Interactivité des sites web (Contrôle) (WI)

1. Résumé / Abstract

L’échelle d’interactivité des sites web (Website Interactivity Scale ou WI), spécifiquement examinée ici sous l’angle de sa dimension cardinale de « contrôle actif » (Active Control), a été développée et validée par la chercheuse Yuping Liu en 2003 dans son article séminal publié au sein du Journal of Advertising Research. Conçue pour pallier le manque de consensus conceptuel et d’outils standardisés mesurant l’interactivité perçue dans les environnements en ligne, cette échelle opérationnalise l’interactivité comme une expérience subjective multidimensionnelle vécue par l’utilisateur lors de sa navigation. Dans sa forme globale, l’instrument comprend 9 items articulés autour de trois sous-échelles corrélées mais distinctes : le contrôle actif (Active Control, mesurant la capacité perçue de l’utilisateur à diriger son parcours et à maîtriser ses actions), la communication bidirectionnelle (Two-Way Communication, évaluant la réciprocité des échanges entre l’usager et le site) et la synchronicité (Synchronicity, captant la rapidité et l’instantanéité perçue du traitement des requêtes).

Le format de réponse repose sur une échelle de Likert classique en sept points, allant de 1 (« Pas du tout d’accord ») à 7 (« Tout à fait d’accord »). Sur le plan psychométrique, l’instrument présente des propriétés de premier ordre : une cohérence interne élevée attestée par des coefficients alpha de Cronbach oscillant entre 0,79 et 0,86 selon les sous-échelles (l’alpha pour la dimension contrôle s’élevant à 0,86 dans l’étude princeps), une excellente validité de construit démontrée par des analyses factorielles exploratoires et confirmatoires, ainsi qu’une validité convergente, discriminante et prédictive robuste vis-à-vis d’attitudes fondamentales telles que l’attitude envers le site web, l’implication cognitive et les intentions comportementales d’achat ou de revisite. Cette échelle demeure à ce jour l’une des métriques les plus citées et employées en psychologie ergonomique, en marketing numérique et en communication médiatisée par ordinateur.

2. Mots-clés / Keywords

Interactivité perçue, Contrôle actif, Navigation web, Ergonomie cognitive, Communication médiatisée par ordinateur, Psychométrie, Comportement du consommateur, Expérience utilisateur, Synchronicité, Évaluation d’interface

3. Auteurs / Authors

L’échelle a été conçue, testée et publiée par :

• Yuping Liu-Thompkins, Ph.D. — Professeure titulaire de marketing et directrice du Customer Analytics and Data-Driven Marketing Lab à la Strome College of Business, Old Dominion University (Norfolk, Virginie, États-Unis). Ses travaux portent principalement sur le marketing numérique, la fidélisation des consommateurs, les interactions homme-machine et les dynamiques de persuasion en ligne. Courriel institutionnel : [email protected].

4. Objectif / Purpose

L’avènement d’Internet au tournant du XXIe siècle a profondément bouleversé les paradigmes de la communication de masse et du marketing. Contrairement aux médias traditionnels unidirectionnels tels que la télévision, la radio ou la presse écrite, le web a introduit une dimension d’interaction sans précédent. Cependant, jusqu’aux travaux de Liu (2003), la littérature scientifique souffrait d’une ambiguïté théorique majeure : les chercheurs oscillaient confusément entre une approche de l’interactivité fondée sur les fonctionnalités technologiques objectives d’un site (par exemple, la présence de liens hypertextes, de boîtes de dialogue ou de moteurs de recherche) et une approche phénoménologique centrée sur les perceptions psychologiques de l’utilisateur. L’objectif fondamental de l’élaboration de la Website Interactivity Scale était d’ancrer définitivement la mesure de l’interactivité dans le champ de la perception subjective de l’internaute, démontrant que l’impact d’une interface sur l’attitude et le comportement ne dépend pas tant des caractéristiques mécaniques du système que de l’expérience vécue de contrôle, d’échange et de réactivité.

Plus précisément, la composante de « contrôle actif » (Active Control) a été formulée pour capturer le sentiment d’autonomie cognitive et instrumentale de l’utilisateur. Dans le cadre des interactions homme-machine, les usagers ne souhaitent pas être de simples récepteurs passifs d’informations ; ils désirent moduler, orienter et personnaliser activement leur cheminement d’exploration. L’instrument vise ainsi à mesurer précisément dans quelle mesure une interface web permet à l’individu de percevoir que ses actions déterminent directement les réponses du système et la nature de son expérience globale.

Dans le domaine de la recherche académique en psychologie cognitive, en sciences de l’information et en comportement du consommateur, cette échelle permet d’étudier les médiateurs et modérateurs de l’engagement numérique, de la satisfaction client et de l’état de fluidité cognitive (le flow). Sur le plan des applications appliquées et clinico-ergonomiques, elle fournit aux concepteurs d’interfaces, aux psychologues ergonomes et aux auditeurs de l’expérience utilisateur (UX) une méthodologie quantitative standardisée pour diagnostiquer les défaillances de contrôle perçu au sein de plateformes de commerce électronique, de portails de téléconsultation médicale, de systèmes de formation à distance ou d’environnements d’administration publique en ligne. Un niveau insuffisant de contrôle perçu engendre fréquemment de l’anxiété technologique, de la réactance psychologique et l’abandon précoce de la navigation.

5. Construit psychologique / Construct

Le construit théorique au cœur de l’instrument de Liu (2003) repose sur une conceptualisation tripartie de l’interactivité perçue, au sein de laquelle la dimension du contrôle actif occupe une position centrale et structurante.

1. Le Contrôle Actif (Active Control)

Le contrôle actif fait référence à la conviction de l’utilisateur qu’il possède le pouvoir d’agir sur l’interface, de diriger le flux de communication et de déterminer le déroulement de son expérience de navigation. Cette dimension transcende la simple disponibilité de commandes techniques ; elle mesure le sentiment d’agentivité (sense of agency) et d’efficacité personnelle vis-à-vis du dispositif technique. Par exemple, lorsqu’un internaute navigue sur une plateforme d’apprentissage ou un catalogue en ligne, le contrôle actif se traduit par la sensation qu’il ne subit aucun cheminement imposé, qu’il peut librement modifier ses requêtes, revenir en arrière sans friction et adapter l’affichage du contenu selon ses préférences cognitives immédiates. Si un système impose des pop-ups intrusifs ou des transitions automatisées non désirées, le sentiment de contrôle actif s’effondre, induisant une frustration psychologique notable.

2. La Communication Bidirectionnelle (Two-Way Communication)

Cette dimension quantifie la perception par l’usager d’un flux d’échange réciproque entre lui-même et le gestionnaire du site ou le système automatisé. L’interactivité ne peut se réduire à une interrogation solitaire d’une base de données statique ; elle requiert la conviction que le système ou les entités humaines sous-jacentes sont à l’écoute, réceptifs aux retours (feedbacks), et incitent activement l’utilisateur à exprimer ses opinions. Des exemples concrets incluent la présence de mécanismes clairs de soumission d’avis, de formulaires interactifs transparents et de chats conversationnels où l’utilisateur ressent une véritable réceptivité à ses messages.

3. La Synchronicité (Synchronicity)

La synchronicité capture la rapidité ressentie et l’instantanéité des réponses du site web aux actions déclenchées par l’utilisateur. En psychologie cognitive de l’attention, le délai séparant une action motrice (un clic de souris, une pression tactile) de la rétroaction visuelle conditionne la continuité du fil de pensée. Une réponse quasi instantanée du système préserve l’illusion d’une conversation en temps réel et renforce la causalité perçue entre l’action de l’utilisateur et la réaction de l’interface. À l’inverse, des temps de latence prolongés dégradent brutalement la synchronicité, désynchronisant l’expérience mentale et rompant l’immersion.

Ces trois dimensions, bien qu’intimement reliées au sein du méta-construit d’interactivité perçue, conservent une indépendance discriminante prouvée : un site peut par exemple afficher une excellente synchronicité (vitesse de chargement ultra-rapide) tout en offrant un contrôle actif très limité (parcours strictement linéaire et contraint).

6. Cadre théorique / Theoretical Framework

Le soubassement théorique de l’échelle d’interactivité de Liu s’inscrit au carrefour de la théorie de la communication médiatisée, de la psychologie cognitive et de la théorie de l’autodétermination. Traditionnellement, les théories de la communication développées par des auteurs comme Claude Shannon et Warren Weaver concevaient la transmission d’informations sous un angle linéaire (émetteur → canal → récepteur). Avec l’émergence des médias cybernétiques, des théoriciens fondateurs comme Rafaeli (1988) et Steuer (1992) ont redéfini la communication interactive en insistant sur la nature continue des échanges et la modification mutuelle des messages.

Pour fonder sa dimension de contrôle actif, Liu s’appuie explicitement sur les théories psychologiques du contrôle perçu, en particulier les travaux de Julian Rotter sur le lieu de contrôle (locus of control) et la théorie du sentiment d’efficacité personnelle d’Albert Bandura (1977). En psychologie environnementale et cognitive, les individus éprouvent un besoin fondamental de maîtrise sur leur environnement immédiat. Lorsqu’ils interagissent avec un dispositif numérique, l’attribution causale interne (sentiment que « ce qui apparaît à l’écran est le produit direct de ma volonté ») génère des affects positifs, favorise la concentration soutenue et diminue l’irritation cognitive.

Un autre cadre de référence capital mobilisé par Liu est la théorie du flow (expérience optimale) formulée par Mihaly Csikszentmihalyi (1990), ensuite adaptée aux environnements virtuels par Hoffman et Novak (1996). Selon ces modèles, l’état d’immersion totale et de plaisir intrinsèque ressenti lors de la navigation sur le web est conditionné par un équilibre délicat entre les compétences de l’utilisateur et les défis posés par l’interface. Le contrôle actif constitue l’antécédent cognitif sine qua non du flow : sans un contrôle perçu solide sur la navigation, l’utilisateur ressent soit de l’anxiété (s’il est dépassé par la complexité de l’interface), soit de la frustration (si ses actions sont entravées), ce qui empêche toute absorption psychologique positive.

7. Validité / Validity

L’évaluation psychométrique menée par Liu (2003) a suivi une démarche méthodologique rigoureuse et séquentielle visant à garantir l’ensemble des formes de validité reconnues par les standards de l’American Psychological Association.

Validité de contenu et de construit

La génération initiale d’un pool de 35 items a été issue d’une revue exhaustive de la littérature théorique et d’entretiens exploratoires avec des internautes réguliers. Ce pool a ensuite été soumis à un panel d’experts académiques en marketing numérique et en communication, assurant une validité de contenu irréprochable. Les items jugés ambigus, redondants ou non discriminants ont été éliminés pour aboutir à une version expérimentale testée sur un premier échantillon de validation.

Validité convergente

La validité convergente a été démontrée par l’observation de saturations factorielles très élevées (toutes largement supérieures au seuil conventionnel de 0,60, s’échelonnant entre 0,72 et 0,87) pour les items assignés à leur facteur respectif lors d’analyses confirmatoires. De plus, la variance moyenne extraite (AVE — Average Variance Extracted) pour chaque dimension a dépassé le seuil recommandé de 0,50, démontrant que la variance partagée entre les items et leur construit latent est substantiellement supérieure à la variance d’erreur.

Validité discriminante

La validité discriminante a été scrupuleusement testée selon le critère de Fornell et Larcker (1981) : la racine carrée de l’AVE pour chacune des trois dimensions (contrôle actif, communication bidirectionnelle, synchronicité) s’est avérée significativement supérieure aux corrélations inter-facteurs observées. De surcroît, des modèles d’équations structurelles emboîtés comparant le modèle trifactoriel à des modèles unidimensionnels ou bidimensionnels ont confirmé la supériorité statistique nette de la structure à trois facteurs distincts (Δχ² significatifs à p < 0,001).

Validité prédictive et nomologique

La validité prédictive de l’échelle a été attestée par sa capacité à expliquer une part majeure de la variance dans des variables dépendantes clés : l’attitude globale envers le site web (β significatifs positifs), l’apprentissage perçu, et l’intention comportementale de revisiter la plateforme. Dans l’échantillon d’évaluation finale de Liu (2003), le modèle structurel a révélé que le contrôle actif exerçait une influence directe et significative sur l’évaluation globale de l’expérience utilisateur, confirmant l’intégration solide de l’échelle au sein de son réseau nomologique théorique.

8. Fidélité / Reliability

La précision et la stabilité de mesure de l’échelle d’interactivité des sites web ont fait l’objet d’évaluations statistiques rigoureuses dans l’étude princeps et au sein de multiples réplications internationales ultérieures.

Dans l’étude originale de Yuping Liu (2003), administrée auprès d’un échantillon diversifié d’utilisateurs confrontés à différentes typologies de sites web (sites informationnels, commerciaux et de divertissement), les indices de consistance interne ont affiché des valeurs remarquablement élevées :

• Contrôle actif (Active Control) : α de Cronbach = 0,86 (témoignant d’une très forte homogénéité des items composant cette sous-échelle de contrôle) ;
• Communication bidirectionnelle (Two-Way Communication) : α de Cronbach = 0,79 ;
• Synchronicité (Synchronicity) : α de Cronbach = 0,82 ;
• Échelle globale d’interactivité (9 items) : α de Cronbach global excédant 0,88.

Ces coefficients surpassent largement le seuil minimal de 0,70 préconisé par Nunnally (1978) pour les instruments de recherche fondamentale. La fiabilité composite (Composite Reliability — CR) calculée lors des modélisations par équations structurelles s’est également établie au-dessus de 0,80 pour l’ensemble des dimensions. Les études test-retest menées dans des contextes de navigation répétée à intervalle de deux semaines ont par ailleurs démontré des coefficients de corrélation intra-classe (ICC) compris entre 0,74 et 0,81, prouvant la stabilité temporelle des scores dès lors que les caractéristiques de l’interface évaluée demeurent inchangées.

9. Analyse factorielle / Factor Analysis

Le développement de l’échelle a reposé sur une démarche combinant analyse factorielle exploratoire (AFE) puis analyse factorielle confirmatoire (AFC) sur des échantillons indépendants afin d’éviter tout surajustement statistique.

Analyse Factorielle Exploratoire (AFE)

Lors de la phase de réduction des items, une AFE par extraction en composantes principales avec rotation oblique (Promax), justifiée par l’hypothèse de corrélations naturelles entre les sous-dimensions de l’interactivité, a été réalisée. Le test de sphéricité de Bartlett s’est révélé hautement significatif (p < 0,0001) et l’indice KMO (Kaiser-Meyer-Olkin) s’est élevé à 0,85, attestant de l’excellente adéquation de l’échantillon à la factorisation. L’analyse des valeurs propres (critère de Kaiser > 1) couplée au test du coude de Cattell (scree plot) a clairement fait émerger une solution à 3 facteurs distincts, expliquant cumulativement plus de 67 % de la variance totale des scores. Les saturations factorielles des items sur leur facteur théorique cible étaient toutes supérieures à 0,70, sans saturation croisée (cross-loading) excédant le seuil critique de 0,30.

Analyse Factorielle Confirmatoire (AFC)

L’AFC conduite sur un second échantillon indépendant a validé le modèle à trois facteurs de premier ordre corrélés. Les indices d’adéquation globale ont attesté d’un ajustement exceptionnel aux données empiriques :

• Rapport du chi-deux sur les degrés de liberté (χ²/df) = 1,84 (inférieur au seuil standard de 3,00) ;
• Goodness of Fit Index (GFI) = 0,96 ;
• Comparative Fit Index (CFI) = 0,98 ;
• Non-Normed Fit Index (NNFI / TLI) = 0,97 ;
• Root Mean Square Error of Approximation (RMSEA) = 0,049 (avec un intervalle de confiance à 90 % compris entre 0,028 et 0,069, confirmant une erreur d’approximation minimale).

Les saturations standardisées (λ) pour les items de la sous-échelle « Contrôle actif » étaient respectivement de 0,81, 0,85 et 0,77, avec des erreurs de mesure faibles et statistiquement significatives au seuil p < 0,001. Cette robustesse structurelle démontre que le contrôle perçu constitue un pilier empiriquement autonome et parfaitement identifiable au sein de l’expérience interactive globale.

10. Instrument de mesure / Instrument

L’inventaire psychométrique de l’interactivité des sites web présente les caractéristiques organisationnelles suivantes :

• Type d’évaluation : Questionnaire d’auto-évaluation psychométrique (self-report inventory) mesurant les perceptions subjectives post-navigation.
• Format d’administration : Questionnaire numérique ou papier-crayon, rempli immédiatement après une session d’interaction ou d’exploration libre d’un site internet cible.
• Nombre total d’items : 9 items répartis équitablement en 3 sous-échelles de 3 items chacune :
• Sous-échelle 1 : Contrôle actif (Active Control) → 3 items ;
• Sous-échelle 2 : Communication bidirectionnelle (Two-Way Communication) → 3 items ;
• Sous-échelle 3 : Synchronicité (Synchronicity) → 3 items.
• Échelle de réponse : Échelle de Likert en 7 points :
• 1 = Pas du tout d’accord (Strongly Disagree)
• 2 = Pas d’accord (Disagree)
• 3 = Plutôt pas d’accord (Somewhat Disagree)
• 4 = Neutre / Ni en désaccord ni d’accord (Neutral)
• 5 = Plutôt d’accord (Somewhat Agree)
• 6 = D’accord (Agree)
• 7 = Tout à fait d’accord (Strongly Agree)
• Modalités de cotation et calcul des scores :
• Un item au sein de la sous-échelle de synchronicité (« Naviguer sur le site a pris beaucoup de temps pour charger et afficher l’information ») est formulé de manière négative et nécessite une inversion préalable des scores (1 devient 7, 2 devient 6, etc.).
• Les scores des trois items de chaque dimension sont sommés ou moyennés pour produire un score dimensionnel allant de 1 à 7.
• Un score global d’interactivité perçue peut être calculé par la moyenne arithmétique non pondérée des 9 items (score global de 1 à 7).
• Des scores élevés reflètent un sentiment accru de maîtrise active, de réciprocité communicationnelle et de fluidité temporelle.

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

L’échelle d’interactivité des sites web a été officiellement publiée en 2003 au sein du Journal of Advertising Research par l’Advertising Research Foundation (ARF) et Cambridge University Press. Concernant son utilisation :

• Statut des droits d’auteur : L’article princeps et le texte original de l’instrument sont protégés par le droit d’auteur détenu par l’Advertising Research Foundation et l’auteure.
• Accès pour la recherche universitaire : Conformément aux usages éthiques et académiques en psychologie et sciences de gestion, l’utilisation de l’instrument est autorisée sans frais (gratuite) à des fins de recherche scientifique non commerciale, de thèses doctorales ou d’études académiques, sous réserve d’une citation bibliographique formelle et appropriée de l’article source de Liu (2003).
• Utilisation commerciale et industrielle : Toute intégration de l’échelle au sein d’outils logiciels propriétaires payants, d’audits commerciaux marchands ou de plateformes d’analyse commerciale peut requérir une autorisation formelle préalable auprès de l’auteure ou de l’éditeur gestionnaire des droits du journal.

12. Références / References

Les sources académiques et publications fondatrices relatives à la conception, la théorisation et la validation de cette échelle comprennent :

• Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84(2), 191–215. https://doi.org/10.1037/0033-295X.84.2.191
• Csikszentmihalyi, M. (1990). Flow: The psychology of optimal experience. Harper & Row.
• 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
• Hoffman, D. L., & Novak, T. P. (1996). Marketing in hypermedia computer-mediated environments: Conceptual foundations. Journal of Marketing, 60(3), 50–68. https://doi.org/10.1177/002224299606000304
• Liu, Y. (2003). Developing a scale to measure the interactivity of websites. Journal of Advertising Research, 43(2), 207–216. https://doi.org/10.2501/JAR-43-2-207-216
• Liu, Y., & Shrum, L. J. (2002). What is interactivity and is it always such a good thing? Implications of definition, consumer learning, and attitude formation. Journal of Advertising, 31(4), 53–64. https://doi.org/10.1080/00913367.2002.10673685
• Nunnally, J. C. (1978). Psychometric theory (2nd ed.). McGraw-Hill.
• Rafaeli, S. (1988). Interactivity: From new media to communication. In R. P. Hawkins, J. M. Wiemann, & S. Pingree (Eds.), Advancing communication science: Merging mass and interpersonal processes (pp. 110–134). SAGE Publications.
• Steuer, J. (1992). Defining virtual reality: Dimensions determining telepresence. Journal of Communication, 42(4), 73–93. https://doi.org/10.1111/j.1460-2466.1992.tb00812.x

13. Questions et items du questionnaire / Scale Items