Analyses bivariées

Tel que mentionné précédemment, des tests de différence de moyennes ainsi que des corrélations ont été réalisées puisque les variables du modèle sont soit nominales dichotomiques ou continues. Lorsqu'une variable dichotomique est croisée avec une variable continue, des tests de différence de moyennes sont menés. Des corrélations sont réalisées lorsque deux variables de nature continue sont mises en relation.

Puisque la variable concernant la langue anglaise est de nature dichotomique, des tests de différences de moyennes ont été réalisés. Afin que ces tests s'avèrent fiables, les distributions des variables analysées doivent être normales. Le log (base 10) des trois variables avec lesquelles la langue anglaise est croisée a été utilisé pour mener ces tests et ainsi respecter les postulats d'utilisation.

Les résultats obtenus aux analyses bivariées sont regroupés dans le tableau II présenté à la page suivante.

71 Anglais comme langue officielle (1 = oui) Produit intérieur brut par habitant Proportion d'usagers Internet Taux de menaces détectées (%) Anglais comme langue officielle (1 = oui)

1 Eta= 0,05 Eta= 0,07 Eta = 0,06

Produit intérieur

brut par habitant - 1 r = 0,76** r = - 0,44**

Proportion d'usagers

Internet - - 1 r = - 0,66**

Taux de menaces

détectées (%) - - - 1

Deux relations significatives ont été détectées avec la variable dépendante, tel que l'indique le tableau ci-dessus. Premièrement, le PIB par habitant est corrélé significativement (r= -0,44**) avec le taux de menaces informatiques détectées. Cette relation est négative, signifiant que plus les pays de l'échantillon étudié ont un haut PIB par habitant, moins le taux de menaces informatiques détectées par le logiciel antivirus de EST y est élevé. Le PIB par habitant d'un pays semble donc être lié au taux de menaces informatiques détectées à cet endroit. Un diagramme de dispersion a été inséré à la page suivante afin d'illustrer cette relation.

Tableau III.

Relations entre les facteurs socio-économiques d'un endroit et le taux de menaces informatiques détectées

72

La figure 3 permet de remarquer que la relation entre le PIB par habitant et le taux de menaces informatiques détectées est de force moyenne, puisque les points du diagramme sont plus ou moins rapprochés entre eux afin de former une ligne droite. De plus, le diagramme permet de constater que les pays de l'échantillon ayant les plus faibles PIB par habitant sont également ceux qui présentent les taux de menaces informatiques les plus élevés. On remarque au coin supérieur gauche du diagramme des pays d'Afrique tels que le Togo ou l'Érythrée, tandis qu'au coin inférieur droit, il y a des pays développés comme le Luxembourg ou la Norvège.

Figure 3.

Diagramme de dispersion illustrant la relation PIB par habitant - Taux de menaces informatiques

73

La deuxième et la plus forte relation détectée est celle entre la proportion d'usagers Internet et le taux de menaces informatiques détectées ( r= -0,66**). Cette relation est négative ce qui signifie que les pays de l'échantillon présentant les plus faibles proportions d'usagers Internet sont également ceux où les taux de menaces informatiques détectées par le logiciel antivirus de ESET sont les plus élevés. Le diagramme de dispersion a été inséré ci-dessous afin de représenter cette relation.

La figure 4 illustre clairement que cette relation est plus forte que la précédente, étant donné que la dispersion des points est plus rapprochée vers le centre. De plus, on visualise grâce à ce diagramme la relation négative qu'il existe entre la proportion d'usagers Internet et le taux de

Figure 4.

Diagramme de dispersion illustrant la relation Proportion d'usagers Internet - Taux de menaces informatiques

74

menaces informatiques détectées. Les pays qui se retrouvent au coin supérieur gauche du diagramme sont encore une fois majoritairement des pays d'Afrique alors que les pays développés sont plutôt dans le coin inférieur droit. Il aurait été juste de s'attendre à ce que cette relation soit positive puisque plus il y a d'abonnés à Internet dans un endroit, plus les risques de cybervictimisation sont élevés (Holt, 2003). Or, les résultats aux analyses démontrent l'inverse : Plus la proportion d'usagers Internet dans les pays étudiés est faible, plus le taux de menaces détectées à ces endroits est élevé.

Une relation positive a également été détectée entre deux variables indépendantes, à savoir le PIB par habitant et la proportion d'usagers Internet. Ainsi, les pays de l'échantillon présentant les plus forts PIB par habitant sont également ceux où les proportions d'usagers Internet sont les plus élevées. Par le fait même, ces pays présentant de faibles PIB par habitant sont ceux où les plus hauts taux de menaces informatiques ont été détectées par ESET.

Par ailleurs, une relation négative a été remarquée entre la proportion d'usagers Internet des pays à l'étude et le taux de menaces informatiques qui y sont détectées par le logiciel antivirus d’ESET. Les deux relations détectées avec la variable dépendante et discutées précédemment sont donc complémentaires l'une de l'autre.

La théorie de l'économie de la sécurité pourrait en partie expliquer les résultats obtenus aux analyses bivariées. Selon cette théorie, les décisions des acteurs impliqués dans la sécurisation du cyberespace sont influencées par diverses motivations externes, notamment les gains financiers (Bauer et Van Eeten, 2009; Anderson et Moore, 2006; Anderson, 2001). Ces acteurs, que ces soit les compagnies de sécurité informatique ou encore les FAI, doivent retirer un avantage quelconque pour justifier leurs investissements, que ce soit la diminution des coûts engendrés par des cyberattaques ou encore l'augmentation des profits qu'ils font (Dynes et al., 2007). Considérant cela, on peut supposer que les pays où le PIB par habitant est le plus élevé sont ceux qui présentent les taux de menaces informatiques les plus faibles puisque c'est à ces endroits où il est le plus profitable d'investir. Une compagnie de sécurité informatique ou un FAI qui désire s'implanter risque fortement de choisir un endroit où la clientèle potentielle possède les ressources pour acheter leurs services. Les pays qui ont un PIB par habitant élevé

75

et donc, par le fait même, où une bonne proportion d'individus est connectée à Internet représente un marché de choix pour les organisations désirant investir dans la sécurité informatique. Possédant davantage de ressources, ces pays ont le loisir de choisir parmi différentes options pour sécuriser leurs systèmes informatiques, ce qui pourrait expliquer en partie pourquoi les taux de menaces informatiques détectées à ces endroits sont plus faibles qu'aux endroits disposant de moins de ressources.

Toujours selon cette même logique, les taux de menaces informatiques risquent de demeurer élevés dans les pays ayant moins de ressources financières et où la proportion d'usagers Internet est faible. En effet, puisque ces pays sont plus pauvres et qu'ils n'ont pas une clientèle potentielle assez nombreuse pour s'avérer un marché de choix dans le domaine dans la sécurité informatique, ces pays sont pratiquement laissés à eux-mêmes pour lutter contre les cybermenaces. Les compagnies de sécurité informatique ou les FAI qui sont présents dans ces pays plus pauvres sont sûrement peu nombreux. Il est donc juste de croire que la compétition à ces endroits est moins féroce et donc, les produits et services offerts de moins bonne qualité. Van Eeten et Bauer (2009) soutiennent que la vulnérabilité de nos systèmes informatiques est en fait le résultat de choix économiques rationnels faits par les acteurs travaillant pour la sécurité du cyberespace. Tant que ces acteurs n'auront pas de raisons valables pour investir dans la sécurisation du cyberespace, les systèmes informatiques demeureront vulnérables. À quoi bon offrir de meilleurs produits et services s'il n'y a pratiquement aucun adversaire pour faire compétition?