L’UTAUT 2 une extension de l’UTAUT adaptée au contexte de la prédiction du comportement de

2.3.1. Descriptif

La majeure évolution de l’UTAUT a été conduite par Ventakesh et al., (2012) qui proposent dans leur nouveau modèle UTAUT 2 une extension du modèle original afin de l’adapter à un contexte d’étude de consommation. L’UTAUT se retrouve ainsi enrichi de 3 nouvelles variables concomitantes (la motivation hédonique, le prix et l’habitude) aux 4 variables précédemment explicatives de l’usage et de l’intention d’usage d’une technologie (attente de performance, attente d’effort, influence sociale et conditions facilitatrices). La motivation hédonique est définie comme « le plaisir conséquent à l’usage d’une technologie » (Brown et Ventakesh, 2005) dans Ventakesh et al. (2012 p. 161). Ce facteur est une dimension de l’expérience utilisateur. La variable prix est spécifique au contexte de consommation. La version originale de l’UTAUT a été élaborée dans un contexte professionnel où la question du coût financier et du prix est évacuée étant donné que l’organisation les prend en charge et non l’usager. Enfin, la variable « habitude » désigne le degré d’automatisme dans l’exécution d’un comportement appris, qui est à distinguer d’une simple expérience avec la technologie (Ventakesh et al., 2012).

2.3.2. Regard porté sur le modèle en fonction des contraintes de notre étude

L’UTAUT 2 introduit des variables liées à l’expérience utilisateur telle que la motivation hédonique. D’autres variables permettent son adaptation au secteur de la consommation comme la variable prix. La variable habitude apparaît également d’une importance nécessaire pour les personnes âgées (Guchet, 2012 ; Yusif et al., 2016). Cette adaptation de l’UTAUT a donné naissance à l’UTAUT 2 au secteur de la consommation et nous apparait particulièrement intéressante pour cette thèse car elle répond en partie à la demande formulée par les entreprises

accompagnées par TechSap Ouest à savoir le repérage des freins à la consommation par les seniors de leurs solutions. L’UTAUT 2 a été validé auprès d’une population âgée par Macédo (2017) atteignant un taux de variance expliqué de l’intention d’usage de 58%. Cette étude sur 278 personnes âgées de 67 ans en moyenne confirme un lien significatif entre la plupart des prédicteurs de l’UTAUT 2 à la fois directement pour l’intention comportementale et l’habitude et indirectement pour la performance attendue, l’attente d’effort, l’influence sociale, les conditions facilitatrices et la motivation hédonique avec l’usage des TIC. Seuls les liens entre conditions facilitatrices et usage effectif du dispositif ainsi que le lien entre prix et intention d’usage ne sont pas significatifs dans cette étude (cf. Figure 8).

Note : ns non significatif ; sur la base de t (4999) en test unilatéral ; [*p < .05 (t = 1.65) ; **p < .01(t = 2.33) ; ***p<.001 (t = 3.09)].

Figure 8. Le modèle UTAUT 2 utilisé dans l’étude de Macedo et al. (2017)

Une seconde étude sur un échantillon de 415 personnes âgées en moyenne de 63 ans a évalué avec l’UTAUT 2 des services bancaires sur internet. Cette étude de Arenas Gaitan et al. (2015) a révélé un lien significatif de 4 facteurs de l’UTAUT 2 sur l’intention d’usage à savoir la performance (r = .23), et l’effort (r = .20) attendus, l’habitude (r = .30) et le prix (r = .21).

Bien que l’UTAUT 2 ne soit que peu mobilisé dans les études, ce modèle présente des

Attente de performance Attente d’effort Influence sociale Conditions facilitatrices Motivation Hédonique Prix Habitude Intention

comportemental ^Comportement d’usage

Genre Age Expérience Education

Variables de contrôle 0.325*** 0.107* 0.325*** 0.135 0.239** 0.016ns 0.113** 0.062ns 0.100** 0.267***

qualités psychométriques remarquables dans l’évaluation de l’acceptabilité des gérontechnologies. En effet, ce modèle présente un pourcentage de variance expliqué de l’intention de l’usage remarquable atteignant les 58 % dans l’étude de Macédo (2017). Ce pourcentage est légèrement plus élevé que les 54 % de variance expliqué du STAM. De plus l’étude de Macédo (2017) mobilise un modèle fidèle à sa structure d’origine contrairement aux études gérontechnologiques mobilisant l’UTAUT. Enfin, l’étude de Macédo (2017) permet la validation de 6 facteurs sur 7 de l’UTAUT 2 ce qui représentent un pourcentage de facteurs validés de sa structure d’origine plus élevé que le STAM avec 8 facteurs validés sur 11 et (Chen et Chan, 2014) et que l’UTAUT avec 3 facteurs sur 4 (Cimperman et al., 2016 ; Hoque et Sorwar, 2017).

3. Conclusion

Cette dernière partie du chapitre a été consacrée à l’examen des forces et faiblesses de trois modèles d’évaluation de l’acceptabilité : STAM, UTAUT et UTAUT 2. Différents critères nous ont permis de comparer les qualités intrinsèques de ces modèles au regard des contraintes de notre contexte d’étude (cf. Tableau 4). Bien que les trois modèles présélectionnés comportent tous trois des facteurs prédictifs de nature à la fois individuelle, technologique et environnementale, une analyse plus fine de leur structure a révélé des différences majeures.

Tout d’abord, le STAM ne comporte aucune variable d’influence sociale bien que celle-ci soit au cœur de notre problématique d’acceptabilité socelle-ciale. L’UTAUT 2 se distingue par un rapport plus équilibré dans la répartition de ses variables au sein de chaque catégorie de facteurs. Ainsi, dans sa structure se répartissent, trois facteurs individuels (performance attendue, influence sociale et habitude), deux facteurs technologiques (effort attendu et motivation hédonique) et deux facteurs environnementaux (prix et conditions facilitatrices). En comparaison, l’UTAUT ne présente que deux facteurs individuels (performance attendue et influence sociale), un facteur technologique et un facteur environnemental. Le STAM offre 9 facteurs individuels (anxiété, auto-efficacité, état de santé, fonctionnement physique, aptitude cognitive, relations sociales, attitude envers le vieillissement et la technologie et utilité) mais 1 seul facteur technologique (facilité d’usage) et 1 seul facteur environnemental (conditions facilitatrices).

Ensuite, ces modèles se distinguent vis-à-vis de la charge cognitive liée au nombre de facteurs prédictifs interrogés. Le STAM convoque 11 facteurs prédictifs dont 5 ne sont pas directement reliées aux perceptions de la gérontechnologies mais font référence à l’état de santé de la personne âgée. En comparaison l’UTAUT et l’UTAUT 2 présentent respectivement 4 et 7 variables directement liées aux perceptions de la gérontechnologies.

Enfin à notre connaissance, aucun de ces trois modèles n’a été validé dans son intégralité auprès de personnes âgées. Après examen des différents atouts que présentent chacun de ses trois modèles, l’UTAUT 2 nous semble présenter les qualités les plus appréciables au regard de notre contexte d’étude. Ce modèle est une extension de l’UTAUT adaptée au contexte de prédiction de la consommation d’une technologie ce qui correspond parfaitement à la demande des clients de TechSap Ouest. L’UTAUT 2 présente les résultats de validation les plus encourageants des trois modèles à travers l’étude de Macédo (2017) avec 6 facteurs validés sur les 7 facteurs de sa structure originale contre 8/11 facteurs pour le STAM et 3/4 pour l’UTAUT. Le seul facteur non validé est le prix qui est un facteur inutile dans notre contexte d’étude des gérontechnologies qui pour la plupart ne sont pas encore sur le marché. De plus, cette validation de Macédo (2017) a été effectuée auprès d’une population âgée dont l’âge moyen de 67 ans se rapproche le plus de l’âge moyen de 71 ans de notre population d’étude. Enfin, sa structure apparait comme la plus équilibrée des trois modèles en matière de répartition du nombre de facteurs individuels, technologiques et environnementaux. L’UTAUT 2 comporte 7 variables qui chacune sont appréciées au travers d’au moins 2 facteurs ce qui, comparativement à UTAUT et STAM, présente un plus indéniable.

Tableau 4. Récapitulatif des critères de sélection d’un modèle d’évaluation de l’acceptabilité adapté aux spécificités des gérontechnologies de TechSap Ouest

Critères de sélection STAM UTAUT UTAUT 2

Validation auprès de personnes

âgées ^{Validation partielle} modèle original : ^du

- Chen et Chan (2014) majorité de personnes âgées entre 75 et 84 ans (41.7 %). 8 facteurs sur 11 validés L’Utilité, la facilité perçue et l’attitude ne sont pas significatifs. Le modèle explique 54 % de la variance de l’usage. Validation partielle du modèle original : - Hoque et Sorwar (2017) personnes âgées entre 65 et 69 pour la majorité (59 %). 3 facteurs/4 validés

les conditions facilitatrices sont non significatives - Cimperman et al. (2016) âge médian de 61.13 ans 3 Facteurs/4 validés

L’influence sociale est non significative

Validation partielle du modèle original :

- Macédo (2017) : Age moyen de 67 ans 6 facteurs/7 validés le prix est non significatif. Le modèle explique 58 % de variance de l’intention d’usage

- Arenas Gaitan et al., (2015) âge moyen 63 ans

4 facteurs/7 validés

l’influence sociale, les conditions facilitatrices et la motivation hédonique sont non significatifs

Présence de l’ensemble des catégories de facteurs influençant l’usage des gérontechnologies (individuels, technologiques et environnementaux)

oui oui oui

Répartition des facteurs par

catégories ^{9 facteurs individuels,} 1 facteur technologique, 1 facteur environnemental 2 facteurs individuels, 1 facteur technologique, 1 facteur environnemental 3 facteurs individuels, 2 facteur technologique, 2 facteurs environnemental Présence du facteur d’influence

sociale en lien avec les perceptions d’usage de la technologie

Non : le réseau social est ici évalué par rapport à sa présence ou son absence et non par rapport à son influence sur l’usage, De plus l’image et les normes sociales sont absentes du STAM.

oui oui : étude de l’influence

sociale à travers la norme, l’image et le facteur social et leur impact sur l’intention d’usage

Charge cognitive de passation (nombre de facteurs prédictifs de l’intention d’usage à interroger)

11 facteurs prédictifs dont 5 variables n’évoquent pas

directement la gérontechnologie mais des

caractéristiques

démographiques liées à l’état de santé général de la personne (état de santé, fonctionnement physique, relations sociales, attitudes envers le vieillissement)

4 facteurs prédictifs interrogeant directement les perceptions de la gérontechnologie.

7 facteurs prédictifs interrogeant directement les perceptions de la gérontechnologie.

CHAPITRE 4. LES METHODOLOGIES DE