Questionnaire de propension aux outils intelligents

1. Résumé

Le Questionnaire de propension aux outils intelligents (Smart Tools Proneness Questionnaire, STP-Q) est un instrument d’évaluation psychométrique conçu pour mesurer la disposition psychologique générale et la propension comportementale d’un individu à adopter, intégrer et déléguer des tâches à des technologies intelligentes dans sa vie quotidienne. Initialement conceptualisé par Navarro (2022) puis validé transculturellement dans divers contextes, notamment par Esen, Türkmen et Düger (2024), le STP-Q comble une lacune majeure entre les modèles traditionnels d’acceptation technologique axés sur l’utilité perçue en contexte professionnel et les outils diagnostiques évaluant les usages problématiques ou pathologiques du numérique.

L’instrument repose sur une structure tridimensionnelle comprenant : (1) l’utilisation utilitaire (Utilitarian Use), qui reflète la recherche d’efficacité, de gain de temps et d’automatisation des tâches fonctionnelles ; (2) l’utilisation hédonique et sociale (Hedonic and Social Use), qui capture l’engagement technologique motivé par le divertissement, la régulation émotionnelle et le maintien du lien social ; et (3) l’inclination à déléguer des tâches (Inclination to Delegate Tasks), dimension novatrice évaluant le confort psychologique et la confiance accordée aux systèmes automatisés et aux intelligences artificielles pour assumer des décisions ou des processus cognitifs.

Sur le plan psychométrique, le STP-Q présente des qualités métrologiques remarquables. L’analyse de consistance interne met en évidence un coefficient alpha de Cronbach global de 0,954, attestant d’une excellente cohérence entre les items. La fidélité temporelle évaluée par test-retest révèle un coefficient de corrélation intraclasse (CCI) de 0,851, confirmant la stabilité du construit en tant que trait dispositionnel. La validité convergente est démontrée par des corrélations statistiquement significatives avec des mesures de préparation à l’apprentissage numérique (E-Learning Readiness Scale) et d’anxiété liée à la séparation technologique (Nomophobia Questionnaire, NMP-Q). L’analyse factorielle exploratoire confirme la structure tri-factorielle du modèle, expliquant une part substantielle de la variance totale.

2. Mots-clés

Propension aux outils intelligents, STP-Q, psychométrie, adoption technologique, cyberpsychologie, délégation cognitive, domotique, intelligence artificielle, validité transculturelle, fidélité test-retest, acceptation des technologies, comportement numérique.

3. Auteurs

Le développement initial et les adaptations transculturelles du Questionnaire de propension aux outils intelligents impliquent les chercheurs suivants :

• Jordan Navarro — Laboratoire d’Ergonomie et de Psychologie Appliquée, concepteur de la version originale de l’instrument (Navarro, 2022).
• Serdar Yılmaz Esen — Département de Physiothérapie et Réadaptation, Faculté des Sciences de la Santé, Université Hacettepe, Ankara, Turquie.
• Ceyhun Türkmen — Département de Physiothérapie et Réadaptation, Faculté des Sciences de la Santé, Université Hacettepe, Ankara, Turquie. Contact institutionnel : [email protected].
• Tülin Düger — Professeure au Département de Physiothérapie et Réadaptation, Faculté des Sciences de la Santé, Université Hacettepe, Ankara, Turquie.

4. Objectif

L’avènement fulgurant des technologies intelligentes — incluant les agents conversationnels, les dispositifs de domotique connectée (Internet des objets / IoT), les assistants vocaux interactifs et les applications intégrant des algorithmes d’intelligence artificielle — a profondément transformé la nature de l’interaction homme-machine. Traditionnellement, l’évaluation psychologique des interactions numériques s’est articulée autour de deux pôles extrêmes : d’une part, les paradigmes de l’ingénierie et du management modélisant l’acceptation rationnelle des systèmes au travail via le modèle d’acceptation de la technologie (TAM ; Davis, 1989) ou la théorie unifiée de l’acceptation et de l’utilisation de la technologie (UTAUT ; Venkatesh et al., 2003) ; d’autre part, la psychologie clinique et psychopathologique mesurant les conduites addictives et les dérives compulsives à travers l’Internet Addiction Test (IAT ; Young, 1996) ou les échelles de nomophobie (Yıldırım & Correia, 2015).

Le STP-Q a été développé spécifiquement pour combler le vide théorique et empirique situé entre ces deux approches. L’objectif principal de l’échelle est de quantifier la propension individuelle non pathologique à solliciter et intégrer activement les technologies intelligentes dans les routines quotidiennes. Elle évalue la disposition psychologique sous-jacente qui incite un utilisateur à privilégier une solution autonome ou assistée par ordinateur plutôt qu’une méthode manuelle traditionnelle.

Sur le plan des applications pratiques et scientifiques, le STP-Q offre des perspectives majeures :

• En psychologie cognitive et cyberpsychologie : L’échelle permet d’étudier les mécanismes de décharge cognitive (cognitive offloading), c’est-à-dire la tendance systématique de l’esprit humain à externaliser la mémoire de travail, le calcul ou la planification vers des artefacts numériques autonomes.
• En ergonomie et conception centrée sur l’utilisateur (UX/UI) : L’outil aide les concepteurs d’interfaces intelligentes à segmenter les populations d’utilisateurs selon leur degré de réceptivité et leur volonté de céder le contrôle opérationnel à des algorithmes prédictifs.
• En santé numérique et réadaptation : Dans le cadre du déploiement de technologies d’assistance pour les personnes âgées ou en situation de handicap, la mesure de la propension aux outils intelligents constitue un indicateur pronostique de l’adhésion aux dispositifs de télésanté et de réadaptation connectée (Xinyan et al., 2022).
• En recherche interculturelle : L’adaptation transculturelle de l’échelle (notamment par Esen et al., 2024) permet de comparer empiriquement les facteurs socioculturels qui modulent l’acceptabilité de l’autonomie algorithmique entre différentes nations.

5. Construit psychologique

Le concept central évalué par le questionnaire est la propension aux outils intelligents (smart tool proneness). Ce construit latent désigne la prédisposition psychologique multidimensionnelle combinant des attitudes affectives, des croyances cognitives et des inclinations comportementales orientées vers l’exploitation fluide, spontanée et continue des technologies dotées de capacités autonomes ou semi-autonomes.

Le STP-Q opérationnalise ce construit à travers un modèle à trois facteurs interdépendants :

5.1. Utilisation utilitaire (Utilitarian Use)

Cette dimension évalue la motivation instrumentale et pragmatique qui pousse l’individu à exploiter les fonctionnalités des outils intelligents afin d’optimiser son efficacité, sa productivité et sa gestion temporelle. L’utilisateur à score élevé perçoit la technologie comme un levier fonctionnel indispensable pour rationaliser son quotidien. Les manifestations comportementales typiques incluent :

• L’automatisation systématique des tâches domestiques (ex. programmation d’aspirateurs robots, thermostats intelligents, éclairages automatisés).
• La gestion optimisée des agendas, rappels et flux de travail via des assistants virtuels.
• Le recours à des applications de navigation prédictive en temps réel pour minimiser les temps de trajet.

5.2. Utilisation hédonique et sociale (Hedonic and Social Use)

Ce facteur explore les déterminants affectifs, récréatifs et relationnels de l’engagement technologique. L’adoption des outils intelligents n’est pas uniquement guidée par le rendement pragmatique, mais également par la recherche de plaisir, d’amusement, de nouveauté et de connectivité interpersonnelle. Les individus présentant un score élevé sur cette sous-échelle utilisent les objets connectés pour enrichir leur expérience sensorielle, partager du contenu multimédia et maintenir un sentiment de présence sociale continue.

5.3. Inclination à déléguer des tâches (Inclination to Delegate Tasks)

Il s’agit de la dimension la plus novatrice et discriminante du construit. Elle mesure le niveau d’aisance psychologique, la confiance épistémique et l’absence d’appréhension d’un individu lorsqu’il abandonne le contrôle d’une tâche ou d’une décision à une entité algorithmique autonome. Contrairement aux utilisateurs technophiles réticents qui souhaitent conserver la maîtrise totale des paramètres (faible délégation), les sujets à forte inclination à la délégation acceptent volontiers que le système prenne des initiatives, anticipe leurs besoins ou prenne des décisions à leur place sans supervision humaine constante.

6. Cadre théorique

Le Questionnaire de propension aux outils intelligents s’articule autour de plusieurs théories fondamentales de la psychologie contemporaine, de la sociologie des usages et des sciences cognitives :

6.1. La théorie des usages et gratifications (Uses and Gratifications Theory)

Formulée initialement par Katz, Blumler et Gurevitch (1974), cette approche postule que les utilisateurs ne sont pas des récepteurs passifs de la technologie, mais des agents actifs qui sélectionnent délibérément les médias et les dispositifs en fonction de besoins psychologiques précis. Le STP-Q s’appuie sur ce cadre en distinguant clairement les gratifications de nature utilitaire (résolution de problèmes, efficience) des gratifications hédoniques et affectives (divertissement, affiliation sociale).

6.2. La théorie de la décharge cognitive (Cognitive Offloading)

Issue des travaux en sciences cognitives computationnelles (Risko & Gilbert, 2016), la théorie de l’externalisation cognitive explique comment les êtres humains réduisent la charge pesant sur leur mémoire de travail et leurs fonctions exécutives en confiant des opérations de stockage ou de traitement à des supports physiques ou numériques. Dans le STP-Q, la sous-échelle d’inclination à déléguer constitue une mesure directe de cette propension métacognitive à décharger l’effort mental sur l’intelligence artificielle.

6.3. Le modèle d’acceptation de la technologie et la confiance dans l’automatisation

Si le TAM (Davis, 1989) et l’UTAUT (Venkatesh et al., 2003) ont solidement établi le rôle de l’utilité perçue et de la facilité d’utilisation perçue, la littérature sur l’automatisation (Lee & See, 2004 ; Parasuraman & Riley, 1997) démontre que l’utilisation de systèmes autonomes nécessite un construit supplémentaire : la confiance dans l’autonomie algorithmique. Sans une calibration optimale de la confiance, l’utilisateur risque soit la sous-utilisation (rejet par méfiance), soit la sur-utilisation (complaisance aveugle). Le STP-Q intègre cette dynamique au sein de son architecture tridimensionnelle.

7. Validité

La validation psychométrique du STP-Q a été établie selon les standards méthodologiques les plus rigoureux de l’évaluation psychométrique (Beaton et al., 2000 ; Terwee et al., 2007).

7.1. Validité transculturelle et d’adaptation

L’adaptation turque menée par Esen et al. (2024) a suivi un protocole standardisé de traduction-rétrotraduction (forward and back-translation) impliquant des comités d’experts bilingues indépendants. Les ajustements linguistiques et conceptuels ont permis d’éliminer toute ambiguïté sémantique et de garantir l’équivalence de construit entre la version originale et la version traduite.

7.2. Validité de construit et validité convergente

Pour démontrer la validité convergente, le STP-Q a été administré conjointement avec deux échelles psychométriques validées :

• L’échelle de préparation à l’apprentissage numérique (E-Learning Readiness Scale ; Alem et al., 2016 ; Bircan & Sungur, 2022) : Les analyses corrélationnelles ont mis en évidence des corrélations positives et statistiquement significatives entre la propension globale aux outils intelligents et les dimensions de compétences numériques et d’autonomie dans l’apprentissage virtuel.
• Le questionnaire de nomophobie (Nomophobia Questionnaire, NMP-Q ; Yıldırım & Correia, 2015 ; Yıldırım et al., 2016) : Une association positive significative a été observée entre le score au STP-Q et le degré d’anxiété lié à l’indisponibilité du smartphone. Cette corrélation corrobore l’hypothèse selon laquelle une forte intégration comportementale des dispositifs intelligents s’accompagne d’une dépendance fonctionnelle accrue dans les routines de vie.

7.3. Validité discriminante

La validité discriminante a été étayée par l’analyse des corrélations inter-facteurs et la vérification que les dimensions du STP-Q, bien qu’interconnectées, mesurent des facettes conceptuellement distinctes de l’expérience technologique (coefficients de corrélation inter-dimensions modérés à élevés mais distincts de l’unité, sans redondance colinéaire excessive).

8. Fidélité

Les propriétés de fidélité et de précision métrologique du STP-Q ont été évaluées par des indices de cohérence interne et de stabilité temporelle au sein d’un échantillon normatif de 374 participants adultes (Esen et al., 2024).

8.1. Cohérence interne

L’analyse de consistance interne démontre une excellente précision de mesure :

• Échelle globale : Coefficient alpha de Cronbach (α) = 0,954. Cette valeur nettement supérieure au seuil conventionnel de 0,80 ou 0,90 (Bland & Altman, 1997 ; DeVon et al., 2007) atteste d’une homogénéité remarquable de l’ensemble des items.
• Sous-échelles : Les trois dimensions (Utilisation utilitaire, Utilisation hédonique et sociale, Inclination à déléguer des tâches) présentent individuellement des coefficients de cohérence interne élevés, confirmant la robustesse de chaque composante du modèle.

8.2. Stabilité temporelle (Test-Retest)

La fidélité test-retest a été quantifiée à l’aide du coefficient de corrélation intraclasse (CCI) selon les recommandations de Koo et Li (2016) et Weir (2005). L’analyse a révélé un CCI de 0,851 (intervalle de confiance à 95 %), indiquant une fidélité temporelle qualifiée de « bonne à excellente ». Ces résultats prouvent que les scores obtenus au STP-Q reflètent des dispositions stables et durables chez les participants, plutôt que des fluctuations d’état émotionnel transitoires.

9. Analyse factorielle

La structure dimensionnelle du STP-Q a été explorée et confirmée par des analyses factorielles rigoureuses conformément aux critères de Hair et al. (2010).

9.1. Adéquation de l’échantillonnage

Avant l’extraction factorielle, la factorisabilité de la matrice de corrélation a été confirmée par l’indice de Kaiser-Meyer-Olkin (KMO > 0,90), indiquant une excellente adéquation de l’échantillon, et par le test de sphéricité de Bartlett (p < 0,001), rejetant formellement l’hypothèse d’une matrice identité.

9.2. Analyse factorielle exploratoire (AFE)

L’analyse factorielle exploratoire a mis en évidence une solution claire et parcimonieuse en trois facteurs, reproduisant fidèlement la structure originelle établie par Navarro (2022) :

• Facteur 1 — Utilisation utilitaire : Regroupe les items relatifs à l’efficacité, au gain de temps, à la simplification logistique et à l’automatisation des tâches fonctionnelles quotidiennes.
• Facteur 2 — Utilisation hédonique et sociale : Rassemble les items évaluant le plaisir d’usage, le jeu, la consommation de médias interactifs et la communication interpersonnelle enrichie par les objets connectés.
• Facteur 3 — Inclination à déléguer des tâches : Sature fortement sur les items décrivant la propension à laisser les systèmes intelligents agir de manière autonome et prendre des décisions sans contrôle continu.

Les saturations factorielles (factor loadings) de chaque item sur son facteur théorique respectif sont élevées et exemptes de saturations croisées problématiques, confirmant la validité structurelle et l’équivalence transculturelle du construit.

10. Instrument de mesure

Le Questionnaire de propension aux outils intelligents se présente sous une forme standardisée facile d’administration :

• Type de passation : Questionnaire auto-administré (auto-évaluation / self-report), réalisable sur support papier-crayon ou via plateforme numérique sécurisée.
• Population cible : Adultes de la population générale (âgés de 18 ans et plus), utilisateurs réguliers ou occasionnels d’outils technologiques connectés.
• Temps de passation : Environ 5 à 10 minutes.
• Format des réponses : Échelle de réponse de type Likert ordinale (généralement graduée en 5 ou 7 points, allant de « Fortement en désaccord » à « Fortement d’accord »).
• Procédure de cotation :
  • Calcul d’un score total global représentant la propension générale aux outils intelligents (somme ou moyenne des items).
  • Calcul de trois scores dimensionnels indépendants (Utilisation utilitaire, Utilisation hédonique et sociale, Inclination à déléguer des tâches).
  • Un score élevé indique une prédisposition marquée à adopter les technologies émergentes et à leur déléguer des fonctions du quotidien.

11. Permissions, Tarifs et Année du test

• Année de développement initial : 2022 (Navarro, Ergonomics).
• Année de validation transculturelle de référence : 2024 (Esen, Türkmen, Düger, PLOS ONE).
• Statut des droits et utilisation : L’utilisation du STP-Q à des fins de recherche académique et scientifique non commerciale est autorisée sous réserve d’obtenir l’accord des auteurs correspondants et de citer formellement les publications de référence.
• Tarification : L’accès est gratuit dans le cadre des protocoles universitaires et cliniques non lucratifs. Toute exploitation industrielle ou commerciale (audit ergonomique propriétaire, intégration logicielle commerciale) requiert une licence explicite auprès des détenteurs des droits.

13. Questions et items du questionnaire (Scale Items)

(Scale items under review)

12. Références

Alem, F., Plaisent, M., Zuccaro, C., & Bernard, P. (2016). Measuring e-learning readiness concept: scale development and validation using structural equation modeling. International Journal of E-Education, E-Business, E-Management and E-Learning, 6(4), 193–207. https://doi.org/10.17706/ijeeee.2016.6.4.193-207

Beaton, D. E., Bombardier, C., Guillemin, F., & Ferraz, M. B. (2000). Guidelines for the process of cross-cultural adaptation of self-report measures. Spine, 25(24), 3186–3191. https://doi.org/10.1097/00007632-200012150-00014

Bircan, M. A., & Sungur, M. (2022). Validity and reliability study for the Turkish adaptation of the e-learning readiness scale. Pedagogical Perspectives, 1(2), 89–98. https://doi.org/10.29329/pedper.2022.493.2

Bland, J. M., & Altman, D. G. (1997). Statistics notes: Cronbach’s alpha. BMJ, 314(7080), 572. https://doi.org/10.1136/bmj.314.7080.572

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

DeVon, H. A., Block, M. E., Moyle-Wright, P., Ernst, D. M., Hayden, S. J., Lazzara, D. J., Savoy, S. M., & Kostas-Polston, E. (2007). A psychometric toolbox for testing validity and reliability. Journal of Nursing Scholarship, 39(2), 155–164. https://doi.org/10.1111/j.1547-5069.2007.00161.x

Esen, S. Y., Türkmen, C., & Düger, T. (2024). Smart Tools Proneness Questionnaire: Cross-cultural adaptation, validity, and reliability in the Turkish population. PLoS ONE, 19(8), e0309299. https://doi.org/10.1371/journal.pone.0309299

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate Data Analysis (7e éd.). Pearson.

Katz, E., Blumler, J. G., & Gurevitch, M. (1974). Uses and gratifications research. The Public Opinion Quarterly, 37(4), 509–523. https://doi.org/10.1086/268109

Koo, T. K., & Li, M. Y. (2016). A guideline of selecting and reporting intraclass correlation coefficients for reliability research. Journal of Chiropractic Medicine, 15(2), 155–163. https://doi.org/10.1016/j.jcm.2016.02.012

Lee, J. D., & See, K. A. (2004). Trust in automation: Designing for appropriate reliance. Human Factors, 46(1), 50–80. https://doi.org/10.1518/hfes.46.1.50.30392

Navarro, J. (2022). Development of the Smart Tools Proneness Questionnaire (STP-Q): an instrument to assess the individual propensity to use smart tools. Ergonomics, 65(12), 1639–1652. https://doi.org/10.1080/00140139.2022.2048895

Parasuraman, R., & Riley, V. (1997). Humans and automation: Use, misuse, disuse, abuse. Human Factors, 39(2), 230–253. https://doi.org/10.1518/001872097778543886

Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002

Terwee, C. B., Bot, S. D., de Boer, M. R., van der Windt, D. A., Knol, D. L., Dekker, J., Bouter, L. M., & de Vet, H. C. (2007). Quality criteria were proposed for measurement properties of health status questionnaires. Journal of Clinical Epidemiology, 60(1), 34–42. https://doi.org/10.1016/j.jclinepi.2006.03.012

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

Weir, J. P. (2005). Quantifying test-retest reliability using the intraclass correlation coefficient and the SEM. Journal of Strength and Conditioning Research, 19(1), 231–240. https://doi.org/10.1519/15184.1

Xinyan, Z., Ismail, M. N., & Choo, L. S. (2022). Modeling the adoption of medical wearable devices among senior adults: Using hybrid SEM-neural network approach. Frontiers in Public Health, 10, 1016065. https://doi.org/10.3389/fpubh.2022.1016065

Yıldırım, C., & Correia, A. P. (2015). Exploring the dimensions of nomophobia: Development and validation of a self-reported questionnaire. Computers in Human Behavior, 49, 130–137. https://doi.org/10.1016/j.chb.2015.02.059

Yıldırım, C., Sumuer, E., Adnan, M., & Yildirim, S. (2016). A growing fear: Prevalence of nomophobia among Turkish college students. Information Development, 32(5), 1322–1331. https://doi.org/10.1177/0266666915599025

Young, K. S. (1996). Psychology of computer use: XL. Addictive use of the Internet: a case that breaks the stereotype. Psychological Reports, 79(3 Pt 1), 899–902. https://doi.org/10.2466/pr0.1996.79.3.899

13. Questions et items du questionnaire