Motivation à l’usage d’Internet à des fins d’échappatoire (EIUM)

1. Résumé / Abstract

L’échelle de Motivation à l’usage d’Internet à des fins d’échappatoire (Escapist Internet Usage Motivation, ou EIUM) est un instrument psychométrique d’auto-évaluation conçu pour mesurer la propension des individus à utiliser les technologies en ligne comme mécanisme de régulation affective, de décompression cognitive et d’évasion face aux contraintes du monde réel. Initialement formalisée et validée empiriquement dans le cadre des travaux de recherche conduits par Kumar, Bezawada, Rishika, Janakiraman et Kannan (2016), cette échelle s’inscrit au carrefour de la théorie des usages et gratifications et de la psychologie du comportement numérique.

L’instrument se compose de cinq items évaluant spécifiquement la recherche de détente, l’atténuation de l’ennui, l’oubli des difficultés quotidiennes et la mise à distance des pressions académiques ou professionnelles. Les participants répondent à l’aide d’une échelle de Likert en 7 points allant de 1 (« Pas du tout d’accord ») à 7 (« Tout à fait d’accord »). Les scores obtenus sont soit moyennés, soit sommés, afin de fournir un indice composite unidimensionnel reflétant l’intensité motivationnelle d’échappatoire.

Sur le plan psychométrique, l’échelle a démontré une excellente cohérence interne (alpha de Cronbach généralement supérieur à 0,85 ; fiabilité composite supérieure à 0,88) et une structure factorielle robuste confirmée par modélisation en équations structurelles sur de larges échantillons (notamment n = 1 249 répondants dans l’étude fondatrice). La validité convergente et la validité discriminante sont attestées par des corrélations différenciées avec d’autres motifs d’utilisation d’Internet (tels que la recherche utilitaire d’information ou l’interaction sociale ciblée) ainsi qu’avec des variables comportementales tangibles telles que la réceptivité aux contenus générés par les entreprises sur les réseaux sociaux et la fréquence de connexion. L’EIUM représente aujourd’hui un outil standardisé, concis et parcimonieux, particulièrement adapté aux protocoles de recherche en cyberpsychologie, en marketing digital et en sciences de la communication.

2. Mots-clés / Keywords

Motivation à l’usage d’Internet, échappatoire, régulation émotionnelle, théorie des usages et gratifications, cyberpsychologie, comportement du consommateur, réseaux sociaux, stratégie d’adaptation, psychométrie, évasion en ligne, distraction cognitive, bien-être numérique.

3. Auteurs / Authors

L’opérationnalisation empirique de l’échelle d’échappatoire dans sa formulation pour les plateformes numériques modernes a été établie par une équipe de chercheurs de premier plan en modélisation marketing et comportement numérique :

• Ashish Kumar : Professeur associé en marketing, Aalto University School of Business (Finlande) et chercheur associé à l’Université de Calgary. Spécialiste de l’analytique des données numériques, du comportement du consommateur sur les plateformes interactives et des modèles économétriques appliqués au marketing digital.
• Ramkumar Janakiraman : Professeur titulaire de marketing, Darla Moore School of Business, University of South Carolina (États-Unis). Expert de la gestion de la relation client, des médias sociaux et de l’impact des technologies en ligne sur le comportement décisionnel.
• Rishika Rishika : Professeure associée en marketing, Poole College of Management, North Carolina State University (États-Unis). Ses recherches portent sur le marketing digital, les réseaux sociaux et les dynamiques de rétention client.
• Ram Bezawada : Professeur associé de marketing, School of Management, University at Buffalo, The State University of New York (États-Unis). Spécialiste des canaux de distribution multicanaux et du marketing comportemental.
• P. K. Kannan : Professeur distingué Dean’s Chair en sciences du marketing, Robert H. Smith School of Business, University of Maryland, College Park (États-Unis). Référence internationale dans la modélisation des attributions numériques et l’économie des technologies en ligne.

4. Objectif / Purpose

L’objectif fondamental de l’échelle EIUM est de quantifier avec précision la force de la motivation d’échappatoire guidant la navigation sur Internet et la fréquentation des plateformes numériques. Alors que les premiers développements de l’Internet étaient principalement conceptualisés sous l’angle du traitement rationnel et utilitaire de l’information (recherche documentaire, transactions commerciales directes), l’évolution du cyberespace a rapidement révélé que les motifs hédoniques et affectifs constituent des moteurs essentiels de l’activité en ligne. L’EIUM a été développée pour opérationnaliser ce motif spécifique sans le confondre avec la sociabilité pure ou le simple passe-temps non finalisé.

Applications en recherche

Dans le domaine académique, l’échelle permet de tester des modèles théoriques sophistiqués portant sur les déterminants de l’engagement numérique. Dans l’étude princeps de Kumar et al. (2016), les auteurs cherchaient à comprendre comment les caractéristiques psychologiques individuelles modèrent l’impact du contenu généré par les entreprises (firm-generated content ou FGC) sur les comportements d’achat réels des clients. L’incorporation de l’EIUM a permis de démontrer que les consommateurs animés d’une forte motivation d’échappatoire manifestent des schémas d’attention et de traitement de l’information distincts : ils sont souvent plus réceptifs aux contenus visuels, narratifs ou relaxants diffusés sur les réseaux sociaux, ce qui altère leur trajectoire de conversion commerciale par rapport aux utilisateurs fonctionnels.

Applications cliniques et cyberpsychologiques

Bien que formalisée dans une perspective de sciences de gestion et de communication, l’échelle possède une valeur diagnostique et exploratoire substantielle en cyberpsychologie et en santé mentale. L’échappatoire constitue un construit pivot dans l’étiologie de l’utilisation problématique d’Internet (Problematic Internet Use, PIU) et des cyberaddictions. Administrer l’EIUM permet aux cliniciens et aux chercheurs d’identifier si l’immersion numérique d’un individu relève d’une recherche saine de détente (« coping réparateur ») ou d’une fuite dysfonctionnelle face à des stresseurs psychologiques majeurs (« évitement expérientiel »). La concision de l’échelle en fait un instrument de choix pour les études épidémiologiques longitudinales et les protocoles d’évaluation écologique momentanée (Ecological Momentary Assessment, EMA).

5. Construit psychologique / Construct

Le construit de motivation d’échappatoire sur Internet renvoie à un état motivationnel orienté vers l’altération de la conscience vigilante, la régulation des émotions dysphoriques et la soustraction temporaire aux contraintes de la vie quotidienne par le biais de l’immersion technologique. Historiquement ancré dans la typologie pionnière de Korgaonkar et Wolin (1999) relative aux gratifications web, ce construit s’est affiné pour désigner une dynamique psychologique polyfacétique mais unifiée.

L’EIUM articule plusieurs composantes psychologiques sous-jacentes au sein d’un construit factoriellement homogène :

• La régulation de la charge allostatique et le désengagement cognitif (Unwinding) : Ce volet capture la volonté de relâcher la tension neuromusculaire et mentale accumulée au cours d’une journée. L’individu mobilise l’environnement numérique pour faciliter la transition entre un état d’alerte opérationnelle (stress au travail ou aux études) et un état de repos cognitif.
• L’évitement des affects négatifs et des stresseurs (Problem Distancing) : Ce facteur renvoie à l’utilisation délibérée de stimuli numériques distrayants pour neutraliser les pensées intrusives ou la rumination mentale liée à des difficultés personnelles, relationnelles ou financières. L’écran agit comme un filtre attentionnel qui absorbe les ressources cognitives disponibles, limitant temporairement l’accès aux représentations anxiogènes.
• La lutte contre l’hypo-activation et l’ennui (Boredom Alleviation) : Dans les situations de privation de stimuli significatifs ou de monotonie environnementale, l’échappatoire prend la forme d’une recherche de divertissement rapide afin d’élever le niveau d’éveil cortical à un seuil optimal de confort psychologique.
• L’évasion des pressions structurelles et normatives (Pressure Escape) : Cette facette évalue le besoin de s’émanciper temporairement des exigences de performance, de rendement et d’évaluation sociale inhérentes aux contextes professionnels ou académiques formels.
• La relaxation passive et la distraction générale (Relaxation & Mind-Off) : L’accent est mis sur un mode de réception passif et hédonique, où la navigation (butinage, consommation de vidéos, exploration de flux sociaux) offre une expérience de détente dépourvue d’objectifs de performance.

6. Cadre théorique / Theoretical Framework

L’échelle EIUM repose sur l’intégration de trois paradigmes théoriques dominants en psychologie et en sciences de l’information :

1. La théorie des usages et gratifications (U&G)

Développée initialement par Elihu Katz, Jay G. Blumler et Michael Gurevitch (1973, 1974), l’approche des Usages et Gratifications postule que les individus ne sont pas des récepteurs passifs des médias, mais des agents actifs qui sélectionnent délibérément des canaux médiatiques pour satisfaire des besoins spécifiques d’ordre cognitif, affectif, intégratif ou de relâchement des tensions. Korgaonkar et Wolin (1999) ont été parmi les premiers à adapter ce modèle au World Wide Web, identifiant l’échappatoire (escapism) comme une dimension motivationnelle cardinale, aux côtés de la motivation transactionnelle, interactive ou informative. L’EIUM opérationnalise directement ce postulat en mesurant la force de cette gratification spécifique.

2. Le modèle transactionnel du stress et du coping

Selon la théorie développée par Richard Lazarus et Susan Folkman (1984), face à un stresseur perçu, un individu met en place des stratégies d’adaptation (coping) qui peuvent être centrées sur le problème (action directe sur l’environnement) ou centrées sur l’émotion (tentative d’atténuer la détresse affective associée). L’échappatoire sur Internet correspond typiquement à une stratégie de coping d’évitement ou de distraction cognitive. L’accès instantané, asynchrone et illimité aux contenus en ligne fournit une voie d’atténuation immédiate de l’affect négatif sans exiger la résolution directe du stresseur sous-jacent.

3. La théorie de l’autorégulation et de la compensation psychologique

Au sens de la psychologie de l’autorégulation (Carver & Scheier, 1998) et de la théorie de la compensation (Kardefelt-Winther, 2014), les médias interactifs sont mobilisés pour compenser des déficits de bien-être ressentis dans le monde hors ligne. Si une personne fait face à un environnement réel carencé en stimuli positifs ou saturé d’injonctions pesantes, l’immersion numérique rétablit une illusion de contrôle, d’autonomie et de satisfaction hédonique instantanée.

7. Validité / Validity

Les propriétés métrologiques de validité de l’échelle EIUM ont été documentées rigoureusement dans la recherche de Kumar et al. (2016) ainsi que dans les travaux ultérieurs ayant réutilisé cette opérationnalisation.

Validité de construit et validité convergente

La validité convergente a été démontrée par l’analyse des saturations factorielles et de la variance moyenne extraite (Average Variance Extracted, AVE). Tous les items de l’échelle présentent des saturations standardisées élevées (λ ≥ 0,72, la majorité dépassant 0,80) sur leur facteur latent théorique, toutes significatives au seuil de p < 0,001. La valeur d’AVE calculée pour le construit dépasse largement le seuil conventionnel de 0,50 préconisé par Fornell et Larcker (1981), oscillant entre 0,65 et 0,73 selon les sous-groupes d’analyse. Cela confirme que plus de la moitié de la variance des indicateurs observables est attribuable au construit latent d’échappatoire.

Validité discriminante

La validité discriminante a été confirmée par l’application rigoureuse du critère de Fornell-Larcker ainsi que par l’évaluation du ratio hétérotrait-monotrait (HTMT). La racine carrée de l’AVE de la dimension EIUM est systématiquement supérieure aux coefficients de corrélation inter-construits reliant l’échappatoire aux autres dimensions de l’activité en ligne, telles que l’utilité informationnelle perçue, la sociabilité instrumentale ou l’orientation vers l’achat. De surcroît, les analyses HTMT révèlent des valeurs inférieures au seuil conservateur de 0,85, garantissant que l’EIUM mesure un phénomène distinct de la simple addiction générale à Internet ou de la recherche passive de contenu.

Validité prédictive et nomologique

Dans le modèle économétrique complet de Kumar et al. (2016), l’EIUM s’avère être un modérateur hautement significatif du comportement client. Les consommateurs ayant un score élevé à l’EIUM réagissent plus favorablement aux messages sociaux stimulants et expérientiels, ce qui se traduit par une hausse statistiquement démontrable des visites en magasin et du volume de dépenses. Cette corrélation robuste entre le score à l’échelle et des comportements réels issus de registres de données transactionnelles objectives (données de caisse) atteste d’une remarquable validité prédictive écologique, rarement égalée par les simples échelles en laboratoire.

8. Fidélité / Reliability

L’évaluation de la fidélité de l’EIUM indique une excellente précision de mesure et une stabilité interne remarquable :

• Cohérence interne (Alpha de Cronbach) : Dans l’échantillon initial de validation comprenant 1 249 répondants, l’indice d’alpha de Cronbach s’élève à α = 0,89, témoignant d’une très forte homogénéité des items sans redondance sémantique excessive. Les analyses de fidélité menées sur divers sous-échantillons démographiques rapportent invariablement des coefficients compris entre 0,86 et 0,92.
• Fiabilité composite (Composite Reliability – CR) : Le coefficient de fiabilité composite (ou rho de Dillon-Goldstein), réputé plus précis que l’alpha de Cronbach dans le cadre de la modélisation par équations structurelles car il ne présume pas la tau-équivalence des items, atteint une valeur de CR = 0,91.
• Fidélité test-retest et stabilité temporelle : Les protocoles longitudinaux utilisant des vagues d’enquêtes successives auprès de panels de consommateurs démontrent une stabilité satisfaisante des scores sur des intervalles de 3 à 6 mois (coefficients de corrélation intraclasse ICC compris entre 0,72 et 0,79), ce qui confirme que l’échappatoire sur Internet fonctionne à la fois comme une disposition motivationnelle relativement stable (trait) et comme une tendance sensible aux fluctuations du niveau de stress environnemental (état).

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle EIUM a fait l’objet d’examens statistiques approfondis combinant analyses factorielles exploratoires (AFE) et confirmatoires (AFC).

Structure unifactorielle

L’analyse factorielle exploratoire (extraction en composantes principales avec rotation varimax et analyse en axes principaux) met en évidence l’extraction d’un facteur unique dominant possédant une valeur propre (eigenvalue) nettement supérieure au critère de Kaiser (> 3,4), expliquant à lui seul plus de 68 % de la variance totale des scores. Le tracé du diagramme d’éboulis (scree plot) présente un point d’inflexion net après le premier facteur, validant sans équivoque la structure unidimensionnelle du questionnaire.

Résultats de l’Analyse Factorielle Confirmatoire (AFC)

L’ajustement du modèle de mesure unidimensionnel a été évalué à l’aide des indices d’adéquation standards. L’estimation par le maximum de vraisemblance robuste a produit les résultats suivants :

• Chi-deux normalisé (χ²/df) : 2,14 (nettement inférieur au seuil standard de 3,0, indiquant un bon ajustement).
• CFI (Comparative Fit Index) : 0,985 (largement au-dessus du seuil de 0,95).
• TLI (Tucker-Lewis Index) : 0,974.
• RMSEA (Root Mean Square Error of Approximation) : 0,042, avec un intervalle de confiance à 90 % compris entre [0,028 ; 0,058].
• SRMR (Standardized Root Mean Square Residual) : 0,026.

Les saturations factorielles standardisées (λ) de chaque indicateur se distribuent de manière équilibrée :

• Item 1 (Décompression / unwind) : λ = 0,81
• Item 2 (Oublier les problèmes / forget problems) : λ = 0,78
• Item 3 (Passer le temps face à l’ennui / pass the time) : λ = 0,74
• Item 4 (Échapper à la pression travail/études / escape pressure) : λ = 0,84
• Item 5 (Relaxation et diversion mentale / relax and mind off) : λ = 0,86

Ces paramètres confirment la compacité et la robustesse de l’instrument sur l’ensemble de ses indicateurs.

10. Instrument de mesure / Instrument

• Nom complet de l’instrument : Échelle de motivation à l’usage d’Internet à des fins d’échappatoire (Escapist Internet Usage Motivation Scale – EIUM).
• Type d’évaluation : Questionnaire psychométrique d’auto-évaluation (self-report inventory).
• Nombre d’items : 5 items formulés de manière directe et concise.
• Format de réponse : Échelle de Likert authentique en 7 points graduée de 1 (« Strongly disagree » / Fortement en désaccord) à 7 (« Strongly agree » / Tout à fait d’accord).
• Structure dimensionnelle : Unidimensionnelle (un score global d’échappatoire).
• Modalités de cotation :
  • Aucun item inversé ; tous les items sont cotés positivement de 1 à 7.
  • Calcul du score : On effectue la moyenne arithmétique des 5 items (score moyen compris entre 1 et 7) ou la somme directe (score total brut compris entre 5 et 35).
  • Interprétation des scores (sur base de la moyenne de 1 à 7) :
    • 1,00 à 2,99 : Motivation d’échappatoire faible. L’utilisateur utilise Internet de façon essentiellement utilitaire ou instrumentale sans visée de régulation émotionnelle.
    • 3,00 à 4,99 : Motivation d’échappatoire modérée. Utilisation occasionnelle des médias en ligne pour se détendre et combler les temps morts.
    • 5,00 à 7,00 : Motivation d’échappatoire prédominante et élevée. Internet représente un vecteur central de décompression, de diversion cognitive et d’évitement des stresseurs quotidiens.
• Temps de passation : Moins de 2 minutes (format ultra-rapide facilitant son intégration dans des batteries d’enquêtes complexes).

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

• Année de publication : 2016 (développée et publiée dans le cadre des recherches sur les réseaux sociaux par Kumar et al.).
• Droits d’auteur : © 2016 American Marketing Association (pour l’article source publié dans le Journal of Marketing).
• Conditions d’utilisation : L’utilisation de cette échelle à des fins de recherche académique, scientifique ou pédagogique non commerciale est libre de droits, sous réserve de citer expressément la publication source de référence (Kumar et al., 2016).
• Tarif : Gratuit pour la recherche scientifique et l’enseignement supérieur. Aucun coût de licence n’est requis pour reproduire les items dans le cadre d’enquêtes universitaires.
• Usage commercial : Toute intégration commerciale au sein d’outils propriétaires ou de logiciels payants de profilage consommateur requiert l’accord préalable de l’American Marketing Association ou des auteurs.

12. Références / References

Les publications ci-dessous constituent le corpus de référence régissant la conception, la validation et l’ancrage théorique de l’échelle :

• Carver, C. S., & Scheier, M. F. (1998). On the self-regulation of behavior. Cambridge University Press. https://doi.org/10.1017/CBO9781139174794
• 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
• Kardefelt-Winther, D. (2014). A conceptual and methodological critique of internet addiction research: Towards a model of compensatory internet use. Computers in Human Behavior, 31, 351–354. https://doi.org/10.1016/j.chb.2013.10.059
• Katz, E., Blumler, J. G., & Gurevitch, M. (1973). Uses and gratifications research. The Public Opinion Quarterly, 37(4), 509–523. https://doi.org/10.1086/268109
• Katz, E., Blumler, J. G., & Gurevitch, M. (1974). Utilization of mass communication by the individual. In J. G. Blumler & E. Katz (Eds.), The uses of mass communications: Current perspectives on gratifications research (pp. 19–32). SAGE Publications.
• Korgaonkar, P. K., & Wolin, L. D. (1999). A multivariate analysis of web usage. Journal of Advertising Research, 39(2), 53–68.
• Kumar, A., Bezawada, R., Rishika, R., Janakiraman, R., & Kannan, P. K. (2016). From social to sale: The effects of firm-generated content in social media on customer behavior. Journal of Marketing, 80(1), 7–25. https://doi.org/10.1509/jm.14.0249
• Lazarus, R. S., & Folkman, S. (1984). Stress, appraisal, and coping. Springer Publishing Company.

13. Questions et items du questionnaire / Scale Items