1. Résumé / Abstract
L’échelle d’utilisabilité des applications de marque : Rapidité (en anglais, Branded App Usability: Speed ou BAU-S) est un instrument psychométrique développé par Tae Hyun Baek et Chan Yun Yoo (2018) dans le cadre d’un modèle multidimensionnel plus vaste évaluant l’utilisabilité globale des applications mobiles de marque (Branded Mobile Apps). Composée de trois items mesurés au moyen d’une échelle de type Likert en 7 points, la sous-échelle BAU-S quantifie la perception qu’a le consommateur de la vitesse d’exécution, de la réactivité technique et de la fluidité temporelle avec laquelle l’application mobile traite les commandes de l’utilisateur et délivre l’information demandée.
Dans les environnements mobiles contemporains, la latence perçue et la rapidité du système représentent des déterminants majeurs de l’évaluation cognitive et affective des interfaces homme-machine. La sous-échelle de rapidité (BAU-S) a été rigoureusement validée auprès d’échantillons d’utilisateurs de smartphones interagissant avec diverses applications de marques commerciales réelles. Les résultats empiriques rapportés par Baek et Yoo (2018) confirment des propriétés psychométriques exceptionnelles : une variance moyenne extraite (AVE, Average Variance Extracted) de 0,70, une cohérence interne élevée (alpha de Cronbach > 0,85) ainsi qu’une fidélité composite remarquable. Les analyses factorielles confirmatoires ont mis en évidence la validité convergente et la validité discriminante de la sous-échelle par rapport aux quatre autres dimensions de l’instrument global (contrôle, design visuel, pertinence de l’information et sécurité/confidentialité). Sur le plan nomologique, la rapidité perçue prédit significativement la satisfaction de l’utilisateur, l’attitude envers la marque et les comportements de fidélité transactionnelle et relationnelle. Cet instrument constitue une ressource méthodologique standardisée essentielle pour les chercheurs en marketing numérique, en ergonomie cognitive et en psychologie du consommateur.
2. Mots-clés / Keywords
Utilisabilité mobile, rapidité perçue, applications de marque, psychométrie, ergonomie cognitive, fidélité du consommateur, latence d’interface, expérience utilisateur, modélisation par équations structurelles, Baek et Yoo.
3. Auteurs / Authors
L’échelle BAU-S a été développée et validée par les chercheurs suivants :
- Tae Hyun Baek, Ph.D. : Professeur associé de publicité, Department of Advertising and Public Relations, Grady College of Journalism and Mass Communication, University of Georgia, Athens, Géorgie, États-Unis. Spécialiste de la communication persuasive, du marketing numérique et du comportement des consommateurs vis-à-vis des technologies émergentes. Adresse électronique institutionnelle : [email protected].
- Chan Yun Yoo, Ph.D. : Professeur au Department of Advertising and Public Relations, School of Media and Communication, Temple University, Philadelphie, Pennsylvanie, États-Unis. Expert de l’efficacité publicitaire interactive, du traitement cognitif de l’information en ligne et des médias mobiles. Adresse électronique institutionnelle : [email protected].
4. Objectif / Purpose
L’objectif fondamental de la sous-échelle BAU-S est d’isoler et de quantifier la dimension temporelle de l’utilisabilité perçue dans les applications mobiles sponsorisées par des marques. À l’ère de la transformation numérique, les applications mobiles ne sont plus de simples canaux transactionnels secondaires ; elles constituent des points de contact stratégiques (touchpoints) entre la marque et le consommateur. La rapidité avec laquelle une interface traite les requêtes interactives, charge les contenus multimédias et réagit aux manipulations tactiles conditionne directement le jugement global que l’utilisateur porte non seulement sur le logiciel, mais par effet de transfert cognitif, sur la marque commanditaire elle-même.
D’un point de vue clinique et ergonomique, l’instrument répond à la nécessité d’évaluer le seuil de tolérance à l’attente et l’effort cognitif perçu lors de l’interaction mobile. Dans les contextes de mobilité, les utilisateurs font face à des ressources attentionnelles fragmentées, à des distractions environnementales constantes et à des contraintes de temps aiguës. Si une application présente une latence excessive ou des transitions saccadées, l’usager éprouve de la frustration, un sentiment de perte de contrôle et une rupture dans le flux de navigation (flow state). L’échelle BAU-S permet d’identifier précisément si les défauts d’adoption ou d’engagement envers un service proviennent de déficits au niveau de la performance technique et de la promptitude du système.
Dans le domaine de la recherche empirique, la BAU-S est employée pour modéliser les chaînes causales unissant les caractéristiques techniques du système aux variables attitudinales et comportementales du consommateur. Elle est régulièrement intégrée dans des architectures de modèles d’acceptation de la technologie (TAM) ou des modèles basés sur la théorie stimulus-organisme-réponse (S-O-R). La justification théorique repose sur l’hypothèse que la rapidité perçue réduit les coûts cognitifs perçus d’utilisation, augmentant ainsi l’utilité perçue et la valeur hédonique de l’expérience, lesquelles stimulent à leur tour la propension à réutiliser l’application, à effectuer des achats in-app et à recommander la marque (bouche-à-oreille positif).
5. Construit psychologique / Construct
Le construit psychologique opérationnalisé par la sous-échelle BAU-S est la rapidité perçue de l’application (Perceived App Speed). Au sein de la taxonomie ergonomique et psychométrique définie par Baek et Yoo (2018), ce construit ne renvoie pas à une mesure physique objective en millisecondes ou en cycles d’horloge du processeur, mais bien à la représentation phénoménologique subjective que l’individu se forge quant à l’immédiateté des réponses fournies par le système applicatif.
Ce construit unifactoriel s’articule autour de trois facettes interdépendantes :
- La réactivité instantanée aux commandes tactiles (Responsiveness) : Cette composante évalue la promptitude avec laquelle l’application accuse réception d’une action physique de l’utilisateur (appui sur un bouton, balayage, zoom par pincement). Elle mesure l’absence de décalage perceptuel (lag) entre l’intention motrice de l’usager et le retour visuel ou fonctionnel du système.
- La vélocité de traitement et d’exécution (Processing Velocity) : Il s’agit de l’évaluation cognitive de la durée nécessaire au logiciel pour exécuter des requêtes complexes, telles que l’authentification sécurisée, la recherche dans un catalogue de produits volumineux ou la validation d’un panier d’achat.
- L’efficience du chargement des données (Content Delivery Efficiency) : Cette facette concerne la rapidité de transfert et d’affichage des contenus informationnels et graphiques (textes, images haute résolution, vidéos) sur l’écran du terminal mobile, indépendamment des variations potentielles du réseau de télécommunication sous-jacent.
Par exemple, un utilisateur évaluant une application bancaire mobile jugera la sous-échelle BAU-S très favorablement si l’affichage du solde de son compte s’effectue quasi instantanément après la reconnaissance biométrique, sans écran de gel ni roue de chargement prolongée. Inversement, une application de commerce électronique dont le catalogue met plusieurs secondes à s’actualiser après chaque filtre sélectionné provoquera un score d’utilisabilité temporelle très bas, signalant une friction cognitive majeure.
6. Cadre théorique / Theoretical Framework
L’élaboration de la BAU-S s’ancre à la croisée de plusieurs courants théoriques majeurs issus de la psychologie cognitive, de l’interaction homme-machine (IHM) et du comportement du consommateur :
Le Modèle d’Acceptation de la Technologie (TAM)
Formulé initialement par Fred Davis (1989), le Technology Acceptance Model postule que l’intention d’utiliser une technologie découle de deux croyances fondamentales : la facilité d’utilisation perçue (Perceived Ease of Use, PEOU) et l’utilité perçue (Perceived Usefulness, PU). Dans cette structure, la rapidité constitue un antécédent direct de la facilité perçue. Une application rapide minimise l’effort physique et mental alloué à l’interaction, confortant l’utilisateur dans l’idée que le système est maniable et prévisible.
La Théorie Stimulus-Organisme-Réponse (S-O-R)
Développée par Mehrabian et Russell (1974), la perspective S-O-R stipule que les caractéristiques environnementales objectives (Stimulus) modulent les états affectifs et cognitifs internes de l’individu (Organisme), qui déterminent ensuite les conduites d’approche ou d’évitement (Réponse). Dans le contexte des applications mobiles, la rapidité d’exécution de l’application (S) induit un état psychologique de fluidité, de plaisir et de maîtrise (O), empêchant l’émergence d’émotions aversives telles que l’irritation ou l’anxiété temporelle. En conséquence, l’usager manifeste des réponses d’approche (R) : exploration prolongée, fidélité à la marque et répétition des visites.
La Théorie du Flux (Flow Theory)
Initié par Mihaly Csikszentmihalyi, le concept de flux désigne un état d’immersion totale, d’attention focalisée et de satisfaction intrinsèque au cours d’une activité. Dans les interfaces numériques, l’atteinte de cet état requiert une rétroaction immédiate et non interrompue. Toute latence ou interruption temporelle brise l’expérience optimale de téléprésence et de flux, détruisant l’engagement immersif de l’utilisateur.
7. Validité / Validity
La validation psychométrique de la sous-échelle BAU-S rapportée par Baek et Yoo (2018) a suivi un protocole méthodologique rigoureux en plusieurs étapes, garantissant des niveaux élevés de validité de construit, de contenu, convergente, discriminante et nomologique :
Validité convergente
La validité convergente vérifie que les items censés mesurer la rapidité s’associent de manière substantielle et cohérente autour du facteur latent commun. Dans l’étude originale (Baek & Yoo, 2018), la variance moyenne extraite (AVE) pour la dimension rapidité atteint la valeur de 0,70, dépassant largement le seuil standard de 0,50 recommandé par Fornell et Larcker (1981). De surcroît, les saturations factorielles standardisées de chaque item individuel sur le facteur de rapidité étaient toutes statistiquement significatives (p < 0,001) et supérieures à 0,80, attestant d’une excellente convergence empirique des indicateurs.
Validité discriminante
La validité discriminante certifie que le construit de rapidité est empiriquement distinct des autres dimensions de l’utilisabilité des applications mobiles de marque (contrôle, design visuel, pertinence informationnelle et sécurité/confidentialité). Selon le critère de Fornell-Larcker, la racine carrée de l’AVE de la rapidité (√0,70 ≈ 0,837) s’est avérée supérieure à toutes les corrélations inter-facteurs entre la rapidité et les quatre autres dimensions de l’instrument global. Aucun intervalle de confiance à 95 % des corrélations entre construits ne contenait la valeur 1,0, démontrant l’indépendance statistique de la dimension temporelle.
Validité nomologique et prédictive
La validité nomologique a été confirmée par modélisation par équations structurelles (SEM). Conformément aux hypothèses théoriques, la rapidité perçue exerce un effet direct et positif sur l’évaluation globale de l’utilisabilité de l’application, qui à son tour prédit significativement :
- La satisfaction globale de l’utilisateur à l’égard de l’application mobile ;
- L’attitude envers la marque émettrice ;
- La fidélité continue envers l’application (intention de réutilisation) ;
- La fidélité globale envers la marque (intentions d’achat et engagement relationnel).
8. Fidélité / Reliability
Les indices de cohérence interne et de stabilité métrologique de la sous-échelle BAU-S témoignent d’une fidélité robuste à travers différents contextes de test et catégories de produits :
- Cohérence interne (Alpha de Cronbach) : Dans les collectes de données primaires de Baek et Yoo (2018), le coefficient alpha de Cronbach de la sous-échelle de rapidité s’est constamment situé au-dessus de 0,85 (généralement entre 0,86 et 0,88 selon les échantillons de test), ce qui dépasse le seuil critique d’acceptabilité de 0,70 et le critère d’excellence de 0,80 établi par Nunnally et Bernstein (1994).
- Fidélité composite (Composite Reliability – CR) : L’indice de fidélité composite pour la sous-échelle BAU-S dépasse 0,87, attestant que la part de variance attribuable à l’erreur de mesure aléatoire est minime par rapport à la variance vraie du construit latent.
- Stabilité et parcimonie : Avec seulement trois items, l’échelle parvient à un équilibre optimal entre représentativité du domaine conceptuel et absence de redondance inutile, limitant ainsi la lassitude des répondants et les biais de réponse automatiques.
9. Analyse factorielle / Factor Analysis
Le processus de développement de l’échelle a mobilisé à la fois des approches factorielles exploratoires et confirmatoires afin d’établir la dimensionalité précise de l’instrument :
Analyse Factorielle Exploratoire (AFE)
Lors des phases initiales de purification d’items, une AFE utilisant l’extraction par maximum de vraisemblance avec rotation oblique (Promax) a été conduite sur un pool étendu d’items d’utilisabilité. Les résultats ont clairement mis en exergue une structure à cinq composantes autonomes. Les trois items constituant la sous-échelle de rapidité ont saturé de manière univoque sur un facteur unique dédié à la réactivité temporelle, avec des saturations factorielles primaires supérieures à 0,75 et aucune saturation croisée (cross-loading) supérieure à 0,25 sur les facteurs concurrents.
Analyse Factorielle Confirmatoire (AFC)
Une AFC d’ordre supérieur a ensuite été administrée sur un échantillon de validation distinct afin de confirmer la modélisation multidimensionnelle de l’utilisabilité des applications mobiles de marque. Les indices d’ajustement global du modèle structurel incluant la sous-échelle BAU-S ont affiché des valeurs remarquables, satisfaisant pleinement les critères méthodologiques de Hu et Bentler (1999) :
- Chi-deux normalisé (χ²/df) : inférieur à 3,0 ;
- Comparative Fit Index (CFI) : > 0,95 ;
- Tucker-Lewis Index (TLI) : > 0,94 ;
- Root Mean Square Error of Approximation (RMSEA) : < 0,06 (avec intervalle de confiance étroit) ;
- Standardized Root Mean Square Residual (SRMR) : < 0,05.
Les saturations factorielles standardisées des trois items de la BAU-S sur le facteur de premier ordre oscillaient toutes entre 0,81 et 0,86, démontrant que chaque item constitue une mesure hautement sensible et fidèle du construit sous-jacent.
10. Instrument de mesure / Instrument
La sous-échelle BAU-S se caractérise par une structure concise et directe, facilitant son intégration dans des protocoles de recherche en ligne ou des enquêtes post-utilisation in-app :
- Type d’évaluation : Auto-questionnaire psychométrique / Instrument d’évaluation ergonomique perçue.
- Nombre total d’items : 3 items unifactoriels.
- Format des réponses : Échelle de Likert en 7 points :
1 = Fortement en désaccord (Strongly Disagree)
2 = En désaccord (Disagree)
3 = Plutôt en désaccord (Somewhat Disagree)
4 = Neutre / Ni en accord ni en désaccord (Neither Agree nor Disagree)
5 = Plutôt d’accord (Somewhat Agree)
6 = D’accord (Agree)
7 = Fortement d’accord (Strongly Agree) - Mode d’administration : Auto-administré sur support numérique (smartphone, tablette ou ordinateur) immédiatement après une session d’interaction avec l’application évaluée.
- Temps de passation estimé : Moins d’une minute pour la sous-échelle BAU-S (environ 3 à 5 minutes pour l’ensemble de l’instrument d’utilisabilité complet à 5 dimensions).
- Cotation et calcul du score : L’ensemble des items est formulé de manière positive (aucun item inversé). Le score global de rapidité s’obtient en calculant la moyenne arithmétique simple des 3 items (score compris entre 1 et 7) ou la somme brute (score compris entre 3 et 21). Un score plus élevé indique une perception supérieure de rapidité, d’efficience temporelle et de réactivité logicielle.
11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year
- Année de publication initiale : 2018.
- Droits d’auteur et propriété intellectuelle : Détenus conjointement par les auteurs (Tae Hyun Baek et Chan Yun Yoo) et l’éditeur de la revue (Taylor & Francis / Journal of Advertising).
- Politique d’utilisation académique et recherche : L’échelle peut être utilisée gratuitement à des fins de recherche universitaire, scientifique et non commerciale, à la condition expresse de citer formellement la publication originale de Baek et Yoo (2018).
- Utilisation commerciale : Toute intégration de l’échelle au sein d’outils commerciaux propriétaires, d’audits logiciels tarifés ou d’études de marché privées nécessite l’accord explicite des détenteurs des droits de reproduction.
- Coût : Libre de droits (gratuit) pour les chercheurs dans le cadre académique.
12. Références / References
- Baek, T. H., & Yoo, C. Y. (2018). Branded app usability: Conceptualization, measurement, and prediction of consumer loyalty. Journal of Advertising, 47(1), 70–82. https://doi.org/10.1080/00913367.2017.1405755
- Csikszentmihalyi, M. (1990). Flow: The Psychology of Optimal Experience. Harper & Row.
- 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
- 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
- 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
- Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. MIT Press.
- Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3e éd.). McGraw-Hill.