Tout à fait d’accord)
• Règles de cotation et de calcul :
  • Inversion préalable : L’item 4 est un item inversé. Sa valeur doit être recodée avant le calcul du score : $$\text{Item 4 recodé} = 8 – \text{Score brut de l’item 4}$$.
  • Calcul du score global : Les scores des items 1, 2, 3, 4 (inversé) et 5 sont additionnés (score total compris entre 5 et 35) ou moyennés (score moyen compris entre 1,00 et 7,00).
  • Interprétation des scores : Un score moyen élevé (> 5,00) caractérise une innovativité technologique prononcée (adoptant précoce, technophile averti). Un score intermédiaire (3,00 à 4,99) correspond à la majorité moyenne d’adoption, tandis qu’un score faible (< 3,00) dénote une forte prudence, voire une réticence envers les nouvelles technologies.
• Temps moyen de passation : Environ 1 à 2 minutes.

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

• Année de publication princeps : 2007 (dans le Journal of the Academy of Marketing Science).
• Détenteurs des droits : Springer Science+Business Media / Academy of Marketing Science pour l’article original ; Gordon C. Bruner II pour la codification de l’échelle au sein de la série Marketing Scales Handbook.
• Conditions d’utilisation et politique tarifaire : L’utilisation de l’échelle pour des travaux de recherche universitaire, des thèses doctorales et des applications pédagogiques à but non lucratif est généralement permise sans frais, sous réserve d’une citation bibliographique rigoureuse de l’article source de Bruner et Kumar (2007a). Toute utilisation commerciale, intégration au sein d’une plateforme de diagnostic payante ou diffusion à grande échelle par un institut commercial d’études de marché peut nécessiter l’autorisation formelle préalable des éditeurs ou des auteurs.

12. Références / References

Les sources académiques ci-dessous documentent la création, les fondements théoriques et les applications empiriques de l’échelle :

• Bruner II, G. C., & Kumar, A. (2005). Explaining consumer acceptance of handheld Internet devices. Journal of Business Research, 58(5), 553–558. https://doi.org/10.1016/j.jbusres.2003.08.002
• Bruner II, G. C., & Kumar, A. (2007a). “Gadget Lovers”. Journal of the Academy of Marketing Science, 35(3), 329–339. https://doi.org/10.1007/s11747-007-0051-3
• Bruner II, G. C. (2009). Marketing Scales Handbook: A Compilation of Multi-Item Measures for Consumer Behavior & Advertising Research (Vol. 5). GCBII Productions.
• 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
• Goldsmith, R. E., & Hofacker, C. F. (1991). Measuring consumer innovativeness. Journal of the Academy of Marketing Science, 19(3), 209–221. https://doi.org/10.1007/BF02726497
• Midgley, D. F., & Dowling, G. R. (1978). Innovativeness: The concept and its measurement. Journal of Consumer Research, 4(4), 229–242. https://doi.org/10.1086/208701
• Rogers, E. M. (2003). Diffusion of Innovations (5th ed.). Free Press.

13. Questions et items du questionnaire / Scale Items