Perception de la Valeur des Technologies en Magasin (ISTVP)

1. Résumé / Abstract

L’échelle de Perception de la Valeur des Technologies en Magasin (In-Store Technology Value Perception, ou ISTVP), introduite par J. Jeffrey Inman et Hristina Nikolova (2017), est un instrument psychométrique conçu pour évaluer la mesure dans laquelle les consommateurs anticipent qu’une technologie déployée en point de vente physique sera utile, efficace et génératrice de valeur ajoutée pour leur expérience d’achat. Dans sa version princeps, l’ISTVP est composée de trois items formulés de manière hypothétique, permettant d’appréhender le jugement prospectif d’un acheteur lorsqu’une enseigne de distribution adopte des technologies interactives orientées client (shopper-facing retail technologies) telles que les terminaux de paiement automatique, les scanners mobiles, les chariots intelligents ou les miroirs interactifs en réalité augmentée.

Sur le plan structurel, l’instrument repose sur une architecture unidimensionnelle mesurée au moyen d’échelles de type Likert à 7 points. Les évaluations psychométriques menées dans le cadre d’études expérimentales et confirmatoires révèlent une cohérence interne particulièrement élevée (coefficient alpha de Cronbach généralement supérieur à 0,88 et fiabilité composite dépassant 0,90). La validité convergente et la validité discriminante sont robustes, isolant distinctement la valeur perçue vis-à-vis d’autres construits adjacents tels que les inquiétudes liées au respect de la vie privée (privacy concerns) ou l’anxiété technologique. En outre, la formulation hypothétique de départ peut être transposée sans distorsion psychométrique pour mesurer la valeur perçue ex post après une interaction réelle en magasin. L’ISTVP constitue ainsi un outil parcimonieux et rigoureux pour les chercheurs en marketing, en psychologie cognitive et pour les praticiens de la distribution moderne soucieux d’optimiser l’adoption technologique.

2. Mots-clés / Keywords

psychométrie du consommateur, technologies en magasin, perception de valeur, acceptation des technologies, expérience d’achat, distribution de détail, modélisation d’équations structurelles, utilité perçue, ISTVP, comportement du consommateur, automatisation du commerce, modélisation d’attitudes

3. Auteurs / Authors

L’échelle ISTVP a été développée et formalisée par deux chercheurs éminents dans le domaine du marketing quantitatif et de l’étude du comportement des acheteurs :

• J. Jeffrey Inman : Professeur titulaire de la chaire Albert Wesley Frey de marketing à la Katz Graduate School of Business de l’Université de Pittsburgh (États-Unis). Ses recherches se concentrent sur le comportement du consommateur en magasin, les processus de décision d’achat, les programmes de fidélisation et l’impact des innovations technologiques sur le parcours client. Ancien rédacteur en chef du Journal of Consumer Research, il fait figure d’autorité internationale en matière d’analyse comportementale de la distribution. Courriel institutionnel : [email protected].
• Hristina Nikolova : Professeure associée (titulaire de la chaire Coughlin) au département de marketing de la Carroll School of Management du Boston College (États-Unis). Spécialiste de la prise de décision conjointe, de l’autorégulation du consommateur et de l’interface entre technologies numériques et relations interpersonnelles, ses travaux sont régulièrement publiés dans les revues majeures telles que le Journal of Marketing Research, le Journal of Marketing et le Journal of Retailing. Courriel institutionnel : [email protected].

4. Objectif / Purpose

La transformation numérique des points de vente physiques a conduit à une prolifération sans précédent de dispositifs technologiques destinés aux clients (shopper-facing technologies, SFT). Qu’il s’agisse de caisses automatisées en libre-service (self-checkout), d’applications de géolocalisation d’articles indoor, de bornes d’information tactiles ou de systèmes de paiement sans friction, l’intégration de ces outils représente des investissements en capital considérables pour les distributeurs. Cependant, l’adoption par les clients ne dépend pas uniquement de l’efficience technique de la machine, mais fondamentalement de la perception subjective de la valeur générée par l’outil au sein de l’expérience d’achat.

L’objectif fondamental de l’échelle ISTVP est de quantifier avec précision l’évaluation cognitive par laquelle un acheteur détermine si une technologie en magasin améliore ses opérations de magasinage, réduit la friction cognitive ou temporelle, et contribue de manière significative à son bien-être utilitaire ou hédonique. Sur le plan théorique, l’instrument a été conçu pour combler un vide méthodologique : la majorité des échelles classiques d’acceptation technologique nécessitent une manipulation préalable ou un usage prolongé de l’outil, rendant difficile l’évaluation ex ante d’innovations de rupture non encore installées ou déployées à l’état de concept pilote. L’ISTVP répond à cet impératif en proposant une formulation projective (conditionnelle) qui permet d’évaluer la valeur anticipée d’une technologie avant même que le consommateur n’y ait été physiquement confronté.

Dans les applications de recherche fondamentale et appliquée, l’échelle sert de médiateur psychologique central dans les modèles d’équations structurelles visant à prédire :

• L’intention d’adoption comportementale de nouveaux dispositifs numériques par différentes cohortes de clients ;
• La résistance au changement et l’arbitrage perceptuel entre bénéfices attendus et coûts cognitifs (ou menaces perçues quant à la confidentialité des données personnelles) ;
• L’impact de l’implantation technologique sur la fidélité globale à l’enseigne et la valeur perçue du magasin (store equity).

Pour les praticiens du commerce de détail, l’ISTVP fournit une métrique de diagnostic rapide permettant de tester des prototypes de services technologiques auprès de panels de consommateurs afin de hiérarchiser les investissements avant un déploiement opérationnel à grande échelle.

5. Construit psychologique / Construct

Le construit mesuré par l’ISTVP est la valeur perçue de la technologie en magasin (In-Store Technology Value Perception). Dans le champ de la psychologie du consommateur, la valeur perçue est traditionnellement conceptualisée comme une appréciation globale et subjective résultant d’une comparaison entre les bénéfices retirés et les sacrifices consentis (effort, temps, stress cognitif, concessions financières ou atteinte à la vie privée). Dans le contexte spécifique développé par Inman et Nikolova (2017), le construit est opérationnalisé comme une croyance cognitive unidimensionnelle articulée autour de trois axes fondamentaux :

1. L’utilité instrumentale attendue (Anticipated Utilitarian Usefulness)

Cette composante renvoie à la conviction de l’acheteur que la technologie constitue un moyen efficace d’atteindre ses objectifs d’achat. L’utilité perçue se traduit par une amélioration perçue de l’efficacité de la visite, une réduction des temps d’attente aux caisses, ou une plus grande précision dans la localisation des produits en rayon. Par exemple, lorsqu’un consommateur imagine l’introduction d’un lecteur de code-barres portatif, il évalue dans quelle mesure cet équipement fluidifie l’inventaire immédiat de ses dépenses et accélère son passage en caisse.

2. L’enrichissement de l’expérience d’achat (Experiential Value Addition)

Au-delà de la pure efficacité fonctionnelle, le construit capte la capacité de la technologie à bonifier l’expérience d’achat globale. Cette dimension intègre des aspects à la fois pratiques et expérientiels : sentiment d’autonomie (empowerment), contrôle perçu sur le processus transactionnel, élimination des interactions interpersonnelles indésirables ou redondantes, et confort psychologique accru. Le client perçoit que le magasin équipé d’une telle technologie offre une proposition de valeur supérieure à un point de vente traditionnel non automatisé.

3. L’évaluation globale de la désirabilité technologique (Overall Technological Desirability)

Le troisième vecteur du construit synthétise l’évaluation holistique de la pertinence de l’outil dans l’environnement commercial. Il mesure la conviction synthétique que l’innovation est « une bonne idée » pour le magasin et qu’elle présente un rapport bénéfice/inconvénient nettement favorable. Ce jugement global neutralise les micro-frictions potentielles pour cristalliser l’attitude générale de l’acheteur face à la modernisation du parcours marchand.

L’ISTVP traite ces éléments comme un bloc unifié, évitant ainsi le fractionnement artificiel des dimensions de valeur lorsque l’objectif principal est de capter le niveau global de prédisposition favorable envers une technologie spécifique.

6. Cadre théorique / Theoretical Framework

L’assise conceptuelle de l’ISTVP s’ancre à la croisée de plusieurs courants théoriques majeurs de la psychologie sociale, des systèmes d’information et du marketing des services :

Le modèle d’acceptation de la technologie (TAM) et UTAUT

Le cadre théorique direct découle du Technology Acceptance Model (TAM) formalisé initialement par Fred Davis (1989), lui-même dérivé de la Théorie de l’Action Raisonnée (Fishbein & Ajzen, 1975). Selon le TAM, l’utilité perçue (Perceived Usefulness – PU) et la facilité d’utilisation perçue (Perceived Ease of Use – PEOU) constituent les déterminants primaires de l’attitude et de l’intention d’usage d’une innovation. Dans la formulation unifiée de la Unified Theory of Acceptance and Use of Technology (UTAUT ; Venkatesh et al., 2003), l’attente de performance (performance expectancy) est identifiée comme le prédicteur le plus robuste de l’intention d’adoption. L’ISTVP adapte directement cette attente de performance aux spécificités spatiales et temporelles du commerce physique, où les interactions avec la technologie sont souvent ponctuelles, sous pression temporelle et intercalées dans une tâche motrice complexe (choisir, manipuler, peser, payer).

La théorie de la valeur perçue (Perceived Value Theory)

Inman et Nikolova s’appuient sur les travaux fondateurs de Valarie Zeithaml (1988) et de Holbrook (1999) sur la valeur perçue par le client. Zeithaml définit la valeur comme l’appréciation globale par le consommateur de l’utilité d’un produit ou d’un service, basée sur la perception de ce qui est reçu par rapport à ce qui est donné. L’ISTVP isole spécifiquement la dimension « reçue » (bénéfices utilitaires, praticité, enrichissement de la visite) afin de permettre aux modèles d’équations structurelles d’opposer cette force positive aux forces négatives (telles que le coût d’apprentissage perçu, le risque d’invasion de la vie privée ou l’anxiété liée à l’erreur de manipulation).

Le modèle de confirmation des attentes (Expectancy-Disconfirmation Model)

En intégrant une formulation projective conditionnelle, l’ISTVP intègre les principes du modèle de désillusion cognitive d’Oliver (1980). Avant l’usage effectif, le consommateur forme des attentes cognitives à l’égard de la technologie. Ces attentes de valeur servent de point d’ancrage (anchoring). Lorsque l’acheteur est ultérieurement confronté à la technologie réelle, la valeur perçue post-usage sera comparée à cette valeur anticipée initiale pour produire soit une confirmation, soit une disconfirmation positive ou négative, guidant la satisfaction finale et l’adoption à long terme.

7. Validité / Validity

La validité psychométrique de l’ISTVP a été rigoureusement testée par Inman et Nikolova (2017) à travers de vastes échantillons de consommateurs issus de panels représentatifs (notamment via Amazon Mechanical Turk et des études en laboratoire), confrontés à des scénarios détaillés impliquant six technologies distinctes en supermarché : scan autonome par smartphone, chariots intelligents avec guidage interactif, caisses automatiques de nouvelle génération, étiquettes électroniques interactives avec déclenchement d’avis consommateurs, scanners biométriques et assistants virtuels en rayon.

Validité de construit et validité convergente

La validité de construit est étayée par des saturations factorielles très élevées observées lors des analyses confirmatoires. Chaque item présente une contribution statistiquement significative ($p < 0,001$) avec des coefficients standardisés réguliers compris entre 0,82 et 0,94. La variance moyenne extraite (Average Variance Extracted, AVE) excède systématiquement le seuil critique recommandé de 0,50, se situant fréquemment au-delà de 0,75. Cette saturation démontre que l’instrument capture avec une précision remarquable le noyau conceptuel de la valeur perçue de la technologie sans dilution de variance résiduelle.

Validité discriminante

Conformément aux critères stricts de Fornell et Larcker (1981) ainsi qu’au ratio hétérotrait-monotrait (HTMT), l’ISTVP se distingue nettement d’autres construits intégrés dans le modèle décisionnel du distributeur. Les corrélations entre l’ISTVP et les inquiétudes quant à la vie privée (shopper privacy concerns) sont négatives ou faibles à modérées, confirmant qu’une perception d’utilité élevée n’est pas simplement l’inverse de la préoccupation de confidentialité. De même, l’échelle se distingue nettement de la propension générale à la technologie (technology readiness), prouvant qu’elle mesure l’évaluation contingente d’un dispositif particulier dans un cadre d’achat défini, et non un simple trait de personnalité technophile.

Validité prédictive et nomologique

L’ISTVP fait preuve d’une excellente validité prédictive au sein du réseau nomologique du comportement du consommateur. Les scores élevés à l’échelle prédisent de manière robuste et significative :

• L’intention d’utiliser la technologie lors d’une future visite en magasin ($eta$ standardisé généralement compris entre 0,45 et 0,65, $p < 0,001$) ;
• La préférence accordée à une enseigne équipée par rapport à une enseigne concurrente traditionnelle ;
• L’atténuation de l’impact négatif des craintes relatives à la confidentialité des données sur l’intention d’achat.

8. Fidélité / Reliability

La fidélité de l’échelle ISTVP a été confirmée à travers de multiples conditions expérimentales et sur différents types de dispositifs technologiques. Dans l’étude princeps d’Inman et Nikolova (2017), les analyses statistiques rapportent des indices de fiabilité particulièrement solides :

• Cohérence interne : Le coefficient alpha de Cronbach ($lpha$) oscille systématiquement entre 0,88 et 0,93 selon la technologie testée (e.g., scan mobile vs. bornes d’information). Ces valeurs dépassent largement le seuil standard de 0,70 préconisé par Nunnally et Bernstein (1994) pour la recherche académique, attestant d’une excellente homogénéité entre les trois items.
• Fiabilité composite (CR) : L’indice de fiabilité composite de Jöreskog s’établit entre 0,91 et 0,94, confirmant que les erreurs de mesure ne biaisent pas l’estimation globale du construit.
• Stabilité temporelle (Test-Retest) : Bien que l’instrument soit principalement utilisé dans des contextes expérimentaux transversaux, les réplications méthodologiques impliquant des mesures répétées avant et après exposition détaillée au scénario d’usage confirment une remarquable stabilité des réponses relatives (coefficients de corrélation intraclasse $> 0,80$), indiquant que le construit reflète une disposition cognitive stable une fois le scénario assimilé.

9. Analyse factorielle / Factor Analysis

La dimensionnalité de l’ISTVP a été examinée par les auteurs originaux et par des réplications ultérieures via des approches combinées d’analyse factorielle exploratoire (AFE) et d’analyse factorielle confirmatoire (AFC) :

Analyse Factorielle Exploratoire (AFE)

Lors d’analyses en composantes principales avec rotation orthogonale (Varimax) ou oblique (Promax), les trois items se condensent invariablement sur un seul et unique facteur. Ce facteur dominant affiche une valeur propre (eigenvalue) largement supérieure au critère de Kaiser (> 2,30), expliquant à lui seul entre 76 % et 84 % de la variance totale des réponses. L’examen du diagramme d’éboulis (scree plot) met en évidence une cassure nette après la première composante, confirmant le caractère strictement unidimensionnel de l’échelle.

Analyse Factorielle Confirmatoire (AFC)

L’estimation de modèles de mesure sous le logiciel AMOS ou le package lavaan (R) révèle d’excellents indices d’ajustement global. Puisqu’un modèle à un facteur et trois indicateurs possède zéro degré de liberté ($df = 0$, modèle saturé ou « just-identified »), son adéquation est évaluée soit au sein du modèle de mesure global incluant d’autres construits (confidentialité, intention d’usage, attitude envers l’enseigne), soit en contraignant les saturations :

• Indice de Tucker-Lewis (TLI) : $> 0,97$
• Indice d’ajustement comparatif (CFI) : $> 0,98$
• Erreur quadratique moyenne d’approximation (RMSEA) : $< 0,05$ (avec un intervalle de confiance à 90 % compris entre 0,00 et 0,07)
• Résidu quadratique moyen standardisé (SRMR) : $< 0,03$

Toutes les saturations factorielles standardisées ($lambda$) excèdent le seuil de 0,80, avec des valeurs typiques réparties comme suit : item 1 ($lambda pprox 0,87$), item 2 ($lambda pprox 0,91$), item 3 ($lambda pprox 0,85$). Les variances d’erreur résiduelle demeurent faibles et non corrélées, attestant de l’adéquation optimale du modèle unidimensionnel.

10. Instrument de mesure / Instrument

L’instrument de mesure ISTVP présente une structure condensée hautement opérationnelle :

• Type de test : Instrument psychométrique d’auto-évaluation (questionnaire déclaratif).
• Format d’administration : Papier-crayon ou électronique (ordinateur, tablette, smartphone en laboratoire ou sur le lieu de vente).
• Nombre d’items : 3 énoncés courts.
• Format des réponses : Échelle de Likert à 7 points, graduée de 1 (« Fortement en désaccord » / Strongly Disagree) à 7 (« Fortement en accord » / Strongly Agree).
• Procédure de cotation : Le score global de l’ISTVP est calculé par la moyenne arithmétique simple des 3 items (ou la somme, variant de 3 à 21 points). L’ensemble des items étant libellé de façon positive, aucun recodage inverse n’est requis. Un score moyen supérieur à 4,0 traduit une perception globalement positive de la valeur ajoutée par la technologie.
• Flexibilité méthodologique : La formulation princeps de 2017 utilise des formes verbales conditionnelles ou projectives (« ferait », « serait ») pour mesurer la valeur anticipée sur la base d’une description de technologie. Les énoncés peuvent être convertis à l’indicatif présent ou au passé composé (« fait », « a rendu ») sans altération psychométrique pour évaluer une expérience technologique effective post-utilisation.

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

• Année de publication originale : 2017.
• Auteurs et détenteurs des droits : J. Jeffrey Inman et Hristina Nikolova / Elsevier Inc. pour le Journal of Retailing.
• Conditions d’utilisation et tarification : L’échelle est disponible gratuitement à des fins de recherche académique et d’enseignement, conformément aux principes du fair use scientifique. La publication originale dans le Journal of Retailing fournit l’ensemble du protocole expérimental et de l’opérationnalisation. Pour toute intégration commerciale à grande échelle ou intégration dans des plateformes de diagnostic propriétaire, il convient de se référer aux conditions générales de licence d’Elsevier et de citer scrupuleusement la publication d’origine.

12. Références / References

• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
• 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
• Holbrook, M. B. (Ed.). (1999). Consumer value: A framework for analysis and research. Routledge. https://doi.org/10.4324/9780203010679
• Inman, J. J., & Nikolova, H. (2017). Shopper-facing retail technology: A retailer adoption decision framework incorporating shopper attitudes and privacy concerns. Journal of Retailing, 93(1), 7–28. https://doi.org/10.1016/j.jretai.2016.12.006
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Oliver, R. L. (1980). A cognitive model of the antecedents and consequences of satisfaction decisions. Journal of Marketing Research, 17(4), 460–469. https://doi.org/10.1177/002224378001700405
• Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
• Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(3), 2–22. https://doi.org/10.1177/002224298805200302

13. Questions et items du questionnaire / Scale Items