Soin apporté aux aliments pendant la production (machine)

1. Résumé / Abstract

L’échelle du Soin apporté aux aliments pendant la production (machine) (Food Care During Production [Machine]) a été développée et validée par Jacob Suher, Courtney Szocs et Koert van Ittersum dans leur étude séminale publiée en 2021 dans le Journal of the Academy of Marketing Science. Cet instrument psychométrique évalue les inférences comparatives des consommateurs relatives à l’attention, à l’effort et au soin déployés par des systèmes automatisés et mécanisés lors de la transformation ou de la fabrication de denrées alimentaires. Conçue comme une mesure miroir de l’échelle d’évaluation du soin humain (human care), elle permet aux chercheurs en psychologie du consommateur et en marketing agroalimentaire de dissocier empiriquement les perceptions de sollicitude machinique des attributions de travail artisanal ou manuel.

Composée de trois items formulés selon une structure différentielle sémantique comparative en sept points (allant par exemple de 1 = « définitivement le produit imparfait / produit de gauche » à 7 = « définitivement le produit parfait / produit de droite », avec un point médian de neutralité à 4 = « également »), l’échelle capte la tendance des individus à attribuer une forme d’agentivité mécanique et de précision technologique au calibrage des produits alimentaires. Les analyses psychométriques issues des expérimentations de Suher et al. (2021) rapportent une consistance interne remarquable, avec des coefficients alpha de Cronbach excédant fréquemment 0,90, ainsi qu’une excellente validité de construit démontrée par des analyses factorielles confirmatoires rigoureuses.

Cette échelle joue un rôle prépondérant dans la compréhension des paradoxes de consommation liés aux imperfections esthétiques des aliments. Alors que les imperfections physiques d’un produit brut non transformé évoquent la naturalité, ces mêmes déviances morphologiques au sein d’un aliment transformé déclenchent des heuristiques d’erreur machine ou de défaillance des contrôles de qualité industriels, altérant significativement la propension à payer et l’évaluation sensorielle anticipée.

2. Mots-clés / Keywords

Comportement du consommateur, psychologie de l’alimentation, automatisation industrielle, soin de la machine, transformation alimentaire, imperfections esthétiques, attributions causales, perception de la technologie, marketing agroalimentaire, psychométrie, contrôle de qualité, jugement comparatif.

3. Auteurs / Authors

L’instrument a été conçu et testé par une équipe de chercheurs spécialisés dans la modélisation du comportement décisionnel alimentaire et les perceptions visuelles des produits de consommation :

• Jacob Suher, Ph.D. : Professeur associé de marketing à la Portland State University (School of Business), Portland, Oregon, États-Unis. Ses recherches se concentrent sur la psychologie nutritionnelle, la prise de décision au point de vente et les biais d’évaluation visuelle des aliments. (Courriel : [email protected]).
• Courtney Szocs, Ph.D. : Professeure associée de marketing au Smeal College of Business, Pennsylvania State University, University Park, Pennsylvanie, États-Unis. Spécialiste du marketing sensoriel, des perceptions multisensorielles et des réponses affectives des consommateurs aux caractéristiques des emballages et des produits. (Courriel : [email protected]).
• Koert van Ittersum, Ph.D. : Professeur de gestion du marketing et de comportement du consommateur à la Faculty of Economics and Business, Université de Groningue, Groningue, Pays-Bas. Reconnu internationalement pour ses travaux sur la prise de décision alimentaire, l’architecture du choix et le gaspillage alimentaire. (Courriel : [email protected]).

4. Objectif / Purpose

L’objectif fondamental de l’échelle du soin apporté aux aliments pendant la production (machine) est d’opérationnaliser et de quantifier la mesure dans laquelle les consommateurs infèrent qu’une machine, un algorithme ou un système robotisé a alloué un « effort », un « soin » ou une « attention » particuliers lors de la confection d’un aliment. Bien que les machines soient dépourvues de conscience, la théorie de l’esprit et les modèles d’anthropomorphisme révèlent que les individus attribuent fréquemment des caractéristiques d’intentionnalité, d’effort cognitif et de vigilance opérationnelle aux dispositifs technologiques sophistiqués.

Dans les contextes appliqués de la recherche en marketing et de la sociologie de l’alimentation, cet outil répond à une problématique critique : expliquer pourquoi la perception d’un défaut visuel (comme une asymétrie, une irrégularité de couleur ou un bord dentelé) suscite des réactions diamétralement opposées selon que l’aliment est perçu comme issu de la nature ou d’un procédé industriel de transformation. Lorsque l’aliment est transformé (comme un biscuit, une galette de céréales ou une saucisse), la perfection géométrique est assimilée au fonctionnement optimal de la chaîne de montage. À l’inverse, l’imperfection physique active l’inférence selon laquelle le système mécanique n’a pas « pris soin » de l’item ou a présenté un défaut de calibrage.

Les applications de cette échelle s’étendent à :

• L’évaluation des interfaces homme-machine dans l’industrie agroalimentaire : mesurer l’impact perçu de l’introduction de l’intelligence artificielle et de la robotique avancée dans les chaînes d’assemblage sur la confiance accordée au produit final.
• La gestion du gaspillage alimentaire : comprendre les barrières cognitives qui amènent les consommateurs à rejeter des produits transformés parfaitement consommables mais esthétiquement sous-optimaux, permettant ainsi de concevoir des campagnes de communication préventives adaptées.
• Le positionnement marketing et le packaging : tester l’efficacité des mentions textuelles valorisant le contrôle technologique par rapport aux mentions valorisant le savoir-faire artisanal manuel.

5. Construit psychologique / Construct

Le construit mesuré est l’attribution d’attention et d’effort mécaniques (perceived machine care and effort). Ce construit se situe à la croisée de l’anthropomorphisme technologique, de la psychologie des inférences fonctionnelles et du transfert de compétence perçu. Il se compose de trois facettes conceptuelles étroitement imbriquées :

L’attribution de soin machinique (Machine Care)

Cette composante explore l’attribution subjective d’un traitement méticuleux opéré par des mécanismes automatisés. Le consommateur postule qu’un système mécanique peut fonctionner avec divers niveaux de délicatesse ou de rigueur. Si un aliment présente une découpe impeccable ou une dorure uniforme, le système cognitif infère que l’équipement de cuisson ou de découpe était réglé de manière optimale et a accordé un « soin » technologique maximal à l’unité produite.

L’attention machinique (Machine Attention)

Cette facette renvoie à la croyance en la vigilance des capteurs, des scanners optiques et des mécanismes de rétroaction automatisés. Le consommateur conceptualise la chaîne industrielle non pas comme une force brute aveugle, mais comme un environnement de surveillance continue doté de caméras et de logiciels capables de « prêter attention » aux micro-défauts. L’attention de la machine représente ainsi la constance de la supervision algorithmique tout au long du cycle de production.

L’effort machinique (Machine Effort)

Bien que l’effort physique ou cognitif soit une propriété strictement humaine ou biologique, les consommateurs appliquent une métaphore analogue aux technologies. L’effort de la machine renvoie à la mobilisation perçue d’une puissance computationnelle ou mécanique accrue pour garantir l’uniformité du produit. Un produit perçu comme ayant bénéficié d’un effort machinique substantiel est envisagé comme le résultat d’un procédé d’ingénierie rigoureux, limitant l’entropie et éliminant les variations indésirables.

Dans les paradigmes comparatifs, ce construit unidimensionnel saisit le basculement de l’évaluation relative : l’aliment perçu comme parfait esthétiquement est invariablement noté plus haut sur l’indice de soin machinique, tandis que l’aliment esthétiquement défaillant est considéré comme ayant pâti d’un déficit d’intervention et de contrôle mécaniques.

6. Cadre théorique / Theoretical Framework

Le développement de cette échelle s’enracine dans la convergence de plusieurs cadres paradigmatiques de la psychologie sociale et du comportement du consommateur :

La théorie de l’attribution causale

Fondée sur les travaux classiques de Fritz Heider (1958) et développée par Harold Kelley (1967), la théorie de l’attribution postule que les individus cherchent constamment à assigner des causes aux événements et aux caractéristiques de leur environnement. Confrontés à un produit fini, les consommateurs opèrent une rétro-ingénierie cognitive : ils déduisent les causes antérieures du produit à partir de son état physique observable. Si un aliment industriel est visuellement asymétrique, ils n’attribuent pas cela au hasard naturel, mais à une anomalie dans le processus causal de production mécanique (défaut de guidage, calibrage erratique ou vitesse excessive des rouleaux de convoyage).

L’heuristique de l’effort et la théorie de la valeur

Selon l’heuristique de l’effort (Kruger et al., 2004), la valeur perçue, la qualité et la désirabilité d’un objet sont proportionnelles à la quantité d’effort que l’on suppose avoir été investie dans sa création. Dans l’univers des produits artisanaux, cette dynamique opère à travers l’effort humain (faisant écho à l’effet du fait-main documenté par Fuchs, Schreier et van Osselaer en 2015). Suher et al. (2021) transposent ce modèle à l’univers technologique : l’heuristique de l’effort s’applique de manière analogue aux systèmes industriels automatisés. Le consommateur accorde sa confiance à la précision de la machine, et la perception d’un relâchement de l’effort machinique détériore l’acceptabilité du produit transformé.

Le modèle de contagion et de contamination perçue

Les théories de la contagion psychologique (Rozin & Fallon, 1987) démontrent que les consommateurs réagissent négativement aux aliments perçus comme altérés par un agent néfaste. Une machine qui ne « prend pas soin » du produit soulève l’hypothèse sous-jacente d’une défaillance sanitaire potentielle ou d’un environnement de production dégradé, ce qui accentue le rejet affectif et cognitif de la nourriture imparfaite issue d’usines.

7. Validité / Validity

La validité psychométrique de l’échelle du soin apporté aux aliments pendant la production (machine) a été rigoureusement documentée à travers les expérimentations de laboratoire menées par Suher, Szocs et van Ittersum (2021) :

Validité de construit et validité convergente

La validité de construit est étayée par la cohérence interne remarquable observée entre les trois items du test. Les corrélations inter-items dépassent systématiquement r = 0,75 (p < 0,001), attestant que les concepts de « soin », d’« attention » et d’« effort » de la machine convergent vers un construit unifié d’agentivité technologique perçue. La variance moyenne extraite (AVE) calculée dans le cadre de modélisations structurelles excède le seuil standard de 0,50, confirmant une solide validité convergente.

Validité discriminante

La validité discriminante a été établie en confrontant cette échelle à son homologue évaluant le soin humain (Food Care During Production [Human]). Les analyses factorielles confirmatoires ont démontré que les modèles bifactoriels (séparant le soin machine et le soin humain) présentaient un ajustement statistiquement supérieur aux modèles unifactoriels qui tenteraient de fusionner ces deux dimensions au sein d’un concept global de soin de production. Les corrélations entre le soin machine perçu et le soin humain perçu restent faibles à modérées, prouvant que les répondants distinguent nettement l’action technologique de l’intervention artisanale.

Validité prédictive et médiatrice

L’échelle a démontré une validité prédictive et nomologique exceptionnelle dans la médiation des choix de consommation. Plus spécifiquement, dans l’étude 3 de Suher et al. (2021), l’indice agrégé de soin machine médiait significativement la relation interactive entre le degré de transformation de l’aliment (brut vs transformé) et l’évaluation globale du produit. Pour les produits transformés, une diminution du score sur l’échelle de soin machine prédisait directement une chute de l’intention d’achat et une disposition à payer amoindrie, validant le rôle explicatif central du construit.

8. Fidélité / Reliability

Les propriétés de fidélité de l’échelle ont été démontrées au sein de multiples échantillons diversifiés de consommateurs lors des phases expérimentales :

• Consistance interne : Le coefficient alpha de Cronbach (α) oscille continuellement entre 0,88 et 0,94 selon les conditions expérimentales rapportées par les auteurs. De tels scores indiquent une homogénéité interne remarquable sans redondance excessive entre les formulations.
• Fiabilité composite (McDonald’s ω) : Les indices de fiabilité composite s’établissent au-delà de 0,90, confirmant la robustesse du faisceau d’items pour capturer le score vrai avec une erreur de mesure minimale.
• Stabilité et équivalence : L’échelle présente une invariance de mesure satisfaisante face à différentes catégories d’aliments transformés (pizzas, biscuits, chips, snacks salés), garantissant que la fidélité de l’instrument ne dépend pas de la texture ou de la typologie spécifique du produit évalué.

9. Analyse factorielle / Factor Analysis

Les analyses factorielles conduites lors des protocoles empiriques valident sans ambiguïté l’unidimensionnalité de l’instrument :

Analyse factorielle exploratoire (AFE)

Une extraction des facteurs par la méthode du maximum de vraisemblance (suivie de rotations orthogonales et obliques) menée sur les 3 items extrait invariablement un facteur unique présentant une valeur propre (eigenvalue) nettement supérieure au critère de Kaiser de 1,0 (dépassant généralement 2,4). Ce facteur unique rend compte de plus de 80 % de la variance totale expliquée de l’instrument. Les saturations factorielles de l’ensemble des trois items sur cet axe sont exceptionnellement élevées :

• Machine care : saturation λ > 0,88
• Machine attention : saturation λ > 0,86
• Machine effort : saturation λ > 0,84

Analyse factorielle confirmatoire (AFC)

La modélisation par équations structurelles confirme l’adéquation parfaite de la structure unifactorielle aux données expérimentales. Les indices d’ajustement globaux satisfont aux critères méthodologiques les plus sévères (Hu & Bentler, 1999) :

• Indice de comparabilité (CFI) > 0,99
• Indice de Tucker-Lewis (TLI) > 0,98
• Erreur quadratique moyenne d’approximation (RMSEA) < 0,05 avec intervalle de confiance à 90 % étroit
• Résidu standardisé quadratique moyen (SRMR) < 0,02

Ces données confirment que les trois énoncés s’articulent comme des indicateurs réflexifs homogènes mesurant une variable latente commune.

10. Instrument de mesure / Instrument

L’instrument se présente sous la forme d’un court module de jugement comparatif sémantique différentiel :

• Type d’évaluation : Jugement perceptuel comparatif auto-rapporté appliqué à deux stimuli visuels ou conceptuels (généralement présentés côte à côte à l’écran).
• Nombre total d’items : 3 énoncés interrogatifs standardisés.
• Modalités de passation : Questionnaire informatisé sur écran d’ordinateur, tablette ou smartphone ; durée de passation estimée à moins d’une minute.
• Échelle de réponse authentique : Échelle différentielle sémantique comparative en 7 points (ex. : 1 = definitely the left product / definitely the imperfect product [définitivement le produit de gauche / imparfait], 4 = equally [également], 7 = definitely the right product / definitely the perfect product [définitivement le produit de droite / parfait]).
• Procédure de calcul des scores : Calcul de la moyenne arithmétique simple des trois items. Le score agrégé reflète la perception relative du soin apporté par la machine entre les deux stimuli évalués. Un score moyen s’écartant du point médian (4) caractérise une asymétrie marquée dans l’attribution de soin machinique au bénéfice de l’un des deux produits.

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

• Année de publication : 2021.
• Droits d’auteur et propriété intellectuelle : © Academy of Marketing Science et Springer Science+Business Media, LLC. Les droits académiques sont détenus conjointement par les auteurs et l’éditeur scientifique.
• Tarification et accès : L’échelle est librement accessible et utilisable sans frais pour les chercheurs académiques et les étudiants dans le cadre de recherches scientifiques non commerciales, sous réserve d’une citation bibliographique adéquate de l’article source de Suher, Szocs et van Ittersum (2021).
• Utilisation commerciale : Toute exploitation commerciale, intégration dans des outils logiciels propriétaires de tests consommateurs ou utilisation dans le cadre d’études de marché rémunérées peut nécessiter l’obtention d’une licence ou l’autorisation formelle auprès des titulaires des droits (via le service RightsLink de Springer).

12. Références / References

Les publications scientifiques suivantes étayent le développement théorique et psychométrique de cet outil :

• Fuchs, C., Schreier, M., & van Osselaer, S. M. (2015). The handmade effect: What’s love got to do with it? Journal of Marketing, 79(2), 98–110. https://doi.org/10.1509/jm.14.0018
• Heider, F. (1958). The psychology of interpersonal relations. John Wiley & Sons. https://doi.org/10.1037/10628-000
• 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
• Kelley, H. H. (1967). Attribution theory in social psychology. In D. Levine (Ed.), Nebraska Symposium on Motivation (Vol. 15, pp. 192–238). University of Nebraska Press.
• Kruger, J., Wirtz, D., Boven, L. V., & Altermatt, T. W. (2004). The effort heuristic. Journal of Experimental Social Psychology, 40(1), 91–98. https://doi.org/10.1016/S0022-1031(03)00065-9
• Rozin, P., & Fallon, A. E. (1987). A perspective on disgust. Psychological Review, 94(1), 23–41. https://doi.org/10.1037/0033-295X.94.1.23
• Suher, J., Szocs, C., & van Ittersum, K. (2021). When imperfect is preferred: The differential effect of aesthetic imperfections on choice of processed and unprocessed foods. Journal of the Academy of Marketing Science, 49(5), 903–924. https://doi.org/10.1007/s11747-021-00778-5

13. Questions et items du questionnaire / Scale Items