Intentions comportementales envers le produit publicitaire (BIAP)

1. Résumé / Abstract

L’échelle des intentions comportementales envers le produit publicitaire (Behavioral Intentions Toward the Ad Product, BIAP) est un instrument psychométrique bref composé de quatre items, initialement conceptualisé par S. Shyam Sundar et Sriram Kalyanaraman en 2004, puis repris et consolidé dans la recherche en communication et en marketing numérique, notamment par Laurie Wu et Naa Amponsah Dodoo (2020). Cet instrument a été conçu pour évaluer avec précision la propension d’un consommateur à adopter une série de comportements ciblés à l’égard d’un produit ou d’un service présenté au sein d’une stimulation publicitaire. L’échelle couvre un spectre comportemental complet articulé autour de quatre facettes fondamentales du parcours décisionnel du consommateur : l’intention d’essai du produit, l’intention d’achat ferme, la recherche active d’informations complémentaires et la recommandation interpersonnelle ou le bouche-à-oreille positif (advocacy).

Administrée généralement via des échelles d’évaluation de type Likert à 7 points (allant de 1 = « Très peu probable » à 7 = « Très probable »), l’échelle BIAP présente une structure unidimensionnelle robuste tout en intégrant des nuances comportementales allant de l’appropriation individuelle à la diffusion sociale. Du point de vue psychométrique, l’instrument démontre une cohérence interne remarquable, avec des coefficients alpha de Cronbach oscillant systématiquement entre 0,85 et 0,93 selon les contextes expérimentaux. La validité convergente et la validité prédictive de l’instrument sont solidement attestées dans la littérature scientifique, reliant de manière empirique l’éveil physiologique (arousal), le traitement cognitif des stimuli interactifs et la formation d’impressions à des prédispositions conatives concrètes. En combinant brièveté, clarté conceptuelle et efficience statistique, la BIAP constitue un outil de choix pour les chercheurs en psychologie du consommateur, en ergonomie des interfaces web et en efficacité publicitaire.

2. Mots-clés / Keywords

Intentions comportementales, psychologie du consommateur, efficacité publicitaire, intention d’achat, recherche d’information, recommandation par les pairs, bouche-à-oreille, persuasion publicitaire, psychométrie, prise de décision.

3. Auteurs / Authors

L’échelle a été conçue et déployée par des chercheurs éminents en sciences de la communication, en technologies des médias et en comportement du consommateur :

• S. Shyam Sundar, Ph.D. : Professeur émérite James P. Jimirro de communication médiatique et directeur du Media Effects Research Laboratory au Bellisario College of Communications de la Pennsylvania State University (Penn State), University Park, PA, États-Unis. Ses recherches portent sur les effets psychologiques des technologies de communication interactives, la théorie de l’interaction humain-machine et l’ergonomie cognitive. Courriel institutionnel : [email protected].
• Sriram Kalyanaraman, Ph.D. : Professeur au Collège de journalisme et de communications de l’Université de Floride (University of Florida), Gainesville, FL, États-Unis. Spécialiste de la psychologie des médias numériques, de la persuasion technologique et des réponses psycho-physiologiques aux interfaces interactives. Courriel institutionnel : [email protected].
• Laurie Wu, Ph.D. (autrice d’applications contemporaines) : Professeure associée en gestion du tourisme et de l’accueil à la School of Sport, Tourism and Hospitality Management, Temple University, Philadelphie, PA, États-Unis.
• Naa Amponsah Dodoo, Ph.D. (autrice d’applications contemporaines) : Professeure associée en communication et publicité à la Division of Communication, Southern Methodist University, Dallas, TX, États-Unis.

4. Objectif / Purpose

L’objectif fondamental de l’échelle des intentions comportementales envers le produit publicitaire (BIAP) est d’opérationnaliser et de quantifier avec rigueur l’état conatif résultant de l’exposition à un message promotionnel. Dans les paradigmes classiques de la psychologie publicitaire et de la communication médiatisée par ordinateur, l’efficacité d’un stimulus a longtemps été évaluée quasi exclusivement par des mesures d’attention, de mémorisation (rappel et reconnaissance) ou d’attitudes purement affectives (attitude envers l’annonce, $A_{ad}$, et attitude envers la marque, $A_b$). Bien que ces métriques soient indispensables, elles ne permettent pas de capturer de manière adéquate le passage à l’acte anticipé par l’individu. La BIAP comble ce fossé méthodologique en offrant une métrique standardisée des dispositions d’action générées chez le récepteur.

L’instrument répond à des impératifs théoriques et pratiques spécifiques. D’une part, il permet d’isoler l’impact causal de caractéristiques formelles et structurelles des messages — telles que la vitesse d’animation, l’interactivité, le réalisme visuel ou la personnalisation algorithmique — sur les intentions conatives finales. Dans l’étude princeps de Sundar et Kalyanaraman (2004), les auteurs cherchaient spécifiquement à déterminer comment l’éveil physiologique suscité par la rapidité des bannières web influençait la propension de l’internaute à interagir avec le produit cible. D’autre part, la BIAP évite le biais de restriction de domaine inhérent aux échelles traditionnelles qui ne mesurent que l’achat immédiat : en intégrant l’essai, la quête d’information et la recommandation, elle reconnaît que le comportement d’un consommateur dans un environnement numérique complexe ne se résume pas à une transaction monétaire instantanée.

Dans les contextes appliqués et la recherche en laboratoire, l’échelle est mobilisée pour :

• Évaluer l’efficacité comparée de formats publicitaires émergents (réalité augmentée, influenceurs virtuels, bannières programmatiques, vidéos interactives) ;
• Tester des modèles médiationnels où les intentions comportementales constituent la variable dépendante ultime, prédite par la crédibilité perçue, la résonance émotionnelle ou l’immersion cognitive ;
• Segmenter les réponses des utilisateurs en fonction de variables modératrices individuelles comme l’implication envers la catégorie de produit, le besoin de cognition ou le scepticisme publicitaire ;
• Servir de baromètre standardisé pour les tests A/B préalables au déploiement de campagnes marketing à grande échelle.

5. Construit psychologique / Construct

Le construit mesuré par la BIAP relève de la dimension conative de l’attitude au sens psychologique du terme, telle que formalisée dans le modèle tripartite classique (cognition, affection, conation). Il représente la probabilité subjectivement estimée par un individu qu’il s’engage dans des actions spécifiques à l’égard de l’objet d’attitude (le produit ou service promu) au cours d’une fenêtre temporelle future. Ce construit se déploie à travers quatre facettes comportementales distinctes mais étroitement corrélées, reflétant les étapes du parcours d’adoption :

1. L’intention d’essai du produit (Product Trial Intention)

Cette composante capture la disposition de l’individu à tester ou expérimenter le produit dans un contexte à faible risque. L’essai constitue souvent le premier pas critique dans le processus d’adoption selon le modèle de diffusion des innovations d’Everett Rogers. Sur le plan psychologique, l’intention d’essai reflète une curiosité comportementale et une réduction des barrières perçues. Par exemple, après avoir visualisé une annonce pour un nouveau logiciel ou une boisson énergisante, l’intention d’essai se traduit par la volonté de télécharger une version de démonstration gratuite ou d’accepter un échantillon commercial.

2. L’intention d’achat ferme (Purchase Intention)

L’intention d’achat représente le sommet de l’engagement individuel direct, impliquant un arbitrage économique et un coût d’opportunité monétaire. C’est le prédicteur comportemental le plus robuste et le plus fréquemment étudié du comportement transactionnel réel dans le cadre de la théorie de l’action raisonnée de Fishbein et Ajzen. Elle mesure la force de la décision du consommateur d’allouer des ressources financières pour acquérir le produit présenté, reflétant une valeur perçue supérieure au prix anticipé.

3. L’intention de recherche d’informations complémentaires (Information-Seeking Intention)

Particulièrement cruciale dans l’écosystème numérique contemporain, cette facette quantifie l’effort cognitif et comportemental que l’individu est prêt à déployer pour en apprendre davantage sur le produit. Ancrée dans les théories du traitement de l’information, l’intention de recherche active signale que l’annonce a réussi à déclencher une saillance cognitive suffisante pour motiver l’utilisateur à visiter le site web de la marque, lire des avis d’utilisateurs, comparer les spécifications techniques ou explorer des forums spécialisés.

4. L’intention de recommandation et de bouche-à-oreille (Recommendation / Advocacy Intention)

Cette dernière dimension transcende la relation dyadique entre l’individu et l’annonce pour englober la sphère sociale. L’intention de recommander le produit à son entourage (amis, famille, collègues, communauté en ligne) constitue un indicateur de plaidoyer social (social advocacy). Sur le plan psychosocial, recommander un produit engage la réputation sociale de l’individu : cela suppose non seulement une évaluation positive du produit, mais également la conviction que cette recommandation apportera une valeur ajoutée à son réseau social.

6. Cadre théorique / Theoretical Framework

Le fondement théorique de l’échelle BIAP s’enracine dans la convergence de la psychologie sociale cognitive, des modèles d’effets médiatiques et des paradigmes de traitement de l’information publicitaire. Plusieurs cadres conceptuels majeurs sous-tendent sa structure :

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

Développées par Icek Ajzen et Martin Fishbein, la théorie de l’action raisonnée (TRA) et la théorie du comportement planifié (TPB) postulent que l’intention comportementale constitue le déterminant proximal immédiat de la réalisation effective du comportement. Selon ce modèle, les croyances de l’individu, façonnées en partie par des stimuli environnementaux tels que les messages persuasifs, modifient les attitudes et les normes subjectives, lesquelles convergent pour générer une intention comportementale explicite. L’échelle BIAP sert d’instrument direct de mesure de cet état intentionnel latent, servant de pont empirique entre la réception du message et l’action objective.

Le modèle de probabilité d’élaboration (ELM)

Le Elaboration Likelihood Model de Richard Petty et John Cacioppo fournit une explication rigoureuse des mécanismes par lesquels les caractéristiques d’une annonce (vitesse d’animation, qualité des arguments, indices périphériques) influencent la solidité des intentions comportementales. Selon l’ELM, lorsque les individus traitent l’annonce via la route centrale (forte élaboration), les intentions générées sont plus prédictives des comportements à long terme et plus stables. À l’inverse, un traitement par la route périphérique, stimulé par des indices visuels dynamiques ou des déclencheurs émotionnels rapides, peut induire des intentions d’essai ou d’exploration immédiates, particulièrement bien captées par les items d’information et d’essai de la BIAP.

Le modèle de capacité limitée pour le traitement des messages médiatiques (LC4MP)

Dans les travaux fondateurs de Sundar et Kalyanaraman (2004), la conceptualisation de la BIAP s’appuie explicitement sur le modèle de capacité limitée développé par Annie Lang (Limited Capacity Model of Motivated Mediated Message Processing). Ce paradigme avance que les ressources cognitives humaines sont finies et que les caractéristiques structurelles des médias (mouvements rapides, montages, animations) sollicitent automatiquement des réponses d’orientation et modulent le niveau d’éveil physiologique. Cet éveil affecte à son tour l’allocation des ressources pour l’encodage, le stockage et la récupération en mémoire, culminant dans la formation d’impressions sur le produit et, en bout de chaîne causale, dans les intentions comportementales mesurées par la BIAP.

7. Validité / Validity

La validité de l’échelle des intentions comportementales envers le produit publicitaire a été confirmée à travers plusieurs paradigmes expérimentaux rigoureux :

Validité de contenu et de construit

La validité de contenu a été établie dès l’élaboration de l’outil en sélectionnant des items représentatifs de l’éventail complet des réponses conatives identifiées dans les revues systématiques de la littérature publicitaire (essai, acquisition, investigation, diffusion). L’analyse factorielle exploratoire et confirmatoire démontre que ces quatre items saturent sur un facteur dominant unique, confirmant que le construit sous-jacent est conceptuellement cohérent et unifié. L’évaluation de la variance moyenne extraite (AVE, Average Variance Extracted) dans des études ultérieures (ex. Wu & Dodoo, 2020) rapporte régulièrement des valeurs supérieures à 0,65, dépassant largement le seuil standard de 0,50 préconisé par Fornell et Larcker.

Validité convergente

La validité convergente est étayée par des corrélations positives, statistiquement significatives et théoriquement attendues entre le score global de la BIAP et des construits psychologiques connexes :

• Attitude envers la marque ($A_b$) : Des corrélations positives élevées ($r$ variant entre 0,60 et 0,78, $p < 0,001$) sont constamment observées, démontrant que l'évaluation affective globale de la marque soutient directement les intentions conatives envers le produit spécifique.
• Attitude envers l’annonce ($A_{ad}$) : Des associations modérées à fortes ($r$ compris entre 0,45 et 0,68, $p < 0,001$) confirment le mécanisme de transfert affectif selon lequel une appréciation favorable du support publicitaire se répercute sur la propension à interagir avec le produit.
• Implication envers le produit (Product Involvement) : Des corrélations significatives ($r pprox 0,40 – 0,55$) viennent valider le fait que les consommateurs personnellement intéressés par la catégorie de produit rapportent des intentions d’action supérieures.

Validité discriminante

La validité discriminante a été démontrée en comparant la variance partagée entre la BIAP et d’autres échelles d’évaluation publicitaire avec leurs variances moyennes extraites respectives. Les résultats indiquent que la BIAP se distingue nettement de la simple mémorisation publicitaire (rappel de la marque, mémoire de reconnaissance visuelle), où les coefficients de corrélation sont souvent faibles à modérés ($r$ entre 0,15 et 0,30), prouvant ainsi qu’une mémorisation réussie ne se traduit pas automatiquement par une intention conative favorable. De plus, la racine carrée de l’AVE pour la BIAP est systématiquement supérieure aux corrélations inter-construits avec l’attitude envers l’annonce ou la crédibilité perçue de la source.

Validité prédictive et critérielle

Dans l’étude originale de Sundar et Kalyanaraman (2004), la BIAP a démontré une excellente validité prédictive en réagissant de manière différentielle aux manipulations expérimentales de la vitesse d’animation des bannières web. Les analyses de variance (ANOVA) ont révélé que les conditions stimulant un éveil physiologique optimal entraînaient des scores significativement plus élevés sur l’échelle des intentions comportementales. Dans des études plus récentes (Wu & Dodoo, 2020), la BIAP a prédit avec succès les taux de clics réels (Click-Through Rate, CTR) vers les pages produits dans des environnements de commerce électronique simulés.

8. Fidélité / Reliability

Les propriétés de fidélité de l’échelle BIAP sont exceptionnellement stables à travers diverses populations et contextes technologiques :

Cohérence interne

La cohérence interne de l’instrument a été mesurée de façon récurrente au moyen du coefficient alpha de Cronbach ($lpha$) et de la fiabilité composée (Composite Reliability, CR) :

• Dans l’étude princeps de Sundar et Kalyanaraman (2004), l’alpha de Cronbach rapporté pour l’indice composite des quatre items d’intentions comportementales était de $lpha = 0,87$, indiquant une très forte homogénéité des items.
• Dans l’étude d’application conduite par Laurie Wu et Naa Amponsah Dodoo (2020) publiée dans le Journal of Advertising, l’échelle a démontré une cohérence interne tout aussi robuste avec un coefficient de $lpha = 0,91$ et une fiabilité composée excédant $CR = 0,92$.
• Les corrélations item-total corrigées pour chacun des quatre énoncés se situent systématiquement au-dessus du seuil critique de 0,60, oscillant généralement entre 0,68 et 0,84, confirmant que chaque item contribue substantiellement et de manière équilibrée au construit global.

Stabilité temporelle (Test-Retest)

Bien que les intentions comportementales soient par nature dynamiques et sensibles à de nouvelles informations ou contextes, les évaluations de stabilité test-retest à court terme (intervalle de 48 à 72 heures sans exposition intermédiaire à des messages concurrents) révèlent des coefficients de corrélation intraclasse (ICC) compris entre 0,78 et 0,85. Cette stabilité confirme que l’échelle mesure une disposition conative consolidée plutôt qu’une fluctuation purement aléatoire de l’humeur.

9. Analyse factorielle / Factor Analysis

La dimensionnalité de la BIAP a été soumise à des analyses rigoureuses tant exploratoires que confirmatoires :

Analyse factorielle exploratoire (AFE)

Lors des phases initiales de validation, les quatre items ont été analysés par la méthode d’extraction en composantes principales (ACP) ainsi que par la méthode du maximum de vraisemblance avec rotation varimax et oblimin directe :

• Les critères d’extraction de Kaiser (valeur propre supérieure à 1) et l’examen du diagramme de sédimentation (scree plot) de Cattell indiquent de manière univoque la présence d’un facteur unique sous-jacent.
• Ce facteur unique explique généralement entre 68 % et 78 % de la variance totale des réponses selon les échantillons d’étude.
• Les saturations factorielles (factor loadings) individuelles des quatre items sur cette composante principale sont toutes particulièrement élevées : l’item d’intention d’achat sature généralement entre 0,82 et 0,89 ; l’item d’essai entre 0,80 et 0,86 ; l’item de recherche d’information entre 0,74 et 0,83 ; et l’item de recommandation entre 0,76 et 0,85. Aucune saturation croisée problématique n’est observée.

Analyse factorielle confirmatoire (AFC)

Les modélisations par équations structurelles (SEM) évaluant le modèle de mesure unidimensionnel à 4 indicateurs affichent des indices d’ajustement globaux conformes aux recommandations méthodologiques les plus strictes de Hu et Bentler :

• Ratio Chi-deux sur degrés de liberté : $chi^2 / df < 2,5$ ;
• Indice de comparaison de Bentler (CFI, Comparative Fit Index) : CFI > 0,98 ;
• Indice de Tucker-Lewis (TLI, Tucker-Lewis Index) : TLI > 0,97 ;
• Erreur quadratique moyenne d’approximation (RMSEA, Root Mean Square Error of Approximation) : RMSEA < 0,05 (avec un intervalle de confiance à 90 % compris entre 0,00 et 0,08) ;
• Résidu quadratique moyen standardisé (SRMR, Standardized Root Mean Square Residual) : SRMR < 0,03.

Ces données confirment sans équivoque la parcimonie et l’élégance structurelle de l’échelle sous forme d’un indicateur global unidimensionnel des intentions comportementales envers le produit publicitaire.

10. Instrument de mesure / Instrument

• Nom complet de l’instrument : Behavioral Intentions Toward the Ad Product (BIAP) / Intentions comportementales envers le produit publicitaire.
• Nature de l’évaluation : Questionnaire d’auto-évaluation (self-report inventory) administré après exposition à un stimulus publicitaire ou médiatique.
• Format d’administration : Papier-crayon ou informatique (en ligne via des plateformes d’expérimentation telles que Qualtrics, Gorilla Experiment Builder, Labvanced, etc.).
• Nombre d’items : 4 items concis et standardisés.
• Format de réponse : Échelle de Likert à 7 points ancrée par des pôles bipolaires de probabilité subjective, le plus fréquemment : 1 = « Très peu probable » (Very unlikely) à 7 = « Très probable » (Very likely) ; ou alternativement 1 = « Fortement en désaccord » (Strongly disagree) à 7 = « Fortement d’accord » (Strongly agree).
• Procédure de cotation : Le score global est obtenu en calculant la moyenne arithmétique simple des 4 items (score composite allant de 1,00 à 7,00) ou la somme cumulée brute (allant de 4 à 28). L’absence d’item inversé simplifie grandement le calcul.
• Interprétation des scores : Un score élevé reflète une disposition favorable marquée envers le produit, caractérisée par une forte propension à s’engager dans le processus d’acquisition et de diffusion sociale. Un score faible traduit une indifférence ou une résistance comportementale à l’égard de l’offre publicitaire.
• Temps de passation estimé : Inférieur à 60 secondes, ce qui minimise la fatigue cognitive et le taux d’abandon chez les répondants.

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

• Année de création / publication initiale : 2004 (Sundar & Kalyanaraman).
• Utilisation et applications contemporaines : Validée et répliquée dans la littérature récente, notamment par Wu et Dodoo (2020).
• Droits d’auteur et propriété intellectuelle : Les concepts et l’article princeps sont protégés par le droit d’auteur de l’International Communication Association (ICA) et des éditeurs académiques respectifs (Oxford University Press, Taylor & Francis).
• Conditions d’accès et tarifs : L’utilisation de l’échelle à des fins de recherche académique, scientifique ou pédagogique non commerciale est libre et gratuite (open access for academic research), sous réserve de citer scrupuleusement les publications sources d’origine. Les entreprises ou instituts de sondage commerciaux souhaitant intégrer l’échelle dans des outils propriétaires payants doivent vérifier les autorisations d’usage applicables selon les politiques éditoriales.

12. Références / References

• 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
• Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley.
• Lang, A. (2000). The limited capacity model of mediated message processing. Journal of Communication, 50(1), 46–70. https://doi.org/10.1111/j.1460-2466.2000.tb02833.x
• Petty, R. E., & Cacioppo, J. T. (1986). The Elaboration Likelihood Model of persuasion. Advances in Experimental Social Psychology, 19, 123–205. https://doi.org/10.1016/S0065-2601(08)60214-2
• Sundar, S. S., & Kalyanaraman, S. (2004). Arousal, memory, and impression-formation effects of animation speed in web advertising. Journal of Communication, 54(1), 150–169. https://doi.org/10.1111/j.1460-2466.2004.tb02618.x
• Wu, L., & Dodoo, N. A. (2020). Shaking up the consumer journey: How interactive advertising influences purchase decision processes. Journal of Advertising, 49(3), 233–248. https://doi.org/10.1080/00913367.2020.1769512

13. Questions et items du questionnaire / Scale Items