Intention de réachat (RI)

1. Résumé / Abstract

L’échelle d’intention de réachat (Repurchase Intention, ou RI), conceptualisée et validée par Dutta, Biswas et Grewal (2007) dans le cadre de leurs travaux sur les signaux de bas prix et leurs conséquences comportementales publiés dans le Journal of the Academy of Marketing Science, constitue un instrument psychométrique bref et rigoureux conçu pour évaluer la probabilité subjective qu’un consommateur visite à nouveau un point de vente spécifique pour y acquérir des produits relevant d’une catégorie ciblée. Composée de trois items présentés sous la forme d’échelles de type Likert ou d’échelles de probabilité subjective à 7 points, cette mesure unidimensionnelle capte les intentions d’achat futures en reliant explicitement l’évaluation du magasin à une catégorie de produits donnée, palliant ainsi le manque de spécificité contextuelle souvent reproché aux échelles d’intention de fréquentation globale.

Sur le plan psychométrique, l’échelle présente d’excellentes qualités de mesure. Sa cohérence interne est systématiquement élevée, avec un coefficient alpha de Cronbach excédant 0,90 dans les différentes expérimentations conduites par les auteurs. Les analyses factorielles confirmatoires mettent en évidence une structure strictement unidimensionnelle, caractérisée par des saturations factorielles très fortes (supérieures à 0,85) et une variance moyenne extraite (AVE) largement supérieure aux seuils conventionnels de 0,50. L’échelle démontre une validité convergente robuste, une validité discriminante attestée vis-à-vis des construits de confiance perçue, d’équité tarifaire et de valeur perçue, ainsi qu’une validité prédictive documentée du comportement effectif de fidélité et de réachat en contexte de distribution physique et en ligne.

2. Mots-clés / Keywords

Intention de réachat, comportement du consommateur, psychométrie du marketing, prise de décision, fidélité à la marque, signaux de prix, psychologie commerciale, théorie de l’action raisonnée, probabilité subjective d’achat, satisfaction client, psychologie cognitive du consommateur, modélisation par équations structurelles.

3. Auteurs / Authors

L’échelle a été développée et formalisée par un collectif de chercheurs éminents en sciences de gestion et psychologie du marketing :

• Sujay Dutta : Professeur de marketing au Mike Ilitch School of Business, Wayne State University, Détroit, Michigan, États-Unis. Ses axes de recherche portent sur la tarification psychologique, la perception des signaux promotionnels, le comportement décisionnel du consommateur et l’impact des garanties commerciales sur le traitement cognitif de l’information.
• Abhijit Biswas : Titulaire de la chaire Kmart Corporation Endowed Professorship en marketing, Lubar College of Business, University of Wisconsin–Milwaukee, Wisconsin, États-Unis. Expert reconnu des stratégies de prix, des heuristiques de jugement chez l’acheteur, de la publicité comparative et de la modélisation expérimentale des biais perceptuels.
• Dhruv Grewal : Professeur titulaire de la chaire Toyota Chair in Commerce and Electronic Business au Babson College, Massachusetts, États-Unis. Sommité internationale dans le domaine de la distribution, du pricing, de la psychologie de la valeur perçue et de l’expérience client omnicanale, auteur de multiples ouvrages et articles de référence dans les plus grandes revues internationales.

4. Objectif / Purpose

L’objectif fondamental de l’échelle d’intention de réachat (RI) est d’opérationnaliser et de quantifier avec précision la disposition conative d’un individu à réitérer son acte d’achat auprès d’une enseigne de distribution spécifique pour une catégorie définie de produits. Dans les recherches sur la consommation et le commerce de détail, mesurer l’intention comportementale plutôt que la simple attitude évaluative s’avère capital, car l’intention constitue, selon les modèles sociocognitifs classiques, le prédicteur proximal le plus direct de l’action effective.

Applications en recherche académique

Dans la sphère scientifique, l’instrument développé par Dutta et ses collaborateurs répond à un défi méthodologique récurrent : l’absence de spécification du contexte catégoriel. La plupart des échelles de fidélité mesuraient jusqu’alors l’intention globale de revisiter un magasin (par exemple, « J’ai l’intention de retourner dans ce magasin »). Or, un consommateur peut juger favorablement une enseigne pour des achats d’appoint ou d’épicerie générale tout en refusant catégoriquement d’y acquérir des produits technologiques, de l’électronique grand public ou des articles haut de gamme si la politique de prix ou l’assortiment ne lui inspirent pas confiance. En ancrant les trois items sur une catégorie précise (ex. : appareils électroniques, électroménager, textile), l’échelle neutralise ce biais de généralisation indue et autorise l’étude fine d’effets d’interaction complexes entre signaux de prix, garanties d’alignement de prix (low price guarantees) et capital-marque par rayon.

Applications managériales et sectorielles

Dans le domaine pratique de l’audit commercial et des études de marché, l’échelle offre un outil diagnostique rapide, standardisé et non invasif pour :

• Évaluer l’efficacité réelle des politiques de prix et des promesses d’alignement tarifaire sur la fidélisation de la clientèle ;
• Mesurer les retombées d’un défaut de signal de bas prix (lorsqu’un consommateur découvre que la promesse du prix le plus bas n’est pas tenue) sur la perte d’achats futurs ;
• Segmenter la base de clients selon leur propension conative à renouveler leurs transactions dans des départements de produits spécifiques ;
• Mettre en place des modèles de prédiction du taux d’attrition (churn rate) et de la valeur vie client (Customer Lifetime Value).

5. Construit psychologique / Construct

Le construit psychologique d’intention de réachat s’insère dans la composante conative de la trilogie des attitudes (composantes affective, cognitive et conative). Il ne se confond ni avec la satisfaction (évaluation affective et cognitive a posteriori de l’expérience vécue), ni avec la confiance (croyance en l’intégrité et la compétence du vendeur), ni avec la fidélité attitudinale pure. L’intention de réachat correspond à un état mental conscient représentant l’engagement décisionnel d’un consommateur à allouer des ressources financières futures à une enseigne particulière pour subvenir à un besoin d’achat identifié.

Dimensions et spécificité conative

Bien que l’instrument soit psychométriquement unidimensionnel, il intègre trois nuances fondamentales de la motivation conative à travers ses items :

• La probabilité subjective d’achalandage (Patronage Likelihood) : Elle capte l’anticipation probabiliste que l’individu formulera lors de son prochain besoin d’achat (ex. : estimer la probabilité d’aller dans ce point de vente précis).
• L’inclusion dans l’ensemble de considération (Evoked Set Consideration) : Elle mesure si le point de vente sera activé dans la mémoire de travail du consommateur comme une option viable et prioritaire lors de l’émergence du besoin catégoriel.
• La disposition au réachat catégoriel (Category-Specific Repurchase Commitment) : Elle traduit la volonté explicite de finaliser la transaction dans ce magasin pour la catégorie considérée, excluant de facto le parasitage par d’autres catégories d’achats opportunistes.

Par exemple, lorsqu’un consommateur est confronté à un défaut de garantie de prix (l’enseigne prétend avoir le prix le plus bas mais un concurrent s’avère moins cher), le construit de réachat subit une détérioration immédiate. L’échelle de Dutta et coll. capture précisément cette chute conative, montrant que l’érosion de la crédibilité du distributeur se traduit instantanément par une exclusion de l’enseigne de l’ensemble évoqué pour les achats ultérieurs de cette même famille de produits.

6. Cadre théorique / Theoretical Framework

L’élaboration et la validation de l’échelle d’intention de réachat reposent sur un croisement de paradigmes fondamentaux issus de la psychologie sociale, de la psychologie cognitive et de l’économie comportementale :

1. La théorie de l’action raisonnée et la théorie du comportement planifié

Fondée par Icek Ajzen et Martin Fishbein (1975, 1980, 1991), la théorie du comportement planifié (TCP) postule que l’intention est le déterminant le plus puissant et le prédicteur immédiat du comportement délibéré. Dans ce cadre, les attitudes envers l’acte (ex. : perceptions de prix, confiance dans le magasin), les normes subjectives et le contrôle comportemental perçu convergent pour forger l’intention d’achat. L’échelle de Dutta et coll. capture ce vecteur conatif terminal avant la matérialisation du comportement d’achat répété.

2. La théorie des signaux (Signaling Theory)

Issue des travaux d’économie de l’information de Michael Spence (1973) et transposée au marketing (Boulding & Kirmani, 1993), la théorie des signaux explique comment les consommateurs utilisent des indices extrinsèques (tels que les garanties du plus bas prix ou les mentions promotionnelles) pour inférer des attributs non observables du commerçant (comme la compétitivité réelle des prix ou son honnêteté). Lorsque le signal s’avère trompeur ou défaillant, la théorie prédit une révision cognitive négative entraînant une réévaluation à la baisse des intentions comportementales. L’échelle de réachat sert ainsi de variable dépendante ultime validant la rupture du contrat implicite de signalisation.

3. La théorie de l’intégration de l’information (Information Integration Theory)

Développée par Norman Anderson (1981), cette approche cognitive stipule que les individus combinent de multiples stimuli informationnels (prix perçu, ambiance du magasin, antécédents de service) selon des règles d’algèbre cognitive pour former une attitude globale et, in fine, orienter leurs décisions conatives. L’intention de réachat représente la résultante pondérée de ces évaluations intégrées.

7. Validité / Validity

L’évaluation des propriétés psychométriques de l’échelle par Dutta, Biswas et Grewal (2007) s’est appuyée sur plusieurs plans expérimentaux contrôlés impliquant des centaines de participants (consommateurs adultes et étudiants en gestion), fournissant des preuves méthodologiques substantielles.

Validité de contenu et de construit

La validité de contenu a été garantie par une recension exhaustive de la littérature sur la fidélité conative et par l’adaptation d’items préexistants dans la littérature en marketing relationnel (notamment Zeithaml, Berry, & Parasuraman, 1996 ; Grewal et al., 1998). Les items ciblent sans ambiguïté les composantes probabilistes et d’intention d’achat en précisant systématiquement la catégorie de référence.

Validité convergente

Dans les modèles d’équations structurelles estimés par les auteurs, la validité convergente de l’échelle est étayée par :

• Des coefficients de saturation factorielle standardisés (λ) tous supérieurs à 0,85, très significatifs sur le plan statistique (p < 0,001) ;
• Une variance moyenne extraite (AVE – Average Variance Extracted) dépassant 0,80, excédant largement le critère conventionnel de 0,50 formulé par Fornell et Larcker (1981) ;
• Une fiabilité composite (CR – Composite Reliability) supérieure à 0,92.

Validité discriminante

La validité discriminante a été examinée vis-à-vis des construits connexes : la valeur perçue du produit, l’image de prix du magasin (store price image), la confiance envers le distributeur et l’évaluation de la politique de prix. Selon le critère de Fornell-Larcker, la racine carrée de l’AVE pour l’intention de réachat s’est avérée systématiquement supérieure aux corrélations inter-construits (les corrélations n’excédant généralement pas 0,55 à 0,65), confirmant que l’échelle appréhende une dimension distincte des jugements cognitifs ou affectifs préalables.

Validité prédictive / critériée

L’échelle a démontré une sensibilité statistique exceptionnelle aux manipulations expérimentales. Les scénarios intégrant un signal de bas prix respecté ont induit des scores d’intention de réachat significativement plus élevés que les scénarios présentant une défaillance du signal (signal default), avec des tailles d’effet substantielles (η² partiel > 0,25), confirmant sa validité nomologique et prédictive.

8. Fidélité / Reliability

La fidélité de l’échelle d’intention de réachat a fait l’objet d’évaluations rigoureuses dans les différentes études menées par Dutta et al. (2007) :

• Cohérence interne : Le coefficient alpha de Cronbach (α) s’établit de manière récurrente entre 0,91 et 0,94 selon les conditions expérimentales et les échantillons testés. De telles valeurs témoignent d’une excellente homogénéité sans pour autant dénoter une redondance excessive néfaste.
• Fiabilité composite (Rhô de Jöreskog) : Le coefficient de fiabilité composite a été estimé à des niveaux compris entre 0,92 et 0,95, confirmant la robustesse du modèle de mesure dans le cadre de modélisations par équations structurelles.
• Corrélations inter-items : Les corrélations bivariées entre chacun des trois items oscillent entre 0,78 et 0,86, indiquant que les trois questions partagent une variance commune substantielle tout en apportant une perspective conative complémentaire.
• Fidélité temporelle : Bien que les protocoles originaux de Dutta et al. aient privilégié des contextes expérimentaux transversaux (cross-sectional), les études de réplication ultérieures appliquant ce format à des designs longitudinaux ont mis en évidence une stabilité test-retest adéquate (r > 0,75 sur des intervalles de 2 à 4 semaines en l’absence d’événement critique perturbateur).

9. Analyse factorielle / Factor Analysis

La structure factorielle de l’instrument a été vérifiée par le biais d’analyses factorielles exploratoires (AFE) et confirmatoires (AFC) à l’aide de logiciels de modélisation structurelle (LISREL / AMOS).

Analyse Factorielle Exploratoire (AFE)

L’analyse en composantes principales avec rotation varimax appliquée aux trois items extrait un facteur unique dominant possédant une valeur propre (eigenvalue) très nettement supérieure à 1 (typiquement > 2,55), expliquant à elle seule plus de 85 % de la variance totale des réponses. L’indice de Kaiser-Meyer-Olkin (KMO) dépasse régulièrement 0,85, et le test de sphéricité de Bartlett s’avère hautement significatif (p < 0,001), justifiant pleinement l’adéquation des données à la factorisation.

Analyse Factorielle Confirmatoire (AFC)

Le modèle unidimensionnel à trois indicateurs a été confronté aux matrices de covariance empiriques. Les indices d’ajustement globaux indiquent une adéquation parfaite aux données :

• Chi-carré (χ²) : Non significatif ou saturé (dans un modèle à un facteur et trois indicateurs, le modèle est juste identifié avec 0 degré de liberté, affichant des indices de conformité optimaux lorsqu’il est estimé conjointement au sein d’un modèle de mesure multi-construits) ;
• CFI (Comparative Fit Index) : > 0,98 ;
• TLI (Tucker-Lewis Index) : > 0,97 ;
• RMSEA (Root Mean Square Error of Approximation) : < 0,05 ;
• SRMR (Standardized Root Mean Square Residual) : < 0,03.

Toutes les saturations factorielles (λ) sont supérieures à 0,85, avec des erreurs de mesure résiduelles faibles et aucune covariance d’erreurs non spécifiée requise, attestant d’une structure interne d’une remarquable pureté psychométrique.

10. Instrument de mesure / Instrument

• Type d’instrument : Questionnaire d’auto-évaluation psychométrique conative (auto-rapporté).
• Nombre d’items : 3 items formulés sous la forme d’énoncés d’intention et de probabilité.
• Format des réponses : Échelle bipolaire de type Likert ou échelle de probabilité subjective en 7 points (graduée de 1 = « Très peu probable » / « Très faible » à 7 = « Très probable » / « Très élevée »).
• Temps de passation : Moins d’une minute (environ 30 à 45 secondes), ce qui en fait un outil parfait pour les baromètres d’enquête, les protocoles expérimentaux longs ou les questionnaires omnibus.
• Modalités de cotation :
  • Aucun item inversé ; tous les items sont codés dans le sens positif de l’intention de réachat.
  • Le score global s’obtient en calculant la moyenne arithmétique simple des 3 items (score variant de 1 à 7) ou la somme brute (score variant de 3 à 21).
  • Un score plus élevé reflète une intention conative plus forte de réachat et de fidélité à l’enseigne pour la catégorie ciblée.
• Contextualisation : L’administration nécessite d’insérer le nom du distributeur ou de la boutique ainsi que la catégorie de produits exacte testée (notés ci-après [Store] et [product category]).

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

• Année de publication originale : 2007.
• Statut des droits d’auteur : L’article fondateur est publié dans le Journal of the Academy of Marketing Science par Springer Nature au nom de l’Academy of Marketing Science.
• Frais d’utilisation : L’instrument peut être utilisé librement sans frais à des fins de recherche académique, d’enseignement et d’études universitaires non commerciales, sous réserve d’une citation bibliographique correcte de l’article princeps de Dutta, Biswas et Grewal (2007).
• Utilisation commerciale : Pour un usage intégré dans des plateformes logicielles propriétaires ou des audits commerciaux payants à grande échelle, il convient de se référer aux conditions générales de licence et aux autorisations de l’éditeur Springer Nature via la plateforme RightsLink®.

12. Références / References

Les publications fondatrices et connexes suivantes documentent l’échelle et son contexte théorique :

• 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
• Anderson, N. H. (1981). Foundations of information integration theory. Academic Press.
• Boulding, W., & Kirmani, A. (1993). A consumer-side experimental examination of signaling theory: Do consumers perceive warranties as signals of quality? Journal of Consumer Research, 20(1), 111–123. https://doi.org/10.1086/209337
• Dutta, S., Biswas, A., & Grewal, D. (2007). Low price signal default: An empirical investigation of its consequences. Journal of the Academy of Marketing Science, 35(1), 76–88. https://doi.org/10.1007/s11747-006-0002-6
• 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
• Grewal, D., Monroe, K. B., & Krishnan, R. (1998). The effects of price-comparison advertising on buyers’ perceptions of acquisition value, transaction value, and behavioral intentions. Journal of Marketing, 62(2), 46–59. https://doi.org/10.1177/002224299806200204
• Spence, M. (1973). Job market signaling. The Quarterly Journal of Economics, 87(3), 355–374. https://doi.org/10.2307/1882010
• Zeithaml, V. A., Berry, L. L., & Parasuraman, A. (1996). The behavioral consequences of service quality. Journal of Marketing, 60(2), 31–46. https://doi.org/10.1177/002224299606000203

13. Questions et items du questionnaire / Scale Items

Les énoncés originaux présentés aux participants dans l’étude expérimentale de Dutta, Biswas et Grewal (2007) sont formulés en anglais. Lors de l’administration du test, l’expérimentateur remplace les mentions entre crochets par le nom de l’enseigne évaluée ([Store]) et la catégorie de produits concernée ([product category]).