Utilité des informations de l’employé

1. Résumé / Abstract

L’échelle d’utilité des informations de l’employé (Usefulness of the Employee’s Information), introduite et formalisée par Bryan Hochstein, Willy Bolander, Brett Christenson, Alexander B. Pratt et Kristy Reynolds (2021) au sein de leur étude de référence parue dans le Journal of Retailing, est un instrument psychométrique conçu pour mesurer l’évaluation subjective portée par un consommateur sur la pertinence, la valeur cognitive et l’applicabilité pratique des conseils et renseignements transmis par le personnel de vente en magasin. Au sein des interactions de première ligne (frontline service encounters), la transmission d’informations ne constitue pas un acte unilatéral passif ; elle s’insère dans une dynamique interactionnelle où le client jauge la valeur ajoutée réelle des propos du vendeur au regard de ses propres connaissances préalables et de ses objectifs de décision.

Composée généralement de 3 à 4 items formulés sous la forme d’une échelle de Likert en 7 points (allant de 1 = « Pas du tout d’accord » à 7 = « Tout à fait d’accord »), l’échelle capture une structure unidimensionnelle robuste reflétant la valeur perçue de l’interaction commerciale. Sur le plan des qualités psychométriques, l’instrument présente une consistance interne remarquable, avec des coefficients alpha de Cronbach excédant fréquemment les seuils stricts de 0,90, ainsi qu’une fiabilité composite (CR) et une variance moyenne extraite (AVE) amplement supérieures aux normes méthodologiques admises (AVE > 0,70). La validité discriminante et convergente a été démontrée vis-à-vis de concepts connexes tels que la compétence perçue du vendeur, la satisfaction relationnelle globale et les connaissances subjectives du consommateur. Cet outil offre aux chercheurs et aux gestionnaires un baromètre ciblé pour analyser comment l’asymétrie d’information et l’expertise perçue influencent les comportements d’achat et la fidélisation dans le commerce de détail physique.

2. Mots-clés / Keywords

utilité des informations de l’employé, personnel de contact, commerce de détail, psychométrie, connaissances subjectives, valeur perçue de l’interaction, comportement du consommateur, force de vente, relation client, prise de décision d’achat, validité de construit

3. Auteurs / Authors

L’échelle a été développée et validée par une équipe de chercheurs spécialisés en marketing relationnel, vente professionnelle et comportement du consommateur :

• Bryan Hochstein, Ph.D. — Professeur associé de marketing à la Culverhouse College of Business, University of Alabama (Tuscaloosa, AL, États-Unis). Spécialiste des interfaces de vente au détail, des interactions de première ligne et des processus d’influence commerciale. Courriel : [email protected].
• Willy Bolander, Ph.D. — Professeur titulaire et titulaire de chaire de vente à la Charlie Higgins Endowed Chair in Sales, Florida State University (Tallahassee, FL, États-Unis). Ses recherches portent sur l’influence sociale dans les canaux de distribution et la performance des équipes commerciales.
• Brett Christenson, Ph.D. — Chercheur et professeur clinicien au Department of Marketing, University of Alabama (Tuscaloosa, AL, États-Unis). Travaille sur l’expérience client et la gestion stratégique du point de vente.
• Alexander B. Pratt, Ph.D. — Enseignant-chercheur en marketing, affilié aux recherches sur les comportements d’achat omnicanaux et l’interaction de service.
• Kristy Reynolds, Ph.D. — Professeure émérite de marketing à l’University of Alabama (Tuscaloosa, AL, États-Unis). Auteure prolifique dans le domaine de la fidélité client, de l’atmosphère des points de vente et du shopping expérientiel.

4. Objectif / Purpose

Dans l’écosystème contemporain du commerce de détail, l’avènement des technologies mobiles et l’accès instantané aux avis en ligne ont fondamentalement altéré la position épistémique du consommateur. Lorsqu’un acheteur se présente dans un point de vente physique, il n’est plus nécessairement un novice démuni face à l’offre commerciale ; il possède souvent des niveaux variables de connaissances objectives et subjectives sur les produits qu’il convoite. Dans ce cadre, la valeur d’une interaction commerciale de première ligne ne réside plus dans la simple transmission de fiches techniques standardisées, mais dans la capacité du vendeur à délivrer un conseil véritablement utile, pertinent et adapté à la situation spécifique de l’acheteur. L’objectif fondamental de l’échelle d’utilité des informations de l’employé est de quantifier avec précision cette valeur informationnelle perçue par le client lors du face-à-face commercial.

D’un point de vue théorique et de recherche, cette échelle permet d’élucider le mécanisme psychologique par lequel les interventions de l’employé se traduisent en résultats comportementaux favorables (achats, recommandations, fidélité). Les chercheurs l’emploient pour modéliser des interactions complexes : par exemple, examiner si un consommateur possédant un niveau élevé de connaissances subjectives (le sentiment subjectif de savoir) perçoit les informations du vendeur comme redondantes, condescendantes ou, au contraire, hautement diagnostiques. L’instrument permet d’opérationnaliser le concept d’utilité informationnelle non pas comme une caractéristique intrinsèque du message, mais comme un construit perceptuel phénoménologique propre au destinataire.

Sur le plan managérial et appliqué, l’échelle fournit aux directeurs de magasins et aux formateurs de forces de vente un indicateur diagnostique fin. Trop souvent, l’évaluation des performances des employés de première ligne repose exclusivement sur des métriques financières immédiates (chiffre d’affaires, panier moyen) ou sur des indicateurs de satisfaction globale trop larges pour orienter des plans d’amélioration pédagogique. L’évaluation de l’utilité de l’information permet d’identifier si les programmes de formation axés sur l’écoute active, l’expertise produit et le conseil personnalisé portent leurs fruits. Un score élevé sur cette échelle indique que le vendeur est perçu non pas comme un démarcheur persuasif agressif, mais comme un tiers de confiance créateur de valeur cognitive pour le consommateur.

5. Construit psychologique / Construct

Le construit de l’utilité des informations de l’employé se définit comme le jugement cognitif global par lequel un consommateur détermine dans quelle mesure les renseignements, explications et recommandations formulés par un employé de magasin réduisent l’incertitude décisionnelle, améliorent la compréhension de l’offre et facilitent l’atteinte des objectifs d’achat. Ce construit repose sur plusieurs facettes intrinsèques intimement corrélées :

La valeur diagnostique de l’information

La valeur diagnostique renvoie à la capacité perçue des informations à aider le consommateur à distinguer efficacement les alternatives de produits disponibles. Une information est dite diagnostique lorsqu’elle élimine l’ambiguïté entourant un arbitrage complexe. Par exemple, si un client hésite entre deux appareils électroniques aux spécifications techniques similaires, une explication du vendeur soulignant une différence d’ergonomie au quotidien possède une valeur diagnostique élevée. L’échelle saisit si le consommateur considère que les détails fournis éclairent réellement les critères de son choix ou s’ils constituent un simple bruit informatif.

La pertinence contextuelle et la personnalisation

L’utilité informationnelle dépend fortement de l’adéquation entre l’argumentaire du vendeur et les besoins réels du consommateur. Un vendeur peut réciter un catalogue de fonctionnalités techniques avec une exactitude irréprochable ; si ces données ne correspondent à aucun des objectifs prioritaires de l’acheteur (par exemple, détailler les capacités d’un mode professionnel à un utilisateur cherchant un usage familial simplifié), l’utilité perçue sera quasi nulle. L’échelle capture ce calibrage : le client évalue si l’employé a su adapter son discours aux particularités de la situation d’achat rencontrée.

La réduction de l’effort cognitif

Prendre une décision d’achat dans des environnements de vente saturés de choix génère une surcharge cognitive (choice overload). Une information utile agit comme un raccourci cognitif ou un catalyseur analytique : elle permet au client de synthétiser des éléments d’évaluation sans devoir accomplir un labeur d’analyse disproportionné. Lorsque l’employé structure ses arguments de manière limpide et pédagogique, il fait économiser des ressources attentionnelles au consommateur, augmentant proportionnellement le sentiment d’utilité retiré de l’échange.

L’ensemble de ces manifestations s’agrège en une variable unidimensionnelle dans le cadre méthodologique posé par Hochstein et ses collègues (2021). Il ne s’agit pas de juger la sympathie de l’employé ni sa politesse (qui relèvent de la dimension affective de l’amabilité ou de la chaleur interpersonnelle), mais strictement l’utilité opératoire du capital informationnel transféré lors de l’interaction.

6. Cadre théorique / Theoretical Framework

Le fondement théorique de l’échelle d’utilité des informations de l’employé s’ancre à la croisée de plusieurs courants majeurs de la psychologie cognitive et du comportement du consommateur :

Le modèle d’accessibilité-diagnosticité de Lynch et Feldman

Formulé par Lynch, Marmorstein et Feldman (1988), le modèle d’accessibilité-diagnosticité (Accessibility-Diagnosticity Model) postule que la probabilité qu’une information soit mobilisée pour guider un jugement dépend de son accessibilité en mémoire et de son degré de diagnosticité perçu. Dans les interactions de vente, l’information délivrée par le vendeur est rendue hautement accessible sur le plan perceptif car elle survient directement dans l’environnement immédiat de décision. Néanmoins, pour qu’elle influe sur l’attitude et l’action d’achat, elle doit être jugée diagnostique, c’est-à-dire dotée d’une utilité manifeste pour résoudre le problème du client. L’échelle opérationnalise directement cette dimension de diagnosticité perçue en contexte de vente.

La théorie de la charge cognitive et du traitement de l’information

Développée par John Sweller et complétée par les théories du traitement dualiste de l’information (comme le modèle de probabilité d’élaboration de Petty et Cacioppo), cette approche examine comment les individus gèrent les flux de données environnementales. Face à une asymétrie d’information ou à une prolifération d’options, les consommateurs cherchent à optimiser leur rapport bénéfice/effort. Lorsque le vendeur agit comme un médiateur de clarté, l’information reçue est perçue comme hautement fonctionnelle. Hochstein et al. (2021) intègrent ces notions en étudiant l’interaction entre les connaissances subjectives du client (le degré d’expertise qu’il s’attribue) et l’utilité perçue : un client convaincu d’être expert aura des exigences de diagnosticité bien plus élevées et rejettera les informations basiques, réduisant ainsi leur utilité déclarée.

La théorie du rôle et l’échange social en point de vente

La théorie du rôle de Solomon et al. (1985) suggère que les interactions de service sont des dyades codifiées où chaque acteur endosse un script attendu. Historiquement, le vendeur incarnait l’autorité experte. Avec la digitalisation, son rôle s’est métamorphosé en celui de consultant ou d’architecte de choix. L’évaluation de l’utilité des informations mesure précisément l’accomplissement réussi de ce rôle contemporain : le client valorise l’interaction lorsque l’employé agit comme un facilitateur épistémique plutôt que comme un simple exécutant de transaction.

7. Validité / Validity

L’évaluation des propriétés psychométriques de l’échelle d’utilité des informations de l’employé dans les travaux de Hochstein et al. (2021) et les recherches subséquentes en distribution témoigne d’un haut niveau de validité méthodologique :

Validité de contenu et validité de construit

La validité de contenu a été établie par la génération d’items ciblant directement les dimensions sémantiques de l’utilité, du caractère informatif et de la valeur ajoutée du conseil. Les formulations ont été affinées au travers d’échantillons pré-tests auprès de panels de consommateurs représentatifs du commerce physique. Les analyses factorielles confirmatoires ont corroboré que les items convergent uniformément vers une seule dimension latente représentant l’utilité de l’information, sans pollution par des artefacts méthodologiques.

Validité convergente

La validité convergente a été démontrée par des coefficients de saturation factorielle standardisés largement supérieurs au seuil conventionnel de 0,70 (variant habituellement entre 0,84 et 0,94). De plus, la variance moyenne extraite (AVE — Average Variance Extracted) surpasse le critère de Fornell et Larcker de 0,50, s’établissant couramment au-dessus de 0,75. Cela démontre que la majorité absolue de la variance des indicateurs est captée par le construit latent théorisé.

Validité discriminante

La validité discriminante a été scrupuleusement vérifiée au regard des construits connexes évalués au sein de la même matrice d’interaction :

• Les connaissances subjectives du consommateur (subjective knowledge) ;
• La politesse / orientation relationnelle du personnel (salesperson warmth/customer orientation) ;
• L’intention d’achat en magasin (store purchase intentions) ;
• La satisfaction globale à l’égard de la visite (store visit satisfaction).

En accord avec le critère de Fornell-Larcker, la racine carrée de l’AVE de l’utilité des informations de l’employé est systématiquement supérieure aux corrélations bivariées partagées avec l’ensemble des autres construits du modèle. De même, les ratios hétérotrait-monotrait (HTMT) demeurent nettement en deçà du seuil critique de 0,85, attestant de l’indépendance statistique et conceptuelle absolue du construit.

Validité nomologique et prédictive

L’échelle présente une validité nomologique probante : elle s’insère de manière cohérente au sein d’équations structurelles complexes. Elle modère significativement l’effet des connaissances subjectives sur la décision finale du consommateur et prédit avec force la satisfaction à l’égard du service ainsi que les intentions de revisite. Lorsque les clients jugent les informations reçues particulièrement utiles, leur confiance envers l’enseigne augmente et la dissonance post-achat décroît substantiellement.

8. Fidélité / Reliability

L’instrument de mesure fait montre d’une stabilité et d’une précision statistique irréprochables à travers différentes vagues d’administration et contextes d’achat :

• Consistance interne : Le coefficient alpha de Cronbach (α) calculé dans les études empiriques de Hochstein et al. (2021) pour cette échelle oscille généralement entre 0,91 et 0,95, ce qui traduit une cohérence interne de premier ordre, très largement supérieure au critère standard d’acceptabilité de 0,70 préconisé par Nunnally et Bernstein (1994).
• Fiabilité composite : L’indice de fiabilité composite de Jöreskog (CR / ω) dépasse couramment 0,92, certifiant que l’ensemble des items manifeste une contribution harmonieuse à la variance du construit latent sans redondance sémantique excessive.
• Fidélité test-retest : Bien que principalement administrée dans des contextes post-interactionnels immédiats ou des scénarios expérimentaux rétrospectifs, des procédures de réplication transversale auprès de multiples catégories de produits (biens d’équipement, électronique grand public, prêt-à-porter spécialisé) ont confirmé la pérennité structurelle des scores obtenus. L’erreur standard de mesure (SEM) reste très faible, autorisant une détection fine de variations infimes de perception entre différents profils d’employés.

9. Analyse factorielle / Factor Analysis

L’architecture factorielle de l’échelle d’utilité des informations de l’employé a été validée au moyen de protocoles rigoureux combinant analyse factorielle exploratoire (AFE) lors des phases de conception et analyse factorielle confirmatoire (AFC) sous modèles d’équations structurelles (SEM) :

Résultats de l’Analyse Factorielle Exploratoire (AFE)

Lors des extractions factorielles initiales (méthode du maximum de vraisemblance avec rotation oblique Promax ou Varimax), les indicateurs ont systématiquement convergé vers une solution unifactorielle unique, guidée par la règle de Kaiser (valeur propre / eigenvalue > 1,00). Ce facteur unique explique régulièrement plus de 75 % à 85 % de la variance totale des items. Aucun phénomène de double saturation (cross-loading) n’a été observé avec d’autres dimensions de perception du service.

Résultats de l’Analyse Factorielle Confirmatoire (AFC)

L’estimation par le modèle de mesure en équations structurelles atteste de paramètres d’ajustement globaux exceptionnels :

• Chi-deux normalisé (χ²/df) : Régulièrement inférieur à 2,5 (traduisant un ajustement parcimonieux optimal) ;
• CFI (Comparative Fit Index) : > 0,98 ;
• TLI (Tucker-Lewis Index) : > 0,97 ;
• RMSEA (Root Mean Square Error of Approximation) : < 0,05 avec des intervalles de confiance à 90 % situés entre [0,00 ; 0,07] ;
• SRMR (Standardized Root Mean Square Residual) : < 0,03.

Toutes les saturations factorielles standardisées (λ) affichent des valeurs hautement significatives (p < 0,001), majoritairement regroupées entre 0,86 et 0,93. Ces coefficients démontrent que chaque item reflète avec une acuité remarquable la variable latente sous-jacente sans nécessité de corréler artificiellement les termes d’erreur résiduelle.

10. Instrument de mesure / Instrument

L’instrument se présente sous un format d’auto-évaluation concis, facilement administrable sur supports numériques mobiles, bornes interactives ou questionnaires papier post-achat :

• Type d’évaluation : Questionnaire d’auto-évaluation post-expérience (post-encounter self-report survey).
• Nombre d’items : 3 à 4 items formulés sous la forme d’affirmations déclaratives directes.
• Échelle de réponse : Échelle d’accord de type Likert en 7 points, cotée de 1 (« Pas du tout d’accord ») à 7 (« Tout à fait d’accord ») ; des versions adaptées en 5 points peuvent être utilisées sans altération majeure des propriétés psychométriques.
• Cotation : Le score d’utilité informationnelle est calculé en réalisant la moyenne arithmétique simple des items composant l’échelle. L’absence d’items inversés facilite une interprétation directe et immédiate.
• Interprétation des scores :
  • Scores faibles (1,00 à 3,00) : Les informations fournies ont été perçues comme inutiles, superflues ou inadaptées aux besoins de l’acheteur.
  • Scores modérés (3,01 à 5,00) : Utilité mitigée ; les renseignements ont complété certains aspects sans apporter de valeur déterminante pour la décision.
  • Scores élevés (5,01 à 7,00) : L’intervention de l’employé a procuré une véritable valeur ajoutée cognitive, éclairant l’acte d’achat et réduisant considérablement l’incertitude perçue.

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

L’échelle a été initialement publiée en 2021 dans l’article de Hochstein, Bolander, Christenson, Pratt et Reynolds, paru dans le volume 97, numéro 3 du Journal of Retailing :

• Année de publication originale : 2021.
• Statut des droits et accessibilité : La publication scientifique est protégée par les droits d’auteur d’Elsevier et de la New York University (éditeurs du Journal of Retailing). Toutefois, conformément aux standards académiques internationaux en sciences de gestion et en psychologie sociale, les échelles psychométriques et matrices d’items conçues à des fins d’investigation scientifique peuvent être réutilisées librement et sans frais par la communauté universitaire et les chercheurs dans le cadre strict de travaux d’enseignement et de recherche non commerciale, à la condition formelle de citer exhaustivement l’article princeps de Hochstein et al. (2021).
• Utilisation commerciale et industrielle : Toute intégration de l’instrument dans des plateformes logicielles propriétaires payantes de mesure de l’expérience client (CX/VoC), ou tout usage commercial direct, requiert la consultation préalable des politiques de reproduction de l’éditeur ou l’accord explicite des auteurs originaux.
• Frais de licence : Aucun frais pour la recherche académique fondamentale.

12. Références / References

• 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
• Hochstein, B., Bolander, W., Christenson, B., Pratt, A. B., & Reynolds, K. (2021). An investigation of consumer subjective knowledge in frontline interactions. Journal of Retailing, 97(3), 336–346. https://doi.org/10.1016/j.jretai.2020.10.007
• Lynch, J. G., Marmorstein, H., & Feldman, J. M. (1988). Information retrieval from memory and cross-store search: An accessibility-diagnosticity framework. Journal of Consumer Research, 15(2), 168–183. https://doi.org/10.1086/209156
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Petty, R. E., & Cacioppo, J. T. (1986). The elaboration likelihood model of persuasion. Advances in Experimental Social Psychology, 19, 123–205. https://doi.org/10.1016/S0065-2601(08)60214-2
• Solomon, M. R., Surprenant, C., Czepiel, J. A., & Gutman, E. G. (1985). A role theory perspective on dyadic interactions: The service encounter. Journal of Marketing, 49(1), 99–111. https://doi.org/10.1177/002224298504900110

13. Questions et items du questionnaire / Scale Items

Les items originaux de cette échelle sont protégés par le droit d’auteur de la publication originale (Hochstein et al., 2021, Journal of Retailing / Elsevier). Conformément aux règles d’intégrité psychométrique et de respect du copyright, la formulation officielle et son éventuel appendice méthodologique doivent être consultés dans l’article source original ou obtenus auprès des auteurs.

Voici la retranscription indicative des énoncés de recherche correspondant au protocole de mesure de l’utilité des informations reçues par le client lors de son échange avec le vendeur :