memoire marylene nguyen_(2009)
TRANSCRIPT
HEC MONTRÉAL
Étude du degré d’utilisation d’Internet comme source d’information pour les services financiers
par
Marylène Nguyen
Sciences de la gestion Marketing
Mémoire présenté en vue de l’obtention du grade de maîtrise ès sciences
(M. Sc.)
Janvier 2009 © Marylène Nguyen, 2009
i
REMERCIEMENTS
Mes remerciements s’adressent tout d’abord à mon directeur de mémoire, Sylvain Sénécal,
professeur agrégé au service de l’enseignement du marketing à HEC Montréal et titulaire
de la Chaire de recherche en commerce électronique RBC Groupe Financier. Sa
disponibilité, son efficacité et ses conseils toujours judicieux m’ont permis de construire ce
projet de recherche de façon méthodologique et pertinente. Je tiens par ailleurs à le
remercier pour sa confiance en m’accordant un poste d’analyste au sein de la Chaire de
recherche. Les projets sur lesquels j’ai travaillé m’ont énormément apporté. Je remercie
aussi grandement, Léger Marketing, partenaire de la Chaire, pour leur professionnalisme,
leur efficacité et la mise à disposition de leurs panels pour la collecte de données.
Je souhaite également remercier ma mère qui m’a toujours soutenue à tous les égards.
Merci aussi à mon petit frère pour son écoute et son soutien à toute heure.
Un grand merci enfin à mon fiancé qui a toujours cru en moi et encouragé sans relâche. J’ai
puisé ma motivation, ma persévérance et ma force dans ta foi et ton amour.
ii
SOMMAIRE
La littérature portant sur les services financiers et l’Internet s’est surtout intéressée à
l’aspect transactionnel des sites web des institutions financières, négligeant ainsi leur valeur
informative. La présente étude a pour objectif d’étudier la valeur informative d’Internet
pour les services financiers complexes. Il s’agit plus précisément de déterminer les facteurs
influençant le degré d'utilisation d'Internet en tant que source d'information pour les
services financiers.
En nous appuyant sur le modèle de congruence tâche-technologie (Task-Technology Fit),
les variables suivantes sont étudiées : les caractéristiques de la tâche (la complexité perçue
de la recherche d'information pour un service financier, le risque perçu du service
financier), les caractéristiques de la technologie (l’utilité perçue d'Internet) et les
caractéristiques individuelles (la connaissance subjective de la catégorie de produit,
l'expérience avec Internet). Cette étude postule que les effets de ces variables sur le degré
d'utilisation d'Internet afin de s'informer sur un service financier sont médiés par la
congruence perçue entre la tâche, la technologie et l’individu.
Une enquête en ligne fut effectuée auprès de 218 adultes québécois portant sur le
comportement de recherche d’information sur les prêts hypothécaires et les cartes de crédit.
Cette étude démontre la valeur du modèle de congruence tâche-technologie en validant le
rôle médiateur de la congruence tâche-technologie entre le risque perçu du service
financier, l’utilité perçue d’Internet et le nombre relatif d’attributs recherchés sur Internet.
iii
Ce rôle médiateur est également vérifié dans la relation existant entre l’utilité perçue
d’Internet et le temps relatif de recherche effectuée sur Internet.
Mots-clés : Task-technology fit, congruence tâche-technologie, services financiers, Internet,
recherche d’information
iv
TABLE DES MATIÈRES
Remerciements ................................................................................................................... i Sommaire .......................................................................................................................... ii Table des matières .............................................................................................................iv Liste des tableaux ..............................................................................................................vi Liste des figures............................................................................................................... vii Chapitre 1 – INTRODUCTION.......................................................................................1 1.1 Importance de l’étude................................................................................................1 1.2 Objectifs de l’étude ...................................................................................................2 1.3 Plan du mémoire .......................................................................................................2 Chapitre 2 – REVUE DE LA LITTÉRATURE................................................................3 2.1 Le comportement de recherche d’information ...........................................................3
2.1.1 Les types de processus décisionnels.............................................................4 2.1.2 La recherche d’information : types et objectifs.............................................5 2.1.3 Les variables étudiées en comportement de recherche d’information ...........7
2.2 Les sources d’information.........................................................................................8 2.2.1 Les typologies et la recherche sur les sources d’information ........................8 2.2.2 L’Internet ..................................................................................................11
2.3 Les types de produits et services..............................................................................16 2.3.1 Les critères de différenciation entre produits et services.............................16 2.3.2 Les services financiers...............................................................................20
2.4 L’influence des facteurs personnels.........................................................................27 2.4.1 Les variables socio-démographiques..........................................................27 2.4.2 La connaissance de la catégorie de produit.................................................28 2.4.3 L’expérience avec Internet.........................................................................31
2.5 Les modèles d’adoption technologique....................................................................32 2.5.1 Le modèle d’acceptation technologique .....................................................32 2.5.2 Le modèle de congruence tâche-technologie ..............................................34
Chapitre 3 – CADRE CONCEPTUEL ET HYPOTHÈSES............................................38 3.1 Discussion des modèles théoriques..........................................................................38 3.2 Variables dépendantes.............................................................................................40 3.3 Variable médiatrice.................................................................................................41 3.4 Variables explicatives .............................................................................................42
3.4.1 Caractéristiques de la tâche........................................................................42 3.4.2 Caractéristiques de la technologie..............................................................43 3.4.3 Caractéristiques individuelles ....................................................................44
3.5 Relations de médiation............................................................................................47 Chapitre 4 – MÉTHODOLOGIE ...................................................................................51 4.1 Contexte de l’étude .................................................................................................51 4.2 L’enquête................................................................................................................52
4.2.1 Construction de l’instrument de collecte de données ..................................52 4.2.2 Choix des instruments de mesure...............................................................52 4.2.3 Pré-test ......................................................................................................57
4.3 Recrutement et déroulement de la collecte de données ............................................58
v
4.3.1 Recrutement ..............................................................................................58 4.3.2 Collecte de données ...................................................................................59
Chapitre 5 – RÉSULTATS ET INTERPRÉTATION.....................................................62 5.1 Analyse descriptive de l’échantillon........................................................................62 5.2 Analyse de la fidélité et de l’unidimensionnalité des échelles de mesure .................64
5.2.1 Échelles de mesure unidimensionnelles .....................................................65 5.2.2 Échelle multidimensionnelle de congruence tâche-technologie ..................66
5.3 Analyse de la relation de médiation.........................................................................71 5.3.1 Régressions linéaires multiples successives ...............................................71 5.3.2 Tests de colinéarité ....................................................................................73 5.3.3 Tests du modèle explicatif de la variable « ratio attribut »..........................74 5.3.4 Test du modèle explicatif de la variable « ratio temps » .............................80 5.3.5 Test du modèle explicatif de la variable « nombre de sites web visités » ....81
5.4 Validation des hypothèses de recherche et interprétation des résultats .....................85 Chapitre 6 – CONCLUSION .........................................................................................87 6.1 Synthèse des résultats de l’étude .............................................................................87
6.1.1 Proportion d’attributs recherchés sur Internet pour les services financiers ..88 6.1.2 Proportion de temps de recherche sur Internet pour les services financiers.90 6.1.3 Nombre de site web visités ........................................................................90
6.2 Contributions théoriques .........................................................................................92 6.3 Implications managériales.......................................................................................93 6.4 Limites de l’étude et voies de recherche ..................................................................94 Annexe I – Énoncés des échelles de mesures (version prêt hypothécaire)..........................96 Annexe II – Unidimensionnalité des échelles de mesure .................................................100 Annexe III – Analyse factorielle, rotation varimax, 10 composantes ...............................105 Annexe IV – Analyse factorielle, rotation oblimin, 10 composantes................................108 Annexe V – Analyse factorielle, rotation oblimin ...........................................................112 Bibliographie..................................................................................................................115
vi
LISTE DES TABLEAUX
Tableau 4-1 : Collecte de données.....................................................................................60
Tableau 5-1 : Profil socio-démographique de l’échantillon ...............................................63
Tableau 5-2 : Fidélité des échelles de mesure unidimensionnelles.....................................65
Tableau 5-3 : Analyse factorielle ACP pour la congruence tâche-technologie ...................69
Tableau 5-4 : Analyse de la fidélité de l’échelle de congruence tâche-technologie ............70
Tableau 5-5 : Statistiques univariées des variables de l’étude............................................71
Tableau 5-6 : Résultats des régressions pour le modèle explicatif du « ratio attribut ».......78
Tableau 5-7 : Résultats des régressions pour le modèle explicatif du « ratio temps ».........83
Tableau 5-8 : Résultats des régressions pour le modèle explicatif du « nombre de sites web
visités ».....................................................................................................................83
Tableau 5-9 : Synthèse des analyses de régression ............................................................84
Tableau 5-10 : Synthèses des résultats d’hypothèses .........................................................85
vii
LISTE DES FIGURES
Figure 2-1 : Étapes du processus décisionnel d’achat (Roberts & Lilien, 1993)...................4
Figure 2-2 : Modèle d’acceptation technologique (Davis et al., 1989) ...............................33
Figure 2-3 : Modèle de congruence tâche-technologie (Goodhue, 1998) ..........................36
Figure 3-1 : Cadre conceptuel adapté de Goodhue (1998) .................................................50
1
Chapitre 1 – INTRODUCTION
1.1 Importance de l’étude
L’avènement d’Internet, en tant que technologie de l’information, remet en question les
résultats acquis par les études sur le comportement de recherche d’information
« traditionnelle ». Mais alors que la majorité des recherches se concentre sur les produits
simples (ex.: livre) ou plus complexes (ex.: automobile), peu de recherche ont investigué le
domaine des services. Les spécificités des services rendent en effet leur évaluation plus
difficile à effectuer sur Internet et donc d’aboutir à une décision satisfaisante (Tam, 2007).
Les services financiers particulièrement font l’objet de cette étude sur le comportement de
recherche d’information pour plusieurs raisons. Premièrement, avec le développement du
online banking, les recherches portant sur l’Internet et les services financiers se sont surtout
intéressées à l’aspect transactionnel des sites bancaires alors que ceux-ci représentent aussi
une source d’information pour les consommateurs (Waite & Harrison, 2002). Il convient en
effet de bien différencier la littérature portant sur le comportement d’achat en ligne et le
comportement de magasinage en ligne (McKechnie, Winklhofer, & Ennew, 2006),
Deuxièmement, bien que la recherche d’information sur les produits et services soit un
motif principal d’utilisation d’Internet, les services financiers sont des services complexes
nécessitant en général assistance durant le processus de décision (Vroomen et al., 2005).
L’utilisation d’Internet dans sa valeur informative pour les services financiers est donc à
étudier.
2
1.2 Objectifs de l’étude
Cette recherche a pour objectif d’étudier Internet en tant que source d’information sur les
services financiers pour les consommateurs. Surtout, il s’agit d’étudier les facteurs
explicatifs du degré d’utilisation de ce médium, au-delà de la simple adoption ou non. Le
modèle de congruence tâche-technologie (Task-Technology Fit) développée par Goodhue
(1998) sert de référence théorique pour notre cadre conceptuel. L’étude postule que les
relations entre le degré d’utilisation d’Internet pour s’informer sur le service financier et 1-
les caractéristiques de la tâche (la recherche d’information sur un service financier
caractérisée par la complexité de la tâche et le risque du service financier), 2-les
caractéristiques de la technologie (l’utilité perçue d’Internet), 3-les caractéristiques
individuelles (la connaissance subjective de la catégorie de produit, l’expérience avec
Internet) sont médiées par la congruence perçue entre la tâche et la technologie.
1.3 Plan du mémoire
L’étude s’ouvre sur une revue de la littérature portant sur le comportement de recherche
d’information et permettant un focus spécifique sur l’Internet, les services financiers, les
variables et les modèles théoriques utilisés (chapitre 2). Le cadre conceptuel et les
hypothèses de recherche sont ensuite posés dans le chapitre 3. Le chapitre 4 expose les
choix méthodologiques. Le chapitre 5 décrit les résultats. Enfin le chapitre 6 clôt l’étude sur
une synthèse des résultats, les implications théoriques et managériales, les limites de la
recherche et les avenues de recherche envisageables.
3
Chapitre 2 – REVUE DE LA LITTÉRATURE
2.1 Le comportement de recherche d’information
Le comportement de recherche d’information représente un champ de recherche
extrêmement riche, volumineux et dont l’étude remonte à plusieurs décennies. Peterson et
Merino (2003) soulignent ainsi que l’étude empirique la plus fréquemment citée dans ce
domaine remonte à plus de cinquante ans (Katona & Muller, 1954). Pour observer
l’importance de ce sujet, il suffit par ailleurs de remarquer la présence et la place
importante accordée à la recherche d’information dans la quasi-totalité des manuels
scolaires (Peterson & Merino, 2003). Outre le marketing, la recherche d’information fut
également l’objet de recherche de diverses disciplines comme l’économie, la psychologie,
la sociologie et la géographie (Peterson & Merino, 2003). L’intérêt majeur pour ce champ
de recherche s’explique par la nécessité d’effectuer une recherche d’information avant
presque toute prise de décision et tout acte d’achat (Peterson & Merino, 2003). La
recherche d’information représente en effet une étape définie du processus décisionnel
d’achat durant laquelle le consommateur collecte et intègre de l’information provenant de
plusieurs sources, internes et externes, avant d’effectuer un choix (Schmidt & Spreng,
1996).
4
Figure 2-1 : Étapes du processus décisionnel d’achat (Roberts & Lilien, 1993)
Notre étude porte spécifiquement sur l’étape de recherche d’information.
Avant de nous concentrer sur l’étape de la recherche d’information, il est intéressant
cependant de nous pencher sur les différents types de processus décisionnels. Le type de
processus privilégié par l’individu déterminera en effet les choix de stratégie en termes de
recherche d’information.
2.1.1 Les types de processus décisionnels
Trois types de processus décisionnels peuvent être définis : les processus décisionnels
indépendants (own based decision making), dépendants (other based decision making) et
hybrides (hybrid decision making process) (Olshavsky & Granbois, 1979; Olshavsky &
Rosen, 1985). Avec un processus de type indépendant, la recherche, l’analyse et le
traitement de l’information pour évaluer les alternatives et les attributs du produit sont
Reconnaissance d’un besoin
Recherche d’information
Évaluation des alternatives
Achat
Évaluation post-achat
5
effectués sans recours à d’autres personnes. L’individu réalise ces opérations sur la base de
ses connaissances. Ce type de processus est possible lorsque l’individu possède la capacité
de traiter les informations trouvées ainsi que d’effectuer un processus de décision complexe
(Olshavsky & Rosen, 1985). Avec un processus de type dépendant (ou sous-contracté),
l’individu externalise complètement sa prise de décision en sollicitant d’autres personnes
afin d’obtenir des recommandations sur l’alternative à choisir (Rosen & Olshavsky, 1987).
Enfin, avec un processus de type hybride, l’individu utilise plusieurs sources d’information
pour prendre sa décision finale, par réduction du nombre d’alternatives ou du nombre
d’attributs à évaluer (Olshavsky & Granbois, 1979; Rosen & Olshavsky, 1987).
Sur la base de ces définitions, il est clair de voir que le comportement de recherche
d’information, étape définie du processus décisionnel, est naturellement affecté par le type
de processus adopté. Les individus choisissant une stratégie de type dépendant effectueront
très peu de recherche, la recherche d’information étant sous-contractée. Tandis que les
individus aux processus indépendants ou hybrides rechercheront davantage d’information
par eux-mêmes, la recherche pouvant être interne ou externe. La présente étude ne
s’intéresse qu’aux individus ayant choisi un processus de type indépendant ou hybride.
2.1.2 La recherche d’information : types et objectifs
La recherche d’information comprend deux types de recherches fondamentales : la
recherche d’information interne et externe (DeSarbo & Choi, 1999). La recherche
d’information interne fait appel à la mémoire et intervient avant la recherche d’information
externe, tandis que la recherche d’information externe implique toute recherche
6
n’impliquant pas la mémoire. Bien que ces deux types de recherche soient théoriquement
distingués, ceux-ci sont extrêmement liés entre eux car toute recherche externe s’opère sur
la base de la mémoire et la recherche d’information dans son ensemble représente un
processus itératif (Peterson & Merino, 2003). Et à moins qu’un individu soit vierge de toute
connaissance vis-à-vis d’un sujet quelconque, toute recherche d’information implique la
mémoire comme point de départ du processus (Bettman, 1979).
En ce qui concerne les objectifs de la recherche d’information externe, un individu peut
s’engager dans une recherche d’information externe dans un objectif précis ou sans objectif
particulier (Peterson & Merino, 2003). Le besoin de s’informer dans un but précis inclut la
recherche d’information pré-achat ou encore la nécessité de résoudre un problème
spécifique. Le besoin de s’informer sans but précis est au contraire caractérisé par la
continuité, la régularité et la généralité de l’activité de recherche d’information. Pour le cas
de la recherche d’information sur Internet, Hoffman et Novak (1996) définissent de
manière précise ces deux types de recherche sur six dimensions. Ainsi la recherche
d’information spécifique est motivée de manière extrinsèque, elle est instrumentale,
l’implication est situationnelle, les bénéfices sont utilitaires, la recherche est dirigée et le
comportement de recherche dépend des objectifs de la recherche. La recherche
d’information générale est au contraire caractérisée par une motivation intrinsèque, elle est
rituelle, l’implication est de long-terme, les bénéfices sont hédoniques, la recherche est non
dirigée et le comportement de recherche dépend de la navigation.
La recherche académique s’est intéressée de façon inégale à ces deux objectifs de
recherche. La plupart des études se sont penchées sur le comportement de recherche
d’information pré-achat dans le but de réduire l’incertitude et le risque (Peterson & Merino,
7
2003). Les études portant sur l’acquisition continue de l’information ont de leur côté
exploré la valeur hédonique ou récréative de l’activité de recherche (Holbrook &
Hirschman, 1982) ou encore l’implication à long terme d’un individu envers un produit ou
un service (Bloch, Sherrell, & Ridgway, 1986).
Bien que la recherche d’information générale reste à explorer davantage, notre étude a pour
objectif de continuer l’approfondissement des connaissances sur la recherche d’information
spécifique.
2.1.3 Les variables étudiées en comportement de recherche d’information
La problématique du comportement de recherche d’information a été abordée dans la
littérature de diverses manières. Dans le cadre de la recherche d’information dans un
objectif précis tel que l’achat, un premier intérêt de recherche concerne le comportement de
recherche en lui-même, que ce soit relatif à l’étendue de la recherche, du temps consacré à
la recherche, du nombre et du type de source ou du temps consacré à chaque type de source
(Peterson & Merino, 2003). D’autres chercheurs se sont intéressés au type d’information
recherché, tel que les informations sur les marques versus les attributs ou encore les
informations de nature positive versus négative (Lussier & Olshavsky, 1979). Enfin
d’autres recherches se sont concentrées sur les antécédents, les modérateurs ou les
médiateurs de la recherche d’information (Ratchford & Srinivasan, 1993). Srinivasan and
Ratchford (1991) ont identifié près de 60 variables influençant la recherche d’information
externe. Ces variables indépendantes peuvent être catégorisées comme suit : les types de
8
sources d’information, les types de produits et attributs produits et enfin les variables
individuelles (Klein & Ford, 2003).
Les sections suivantes présentent plus en détail la littérature portant sur ces trois catégories
de variables.
2.2 Les sources d’information
Notre recherche a pour objectif l’étude d’Internet comme source d’information pour les
services financiers. Cette section permet de présenter succinctement les différentes
typologies des sources d’information, pour ensuite nous pencher plus en profondeur sur la
source Internet.
2.2.1 Les typologies et la recherche sur les sources d’information
Andreasen (1968) propose une typologie des sources d’information identifiant quatre
catégories : 1-Impersonal advocate (ex. : médias), 2-Impersonal independent (ex. :
Consumer Report), 3-Personal advocate (ex. : personnel de vente), 4-Personal independent
(ex. : amis). Beatty et Smith (1987) utilisent une classification des sources légèrement
différente afin d’y inclure les expériences personnelles de produits : 1-les médias (ex. :
magazines, journaux, télévision, radio), 2-les individus (ex. : amis, personnel de vente,
experts), 3-les détaillants (ex. : magasins, catalogues), 4-les expériences directes de produit
(ex. : échantillon). Un autre type de classification identifie également quatre sources mais
cette fois sur la base du type d’individu possédant le contrôle du contenu informatif : 1-les
9
marketers, 2-les distributeurs, 3-les tierce-parties, 4-les sources interpersonnelles (Schmidt
& Spreng, 1996).
Avec l’arrivée d’Internet, les individus peuvent accéder en théorie à une quantité et une
variété d’information quasi-infinies pour des coûts minimes en termes d’effort, de temps et
d’argent, mais en pratique l’information offerte par Internet est semblable à celle acquise
dans un environnement physique (Peterson & Merino, 2003). Internet peut plutôt être
considérée comme une source d’information alternative (électronique) permettant de
rechercher de l’information dans les différents types de sources traditionnelles (Peterson &
Merino, 2003; Strebel, Erdem, & Swait, 2004). Ceci est empiriquement supporté par Klein
et Ford (2003) qui concluent que les deux dimensions traditionnellement utilisées pour
classer les sources d’information (impersonnelle vs interpersonnelle et indépendante vs
dépendant du vendeur) peuvent être étendues afin d’ajouter une troisième dimension en
ligne/hors ligne. Ces auteurs observent et prédisent d’ailleurs une tendance croissante de
substitution des sources traditionnelles par leur équivalent en ligne. Il s’agit là d’une
première vision d’Internet en tant version électronique des sources traditionnelles.
Une deuxième vision défend plutôt l’idée d’une nouvelle classification des sources due à
l’apparition d’Internet. Sénécal et Nantel (2004) proposent ainsi une classification des
sources propres à Internet. Ces auteurs identifient quatre types de sources classés sous une
première dimension, le caractère personnel ou impersonnel de la source et sur une
deuxième dimension inédite, la possibilité de délivrer des informations personnalisées ou
non. Les quatre sources sont : 1-les sources personnelles fournissant de l’information
personnalisée (ex : famille, amis), 2-les sources personnelles fournissant de l’information
non personnalisée (ex : expert), 3-les sources impersonnelles fournissant de l’information
10
personnalisée (ex : agent de recommandation en ligne), 4-les sources impersonnelles
fournissant de l’information non personnalisée (ex : Consumer Reports). La plupart des
sources correspondent effectivement à l’équivalent électronique d’une source traditionnelle
mais cette classification permet de montrer que certaines sources sont propres à Internet.
Les typologies classiques des sources d’information ne sont donc plus appropriées dès lors
que l’on considère le médium Internet.
La recherche existant sur les sources d’information traditionnelles est riche. Avec Internet
cependant, les précédents résultats sont remis en cause et ce champ de recherche continue à
générer de l’intérêt et des études. Ainsi récemment, de nombreux auteurs se sont penchés
sur les facteurs influençant le choix et l’utilisation d’une ou plusieurs sources d’information
(Bei, Chen, & Widdows, 2004; Klein & Ford, 2003; Lee & Cho, 2005; Mourali, Laroche,
& Pons, 2005; Noble, Griffith, & Weinberger, 2005). D’autres se sont intéressés aux
différences de comportement de recherche d’information selon le type de source utilisé
(Lee & Cho, 2005; Noble et al., 2005). Enfin certains ont étudié les sources d’information
en interaction, i.e. l’impact de l’utilisation d’une source d’information sur l’utilisation
d’autres (Ratchford, Lee, & Talukdar, 2001; Ratchford, Talukdar, & Lee, 2007; Strebel et
al., 2004). De manière intéressante, Ahuja, Gupta et Raman (2003) montrent par ailleurs
que les choix de sources évoluent au fil des étapes du processus décisionnel : les
consommateurs se déplacent entre les sources en ligne et hors ligne selon qu’ils sont à
l’étape de pré-achat, d’achat ou de post-achat. Ce type de comportement a de plus
davantage de chance de se produire dans le cas de produit ou service complexe (Frambach,
Roest, & Krishnan, 2007). Les attentes sur les différents canaux semblent en effet différer
11
selon que le consommateur soit en phase de recherche d’information (pré-achat) ou d’achat
(Neslin et al., 2006; Verhoef, Neslin, & Vroomen, 2005).
Notre recherche portant sur les facteurs explicatifs du degré d’utilisation d’Internet comme
source d’information, les paragraphes suivants sont consacrés à une présentation de ce
médium.
2.2.2 L’Internet
La croissance d’utilisation d’Internet au Canada
Selon l’Enquête canadienne sur l’utilisation d’Internet (Statistique Canada, 2008),
l’utilisation d’Internet par les Canadiens est en croissance : 73% des Canadiens âgés de 16
ans et plus (soit 19,2 millions) ont utilisé Internet pour des motifs personnels au cours des
12 derniers mois précédent l’enquête menée en 2007, alors qu’ils étaient 68% en 2005 (à
noter que l’étude de 2005 portait sur les Canadiens âgés de 18 ans et plus). L’étude montre
cependant la persistance d’une fracture numérique. De façon générale, les populations
urbaines, les jeunes, les personnes possédant un plus haut niveau d’éducation et les
personnes aux plus hauts revenus continuent d’être de plus grands utilisateurs de la
technologie. Concernant la fréquence d’utilisation d’Internet, 68% se connectent tous les
jours et 50% l’utilisent 5 heures ou plus par semaine. Une différence selon le sexe est
cependant constatée : les hommes utilisent Internet sur de plus longues périodes que les
femmes. A noter également que l’Internet haute vitesse à domicile se généralise avec 88%
des individus utilisant la haute vitesse alors qu’ils étaient 80% en 2005. Ce chiffre monte à
12
90% pour les personnes en régions urbaines tandis qu’ils représentent 70% en régions
rurales. Le rapport indique également une diversification des activités effectuées en ligne
vers les blogues, le clavardage et le téléchargement mais les activités classiques (envoi de
courriel et navigation générale) restent les plus populaires.
L’Internet comme source d’information sur les produits et services
Peterson & Merino (2003) écrivaient que les individus utilisaient Internet dans le but de
rechercher de l’information et que ceux-ci se reposeraient de plus en plus sur cette source
d’information dans le futur. L’étude NETendances de 2007 (CEFRIO, 2008) produite par le
CEFRIO et portant sur l’évolution de l’utilisation d’Internet au Québec supporte cette
affirmation : l’utilisation d’Internet dans un objectif transactionnel est « en effervescence »
(CEFRIO, 2008). Cet objectif transactionnel couvre et distingue bien l’achat en ligne, qui
implique que la transaction est effectuée sur Internet, du magasinage en ligne, définie par
une recherche d’information pré-achat sur les produits et services. Ainsi selon cette étude
réalisée auprès de 1000 adultes québécois, 30% d’entre eux magasinent en ligne alors qu’ils
étaient 28% en 2006. L’utilisation d’Internet en tant que source d’information pré-achat est
donc en progression et touche près d’un tiers de la population québécoise adulte. Il est à
noter que l’achat en ligne progresse fortement de 15% en 2006 à 19% en 2007.
Pour connaître plus en détail les types de produits et services sur lesquels porte la recherche
d’information (ou magasinage), l’Enquête canadienne sur l’utilisation d’Internet
(Statistique Canada, 2008), fournit les statistiques sur 18 catégories de produits et services
dont les appareils électroniques, les vidéodisques numériques (DVD), les produits
13
automobiles, les voyages, les médicaments d’ordonnance, les vêtements ou encore les biens
immobiliers. Les catégories représentées couvrent donc toutes sortes de produits du plus
simple (vidéodisques numériques) au plus complexe (biens immobiliers). Étonnamment les
services financiers ou même les produits d’assurance ne sont pas étudiés.
Finalement ces statistiques récentes montrent une proportion importante et en croissance
d’individus effectuant du magasinage en ligne mais les données manquent en ce qui
concerne le magasinage des services financiers. Les études s’intéressent plutôt aux
transactions bancaires en ligne (online banking) et pour lesquels des chiffres sont
disponibles : 41% des québécois adultes ont effectué des transactions bancaires en ligne en
2007 alors qu’ils étaient 37% en 2006 (CEFRIO, 2008). Or il est clair que les services
financiers sont multiples et diffèrent en termes de complexité et de risque et nécessitent
davantage d’études tant dans le cadre d’études de recensement que de la recherche
académique.
La théorie économique et le comportement de recherche en ligne
Les études sur le comportement de recherche d’information sont pour la grande majorité
d’entre elles basées sur la théorie économique de Stigler (1961). Cette théorie assume la
rationalité du consommateur effectuant inconsciemment un calcul coût-bénéfice afin de
définir sa stratégie de recherche d’information (quand, où et quelle quantité d’information
rechercher). Selon cette théorie, les individus continuent à chercher de l’information tant
que le bénéfice marginal perçu de la recherche excède le coût perçu (Klein & Ford, 2003).
14
La théorie de Stigler (1961) reste largement applicable au contexte de recherche en ligne. Il
est cependant indispensable de redéfinir les variables utilisées dans la littérature
traditionnelle. Alors que la plupart des études admettent le temps consacré à la recherche
d’information comme principal coût de recherche, cela n’est plus vrai dès lors que l’on
considère la vitesse et l’efficience d’Internet pour l’acquisition d’information (Peterson &
Merino, 2003). Le coût de la recherche relève davantage de variables cognitives telles que
la capacité à traiter et à assimiler de vastes quantités d’information en plus de mesurer la
valeur des différentes sources d’informations disponibles (Klein & Ford, 2003). Ces coûts
sont appelés « cost of thinking » (Bakos, 1997). Par ailleurs, les bénéfices de la recherche
d’information peuvent être plus variés et incertains étant donné l’importance de la
compétence avec la technologie afin de pouvoir effectuer des recherches d’information de
manière efficiente. L’expérience avec Internet apparaît alors être une variable modératrice
dans les bénéfices perçus d’Internet comme source d’information (Klein & Ford, 2003).
L’utilité perçue d’Internet
L’utilisation d’Internet peut être motivée par deux grands types de bénéfices : les bénéfices
hédoniques et les bénéfices utilitaires (Dandouau, 2001; Hoffman & Novak, 1996). Mais si
l’on se limite à l’activité de recherche d’information pré-achat, les bénéfices recherchés
sont principalement de type utilitaire (Dandouau, 2001; Hoffman & Novak, 1996).
Plusieurs auteurs se sont intéressés aux différents bénéfices utilitaires offerts par l’Internet.
Grant et al. (2007) identifient et classifient ces bénéfices de la façon suivante : l’utilité du
contenu et l’utilité du format. De manière plus précise, ces bénéfices sont : 1-La quantité
15
d’information disponible sur Internet, en termes d’étendue et de profondeur, rendue
possible grâce à la capacité d’Internet à pouvoir stocker des quantités quasiment infinies
d’informations dans différents espaces virtuels et ce à moindre coûts (Peterson,
Balasubramanian, & Bronnenberg, 1997; Xiao & Dasgupta, 2002). 2-L’exactitude
(accuracy) et la récence (currency) des informations grâce à la qualité dynamique de
l’Internet qui permet la mise à jour facile et rapide d’une quantité infinie d’information
(Waite & Harrison, 2002; Xiao & Dasgupta, 2002). Ces deux premiers bénéfices sont liés à
la dimension cognitive des sites Internet (Dandouau, 2001). 3-La praticité d’accès au
médium. L’Internet est un médium facile et pratique d’accès (Xiao & Dasgupta, 2002). Les
informations sont stockées dans différents espaces virtuels (Peterson, Balasubramanian &
Bronnenberg, 1997). De ce fait, l’information peut être accédée en tout temps et
pratiquement en tout lieu (Kraut et al., 1998). L’Internet est un médium virtuel disponible
« 24h/24 » (Waite & Harrison, 2002). 4-L’interactivité de l’Internet qui permet un contrôle
accru sur le flux de l’information (Peterson & Merino, 2003; Waite & Harrison, 2002).
L’Internet a la capacité de pouvoir fournir toutes les sortes d’interactions : d’un à un, d’un à
plusieurs, de plusieurs à un et de plusieurs à plusieurs. Les interactions peuvent aussi être
définies selon l’origine et l’interface, i.e. d’humain à humain, d’humain à machine, de la
machine à l’humain ou de machine à machine (Peterson & Merino, 2003). L’interactivité
de l’Internet permet alors un contrôle accru sur le flux de l’information en termes de vitesse
et séquence (Waite & Harrison, 2002). 5-La qualité multimédia d’Internet qui permet de
présenter l’information sous une variété de formats (texte, graphisme, audio, vidéo, options
interactives) (Grant et al., 2007; Waite & Harrison, 2002). Cette qualité multimédia
différencie l’Internet des autres sources d’information en permettant de présenter le contenu
16
de manière plus attrayante (Waite & Harrison, 2002). Internet permet en fait d’acquérir de
l’information jadis inaccessible (Kraut et al., 1998).
Conclusion sur Internet
De par certaines caractéristiques de l’Internet, il est raisonnable de penser que certains
consommateurs choisissent de changer leur comportement de recherche d’information afin
de tirer profit de cette technologie. Mais il est aussi primordial de considérer que d’autres
individus peuvent changer leur comportement de manière inconsciente ou simplement ne
pas changer de comportement du tout. Il importe donc d’être particulièrement vigilent et
critique avant d’accepter toute généralisation concernant l’influence de l’Internet sur le
comportement de recherche d’information (Peterson & Merino, 2003).
2.3 Les types de produits et services
La deuxième catégorie de variables étudiées en comportement de recherche d’information
concerne les types de produits et services. Notre étude portant sur les services financiers,
les critères de distinction entre produits et services sont présentés dans une première section
pour ensuite nous intéresser plus en détail aux services financiers.
2.3.1 Les critères de différenciation entre produits et services
Traditionnellement, la littérature définit quatre caractéristiques sur lesquelles les services se
distinguent des produits : l’intangibilité, l’inséparabilité, l’hétérogénéité et la périssabilité.
17
Zeithaml, Parasuraman & Berry (1985) définissent ces différentes dimensions.
L’intangibilité décrit les services comme ne pouvant être vus, sentis, goûtés ou touchés de
la même manière que les produits. Cette caractéristique constitue la distinction
fondamentale entre les services et les biens tangibles, et de laquelle découlent les autres
différences. L’inséparabilité entre la production et la consommation implique une
simultanéité de la production et de la consommation pour la plupart des services. Si l’on
regarde la vente des services, celle-ci doit avoir lieu avant la production et la consommation
simultanée tandis que dans le cas des produits, celle-ci survient après la production et avant
la consommation. Le consommateur doit de fait être en contact proche avec le processus de
production du service pour pouvoir le consommer. L’hétérogénéité représente la possibilité
pour les services d’être très variables en termes de performance, que ce soit entre
fournisseurs du service, entre consommateurs ou dans le temps. Il existe donc toujours une
incertitude quant à la performance du service. Enfin la périssabilité rend compte de
l’impossibilité de stocker le service, et par conséquent il est souvent difficile d’équilibrer
l’offre et la demande.
Après avoir présenté ces quatre caractéristiques, il est intéressant de se pencher davantage
sur la dimension fondamentale qu’est l’intangibilité. L’intangibilité est en effet un concept
particulièrement important en marketing du fait de son rôle déterminant dans le processus
décisionnel du consommateur (Laroche, Bergeron, & Goutaland, 2001). Un produit
intangible est en effet plus difficile à évaluer (Häubl & Murray, 2003) et ce concept est a
fortiori particulièrement prépondérant dans le domaine du marketing des services. Shostack
(1977) définit la tangibilité d’un produit comme étant palpable et matériel tandis qu’un
produit intangible est impalpable et immatériel. Berry (1980) définit également
18
l’intangibilité par le caractère impalpable mais aussi comme étant difficile à définir, à
formuler ou à saisir de façon précise, et ce sans ambiguïté. Laroche, Bergeron, &
Goutaland, (2001) donnent quant à eux une définition tridimensionnelle du concept en
identifiant l’inaccessibilité au sens, la généralité et l’intangibilité mentale. L’inaccessibilité
au sens décrit les produits et les services dont les attributs leur sont davantage rattachés
mentalement que physiquement (Hirschman, 1980). Le degré de généralité correspond au
fait que les consommateurs peuvent voir un service d’une manière générale ou spécifique
(Dubé-Rioux, Regan, & Schmitt, 1990). Enfin, l’intangibilité mentale, définit le fait que
certains produits peuvent être physiquement tangibles (accessibles aux sens), mais
mentalement intangibles, dans la mesure où il est difficile pour les consommateurs de se
faire une représentation mentale claire et précise de leur fonctionnement et de leur contenu
(Laroche, Bergeron, & Goutaland, 2001). Les produits peuvent finalement être classés sur
un continuum selon le degré de tangibilité de leurs attributs (Shostack, 1977). En effet, la
classification n’est pas de type dichotomique : les produits diffèrent selon leur proportion
relative des caractéristiques tangibles et intangibles et qui est propre à chaque produit
(Rushton & Carson, 1989).
Le deuxième critère fréquemment utilisé pour la classification des produits et services est la
difficulté d’évaluation. Nelson (1970; 1974) distingue ainsi deux types de produits selon la
difficulté d’évaluation de l’ensemble de leur composition. Un produit de type « recherche »
(search) est un produit présentant une information complète pour la majorité de ses
attributs et pouvant être acquise par le consommateur avant l’achat. Un produit de type
« expérience » (experience), au contraire, possède une majorité d’attributs dont
l’information complète ne peut être obtenue avant l’achat en raison de la difficulté ou du
19
coût d’acquisition. Darby et Karni (1973) ajoutent à ces deux catégories les produits de
type « croyance » (credence). Les produits de type « croyance » sont définis comme les
produits dont les attributs sont difficiles ou impossible à évaluer même après
consommation. Cette classification permet alors de comprendre le processus de recherche
employé (King & Balasubramanian, 1994) et l’étendue de la recherche d’information selon
la nature de l’attribut évalué (Nelson, 1970).
Au regard des deux types de classification des produits et services, il est possible de voir
que ceux-ci s’accordent. En effet définir que les produits intangibles sont plus difficiles à
évaluer que les produits tangibles (Häubl & Murray, 2003) revient à surperposer le
continuum tangible-intangible sur celui de la classification « recherche / experience /
croyance » de Nelson (1970) et Darby & Karni (1973). Les produits tangibles, plus faciles à
évaluer, sont donc caractérisés par une dominance des attributs de type « recherche ». Les
produits intangibles, eux, sont plus difficiles à évaluer de par la présence majoritaire
d’attributs de type « croyance ». Enfin les produits « expérience » se situent vers le centre
du continuum de la tangibilité.
Ces définitions nous permettent de mieux comprendre les spécificités des services et de
leurs attributs. Ceci est primordial afin d’appréhender la perception et l’évaluation des
services et finalement le comportement qui en résulte, notamment en ce qui a trait à la
recherche d’information sur Internet. La section suivante se concentre à présent sur les
services financiers, objet de notre étude.
20
2.3.2 Les services financiers
Les services financiers se distinguent donc des autres produits en tant que services. Comme
décrit précédemment, ils sont différenciés par les caractéristiques attribuées aux services,
soit l’intangibilité, l’hétérogénéité, l’inséparabilité et la périssabilité (Parasuraman,
Zeithaml, & Berry, 1985). De par ces caractéristiques, les services financiers sont faibles
en attributs « recherche » et forts en attributs « expérience » et « croyance » (McKechnie,
Winklhofer & Ennew, 2006; Tam, 2007; Waite & Harrison, 2002). Le processus de
décision pour les services financiers est alors beaucoup plus complexe (Lee & Cho, 2005;
Lin & Lee, 2004; Vroomen et al., 2005; Waite & Harrison, 2002). Il est en effet difficile
pour les consommateurs d’évaluer et de comparer ce service avant l’achat, et donc de faire
le bon choix en termes d’institutions financières et de services (Parasuraman, Zeithaml, &
Berry, 1985).
Surtout, les services financiers possèdent des spécificités les distinguant des autres services.
Les services financiers sont hétérogènes (Shostack, 1977) mais au-delà de la variabilité
entre fournisseurs, entre consommateurs ou sur le temps, ils sont aussi hétérogènes en
termes de complexité et de risque.
La complexité des services financiers
Premièrement les services financiers varient en complexité allant de services simples
comme les comptes courants à des services complexes comme les produits
d’investissements (Tam, 2007). Le niveau élevé de complexité influence plusieurs aspects
21
du comportement de recherche d’information à cause d’une intangibilité mentale et
physique accrue (Devlin, 2007). Particulièrement, les consommateurs limitent le nombre de
critères pris en compte à cause de leur manque de connaissance ou des difficultés associées
à la compréhension de ces services financiers complexes (Harrison, 2000; McKechnie,
1992). Au contraire, il a été démontré que plus les consommateurs sont experts avec les
services financiers complexes, plus ceux-ci considèrent d’attributs (Kuusela & Spence,
1998). La complexité influe également sur le type de critères recherchés durant le processus
décisionnel : les individus s’appuient davantage sur des critères de choix plus faciles et plus
accessibles (extrinsic cues) tels que la marque, la publicité ou encore la force de la relation
avec l’institution (Zeithaml, 1988). Les attributs véritables du produit sont en effet trop
inaccessibles au niveau cognitif (intrinsic cues) (Zeithaml, 1988) et dans le cas des services
financiers, ces attributs seraient par exemple la performance, les taux ou les frais (Devlin,
2007). Enfin en ce qui concerne les sources d’informations privilégiées, les consommateurs
ont tendance à se tourner vers les sources d’information personnelles tel que le conseiller
financier (Kalbaugh, 2002) ou le bouche-à-oreille (Devlin, 2007; Tam, 2007). La littérature
que nous venons d’exposer concerne le niveau de complexité intrinsèque des services
financiers, que l’on peut également nommer complexité objective. Or plusieurs études
montrent que ce concept est à distinguer de la complexité subjective ou perçue (Maynard &
Hakel, 1997; Nadkarni & Gupta, 2007). Maynard et Hakel (1997) démontrent
empiriquement l’existence de ces deux concepts et que leur effet sur la performance dans
l’exécution d’une tâche est différencié. Nadkarni et Gupta (2007) effectuent également
cette distinction dans leur étude portant sur la complexité objective et subjective des sites
web sur l’expérience utilisateur. La complexité perçue peut en fait affecter le processus de
décision d’un individu de deux façons : en influant sur le choix de la stratégie à adopter
22
et/ou en influant sur la capacité de l’individu à mettre en place la stratégie de prise de
décision choisie (Rao & Farley, 1987). Le choix du processus décisionnel influe alors
directement sur le comportement de recherche d’information.
A noter également, le résultat principal d’une étude portant sur la sélection d’une institution
financière pour une assurance-vie qui montre que le premier critère de choix est la
possession d’un autre service financier dans l’institution (Devlin, 2007). Ce résultat
supporte le fait que les comportements de consommation des services bancaires relèvent
davantage d’une fidélité comportementale (Howcroft, Hamilton, & Hewer, 2007) et ce
même lorsqu’il s’agit de services plus complexes comme les assurances-vie (Devlin, 2007).
En effet, même dans le cas de services financiers complexes, les consommateurs tendent à
rester dans la même institution financière plutôt que de rechercher des informations chez la
concurrence. La notion de fidélité comportementale apportée par Brown (1952) permet de
décrire des consommateurs qui restent fidèles à une marque plutôt par inertie que par un
réel sentiment de loyauté envers la marque. Les recherches ont en effet démontré que la
majorité des consommateurs n’ont pas d’intérêt inhérent aux services financiers ou n’en
retirent aucun plaisir : le niveau d’implication général (à long terme) est très faible vis-à-vis
de la catégorie de produits « services financiers » (Howcroft, Hamilton, & Hewer, 2007).
Et bien que ce concept soit habituellement déterminant dans la littérature sur la recherche
d’information pré-achat (Mourali, Laroche et Pons, 2005), le niveau d’implication s’avère
être peu pertinent dans le cas des services financiers et la littérature sur cette catégorie de
services s’est alors davantage intéressée à la notion de risque (Howcroft, Hamilton, &
Hewer, 2007), notion que nous abordons dans le paragraphe suivant.
23
Le risque des services financiers
Outre le niveau de complexité, l’hétérogénéité des services financiers s’exprime donc aussi
par la variation de leur degré de risque intrinsèque (Howcroft, Hamilton, & Hewer, 2007).
Le risque est habituellement conceptualisé de façon multidimensionnelle : les risques
psychologiques, financiers, physiques, sociaux, de performance et de temps (convenance)
(Kaplan, Szybillo, & Jacoby, 1974). Les risques psychologiques sont définis par les
réactions/émotions pouvant survenir après l’achat comme le regret. Les risques
fonctionnels peuvent survenir après traitement cognitif des informations portant sur des
aspects spécifiques du produit et comprennent les risques financiers (coût du produit),
physiques (crainte d’un méfait du produit après achat) et sociaux (crainte de conséquences
sociales néfastes à cause de l’achat du produit). Enfin le risque de performance concerne la
crainte que le produit ne livre pas les résultats attendus et le risque du temps est relatif au
temps passé afin d’effectuer la décision d’achat. L’identification de ces différents types de
risques permet de rendre compte de la diversité des produits en termes de risque
(Howcroft, Hamilton, & Hewer, 2007) mais également de souligner le fait que ces risques
deviennent saillants aux yeux du consommateur dès que celui-ci envisage l’achat d’un
produit (Bettman, 1973) et donc a fortiori dès lors qu’il entre dans le processus de
recherche d’information. Or la recherche d’information est très souvent identifiée dans la
littérature comme l’une des stratégies de diminution du risque (Howcroft, Hamilton, &
Hewer, 2007; Rao & Farley, 1987). Ceci est d’autant plus critique que la dominance des
attributs de type « expérience » et « croyance » des services financiers renforce le risque
perçu en accroissant leur difficulté d’évaluation (Laroche et al., 2005). On parle ici de
risque perçu car tout comme la complexité subjective est distincte de la complexité
24
objective (Maynard & Hakel, 1997; Nadkarni & Gupta, 2007), il convient de différencier le
risque perçu et le risque objectif car les individus diffèrent dans leur perception du risque
pour une même situation (Cunningham, 1967). Cox (1967) suggère alors que le niveau et la
nature du risque perçu influent sur les sources, les types et la quantité d’information
recherchés. Plus précisément, Guetzkow (1959) et Schorder, Driver et Steufert (1967)
trouvent que quel que soit le niveau de complexité de l’environnement, le risque perçu
influe positivement sur la quantité d’information recherchée, tandis que d’autres
démontrent une relation positive entre cette variable et l’intention de recherche
d’information (Bauer, 1960; Cunningham, 1964, 1966; Roselius, 1971).
La typologie des services financiers
Nous venons de présenter les deux spécificités des services financiers, soit le degré de
complexité et le degré de risque. À partir de là une typologie des services financiers peut
être établie. Howscroft, Hamilton et Hewer (2007) classent ainsi les services financiers
selon quatre catégories croissantes en termes de complexité et de risque: 1-les comptes
courants, 2-les produits d’assurance génériques (maison, auto), 3-les crédits (prêt personnel,
hypothèque), 4-les produits d’investissements spécialisés ou complexes (actions). Ces
catégories couvrent en fait les besoins financiers des consommateurs identifiés au nombre
de trois : soit le besoin de transférer de l’argent (ex : cartes de débit, transactions bancaires
en ligne « online banking »), la volonté d’équilibrer ses finances dans le temps (ex :
épargne et crédit) et enfin le besoin d’accéder à des conseils de spécialistes avant l’achat de
services financiers plus complexes (ex : produits d’investissements).
25
Le processus d’achat des services financiers
Enfin, le processus d’achat d’un service financier présente également une dernière
distinction par rapport à celui des autres services. La souscription à un service financier
requiert en effet le partage d’informations personnelles (Vroomen et al., 2005). De plus, ce
partage d’informations personnelles continue au-delà de la souscription puisque l’achat
d’un service financier implique une communication bidirectionnelle sur le long terme
(McKechnie, Winklhofer, & Ennew, 2006). Ces deux éléments constituent une différence
majeure avec la plupart des produits et services qui ne requièrent ni le partage
d’informations très personnelles, ni l’existence d’une multitude d’échanges sur le long
terme.
Finalement, il est intéressant de relever une définition des services complexes proposée par
Vroomen et al. (2005). Ces auteurs l’énoncent de la façon suivante :
« Des services offrant plusieurs valeurs par attribut, souvent sur-mesure/personnalisés, achetés peu fréquemment, plus difficiles à comprendre et requérant en général assistance durant le processus de décision » (traduction libre).
À l’aide de cette définition et d’après la littérature exposée tantôt sur les services, les
attributs des produits et services et les services financiers, nous proposons la définition
suivante pour les services financiers complexes :
« Des services hétérogènes en termes de risque et de complexité, forts en attributs expérience et croyance, offrant plusieurs valeurs par attribut, souvent sur-mesure/personnalisés, plus difficiles à comprendre, requérant en général assistance durant le processus de décision, achetés peu
26
fréquemment et impliquant le partage d’informations personnelles et une communication bidirectionnelle de long terme».
Cette définition enrichie et adaptée pour les services financiers permet de mettre en avant
les difficultés que peuvent rencontrer les consommateurs souhaitant utiliser le médium
Internet afin de magasiner un service financier complexe.
Notre étude portant sur la recherche d’information pour les services financiers, il est à
présent utile de présenter les spécificités des sites bancaires.
Les sites bancaires
Knight et al. (1999) identifient quatre fonctionnalités offertes par les sites bancaires. Au
niveau le plus élémentaire, Internet permet de présenter des informations sur l’institution
bancaires, sans offrir aucun moyen de contact au consommateur autre que le courriel. Au
niveau suivant, le site bancaire a la capacité de recevoir de l’information de la part du
consommateur, comme par exemple des formulaires de demande de prêt. Au troisième
niveau, le site donne la possibilité au client de recevoir de l’information telle que ses
transactions et son solde de compte. Enfin au niveau le plus élevé, le consommateur peut
traiter de l’information sur le site bancaire comme payer des factures sur le site ou effectuer
des transferts entre comptes. Et alors que la grande majorité des recherches se sont
intéressées au niveau fonctionnel le plus élevé des sites bancaires, soit la capacité de fournir
des services de transactions bancaires en ligne (online banking) (Branca, 2008; Farquhar &
Panther, 2007; Holmsen, Palter, Simon, & Weberg, 1998; Morrison & Roberts, 1998; Wan,
Luk, & Chow, 2005), cette fonctionnalité concerne principalement les services financiers
27
les plus simples or le niveau élémentaire du site bancaire mérite d’être investigué davantage
dans sa capacité à répondre aux besoins d’information sur des services financiers
complexes. La complexité et le risque liés aux services financiers corrélés à la perception
du médium Internet peut en effet inhiber ou renforcer l’activité de recherche d’information
(Waite & Harrison, 2002).
Après présentation de la littérature sur l’Internet et les services financiers, la prochaine
section présente les caractéristiques personnelles influant également sur le comportement
de recherche d’information.
2.4 L’influence des facteurs personnels
Les études portant sur le rôle de ces facteurs sur le comportement de recherche
d’information se sont généralement penchées sur les variables sociodémographiques ou
psychologiques comme l’expertise, l’habileté ou l’expérience (Beatty & Smith, 1987;
Brucks, 1985; Srinivasan, 1990). Ces variables étant d’importance prépondérante dans la
littérature, notre étude tiendra compte de ces variables.
2.4.1 Les variables socio-démographiques
De nombreuses études se sont intéressées à l’influence de diverses variables
sociodémographiques sur le comportement de recherche d’information. L’âge, le sexe,
l’éducation, le revenu et l’éducation ont été vérifiés comme variables explicatives du choix
d’une source d’information (Kiel & Layton, 1981; Newman & Staelin, 1973; Westbrook &
28
Fornell, 1979). L’influence de ces variables est également empiriquement démontrée dans
les études plus récentes incluant Internet. Ainsi Ratchford, Talukdar & Lee (2007), dans
leur recherche portant sur la recherche d’information sur les automobiles, trouvent ainsi que
l’utilisation d’Internet est positivement liée au fait d’être un homme, que l’utilisation des
amis et de la famille est positivement liée au fait d’être une femme et d’être jeune tandis
que l’utilisation d’une tierce partie est liée au fait d’être un homme et d’avoir un plus haut
niveau d’éducation.
Les variables sociodémographiques, bien qu’elles ne soient pas l’objet principal de notre
recherche, doivent être prises en considération en tant que variables contrôlées.
2.4.2 La connaissance de la catégorie de produit
Bien que la relation entre la connaissance de la catégorie de produit et le comportement en
recherche d’information ait fait l’objet de très nombreuses recherches, les résultats
s’avèrent être divergents. Brucks (1985) fournit une revue exhaustive de ces résultats
divergents. Ainsi un certain nombre d’études trouve une relation linéaire négative entre
l’expérience avec le produit et l’intensité de la recherche, d’autres trouvent une relation
linéaire positive entre la connaissance et l’intensité de la recherche, d’autres aboutissent à
une relation en U inversé tandis que certaines n’aboutissent à aucune relation. Dans les
études soutenant une relation négative, plusieurs arguments sont avancés : 1-les individus
expérimentés possèdent une connaissance antérieure sur les attributs produits des
différentes alternatives et n’ont pas besoin de s’engager dans une recherche d’information
externe, 2-les individus expérimentés sont plus efficaces et passent moins de temps dans
29
leur recherche car ils possèdent les connaissances nécessaires pour déterminer les attributs
les plus importants à considérer afin de discriminer les alternatives, ou 3-les individus avec
une forte connaissance sont plus confiants quant à leur capacité à faire le bon choix tandis
que les individus avec une faible connaissance produit, peu confiants vont rechercher plus
d’informations. Dans les études soutenant une relation positive, une connaissance préalable
du produit encourage les individus à rechercher plus d’informations car il est plus facile
pour eux de traiter l’information nouvelle. La connaissance permet de réduire le coût
cognitif et donc d’accroître le bénéfice reçu de la recherche supplémentaire. Enfin, les
études aboutissant à une relation en U inversé sont particulièrement attrayantes de par leur
proposition de concilier les résultats contradictoires. Selon cette théorie, les individus ayant
une faible connaissance produit n’ont pas la capacité de reconnaître les informations dont
ils ont besoin et limitent alors leur recherche. Quant aux individus possédant un fort niveau
de connaissance produit, ceux-ci limitent également leur recherche externe mais du fait
d’une plus grande efficacité dans leur recherche ou d’une sollicitation plus forte de la
connaissance interne. Finalement les individus ayant le plus de chance de s’engager dans
une recherche d’information intensive sont ceux possédant une connaissance produit
moyenne. Punj et Staelin (1983) qui ont explicitement tenté de démontrer ce type de
relation en U n’ont cependant pas obtenu de résultats en ce sens et aboutissent à une
relation linéaire négative. De même, Bruck (1985) rejette la relation en U inversé mais en
concluant à une relation linéaire positive entre la connaissance et l’intensité de la recherche.
Devant ces résultats contradictoires, il convient de s’interroger sur le concept de la
connaissance. Il semble en fait que ce manque de convergence provienne de l’utilisation de
différentes mesures de ce concept (Hoyer & MacInnis, 2001). Il est en effet nécessaire de
30
distinguer plusieurs mesures possibles de la connaissance : la connaissance subjective
(mesure de la perception individuelle de la connaissance), la connaissance objective
(connaissance effectivement stockée en mémoire) et l’expérience passée avec le produit
(Brucks, 1985; Raju, Lonial, & Mangold, 1995). Ces trois types de connaissances semblent
avoir des effets différents sur le comportement du consommateur (Raju, Lonial, &
Mangold, 1995). Selon Brucks (1985) l’expérience avec le produit ne peut cependant être
retenue comme variable explicatrice des différences comportementales en recherche
d’information. En effet, si l’on considère qu’il y a traitement de l’information par
l’individu, l’expérience ne peut avoir un effet sur le comportement que lorsque cette
expérience entraîne des différences au niveau de la mémoire. Plus précisément si les
individus apprennent des choses différentes à partir d’expériences similaires, ceux-ci ont
plus de chance d’exhiber des comportements différents. De ce fait, le comportement est
davantage lié à la connaissance subjective et à la connaissance objective, qu’à l’expérience
avec le produit, et ce particulièrement pour les catégories de produits où l’habitude n’est
pas un facteur essentiel (Brucks, 1985). Par ailleurs la connaissance subjective diffère de la
connaissance objective lorsque l’individu surestime ou sous-estime sa connaissance
(Brucks, 1985). Il faut en effet voir dans la connaissance subjective, le degré de confiance
de l’individu par rapport à sa connaissance alors que la connaissance objective représente
ce que l’individu connaît réellement de la catégorie de produit. Au-delà de cette distinction
théorique, Brucks (1985) trouve des effets différents de ces deux types de connaissance sur
le comportement de recherche d’information. Dans le cas de décisions complexes, la
connaissance objective du produit facilite l’acquisition d’information nouvelle et accroît
l’efficacité de la recherche tandis que la connaissance subjective permet de faciliter la
recherche d’information par l’élimination des alternatives non appropriées (Brucks, 1985).
31
Mais si l’on s’intéresse à l’influence de la connaissance sur les motivations des
consommateurs à s’engager dans un comportement, la mesure de la connaissance subjective
constitue un meilleur facteur explicatif des choix comportementaux que la connaissance
objective (Raju, Lonial, & Mangold,, 1995; Selnes & Gronhaug, 1986).
2.4.3 L’expérience avec Internet
Les études montrent que l’expérience avec un domaine spécifique influence très fortement
l’évaluation de ce domaine par les individus et sa préférence relative (Alba & Hutchinson,
1987; King & Balasubramanian, 1994; Landy & Becker, 1987). En ce qui concerne
l’utilisation d’Internet comme source d’information, ce résultat s’applique
également. Plusieurs auteurs démontrent empiriquement l’influence significative positive
de l’expérience avec Internet sur l’utilisation de ce médium comme source d’information
pré-achat (Frambach, Roest, & Krishnan, 2007; Klein & Ford, 2003; Mafé & Blas, 2006).
En effet, les individus possédant une forte expérience d’Internet ont plus de chance
d’évaluer différemment les attributs de cette technologie par rapport à ceux possédant peu
d’expérience avec cette technologie (Frambach, Roest, & Krishnan,, 2007). Dans un
contexte de distribution multicanale incluant Internet, il est donc primordial pour les
entreprises de tenir compte de l’effet modérateur de l’expérience avec Internet (Bart,
Shankar, Sultan, & Urban, 2005).
32
2.5 Les modèles d’adoption technologique
2.5.1 Le modèle d’acceptation technologique
Prenant pour source la théorie des actions raisonnées (Theory of Reasonned Action - TRA),
le modèle d’acceptation technologique (Technology Acceptance Model - TAM) de Davis
(1986) permet d’expliquer l’adoption d’une technologie d’information (Davis 1989). Davis
a de plus développé ce modèle afin qu’il soit applicable sur une grande variété de
technologies d’information et à toute sorte d’individus (Davis 1986).
Selon ce modèle (voir figure 2-2), deux facteurs principaux déterminent l’adoption d’une
technologie : l’utilité perçue et la facilité d’utilisation perçue. Les deux facteurs ont un effet
direct sur l’attitude envers l’utilisation de la technologie. L’intention d’utilisation est
ensuite influencée par l’attitude envers la technologie mais aussi par l’utilité perçue. Enfin,
l’intention d’utilisation détermine l’utilisation ou non de la technologie. Afin d’expliquer
l’adoption d’une technologie d’information, ce modèle suggère donc plusieurs types de
facteurs explicatifs : les variables externes, les croyances envers la technologie
d’information (l’utilité perçue et la facilité d’utilisation perçue), les attitudes et les
intentions.
Bien que le modèle du TAM ait pour objectif principal l’explication de l’utilisation d’une
technologie à partir de l’utilité perçue et la facilité d’utilisation perçue à travers les
croyances, les attitudes et les intentions, la prise en compte de variables externes est
nécessaire afin de tenir compte de l’impact de divers facteurs sur le comportement tels que
les différences individuelles ou situationnelles. Ces variables ont une influence indirecte sur
le comportement d’utilisation de la technologie (Davis, Bagozzi, & Warshaw, 1989).
33
Figure 2-2 : Modèle d’acceptation technologique (Davis et al., 1989)
L’utilité perçue est définie comme la probabilité perçue par l’utilisateur potentiel que
l’utilisation de la technologie d’information étudiée permettra d’augmenter sa performance
dans un contexte organisationnel spécifique. La facilité d’utilisation quant à elle, définit à
quel point l’utilisateur potentiel croit que l’utilisation de la technologie se fera sans effort
(Davis, Bagozzi, & Warshow, 1989). Ces auteurs suggèrent par ailleurs que les effets de
ces deux variables sur l’intention d’utilisation sont inégaux : l’utilité perçue est un facteur
explicatif majeur tandis que la facilité d’utilisation est un facteur secondaire. Ces deux
variables affectent alors l’attitude envers l’utilisation de la technologie.
Davis (1986) définit l’attitude comme le degré d’évaluation affective envers l’utilisation de
la technologie. L’attitude est déterminée par les deux variables de croyance mentionnées
précédemment et représente un facteur clé de l’intention d’adoption.
L’intention représente la force avec laquelle l’utilisateur potentiel réalise le comportement
présent à son esprit. Cette variable est déterminée par les attitudes : une attitude positive
Variables externes
Utilité perçue
Facilité d’utilisation
perçue
Attitude envers
l’utilisation
Intention d’utilisation
Utilisation
34
envers un comportement influence positivement l’adoption de ce comportement. Cependant
l’intention est également déterminée par l’utilité perçue. En effet un individu peut avoir
l’intention d’utiliser la technologie malgré que son attitude envers celle-ci soit négative
(Davis, 1986; Davis, Bagozzi, & Warshow, 1989).
Finalement l’intention d’utilisation influe positivement sur le comportement réel
d’utilisation de la technologie (Davis, 1986, 1989; Davis, Bagozzi, & Warshow, 1989).
Cette théorie est largement acceptée et de nombreuses études ont vérifié l’influence
significative de l’utilité perçue et de la facilité d’utilisation perçue. Dans le contexte qui
nous intéresse, à savoir l’utilisation d’Internet comme source d’information et les services
financiers, il est intéressant de noter l’étude de Shih (2004) qui a appliqué un modèle
d’acceptation technologique enrichi afin d’expliquer l’adoption d’Internet dans le cas
d’exécution de tâches avec un objectif spécifique. McKechnie, Winklhofer
et Ennew (2006) ont également utilisé le TAM afin d’expliquer le degré d’utilisation
d’Internet en tant que canal de distribution des services financiers.
2.5.2 Le modèle de congruence tâche-technologie
Le modèle de congruence tâche-technologie (Task-technology fit – TTF) développé par
Goodhue en 1988 permet de comprendre l’impact de la technologie sur la performance
d’un individu à réaliser une ou plusieurs tâches (Goodhue & Thompson, 1995). Le modèle
est présenté dans la figure 2-3.
Le TTF a été élaboré dans un contexte organisationnel où l’objectif est d’expliquer l’impact
d’une technologie d’information sur la performance des acteurs de l’organisation (Goodhue
35
& Thompson, 1995). Dans ce contexte, l’utilisation de la technologie est considérée comme
imposée par l’organisation et la théorie indique que la performance dépend de l’évaluation
de l’utilisateur par rapport à la congruence perçue entre les fonctionnalités de la technologie
et les caractéristiques de la tâche à accomplir.
Selon cette théorie, l’impact sur la performance résulte de la congruence entre trois
facteurs : les caractéristiques de la technologie, les caractéristiques de la tâche et les
caractéristiques de l’individu. Dans un contexte général, les technologies sont définies
comme les outils utilisés par les individus afin d’accomplir leurs tâches. Les tâches sont
définies de façon générale comme étant les actions à mener par les individus afin de
transformer des ressources (inputs) en produits (outputs). Enfin les individus utilisent une
technologie afin de les aider à accomplir des tâches. Plusieurs caractéristiques individuelles
(expérience avec la technologie, connaissance de la tâche…) peuvent alors affecter la
facilité avec laquelle un individu parvient à utiliser la technologie (Goodhue & Thompson,
1995).
36
Figure 2-3 : Modèle de congruence tâche-technologie (Goodhue, 1998)
La performance est directement influencée par l’évaluation de l’utilisateur sur la capacité
de cette technologie à effectuer les tâches ciblées par l’individu, soit l’évaluation de la
congruence entre la tâche spécifique et la technologie utilisée. Goodhue (1998), dans son
étude dédiée à la révision de l’échelle de mesure de la congruence tâche-technologie,
aboutit à une échelle comportant 12 dimensions : 1-le niveau de détail de l’information
(level of detail), 2-la justesse de l’information (accuracy), 3-l’actualisation de l’information
(currency), 4-la facilité d’utilisation de la technologie et des logiciels (ease of use of
hardware and software), 5-la présentation de l’information (presentation), 6-la
compatibilité de l’information entre les différentes sources (compatibility), 7-la
compréhension de l’information (meaning), 8-l’absence de confusion dans l’organisation
des fichiers/de l’information (confusion), 9-la facilité de recherche de l’information
(locatability), 10-la disponibilité de l’information (accessibility), 11-L’accès à de
l’assistance (assistance), 12-la fiabilité des systèmes (systems reliability) (Goodhue, 1998).
Ces 12 dimensions ont été validées à travers une étude portant sur des organisations du
Caractéristiques de la tâche
Caractéristiques individuelles
Caractéristiques de la technologie
Congruence tâche-technologie
Impacts sur la performance
37
domaine de l’assurance, de la production et de la distribution, de l’électronique, de
l’informatique, du médical et des agences gouvernementales.
Dans l’étude de Goodhue & Thompson (1995), la factorisation de 16 dimensions originales
de mesure du TTF aboutissaient à 8 dimensions : quality, locatability, authorization,
compatability, ease of use/training, production timeliness, systems realiability, relationship
with others. Goodhue & Thompson (1995) avec l’instrument original de mesure du TTF
comportant donc des dimensions légèrement différentes de l’échelle révisée de Goodhue
(1998) démontrent qu’il y a un effet significatif des variables antécédents sur le TTF, c’est-
à-dire les caractéristiques de la tâche, de la technologie et de l’individu ont une influence
significative sur plusieurs des dimensions du TTF. Enfin l’effet significatif positif du TTF
sur la performance a également été validé.
L’intérêt de ce modèle réside dans la prise en compte de la congruence entre les
caractéristiques de la tâche, de la technologie et des différences individuelles afin
d’expliquer la performance d’un individu à accomplir une tâche spécifique à l’aide d’une
technologie.
38
Chapitre 3 – CADRE CONCEPTUEL ET HYPOTHÈSES
Ce chapitre présente une première section justifiant des modèles théoriques sur lequel
repose le cadre conceptuel, une deuxième section sur les hypothèses de recherche et enfin
le cadre conceptuel synthétisant l’ensemble des hypothèses.
3.1 Discussion des modèles théoriques
Le modèle d’acceptation technologique est un modèle théorique fréquemment utilisé dans
la littérature du comportement de recherche d’information. Plusieurs études ont en effet
démontré les influences significatives de l’utilité et de la facilité d’utilisation perçues de
diverses technologies sur leur intention d’utilisation et finalement leur adoption effective.
Ce modèle ne s’applique cependant qu’aux recherches s’intéressant à l’adoption ou non
d’une technologie. Or notre étude a pour objectif d’expliquer le degré d’utilisation
d’Internet lorsque le comportement d’utilisation est déjà acquis. De ce fait le modèle de
congruence tâche-technologie est davantage adéquat pour résoudre notre problématique. Le
modèle de Goodhue (1998) s’intéresse en effet à l’impact de l’utilisation de la technologie
une fois que celle-ci est adoptée. Plus précisément, même si l’adoption est imposée par
l’organisation car la théorie s’est développée pour le contexte organisationnel, l’application
de ce modèle peut être étendue au contexte consommateur avec le même pré-requis que
l’utilisation de la technologie pour l’exécution de la tâche spécifique est déjà effective.
L’intérêt de ce modèle réside dans la prise en compte de la congruence entre les
39
caractéristiques de la tâche, de la technologie et des différences individuelles avec une
échelle de mesure spécifique valide. Surtout la mesure de la congruence est basée sur
l’évaluation et non sur des croyances comme suggérée par le modèle d’acceptation
technologique. La mesure de l’évaluation s’avère être davantage pertinente pour notre
recherche car celle-ci a pour but de comprendre le degré d’utilisation d’Internet à partir
d’expérience vécue d’utilisation de la technologie pour effectuer la tâche de recherche
d’information (évaluation) et non d’expliquer l’intention d’utilisation à partir de croyances
sur la congruence tâche-technologie. Par ailleurs, l’adaptation du modèle à notre recherche
est cohérente dans la mesure où la performance peut être remplacée conceptuellement par
le degré d’utilisation d’Internet, c’est-à-dire plus l’individu perçoit une congruence entre la
tâche de recherche d’information sur le service financier, l’Internet et ses compétences
individuelles, plus il utilisera Internet pour exécuter la tâche car Internet lui permet une
meilleure performance par rapport à d’autres sources d’information. Le modèle de Goodhue
(1998) constitue donc le socle théorique de notre recherche.
Le modèle de Davis (1986) contribue cependant à notre cadre théorique dans la mesure où
nous tenons compte de l’utilité perçue de la technologie. Cette variable a empiriquement
démontré son rôle significatif dans de nombreuses recherches et il nous paraît primordial de
l’inclure dans notre modèle. En ce qui concerne la facilité d’utilisation perçue, son rôle est
également d’importance et mais nous ne considérons pas cette variable en tant que telle, ce
concept semblant être capté dans les dimensions de la congruence tâche-technologie
comme la facilité d’accès à l’information, de comparaison ou de compréhension.
Finalement notre cadre conceptuel repose sur le modèle de congruence tâche-technologie
mais intègre l’utilité perçue de la technologie, variable-clé du modèle d’acceptation
40
technologique. La littérature sur le comportement de recherche d’information a par ailleurs
permis d’identifier les variables d’intérêt pour notre étude.
Les sections suivantes présentent donc les hypothèses testant notre cadre conceptuel en
commençant par les hypothèses posées sur les variables dépendantes, la variable médiatrice
de congruence tâche-technologie et enfin les variables indépendantes classées en trois
catégories : les caractéristiques de la tâche, les caractéristiques de la technologie et enfin les
différences individuelles.
3.2 Variables dépendantes
Les méthodes d’opérationnalisation de la variable de degré de recherche d’information sont
nombreuses : dans la littérature classique, les auteurs ont mesuré le nombre de magasins
visités, le nombre de marques évaluées, le nombre de caractéristiques du produit
considérées, le temps passé sur la décision d’achat, le nombre de sources d’information
utilisées, etc. (Rao & Farley, 1987). Dans le cadre de notre recherche, nous choisissons
pour variables dépendantes le nombre d’attributs produit recherchés, le temps de recherche
d’information et le nombre de sites web visités. Le nombre de sites web visités dans un but
d’information est une variable utilisée par Ratchford, Talukdar et Lee (2007) et nous la
reprenons pour notre étude. En ce qui concerne le nombre d’attributs produit et du temps de
recherche d’information, nous prenons pour modèle l’étude de Klein et Ford (2003) et
choisissons d’intégrer dans celles-ci la mesure de l’importance d’Internet en comparaison
aux autres sources d’informations. Nous calculons alors le nombre d’attributs recherchés
sur Internet sur le nombre total d’attributs recherchés pour obtenir la variable « ratio
41
attribut ». De même nous construisons la variable « ratio temps » qui représente la
proportion de temps passée à la recherche en ligne sur le temps total de recherche toutes
sources confondues.
3.3 Variable médiatrice
Selon le modèle théorique de Goodhue (1998), le niveau de congruence perçu entre la tâche
et la technologie influence directement et positivement la performance. Sur la base de ce
modèle, nous posons les hypothèses suivantes :
H1a : Plus le niveau de congruence tâche-technologie perçu est élevé, plus
le ratio nombre d’attributs produit recherchés sur Internet / nombre total
d’attributs produit recherchés est élevé.
H1b : Plus le niveau de congruence tâche-technologie perçu est élevé, plus
le ratio temps de recherche sur Internet / temps de recherche total est élevé.
H1c : Plus le niveau de congruence tâche-technologie perçu est élevé, plus
le nombre de sites web visités est élevé.
42
3.4 Variables explicatives
3.4.1 Caractéristiques de la tâche
La tâche, en l’occurrence la recherche d’information sur les services financiers, est
caractérisée par les niveaux perçus de complexité et de risque.
Une tâche portant sur un produit complexe peut être considérée comme étant une tâche
complexe. Or la littérature montre que plus la complexité perçue est forte, plus l’individu se
tourne vers des sources d’information personnelles (Devlin, 2007; Kalbaugh, 2002; Tam,
2007), moins ils recherchent d’attributs produit (Harrison, 2000; McKechnie, 1992) et plus
ils favorisent des critères extrinsèques d’évaluation du produit (Zeithaml, 1988). Par
conséquence, nous pouvons poser l’hypothèse que plus la tâche de recherche d’information
est perçue comme complexe (car portant sur un service financier perçu comme complexe),
moins l’individu percevra la technologie Internet comme étant adéquat pour accomplir la
tâche. L’hypothèse H2 peut donc s’énoncer de la manière suivante :
H2 : Plus la complexité perçue de la tâche est élevée, plus le niveau de
congruence tâche-technologie perçu est faible.
De même, le risque perçu influe sur la préférence pour une source d’information
(Cunningham, 1967; Midgley, 1983). Plus le risque perçu est élevé, plus les individus
recherchent des informations provenant de sources interactives et personnelles (Mitra,
Reiss, & Capella, 1999). Et en ce qui concerne les services financiers particulièrement, le
bouche-à-oreille représente une source importante d'information (File & Prince, 1992).
Ceci est d’autant plus important que le risque perçu d’un produit avant la décision d’achat
43
influe sur la durée et l’intensité de ce processus (Howscroft, Hamilton, & Hewer 2007).
Nous posons donc l’hypothèse que le risque perçu d’un service financier influe
négativement sur l’adéquation perçue entre Internet et la tâche de recherche d’information
sur le service financier.
H3 : Plus le risque perçu du service financier est élevé, plus le niveau de
congruence tâche-technologie perçu est faible.
3.4.2 Caractéristiques de la technologie
L’activité de recherche d’information peut être inhibée ou renforcée selon la perception du
médium Internet (Waite & Harrison, 2002). L’activité de recherche d’information pré-achat
étant davantage motivée par des considérations utilitaires qu’hédoniques, une
caractéristique de la technologie qui nous intéresse particulièrement dans le cadre de notre
étude est l’utilité perçue. Selon le modèle d’acceptation technologique, l’utilité perçue à
une influence positive sur l’attitude envers la technologie, son intention d’utilisation et
finalement son utilisation effective (Davis, 1986, 1989). De même nous posons l’hypothèse
que l’utilité perçue d’Internet a une influence positive sur l’adéquation perçue de ce
médium avec la tâche de recherche d’information sur les services financiers :
H4 : Plus l’utilité perçue d’Internet est élevée, plus le niveau de congruence
tâche-technologie perçu est élevé.
44
3.4.3 Caractéristiques individuelles
Effet de la connaissance subjective sur le niveau de congruence tâche-technologie perçu
La connaissance subjective est une variable largement utilisée dans la littérature sur le
comportement de recherche d’information. Les résultats sont cependant très mitigés quant à
la forme du lien existant entre la connaissance et l’intensité de recherche d’information.
Nous supposons donc qu’il existe une variable médiatrice expliquant la relation entre ces
deux variables. Nous pouvons alors poser l’hypothèse H5a que la connaissance influe
positivement sur la perception que la technologie est adéquat pour accomplir la tâche.
L’hypothèse sur la relation de médiation sera posée ultérieurement.
H5a : Plus la connaissance subjective est élevée, plus le niveau de
congruence tâche-technologie perçu est élevé.
Effets modérateurs de la connaissance subjective sur la complexité perçue, le risque
perçu et l’utilité perçue
Baron & Kenny (1986) définissent une variable modératrice comme étant une variable
qualitative ou quantitative qui affecte la direction et/ou la force d’une relation entre une
variable indépendante et une variable dépendante.
Par ailleurs, selon le modèle de Goodhue (1998), les caractéristiques individuelles
possèdent des effets modérateurs sur les effets des caractéristiques de la tâche et de la
technologie.
45
D’après Campbell (1988), les habiletés cognitives affectent négativement la perception de
la complexité d’une tâche. Nous posons par ailleurs l’hypothèse que la connaissance affecte
négativement le risque perçu associé à l’achat d’un produit. Les bénéfices perçus de
l’utilisation d’Internet varient également selon les caractéristiques individuelles (Novak,
Hoffman, & Yung, 2000) : nous posons l’hypothèse que la connaissance amplifie les effets
positifs sur l’utilité perçue de la technologie.
La complexité et le risque perçus ont des effets négatifs sur le niveau de congruence tâche-
technologie, tandis que l’influence de l’utilité perçue est positive.
Nous déduisons donc les relations de modération suivantes :
H5b : L’influence négative de la complexité perçue sur le niveau de
congruence tâche-technologie perçu est plus faible lorsque le niveau de
connaissance subjective est élevé.
H5c : L’influence négative du risque perçu du produit sur le niveau de
congruence tâche-technologie perçu est plus faible lorsque le niveau de
connaissance subjective est élevé.
H5d : L’influence positive de l’utilité perçue d’Internet sur le niveau de
congruence tâche-technologie perçu est plus élevée lorsque le niveau de
connaissance subjective est élevé.
46
Effet de l’expérience avec Internet sur le niveau de congruence tâche-technologie perçu
D’après la littérature, l’expérience avec Internet influence significativement le
comportement de recherche d’information et doit être prise en compte dans toute recherche
incluant l’Internet (Frambach, Roest, & Krishnan, 2007). Plusieurs études ont démontré
empiriquement la relation positive existant entre le niveau d’expérience avec Internet et sur
l’utilisation d’Internet comme source d’information (Frambach, Roest, & Krishnan, 2007;
Klein & Ford, 2003; Mafé & Blas, 2006). A fortiori nous posons l’hypothèse que
l’expérience avec Internet influe positivement sur la perception que cette source
d’information est adéquate pour s’informer sur les services financiers :
H6a : Plus l’expérience avec Internet est élevée, plus le niveau de
congruence tâche-technologie perçu est élevé.
Effets modérateurs de l’expérience avec Internet sur la complexité perçue, le risque
perçu et l’utilité perçue
L’expérience avec Internet a une influence positive sur la congruence tâche-technologie
tandis que la complexité a une influence dans le sens opposé. Nous suggérons donc une
relation modératrice réductrice de l’effet négatif de la complexité sur la congruence tâche-
technologie. En ce qui concerne l’effet modérateur sur le risque perçu, le même
raisonnement est appliqué. Enfin selon Shankar, Rangaswamy et Pusateri (2001) les
individus possédant une forte expérience avec Internet ont plus de chance de percevoir
différemment les attributs de cette technologie par rapport à ceux possédant peu
47
d’expérience. L’expérience avec Internet apparaît alors être une variable modératrice dans
les bénéfices perçus d’Internet comme source d’information (Klein & Ford, 2003).
Finalement, nous posons les trois relations de modération suivantes :
H6b : L’influence négative de la complexité perçue sur le niveau global de
congruence tâche-technologie est plus faible lorsque le niveau d’expérience
avec Internet est élevé que lorsqu’il est faible.
H6c : L’influence négative du risque perçu du produit sur le niveau global
de congruence tâche-technologie est plus faible lorsque le niveau
d’expérience avec Internet est élevé que lorsqu’il est faible.
H6d : L’influence positive de la motivation utilitaire d’utilisation d’Internet
sur le niveau global de congruence tâche-technologie est plus élevée lorsque
le niveau d’expérience avec Internet est élevé que lorsqu’il est faible.
3.5 Relations de médiation
D’après Baron & Kenny (1986), une relation de médiation existe lorsque a) la variable
indépendante a un effet significatif sur la variable médiatrice; b) la variable médiatrice a un
effet significatif sur la variable dépendante; et c) lorsque les deux relations précédentes sont
contrôlées, la relation entre la variable indépendante et la variable dépendante qui était
auparavant significative, n’est plus significative (médiation parfaite) ou de moindre force
(médiation partielle).
48
Selon le modèle de congruence tâche-technologie, le niveau de congruence tâche-
technologie est un médiateur de la relation entre les caractéristiques de la tâche, de la
technologie, de l’individu et de la variable dépendante performance perçue. Sur la base de
ce modèle nous pouvons donc poser les hypothèses suivantes :
H7 : La congruence tâche-technologie perçue est un médiateur de la relation
entre la complexité perçue et a) le ratio nombre d’attributs produit
recherchés sur Internet / nombre total d’attributs recherchés; b) le ratio
temps de recherche sur Internet / temps de recherche total; c) le nombre de
sites web visités.
H8 : La congruence tâche-technologie perçue est un médiateur de la relation
entre le risque perçu et a) le ratio nombre d’attributs produit recherchés sur
Internet / nombre total d’attributs recherchés; b) le ratio temps de recherche
sur Internet / temps de recherche total; c) le nombre de sites web visités.
H9 : La congruence tâche-technologie perçue est un médiateur de la relation
entre l’utilité perçue d’Internet et a) le ratio nombre d’attributs produit
recherchés sur Internet / nombre total d’attributs recherchés; b) le ratio
temps de recherche sur Internet / temps de recherche total; c) le nombre de
sites web visités.
H10 : La congruence tâche-technologie perçue est un médiateur de la
relation entre la connaissance subjective et a) le ratio nombre d’attributs
produit recherchés sur Internet / nombre total d’attributs recherchés; b) le
49
ratio temps de recherche sur Internet / temps de recherche total; c) le
nombre de sites web visités.
H11 : La congruence tâche-technologie perçue est un médiateur de la
relation entre l’expérience avec Internet et a) le ratio nombre d’attributs
produit recherchés sur Internet / nombre total d’attributs recherchés; b) le
ratio temps de recherche sur Internet / temps de recherche total; c) le
nombre de sites web visités.
50
Figure 3-1 : Cadre conceptuel adapté de Goodhue (1998)
51
Chapitre 4 – MÉTHODOLOGIE
Ce quatrième chapitre présente et justifie les choix méthodologiques pour l’étude. Les
échelles de mesure sont également décrites ici ainsi que la méthodologie de recrutement et
le déroulement de la collecte de données.
4.1 Contexte de l’étude
L’objectif de cette étude est de déterminer les variables explicatives du degré de recherche
d’information pour les services financiers. Plus précisément il s’agit de tester le rôle
médiateur du niveau de congruence tâche-technologie perçu entre la complexité perçue de
la tâche, le risque perçu du service financier, l’utilité perçue d’Internet, la connaissance
subjective, l’expérience avec Internet et le degré d’utilisation d’Internet comme source
d’information pour les services financiers.
Pour tester le modèle proposé, deux services financiers sont sélectionnés : le prêt
hypothécaire et la carte de crédit. Le choix d’étudier deux types de services financiers
plutôt qu’un seul est justifié par la nécessité d’obtenir suffisamment de variance sur les
variables indépendantes complexité perçue et risque perçu. Le prêt hypothécaire nous paraît
être un bon exemple de service financier complexe et risqué tandis que la carte de crédit
représente un service moins complexe et moins risqué.
52
4.2 L’enquête
La méthode de collectes de données choisie pour tester les hypothèses de l’étude est
l’enquête via un questionnaire en ligne, auto-administré et anonyme. Le questionnaire web
est l’instrument de collecte de données privilégié en raison de sa praticité et de sa rapidité
tant dans le recrutement des participants que dans son administration. Ce questionnaire est
élaboré à l’aide du logiciel de sondage UNIPARK et également placé sur le serveur
UNIPARK.
4.2.1 Construction de l’instrument de collecte de données
Le questionnaire utilisé pour la collecte de données comporte 9 questions plus 5 questions
socio-démographiques (sexe, âge, niveau d’éducation, occupation, revenu,). La majorité
des questions proviennent d’échelles de mesure existant dans la littérature et dont les
qualités psychométriques ont été démontrées. Les items des échelles sélectionnées ont alors
été adaptés au contexte de l’étude et ont été soumis à une double traduction par deux
personnes bilingues afin de s’assurer de la préservation du sens des items originaux. En ce
qui concerne les variables construites pour l’étude, une description détaillée de leur
construction est donnée.
4.2.2 Choix des instruments de mesure
La majorité des échelles de mesure retenues pour le questionnaire proviennent de la
littérature et ces échelles ont toutes démontré leurs qualités psychométriques. Pour
53
sélectionner ces échelles, la fidélité a été le critère déterminant. Un indicateur largement
admis pour attester de la fidélité d’une échelle est le coefficient alpha de Cronbach
(D'Astous, 2008; Hair, Anderson, Tatham, & Black, 1998). Plus cet indicateur est élevé,
plus la cohérence interne de l’échelle (soit la fidélité) est forte. Une échelle présentant un
coefficient α supérieur à 0.80 indique généralement une bonne fidélité, 0,60 étant un seuil
minimal (Nunnally, 1978). La très grande majorité des items sont par ailleurs mesurés sur
une échelle de type Likert à 7 points avec 1 = fortement en désaccord et 7 = fortement en
accord. Un dernier critère concerne le contexte d’application des échelles de mesure :
seules les échelles utilisées dans un contexte similaire à celui de la présente étude ont été
retenues. L’ensemble des échelles de mesure sont présentées en annexe 1.
Variables indépendantes
Pour mesurer la complexité perçue de la tâche de recherche d’information sur les produits
financiers, l’échelle « Subjective task complexity » développée par Maynard et Hakel
(1997) a été retenue. Ces auteurs ont conçu cette échelle afin d’étudier les effets de la
complexité subjective d’une tâche sur la performance dans l’exécution de celle-ci.
L’échelle comporte 4 items mesurés sur une échelle à 7 points (1=fortement en accord à 7 =
fortement en accord) et possède une très bonne cohérence interne (α = 0,90) dans l’étude de
Maynard et Hakel (1997). La moyenne des items est calculée afin d’obtenir un score global
du concept également mesurée de 1 à 7.
En ce qui concerne la mesure du risque perçu d’un service financier spécifique, nous
utilisons l’échelle sémantique différentielle de Campbell et Goodstein (2001), bien adaptée
54
à de multiples contextes. Celle-ci comporte 4 items pour une très bonne fidélité également
(α = 0,91) dans l’étude de Campbell et Goodstein (2001). Les items sont originalement
mesurés sur une échelle à 9 points. Nous choisissons une mesure sur 7 points à des fins de
standardisation du questionnaire. La moyenne des items est alors calculée afin d’obtenir un
score global du concept mesurée de 1 à 7.
L’échelle de la connaissance subjective de Flynn & Goldsmith (1999) permet de mesurer la
connaissance subjective d’un individu envers une catégorie de produit. Cette échelle
propose un total de 8 items. Leur deux études testant une sélection différente de ces items
aboutissent à de bons résultats de fidélité (α = 82 et α = 93). Les auteurs conseillent alors
l’utilisation de 5 items afin d’obtenir la plus grande fidélité. La moyenne des items est
ensuite calculée afin d’obtenir un score global du concept mesurée de 1 à 7.
L’expérience avec Internet est souvent mesurée en termes de nombre d’heures passées sur
Internet, reflet de l’habileté et de l’opportunité d’utilisation d’Internet (Goldsmith, 2002;
Klein & Ford, 2003; Ratchford et al., 2007). D’autres mesures de l’expérience avec Internet
existent, telles que le nombre d’années d’utilisation (Klein & Ford, 2003) ou la fréquence
d’accès à Internet (Mafé & Blas, 2006), mais la première nous semble être la plus
représentative du concept.
Dans l’étude de Voss, Spangenberg et Grohmann (2003), l’utilité perçue est mesurée à
l’aide d’une échelle sémantique différentielle à 9 points comportant 5 paires d’adjectifs
pour une fidélité de α = 0,87. Pour notre étude l’échelle est réduite à 7 points pour les
mêmes raisons que celles évoquées lors de la présentation de l’échelle du risque perçu.
55
Variables dépendantes
Comme indiqué dans la section présentant les hypothèses, deux des trois variables
dépendantes de l’étude sont développées pour cette étude. Pour calculer le ratio nombre
d’attributs produit recherchés sur Internet / nombre total d’attributs recherchés, les attributs
pour les prêts hypothécaires et les cartes de crédit ont été identifiés par recherche
d’information sur les principaux sites web d’institutions financières canadiennes. Les 7
attributs les plus récurrents ont alors été retenus pour le questionnaire et une catégorie
« autre » permet d’indiquer un attribut supplémentaire. Le calcul est alors effectué sur un
total de 8 attributs et un ratio de 100% correspond à un individu ayant utilisé Internet pour
la totalité des attributs pour lesquels une recherche a été effectuée. Cette variable est par la
suite nommée « ratio attribut ».
Le ratio temps de recherche sur Internet / temps total de recherche mesure l’estimation
subjective du répondant sur la part consacrée à la recherche sur Internet en intervalles de
pourcentage allant de 5% à 100%. Cette variable est mesurée à partir de 5% car les
participants à l’étude doivent tous avoir effectué au moins une recherche d’information sur
Internet au sujet de l’un des deux services financiers étudiés. Cette variable est par la suite
nommée « ratio temps ».
Enfin le nombre de sites web visités est une variable obtenue par question directe.
56
Variable médiatrice
La variable médiatrice du modèle est le niveau perçu de congruence entre la tâche de
recherche d’information sur un service financier et la technologie Internet. Cette échelle de
mesure multidimensionnelle développée par Goodhue (1998) s’applique originalement à un
contexte organisationnel d’utilisation des systèmes d’information. Cette échelle a alors été
testée dans de multiples industries dont celui de l’assurance. L’adaptation de cette échelle
au domaine bancaire et à Internet est donc particulièrement pertinente.
Cette échelle est constituée de 12 dimensions comportant entre 2 et 4 items chacune,
mesurés sur une échelle à 7 points (1 = fortement en désaccord à 7 = fortement en accord).
La sélection de ces 12 dimensions par Goodhue (1998) provient des résultats de tests
examinant leur cohérence interne, leur unidimensionnalité, leur validité discriminante, leur
validité nomologique, leur validité de contenu et leur validité prédictive. Parmi ces
dimensions originales, nous en avons retenu 9 d’après leur pertinence théorique pour notre
recherche, leurs qualités psychométriques ayant été validées. Ces 9 dimensions sont : 1-le
bon niveau de détail de l’information « right level of data » (3 items, α = 0,85); 2-
l’exactitude de l’information « accuracy » (3 items, α = 0,83); 3-la compatibilité entre
sources « compatibility » (3 items, α = 0,82); 4-la facilité d’accès à l’information
« accessibility » (3 items, α = 0,84); 5-la compréhension de l’information « meaning » (3
items, α = 0,78); 6-la facilité d’accès à de l’assistance « assistance » (3 items, α = 0,87); 7-
la fiabilité des systèmes « systems reliability » (3 items, α = 0,77); 8-l’actualisation de
l’information « currency » (2 items, α = 0,78); 9-la présentation de l’information
« presentation » (2 items, α = 0,86). Les dimensions retirées sont « locatability » (3 items,
α = 0,77), « ease of use of hardware and software » (3 items, α = 0,77) et «absence of
57
confusion » (2 items, α = 0,73). La dimension « locatability » est retirée pour sa trop grande
proximité sémantique avec la dimension « accessibility » dans le contexte de notre étude.
Les dimensions « ease of use of hardware and software » et « absence of confusion » sont
également retirées pour leur manque de pertinence pour notre étude.
Aux 9 dimensions retenues, nous ajoutons la dimension de comparaison entre institutions
financières afin de réserver la dimension « compatibilité » à la comparaison entre sources
d’une même institution (en l’occurrence les sources en ligne et hors ligne) et ainsi utiliser
deux échelles au lieu d’une pour une meilleure adaptation au cadre de l’étude. Par ailleurs
nous ajoutons également un item supplémentaire aux deux dimensions possédant seulement
2 items pour potentiellement améliorer la fidélité de l’échelle (c’est-à-dire pour les
dimensions « actualisation » et « présentation »). La variable médiatrice de congruence
tâche-technologie est finalement composée de 10 dimensions.
4.2.3 Pré-test
Un pré-test de la version prêt hypothécaire du questionnaire s’est déroulé sur un échantillon
de convenance de 15 personnes afin de s’assurer de la clarté des questions, des énoncés, du
déroulement du questionnaire mais aussi de l’absence de problèmes techniques pour la
collecte de données sur Internet. Le pré-test est effectué en ligne grâce à une fonctionnalité
du logiciel UNIPARK permettant de recueillir instantanément les commentaires des
participants pour chaque page du questionnaire. Cinq participants au pré-test
correspondaient à l’échantillon ciblé pour l’étude. En ce qui concerne les autres
participants, il leur était demandé de se mettre en situation de possesseur d’un prêt
58
hypothécaire, l’objectif du pré-test n’étant pas d’analyser les réponses, la validité des
commentaires de ces participants n’est pas remise en cause. Les commentaires, mineurs,
ont alors été pris en compte afin d’améliorer le questionnaire. La version carte de crédit fut
alors construite d’après la version pré-testée et corrigée du questionnaire prêt hypothécaire.
4.3 Recrutement et déroulement de la collecte de données
4.3.1 Recrutement
Pour pouvoir participer à l’étude, les répondants devaient correspondre à deux critères :
avoir acquis un prêt hypothécaire ou une carte de crédit au cours des 18 derniers mois et
avoir effectué au moins une recherche d’information à ce sujet sur Internet. La taille
d’échantillon visée était alors de 100 répondants pour chacun des services financiers, soit
200 répondants au total.
Le recrutement des participants s’est effectué à l’aide des panels adultes d’une firme de
recherche canadienne, Léger Marketing. Un courriel d’invitation à l’étude fut envoyé à 12
200 personnes. Celui-ci permettait d’accéder à un premier questionnaire de
qualification. Les premières questions concernaient l’éligibilité au questionnaire sur le prêt
hypothécaire puisque nous pensons que ce profil est plus difficile à recruter que le profil
carte de crédit. Si le répondant correspondait aux critères « prêt hypothécaire », celui–ci
était dirigé vers le questionnaire « prêt hypothécaire ». Dans le cas contraire, les questions
sur la carte de crédit lui étaient posées. De même, si le répondant était éligible, celui-ci était
59
invité à répondre au questionnaire « carte de crédit », dans le cas contraire, celui-ci était
remercié.
Les répondants à cette étude bénéficiaient également de l’incitatif habituel accordé par
Léger Marketing à ses panels, à savoir un incitatif financier si le participant complétait
entièrement le questionnaire.
4.3.2 Collecte de données
La collecte de données s’est déroulée sur 3 jours du 16 au 18 décembre 2008.
Sur les 12 200 personnes invitées à l’étude, 2589 ont accédé au questionnaire de
qualification (taux de réponse de 21,2%) dont 398 étaient éligibles et ont ouvert les
questionnaires de l’étude. Parmi elles, 265 ont complété les questionnaires jusqu’au bout.
Enfin 229 questionnaires ont été considérées comme valides. En effet, il était essentiel pour
l’étude que les répondants aient une expérience de recherche d’information sur Internet sur
les services financiers choisis pour l’étude et le questionnaire de recrutement a été élaboré
dans cet objectif. Cependant 36 personnes ayant eu accès à l’étude ne répondaient pas à ce
critère. Ceci était facilement vérifiable dans la mesure où celles-ci ont répondu « non » à la
question « Pour les attributs mentionnés précédemment (dont autres), avez-vous effectué
une recherche d’information sur Internet ? ». Par la suite, les questions portant sur la
congruence tâche-technologie ne leur étaient pas soumises. Après cette première épuration
de données, les répondants présentant plus de 10% de données manquantes (soit 6 et plus)
sont également éliminés de l’analyse. Ceci concerne 11 répondants. Pour les 53 répondants
60
ayant entre une et cinq données manquantes (dont 44 avec une donnée manquante), les
analyses sont effectuées avec un remplacement par la moyenne de l’échantillon sur les
variables concernées. Finalement les analyses sont effectuées sur un échantillon de 218
répondants. Le détail de la collecte de données est présenté dans le tableau 4-1 ci-dessous.
Tableau 4-1 : Collecte de données
TOTAL Prêt
hypothécaire Carte de
crédit Courriels envoyés 12200 12200 Questionnaires de qualification ouverts
2589 2589
Questionnaires ouverts 348 198 150 Questionnaires complétés 265 149 116 Questionnaires valides 229 129 100 Questionnaires analysés 218 122 96 Taux de réponse (1) 21,2% 21,2% Taux d’ouverture (2) 3% 2% 1% Taux de complétion (3) 76% 75% 77% Taux de valides (3) 66% 65% 67% Taux d'analysés (3) 63% 62% 64%
(1) Nombre de questionnaires de qualification ouverts / Nombre de courriels envoyés
(2) Nombre de questionnaires ouverts sur le nombre de courriels envoyés
(3) Sur la base du nombre de questionnaires ouverts
Malgré l’exigence des critères de recrutement, la taille ciblée pour l’échantillon fut atteint
très rapidement grâce à un panel très large. Le taux de réponse est très bon (21,2%) mais les
taux d’ouverture sont très bas (3% au global). Ceci s’explique par le fait que l’individu
devait également correspondre aux critères de recrutement. Cependant malgré un taux de
complétion élevé (76%), les questionnaires non valides représentent 10%. Il semble que le
questionnaire de qualification ait été répondu par certains répondants ne correspondant pas
61
aux critères de recrutement mais tout de même désireux de participer à l’étude. Cette
éventualité ayant été prévue (puisque des panels de répondants sont utilisés), les
questionnaires de l’étude ont été construits de façon à vérifier facilement l’éligibilité des
répondants et donc d’écarter les participants non valides. L’échantillon gagne alors en
validité.
62
Chapitre 5 – RÉSULTATS ET INTERPRÉTATION
Le chapitre suivant présente tout d’abord une analyse descriptive de l’échantillon, les
résultats sur les analyses de fidélité et de validité des échelles de mesure et enfin l’ensemble
des résultats sur les tests d’hypothèses ainsi que leur interprétation.
5.1 Analyse descriptive de l’échantillon
En ce qui concerne l’analyse descriptive de l’échantillon global sans distinction des types
de services financiers, l’échantillon est composé en majorité de femmes (54% vs 46 %). La
plupart des participants sont âgés entre 35 et 44 ans (30 %), suivi par les personnes situées
entre 25 et 34 ans (23 %). Trente-cinq pourcent ont un diplôme universitaire de 1er cycle et
trente-trois pourcent des participants possèdent un diplôme collégial. En grande majorité,
les personnes interrogées sont des travailleurs à temps plein (66 %). Finalement, en ce qui
concerne le revenu, la catégorie la plus représentée correspond aux revenus des ménages
situés entre 35000 $ et 44999 $ (24 %) bien que toutes les tranches soient représentées
(voir tableau 5-1).
A noter les quelques valeurs manquantes suivantes : sexe (11 au total dont 7 parmi les prêts
hypothécaires), éducation (1 parmi les cartes de crédit), situation professionnelle (1 parmi
les cartes de crédit), revenu (6 au total dont 3 parmi les prêts hypothécaires).
63
Tableau 5-1 : Profil socio-démographique de l’échantillon
Échantillon total
Profil prêt hypothécaire
Profil carte de crédit
Taille des échantillons 229 129 100 Répondants (%)
Sexe Homme 46% 48% 44% Femme 54% 52% 56% Age 18 à 24 ans 14% 9% 21% 25 à 34 ans 23% 28% 17% 35 à 44 ans 30% 35% 23% 45 à 54 ans 17% 16% 18% 55 à 64 ans 9% 6% 13% 65 ans et plus 7% 6% 8% Éducation Primaire 1% 1% 2% Secondaire 18% 16% 21% Collégial 33% 37% 28% Universitaire 1er cycle 35% 36% 34% Universitaire 2ème cycle 10% 9% 12% Universitaire 3ème cycle 2% 2% 2% Situation Travail à temps plein 66% 74% 56% Travail à temps partiel 10% 9% 11% Travail à temps plein et aux études 3% 3% 2% Travail à temps partiel et aux études 3% 1% 6% Études 3% 1% 7% Sans emploi rémunéré 15% 12% 18% Revenu Moins de 15 000 $ 9% 6% 14% De 15 à 24 999 $ 8% 7% 9% De 25 à 34 999 $ 9% 7% 10% De 35 à 44 999 $ 24% 29% 19% De 45 à 54 999 $ 15% 17% 13% De 55 à 64 999 $ 9% 10% 8% De 65 à 79 999 $ 11% 14% 7% De 80 à 99 999 $ 6% 5% 8% Plus de 100 000$ 8% 6% 10%
64
Si l’on s’intéresse aux caractéristiques socio-démographiques par profil de services
financiers acquis (prêt hypothécaire ou carte de crédit), les tendances restent les mêmes et
ne diffèrent pas entre les deux groupes sauf au niveau de la situation professionnelle et de
l’âge. Le test du Khi-2, qui permet de comparer deux groupes sur des variables
catégoriques, est en effet significatif pour la situation professionnelle (khi-2=15,992, p-
value=0,007) et pour l’âge (khi-2=14,039, p-value=0,015).
5.2 Analyse de la fidélité et de l’unidimensionnalité des échelles de mesure
Deux types de mesures sont utilisés dans notre étude : les mesures adaptées de la littérature
et les mesures construites dans le cadre de la présente étude. Les mesures provenant de la
littérature sont toutes des échelles de mesure additives (échelles de Likert et échelles
sémantiques différentielles) dont la fidélité et l’unidimensionnalité doivent être réévaluées,
à l’exception de l’expérience avec Internet et le nombre de sites web visités, qui sont
mesurés à l’aide d’un unique item. La première section traite alors des échelles de mesure
unidimensionnelles, soit la complexité, le risque, la connaissance et l’utilité d’Internet. La
deuxième section est consacrée à l’analyse de l’échelle multidimensionnelle « congruence
tâche-technologie ». Les variables construites pour l’étude (ratio attribut et ratio temps) ne
sont pas mesurées à l’aide d’échelles additives, celles-ci ne sont donc pas concernées par
les analyses de fidélité et d’unidimensionnalité.
65
5.2.1 Échelles de mesure unidimensionnelles
Pour vérifier la cohérence interne de la complexité perçue, du risque perçu, de la
connaissance subjective et de l’utilité perçue d’Internet, les coefficients alpha de Cronbach
ont été calculés. Le tableau 5-2 ci-dessous présente les coefficients pour chacune des
échelles de mesure. Les échelles sont considérées comme étant fidèles dès lors que le
coefficient alpha de Cronbach est supérieur à 0,60 (Nunnally, 1978), un coefficient
supérieur à 0,80 dénotant une très bonne fidélité de l’échelle. Ceci est le cas pour les 4
échelles de mesures. Les échelles que nous utilisons sont donc fidèles.
Tableau 5-2 : Fidélité des échelles de mesure unidimensionnelles
Échelles Nombre d’items
Alpha de Cronbach
Complexité perçue 4 0,933 Risque perçu 4 0,763 Connaissance subjective 5 0,836 Utilité perçue d'Internet 5 0,899
Par ailleurs, il est nécessaire de vérifier l’unidimensionnalité de ces échelles. Ceci est testé
grâce à une analyse factorielle exploratoire (Hair et al., 1998), par la méthode d’analyse en
composantes principales. Les résultats de cette analyse sont présentés dans l’annexe 2.
L’examen de la proportion cumulative de variance expliquée nous permet de conclure que
toutes les échelles de mesure sont bien représentées par une seule composante. En effet la
variance expliquée par le premier facteur de chacune des échelles est suffisamment
importante (58,7% au minimum). Une deuxième méthode de détermination du nombre de
facteurs à retenir dans une analyse factorielle exploratoire nous permet d’aboutir également
aux mêmes conclusions : seules les premières composantes ont une valeur propre
66
supérieure à 1. Les échelles de mesures sont donc bien unidimensionnelles, i.e. les données
originales convergent vers un seul facteur, chaque échelle ne mesure qu’un seul concept.
5.2.2 Échelle multidimensionnelle de congruence tâche-technologie
Analyse factorielle exploratoire avec extraction de 10 composantes
L’échelle de congruence tâche-technologie comporte théoriquement 10 dimensions que
nous avons identifiées au chapitre 3. L’analyse factorielle exploratoire permet de tester la
validité discriminante de cette échelle, c’est-à-dire de vérifier que les différentes
dimensions mesurent bien des concepts différents en plus de s’assurer de
l’unidimensionnalité de chacune des dimensions. De manière identique à la vérification de
l’unidimensionnalité des variables indépendantes, l’analyse en composante principale est
utilisée. Par ailleurs nous appliquons une rotation de type varimax car nous supposons que
les dimensions ne sont pas corrélées entre elles. Enfin nous forçons l’extraction de 10
composantes afin de tester la théorie. En intégrant l’ensemble des 30 items dans l’analyse,
chaque item devrait alors se placer sur la bonne composante pour finalement obtenir les 10
composantes avec les 3 items correspondants.
Les résultats de l’ACP avec la méthode de rotation varimax ne sont pas concluants (voir
annexe 3). L’analyse suggère une unique dimension avec la première composante
expliquant 49,3% de la variance totale. En effet, la méthode des valeurs propres supérieures
à 1 suggère de retenir 5 dimensions mais la chute des valeurs propres intervient dès la
deuxième composante principale (la première composante a une valeur propre de 14,785
tandis que la deuxième composante chute à 1,616). Par ailleurs, l’observation de la matrice
67
des composantes après rotation révèle que la plupart des items sont corrélées à plus de
0,400 sur au moins deux composantes. Ceci montre que les dimensions ne sont pas
indépendantes.
Une deuxième ACP est alors effectuée avec une rotation de type oblimin, qui donne une
meilleure lisibilité des composantes lorsque celles-ci sont corrélées entre elles. L’extraction
reste forcée à 10 composantes. Bien que la matrice des types permette une meilleure
lisibilité des composantes, l’analyse suggère toujours une unique dimension avec la
première composante expliquant 49,6% de la variance totale. De manière identique à
l’analyse précédente, la chute des valeurs propres intervient sur la deuxième composante (la
première composante a une valeur propre de 14,878 tandis que la deuxième composante
chute à 1,668). Enfin le placement des items sur chacune des 10 composantes ne
correspond pas à la théorie et l’interprétation de ces composantes restent peu claires. À
noter cependant que certains items se regroupent de façon prédite par la théorie comme les
3 items de chacune des dimensions « compréhension » et « assistance » qui forment la
quatrième composante principale. Les résultats sont exposés en annexe 4.
Analyse factorielle exploratoire sans spécification du nombre de facteurs à extraire
L’extraction forcée des composantes n’étant pas concluantes, une nouvelle ACP est
effectuée afin de laisser émerger les composantes. La rotation de type oblimin est
conservée. Selon la méthode des valeurs propres supérieures à 1, les analyses suggèrent
cette fois-ci l’extraction de 4 composantes principales. L’épuration des items s’effectuent
alors en observant les corrélations de la matrice des types. Un item possédant une
68
corrélation supérieure à 0,400 sur une deuxième composante est éliminé de l’analyse (Hair
et al., 1998). Les 5 items suivants sont alors retirés successivement : TTF102 : En général,
Internet permettait de comparer facilement les informations provenant de plusieurs
institutions financières, TTF61 : Facilité de trouver de l’aide en ligne, TTF72 :
L’information était sujette à de fréquents problèmes techniques se produisant sur les sites
web, TTF63 : Je trouvais facilement de l’aide sur Internet lorsque j’éprouvais des
difficultés pour trouver et/ou comprendre une information, TTF43 : Il était facile d’accéder
aux informations dont j’avais besoin avec Internet.
Mais là encore, bien que la matrice des types finale permette une certaine interprétation des
facteurs, la chute des valeurs propres à partir de la deuxième composante amène également
à conclure à une composante unique (la première composante a une valeur propre de
12,879 tandis que la deuxième composante chute à 1,453). Nous conservons donc le
premier facteur composé de 9 items qui permet d’expliquer 51,5% de la variance totale. Les
9 items et les corrélations à la composante sont présentés dans le tableau 5-3 et en annexe 5.
Les items retenus dans la première composante principale proviennent de 6 dimensions
théoriques : l’exactitude de l’information présentée sur Internet pour le service financier
étudié, le bon niveau de détail, l’accès à l’assistance en ligne, la facilité de compréhension
de l’information et enfin la présentation des informations sur Internet. Ces items
représentent les dimensions au plus fort pouvoir explicatif de la variance totale dans
l’échantillon.
Les dimensions théoriques non représentées dans cette composante sont l’actualisation, la
compatibilité des sources, la facilité de comparaison et la fiabilité des systèmes. Ces items
69
semblent être de moindre importance dans la perception de la congruence entre la tâche et
la technologie.
Tableau 5-3 : Analyse factorielle ACP pour la congruence tâche-technologie
Variable Énoncé Dimension théorique Corrélation
TTF22 Les informations que j’utilisais étaient assez fiables pour répondre à mes besoins Exactitude 0,944
TTF12 Internet offrait généralement une information suffisamment détaillée Bon niveau de détail 0,806
TTF62 Je pouvais obtenir en ligne l’aide nécessaire afin de trouver et/ou comprendre une information Assistance 0,658
TTF42 Au moment où j’en avais besoin, je pouvais trouver l'information rapidement et facilement sur Internet Accessibilité 0,655
TTF11 Bon niveau de détail de l’information (ni trop, ni pas assez) Bon niveau de détail 0,652
TTF13 En général, les sites web présentaient les informations à un niveau de détail approprié à mes besoins Bon niveau de détail 0,625
TTF52 La définition exacte d'une information était facile à trouver sur Internet Compréhension 0,624
TTF53 Sur Internet, le sens exact d'une information était évident ou facile à trouver Compréhension 0,547
TTF92 Sur Internet, les informations dont j’avais besoin étaient généralement présentées de manière lisible et compréhensible
Présentation 0,423
Analyse de la fidélité
L’analyse de la fidélité de cette échelle factorisée à une dimension permet à présent de
s’assurer de sa cohérence interne (voir tableau 5-4). Le résultat montre un alpha de
Cronbach de 0,929 pour les 9 items constituant l’échelle de congruence tâche-technologie.
L’échelle montre une très bonne cohérence interne. Par ailleurs, la suppression d’aucun des
70
items ne permet une amélioration de la fidélité. Pour la suite des analyses, la moyenne des 9
items est alors calculée afin d’obtenir un score global de la congruence tâche-technologie.
Tableau 5-4 : Analyse de la fidélité de l’échelle de congruence tâche-technologie
Statistiques de fiabilité
Alpha de
Cronbach
Nombre
d'éléments
,929 9
Statistiques de total des éléments
Moyenne de
l'échelle en cas
de suppression
d'un élément
Variance de
l'échelle en cas
de suppression
d'un élément
Corrélation
complète des
éléments
corrigés
Alpha de
Cronbach en cas
de suppression
de l'élément
ttf12 40,23 73,825 ,790 ,918
ttf13 40,35 73,992 ,798 ,917
ttf11 40,31 76,342 ,779 ,919
ttf22 40,16 76,504 ,722 ,922
ttf42 40,13 76,395 ,716 ,923
ttf52 40,60 74,801 ,742 ,921
ttf53 40,66 73,783 ,806 ,917
tt62 40,77 77,130 ,639 ,928
ttf92 40,04 79,025 ,674 ,925
Après étude des qualités psychométriques des différentes échelles et avant le test des
hypothèses de recherche, il est pertinent d’indiquer les statistiques univariées de chacune
71
des variables utilisées pour notre étude. Celles-ci sont présentées dans le tableau ci-après 5-
5.
Tableau 5-5 : Statistiques univariées des variables de l’étude
Statistiques descriptives N Moyenne Ecart-type
COMPLEXITE 218 3,46 1,745
RISQUE 218 4,38 1,412
CONNAISSANCE 217 4,34 1,364
EXPERIENCE INTERNET 218 3,19 1,532
UTILITE 218 6,21 ,978
CONGRUENCE TACHE-TECHNOLOGIE
218 5,05 1,092
RATIO ATTRIBUTS 218 ,80 ,261
RATIO TEMPS 218 2,39 1,152
NOMBRE DE SITES WEB 218 4,33 3,161
Valid N (listwise) 217
5.3 Analyse de la relation de médiation
5.3.1 Régressions linéaires multiples successives
La validation de notre cadre conceptuel repose donc sur le test de l’existence d’un effet
médiateur significatif de notre variable médiatrice entre les 3 groupes de variables
indépendantes et les 3 variables dépendantes. Pour tester ce genre de relations, Baron et
72
Kenny (1986) ont développé une méthode de régressions successives afin de valider l’effet
médiateur de notre variable médiatrice. D’après Baron & Kenny (1986), une relation de
médiation existe lorsque :
- Condition 1 : la variable indépendante X a un effet significatif sur la variable
médiatrice Z
- Condition 2 : la variable indépendante X a un effet significatif sur la variable
dépendante Y
- Condition 3 : la variable médiatrice Z a un effet significatif sur la variable
dépendante Y lorsque cette dernière est régressée sur la variable indépendante X et
la variable médiatrice Z
- Et condition 4 : lorsque les 3 précédentes conditions sont remplies, l’effet de la
variable indépendante X sur la variable dépendante Y dans la condition 3 ne doit
plus être significative (médiation parfaite) ou de moindre force (médiation partielle)
par rapport à la condition 2.
Afin d’effectuer ces tests d’hypothèses, le logiciel d’analyse statistique SPSS est utilisé.
Les 3 conditions sont testées à l’aide du modèle de régression linéaire multiple puisque nos
variables sont continues. Le test F de Fisher permet alors d’évaluer l’hypothèse H0 selon
laquelle le modèle global est adéquat pour expliquer la variance de notre variable
dépendante. Par la suite les tests T sont effectués sur les coefficients de régression partiels
afin d’évaluer le pouvoir explicatif de chaque variable indépendante dans le modèle.
L’observation des coefficients de régression partiels standardisés beta permettent
finalement de mesurer l’intensité et le sens de la contribution au modèle de chaque variable
73
indépendante au-delà des effets d’échelle. Par ailleurs, le seuil de significativité
habituellement admis pour les tests F et T est de 5%. Nous utilisons ce seuil pour nos tests.
Une méthode de régression « pas à pas » est privilégiée afin de minimiser les problèmes de
multicolinéarité que l’on pourrait rencontrer avec une méthode de type « entrée ». Aussi la
méthode pas à pas « ascendante » (forward) est choisie car celle-ci est la procédure la plus
économique en nombre d’itérations. Cette méthode aboutit alors au modèle le plus
performant en recherchant par étape la variable explicative avec la corrélation partielle la
plus forte, puis la seconde la plus forte, etc. Le modèle est stable lorsqu’aucune variable
explicative significative ne peut être ajoutée au modèle (d'Astous, 2008; Hair et al., 1998).
5.3.2 Tests de colinéarité
Il est par ailleurs nécessaire de remplir une condition afin de s’assurer que le modèle de
régression peut être appliqué à nos variables : les variables indépendantes ne doivent pas
présenter de problèmes de multicolinéarité
Il y a multicolinéarité lorsque plusieurs variables explicatives sont très corrélées entre elles.
La multicolinéarité pose problème dans les analyses de régression linéaire car l’estimation
des paramètres peut perdre en précision, c’est-à-dire augmenter les écarts-types des
estimés. Pour détecter les problèmes de multicolinéarité, plusieurs outils peuvent être
utilisés. Les tests usuellement utilisés sont la tolérance et le VIF (Variance inflation
factors). La tolérance correspond au pourcentage de variance d’une variable non expliquée
par les autres variables. Le VIF est quant à lui égal à l’inverse de la tolérance. Des valeurs
de la tolérance et du VIF proches de 1 attestent de l’absence de colinéarité entre les
74
variables du modèle tandis qu’une tolérance proche de 0 et un VIF supérieur à 3 indiquent
de grands problèmes de multicolinéarité (d'Astous, 2008; Hair et al., 1998; Larocque,
2008). Les valeurs de la tolérance et du VIF sont présentés dans les tableaux de résultats
des régressions successives (tableaux 5-6, 5-7 et 5-8). Ces tests montrent que ces deux
indicateurs sont proches de 1 pour l’ensemble des prédicteurs. Nous pouvons donc conclure
qu’il n’existe pas de problème de multicolinéarité pour nos variables. Nous pouvons
effectuer les analyses de régression.
Les prochaines sections présentent les résultats des 4 conditions pour chacune des 3
variables dépendantes de notre modèle théorique, soit le ratio attribut, le ratio temps et le
nombre de site web visités.
5.3.3 Tests du modèle explicatif de la variable « ratio attribut »
Condition 1
Dans cette première étape, il s’agit de régresser la variable médiatrice (congruence tâche-
technologie) sur les variables indépendantes (complexité, risque, connaissance, expérience
avec Internet, utilité d’Internet). Il est par ailleurs nécessaire d’ajouter les termes
d’interaction afin de pouvoir tester les hypothèses portant sur les relations de modération
des variables individuelles sur les variables tâche et technologie. Enfin, afin de contrôler les
effets des variables socio-démographiques, celles-ci sont également introduites dans le
modèle de régression. Les variables suivantes sont incluses dans le modèle :
75
o Les effets principaux :
- complexité, risque, connaissance, expérience Internet, utilité
o Les interactions :
- connaissance x complexité, connaissance x risque, connaissance x utilité,
- expérience Internet x complexité, expérience Internet x risque, expérience
Internet x utilité,
o Les variables contrôlées socio-démographiques
- sexe, âge, éducation, occupation, revenu
Le modèle retenu comprend 3 variables explicatives de la congruence tâche-technologie :
l’utilité perçue d’Internet, la complexité perçue de la tâche et le risque perçu du service
financier. Le modèle (F = 42,796; p = 0,000) possède un pouvoir explicatif de 36,6%
(valeur du R2 ajusté). L’utilité d’Internet possède la plus forte contribution (beta = 0,407; p
= 0,000), suivie de la complexité (beta = -0,280; p = 0,000) et du risque (beta = -0,207; p =
0,001).
Ce premier test permet alors de valider les hypothèses H2 (la complexité influe
négativement sur la congruence tâche-technologie), H3 (le risque influe négativement sur la
congruence tâche-technologie) et H4 (l’utilité d’Internet influe positivement sur la
congruence tâche-technologie).
Les hypothèses H5a et H6a sont au contraire rejetées : les variables individuelles
connaissance subjective et expérience avec Internet n’expliquent pas de manière
significative la variance de la congruence perçue tâche-technologie. De même toutes les
relations d’interactions sont non significatives au niveau 5% : les hypothèses H5b, H5c,
H5d, H6b, H6c, H6d sont rejetées. Ces résultats sont par ailleurs d’autant plus fiables que
76
les variables socio-démographiques ont été contrôlées et aucune d’entre elles (sexe, âge,
profession, éducation, revenu) n’est significative.
Condition 2
La condition 2 nécessite le test de l’effet des variables indépendantes sur la variable
dépendante « ratio attribut ». Les variables complexité, risque et utilité étant les seules
variables significatives à l’étape précédente, seules ces variables sont entrées dans le
modèle. Le modèle retenu (F = 9,793; p = 0,000) comporte deux variables, l’utilité (beta =
0,227; p = 0,001) et le risque (beta = - 0,164; p = 0,013) pour un pouvoir explicatif de 7,5%
(valeur du R2 ajusté). La variable complexité n’est par contre pas significative au niveau
5%.
Condition 3
Dans cette 3ème étape, la variable dépendante (ratio attribut) est régressée sur les variables
indépendantes (utilité et risque) et la variable médiatrice (congruence tâche-technologie).
La variable complexité n’est pas intégrée dans le modèle puisque celle-ci n’était pas
significative à l’étape précédente. Le test de régression aboutit à un modèle (F = 18,406; p
= 0,000) comportant la variable congruence tâche-technologie (beta = 0,280; p = 0,000).
Condition 4
Lorsque les 3 conditions précédentes sont respectées, la condition 4 évalue la différence de
contribution des variables indépendantes significatives entre les modèles de la condition 2
et la condition 3. Les 3 conditions sont respectées : les variables utilité et risque ont un effet
significatif sur la variable médiatrice de congruence tâche-technologie et sur la variable
77
dépendante ratio attribut, et la variable médiatrice a un effet significatif sur la variable
dépendante lorsque les variables indépendantes sont contrôlées. Or les effets du risque et de
l’utilité ne sont plus significatifs dans la 3ème régression. Nous pouvons donc conclure que
les hypothèses H8a et H9a sont validées : la congruence tâche-technologie est un médiateur
parfait de la relation entre le risque et la variable ratio attribut d’une part et entre l’utilité et
la variable ratio attribut d’autre part.
Au contraire, la variable complexité est significative dans la condition 1 mais non
significative dans la condition 2. La congruence tâche-technologie n’est donc pas un
médiateur de la relation entre la complexité et le ratio attribut : l’hypothèse H7a est rejetée.
Enfin les variables connaissance et expérience avec Internet n’étant pas significatives dès la
condition 1, la congruence tâche-technologie n’est également pas un médiateur de la
relation entre ces variables et le ratio attribut : les hypothèses H10a et H11a sont rejetées.
L’ensemble des résultats est présenté dans le tableau 5-6.
78
Tableau 5-6 : Résultats des régressions pour le modèle explicatif du « ratio attribut »
Condition Variable dépendante
Variables indépendantes
Beta standardisé P-value Tolérance VIF F P-value R2 ajusté
Condition 1 MEAN_1TTF complex -0,280 0,000 0,979 1,021 42,796 0,000 36,6% risque -0,207 0,001 0,840 1,190 utilité 0,407 0,000 0,854 1,171 connais 0,068 0,229 0,906 1,103 experience Internet -0,043 0,438 0,959 1,043 iconnais_complex 0,120 0,130 0,461 2,168 iconnais_risque 0,060 0,391 0,603 1,658 iconnais_utilité 0,058 0,375 0,697 1,435 iexpnet_complex -0,098 0,197 0,506 1,976 iexpnet_risque -0,028 0,653 0,750 1,332 iexpnet_utilité -0,065 0,282 0,802 1,247 sexe 0,033 0,559 0,941 1,062 âge 0,016 0,768 0,942 1,061 revenu -0,001 0,991 0,945 1,059 educ2 -0,017 0,760 0,970 1,031 educ3 -0,049 0,370 0,978 1,022 educ4 0,091 0,092 0,994 1,006 educ5 0,013 0,816 0,964 1,037 educ6 -0,082 0,129 0,999 1,001 sitpro2 -0,103 0,056 0,999 1,001 sitpro3 0,023 0,678 0,996 1,004 sitpro4 0,011 0,842 1,000 1,000 sitpro5 -0,014 0,795 0,978 1,022 sitpro6 0,047 0,393 0,976 1,024
Condition 2 RATIO utilité 0,227 0,001 0,995 1,005 9,793 0,000 7,5% ATTRIBUT complex -0,068 0,341 0,840 1,190
79
risque -0,164 0,013 0,995 1,005 Condition 3 RATIO utilité 0,138 0,061 0,787 1,270 18,406 0,000 7,4%
ATTRIBUT risque -0,096 0,170 0,883 1,132 MEAN_1TTF 0,280 0,000 1,000 1,000
Condition 4 RATIO MEAN_1TTF médiateur parfait du risque ATTRIBUT médiateur parfait de l’utilité
80
5.3.4 Test du modèle explicatif de la variable « ratio temps »
Condition 1
Les résultats de cette première régression sont identiques à celles du modèle précédent
puisque les variables testées sont les mêmes. Les variables significatives sont donc la
complexité, le risque et l’utilité et seront celles intégrées dans la régression de la deuxième
étape.
Condition 2
Il s’agit à cette étape de régresser la variable dépendante « ratio temps » sur les 3 variables
indépendantes complexité, risque et utilité. Le modèle (F = 9,035; p = 0,003) comporte une
seule variable explicative, l’utilité d’Internet (beta = 0,200; p = 0,003) pour un pouvoir
explicatif du modèle de 3,6% (valeur du R2 ajusté). Les variables complexité et risque ne
sont pas significatives au niveau 5%.
Condition 3
Nous régressons ici la variable dépendante « ratio temps » sur la variable indépendante
utilité et sur la variable médiatrice congruence tâche-technologie. L’analyse aboutit à un
modèle (F = 10,753; p = 0,001) comportant une seule variable, la variable médiatrice, qui a
une influence significative positive sur la variable dépendante (beta = 0,218; p = 0,001)
pour un pouvoir explicatif du modèle de 4,3% (valeur du R2 ajusté). L’hypothèse H1b est
donc validée, la congruence tâche-technologie a une influence positive sur la ratio temps.
81
Condition 4
D’après les résultats des 3 précédentes conditions, nous pouvons conclure que la
congruence tâche-technologie est un médiateur parfait de la relation entre l’utilité perçue
d’Internet et la variable « ratio temps ». En effet la variable utilité n’est pas significative
dans l’étape 3 alors qu’elle l’était à l’étape 2. L’hypothèse H9b est vérifiée.
Par ailleurs, les variables connaissance et expérience avec Internet n’étant pas validées dès
la condition 1 et les variables complexité et risque n’étant pas validées dès la condition 2, la
congruence tâche-technologie n’est pas un médiateur de la relation entre ces variables et le
ratio temps : les hypothèses H7b, H8b, H10b et H11b sont rejetées.
L’ensemble des résultats des régressions est présenté dans le tableau 5-7.
5.3.5 Test du modèle explicatif de la variable « nombre de sites web visités »
Condition 1
Les résultats restent identiques à ceux du modèle 1 : les variables explicatrices
significatives de la congruence tâche-technologie sont la complexité, le risque et l’utilité.
Condition 2
Nous régressons à cette étape la variable « nombre de sites web visités » sur les 3 variables
précédemment citées. Le modèle retenu (F = 0,9015; p = 0,003) comporte une variable
significative, le risque perçu (beta = 0,200; p = 0,003) pour un pouvoir explicatif du modèle
82
de 3,6% (valeur du R2 ajusté). Les variables complexité et utilité ne sont pas significatives
au seuil de 5%.
Condition 3
Il s’agit de régresser ici la variable dépendante sur la variable indépendante risque et la
variable médiatrice congruence tâche-technologie. Le modèle retenu (F = 0,9015; p =
0,003) comporte une variable significative, le risque perçu (beta = 0,200; p = 0,003) pour
un pouvoir explicatif du modèle de 3,6% (valeur du R2 ajusté). La variable médiatrice n’est
par contre pas significative au seuil de 5%. La condition 3 n’étant pas remplie, il est inutile
d’évaluer la condition 4. Nous pouvons alors conclure que la congruence tâche-technologie
n’est pas un médiateur de la relation entre le risque perçu et le nombre de site web visités.
D’après ces résultats, l’ensemble des hypothèses impliquant la variable « nombre de sites
web visités » ne sont pas validées, soit les hypothèses H1c, H7c, H8c, H9c, H10c, H11c.
L’ensemble des résultats des régressions est présenté dans le tableau 5-8.
83
Tableau 5-7 : Résultats des régressions pour le modèle explicatif du « ratio temps »
Condition Variables dépendantes
Variables indépendantes
Beta standardisé P-value Tolérance VIF F P-value R2 ajusté
Condition 1 Voir tableau 5-6 Condition 2 RATIO TEMPS utilité 0,200 0,003 1,000 1,000 9,035 0,003 3,6%
complex -0,104 0,273 0,979 1,021 risque -0,074 0,121 0,995 1,005
Condition 3 RATIO TEMPS utilité 0,127 0,090 0,787 1,270 10,743 0,001 4,3% MEAN_1TTF 0,218 0,001 1,000 1,000
Condition 4 RATIO TEMPS MEAN_1TTF médiateur parfait de l’utilité
Tableau 5-8 : Résultats des régressions pour le modèle explicatif du « nombre de sites web visités »
Condition Variables dépendantes
Variables indépendantes
Beta standardisé P-value Tolérance VIF F P-value R2 ajusté
Condition 1 Voir tableau 5-6 Condition 2 NOMBRE utilité 0,058 0,387 0,995 1,005 9,015 0,003 3,6%
DE SITES complex 0,049 0,496 0,854 1,171 risque 0,200 0,003 1,000 1,000
Condition 3 NOMBRE risque 0,200 0,003 1,000 1,000 DE SITES MEAN_1TTF -0,010 0,891 0,883 1,132
Condition 4 NOMBRE DE SITES
risque effet direct du risque sur le nombre de sites web visités
84
Une synthèse des analyses de régressions successives sont présentées dans le tableau ci-
dessous 5-9. La section suivante résume l’ensemble des résultats sur les hypothèses
(tableau. 5-10)
Tableau 5-9 : Synthèse des analyses de régression
Variables incluses dans les modèles
Variables indépendantes
Variable médiatrice
Variables dépendantes
Variables significatives
X Z Y p < 0,05 MODÈLE 1
Condition 1
complexité, risque, connaissance, utilité, expérience Internet, 6 interactions, 5 variables socio-démographiques
congruence tâche-technologie
utilité (+), complexité (-), risque (-)
Condition 2 utilité, complexité, risque ratio attribut utilité(+), risque(-)
Condition 3 utilité, risque congruence tâche-technologie ratio attribut congruence tâche-
technologie (+)
Condition 4 médiation parfaite
MODÈLE 2 Condition 1 idem modèle 1 idem modèle 1 idem modèle 1 idem modèle 1
Condition 2 utilité, complexité, risque ratio temps utilité (+)
Condition 3 utilité congruence tâche-technologie ratio temps congruence tâche-
technologie (+)
Condition 4 médiation parfaite
MODÈLE 3 Condition 1 idem modèle 1 idem modèle 1 idem modèle 1 idem modèle 1
Condition 2 utilité, complexité, risque nombre de sites web risque (+)
Condition 3 risque congruence tâche-technologie nombre de sites web risque (+)
Condition 4 pas de médiation
85
5.4 Validation des hypothèses de recherche et interprétation des résultats
Sur la base de la méthode des régressions successives proposée par Baron et Kenny (1986),
nous pouvons présenter les résultats suivants pour nos hypothèses de recherche :
Tableau 5-10 : Synthèse des résultats d’hypothèses
Hypothèses Énoncés Résultat
H1a Plus le niveau de congruence tâche-technologie perçu est élevé, plus le ratio nombre d’attributs produit recherchés sur Internet / nombre total d’attributs produit recherchés est élevé
vérifiée
H1b Plus le niveau de congruence tâche-technologie perçu est élevé, plus le ratio temps de recherche sur Internet / temps de recherche total est élevé.
vérifiée
H1c Plus le niveau de congruence tâche-technologie perçu est élevé, plus le nombre de sites web visités est élevé
rejetée
H2 Plus la complexité perçue de la tâche est élevée, plus le niveau de congruence tâche-technologie perçu est faible.
vérifiée
H3 Plus le risque perçu du service financier est élevé, plus le niveau de congruence tâche-technologie perçu est faible.
vérifiée
H4 Plus l’utilité perçue d’Internet est élevée, plus le niveau de congruence tâche-technologie perçu est élevé
vérifiée
H5a Plus la connaissance subjective est élevée, plus le niveau de congruence tâche-technologie perçu est élevé
rejetée
H5b L’influence négative de la complexité perçue sur le niveau de congruence tâche-technologie perçu est plus faible lorsque le niveau de connaissance subjective est élevé
rejetée
H5c L’influence négative du risque perçu du produit sur le niveau de congruence tâche-technologie perçu est plus faible lorsque le niveau de connaissance subjective est élevé
rejetée
H5d L’influence positive de l’utilité perçue d’Internet sur le niveau de congruence tâche-technologie perçu est plus élevée lorsque le niveau de connaissance subjective est élevé.
rejetée
H6a Plus l’expérience avec Internet est élevée, plus le niveau de congruence tâche-technologie perçu est élevé.
rejetée
H6b L’influence négative de la complexité perçue sur le niveau global de congruence tâche-technologie est plus faible lorsque le niveau d’expérience avec Internet est élevé que lorsqu’il est faible.
rejetée
H6c L’influence négative du risque perçu du produit sur le niveau global de congruence tâche-technologie est plus faible lorsque le niveau d’expérience avec Internet est élevé que lorsqu’il est faible.
rejetée
86
Hypothèses Énoncés Résultat
H6d
L’influence positive de la motivation utilitaire d’utilisation d’Internet sur le niveau global de congruence tâche-technologie est plus élevée lorsque le niveau d’expérience avec Internet est élevé que lorsqu’il est faible.
rejetée
H7a la congruence tâche-technologie est un médiateur de la relation entre la complexité perçue et le ratio nombre d’attributs produit recherchés sur Internet / nombre total d’attributs recherchés
rejetée
H7b la congruence tâche-technologie est un médiateur de la relation entre la complexité perçue et le ratio temps de recherche sur Internet / temps de recherche total
rejetée
H7c la congruence tâche-technologie est un médiateur de la relation entre la complexité perçue et le nombre de sites web visités
rejetée
H8a la congruence tâche-technologie est un médiateur de la relation entre le risque perçu et le ratio nombre d’attributs produit recherchés sur Internet / nombre total d’attributs recherchés
vérifiée
H8b la congruence tâche-technologie est un médiateur de la relation entre le risque perçu et le ratio temps de recherche sur Internet / temps de recherche total
rejetée
H8c la congruence tâche-technologie est un médiateur de la relation entre le risque perçu et le nombre de sites web visités
rejetée
H9a la congruence tâche-technologie est un médiateur de la relation entre l'utilité perçue d'Internet et le ratio nombre d’attributs produit recherchés sur Internet / nombre total d’attributs recherchés
vérifiée
H9b la congruence tâche-technologie est un médiateur de la relation entre l'utilité perçue d'Internet et le ratio temps de recherche sur Internet / temps de recherche total
vérifiée
H9c la congruence tâche-technologie est un médiateur de la relation entre l'utilité perçue d'Internet et le nombre de sites web visités.
rejetée
H10a la congruence tâche-technologie est un médiateur de la relation entre la connaissance subjective et le ratio nombre d’attributs produit recherchés sur Internet / nombre total d’attributs recherchés
rejetée
H10b la congruence tâche-technologie est un médiateur de la relation entre la connaissance subjective et le ratio temps de recherche sur Internet / temps de recherche total
rejetée
H10c la congruence tâche-technologie est un médiateur de la relation entre la connaissance subjective et le nombre de sites web visités.
rejetée
H11a la congruence tâche-technologie est un médiateur de la relation entre l'expérience avec Internet et le ratio nombre d’attributs produit recherchés sur Internet / nombre total d’attributs recherchés
rejetée
H11b la congruence tâche-technologie est un médiateur de la relation entre l'expérience avec Internet et le ratio temps de recherche sur Internet / temps de recherche total
rejetée
H11c la congruence tâche-technologie est un médiateur de la relation entre l'expérience avec Internet et le nombre de sites web visités.
rejetée
87
Chapitre 6 – CONCLUSION
6.1 Synthèse des résultats de l’étude
L’objectif de cette recherche était de déterminer les facteurs explicatifs du degré
d’utilisation d’Internet comme source d’information pour les services financiers. Pour
répondre à cet objectif, l’adaptation du modèle de congruence tâche-technologie de
Goodhue (1998) permet de tester nos hypothèses portant sur plusieurs variables provenant
de la littérature sur le comportement de recherche d’information. Plus précisément, il
s’agissait d’évaluer le rôle médiateur de la congruence tâche-technologie entre la
complexité perçue de la tâche de recherche d’information pour les services financiers, le
risque perçu des services financiers, la connaissance subjective, l’expérience avec Internet,
l’utilité perçue d’Internet et trois variables de mesure du degré de recherche d’information
sur Internet : le nombre relatif d’attributs recherchés sur Internet, le temps relatif passé à la
recherche sur Internet et enfin le nombre de sites web visités.
Cette étude a permis de mettre en avant un certain nombre de résultats que nous discutons à
présent.
88
6.1.1 Proportion d’attributs recherchés sur Internet pour les services
financiers
En ce qui concerne l’explication de la proportion d’attributs recherchés sur Internet pour les
services financiers en comparaison au nombre total d’attributs recherchés toutes sources
confondues, la congruence tâche-technologie s’est révélée être un médiateur parfait de la
relation avec l’utilité perçue d’Internet et de celle avec le risque perçu du service financier.
Ces résultats indiquent que l’application du modèle de Goodhue (1998) au contexte de
recherche d’information sur les services financiers est pertinente. Lorsqu’il y a une forte
perception de congruence entre la tâche et la technologie, l’individu cherche davantage
d’attributs sur Internet que sur des sources d’information classiques.
Par ailleurs, l’utilité perçue d’Internet est le plus fort prédicteur de la congruence tâche-
technologie suivi du risque perçu du service financier. En effet la croyance qu’Internet est
une technologie utile en général, influence fortement la perception qu’Internet est une
source d’information appropriée pour la recherche d’information sur les services financiers.
L’importance de cette variable dans nos résultats soutient le modèle d’acceptation
technologique de Davis (1986) qui postule que l’utilité perçue de la technologie est une
variable explicative clé dans l’adoption d’une technologie.
Au contraire, lorsque les individus perçoivent que le service financier pour lequel ils
magasinent est risqué, Internet est perçu comme étant une source d’information moins
adéquate. En accord avec Cunningham (1967), les individus ont bien une perception
différenciée des services en termes de risque. Cependant nos résultats vont à l’encontre des
recherches indiquant une relation positive entre le niveau de risque perçu et la quantité
89
d’information recherchée (Guetzkow, 1959; Schroder et al., 1967). Nos analyses montrent
en effet une relation négative entre le risque et la proportion d’attributs recherchés sur
Internet. Il convient cependant de nuancer cette interprétation. Nos résultats ne sont en effet
pas forcément contradictoires avec la théorie soutenant la recherche d’information comme
stratégie de diminution de risque (Howcroft, Hamilton & Hewer, 2007; Rao & Farley,
1987). Il est possible que l’individu recherche un grand nombre d’attributs au global afin de
diminuer le risque mais que peu d’entre eux sont recherchés sur Internet parce que la
perception de congruence tâche-technologie est faible. La force du modèle de Goodhue
(1998) est démontrée dans cette étude. La médiation parfaite de la congruence tâche-
technologie indique que l’influence du risque perçu sur le nombre d’attribut recherché n’est
pas directe. L’effet du risque sur le degré de recherche est médié par la perception de la
congruence entre la tâche et la technologie Internet.
Si l’on s’intéresse à la complexité perçue de la tâche de recherche d’information sur les
services financiers, cette variable, bien que non explicative du nombre relatif d’attributs
recherchés sur Internet, influe négativement sur le niveau de congruence perçu. Cependant
pour ce qui est du nombre relatif d’attributs recherchés sur Internet, il est possible de
constater que les individus sont moins soucieux de la complexité associée à la tâche que du
risque lié au service en question. Ceci est en accord avec Guetzkow (1959) et Schroder,
Driver et Steufert (1967) qui trouvaient un rôle significatif du risque perçu quel que soit le
niveau de complexité de l’environnement.
90
6.1.2 Proportion de temps de recherche sur Internet pour les services
financiers
Pour ce qui est de l’explication du temps passé à la recherche sur Internet par rapport au
temps de recherche global, la congruence tâche-technologie est un médiateur parfait de la
relation entre l’utilité perçue d’Internet et le temps relatif passé à la recherche sur Internet.
Le temps passé sur Internet plutôt que sur d’autres sources d’information est donc
directement lié à la perception de congruence entre la tâche et la technologie Internet et
indirectement lié à l’utilité perçue d’Internet. En effet bien que le risque et la complexité de
la tâche soit des prédicteurs de la congruence tâche-technologie, ceux-ci n’ont pas de
pouvoir explicatif sur le temps relatif de recherche sur Internet. Il semble que les
caractéristiques de la tâche aient moins d’importance que les caractéristiques de la
technologie dans ce modèle. Ce modèle confirme finalement l’importance de l’utilité
perçue de Davis (1986) mais surtout du rôle clé de la congruence tâche-technologie en tant
que médiateur parfait.
6.1.3 Nombre de site web visités
Le modèle de congruence tâche-technologie semble ne pas être adapté pour l’explication du
nombre de site web visités pour s’informer sur les services financiers. Seul le risque perçu
s’avère être significatif : plus les individus perçoivent le service financier comme risqué,
plus ceux-ci consultent de sites Internet durant leur recherche en ligne. Ce modèle semble
cette fois être en accord avec la théorie postulant la recherche d’information comme
stratégie de diminution de risque (Howcroft, Hamilton, & Hewer, 2007; Rao & Farley,
91
1987). Ceci pourrait s’expliquer par le fait que plus le risque perçu est grand, plus les
individus ont le besoin de s’informer auprès d’institutions financières différentes, pour
pouvoir comparer, et ce besoin existe indépendamment du fait que l’individu soit à l’aise
avec Internet pour s’informer sur les services financiers.
Il est également intéressant de se pencher sur les résultats non significatifs. Pour l’ensemble
des modèles testés, la connaissance subjective, l’expérience avec Internet et les variables
socio-démographiques n’ont pas d’influence significative sur la congruence tâche-
technologie lorsque les modèles incluent l’utilité d’Internet, le risque et la complexité des
services financiers.
Dans le cadre du magasinage pour les services financiers complexes, les différences
individuelles ont peu d’influence relativement aux caractéristiques perçues de la tâche et de
la technologie. Ceci peut s’expliquer par la nature du produit : les services financiers sont
achetés peu fréquemment (Vroomen et al., 2005). De fait, la connaissance pouvant être
acquise par une expérience d’achat antérieure peut être oubliée. Il est utile d’ajouter à cette
notion que le niveau d’implication est généralement faible pour les services financiers
(Howcroft et al., 2007), d’où un probable manque de motivation dans l’acquisition de
connaissance à ce sujet. Pour ce qui a trait à l’expérience avec Internet, et à l’encontre de la
littérature (Frambach, Roest, & Krishnan, 2007; Klein & Ford, 2003; Mafé & Blas, 2006),
il semblerait que l’utilisation d’Internet en générale même de façon très fréquente ne
prédise pas de son utilisation systématique pour s’informer sur les services financiers. Il est
nécessaire que l’individu y voie une congruence entre Internet et son utilisation pour une
92
tâche aussi spécifique que rechercher des informations sur les services financiers
complexes. Internet est en effet utilisé pour des activités très diverses et l’expérience avec
la technologie est donc un indicateur moins pertinent que l’utilité perçue d’Internet par
exemple. Enfin l’ensemble des variables socio-démographiques sexe, âge, éducation,
profession et revenu ne sont également pas significatives dans aucun des modèles.
6.2 Contributions théoriques
Approfondissant le champ de recherche sur le comportement de recherche d’information en
ligne, cette recherche contribue également à la littérature portant sur les services et les
services financiers en particulier.
Cette étude a permis de mettre en avant le rôle médiateur de la congruence tâche-
technologie pour expliquer le degré d’utilisation d’Internet pour s’informer sur les services
financiers, mesuré en proportion d’attributs recherchés et en proportion de temps passé sur
Internet. Par ailleurs le rôle majeur de l’utilité perçue, identifiée dans le modèle
d’acceptation technologique de Davis (1986) confirme empiriquement la force du concept.
Enfin la non-signification des variables habituellement explicatives dans la littérature en
comportement de recherche d’information démontre la nécessité d’approfondir les
recherches en ce qui concerne les services et l’Internet.
93
6.3 Implications managériales
Cette recherche permet de fournir certaines implications vis-à-vis des institutions
financières gérant la communication de leurs services financiers à travers leurs sites web.
Les résultats montrent que la congruence perçue entre la tâche de recherche d’information
sur les services financiers et la technologie Internet est un prédicteur important du degré de
recherche en ligne. Peu importent les différences individuelles en termes de connaissance
ou d’expérience avec Internet, si l’individu perçoit l’utilité d’Internet pour rechercher des
informations sur le service financier magasiné, celui-ci favorisera Internet comme source
d’information et ce, même s’il perçoit le service comme étant risqué. L’important étant que
l’utilité perçue d’Internet surpasse le risque associé au service financier.
Il convient donc que les institutions financières communiquent sur la source Internet dans
son utilité spécifique en rapport avec la recherche d’information sur les services financiers.
Il est en effet nécessaire de revaloriser le site web dans sa valeur informative. Cette
revalorisation s’avère indispensable dans la mesure où le web dans un contexte de services
financiers est surtout associé à un aspect transactionnel de « online banking ». Il semble
donc utile pour les institutions de communiquer sur la valeur ajoutée d’Internet en tant que
source d’information même sur les services les plus complexes, services à la plus forte
valeur ajoutée. Par exemple, des outils spécifiques à Internet peuvent être mis en place afin
d’aider l’individu dans sa tâche. Finalement, le travail sur la fonction primaire du site web
financier est d’autant plus critique que les implications en termes d’image de marque, de
recrutement et de fidélisation sont cruciales.
94
6.4 Limites de l’étude et voies de recherche
La principale limite de l’étude provient de la redéfinition de l’échelle de mesure de la
congruence tâche-technologie telle que développée par Goodhue (1998). Bien que l’échelle
retenue soit cohérente au niveau interne, un très grand nombre d’items et de dimensions ont
été supprimés de l’analyse finale. Le concept mesuré dans cette étude n’a donc pas la même
signification que dans l’étude originale. Il conviendrait donc d’effectuer une nouvelle étude
afin de tester la validité de l’échelle appliquée au contexte de recherche d’information sur
Internet pour les services financiers.
Une deuxième limite concerne les critères de recrutement des répondants. La cible de
l’étude était des personnes ayant acquis un prêt hypothécaire ou une carte de crédit au cours
des 18 mois précédant l’étude afin de s’assurer d’avoir suffisamment de répondants. Les
échelles de mesure demandant de se rappeler de comportements pouvant survenir jusque 18
mois plus tôt, des problèmes liés à la mémoire sont indéniablement à considérer.
Cette étude permet d’expliquer le degré d’utilisation d’Internet en comparaison avec la
recherche au global. Il serait intéressant de tenir compte non seulement de la mesure
relative mais également de la mesure absolue. Une distinction pourrait par exemple être
effectuée parmi les individus ayant un très grand degré relatif d’utilisation d’Internet pour
s’informer sur les services financiers en différenciant les grands utilisateurs absolus des
petits (en termes d’heures passées sur Internet par exemple).
95
Par ailleurs cette étude portait sur deux services financiers spécifiques, les prêts
hypothécaires et les cartes de crédit. Il serait intéressant de tester la différence de perception
en termes de complexité et de risque et de tester les influences sur les comportements de
recherche. Le modèle postule des effets provenant du risque et de la complexité subjectives.
Le test d’un modèle incluant également la mesure du risque et de la complexité objective
serait d’intérêt. Dans cet objectif, la mise en place d’une expérimentation pourrait être
pertinente.
96
ANNEXE I – Énoncés des échelles de mesures (version prêt hypothécaire)
Note : La mention (R) indique une inversion de codage pour les analyses Variables indépendantes : Complexité perçue de la tâche Échelle de 1 = fortement en désaccord ; 4 = ni en accord, ni en désaccord; 7 = fortement en accord
1. J'ai trouvé que c’était une tâche complexe 2. Cette tâche était intellectuellement prenante 3. Cette tâche a nécessité beaucoup de réflexion et de résolution de problèmes 4. J'ai trouvé que cette tâche constituait un défi
Risque perçu du service financier Échelle sémantique différentielle à 7 points
1. Cet achat ne me semblait pas du tout risqué / Cet achat me semblait extrêmement risqué
2. Je ne me sentais pas du tout concerné par cet achat / Je me sentais hautement concerné par cet achat
3. Cet achat ne me semblait pas du tout important / Cet achat me semblait très important
4. Je n'étais pas du tout inquiet par cet achat / J'étais très inquiet par cet achat Connaissance subjective Échelle de 1 = fortement en désaccord ; 4 = ni en accord, ni en désaccord; 7 = fortement en accord
1. Parmi mon cercle d’amis, je fais partie des “experts” en ce qui concerne les prêts hypothécaires
2. J’en connais beaucoup sur les prêts hypothécaires 3. Je ne me sens pas très connaisseur au sujet des prêts hypothécaires (R) 4. En comparaison avec d’autres personnes, je possède moins de connaissance sur les
prêts hypothécaires (R) 5. Lorsque l’on parle de prêts hypothécaires, je ne m’y connais vraiment pas beaucoup
(R) Utilité perçue d’Internet Échelle sémantique différentielle à 7 points
1. Inefficace / efficace 2. Inutile / utile 3. Non-fonctionnel / fonctionnel 4. Facultatif / nécessaire
97
5. Pas pratique / pratique Expérience avec Internet :
- Temps passé par semaine sur Internet (travail et loisir) 0-5h / 6-10h / 11-20h / 21-30h / 31-40h / 41-50h / 51h et plus
Variable médiatrice : Congruence tâche-technologie perçue Énoncés 1 : échelle de 1 = très insatisfaisant ; 4 = ni satisfaisant, ni insatisfaisant; 7 = très satisfaisant
Énoncés 2 et 3 : échelle de 1 = fortement en désaccord ; 4 = ni en accord, ni en désaccord; 7 = fortement en accord
Niveau de détail 1. Bon niveau de détail de l’information (ni trop, ni pas assez) 2. Internet offrait généralement une information suffisamment détaillée 3. En général, les sites web présentaient les informations à un niveau de détail
approprié à mes besoins Exactitude
1. Exactitude des informations 2. Sur Internet, les informations que j’utilisais étaient assez fiables pour répondre à
mes besoins 3. Sur Internet, il existait des erreurs dans les informations que je recherchais (R)
Compatibilité
1. Facilité d'agréger des informations provenant de sources différentes (en ligne et hors ligne) au sein d'une institution financière
2. Lorsqu’il était nécessaire d'agréger des informations provenant de deux sources ou plus pour une institution financière (en ligne et hors ligne), il pouvait y avoir des incohérences inattendues (R)
3. Il existait parfois des contradictions sur des informations provenant de deux sources différentes (en ligne et hors ligne) et censées être équivalentes (R)
Accessibilité
1. Facilité d’accéder sur Internet à l’information recherchée 2. Au moment où j’en avais besoin, je pouvais trouver l'information rapidement et
facilement sur Internet 3. Il était facile d’accéder aux informations dont j’avais besoin avec Internet
98
Compréhension 1. Facilité de comprendre sur Internet la signification d’une information spécifique 2. La définition exacte d'une information était facile à trouver sur Internet 3. Sur Internet, le sens exact d'une information était évident ou facile à trouver
Assistance en ligne
1. Facilité de trouver de l’aide en ligne 2. Je pouvais obtenir en ligne l’aide nécessaire afin de trouver et/ou comprendre une
information 3. Je trouvais facilement de l’aide sur Internet lorsque j’éprouvais des difficultés pour
trouver et/ou comprendre une information Fiabilité d’Internet
1. Fiabilité des sites web en termes d’accès et de bon fonctionnement 2. L’information était sujette à de fréquents problèmes techniques se produisant sur les
sites web 3. Je pouvais compter sur les sites web pour être fonctionnels et disponibles lorsque
j’en avais besoin pour ma recherche d’information Actualisation
1. Niveau de mise à jour/ d'actualisation de l'information 2. Sur Internet, je ne pouvais pas trouver d’information qui soit suffisamment à jour
pour répondre à mes besoins 3. Les informations présentes sur Internet étaient suffisamment mises à jour pour
satisfaire mes besoins d’information Présentation
1. Qualité de présentation des informations 2. Sur Internet, les informations dont j’avais besoin étaient généralement présentées de
manière lisible et compréhensible 3. Les informations étaient de manière générale présentées sur Internet sous un format
lisible et utile Comparaison
1. Facilité de comparaison des informations entre les institutions financières 2. En général, Internet permettait de comparer facilement les informations provenant
de plusieurs institutions financières 3. Il était généralement difficile de comparer deux institutions financières car
l’information était définie de manière différente sur les sites web
99
Variables dépendantes : Ratio attributs Information recherchées sur les prêts hypothécaires (oui/non) et information recherchées sur Internet :
1. Les taux d’intérêt 2. Les mises de fonds requises 3. Les durées d’emprunt 4. Le montant des versements (ex. : mensualités) 5. Les modalités de remboursement (ex. : flexibilité des versements) 6. Les frais bancaires 7. Les procédures de souscription 8. Autres. Précisez :
Ratio temps Par rapport à votre temps total de recherche d’information sur les prêts hypothécaires (toutes sources confondues), le temps consacré à la recherche par Internet représentait…
1. Entre 5% et 24% 2. Entre 25% et 49% 3. Entre 50% et 74% 4. Entre 75% et 100%
Nombre de sites web visités
100
ANNEXE II – Unidimensionnalité des échelles de mesure
Complexité perçue de la tâche :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Composante Total % de la variance % cumulés Total % de la variance % cumulés
1 3,329 83,237 83,237 3,329 83,237 83,237 2 ,258 6,453 89,691 3 ,220 5,496 95,186 4 ,193 4,814 100,000
Méthode d'extraction : Analyse en composantes principales.
Risque perçu :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Composante Total % de la variance % cumulés Total % de la variance % cumulés
1 2,348 58,701 58,701 2,348 58,701 58,701 2 ,980 24,509 83,210 3 ,433 10,815 94,024 4 ,239 5,976 100,000
Méthode d'extraction : Analyse en composantes principales.
Connaissance subjective :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 3,042 60,831 60,831 3,042 60,831 60,831
2 ,912 18,247 79,078
3 ,513 10,250 89,328
4 ,328 6,561 95,889
5 ,206 4,111 100,000
Méthode d'extraction : Analyse en composantes principales.
101
Utilité perçue d’Internet : Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 3,646 72,914 72,914 3,646 72,914 72,914
2 ,462 9,248 82,162
3 ,384 7,688 89,851
4 ,286 5,724 95,574
5 ,221 4,426 100,000
Méthode d'extraction : Analyse en composantes principales.
Niveau de détail :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 2,375 79,168 79,168 2,375 79,168 79,168
2 ,339 11,305 90,472
3 ,286 9,528 100,000
Méthode d'extraction : Analyse en composantes principales. Exactitude :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 1,886 62,865 62,865 1,886 62,865 62,865
2 ,684 22,783 85,649
3 ,431 14,351 100,000
Méthode d'extraction : Analyse en composantes principales.
102
Compatibilité :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 1,804 60,132 60,132 1,804 60,132 60,132
2 ,698 23,255 83,387
3 ,498 16,613 100,000
Méthode d'extraction : Analyse en composantes principales.
Accessibilité :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 2,350 78,338 78,338 2,350 78,338 78,338
2 ,397 13,234 91,572
3 ,253 8,428 100,000
Méthode d'extraction : Analyse en composantes principales.
Compréhension :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 2,394 79,815 79,815 2,394 79,815 79,815
2 ,334 11,142 90,957
3 ,271 9,043 100,000
Méthode d'extraction : Analyse en composantes principales.
103
Assistance en ligne :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 2,219 73,957 73,957 2,219 73,957 73,957
2 ,398 13,261 87,218
3 ,383 12,782 100,000
Méthode d'extraction : Analyse en composantes principales.
Fiabilité d’Internet :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 1,773 59,103 59,103 1,773 59,103 59,103
2 ,741 24,686 83,789
3 ,486 16,211 100,000
Méthode d'extraction : Analyse en composantes principales. Actualisation :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 2,098 69,937 69,937 2,098 69,937 69,937
2 ,651 21,692 91,629
3 ,251 8,371 100,000
Méthode d'extraction : Analyse en composantes principales.
104
Présentation :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 2,233 74,435 74,435 2,233 74,435 74,435
2 ,462 15,386 89,821
3 ,305 10,179 100,000
Méthode d'extraction : Analyse en composantes principales.
Comparaison :
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Compo
sante Total % de la variance % cumulés Total % de la variance % cumulés
1 1,953 65,101 65,101 1,953 65,101 65,101
2 ,653 21,763 86,864
3 ,394 13,136 100,000
Méthode d'extraction : Analyse en composantes principales.
105
ANNEXE III – Analyse factorielle, rotation varimax, 10 composantes
Variance totale expliquée
Valeurs propres initiales
Extraction Somme des carrés des facteurs retenus
Somme des carrés des facteurs retenus pour la rotation
Compos
ante Total % de la
variance % cumulés Total % de la
variance % cumulés Total % de la
variance % cumulés
1 14,785 49,282 49,282 14,785 49,282 49,282 4,833 16,110 16,110 2 1,616 5,388 54,670 1,616 5,388 54,670 3,681 12,271 28,381 3 1,553 5,177 59,848 1,553 5,177 59,848 3,266 10,886 39,267 4 1,163 3,878 63,725 1,163 3,878 63,725 2,640 8,801 48,067 5 1,104 3,680 67,405 1,104 3,680 67,405 2,191 7,304 55,371 6 ,932 3,106 70,511 ,932 3,106 70,511 1,902 6,340 61,711 7 ,916 3,052 73,564 ,916 3,052 73,564 1,586 5,285 66,996 8 ,805 2,683 76,246 ,805 2,683 76,246 1,561 5,202 72,198 9 ,707 2,358 78,604 ,707 2,358 78,604 1,286 4,287 76,485
10 ,585 1,951 80,555 ,585 1,951 80,555 1,221 4,071 80,555 11 ,532 1,775 82,330 12 ,508 1,695 84,025 13 ,432 1,439 85,464 14 ,425 1,418 86,882 15 ,417 1,390 88,272 16 ,358 1,192 89,464 17 ,325 1,085 90,549 18 ,308 1,026 91,575 19 ,298 ,995 92,570 20 ,287 ,957 93,528 21 ,265 ,882 94,410
106
22 ,249 ,828 95,238 23 ,233 ,775 96,013 24 ,228 ,761 96,775 25 ,207 ,691 97,466 26 ,187 ,625 98,091 27 ,174 ,579 98,670 28 ,157 ,523 99,193 29 ,130 ,433 99,626 30 ,112 ,374 100,000
Méthode d’extraction: Analyse en composantes principales
Matrice des composantes après rotationa
Composante
1 2 3 4 5 6 7 8 9 10
Ttf83 ,796 Ttf73 ,731 Ttf81 ,696 ,349 Ttf93 ,683 ,313 ,307 Ttf43 ,661 ,308 Ttf71 ,622 ,335 ,417 Ttf91 ,591 ,401 ,358 Ttf41 ,563 ,352 ,414 ttf22 ,831 ttf12 ,379 ,742
107
ttf11 ,587 ,388 ttf13 ,439 ,517 ,312 ,350 ttf21 ,412 ,431 ,332 ,362 ,321 Ttf62 ,775 ,300 Ttf61 ,773 Ttf63 ,311 ,725 Ttf53 ,450 ,323 ,490 Ttf52 ,382 ,311 ,458 ,311 Ttf51 ,366 ,311 ,433 ,384 ttf23R ,779 ,329 ttf33R ,692 Ttf92 ,473 ,403 ,531 ttf31 ,672 ttf101 ,554 ,317 ,445 ttf102 ,834 Ttf42 ,447 ,336 ,647 ttf103R ,900 Ttf82R ,854 Ttf72R ,857 ttf32R ,908
Méthode d'extraction : Analyse en composantes principales. Méthode de rotation : Varimax avec normalisation de Kaiser.
a. La rotation a convergé en 28 itérations.
108
ANNEXE IV – Analyse factorielle, rotation oblimin, 10 composantes
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus Somme des carrés des facteurs retenus pour la rotation Composante Total % de la variance % cumulés Total % de la variance % cumulés Total % de la variance % cumulés
1 14,878 49,593 49,593 14,878 49,593 49,593 5,679 18,931 18,931 2 1,668 5,560 55,153 1,668 5,560 55,153 3,462 11,539 30,471 3 1,546 5,152 60,305 1,546 5,152 60,305 3,435 11,452 41,922 4 1,175 3,918 64,223 1,175 3,918 64,223 2,189 7,295 49,217 5 1,143 3,811 68,034 1,143 3,811 68,034 2,067 6,889 56,106 6 ,942 3,141 71,176 ,942 3,141 71,176 1,951 6,502 62,608 7 ,864 2,880 74,056 ,864 2,880 74,056 1,550 5,167 67,775 8 ,817 2,722 76,778 ,817 2,722 76,778 1,509 5,029 72,804 9 ,704 2,346 79,124 ,704 2,346 79,124 1,257 4,189 76,993 10 ,598 1,995 81,119 ,598 1,995 81,119 1,238 4,126 81,119 11 ,532 1,775 82,894 12 ,457 1,523 84,416 13 ,438 1,462 85,878 14 ,424 1,413 87,291 15 ,389 1,296 88,586 16 ,348 1,161 89,747 17 ,324 1,080 90,828 18 ,305 1,016 91,843 19 ,301 1,003 92,846
109
20 ,273 ,911 93,756 21 ,257 ,858 94,615 22 ,236 ,787 95,401 23 ,233 ,775 96,177 24 ,212 ,708 96,885 25 ,196 ,652 97,537 26 ,189 ,631 98,168 27 ,163 ,542 98,709 28 ,156 ,520 99,229 29 ,123 ,410 99,639 30 ,108 ,361 100,000 Méthode d'extraction : Analyse en composantes principales.
Matrice des typesa
Composante
1 2 3 4 5 6 7 8 9 10
Ttf83 ,725 Ttf73 ,682 Ttf71 ,634 ,328 Ttf81 ,628 Ttf93 ,545
110
Ttf43 ,515 Ttf91 ,478 ,315 Ttf41 ,368 -,302
Ttf72R ,830 ttf103R ,942 Ttf61 ,855 Ttf62 ,854 Ttf63 ,759 Ttf53 ,375 Ttf52 ,367 Ttf51 ,337 ttf102 ,911 Ttf42 ,636 ttf32R -,964 ttf22 ,900 ttf12 ,773 ttf11 ,510 ttf13 ,418 ,337 Ttf82R ,960 ttf21 ,313 ,327 ttf23R -,811 ttf33R -,709
111
Ttf92 -,525 ttf31 -,575
ttf101 ,364 ,310 -,418
Méthode d'extraction : Analyse en composantes principales. Méthode de rotation : Oblimin avec normalisation de Kaiser.
a. La rotation a convergé en 27 itérations.
112
ANNEXE V – Analyse factorielle, rotation oblimin
Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
Somme des carrés des
facteurs retenus pour la rotationa Compos
ante Total % de la variance % cumulés Total % de la variance % cumulés Total
1 12,879 51,515 51,515 12,879 51,515 51,515 10,306 2 1,453 5,812 57,327 1,453 5,812 57,327 4,789 3 1,235 4,941 62,268 1,235 4,941 62,268 5,227 4 1,092 4,368 66,636 1,092 4,368 66,636 10,362 5 ,928 3,711 70,347 6 ,838 3,351 73,698 7 ,795 3,179 76,878 8 ,589 2,357 79,234 9 ,556 2,222 81,457 10 ,527 2,109 83,565 11 ,447 1,788 85,354 12 ,428 1,712 87,066 13 ,388 1,551 88,617 14 ,354 1,414 90,031 15 ,309 1,236 91,267 16 ,294 1,178 92,444
113
17 ,279 1,115 93,560 18 ,259 1,036 94,596 19 ,251 1,006 95,602 20 ,233 ,931 96,532 21 ,216 ,864 97,396 22 ,196 ,784 98,180 23 ,187 ,747 98,927 24 ,152 ,609 99,536 25 ,116 ,464 100,000 Méthode d'extraction : Analyse en composantes principales. a. Lorsque les composantes sont corrélées, les sommes des carrés chargés ne peuvent pas être additionnés pour obtenir une variance totale.
114
Matrice des typesa
Composante
1 2 3 4
ttf22 ,944
ttf12 ,806
Ttf62 ,658
Ttf42 ,655
ttf11 ,652
ttf13 ,625
Ttf52 ,624
Ttf53 ,547
Ttf92 ,423 -,332
ttf103R ,847
ttf101 ,711
ttf31 ,579
Ttf51 ,355 ,357
ttf32R ,778
ttf33R ,724
ttf23R ,693 -,306
Ttf81 -,843
Ttf71 -,797
Ttf83 -,784
Ttf73 -,720
Ttf91 -,621
Ttf93 ,314 -,599
Ttf82R -,531
Ttf41 ,360 -,472
ttf21 ,313 -,416
Méthode d'extraction : Analyse en composantes principales.
Méthode de rotation : Oblimin avec normalisation de Kaiser.
a. La rotation a convergé en 9 itérations.
115
BIBLIOGRAPHIE
Ahuja, M., Gupta, B., & Raman, P. (2003). An empirical investigation of online consumer purchasing behavior. Communications of the ACM, 46(12), 145–151.
Alba, J. W., & Hutchinson, J. W. (1987). Dimensions of consumer expertise. Journal of Consumer Research, 13(March), 411-454.
Andreasen, A. R. (1968). Attitudes and customer behavior: A decision model. In H. H. Kassarjian & T. S. Robertson (Eds.), Perspectives in consumer behavior (pp. 498–510). Glenview, IL: Scott, Foresman and Company.
Bakos, J. Y. (1997). Reducing buyer search costs: Implications for electronic marketplaces. Management Science, 43(12), 1676-1692.
Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173.
Bart, Y., Shankar, V., Sultan, F., & Urban, G. L. (2005). Are the drivers and role of online trust the same for all web sites and consumers? A Large-Scale Exploratory Empirical Study. Journal of Marketing, 69(October), 133–152.
Bauer, R. A. (1960). Consumer behavior as risk taking. In R. H. Hancock (Ed.), Dynamic marketing for a changing world (pp. 389-398). Chicago, IL: American Marketing Association.
Beatty, S. E., & Smith, S. S. (1987). External search effort: An investigation across several product categories. Journal of Consumer Research, 14(1), 83-93.
Bei, L.-T., Chen, E. Y. I., & Widdows, R. (2004). Consumers' online information search behavior and the phenomenon of search vs. experience products. Journal of Family and Economic Issues, 25(4), 449.
Berry, L. L. (1980). Services marketing is different. Business, 30(3), 24.
Bettman, J. R. (1973). Perceived risk and its components: A model and empirical test. JMR, Journal of Marketing Research (pre-1986), 10(2), 184.
Bettman, J. R. (1979). An information processing theory of consumer choice. MA: Addison-Wesley.
Bloch, P. H., Sherrell, D. L., & Ridgway, N. M. (1986). Consumer search: An extended framework. Journal of Consumer Research, 13, 119-126.
116
Branca, A. S. (2008). Demographic influences on behaviour. The International Journal of Bank Marketing, 26(4), 237.
Brown, G. N. (1952). Brand loyalty: Fact or fiction? Advertising Age, 23(53-5).
Brucks, M. (1985). The effects of product class knowledge on information search behavior. Journal of Consumer Research, 12(1), 1-16.
Campbell, D. J. (1988). Task complexity: A review and analysis. Academy of management review, 13, 40-52.
Campbell, M. C., & Goodstein, R. C. (2001). The moderating effect of perceived risk on consumer’s evaluations of product incongruity : Preference for the norm Journal of Consumer Research, 28(December), 439-449.
CEFRIO (2008), NETendances 2007, NETQuébec 2008 - portrait de l'utilisation des TI et d'Internet au Québec.
Cox, D. F. (Ed.). (1967). Risk taking and information handling in consumer behavior. Cambridge, MA: Harvard Business School.
Cunningham, S. M. (1964). Perceived risk as a factor in product oriented word-of-mouth behavior: A first step. In L. G. Smith (Ed.), Reflections on progress in marketing (pp. 229-238). Chicago: American Marketing Association.
Cunningham, S. M. (1966). Perceived risk as a factor in the diffusion of new product information. In R. M. Haas (Ed.), Science, technology and marketing (pp. 698-721). Chicago: American Marketing Association.
Cunningham, S. M. (1967). The major dimensions of perceived risk. In D. F. Cox (Ed.). Cambridge, MA: Harvard Business School.
D'Astous, A. (2008). Atelier de recherche en marketing. Service de l'enseignement du marketing, HEC Montréal.
Dandouau, J.-C. (2001). Recherche d'information sur Internet et expérience de consultation. Recherche et Applications en Marketing, 16(3), 9.
Darby, M. R., & Karni, E. (1973). Free competition and the optimal amount of fraud. Journal of Law & Economics, 16(1), 67-88.
Davis, F. D. (1986). A technology acceptance model for empirically testing new end-user information systems: Theory and results. Unpublished Doctoral Dissertation, Sloan School of Management, Massachusetts Institute of Technology.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance. MIS Quarterly, 13(3), 319.
117
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two. Management Science, 35(8), 982.
DeSarbo, W. S., & Choi, J. (1999). A latent structure double hurdle regression model for exploring heterogeneity in consumer search patterns. Journal of Econometrics, 89(423-455).
Devlin, J. F. (2007). Complex services and choice criteria: An example from the life assurance market. Journal of Marketing Management, 23(7/8), 631.
Dubé-Rioux, L., Regan, D. T., & Schmitt, B. H. (1990). The cognitive representation of services varying in concreteness and specificity. Advances in Consumer Research, 17(1), 861-865.
Farquhar, J. D., & Panther, T. (2007). The more, the merrier? An exploratory study into managing channels in UK financial services. The International Review of Retail, Distribution and Consumer Research, 17(1), 43.
File, K. M., & Prince, R. A. (1992). Positive word-of-mouth: Customer satisfaction and buyer behaviour. International Journal of Bank Marketing, 10(1), 25-29.
Flynn, L. R., & Goldsmith, R. E. (1999). A short, reliable measure of subjective knowledge. Journal of Business Research, 46(1), 57.
Frambach, R. T., Roest, H. C. A., & Krishnan, T. V. (2007). The impact of consumer Internet experience on channel preference and usage intentions across the different stages of the buying process. Journal of Interactive Marketing, 21(2), 26.
Goldsmith, R. E. (2002). Explaining and predicting consumer intention to purchase over the Internet: An exploratory study. Journal of Marketing Theory and Practice, 10(2), 22.
Goodhue, D. L. (1998). Development and measurement validity of a task-technology fit instrument for user evaluations of information systems. Decision Sciences, 29(1), 105.
Goodhue, D. L., & Thompson, R. L. (1995). Task-technology fit and individual performance. MIS Quarterly, 19(2), 213.
Grant, R., Clarke, R. J., & Kyriazis, E. (2007). A review of factors affecting online consumer search behaviour from an information value perspective. Journal of Marketing Management, 23(5/6), 519.
Guetzkow, H. (1959). A use of simulation in the study of international relations. Behavioral Science, 4, 183-191.
Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate Data Analysis (Cinquième ed.). NJ: Prentice Hall.
118
Harrison, T. S. (2000). Marketing financial services. Harlow, Essex: Financial Times/Prentice Hall.
Häubl, G., & Murray, K. B. (2003). Preference construction and persistence in digital marketplaces: The role of electronic recommendation agents. Journal of Consumer Psychology, 13(1/2), 75.
Hirschman, E. C. (1980). Attribute of attitude and layers of meaning. Advances in Consumer Research, 7, 7-12.
Hoffman, D. L., & Novak, T. P. (1996). Marketing in hypermedia computer-mediated environments: Conceptual foundations. Journal of Marketing, 60(3), 50.
Holbrook, M. B., & Hirschman, E. C. (1982). The experiential aspects of consumption: Consumer fantasies, feelings, and fun Journal of Consumer Research, 9, 132-140.
Holmsen, C. A., Palter, R. N., Simon, P. R., & Weberg, P. K. (1998). Retail banking: Managing competition among your own channels. The McKinsey Quarterly(1), 82.
Howcroft, B., Hamilton, R., & Hewer, P. (2007). Customer involvement and interaction in retail banking: An examination of risk and confidence in the purchase of financial products. The Journal of Services Marketing, 21(7), 481.
Hoyer, W. D., & MacInnis, D. J. (2001). Consumer Behavior (second ed.).
Kalbaugh, G. E. (2002). Service Convergence. Rough Notes, 145(8), 48-49.
Kaplan, L., Szybillo, G., & Jacoby, J. (1974). Components of perceived risk in product purchase: A cross-validation. Journal of Applied Psychology, 59(3), 287-291.
Katona, G., & Muller, E. (1954). A study of purchase decisions. In L. H. Clark (Ed.), Consumer behavior (pp. 30-87). New York: New York University Press.
Kiel, G. C., & Layton, R. A. (1981). Dimensions of consumer information seeking behavior. JMR, Journal of Marketing Research (pre-1986), 18(000002), 233.
King, M. F., & Balasubramanian, S. K. (1994). The effects of expertise, end goal, and product type on adoption of preference formation strategy. Journal of the Academy of Marketing Science, 22(2), 146–159.
Klein, L. R., & Ford, G. T. (2003). Consumer search for information in the digital age: An empirical study of prepurchase search for automobiles. Journal of Interactive Marketing, 17(3), 29.
Kraut, R., Patterson, M., Lundmark, V., Kiesler, S., Mukopadhyay, T., & Scherlis, W. (1998). A social technology that reduces social involvement and psychological well-being? American Psychologist, 53, 1017-1031.
119
Kuusela, H., & Spence, M. T. (1998). How Consumers Select Life Insurance Policies: A Protocol Analysis. Journal of Professional Services Marketing, 18(1), 49-63.
Landy, F. J., & Becker, W. S. (1987). Motivation Theory Reconsidered. In L. L. Cummings & B. M. Staw (Eds.), Research in Organizational Behavior (pp. 1–38). Greenwich, CT: JAI Press.
Laroche, M., Bergeron, J., & Goutaland, C. (2001). A three-dimensional scale of intangibility. Journal of Service Research : JSR, 4(1), 26.
Laroche, M., Yang, Z., McDougall, G. H. G., & Bergeron, J. (2005). Internet versus bricks-and-mortar retailers: An investigation into intangibility and its consequences. Journal of Retailing, 81(4), 251.
Larocque, D. (2008). Analyse multidimensionnelle. Service de l'enseignement des méthodes quantitatives de gestion, HEC Montréal.
Lee, J., & Cho, J. (2005). Consumers' use of information intermediaries and the impact on their information search behavior in the financial market. The Journal of Consumer Affairs, 39(1), 95.
Lin, Q. C., & Lee, J. (2004). Consumer information search when making investment decisions. Financial Services Review, 13(4), 319.
Lussier, D., & Olshavsky, R. (1979). Task complexity and contigent processing in brand choice. Journal of Consumer Research, 9, 18-37.
Mafé, C. R., & Blas, S. S. (2006). Explaining Internet dependency. Internet Research, 16(4), 380.
Maynard, D. C., & Hakel, M. D. (1997). Effects of objective and subjective task complexity on performance. Human Performance, 10(4), 303.
McKechnie, S. (1992). Consumer buying behaviour in financial services : An overview. International Journal of Bank Marketing, 10(5), 4-12.
McKechnie, S., Winklhofer, H., & Ennew, C. (2006). Applying the technology acceptance model to the online retailing of financial services. International Journal of Retail & Distribution Management, 34(4/5), 388.
Midgley, D. F. (1983). Patterns of interpersonal information seeking for the purchase of a symbolic product. Journal of Marketing Research, 20(Février), 74-83.
Mitra, K., Reiss, M. C., & Capella, L. M. (1999). An examination of perceived risk, information search and behavioral intentions in search, experience and credence services. Journal of Services Marketing, 13(3), 208-228.
120
Morrison, P. D., & Roberts, J. H. (1998). Matching electronic distribution channels to product characteristics: The role of congruence in consideration set formation. Journal of Business Research, 41(3), 223.
Mourali, M., Laroche, M., & Pons, F. (2005). Antecedents of consumer relative preference for interpersonal information sources in pre-purchase search. Journal of Consumer Behaviour, 4(5), 307.
Nadkarni, S., & Gupta, R. (2007). A task-based model of perceived website complexity. MIS Quarterly, 31(3), 501-524.
Nelson, P. (1970). Information and consumer behavior. Journal of Political Economy, 78(2), 311.
Nelson, P. (1974). Advertising as information. The Journal of Political Economy, 82(4), 729.
Neslin, S. A., Grewal, D., Leghorn, R., Shankar, V., Teerling, M. L., Thomas, J. S., et al. (2006). Challenges and opportunities in multichannel customer management. Journal of Service Research, 9(2), 95–112.
Newman, J. W., & Staelin, R. (1973). Information sources of durable goods. Journal of Advertising Research, 13(2), 19.
Noble, S. M., Griffith, D. A., & Weinberger, M. G. (2005). Consumer derived utilitarian value and channel utilization in a multi-channel retail context. Journal of Business Research, 58(12), 1643.
Novak, T. P., Hoffman, D. L., & Yung, Y. (2000). Measuring the customer experience in online environments: A structural modeling approach. Marketing Science, 19(1), 22–42.
Nunnally, J. C. (1978). Psychometric Theory (deuxième ed.). New York: McGraw-Hill.
Olshavsky, R. W., & Granbois, D. H. (1979). Consumer decision making-fact or fiction? Journal of Consumer Research, 6(2), 93.
Olshavsky, R. W., & Rosen, D. L. (1985). Use of product-testing organizations' recommendations as a strategy for choice simplification. The Journal of Consumer Affairs (pre-1986), 19(1), 118.
Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1985). A conceptual model of service quality and its implications for future research. Journal of Marketing, 49(4), 41.
Peterson, R. A., Balasubramanian, S., & Bronnenberg, B. J. (1997). Exploring the implications of the Internet for consumer marketing. Journal of the Academy of Marketing Science, 25, 329-346.
121
Peterson, R. A., & Merino, M. C. (2003). Consumer information search behavior and the Internet. Psychology & Marketing, 20(2), 99.
Punj, G. N., & Staelin, R. (1983). A model of consumer information search behavior for new automobiles. Journal of Consumer Research, 9(Mars), 366-380.
Raju, P. S., Lonial, S. C., & Mangold, W. G. (1995). Differential effects of subjective knowledge, objective knowledge, and usage experience on decision making: An exploratory investigation. Journal of Consumer Psychology, 4(2), 153-180.
Rao, S., & Farley, J. U. (1987). Effects of environmental perceptions and cognitive complexity on search and information processing. Psychology & Marketing (1986-1998), 4(4), 287.
Ratchford, B. T., Lee, M. S., & Talukdar, D. (2001). A model of consumer choice of the Internet as an information source. International Journal of Electronic Commerce, 5(3), 7-21.
Ratchford, B. T., & Srinivasan, N. (1993). An empirical investigation of returns to search. Marketing Science, 12, 73-87.
Ratchford, B. T., Talukdar, D., & Lee, M.-S. (2007). The impact of the Internet on consumers' use of information sources for automobiles: A re-inquiry. Journal of Consumer Research, 34(1), 111.
Roberts, J. H., & Lilien, G. L. (1993). Explanatory and predictive models of consumer behavior. In J. Eliashberg & G. L. Lilien (Eds.), Handbook in Operations Research and Marketing (Vol. 5, pp. 27–82). North-Holland, Amsterdam.
Roselius, T. (1971). Consumer rankings of risk reduction methods. Journal of Marketing, 35(Janvier), 56-61.
Rosen, D. L., & Olshavsky, R. W. (1987). A protocol analysis of brand choice strategies involving recommendations. Journal of Consumer Research, 14(3), 440.
Rushton, A. M., & Carson, D. J. (1989). The marketing of services: managing the intangibles. European Journal of Marketing, 23(8), 23.
Schmidt, J. B., & Spreng, R. A. (1996). A proposed model of external consumer information search. Journal of the Academy of Marketing Science, 24(Summer), 246-256.
Schroder, H. M., Driver, M. J., & Streufert, S. (1967). Human information processing. New York: Holt, Rinchart & Winston.
Selnes, F., & Gronhaug, K. (1986). Subjective and objective measures of product knowledge contrasted. Advances in Consumer Research, 13(67-71).
122
Sénécal, S., & Nantel, J. (2004). The influence of online product recommendation on consumers' online choices. Journal of Retailing, 80(2), 159-169.
Shankar, V., Rangaswamy, A., & Pusateri, M. (2001). The online medium and price Sensitivity. University Park, PA.
Shih, H.-P. (2004). Extended technology acceptance model of Internet utilization behavior. Information & Management, 41(6), 719.
Shostack, G. L. (1977). Breaking free from product marketing. Journal of Marketing (pre-1986), 41(000002), 73.
Shostack, L. G. (1977). Breaking free from product marketing. Journal of Marketing, 41(2), 73-80.
Srinivasan, N. (1990). Prepurchase external search for information. In V. E. Zeithaml (Ed.), Review of Marketing (pp. 153-189). Chicago: American Marketing Association.
Srinivasan, N., & Ratchford, B. T. (1991). An empirical test of a model of external search for autmobiles. Journal of Consumer Research, 18(2), 233-242.
Statistique Canada (2008). Enquête canadienne sur l'utilisation d'Internet, 2007. Le Quotidien, 12 juin.
Stigler, G. J. (1961). The economics of information. Journal of Political Economics, 29, 213-225.
Strebel, J., Erdem, T., & Swait, J. (2004). Consumer search in high technology markets: Exploring the use of traditional information channels. Journal of Consumer Psychology, 14(1,2), 96.
Tam, J. L. M. (2007). Managing customer expectations in financial services: Opportunities and challenges. Journal of Financial Services Marketing, 11(4), 281.
Verhoef, P. C., Neslin, S. A., & Vroomen, B. (2005). Browsing Versus Buying: Determinants of Customer Search and Buy Decisions in a Multichannel Environment. Working Paper (April 26, 2005).
Voss, K. E., Spangenberg, E. R., & Grohmann, B. (2003). Measuring the hedonic and utilitarian dimensions of consumer attitude. JMR, Journal of Marketing Research, 40(3), 310.
Vroomen, B., Donkers, B., Verhoef, P. C., & Franses, P. H. (2005). Selecting profitable customers for complex services on the Internet. Journal of Service Research : JSR, 8(1), 37.
Waite, K., & Harrison, T. (2002). Consumer expectations of online information provided by bank websites. Journal of Financial Services Marketing, 6(4), 309.
123
Wan, W. W. N., Luk, C.-L., & Chow, C. W. C. (2005). Customers' adoption of banking channels in Hong Kong. The International Journal of Bank Marketing, 23(2/3), 255.
Westbrook, R. A., & Fornell, C. (1979). Patterns of information source usage among durable goods buyers. JMR, Journal of Marketing Research (pre-1986), 16(000003), 303.
Xiao, L., & Dasgupta, S. (2002). Measurement of user satisfaction with web-based information systems: An empirical study. Eighth Americas Conference on Information Systems, 1149-1155.
Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(July), 2-22.
Zeithaml, V. A., Parasuraman, A., & Berry, L. L. (1985). Problems and strategies in services marketing. Journal of Marketing, 49(2), 33.