Intelligence du produit (Capacité à coopérer) (PI)

1. Résumé / Abstract

L’échelle d’« Intelligence du produit (Capacité à coopérer) » (Product Intelligence – Ability to Cooperate, sous-dimension de l’inventaire multidimensionnel Product Intelligence [PI]) a été développée et validée par Serge A. Rijsdijk, Erik Jan Hultink et Adamantios Diamantopoulos en 2007. Cet instrument psychométrique évalue la perception qu’ont les consommateurs ou les utilisateurs finaux de l’aptitude d’un système, d’un appareil intelligent ou d’un dispositif connecté à communiquer, interagir et coordonner ses actions avec d’autres technologies dans le but d’accomplir une tâche commune ou d’atteindre un objectif partagé.

Composée de quatre items auto-rapportés mesurés via une échelle de type Likert à 7 points (allant de « Fortement en désaccord » à « Fortement d’accord »), cette échelle s’inscrit au carrefour du marketing technologique, de la psychologie cognitive, de l’ergonomie des interfaces et de l’interaction humain-machine (IHM). Au sein du modèle global de l’intelligence des produits proposé par Rijsdijk et collaborateurs — qui regroupe également l’autonomie, la capacité d’apprentissage, la réactivité, l’interaction de type humain et la personnalité —, la dimension de coopération opérationnalise la notion d’interopérabilité perçue et de synergie réticulaire.

Les propriétés psychométriques établies lors de la validation initiale démontrent une consistance interne robuste (α de Cronbach = 0,84 ; fiabilité composite = 0,85) ainsi qu’une validité convergente et discriminante étayée par des analyses factorielles confirmatoires (AFC). L’outil constitue un étalon méthodologique pour quantifier comment l’interconnexion perçue d’un produit influence la satisfaction, l’utilité perçue, la facilité d’utilisation et les intentions d’adoption dans des écosystèmes contemporains tels que la domotique, les véhicules autonomes et l’Internet des objets (IoT).

2. Mots-clés / Keywords

Intelligence du produit, capacité à coopérer, interopérabilité perçue, Internet des objets, psychométrie, ergonomie cognitive, satisfaction du consommateur, systèmes multi-agents, adoption technologique, interaction homme-machine.

3. Auteurs / Authors

L’échelle a été conçue et formalisée par une équipe de chercheurs de premier plan spécialisés en gestion de l’innovation, comportement du consommateur et méthodologie quantitative :

• Serge A. Rijsdijk : Professeur associé au département Technology and Operations Management à la Rotterdam School of Management (RSM), Université Erasmus de Rotterdam, Pays-Bas. Ses travaux portent sur le management de l’innovation, le développement de nouveaux produits technologiques et la conception de produits intelligents. Courriel institutionnel : [email protected].
• Erik Jan Hultink : Professeur émérite en lancement de nouveaux produits au département Design, Organization and Strategy de la Faculté d’ingénierie du design industriel, Université de technologie de Delft (TU Delft), Pays-Bas. Spécialiste internationalement reconnu du lancement de produits et de la stratégie d’innovation. Courriel institutionnel : [email protected].
• Adamantios Diamantopoulos : Professeur titulaire de la chaire de marketing international à la Faculté des affaires, d’économie et de statistique de l’Université de Vienne, Autriche. Membre distingué de l’European Marketing Academy (EMAC) et expert de référence mondiale en méthodologie de mesure, modélisation par équations structurelles et construction d’échelles psychométriques. Courriel institutionnel : [email protected].

4. Objectif / Purpose

L’objectif fondamental de l’échelle d’Ability to Cooperate est de mesurer de manière standardisée et fiable le degré selon lequel un individu attribue à un objet technique la faculté d’échanger des flux informationnels, de synchroniser ses opérations et de collaborer harmonieusement avec d’autres dispositifs au sein d’un environnement technique partagé. L’avènement des produits communicants a profondément redéfini l’expérience utilisateur : un équipement contemporain (thermostat connecté, enceinte intelligente, montre biométrique, véhicule autonome) n’est plus évalué isolément selon ses seules performances intrinsèques, mais également en fonction de sa capacité d’intégration systémique.

Dans les contextes de recherche académique en sciences de gestion et en psychologie ergonomique, l’instrument permet d’explorer les mécanismes cognitifs sous-tendant le modèle d’acceptation de la technologie (TAM). Lorsque les utilisateurs perçoivent qu’un produit coopère efficacement avec leur smartphone, leur éclairage connecté ou leur réseau domotique, leur perception d’utilité globale augmente, tandis que l’effort mental nécessaire pour synchroniser manuellement les tâches s’amenuise drastiquement. L’outil sert ainsi à modéliser la formation de la satisfaction post-achat, la fidélité à la marque et la propension à recommander une solution connectée.

Sur le plan appliqué et industriel, cette échelle fournit aux ingénieurs concepteurs, aux ergonomes et aux directeurs marketing un diagnostic quantitatif précis lors des phases de prototypage, de tests d’utilisabilité et de benchmarking concurrentiel. Une note déficitaire sur la dimension de coopération indique souvent des frictions d’interopérabilité perçue, des protocoles de communication jugés opaques ou une rupture perçue dans la continuité servicielle de l’écosystème. Enfin, dans les recherches explorant l’assistance technologique pour populations vulnérables (par exemple, les dispositifs de téléassistance ou de maintien à domicile pour personnes âgées), l’échelle permet d’évaluer dans quelle mesure l’automatisation coopérative rassure l’usager sans générer d’anxiété technologique.

5. Construit psychologique / Construct

Le concept d’intelligence du produit (Product Intelligence) conceptualisé par Rijsdijk, Hultink et Diamantopoulos (2007) repose sur une transposition anthropomorphique et systémique des théories de l’intelligence à l’univers des objets manufacturés complexes. Au sein de ce cadre multidimensionnel, la sous-dimension Capacité à coopérer (Ability to Cooperate) capture une facette sociale et collective de l’intelligence artificielle incarnée dans les objets.

Ce construit ne se réduit pas à une métrique technique de bande passante ou de connectivité matérielle (Wi-Fi, Bluetooth, Zigbee) ; il évalue plutôt la représentation psychologique que se forge l’utilisateur quant à la finalité collaborative de l’artefact. Il repose sur plusieurs éléments structurants :

• La communication inter-dispositifs (Inter-device Communication) : La capacité perçue de l’objet à initier, recevoir et décoder des signaux provenant d’autres unités technologiques sans intervention humaine directe continue. Par exemple, une montre connectée capable de transmettre des données physiologiques à un équipement médical ou un tapis de course.
• La poursuite d’objectifs conjoints (Common Goal Alignment) : L’aptitude attribuée au produit à coordonner ses actions avec des dispositifs tiers afin d’accomplir un but que chaque appareil ne pourrait atteindre de manière optimale de façon isolée. C’est l’essence même de la synergie fonctionnelle (ex. : les volets roulants coopérant avec les capteurs thermiques et la climatisation pour réguler l’énergie du domicile).
• L’action conjointe et la complémentarité (Joint Action & Complementarity) : Le sentiment que l’appareil s’efface dans une chorégraphie technologique harmonieuse, où les compétences fonctionnelles de chaque machine s’additionnent sans conflit ni redondance contre-productive.

Contrairement à l’autonomie (qui reflète la capacité d’un appareil à fonctionner de façon indépendante sans guidage humain) ou à la réactivité (qui évalue sa promptitude à répondre aux stimuli environnementaux), la capacité à coopérer met l’accent sur l’extériorité relationnelle du produit. Un produit peut être hautement autonome mais incapable de coopérer (ex. : un aspirateur robot opérant en boucle fermée sans aucune passerelle de communication), ou inversement, modérément autonome mais hautement coopératif (ex. : une prise connectée esclave d’un système domotique global). Le construit mesure donc spécifiquement l’ouverture sociotechnique du produit vis-à-vis de ses pairs machiniques.

6. Cadre théorique / Theoretical Framework

Le développement de l’échelle d’Ability to Cooperate puise ses fondements conceptuels à la croisée de plusieurs courants théoriques majeurs :

La théorie des systèmes multi-agents et de l’intelligence distribuée

En intelligence artificielle et en sciences cognitives, la théorie de la cognition distribuée (initiée par des auteurs comme Edwin Hutchins) postule que la cognition n’est pas confinée à l’esprit d’un individu unique, mais s’étend à travers les interactions entre artefacts matériels, symboles et agents sociaux. Rijsdijk et al. appliquent ce paradigme aux biens de consommation durables en mobilisant les principes des systèmes multi-agents (SMA), formalisés notamment par Wooldridge et Jennings (1995). Dans cette perspective, un agent intelligent se caractérise par trois propriétés canoniques : l’autonomie, la réactivité et la proactivité sociale (coopération). Transposé au comportement du consommateur, un produit intelligent n’est plus un outil passif mais un agent socio-technique inséré dans un maillage réticulaire.

Le paradigme CASA (Computers Are Social Actors) et l’anthropomorphisme

Le paradigme développé par Reeves et Nass (1996) à l’Université de Stanford démontre que les humains tendent involontairement et spontanément à appliquer des règles sociales, des stéréotypes et des attentes relationnelles aux ordinateurs et aux technologies interactives. La notion de « coopération » — traditionnellement réservée aux interactions interindividuelles — est ici projetée sur les machines. L’utilisateur évalue la capacité des dispositifs à « s’entendre », à « faire équipe » et à « collaborer », témoignant d’une propension anthropomorphique à concevoir les objets techniques comme des membres coopératifs d’un écosystème domestique ou professionnel.

Le Modèle d’Acceptation de la Technologie (TAM) et la théorie de la diffusion des innovations

Dans la lignée des modèles de Davis (1989) et de la théorie de la diffusion des innovations d’Everett Rogers (2003), la compatibilité et la communicabilité constituent des déterminants cruciaux de l’adoption. La coopération technologique perçue constitue une extension directe de la compatibilité perçue : un produit perçu comme capable d’interagir harmonieusement avec le parc d’équipements préexistant d’un consommateur réduit les coûts de transition (switching costs) perçus et amplifie l’utilité perçue du système global.

7. Validité / Validity

La validité psychométrique de l’échelle d’aptitude à coopérer a fait l’objet d’un examen empirique rigoureux dans l’article séminal de Rijsdijk, Hultink et Diamantopoulos (2007) via une collecte de données multivariée auprès de consommateurs réels évaluant un ensemble diversifié de produits de haute et moyenne technologie (ex. : téléphones mobiles sophistiqués, climatiseurs intelligents, appareils photographiques numériques, lave-vaisselle programmables).

Validité de contenu et validité faciale

Les items ont initialement été générés à partir d’une revue systématique de la littérature en informatique, robotique, ergonomie et théorie des organisations. Ils ont été soumis à un panel d’experts en marketing et en ingénierie de conception pour épuration et élimination des ambiguïtés sémantiques. Cette phase qualitative a permis de garantir que le libellé des items capture précisément l’essence de la collaboration orientée vers un but partagé, sans se limiter à une connectivité brute passive.

Validité convergente

L’évaluation par modélisation par équations structurelles (SEM) a corroboré la validité convergente de la sous-dimension :

• Les saturations factorielles standardisées (λ) de chacun des quatre items sur le facteur latent de coopération sont toutes supérieures au seuil conventionnel de 0,70 (variant entre 0,73 et 0,83), statistiquement significatives à p < 0,001.
• La variance moyenne extraite (AVE) excède le seuil recommandé de 0,50 (AVE = 0,59), confirmant qu’une majorité substantielle de la variance des items découle du construit théorique sous-jacent plutôt que de l’erreur de mesure.

Validité discriminante

La validité discriminante vis-à-vis des cinq autres dimensions de l’intelligence du produit (autonomie, capacité d’apprentissage, réactivité, interaction humaine, personnalité) a été rigoureusement confirmée par le critère de Fornell et Larcker (1981). Pour la dimension de coopération, la racine carrée de l’AVE (√AVE ≈ 0,77) s’est révélée systématiquement supérieure à toutes les corrélations inter-construits (les corrélations factorielles s’échelonnant généralement entre 0,31 et 0,58). De surcroît, des tests de différence de khi-deux (Δχ²) entre modèles non contraints et modèles où la corrélation entre construits est fixée à 1,0 ont tous rejeté l’unidimensionnalité à p < 0,001.

Validité prédictive et nomologique

L’intégration du construit dans des équations structurelles prédisant l’utilité perçue, la facilité d’utilisation et la satisfaction des consommateurs a démontré une forte validité nomologique. La capacité perçue à coopérer s’est avérée un prédicteur direct et significatif de l’utilité perçue globale du produit (β ≈ 0,24, p < 0,01) et, indirectement, de la satisfaction globale du consommateur.

8. Fidélité / Reliability

La fidélité de l’échelle d’Ability to Cooperate a été vérifiée à l’aide de plusieurs indicateurs statistiques lors des études de validation de Rijsdijk et al. (2007) :

• Consistance interne (α de Cronbach) : Le coefficient d’alpha de Cronbach obtenu pour la sous-échelle à 4 items est de 0,84, ce qui dépasse largement le standard méthodologique de 0,70 recommandé par Nunnally (1978) pour la recherche fondamentale et se situe au-delà du seuil rigoureux de 0,80 préconisé pour les instruments d’évaluation appliquée.
• Fiabilité composite (Composite Reliability – CR / ρ de Jöreskog) : L’indice de fiabilité composite calculé dans le cadre de l’analyse factorielle confirmatoire atteint 0,85, confirmant l’homogénéité et la robustesse des indicateurs manifestes.
• Corrélations item-total corrigées : Les corrélations entre chaque item individuel et le score total de l’échelle (excluant l’item analysé) oscillent entre 0,63 et 0,72, attestant qu’aucun item n’introduit de variance résiduelle erratique ou parasite.

Dans des études de réplication ultérieures explorant les appareils électroménagers intelligents et les assistants vocaux (ex. : Rijsdijk & Hultink, 2009 ; Park & Lee, 2014), les valeurs de consistance interne sont restées remarquablement stables, oscillant systématiquement entre 0,81 et 0,88.

9. Analyse factorielle / Factor Analysis

Le développement de l’échelle globale de Product Intelligence a suivi un protocole analytique en deux étapes majeures : une analyse factorielle exploratoire (AFE) suivie d’une analyse factorielle confirmatoire (AFC).

Analyse factorielle exploratoire (AFE)

Au cours de la phase de réduction des items, une analyse en composantes principales avec rotation oblique (Promax) a été menée. Les critères d’extraction (valeur propre > 1,0 et inspection du graphique des éboulis de Cattell) ont clairement isolé la dimension « Capacité à coopérer » comme un facteur distinct. Les quatre items constitutifs saturaient de façon prédominante sur leur axe théorique (saturations primaires > 0,75), sans présenter de saturations croisées (cross-loadings) indésirables supérieures à 0,25 sur les autres dimensions de l’intelligence du produit.

Analyse factorielle confirmatoire (AFC)

L’AFC conduite sur un échantillon indépendant à l’aide du logiciel LISREL a testé un modèle de mesure multifactoriel du premier ordre. Les résultats ont confirmé l’adéquation optimale du modèle théorique aux données :

• Khi-deux normé (χ²/ddl) : inférieur à 2,5, indiquant une distorsion minimale entre les matrices de covariance observée et prédite.
• Indices d’ajustement comparatif : L’indice de comparaison de Bentler (CFI) s’établit à 0,96, et l’indice de Tucker-Lewis (TLI/NNFI) à 0,95, largement au-dessus de la ligne directrice de 0,90.
• Indices d’erreur résiduelle : La racine de l’erreur quadratique moyenne d’approximation (RMSEA) ressort à 0,052 (avec un intervalle de confiance à 90 % compris entre 0,041 et 0,063), et le résidu quadratique moyen standardisé (SRMR) est de 0,043.

Le tableau factoriel standardisé pour les quatre items de la dimension de coopération se présente comme suit :

• Item 1 (Communication avec d’autres dispositifs) : λ = 0,81 (erreur θ = 0,34)
• Item 2 (Travail en réseau pour atteindre un but) : λ = 0,83 (erreur θ = 0,31)
• Item 3 (Partage d’informations avec d’autres appareils) : λ = 0,76 (erreur θ = 0,42)
• Item 4 (Capacité à coopérer pour résoudre des tâches) : λ = 0,73 (erreur θ = 0,47)

10. Instrument de mesure / Instrument

L’instrument se caractérise par une administration simple, directe et standardisée :

• Type de test : Échelle psychométrique auto-rapportée d’évaluation technologique et perceptive.
• Format : Questionnaire papier-crayon ou numérique (en ligne, laboratoire d’utilisabilité, application mobile).
• Nombre d’items : 4 items ciblés.
• Échelle de réponse : Échelle de Likert en 7 points :
  1 = Fortement en désaccord (Strongly disagree)
  2 = En désaccord (Disagree)
  3 = Légèrement en désaccord (Slightly disagree)
  4 = Neutre / Ni en accord ni en désaccord (Neither agree nor disagree)
  5 = Légèrement d’accord (Slightly agree)
  6 = D’accord (Agree)
  7 = Fortement d’accord (Strongly agree)
• Durée de passation : Moins de 2 minutes pour la sous-échelle isolée (environ 5 à 8 minutes pour l’ensemble complet des dimensions de l’inventaire Product Intelligence).
• Cotation et calcul des scores :
  Tous les items sont formulés dans le sens direct (aucun codage inversé nécessaire). Le score total de la dimension est obtenu soit par la moyenne arithmétique des quatre items (score variant de 1 à 7), soit par leur somme cumulée (score brut variant de 4 à 28). Des scores plus élevés traduisent une perception plus marquée de l’intelligence collaborative et coopérative de l’appareil.
• Interprétation des scores :
  • Score moyen de 1,00 à 2,99 : Coopération perçue très faible ou inexistante. Le produit est perçu comme un silo technologique fermé, non communicant.
  • Score moyen de 3,00 à 4,99 : Coopération perçue modérée ou basique. L’objet échange des données de manière limitée ou occasionnelle.
  • Score moyen de 5,00 à 7,00 : Coopération perçue élevée à excellente. Le dispositif est pleinement intégré à l’écosystème numérique de l’usager, formant des synergies avancées avec les autres appareils.

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

• Année de publication initiale : 2007.
• Publication princeps : Journal of the Academy of Marketing Science (JAMS), Volume 35, Numéro 3, pages 340-356.
• Détenteur des droits et copyright : Les droits éditoriaux de l’article original sont détenus par l’Academy of Marketing Science / Springer Science+Business Media.
• Conditions d’utilisation et permissions : Les items de l’échelle peuvent être utilisés gratuitement à des fins de recherche universitaire non commerciale, d’enseignement académique ou de thèses de doctorat, sous réserve d’une citation bibliographique formelle et rigoureuse de l’article de Rijsdijk, Hultink et Diamantopoulos (2007). Pour toute exploitation commerciale, intégration dans des plateformes logicielles propriétaires à but lucratif ou études de marché rétribuées, une autorisation préalable doit être sollicitée auprès des détenteurs de droits ou via le service des permissions de Springer Nature (Copyright Clearance Center).
• Tarifs : Gratuit pour l’usage scientifique et académique ouvert.

12. Références / References

Les publications fondatrices et études scientifiques associées à la conceptualisation et à la validation de cette mesure comprennent :

• 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
• Hutchins, E. (1995). Cognition in the wild. MIT Press. https://mitpress.mit.edu/9780262581462/cognition-in-the-wild/
• Nunnally, J. C. (1978). Psychometric theory (2nd ed.). McGraw-Hill.
• Park, C., & Lee, D. G. (2014). Exploring the impact of smart home service characteristics on adoption intentions. Computers in Human Behavior, 39, 134-142. https://doi.org/10.1016/j.chb.2014.07.011
• Reeves, B., & Nass, C. (1996). The media equation: How people treat computers, television, and new media like real people and places. Cambridge University Press.
• Rijsdijk, S. A., & Hultink, E. J. (2009). How today’s consumers perceive tomorrow’s smart products. Journal of Product Innovation Management, 26(1), 24-42. https://doi.org/10.1111/j.1540-5885.2009.00332.x
• Rijsdijk, S. A., Hultink, E. J., & Diamantopoulos, A. (2007). Product intelligence: Its conceptualization, measurement and impact on consumer satisfaction. Journal of the Academy of Marketing Science, 35(3), 340-356. https://doi.org/10.1007/s11747-007-0040-6
• Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.
• Wooldridge, M., & Jennings, N. R. (1995). Intelligent agents: Theory and practice. The Knowledge Engineering Review, 10(2), 115-152. https://doi.org/10.1017/S0269888900008122

13. Questions et items du questionnaire / Scale Items

Consigne de passation : Pour chacune des affirmations ci-dessous, veuillez indiquer votre degré d’accord en entourant le chiffre correspondant sur l’échelle de 1 (Fortement en désaccord) à 7 (Fortement d’accord), en pensant au produit évalué.