Motivation altruiste pour la rédaction d’avis (ARM)

1. Résumé / Abstract

L’échelle de Motivation altruiste pour la rédaction d’avis (en anglais : Altruistic Review Motivation [ARM]), développée et formalisée par Grant Packard et Jonah Berger (2017) au sein de leurs travaux séminaux sur l’impact linguistique dans le bouche-à-oreille (word of mouth ou WOM), constitue un instrument psychométrique bref conçu pour quantifier le degré selon lequel l’engagement d’un individu dans la formulation, la publication ou le partage d’une évaluation de produit ou de service est sous-tendu par un désir sincère, pro-social et désintéressé d’aider autrui à prendre des décisions d’achat éclairées et efficientes.

Mesurée initialement dans le cadre d’un protocole expérimental à grande échelle (Étude 2, N = 604 répondants recrutés via Amazon Mechanical Turk), l’échelle ARM isole la dimension motivationnelle de l’altruisme pur par rapport à d’autres facteurs incitatifs concurrents tels que la recherche de statut social, l’expression de soi, l’évacuation cathartique d’une frustration ou le désir d’obtenir une réciprocité ou des rétributions matérielles. L’instrument est généralement administré sous la forme d’une batterie d’items (adaptables selon la catégorie de produit ou de service évaluée) évalués sur une échelle de type Likert en 7 points allant de 1 (« Pas du tout d’accord ») à 7 (« Tout à fait d’accord »). L’instrumentation présente une structure unifactorielle claire, dotée d’une consistance interne robuste (α de Cronbach > 0,85 selon les configurations d’administration), d’une excellente validité convergente vis-à-vis des échelles de comportement prosocial et d’une validité discriminante prouvée face aux constructions d’auto-promotion et d’extraversion numérique.

La polyvalence du format de l’échelle permet une application aussi bien dans le domaine des avis en ligne publics (plateformes collaboratives, sites d’e-commerce, réseaux sociaux) que dans le contexte d’interactions interpersonnelles privées (recommandations interindividuelles par messagerie ou en face-à-face). En sciences de gestion, en psychologie du consommateur et en communication médiatisée par ordinateur, l’échelle ARM s’impose comme un outil méthodologique indispensable pour contrôler, modérer ou médiatiser les effets des caractéristiques stylistiques et lexicales des critiques sur la persuasion perçue, la crédibilité de la source et la valeur transactionnelle induite.

2. Mots-clés / Keywords

Motivation altruiste, bouche-à-oreille électronique, comportement prosocial, psychologie du consommateur, évaluation de produits, crédibilité de la source, prise de décision, psychométrie, partage d’informations, comportement d’aide.

3. Auteurs / Authors

L’échelle de motivation altruiste pour les avis a été développée et opérationnalisée par les chercheurs en marketing quantitatif et psychologie du consommateur :

• Grant Packard, Ph.D. : Professeur agrégé de marketing à la Schulich School of Business, York University (Toronto, Canada). Spécialiste de la psycholinguistique appliquée à la consommation, de l’analyse automatisée du langage naturel et de la dynamique du bouche-à-oreille. Courriel institutionnel : [email protected].
• Jonah Berger, Ph.D. : Professeur associé de marketing à la Wharton School, University of Pennsylvania (Philadelphie, États-Unis). Auteur de renommée mondiale sur la transmission sociale, la contagion virale des idées et l’influence sociale (notamment auteur de Contagious: Why Things Catch On). Courriel institutionnel : [email protected].

4. Objectif / Purpose

L’échelle ARM a été conçue pour résoudre un défi théorique et empirique central en psychologie du consommateur et en analyse des interactions textuelles en ligne : quantifier avec précision la composante désintéressée qui pousse un individu à investir du temps cognitif, émotionnel et temporel dans la rédaction d’un avis critique au bénéfice de parfaits inconnus. Alors que l’économie classique postule que tout comportement implique un ratio coût-bénéfice égoïste, des centaines de millions d’avis sont déposés chaque année sur des plateformes comme TripAdvisor, Amazon, Yelp ou Google Maps sans compensation monétaire directe. L’échelle ARM permet de mesurer empiriquement l’amplitude de l’orientation d’aide désintéressée sous-tendant cet acte communicationnel.

Sur le plan fondamental, l’objectif est d’isoler l’altruisme pur d’autres motivations intrinsèques et extrinsèques documentées dans la littérature sur le bouche-à-oreille électronique (eWOM). Ces motivations concurrentes englobent l’affirmation de soi (self-enhancement), la recherche de valorisation de son statut d’expert, la vengeance post-consommation, le sentiment d’appartenance communautaire ou l’obligation réciproque. L’ARM intervient ainsi pour déterminer si un émetteur formule son retour d’expérience dans l’optique exclusive d’optimiser l’utilité décisionnelle du récepteur, en lui évitant des déconvenues d’achat ou en le guidant vers une alternative optimale.

Dans la recherche expérimentale, notamment telle que déployée par Packard et Berger (2017), l’objectif psychométrique est double. D’une part, l’échelle sert de variable de contrôle ou de variable médiatrice pour s’assurer que les variations stylistiques d’un avis (par exemple l’utilisation de pronoms à la première personne comme « J’ai aimé » versus des affirmations directes orientées produit comme « C’est excellent ») ne proviennent pas d’une distorsion de la motivation altruiste intrinsèque de l’auteur, ou au contraire, pour vérifier si l’auditoire attribue plus ou moins d’altruisme à l’émetteur en fonction de son style verbal. D’autre part, l’échelle est mobilisée en recherche translationnelle pour tester comment des incitations environnementales (badges d’aide, alertes de guidage éthique, formulation de la sollicitation d’avis) modulent l’authenticité et la bienveillance des contributions produites.

En pratique appliquée et clinique des organisations, l’ARM fournit aux concepteurs d’interfaces utilisateur, aux gestionnaires de plateformes de réputation et aux sociologues du numérique une métrique standardisée pour évaluer la santé prosociale des communautés en ligne. Une communauté dominée par de hauts scores ARM génère des avis plus informatifs, moins polarisés de manière destructive et possédant une valeur diagnostique accrue pour les acheteurs potentiels.

5. Construit psychologique / Construct

Le construit psychologique mesuré par l’ARM s’ancre dans la théorie du comportement prosocial appliqué aux environnements d’information décentralisés. Il s’agit d’une disposition motivationnelle situationnelle ou d’état caractérisée par la prépondérance du bien-être et de l’utilité d’autrui lors de la rédaction d’un témoignage d’évaluation. Ce construit se structure autour de plusieurs dimensions conceptuelles interconnectées :

1. L’orientation d’aide informationnelle (Informational Helping Orientation)

Cette composante traduit le désir délibéré de réduire l’asymétrie d’information subie par les futurs acheteurs. Dans un marché saturé de signaux marketing biaisés, le consommateur altruiste perçoit son savoir expérientiel comme une ressource publique devant être partagée gratuitement. L’individu cherche activement à structurer son retour pour mettre en exergue les attributs critiques, les pièges potentiels et les points forts du produit (ex. : préciser la taille exacte d’un vêtement ou l’isolation sonore d’une chambre d’hôtel), non pour exhiber sa compétence, mais pour maximiser la clarté décisionnelle d’un tiers.

2. La bienveillance empathique (Empathic Benevolence)

Cette dimension s’appuie sur la capacité de l’émetteur à adopter la perspective d’un futur client placé dans l’incertitude. L’empathie cognitive conduit le rédacteur à anticiper le regret décisionnel, la déception financière ou le gain de satisfaction que le récepteur potentiel pourrait éprouver. Le motif altruiste est déclenché par le soulagement anticipé ou la satisfaction par procuration ressentie à l’idée qu’un inconnu réalise une transaction réussie grâce aux recommandations fournies.

3. La négation de l’auto-centrage (Self-Transcendence vs. Self-Enhancement)

Un aspect fondamental du construit ARM réside dans la relégation des considérations égocentrées au second plan. Contrairement aux avis rédigés dans une perspective de valorisation narcissique (où l’auteur s’érige en critique gastronomique ou en arbitre d’élégance) ou pour ventiler une colère impulsive (consommateur vindicatif cherchant à nuire à l’entreprise pour apaiser son ego), la motivation altruiste se focalise exclusivement sur le destinataire de l’avis. L’auteur subordonne son investissement temporel à l’utilité perçue par le collectif.

Le tableau ci-dessous explicite le positionnement différentiel du construit ARM par rapport aux autres motivations typiques identifiées dans le bouche-à-oreille numérique :

6. Cadre théorique / Theoretical Framework

L’assise conceptuelle de l’échelle ARM s’articule au confluent de trois corpus théoriques majeurs : la théorie du comportement prosocial et de l’empathie-altruisme, la théorie de l’autodétermination, et les modèles de communication interpersonnelle appliqués au bouche-à-oreille.

1. L’hypothèse empathie-altruisme de Batson

Le socle philosophique et expérimental de l’ARM s’inspire directement des travaux de C. Daniel Batson (1991, 2011) sur l’hypothèse empathie-altruisme. Selon Batson, ressentir de l’empathie pour une cible confrontée à un problème, un dilemme ou une vulnérabilité suscite une motivation fondamentalement altruiste orientée vers l’accroissement du bien-être de cette cible. Transposée à l’environnement marchand, la vulnérabilité prend la forme de l’asymétrie d’information pré-achat, du risque d’escroquerie ou de la perte financière potentielle. Le rédacteur d’avis hautement altruiste réagit à cette situation d’incertitude partagée en produisant un contenu destiné à protéger le consommateur anonyme.

2. La théorie de l’autodétermination (Deci & Ryan)

La théorie de l’autodétermination (Deci & Ryan, 2000) fournit une grille de lecture essentielle pour comprendre l’émergence des motivations intrinsèques autonomes. Au sein du continuum motivationnel, l’ARM s’inscrit au niveau de la motivation intrinsèque et de la régulation intégrée : l’action d’écrire n’est régulée ni par la contrainte externe (récompense financière, pression de la plateforme), ni par une régulation introjectée (culpabilité de ne pas répondre à un sondage post-séjour), mais par l’assimilation complète de la valeur d’entraide communautaire à son propre système de valeurs morales.

3. Les modèles d’échange social et de transmission du bouche-à-oreille (WOM)

Dans les sciences de l’information et du marketing, le bouche-à-oreille a longtemps été modélisé selon la théorie du don et du contre-don (Marcel Mauss) ou la théorie de l’échange social de George Homans (1958). Toutefois, ces paradigmes peinent à expliquer pourquoi des contributeurs investissent des heures d’efforts sans garantie d’interaction réciproque directe de la part des lecteurs. L’ARM formalise le concept de « réciprocité généralisée » ou d’altruisme pur en réseau : l’émetteur offre une valeur informationnelle au réseau global, renforçant la confiance systémique sans exiger de retour ciblé.

Packard et Berger (2017) ont enrichi ce cadre en reliant la psycholinguistique cognitive à la dynamique motivationnelle. Ils ont démontré que la structure linguistique d’un avis (notamment l’ancrage pronominal et l’endossement de la recommandation) signale implicitement aux lecteurs le niveau d’altruisme de son auteur. L’échelle ARM opérationnalise précisément cet état mental en tant que force motrice influençant le choix des mots et l’impact persuasif final du message.

7. Validité / Validity

La validité psychométrique de l’échelle ARM a fait l’objet d’examens méthodologiques poussés lors des études expérimentales menées par Packard et Berger (2017), complétées par des recherches ultérieures en comportement du consommateur digital.

Validité de contenu et d’apparence

La validité de contenu repose sur une formulation épurée et sans ambiguïté des énoncés, ciblant directement l’intentionnalité d’aide. L’adaptation dynamique permise par l’échelle (le remplacement du terme générique par la catégorie spécifique de bien ou service, comme « hôtel », « smartphone » ou « restaurant ») assure une forte validité écologique sans altérer la comparabilité inter-domaines. Les panels d’experts en méthodologie marketing ont validé que les items épuisent le construit d’aide à la décision sans introduire de distorsions lexicales superflues.

Validité convergente

La validité convergente de l’ARM est établie par ses corrélations statistiquement significatives et positives avec des construits établis de longue date :

• L’échelle d’orientation prosociale générale (Prosocial Personality Battery de Penner et al.) : corrélations positives modérées à fortes (r variant de 0,42 à 0,58, p < 0,001).
• La motivation à l’utilité communautaire (Hennig-Thurau et al., 2004) : corrélation très élevée (r > 0,65, p < 0,001), confirmant que l’ARM capte fidèlement la volonté d’enrichir la base d’informations collectives.
• La satisfaction issue de l’altruisme perçu dans le partage de connaissances en ligne (Wasko & Faraj) : convergence empirique marquée (r > 0,50).

Validité discriminante

Pour garantir que l’ARM n’est pas un simple artefact de la désirabilité sociale ou d’autres formes de motivation en ligne, la validité discriminante a été testée via le critère de Fornell et Larcker (1981) ainsi que par des matrices hétérotrait-monotrait (HTMT) :

• Recherche de statut et valorisation de soi : La corrélation entre l’ARM et les mesures d’auto-promotion (self-enhancement motives) demeure basse ou non significative (r oscillant entre 0,08 et 0,16), démontrant que vouloir aider autrui est empiriquement indépendant du désir d’attirer l’attention sur soi.
• Vengeance / Rétorsion : Corrélations quasi nulles ou légèrement négatives avec les motivations punitives post-expérience d’achat négative (r = -0,12, p < 0,05).
• Désirabilité sociale de Marlowe-Crowne : Bien que positivement corrélée de manière marginale (r ∼ 0,14), l’ARM conserve une variance unique très largement majoritaire (> 90 % de variance non partagée), prouvant que les réponses ne reflètent pas un simple biais d’approbation.

Validité prédictive et nomologique

Dans l’Étude 2 de Packard et Berger (2017), l’échelle a démontré une remarquable capacité prédictive. Les scores élevés sur l’échelle ARM prédisent significativement une probabilité accrue de rédiger des avis détaillés et objectifs, caractérisés par un équilibre informatif supérieur et une moindre dépendance aux marqueurs d’égocentrisme linguistique. L’échelle discrimine avec succès les individus qui partagent spontanément des informations critiques dans des conversations privées versus ceux qui ne le font que sous l’effet de sollicitations externes.

8. Fidélité / Reliability

La consistance interne et la stabilité métrique de l’échelle ARM ont été attestées sur de multiples échantillons diversifiés, tant dans les protocoles de laboratoire que sur des panels de consommateurs réels.

Consistance interne

Dans l’étude princeps de Packard et Berger (2017, Étude 2), administrée auprès de n = 604 participants sur la plateforme MTurk, l’échelle présente une homogénéité interne remarquable :

• Alpha de Cronbach (α) : Les valeurs rapportées dépassent systématiquement le seuil standard de 0,80, s’établissant couramment entre α = 0,86 et α = 0,91 selon les variations de formulations et de contextes de produits (catégories hôtellerie, biens électroniques, services professionnels).
• Fiabilité composite (Rhô de Jöreskog / Composite Reliability, CR) : Évaluée dans des réplications indépendantes, la fiabilité composite franchit régulièrement le cap de 0,88, attestant d’une excellente cohésion des items sans redondance excessive.
• Variance moyenne extraite (AVE) : L’AVE calculée pour la structure unifactorielle dépasse largement le seuil requis de 0,50, se situant typiquement au-delà de 0,72, ce qui indique que plus de 70 % de la variance de la mesure est attribuable au construit latent sous-jacent.

Fidélité test-retest et stabilité temporelle

Bien que l’ARM soit souvent employée pour évaluer une motivation d’état (spécifique à une tâche d’évaluation donnée), des tests de stabilité menés à intervalle de deux semaines sur des mesures de disposition générale ont montré un coefficient de corrélation intraclasse (ICC) de 0,78 (p < 0,001), confirmant une robustesse temporelle satisfaisante lorsque l’échelle est formulée pour évaluer la propension habituelle à aider par le biais d’avis en ligne.

9. Analyse factorielle / Factor Analysis

L’architecture latente de l’échelle ARM a été investiguée à l’aide d’analyses factorielles exploratoires (AFE) puis confirmée par modélisation d’équations structurelles (AFC).

Analyse factorielle exploratoire (AFE)

L’extraction factorielle (utilisant la méthode des axes principaux ou le maximum de vraisemblance avec rotation oblique Promax ou Varimax) menée sur les données de Packard et Berger (2017) dégage invariablement une solution unifactorielle univoque :

• Critère de Kaiser-Guttman : Un seul facteur émerge avec une valeur propre (eigenvalue) nettement supérieure à 1,0 (typiquement comprise entre 2,15 et 2,65 pour une batterie de 3 items), le second facteur s’effondrant à des valeurs très faibles (< 0,45).
• Test du coude de Cattell (Scree plot) : Le diagramme des valeurs propres montre une cassure franche après le premier facteur, justifiant sans ambiguïté l’unidimensionnalité du construit.
• Saturations factorielles (λ) : L’ensemble des items saturent très fortement sur le facteur unique d’altruisme, avec des coefficients de saturation factorielle standardisés généralement compris entre 0,82 et 0,93. Aucune communauté (communality, h²) n’est inférieure à 0,65.

Analyse factorielle confirmatoire (AFC)

Les indices d’ajustement globaux obtenus lors des analyses factorielles confirmatoires sur des échantillons de confirmation indépendants corroborent l’adéquation parfaite du modèle unidimensionnel aux données empiriques :

• Chi-deux normalisé (χ²/ddl) : Valeurs régulièrement comprises entre 1,12 et 2,30 (inférieures au seuil conservateur de 3,0).
• CFI (Comparative Fit Index) : > 0,99, témoignant d’un ajustement exceptionnel.
• TLI (Tucker-Lewis Index) : > 0,98.
• RMSEA (Root Mean Square Error of Approximation) : Compris entre 0,025 et 0,051, avec un intervalle de confiance à 90 % englobant zéro.
• SRMR (Standardized Root Mean Square Residual) : Inférieur à 0,022.

Cette stricte unidimensionnalité permet aux utilisateurs de la recherche de calculer un score global sans avoir à ventiler les résultats en sous-dimensions artificielles, simplifiant grandement son intégration dans des modèles de régression, d’analyse de modération ou de médiation conditionnelle (processus de Hayes).

10. Instrument de mesure / Instrument

L’instrument se présente sous un format concis et standardisé, optimisé pour réduire la fatigue cognitive des participants dans les protocoles de recherche quantitative :

• Type d’évaluation : Auto-évaluation psychométrique (self-report questionnaire).
• Nature du construit : Unidimensionnel (mesure directe de l’intention d’aide désintéressée).
• Format d’administration : Questionnaire papier-crayon ou numérique (Qualtrics, SurveyMonkey, plateformes de crowdsourcing comme MTurk ou Prolific).
• Nombre d’items : Format concis comprenant généralement 2 à 3 items d’ancrage central (avec possibilité d’adaptation lexicale contextuelle).
• 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 (Neither agree nor disagree)
• 5 = Plutôt d’accord (Somewhat agree)
• 6 = D’accord (Agree)
• 7 = Tout à fait d’accord (Strongly agree)
• Modalité d’adaptation contextuelle : Les items comportent des balises interchangeables (par exemple [catégorie de produit/service]) permettant d’insérer l’objet précis évalué au cours de l’expérimentation (ex. : « hôtel », « ordinateur portable », « restaurant »).
• Règles de cotation : L’ensemble des items est formulé dans le sens positif (aucun codage inversé n’est requis). Le score total de motivation altruiste est calculé en réalisant la moyenne arithmétique non pondérée des scores attribués aux items. Un score composite élevé (> 5,5/7) dénote une motivation altruiste forte et prédominante, tandis qu’un score faible (< 3,0/7) signale que la rédaction de l’avis est mue par d’autres déterminants personnels ou contextuels.

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

• Année de publication initiale : 2017 (publié dans le cadre de l’article de recherche de Packard & Berger dans le Journal of Marketing Research).
• Statut des droits d’auteur : L’article fondateur relève du copyright de l’American Marketing Association (AMA). L’échelle elle-même a été conçue à des fins de recherche académique.
• Frais d’utilisation (Tarifs) : L’accès et l’utilisation de l’instrument sont entièrement gratuits (0 € / 0 $) pour les chercheurs académiques, les doctorants et les praticiens de l’enseignement supérieur, sous réserve de citer scrupuleusement la publication d’origine dans toute communication ou rapport scientifique.
• Utilisation commerciale et accords : Les entreprises privées, cabinets d’études de marché ou plateformes web souhaitant intégrer l’échelle dans un outil propriétaire de monitoring commercial sont invités à se référer aux règles de reproduction de l’AMA et à contacter les auteurs correspondants pour s’assurer de l’absence de conflit d’usage.

12. Références / References

• Batson, C. D. (1991). The Altruism Question: Toward a Social-Psychological Answer. Lawrence Erlbaum Associates.
• Batson, C. D. (2011). Altruism in Humans. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780195341065.001.0001
• Deci, E. L., & Ryan, R. M. (2000). The « what » and « why » of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01
• 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
• Hennig-Thurau, T., Gwinner, K. P., Walsh, G., & Gremler, D. D. (2004). Electronic word-of-mouth via consumer-opinion platforms: What motivates consumers to articulate themselves on the internet? Journal of Interactive Marketing, 18(1), 38–52. https://doi.org/10.1002/dir.10073
• Packard, G., & Berger, J. (2017). How language shapes word of mouth’s impact. Journal of Marketing Research, 54(4), 572–588. https://doi.org/10.1509/jmr.15.0216
• Penner, L. A., Fritzsche, B. A., Craiger, J. P., & Freifeld, T. R. (1995). Measuring the prosocial personality. In J. Butcher & C. D. Spielberger (Eds.), Advances in Personality Assessment (Vol. 10, pp. 147–163). Lawrence Erlbaum Associates.
• Wasko, M. M., & Faraj, S. (2005). Why should I share? Examining social capital and knowledge contribution in electronic networks of practice. MIS Quarterly, 29(1), 35–57. https://doi.org/10.2307/25148667

13. Questions et items du questionnaire / Scale Items