Propension à fournir des informations

1. Résumé / Abstract

L’échelle de propension à fournir des informations (développée initialement sous l’intitulé conceptuel anglophone Willingness to Provide Information) constitue un instrument de mesure psychométrique conçu pour évaluer la disposition d’un consommateur à divulguer différentes catégories de données personnelles à une organisation commerciale. Publié dans les travaux empiriques de Grosso, Castaldo, Li et Larivière (2020) au sein du Journal of Retailing, cet instrument s’inscrit au cœur des recherches contemporaines sur le comportement du consommateur, la protection de la vie privée (vie privée), et la modélisation de la confiance relationnelle multi-niveaux.

Cette échelle multidimensionnelle conceptualise et opérationnalise la volonté de partage à travers trois facettes distinctes, caractérisées par des degrés d’intrusion perçue et de sensibilité informationnelle différentiés : les données démographiques (telles que le genre, la tranche d’âge ou le niveau d’éducation), les données relatives au mode de vie (incluant les centres d’intérêt, les activités sportives et de loisir, ou les habitudes de consommation) et les données relatives à l’usage des médias (couvrant la fréquentation des plateformes numériques, le temps passé en ligne ou les préférences de canaux de communication). Chaque dimension est capturée à l’aide d’énoncés évalués sur des échelles de type Likert à 7 points, permettant de mesurer avec finesse l’intensité du consentement psychologique du répondant.

Sur le plan psychométrique, l’instrument présente d’excellentes qualités de fidélité et de validité. Dans les échantillons étudiés lors des enquêtes transfrontalières conduites par Grosso et ses collaborateurs, la cohérence interne des sous-échelles démontre des coefficients alpha de Cronbach systématiquement supérieurs aux seuils conventionnels de 0,80, ainsi qu’une fiabilité composite (CR) robuste. La structure factorielle tridimensionnelle a été corroborée par des analyses factorielles confirmatoires rigoureuses, confirmant la validité convergente et discriminante de l’outil vis-à-vis des construits de confiance interpersonnelle, institutionnelle et macro-contextuelle.

2. Mots-clés / Keywords

Propension au partage d’informations, Divulgation de données personnelles, Vie privée du consommateur, Confiance organisationnelle, Psychométrie, Fidélité composite, Analyse factorielle confirmatoire, Comportement du consommateur, Commerce de détail, Échange social.

3. Auteurs / Authors

L’échelle et son modèle structural associé ont été élaborés et validés par une équipe internationale de chercheurs de premier plan spécialisés en marketing relationnel et gestion de la distribution :

• Monica Grosso : Professeure associée en marketing à l’ESSEC Business School, Cergy-Pontoise, France. Ses recherches portent principalement sur la gestion de la relation client (CRM), les programmes de fidélité et la confiance dans les réseaux de distribution.
• Sandro Castaldo : Professeur titulaire de marketing au département de gestion et de technologie de l’Université Bocconi, Milan, Italie. Il est un expert reconnu internationalement sur les théories de la confiance organisationnelle et les stratégies omnicanales.
• Hua (Ariel) Li : Chercheuse et professeure de marketing, affiliée à l’Université de Maastricht (School of Business and Economics), Pays-Bas, dont les travaux se focalisent sur la modélisation quantitative des interactions consommateurs-entreprises et le marketing digital.
• Bart Larivière : Professeur de marketing des services à l’Université de Gand et à l’Université de Louvain (KU Leuven), Belgique. Ses publications explorent l’expérience client, la numérisation des services et les comportements d’adoption technologique.

4. Objectif / Purpose

L’objectif fondamental de l’échelle de propension à fournir des informations est de quantifier précisément la propension comportementale déclarée d’un individu à autoriser la collecte et l’exploitation de ses données personnelles par un détaillant ou un prestataire de services. Alors que la numérisation massive de l’économie et l’essor du ciblage algorithmique ont transformé les données en ressources stratégiques cruciales, les entreprises font face à des réticences croissantes de la part des citoyens. Ce phénomène, largement documenté sous le concept de « paradoxe de la vie privée » (privacy paradox), met en lumière l’écart entre les préoccupations abstraites des consommateurs et leurs comportements réels de divulgation.

Dans les contextes de recherche académique, l’outil a été spécifiquement forgé pour dépasser les mesures globales et indifférenciées du partage de données. Toutes les données personnelles ne possédant pas la même charge affective, financière ou identitaire, agréger l’ensemble des informations sous une variable unique introduit un biais de mesure majeur. L’échelle de Grosso et al. (2020) permet d’étudier comment des mécanismes antécédents précis — tels que la confiance envers le personnel en contact direct, la confiance institutionnelle envers l’enseigne et la confiance générale institutionnalisée au niveau du pays — influencent différemment la divulgation selon la granularité et la nature de l’information sollicitée.

Au-delà de la recherche fondamentale, cet instrument présente des applications managériales directes. Il sert de diagnostic pour évaluer la réceptivité des bases de données clients avant l’implémentation de programmes de fidélisation omnicanaux ou de politiques de profilage automatisé. Les gestionnaires peuvent ainsi identifier les seuils psychologiques de tolérance des usagers et moduler leurs stratégies de recueil de consentement afin de respecter les cadres éthiques et réglementaires stricts, tels que le Règlement Général sur la Protection des Données (RGPD) en Europe.

5. Construit psychologique / Construct

Le construit psychologique opérationnalisé par cette échelle est la propension à fournir des informations (Willingness to Share Information). Il s’agit d’une intention comportementale dirigée, définie comme la disposition favorable d’un individu à transmettre volontairement des attributs informationnels le concernant dans le cadre d’une interaction commerciale établie ou potentielle. Ce construit est conceptualisé comme une entité tridimensionnelle de premier ordre, structurée autour de typologies fonctionnelles de données privées.

1. Les données démographiques (Demographic Information)

Cette dimension englobe les variables descriptives de base qui définissent le profil sociodémographique de l’individu. Elles incluent généralement l’âge, le genre, l’état civil, le niveau d’instruction et la composition du ménage. Ces informations sont traditionnellement perçues par les individus comme étant à faible niveau de risque psychologique ou financier, car elles sont souvent publiquement observables ou requises dans une multitude de démarches administratives quotidiennes. Par exemple, un consommateur peut juger parfaitement anodin d’indiquer sa tranche d’âge lors de l’adhésion à une carte de fidélité en magasin, percevant ce transfert comme une formalité standard dépourvue d’ambiguïté.

2. Les données relatives au mode de vie (Lifestyle Information)

Cette sous-échelle évalue la propension à révéler des éléments touchant à la sphère privée plus intime de l’individu, notamment ses loisirs, ses passe-temps, ses pratiques sportives, ses habitudes alimentaires ou ses valeurs personnelles. Ces données reflètent l’identité narrative et les choix d’existence de la personne. La divulgation de ces paramètres implique un niveau d’exposition psychologique supérieur à celui des données démographiques. Par exemple, partager avec une enseigne de distribution des détails sur ses pratiques de bien-être ou la fréquence de ses vacances exige une relation de confiance préalable plus marquée, l’usager craignant d’être enfermé dans un ciblage comportemental intrusif ou de voir ses goûts jugés.

3. Les données relatives à l’usage des médias (Media Usage Information)

Cette composante cible les habitudes de consommation communicationnelle et numérique : types de médias consultés (presse, télévision, streaming), durée moyenne d’exposition quotidienne aux écrans, plateformes de réseaux sociaux privilégiées et modalités de navigation en ligne. Dans une ère où le suivi des activités numériques (tracking) suscite une anxiété croissante liée à la surveillance électronique, le partage explicite de ces informations est souvent perçu comme très sensible. Le consommateur ressent qu’en transmettant ses habitudes médiatiques, il permet à l’entreprise d’accéder à son empreinte temporelle et attentionnelle la plus privée, ce qui requiert des garanties solides de non-redistribution à des tiers publicitaires.

6. Cadre théorique / Theoretical Framework

L’assise conceptuelle de l’échelle repose sur une synthèse entre la théorie de l’échange social (social exchange theory), initialement formalisée par des sociologues et psychologues tels que George Homans et Peter Blau, et la théorie du calcul de la vie privée (Privacy Calculus Theory) développée dans les systèmes d’information (Dinev & Hart, 2006).

Selon la théorie de l’échange social, les interactions humaines sont gouvernées par une analyse subjective des coûts et des bénéfices, dans laquelle les acteurs s’engagent lorsque les récompenses anticipées surpassent les coûts perçus. Dans la relation client, le transfert de données personnelles est appréhendé comme une ressource d’échange non monétaire. Le consommateur accepte de céder une fraction de son intimité informationnelle en contrepartie d’avantages tangibles (remises personnalisées, offres promotionnelles ciblées) ou intangibles (gain de temps, personnalisation de l’expérience d’achat, reconnaissance statutaire). Cependant, cet échange repose fondamentalement sur le postulat d’une incertitude asymétrique : une fois l’information transmise, l’individu perd le contrôle immédiat sur sa manipulation.

C’est ici qu’intervient la notion de confiance comme mécanisme de réduction de la complexité sociale, telle que conceptualisée par Niklas Luhmann et approfondie en gestion par Mayer, Davis et Schoorman (1995). Grosso et al. (2020) mobilisent une approche hiérarchique et multi-niveaux de la confiance :

• La confiance interpersonnelle (envers le personnel de vente) : ancrée dans les perceptions de bienveillance et de compétence du personnel physique en magasin.
• La confiance organisationnelle (envers l’enseigne de distribution) : fondée sur la réputation, l’intégrité perçue de la marque et ses engagements éthiques.
• La confiance institutionnelle macro-structurelle (envers le pays et son système juridique) : qui fournit le filet de sécurité légal assurant la protection des droits du citoyen.

L’échelle opérationnalise l’aboutissement de ce calcul cognitif et affectif, démontrant que la propension à fournir des informations découle d’un arbitrage complexe où la confiance à ces différents niveaux neutralise le sentiment de vulnérabilité associé au risque informationnel perçu.

7. Validité / Validity

Les propriétés de validité de l’échelle ont été démontrées à travers des procédures méthodologiques rigoureuses lors d’études quantitatives menées auprès de panels représentatifs de consommateurs dans plusieurs pays (notamment en Italie et aux États-Unis), garantissant une forte robustesse transculturelle.

Validité de contenu et validité apparente

La validité de contenu a été établie par une revue exhaustive de la littérature sur le comportement informationnel et confirmée par des panels d’experts académiques en marketing et psychométrie. Les items ont été formulés de façon à couvrir exhaustivement les spectres informationnels classiquement sollicités lors de l’adhésion à des programmes de fidélité, évitant ainsi le sous-dimensionnement du construit.

Validité convergente

La validité convergente a été confirmée lors de l’estimation de modèles d’équations structurelles (SEM). Les saturations factorielles standardisées (factor loadings) pour l’ensemble des indicateurs de chaque sous-dimension sont statistiquement significatives ($p < 0{,}001$) et dépassent largement le seuil standard de 0,70. De surcroît, la variance moyenne extraite (Average Variance Extracted, AVE) pour chacune des trois dimensions dépasse le seuil critique de 0,50 recommandé par Fornell et Larcker (1981), confirmant qu’une part majoritaire de la variance des items est attribuable au construit théorique plutôt qu’à l’erreur de mesure.

Validité discriminante

La validité discriminante a été examinée selon deux approches complémentaires :

• Le critère de Fornell-Larcker : pour chaque paire de construits latents, la racine carrée de l’AVE de chaque construit s’est révélée strictement supérieure aux corrélations inter-construits correspondantes.
• Le ratio Hétérotrait-Monotrait (HTMT) : toutes les valeurs calculées se sont maintenues sous la borne stricte de 0,85, démontrant sans équivoque que les données démographiques, les données de mode de vie et les données d’usage des médias constituent des construits empiriquement distincts dans l’esprit du répondant.

Validité prédictive et nomologique

La validité nomologique est corroborée par l’observation de relations empiriques cohérentes avec la théorie de l’échange social. Les analyses de régression et les modèles structurels démontrent que la confiance envers le personnel, l’enseigne et les institutions étatiques prédit significativement la propension au partage, tout en révélant que les informations relatives au mode de vie et aux médias exigent des niveaux de confiance supérieurs à ceux requis pour la transmission d’attributs démographiques simples.

8. Fidélité / Reliability

La fidélité de l’échelle a fait l’objet d’évaluations exhaustives dans les différentes vagues d’enquêtes empiriques réalisées par Grosso et al. (2020). Les indices de cohérence interne calculés démontrent une stabilité et une précision métrologique remarquables.

Pour chaque dimension, les coefficients de fiabilité composite (CR – Composite Reliability) et les alphas de Cronbach traditionnels se situent bien au-delà du seuil minimal recommandé de 0,70 :

• Propension à partager des données démographiques : les indices de fiabilité rapportés atteignent des valeurs d’alpha de Cronbach variant entre 0,84 et 0,89 selon les sous-échantillons nationaux analysés, avec une fiabilité composite supérieure à 0,85.
• Propension à partager des données de mode de vie : cette sous-échelle présente une consistance interne comprise entre 0,87 et 0,91, dénotant une homogénéité conceptuelle élevée des items composant la mesure.
• Propension à partager des données d’usage des médias : les coefficients de Cronbach se maintiennent dans des plages oscillant entre 0,85 et 0,88, appuyés par des indices de fiabilité composite équivalents.

L’erreur standard de mesure (SEM) associée aux scores composites demeure faible, ce qui assure une bonne réplicabilité des classements individuels lors de passations répétées. Ces indices chiffrés confirment l’absence de redondance excessive entre les items tout en garantissant un niveau de bruit statistique minimal.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’instrument a été testée et validée au moyen de démarches d’analyse factorielle exploratoire (AFE) initiales, suivies d’analyses factorielles confirmatoires (AFC) rigoureuses basées sur la méthode du maximum de vraisemblance.

L’analyse factorielle confirmatoire menée sur l’ensemble des données d’enquête a comparé plusieurs structures concurrentes : un modèle unifactoriel d’ordre un (hypothétisant une propension générale indifférenciée), un modèle à trois facteurs orthogonaux, et un modèle à trois facteurs corrélés de premier ordre. Les résultats ont démontré sans ambiguïté la supériorité statistique et théorique du modèle à trois dimensions corrélées.

Les indices d’ajustement global du modèle factoriel tridimensionnel rapportés dans l’étude respectent scrupuleusement les exigences méthodologiques contemporaines (Hu & Bentler, 1999) :

• Le ratio du Chi-deux sur les degrés de liberté ($\chi^2/ ext{ddl}$) se situe en deçà du seuil critique de 3,00.
• L’indice de comparaison de Bentler (CFI – Comparative Fit Index) excède 0,95.
• L’indice de Tucker-Lewis (TLI) est supérieur à 0,95.
• La racine de l’erreur quadratique moyenne d’approximation (RMSEA) est inférieure à 0,05, assortie d’un intervalle de confiance à 90 % étroit.
• La racine standardisée de la moyenne des carrés des résidus (SRMR) est inférieure à 0,04.

Toutes les saturations factorielles standardisées ($lambda$) se sont avérées statistiquement significatives au seuil de $p < 0{,}001$, avec des valeurs oscillant principalement entre 0,75 et 0,90, excluant tout item affichant des saturations croisées indésirables ou un pouvoir explicatif résiduel insuffisant.

10. Instrument de mesure / Instrument

L’instrument de mesure de la propension à fournir des informations se caractérise par les modalités techniques suivantes :

• Type de test : Instrument psychométrique d’auto-évaluation (questionnaire par auto-rapport).
• Format d’administration : Questionnaire informatisé (en ligne via plateformes web/mobiles) ou administration papier-crayon dans le cadre d’enquêtes en point de vente.
• Population cible : Consommateurs adultes (dès 18 ans), clients effectifs ou potentiels d’enseignes commerciales physiques et de sites e-commerce.
• Format des réponses : Échelle d’évaluation graduée de type Likert en 7 points : allant de 1 (« Pas du tout disposé / Totalement en désaccord ») à 7 (« Tout à fait disposé / Totalement d’accord »). Une formulation neutre est établie au point médian (4).
• Nombre de dimensions : 3 dimensions corrélées (Informations démographiques, Informations sur le mode de vie, Informations sur l’usage des médias).
• Cotation et calcul des scores :
  • Un score moyen distinct est calculé pour chacune des trois sous-échelles en sommant les valeurs des items respectifs et en les divisant par le nombre d’items de la dimension.
  • Aucun item inversé n’est intégré dans la passation originale, tous les items étant formulés dans le sens d’une propension positive à divulguer.
  • L’interprétation s’effectue par dimension : des scores élevés (proches de 7) traduisent une ouverture forte au partage et une faible vulnérabilité perçue, tandis que des scores faibles (proches de 1) reflètent une réticence informationnelle accentuée nécessitant des réassurances relationnelles poussées.

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

L’échelle a été publiée officiellement en 2020 dans le cadre de la recherche académique intitulée « What Information Do Shoppers Share? The Effect of Personnel-, Retailer-, and Country-Trust on Willingness to Share Information » parue dans le volume 96, numéro 4 du Journal of Retailing.

• Droits d’auteur et propriété intellectuelle : Les droits d’exploitation commerciale de l’article scientifique et de son agencement textuel sont détenus par l’éditeur académique Elsevier Inc. au nom de l’Université de New York (NYU).
• Tarifs d’accès : L’utilisation de l’instrument dans le cadre strict de la recherche scientifique académique non lucrative et de l’enseignement est généralement libre et gratuite, sous réserve d’une citation bibliographique intégrale et rigoureuse de la publication princeps de Grosso et al. (2020).
• Utilisations commerciales : Toute intégration de l’outil dans des audits commerciaux propriétaires, des plateformes logicielles marchandes ou des activités de conseil requiert l’obtention d’une autorisation explicite de reproduction auprès du Centre des droits d’auteur d’Elsevier via RightsLink®.

12. Références / References

Les sources conceptuelles et empiriques structurant cet article comprennent :

• Dinev, T., & Hart, P. (2006). An extended privacy calculus model for e-commerce transactions. Information Systems Research, 17(1), 61-80. https://doi.org/10.1287/isre.1060.0080
• 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
• Grosso, M., Castaldo, S., Li, H. A., & Larivière, B. (2020). What information do shoppers share? The effect of personnel-, retailer-, and country-trust on willingness to share information. Journal of Retailing, 96(4), 524-547. https://doi.org/10.1016/j.jretai.2020.08.002
• Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55. https://doi.org/10.1080/10705519909540118
• Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An integrative model of organizational trust. Academy of Management Review, 20(3), 709-734. https://doi.org/10.5465/amr.1995.9508080332

13. Questions et items du questionnaire / Scale Items

Les formulations textuelles officielles et exactes des items de l’échelle telle qu’administrée dans l’étude empirique de Grosso et al. (2020) sont protégées par le droit d’auteur éditorial d’Elsevier et ne sont pas reproduites dans le domaine public ouvert.

Les chercheurs et praticiens souhaitant employer l’instrument officiel doivent consulter l’annexe méthodologique de l’article original de Grosso et ses collaborateurs (2020) ou solliciter l’autorisation formelle auprès des auteurs ou de la revue. À titre purement indicatif et structurel, les items originaux en langue anglaise sont organisés selon l’armature conceptuelle suivante :