Stress au travail et créativité individuelle : un protocole de modélisation structurelle des moindres carrés partiels basé sur l’écran pour les lieux de travail compatibles avec l’IA

Résumé

Cette recherche présente un protocole de modélisation structurelle par sondage à moindres carrés partiels (PLS-SEM) basé sur écran pour tester la médiation et la modération, réaliser des diagnostics par méthode commune, interpréter des pentes simples et évaluer la pertinence prédictive dans la recherche en milieu de travail intégrée par IA.

Résumé

L’utilisation croissante de l’intelligence artificielle (IA) dans les organisations remodele les exigences professionnelles, les perceptions du leadership et les opportunités de créativité des employés. S’appuyant sur le modèle Demand Job–Resources (JD–R) et la théorie de l’apprentissage social, cette étude examine si la perception du leadership éthique par les employés médiatise la relation entre le stress au travail et la créativité individuelle, et si l’intégration de l’IA organisationnelle amplifie cette relation. En utilisant la modélisation structurelle des moindres carrés partiels (PLS-SEM) avec 5 000 rééchantillons bootstrap, les résultats montrent que le stress au travail influence négativement la perception du leadership éthique, tandis que la perception du leadership éthique affecte positivement la créativité. Le stress au travail n’était pas directement lié à la créativité ; au contraire, la perception éthique du leadership a constitué une voie indirecte importante. De plus, l’intégration de l’IA organisationnelle a renforcé la relation entre la perception du leadership éthique et la créativité. Ces résultats suggèrent que la créativité dans les milieux de travail habilités par l’IA est moins façonnée par la technologie elle-même que par les mécanismes psychologiques organisationnels. Les organisations souhaitant stimuler la créativité lors de la transformation numérique devraient donc gérer le stress au travail et favoriser des environnements de leadership éthiques, plutôt que de se concentrer uniquement sur la mise en œuvre de l’IA. Ce protocole utilise le modèle empirique comme exemple concret pour démontrer un flux de travail reproductible d’enquête vers PLS-SEM.

Introduction

L’intelligence artificielle (IA) a transformé la manière dont les employés accomplissent leur travail, comprennent la nature de leurs exigences professionnelles et identifient les opportunités de créativité, alors que les organisations commencent à adopter l’IA pour le soutien à la décision, l’automatisation et^{la coordination 1,2,3,4}. Les capacités habilitées par l’IA peuvent élargir la portée des informations accessibles et soutenir l’expérimentation, mais elles ne parviennent pas à encourager les gens à adopter un comportement créatif ^5,6. Au contraire, le comportement créatif des employés dépend de leur perception de la légitimité de l’expérimentation, de l’équité dans le traitement des erreurs et du soutien à leurs dirigeants ^7,8. Ce protocole définit la créativité comme un processus basé sur la perception en psychologie organisationnelle plutôt qu’un produit basé sur la technologie, tout en permettant que le processus du recrutement à l’inférence soit répétable et transparent⁹. La procédure ne filme pas ni n’observe les participants dans un laboratoire, mais le phénomène d’intérêt reste le comportement, car les employés réagissent au stress au travail, comprennent les informations sociales et développent des réponses créatives à une situation de travail imprégnée d’IA. La portée comportementale est donc abordée à travers des comportements mesurables en milieu de travail et des constructions interprétatives liées à la créativité, à la perception du leadership et à la réponse contextuelle liée à l’IA, plutôt qu’à un comportement^{physique 6,10}.

Les lieux de travail intégrés par l’IA sont définis comme des environnements de travail où les employés perçoivent l’IA comme une partie récurrente de la coordination au travail, du soutien à la décision, de l’évaluation et de la résolution de problèmes, plutôt que comme un outil optionnel occasionnel. Cette construction est plus étroite que la transformation numérique large, différente de l’adoption de l’IA en tant qu’introduction, différente de la maturité de l’IA en tant que stade de mise en œuvre, et différente de la capacité de l’IA en tant que compétence technique. Comme les employés ne connaissent pas l’étendue objective de l’utilisation de l’IA dans toutes les fonctions, ce concept est traité comme une intégration organisationnelle perçue, ce qui convient à un modèle basé sur la perception du leadership éthique et de la créativité^individuelle 1,4,11,12.

Ce protocole répond à trois lacunes mutuellement renforcées. Tout d’abord, on en sait moins sur ce qui constitue un leadership éthique dans les environnements de travail intégrés à l’IA et sur la façon dont les perceptions du leadership éthique se rapportent au stress au travail en ce qui concerne la créativité. Cette relation est importante car les effets du stress au travail sur la créativité varient une fois contextualisés et^{interprétés 13,14}. Deuxièmement, bien que la recherche sur la créativité dans les environnements de travail intégrés par l’IA ait souvent considéré l’IA comme un outil ou une mesure de l’adoption de l’IA, il existe moins de preuves de la manière dont l’intégration de l’IA à l’échelle de l’organisation influence les réponses comportementales aux indices des leaders ou aux interprétations de l’incertitude liée à^{l’IA 4,11,12}. Troisièmement, les études utilisant des données basées sur des enquêtes en psychologie organisationnelle condensent souvent tout, du recrutement et du dépistage à la mesure des constructions, la préparation des données, et les analyses ultérieures de médiation et modération par modélisation structurelle des moindres carrés partiels (PLS-SEM) en descriptions courtes, même si la validité de la mesure, la validité discriminante, la linéarité et la pertinence prédictive sont toutes importantes à^{considérer 15, 16, 17,18}. Les auteurs rendent ce flux de travail visible dans cette procédure en réduisant 342 départs d’enquête à 310 cas utilisables, en séparant les blocs construct, en testant la collinéarité complète avec VIF et un seuil de 3,3, en testant les effets directs, indirects et d’interaction avec 5 000 rééchantillons bootstrapés, et enfin en incluant PLSpredict comme écran de pertinence^{prédictive 15, 16, 18, 19}.

La contribution principale est donc méthodologique. Le modèle Stress du poste-Leadership éthique-Créativité est conservé comme exemple résolu, mais la principale contribution est de rendre visibles les décisions analytiques normalement cachées : filtrage d’éligibilité, conservation des codes d’item, séparation des constructs, validation des mesures, colinéarité et diagnostic par méthode commune, bootstrapping, décomposition d’effets, interprétation simple de pente, et évaluation PLSpredict^{15, 18, 19}. Suivant le modèle Exigences Emploi-Ressources^20,21, le stress professionnel est une exigence qui consomme les ressources cognitives et émotionnelles nécessaires pour s’engager de manière créative, affectant ainsi la^{créativité 9}. Les employés concentrent leurs efforts discrétionnaires sur la génération de solutions nouvelles et uniques grâce à la flexibilité cognitive, à l’expérimentation et à de nouvelles méthodes de travail. Ils ont moins de temps pour générer des idées lorsqu’ils font face à de longs délais dans un environnement de travail turbulent, et ont tendance à se concentrer sur la prévention des erreurs et l’accomplissement^{des tâches 13,14}. Tout stress n’est pas nuisible à la créativité, et certains niveaux de défi peuvent favoriser la génération d’idées chez les individus qui bénéficient d’une autonomie dans la tâche et bénéficient d’un soutien social au^{travail 13,22.} En revanche, une pression soutenue peut mener à une relation négative.

En conséquence, les auteurs avancent l’hypothèse que le stress professionnel est négativement associé à la créativité individuelle (H1). Le stress au travail peut également influencer la façon dont certains employés perçoivent leur environnement social. Lors des périodes de fluctuation et de stress, les employés peuvent développer une sensibilité accrue aux signaux d’équité, de soutien et de réactivité⁸. Une réponse tardive de la direction ou une prise de décision incohérente, sous cet angle, peut être perçue comme une mauvaise coordination dans un contexte et comme de la négligence dans un autre. L’essentiel est que lorsque les gens sont sous pression, ils ont tendance à accorder plus d’importance à ce que les dirigeants leur signalent et, de ce fait, dans des situations sans équité et soutien visibles, ils sont plus susceptibles de formuler des interprétations^{négatives 8,10}. Ensuite, les auteurs avancent l’hypothèse que le stress au travail est négativement associé à la perception du leadership éthique (H2) des employés. La perception éthique du leadership est la façon dont les employés perçoivent leur leader comme juste, honnête, ouvert et possédant de bonnes valeurs^morales 10,23,24. Du point de vue de la théorie de l’apprentissage social, la perception éthique du leadership indique si les employés utiliseront leur voix, prendront des risques en essayant de nouvelles choses ou^{expérimenteront 7}. Les employés seront plus enclins à donner leur avis sur de nouvelles façons de travailler et à essayer de nouvelles idées lorsqu’ils perçoivent leur leader comme éthique. Des leaders justes et dignes de confiance créeront davantage d’opportunités pour les employés d’adopter des comportements créatifs^{discrétionnaires 6,7,10}.

En conséquence, les auteurs avancent l’hypothèse que la perception du leadership éthique par les employés est positivement associée à la créativité individuelle (H3). Le modèle introduit également une voie indirecte dans laquelle la perception éthique du leadership médiatise l’effet du stress au travail sur la créativité individuelle. Les influences liées au stress sur la créativité semblent incohérentes et impliquent que la relation n’est pas simple^14,22. Deux employés peuvent être exposés au même niveau de stress, mais l’un peut continuer à percevoir le leader comme éthique et le lieu de travail comme suffisamment sûr pour partager des idées. L’autre employé peut cesser de partager des idées lorsqu’il perçoit le leader comme contraire à l’éthique ou se sent traité^{injustement 6,7}. Cette voie indique l’influence de l’interprétation sociale et suggère que se concentrer uniquement sur l’effet direct du stress au travail sur la production créative peut être insuffisant.

Les auteurs émettent également l’hypothèse que la perception du leadership éthique par les employés médiatise la relation entre le stress au travail et la créativité individuelle (H4). L’intégration de l’IA organisationnelle est associée aux environnements de travail où l’IA est utilisée pour médiatiser, évaluer et soutenir le travail^{des employés 1, 25, 26}. Les environnements organisationnels intégrés par IA élargissent l’accès des employés à l’information, réduisent le temps nécessaire pour accomplir certains travaux et offrent une plus grande possibilité de recombiner les idées. En même temps, ils peuvent soulever des questions sur qui ou quoi sera tenu responsable, quels types d’évaluations auront lieu, et quelles formes d’expérimentation sont^{acceptables 27}. Dans ce genre de situations, les employés sont susceptibles de faire davantage attention aux indices éthiques du leadership lorsqu’ils évaluent si l’expérimentation habilitée par l’IA, la tolérance à l’erreur et la génération d’idées assistée par l’IA sont légitimes et^sûres 11,30,31. Ainsi, les auteurs prédisent que l’intégration de l’IA organisationnelle augmentera la pertinence des perceptions du leadership éthique pour la créativité individuelle.

En conséquence, les auteurs avancent l’hypothèse que l’intégration de l’IA organisationnelle modère la relation entre la perception du leadership éthique par les employés et la créativité individuelle, de sorte que la relation positive est plus forte lorsque l’intégration de l’IA organisationnelle est élevée (H5). Ce protocole est conçu pour les chercheurs en comportement étudiant le comportement auto-déclaré au travail et leur interprétation sociale lorsque l’observation directe est impraticable ou éthiquement injustifiée. Le manuscrit contribue de trois façons. Premièrement, il s’éloigne des conceptions traditionnelles de la créativité dans les milieux de travail habilités par l’IA comme manifestation des résultats technologiques et des connaissances technico-scientifiques, et présente ce processus comme étant fondé par la perception comme un processus de psychologie^{organisationnelle 6,9}. Deuxièmement, il étend cet argument en démontrant que les perceptions du leadership éthique médiatisent la relation entre le stress au travail et la créativité individuelle, et que la relation entre la perception du leadership éthique et la créativité est modérée par l’intégration organisationnelle^{de l’IA 4,10,14}. Troisièmement, une enquête basée sur l’écran et une procédure PLS-SEM sont introduites pour évaluer les processus de médiation et^{de modération 15, 18, 19}. Son avantage est de rendre visibles les décisions cachées, notamment le criblage de l’emploi, la séparation des constructs, les vérifications de validité et de collinéarité, le bootstrapping, la décomposition des effets, l’interprétation par modération, l’analyse PLSpredict et l’interprétation prudente des relations transversales.

Protocole

Le processus de recherche a suivi tous les protocoles éthiques pour la recherche avec des participants humains. Toutes les informations des participants ont été collectées anonymement via la technologie d’enquête en ligne et les procédures numériques de consentement éclairé. Aucune information identifiant un participant n’a été collectée, et aucune vidéo n’a été enregistrée. Tous les participants ont reçu un écran numérique de consentement éclairé avant d’arriver à l’enquête. L’écran expliquait l’objectif académique de l’étude, que la participation était volontaire, que les réponses seraient gardées confidentielles et que les données seraient utilisées uniquement à des fins de recherche. Les participants qui n’avaient pas reconnu activement le consentement éclairé ont été retirés de l’enquête avant la présentation d’un item de l’étude. Les informations sur l’approbation éthique ou les exemptions doivent être indiquées dans la déclaration d’éthique conformément aux exigences de l’institution soumise. L’élément visuel de ce protocole vise à présenter ces étapes sous forme de démonstration vidéo à écran du recrutement, du consentement, du filtrage, du traitement des données désidentifiées, de la création de modèles SmartPLS, du bootstrapping, de la décomposition d’effets et de l’évaluation PLSpredict, plutôt que comme une figure supplémentaire de workflow. La séquence des tables imite la séquence d’étapes dans la démonstration vidéo. Le tableau 1 identifie l’échantillon conservé après le recrutement, le consentement, le dépistage et les contrôles qualité. La base pour mesurer les blocs constructifs est présentée dans le Tableau 2. Les tableaux 3 à 5 rapportent la qualité de la mesure, la validité discriminante et les diagnostics de colinéarité. Le tableau 6 rapporte les résultats du test d’hypothèse. Le tableau 7 présente la décomposition des effets directs et indirects. Le tableau 8 correspond au point de contrôle PLSpredict. Les tableaux 1 à 8 représentent donc la trajectoire des résultats de l’entrée de l’enquête à l’inférence statistique pour le flux de travail basé sur^{l’écran 15,18}. Toutes les plateformes/outils utilisés dans cette étude sont listés dans le tableau des matériaux.

Modèle de recherche

Dans l’exemple résolu, la perception éthique du leadership médie les effets du stress au travail sur la créativité individuelle, et l’intégration de l’IA organisationnelle modère l’effet de la perception éthique du leadership sur la créativité individuelle. La Figure 1 présente le modèle conceptuel, dans lequel H4 fait référence à l’impact de la perception éthique du leadership comme voie indirecte, et H5 à la modération de la perception éthique du leadership par l’intégration de l’IA organisationnelle. L’objectif du modèle n’est pas de représenter un modèle causal, mais de représenter un flux de travail de médiation et de modération à l’écran.

Figure 1 : Modèle conceptuel. Le diagramme présente le stress au travail (JS) comme prédicteur, la perception éthique du leadership (EL) comme médiateur, la créativité individuelle (IC) comme résultat, et l’intégration organisationnelle de l’IA (OA) comme modérateur de la relation EL–IC. Des flèches solides indiquent les chemins directs hypothétisés, la voie médiatisée est JS > EL > IC, et le terme d’interaction représente EL × OA > IC. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Données de recherche

Un système de recrutement de participants basé sur Internet et un système d’enquêtes en ligne sont utilisés pour collecter des réponses anonymes auprès des employés à temps plein de la population cible du travail. Des filtres doivent être définis avant le lancement, et un élément de sélection basé sur une enquête doit être utilisé pour confirmer l’éligibilité avant l’affichage des blocs construct. Les réponses des participants non consentants, des répondants non éligibles et des réponses qui échouent aux contrôles de contrôle qualité sont exclues avant l’analyse. Dans l’exemple résolu, les auteurs se sont retrouvés avec 310 enquêtes valides complétées sur un total initial de 342 débuts après un contrôle de contrôle du statut d’emploi et des contrôles de qualité. Le tableau 1 présente les informations démographiques pour l’échantillon final valide.

Tableau 1 : Caractéristiques descriptives de l’échantillon (n = 310). Le tableau résume les répondants retenus par caractéristiques démographiques et d’emploi après consentement, contrôle d’éligibilité et exclusions de contrôle qualité ; n indique la taille de l’échantillon. Veuillez cliquer ici pour télécharger ce tableau.

Mesures

Une échelle de Likert à sept points est utilisée pour tous les items (1 = fortement en désaccord ; 7 = fortement d’accord). L’enquête inclut des blocs de mesure du stress au travail, de la perception éthique du leadership, de la créativité individuelle et de l’intégration de l’IA organisationnelle. Conservez les codes d’article lors de la conception et de l’exportation de l’enquête afin de garantir que chaque indicateur mesuré puisse être mappé à sa variable latente correspondante lors de la spécification du modèle. L’ensemble complet des éléments de mesure et des sources est fourni dans le tableau 2.

Tableau 2 : Éléments et sources de mesure. Ce tableau présente les items du questionnaire, les devoirs de construction et les sources d’échelle. Abréviations : JS = stress professionnel ; EL = perception éthique du leadership ; IC = créativité individuelle ; OA = intégration organisationnelle de l’IA. Veuillez cliquer ici pour télécharger ce tableau.

Avant d’importer des données dans le logiciel PLS-SEM, les chercheurs doivent exporter le jeu de données complété dans .csv format. Les noms, adresses e-mail, adresses IP et autres identifiants directs doivent être retirés de l’exportation afin d’éviter toute divulgation involontaire des informations des participants. Le fichier exporté doit être inspecté pour détecter des valeurs manquantes, des réponses de filtrage infructueuses, des lignes droites, des échecs de vérification d’attention et des erreurs de noms de variables. Seules les variables indicatrices nettoyées et les variables de contrôle requises par le modèle doivent être conservées. Les débuts de l’enquête initiale, l’échantillon final valide, les plages de fiabilité, la plage AVE, la plage VIF structurelle et le réglage de rééchantillonnage bootstrap doivent être enregistrés pour un rapport ultérieur.

Flux de travail analytique PLS-SEM

Pour analyser les hypothèses, les chercheurs devraient utiliser le PLS-SEM. Dans SmartPLS 4.1, un nouveau projet doit être créé en important le fichier .csv nettoyé. Les constructions latentes doivent être placées sur la toile du modèle, et les indicateurs conservés doivent être assignés à JS, EL, IC et OA. Ces chemins directs peuvent être tracés sur la toile du modèle ; le chemin indirect peut être spécifié comme JS > EL > IC, et le terme d’interaction produit-indicateur peut également être créé comme OA × EL > IC. Les chercheurs doivent exécuter l’algorithme PLS avant d’évaluer les chemins structurels. Dans SmartPLS, allez dans Calculer > algorithme PLS et notez les paramètres d’estimation, y compris le schéma de pondération du chemin, le nombre maximal d’itérations, et le critère d’arrêt si nécessaire. Une fois l’algorithme PLS exécuté, les chercheurs devraient évaluer l’alpha de Cronbach, la fiabilité composite, l’AVE, les charges externes, le rapport de Fornell-Larcker, le ratio HTMT et les valeurs VIF^{17, 18, 19}. Les résultats pour évaluer la fiabilité, la validité et la colinéarité sont présentés dans les tableaux 3 à 5. Il est conseillé aux auteurs de réaliser un test complet de collinéarité pour vérifier un biais potentiel envers la méthode commune. Les valeurs structurelles de VIF doivent être considérées comme un indicateur diagnostique d’un biais potentiel de source similaire, et non comme un indicateur que le biais de source même a été supprimé.

Le protocole distingue les VIF modèles externes des VIF structurelles/collinéarités complètes. Si un VIF externe dépasse 3,3 mais reste inférieur à 5,0, la valeur doit être reconnue comme un risque potentiel de collinéarité au niveau de l’indicateur plutôt que traitée comme un diagnostic de biais de méthode courante. Les VIF à collinéarité complète sont interprétés séparément comme un écran de diagnostic à la même source, et non comme preuve que le biais de méthode courant a été^{éliminé 15,18,19}. Les diagnostics de la qualité de la mesure et de la collinéarité doivent être réalisés avant d’interpréter les coefficients de chemin, les effets indirects et les termes d’interaction. Pour calculer les chemins directs, les effets indirects spécifiques et l’effet de modération, les chercheurs doivent effectuer la procédure de bootstrapping avec 5 000 rééchantillons. Avec 5 000 sous-échantillons, effectuez un test à deux queues à α = 0,05, et laissez les options de changement de signe et d’intervalle de confiance telles que dans le projet. Le tableau 6 présente le coefficient de chemin, l’effet indirect spécifique et les résultats d’interaction. Après avoir testé les hypothèses, les sections pour les effets indirects spécifiques et les effets totaux dans la sortie doivent être examinées afin d’évaluer la relation direct JS > IC par rapport au chemin indirect à travers EL et de capturer la décomposition d’effets dans le tableau 7. Cette procédure évite d’interpréter le chemin direct-stress–créativité non significatif isolément du chemin indirect significatif basé sur la perception. Il est recommandé que les chercheurs utilisent PLSpredict pour les constructions endogènes et rapportent les statistiques de prédiction^Q2, RMSE et MAE comme une évaluation prédictive de pertinence bornée. Les résultats présents pour Q²prédisent, RMSE et MAE pour les constructions endogènes EL et IC, ainsi que ceux pour le benchmark du modèle linéaire, si fournis, dans le tableau 8. Ces résultats doivent être interprétés comme des preuves prédictives de pertinence bornées plutôt que comme des preuves complètes de prévision¹⁸.

Le protocole est intentionnellement ciblé plutôt que statistiquement complexe. Les chercheurs qui comparent ensuite pays, professions ou niveaux managériaux peuvent ajouter des tests d’invariance de mesure, des analyses multigroupes, de la segmentation ou une cartographie importance-performance une fois le flux de travail de médiation et modération de référence établi. Les chemins indirects ou d’interaction statistiquement significatifs ne doivent pas être interprétés comme des effets causaux lorsque les données sont transversales. Elles doivent être présentées comme des associations cohérentes en théorie, sauf si des preuves longitudinales, expérimentales ou multisources sont disponibles. Cette mise en garde est répétée dans les Résultats et Discussions, de sorte que les voies de médiation et de modération sont présentées comme des associations cohérentes en théorie plutôt que des effets^{causaux 15,18}. Si les labels exacts des menus diffèrent selon les versions SmartPLS, les chercheurs doivent utiliser le chemin de menu équivalent et enregistrer la version logicielle, les paramètres de l’algorithme et les paramètres de rééchantillonnage dans le Table of Materials ou dans une note de reproductibilité.

Résultats

Évaluation du modèle de mesure

Le modèle de mesure a ensuite été utilisé pour évaluer la fiabilité et la validité des constructions. La fiabilité, la validité convergente, les charges des items et les diagnostics de colinéarité sont présentés dans le tableau 3. Les valeurs alpha de Cronbach allant de 0,877 à 0,932 dépassent la coupure de 0,70. Les estimations de fiabilité composite étaient acceptables, avec CR (ρ_a) allant de 0,880 à 0,959 et CR (ρ_c) variant de 0,911 à 0,945. L’AVE était nettement au-dessus du seuil requis de 0,50 (0,672–0,779). L’évaluation de la colinéarité sur une base complète de la colinéarité n’a révélé aucune preuve de biais envers la méthode commune, car tous les VIF structurels étaient <3,3. Dans l’ensemble, les mesures ont répondu aux critères de fiabilité, de validité convergente et de collinéarité acceptable. Les éléments sont présentés dans le tableau 2. Ces plages confirment que le modèle de mesure répond aux critères couramment utilisés de fiabilité, de validité et de collinéarité complète spécifiés dans ce protocole.

Tableau 3 : Évaluation du modèle de mesure et diagnostics de colinéarité. Le tableau présente les statistiques alpha (α), de fiabilité composite (ρa et ρc), la moyenne extraite de la variance (AVE), les charges externes et les facteurs d’inflation de la variance (VIF). Les valeurs VIF proches de 1 indiquent une multicolinéarité négligeable, des valeurs comprises entre 1 et 3 indiquent une collinéarité faible et acceptable, et des valeurs supérieures à 3 indiquent des préoccupations croissantes de colinéarité. Abréviations : JS = stress professionnel ; EL = perception éthique du leadership ; IC = créativité individuelle ; OA = intégration organisationnelle de l’IA. Veuillez cliquer ici pour télécharger ce tableau.

Évaluation de la validité discriminante

La validité discriminante est évaluée selon le critère de Fornell-Larcker ou le ratio^{HTMT 17,19}. Les résultats de Fornell-Larcker sont présentés dans le tableau 4. La racine carrée de chaque estimation de l’EVA est plus élevée que ses corrélations avec d’autres constructions, ce qui démontre une validité discriminante. De plus, comme indiqué dans le tableau 5, tous les HTMT sont < 0,85, ce qui indique également que les constructions sont empiriquement distinctes. Les résultats de Fornell-Larcker et HTMT indiquent collectivement que le modèle de mesure représente adéquatement les distinctions entre les constructions employées dans cette étude.

Tableau 4 : Validité discriminante évaluée selon le critère de Fornell–Larcker. Les valeurs diagonales sont les racines carrées de la variance moyenne extraite (AVE), et les valeurs hors diagonale sont des corrélations d’interconstruction. Abréviations : JS = stress professionnel ; EL = perception éthique du leadership ; IC = créativité individuelle ; OA = intégration organisationnelle de l’IA. Veuillez cliquer ici pour télécharger ce tableau.

Tableau 5 : Validité discriminante évaluée à l’aide du ratio hétérotrait–monotrait (HTMT). Des valeurs inférieures à 0,85 indiquent une distinction empirique entre les constructions. Abréviations : JS = stress professionnel ; EL = perception éthique du leadership ; IC = créativité individuelle ; OA = intégration organisationnelle de l’IA. Veuillez cliquer ici pour télécharger ce tableau.

Modèle structurel et test d’hypothèses

Pour tester les hypothèses, le modèle structurel a été testé. La perception éthique du leadership est une évaluation subjective de la manière dont les employés perçoivent le comportement des leaders. En conséquence, tout chemin structurel entre EL et les autres variables doit être interprété comme des relations basées sur des perceptions. Le tableau 6 présente les résultats concernant le stress au travail, la perception éthique du leadership, la créativité individuelle et l’intégration de l’IA organisationnelle. R² = 0,104 de perception éthique du leadership et R² = 0,186 de créativité individuelle ont été expliqués par le modèle. Ces résultats représentent un pouvoir explicatif modeste, qui convient à une inférence prudente dans le contexte de la recherche transversale sur le comportement organisationnel. Pour cette raison, le protocole met l’accent sur la démonstration du flux de travail, la décomposition des effets et l’évaluation de la pertinence prédictive plutôt que sur la validité prédictive complète. De plus, la créativité peut être influencée par d’autres facteurs, tels que le climat d’équipe, les échanges entre les dirigeants et les membres, l’autonomie des tâches, le contexte professionnel et les normes d’innovation organisationnelle, qui n’étaient pas pris en compte dans le modèle actuel. Le petit R²indique donc la limite du pouvoir explicatif du modèle, et non un échec du flux de travail indirect et d’interaction. H1 n’était pas soutenu, car l’association entre le stress au travail et la créativité individuelle n’était pas significative (β = –0,054, t = 0,935, f² = 0,003, taille d’effet négligeable). Le stress au travail était négativement associé à la perception éthique du leadership (β = –0,322, t = 6,785, f² = 0,116, petite taille d’effet), soutenant H2. H3 a été soutenu, la perception éthique du leadership étant positivement associée à la créativité individuelle (β = 0,371, t = 5,453, f² = 0,136). L’effet indirect du stress au travail sur la créativité individuelle via la perception éthique du leadership était significatif (β = –0,120, t = 4,364), soutenant H4. L’interaction entre la perception du leadership éthique et l’intégration de l’IA organisationnelle était positivement liée à la créativité individuelle (β = 0,141, t = 2,211, f² = 0,024, taille d’effet réduite), soutenant H5. Les résultats des variables témoins et de la taille de l’effet sont présentés dans le tableau 6.

Tableau 6 : Résultats des tests d’hypothèses, tailles d’effet et effets des variables témoins. L’effet indirect correspondant à H4 est rapporté ici et décomposé davantage dans le tableau 7. *p < 0,05, **p < 0,01, et ***p < 0,001. Abréviations : β = coefficient de chemin standardisé ; statistique t = t ; f² = taille de l’effet ; p = valeur de probabilité ; n.s. = non significatif ; JS = stress au travail ; EL = perception éthique du leadership ; IC = créativité individuelle ; OA = intégration organisationnelle de l’IA. Veuillez cliquer ici pour télécharger ce tableau.

L’intégration de l’IA organisationnelle a renforcé la relation entre les perceptions du leadership éthique et la créativité individuelle (β = 0,141, t = 2,211, p = 0,027). Pour rendre l’interaction interprétable dans un article de protocole visualisé, la Figure 2 et le Tableau 9 présentent l’interaction visuellement et sous forme d’effets conditionnels aux niveaux bas (−1 de DC), moyen et élevé (+1 SD) d’intégration organisationnelle^{de l’IA 18}.

Figure 2 : Pentes simples pour l’effet modérateur de l’intégration de l’IA organisationnelle. La figure trace la relation conditionnelle entre la perception du leadership éthique (EL) et la créativité individuelle (IC) aux niveaux bas (−1 écart-type [DE]), moyen et élevé (+1 SD) d’intégration organisationnelle de l’IA (OA). Dans le fichier Figure 2 soumis séparément, les espaces sont utilisés avant et après tous les opérateurs mathématiques (par exemple, OA × EL, β = 0,141, et +1 SD). Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Décomposition des effets structurels

Pour illustrer le mécanisme de médiation, les effets structurels directs et indirects ont été démêlés. Dans le tableau 7, les auteurs montrent la décomposition des effets structurels liés à la perception éthique du leadership. La relation directe entre le stress au travail et la créativité individuelle n’était pas significative (β = –0,054), tandis que la relation indirecte basée sur la perception éthique du leadership était significative (β = –0,120, p < 0,001). Ainsi, la relation entre le stress au travail et la créativité individuelle dans l’échantillon était principalement évidente à travers la perception du leadership éthique par les employés. Ce schéma indique une médiation complète plutôt qu’une médiation partielle car le chemin direct JS > IC n’était pas significatif tandis que le chemin indirect JS > EL > IC était significatif. L’interprétation est que le stress au travail est principalement lié à la créativité par la perception du leadership éthique par les employés, plutôt que par un chemin direct résiduel dans cet exemple résolu.

Tableau 7 : Décomposition des effets structurels. Le tableau sépare les effets directs, spécifiques, indirects, indirects totaux et totaux pour la relation JS > IC. Abréviations : JS = stress professionnel ; EL = perception éthique du leadership ; IC = créativité individuelle ; n.s. = non significatif. p < 0,001. Les valeurs peuvent ne pas être totalisées exactement à cause de l’arrondi. Veuillez cliquer ici pour télécharger ce tableau.

Évaluation prédictive de la pertinence

La pertinence prédictive a été évaluée à l’aide de PLSpredict. Cette méthode est utilisée pour évaluer la pertinence prédictive en examinant la prédiction, la RMSE et l’EMA de^Q2pour les constructions endogènes identifiées dans le tableau 8. PLSpredict fournit également un moyen méthodologique utile pour les chercheurs afin de fournir une vérification prédictive concise de la pertinence des parcours significatifs identifiés. Dans l’exemple fourni dans ce rapport, le tableau 8 résume le point final d’audit soutenant les voies de médiation et de modération précédemment identifiées en incluant certaines preuves de pertinence prédictive pour la perception éthique du leadership et la créativité individuelle. Puisque toutes les valeurs prédictives de^Q2étaient positives mais de taille modérée, la pertinence prédictive doit être interprétée comme fournissant une utilité prédictive bornée plutôt que comme fournissant des prévisions complètes de tous les résultats. La très faible valeur de Q2 pour la créativité individuelle est discutée directement comme une prédiction pratique faible. Cela n’invalide pas les résultats sur la médiation et la modération, mais cela limite les revendications de prévision et motive la recherche future avec des prédicteurs plus forts de la créativité au niveau individuel, d’équipe, de tâche^{et organisationnel 18}.

Tableau 8 : PLSpredict les résultats pour les constructions endogènes. Le tableau présente la prédiction Q², l’erreur quadratique moyenne (RMSE) et l’erreur absolue moyenne (MAE) pour la perception éthique du leadership (EL) et la créativité individuelle (IC), ainsi que le benchmark du modèle linéaire (LM) lorsque disponible. Ces statistiques sont interprétées comme des preuves prédictives de pertinence bornées. Veuillez cliquer ici pour télécharger ce tableau.

Le tableau 9 doit être lu en même temps que la Figure 2. Elle traduit l’interaction significative entre l’OA × l’EL en effets conditionnels de la perception du leadership éthique sur la créativité individuelle à des niveaux d’intégration organisationnelle de l’IA bas (−1), moyens et élevés (+1 DE). La pente conditionnelle est la plus faible lorsque l’embeddness de l’IA est faible, correspond à l’association de base EL > IC à la moyenne, et est la plus forte lorsque l’embeddness de l’IA est élevée. Ainsi, le Tableau 9 clarifie l’orientation pratique de H5 en montrant que les indices éthiques en leadership deviennent plus importants pour la créativité lorsque l’IA est plus profondément intégrée dans les routines^{de travail 18}.

Tableau 9 : Effets conditionnels de la perception éthique du leadership (EL) sur la créativité individuelle (CI). Le tableau indique les pentes conditionnelles de l’EL > IC à des niveaux bas (−1 d’écart-type [SD]), moyen et élevé (+1 SD) d’intégration organisationnelle de l’IA (OA), rendant ainsi l’effet de modération H5 interprétable. Veuillez cliquer ici pour télécharger ce tableau.

DISPONIBILITÉ DES DONNÉES :

Les matériaux analytiques bruts sont fournis sous forme de fichiers de données complémentaires clairement nommés : Tableau Supplémentaire 1, Ensemble de données d’enquête nettoyée désidentifié ; Tableau supplémentaire 2, Sortie de l’algorithme SmartPLS PLS ; Tableau supplémentaire 3, Sortie de démarrage SmartPLS 5 000 rééchantillons ; et Tableau supplémentaire 4, SmartPLS PLSpredict et sortie CVPAT. Une explication détaillée de ces fichiers est fournie dans le Fichier Supplémentaire 1.

Tableau supplémentaire 1 : Données brutes. Jeu de données d’enquêtes nettoyées désidentifié. Veuillez cliquer ici pour télécharger ce fichier.

Tableau complémentaire 2 : Données brutes. Sortie de l’algorithme SmartPLS PLS. Veuillez cliquer ici pour télécharger ce fichier.

Tableau complémentaire 3 : Données brutes. Sortie de démarrage SmartPLS 5 000 rééchantillons. Veuillez cliquer ici pour télécharger ce fichier.

Tableau complémentaire 4 : Données brutes. SmartPLS PLSpredict et sortie CVPAT. Veuillez cliquer ici pour télécharger ce fichier.

Fichier supplémentaire 1 : fichier README. Pour les instructions liées aux tables de données brutes. Veuillez cliquer ici pour télécharger ce fichier.

Discussion

Le protocole propose une méthode transférable basée sur une enquête pour comprendre comment les exigences psychologiques, les perceptions du leadership et les conditions contextuelles liées à l’IA influencent les résultats des employés dans des contextes de travail numériquement ^{transformés 1,2,4}. Sa principale contribution n’est pas une manipulation filmée, mais un flux de travail analytique traçable pour le recrutement, le consentement et le dépistage en ligne, la mesure des concepts d’intérêt, la préparation des données, la spécification d’un modèle SmartPLS, le bootstrap et l’interprétation des résultats représentatifs de médiation et^{de modération 15,18}. Les étapes effectuées peuvent être suivies à travers les tableaux présentés dans le manuscrit et les fichiers de sortie SmartPLS dans le matériel complémentaire en ligne. Néanmoins, cela est facilement démontrable car toutes les étapes, du recrutement en ligne à l’analyse via SmartPLS, sont réalisées par des clics à écran qui peuvent être illustrés dans la vidéo et vérifiés via les fichiers de sortie SmartPLS et les tableaux soumis reflétant les mêmes résultats.

Ce flux de travail peut être facilement adapté à l’étude d’autres mécanismes basés sur la perception en remplacement des constructions explorées par les auteurs, et peut utiliser les mêmes critères de recrutement en ligne, de sélection, de mesures validées et de séquence PLS-SEM. Cette procédure convient à un format de méthodes visualisées pour trois raisons. Premièrement, une grande partie de ce qui est fait dans la recherche anonyme par sondage est numérique et procédurale plutôt que physique. Deuxièmement, ces opérations influencent l’interprétation ; dans cet exemple, les auteurs pourraient simplement reconnaître le chemin JS > IC comme une conclusion nulle, à moins que les vérifications de mesure et la décomposition d’effets n’indiquent que JS > EL > IC est la voie indirecte. Troisièmement, parce que ces procédures se déroulent via Prolific, Qualtrics, gestion des ensembles de données, SmartPLS, fichiers de sortie, fichiers de tableaux et vidéos capturées d’écran lorsque cela est approprié, elles peuvent être enseignées, auditées et reproduites sans enregistrer les participants individuels. Les auteurs peuvent suivre écran par écran dans SmartPLS et connecter des fichiers de sortie logicielle, des fichiers de tableau, des fichiers SmartPLS supplémentaires et des vidéos capturées d’écran à des décisions méthodologiques clés concernant l’inclusion d’échantillons, la séparation des constructions, l’évaluation de la qualité des modèles et l’interprétation des résultats directs, indirects, d’interaction et prédictifs. Bien que le PLS-SEM basé sur une enquête manque de la précision graphique d’une manipulation en laboratoire, le parcours auditable du recrutement à l’inférence constitue la méthodologie. De cette manière, il offre des moyens reproductibles d’étudier le comportement humain au travail — action créative, interprétation sociale et IA — réponse contextuelle — sans nécessiter d’enregistrement vidéo des participants ^6,8,10.

Le protocole est adapté à un format de méthode visualisée car la procédure est numérique et basée sur l’écran. La vidéo peut montrer l’écran de consentement, le filtre d’éligibilité, le jeu de données désidentifié, la structure des codes-items, la toile du modèle, les paramètres de l’algorithme, la sortie bootstrap, les effets indirects, la sortie d’interaction, l’interprétation en pente simple, et PLSpredict les résultats sans filmer les participants ni révéler des données^{privées 15,18}. L’application représentative démontre pourquoi la visibilité procédurale est importante même si la technique statistique n’est pas rare. La réduction de 342 départs d’enquête à 310 cas valides, les coefficients de fiabilité entre 0,877 et 0,932, l’AVE entre 0,672 et 0,779, les VIF structurels tous inférieurs à 3,3, le chemin direct non significatif JS > IC (β = –0,054), le JS > EL > IC indirect significatif (β = –0,120), et l’interaction significative OA × EL (β = 0,141) dépendent tous de décisions antérieures concernant le dépistage, Séparation des constructs, validité des mesures, diagnostics de collinéarité et bootstrap^{15, 18, 19}. PLS-SEM prend en charge ce protocole en évaluant la qualité des constructs, en séparant les effets directs, indirects et d’interaction, et en estimant les chemins bootstrapés en^{parallèle 18}. PLSpredict demande ensuite si les constructions endogènes ont encore une pertinence prédictive après avoir jugé la qualité de la mesure et les trajectoires structurelles. Les valeurs positives mais modestes de Q2Predict en matière de perception éthique du leadership et de créativité individuelle soutiennent l’inclusion du Tableau 8 tout en suggérant une utilité prédictive limitée, plutôt qu’une prévision complète. Le chemin direct non significatif JS > IC ne doit pas être interprété seul. La décomposition montre que le stress au travail est lié à la créativité par la perception éthique du leadership, c’est pourquoi le manuscrit révisé met l’accent sur la médiation complète, la décomposition d’effets et l’interprétation restreinte des associations^{transversales} 15,18,19.

Ces résultats sont cohérents avec une analyse perceptuelle de la créativité dans les travaux embarqués par IA ^8,9. Dans cette étude, le stress au travail a prédit négativement la perception éthique du leadership, ce qui a à son tour favorisé la créativité individuelle. Bien que le stress au travail ne prédise pas directement la créativité individuelle, il était indirectement lié à la créativité via la perception que les employés avaient de l’environnement de leadership. L’association positive entre la perception éthique du leadership et la créativité a également été renforcée par l’intégration de l’IA^{organisationnelle} 26,28,29,31. Les recherches actuelles font progresser la psychologie organisationnelle en démontrant que la génération de créativité au travail est moins une fonction de la technologie en tant que telle qu’une fonction de la perception des employés du travail intégré par l’IA et du soutien des^{dirigeants 1,4,13}. L’effet de la perception du leadership éthique sur la créativité est un goulot d’étranglement interprétatif conditionné socialement, contextuellement et motivationnellement, à travers lequel le stress professionnel affecte la créativité. En particulier, le stress au travail peut diminuer l’accessibilité des signaux de leadership éthiques et de soutien perçus, tandis que la perception éthique du leadership fournit des informations sociales qui encouragent la voix, l’expérimentation et la prise de risque^{constructive 6,7,10}. L’étude éclaire également que l’intégration de l’IA organisationnelle est un facilitateur contextuel, plutôt qu’un moteur direct du comportement créatif. Dans les environnements intégrés à l’IA, les travailleurs peuvent être moins sûrs de l’expérimentation, de la responsabilité et de la manière dont leurs managers et pairs évalueront les efforts créatifs. Cette lecture peut aider à expliquer pourquoi les résultats sur les relations stress-créativité ont été mitigés par le passé : le stress peut affecter la créativité différemment selon que les employés perçoivent encore les leaders comme justes, fiables et bienveillants. Le leadership éthique est donc interprété comme un indice social important et un goulot d’étranglement interprétatif dans les milieux de travail intégrés à l’IA. Lorsque la responsabilisation, l’expérimentation et l’évaluation sont en partie médiées par l’IA, les employés peuvent s’appuyer davantage sur l’équité du leader, la transparence et la fiabilité pour décider si la prise de risques créative est sûre.

Les résultats suggèrent également que la créativité dans les milieux de travail intégrés par l’IA ne peut être maintenue uniquement ^{par la technologie 1,2,4}. Une communication continue, des procédures d’évaluation plus équitables et un soutien visible à l’expérimentation permettent aux employés qui considèrent leurs leaders comme éthiques de se sentir plus libres de discuter et d’essayer de nouvelles^{idées 6,7,10}. Les organisations devraient concevoir le stress au travail comme une condition pertinente pour la créativité plutôt que comme un simple prisme de bien-être, reconnaissant qu’un stress excessif peut miner les conditions relationnelles qui soutiendraient un comportement créatif^13,14. La mise en œuvre de l’IA serait la plus fructueuse lorsqu’un lieu de travail fournit aux employés des attentes comportementales claires, un retour d’information équitable et un soutien centré sur l’humain. Puisque les fonctionnalités centrées sur l’humain de l’IA pour l’idéation, la prédiction, l’automatisation et le contrôle entreront dans le monde des individus de différentes manières, les organisations devraient relier la mise en œuvre de l’IA à la gestion du stress et au leadership éthique plutôt que de traiter les deux comme des initiatives^{distinctes 2,32,33}.

Plusieurs limitations devraient guider l’utilisation future du protocole. Les données sont à une seule occasion, transversales, auto-rapportées, et donc les biais de méthode courants et les rapports dépendants de l’état, ainsi que l’inférence causale, ne peuvent pas être totalement exclus ; par conséquent, les chemins structurels doivent être interprétés comme des associations cohérentes en théorie^15,18. Cette limitation est visible plutôt que cachée : le protocole indique où les preuves d’enquête à vague unique soutiennent des tests d’association cohérents en théorie et où des plans longitudinaux, multi-sources ou observationnels sont nécessaires pour des affirmations causales ou comportementales plus solides. Le modèle expliquait une variance faible à moyenne dans la perception du leadership éthique (R² = 0,104) et la créativité individuelle (R² = 0,186). Ce ne sont pas des valeurs critiques car l’objectif du protocole est de fournir une compréhension claire du processus de médiation et de modération, mais elles suggèrent d’autres facteurs potentiels tels que l’échange leader-membre, le climat d’équipe, la culture organisationnelle et les normes d’innovation. L’échantillon comprenait des employés des États-Unis et du Royaume-Uni, et la mesure de l’intégration de l’IA organisationnelle était large plutôt que spécifique aux systèmes d’IA générative, prédictive, de jumelage ou orientés contrôle. Des études ultérieures peuvent développer ce protocole de référence en employant des conceptions longitudinales ou multi-vagues, des échantillons interculturels, des analyses multigroupes, de la segmentation ou des mesures plus sophistiquées des systèmes d’IA selon les besoins de la question^{de recherche 16}. Le protocole offre une voie claire pour le développement : les chercheurs peuvent commencer par le flux de travail de médiation et modération de base et ajouter des modules spécialisés lorsque la théorie dicte, par exemple, les tests d’invariance de mesure dans des comparaisons internationales, l’analyse multigroupe dans des études sur les différences professionnelles ou managériales, la segmentation par classes latentes pour découvrir des profils cachés des répondants, ou la cartographie importance-performance lorsqu’elle est utilisée pour la priorisation managériale. Dans l’ensemble, le protocole traite la créativité en milieu de travail habilitée par l’IA comme une pratique interprétative et le leadership éthique comme un canal par lequel le stress professionnel est indirectement lié à la créativité, et cette voie est renforcée par l’intégration organisationnelle de l’IA. En expliquant la trajectoire allant de la définition et du dépistage d’une population à la validation des mesures, aux tests de médiation et modération, à la réalisation de PLSpredict, et à l’interprétation avec prudence, le flux de travail a le potentiel de promouvoir la transparence, la comparabilité et la réutilisabilité des enquêtes sur le lieu de travail activées^{par IA 18,19}.

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
ChatGPT (Modèle de langage IA)	OpenAI	N/A	Utilisé uniquement pour l'édition linguistique, la vérification de la grammaire et l'amélioration structurelle lors de la préparation du manuscrit. L'outil n'a pas été utilisé pour la collecte de données, l'analyse statistique ou l'interprétation des résultats empiriques. Les auteurs ont examiné, édité et approuvé le manuscrit final et en assument l'entière responsabilité. URL: https://chatgpt.com/
Prolific (Plateforme de recrutement de participants en ligne)	Prolific Academic Ltd.	N/A	Plateforme en ligne utilisée pour recruter des participants à l'enquête pour l'exemple travaillé. Les participants ont été sélectionnés en fonction de critères d'éligibilité prédéfinis, y compris l'emploi à temps plein et la pertinence pour la population cible du lieu de travail. URL: https://www.prolific.com/
Qualtrics (Plateforme de sondage en ligne)	Qualtrics, LLC	N/A	Plateforme de sondage en ligne utilisée pour la conception du questionnaire, le consentement éclairé numérique, le dépistage, la présentation en blocs de construction, la collecte des données de réponse et l'exportation de jeux de données anonymes. Les éléments de mesure ont été administrés à l'aide d'une échelle de Likert de 7 points allant de 1 = fortement en désaccord à 7 = fortement d'accord. URL: https://www.qualtrics.com/
SmartPLS 4.1 (Logiciel PLS-SEM)	SmartPLS GmbH	Version 4.1	Utilisé pour la modélisation d'équations structurelles par moindres carrés partiels (PLS-SEM), y compris la spécification du modèle, l'estimation de l'algorithme PLS, l'évaluation du modèle de mesure, les diagnostics de collinéarité, le bootstrapping avec 5 000 rééchantillonnages, le test d'effet indirect spécifique, l'estimation des termes d'interaction, la décomposition des effets et l'évaluation PLSpredict. URL: https://smartpls.com/