Article de recherche

Proposition de l'adoption des TI publiques avec son fondement théorique et ses résultats empiriques

0 vues

⸱

DOI :

10.3791/73614

⸱

15 septembre 2026

 ,  , 
1Seoul AI School, Seoul School of Integrated Sciences and Technologies (aSSIST University), 2School of Business, Sungkyunkwan University, 3Department of Management Information Systems, Dong-A University

Dans cet article

Résumé

Cette étude propose le modèle d'adoption publique des technologies de l'information, un cadre prospectif fondé sur la théorie des perspectives, qui explique comment les gains et pertes perçus influencent l'acceptation ou le rejet par les utilisateurs des services publics de technologie de l'information, tels que la biométrie dans les aéroports. Deux enquêtes, dont une internationale, ainsi que des interventions d'experts ont permis de valider ce modèle, appuyant ainsi la théorie des perspectives à travers différents pays et contextes.

Résumé

Cette recherche propose un modèle théorique d'adoption des technologies de l'information publiques (PITA). Les services publics de technologie de l'information (TI) désignent les services fondés sur les TI que les institutions publiques offrent à tous les citoyens, tels que les portails de gouvernement électronique, les applications de santé publique et les systèmes biométriques dans les aéroports. En raison de la nature particulière des TI publiques, les modèles précédemment élaborés, centrés principalement sur les niveaux individuel et organisationnel, ont été jugés insuffisants pour identifier la masse critique nécessaire à l'adoption des TI publiques. Pour combler cette lacune, un cadre perception-intention fondé sur la théorie des perspectives a été proposé afin d'explorer les pertes et gains perçus par les utilisateurs lors de l'adoption d'un nouveau service public de TI, suggérant que ces perceptions constituent les facteurs précurseurs du rejet ou de l'acceptation d'un nouveau service public de TI. Deux études ont été menées, dont une impliquant des échantillons d'enquête provenant de trois pays (Corée du Sud, Royaume-Uni et États-Unis). Cinq experts du secteur ont également été invités, selon une approche de recherche par intervention, à affiner et valider qualitativement le modèle afin qu'il puisse être utilisé dans un scénario pratique. Les résultats ont montré que la valeur totale d'acceptation, c'est-à-dire la valeur perçue globale requise pour que les utilisateurs acceptent le service, calculée comme la somme des coefficients de chemin pertinents, était systématiquement supérieure à celle du rejet. Un résultat similaire a été observé pour le gain perçu, qui s'est révélé un prédicteur plus fort à la fois de l'acceptation et du rejet que la perte perçue. Bien que ces résultats reposent sur des données transversales auto-déclarées, ils apportent un soutien solide à la théorie des perspectives et contribuent à une meilleure compréhension du rôle fondamental de cette théorie dans l'adoption des TI publiques. Ainsi, en étendant la théorie des perspectives au contexte des TI du secteur public, PITA offre aux chercheurs une base théorique validée et aux praticiens un outil pratique pour diagnostiquer l'adoption des services de TI publics.

Introduction

Les technologies de l'information (TI) ont évolué au cours des dernières décennies pour devenir un outil dominant et omniprésent dans la recherche de l'innovation et ont profondément transformé la vie quotidienne. Depuis l'introduction de modèles d'adoption des TI fondés sur des perspectives psychologiques1,2,3,4, la relation entre les utilisateurs et les TI a été largement étudiée aux niveaux individuel et organisationnel5.

Pendant ce temps, de nombreuses organisations publiques peinent à atteindre une efficacité opérationnelle face à des exigences sociétales écrasantes, comme la congestion des aéroports, qui nuit à l'efficacité et à la qualité des services publics. L'agrandissement des infrastructures physiques pourrait procurer des avantages immédiats, mais nécessite des investissements importants en temps et en argent6. En revanche, les prestataires innovants de services publics ont abordé cette question par l'innovation pilotée par les technologies de l'information7, en intégrant des innovations aux infrastructures existantes afin d'assurer la qualité du service et l'efficacité opérationnelle8,9,10,11. Les organisations publiques adoptent désormais de nouvelles technologies de l'information (par exemple, les services cloud, la cybersécurité et la biométrie) afin de revitaliser leurs actifs essentiels, ce qui crée des défis supplémentaires d'adoption12. Ce problème pourrait découler d'une compréhension insuffisante des utilisateurs réels : les recherches antérieures se sont principalement concentrées sur les facteurs favorisant l'acceptation, au détriment du rejet. Sans la participation active des utilisateurs, les mises en œuvre des technologies de l'information dans les institutions publiques risquent de ne pas aboutir à une adoption effective.

Cependant, l'adoption des technologies de l'information dans le secteur public présente des défis uniques, distincts de ceux du secteur privé. Bien que « acceptation » et « rejet » semblent s'opposer comme deux situations initiales distinctes13, promouvoir l'une pourrait entraver l'autre ; par conséquent, les deux aspects de cet effet compensatoire doivent être pris en compte. Les études antérieures sur l'innovation dans les services publics de technologie de l'information ont tendance à mettre l'accent sur les résultats positifs10,11,14,15,16. Cet article examine donc conjointement « acceptation » et « rejet », en combinant des modèles de systèmes d'information fondés sur la psychologie (c'est-à-dire la diffusion de l'innovation et la résistance à l'innovation) avec l'économie comportementale (c'est-à-dire la théorie des perspectives).

Le cas des biométries aéroportuaires, dans lequel l'identification biométrique remplace les procédures fondées sur les documents, a été retenu parce que ce service public informatique est offert à tous les citoyens, implique des informations personnelles sensibles et confronte les utilisateurs à une décision claire d'acceptation ou de refus. Deux questions de recherche ont guidé l'étude. Q1 : Comment les gains et pertes perçus influencent-ils l'acceptation ou le refus par les utilisateurs d'un service public informatique ? Q2 : La valeur totale requise pour l'acceptation est-elle supérieure à celle requise pour le refus, comme le prévoit la théorie des perspectives ? En conséquence, un nouveau cadre théorique a été proposé et validé par des experts du secteur selon la stratégie IBR (recherche fondée sur l'intervention)17 (Figure 1). Cette étude intègre ainsi la théorie des perspectives aux modèles d'adoption des systèmes d'information et fournit des enseignements exploitables pour les gestionnaires de services informatiques publics.

figure-introduction-1
Figure 1 : Le processus de recherche relatif à l'élaboration et au développement du modèle théorique. Le schéma illustre le déroulement global de la recherche, depuis l'élaboration du modèle théorique fondé sur des modèles d'adoption antérieurs et la théorie des perspectives, jusqu'à l'achèvement du modèle PITA, en passant par l'Étude 1 et l'Étude 2, chacune suivie d'une intervention d'experts. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

L'adoption des technologies de l'information a été largement étudiée : le modèle d'acceptation de la technologie (TAM)2 et la théorie unifiée de l'acceptation et de l'utilisation de la technologie (UTAUT)4 au niveau individuel, ainsi que la diffusion de l'innovation (DOI)1 et le cadre technologie-organisation-environnement (TOE)3 au niveau organisationnel, ont donné lieu à des études complémentaires sur la réalité augmentée et l'apprentissage des langues18,19, les chatbots et les paiements numériques20,21, les services de mobilité22,23, et le travail à distance24. Toutefois, ces modèles présentent des limites notables dans le contexte des technologies de l'information publiques : le TAM suppose une utilisation volontaire, le DOI néglige la résistance des utilisateurs, et l'UTAUT a été conçu principalement pour des environnements organisationnels, ce qui remet en question leur applicabilité aux services publics de technologie de l'information quasi obligatoires. Des études sur l'adoption des technologies de l'information publiques fondées sur ces modèles existent également, par exemple l'extension de l'UTAUT pour analyser un système en ligne de traitement des réclamations publiques25 ou l'application du TOE aux systèmes d'information sur les ressources humaines dans le secteur public14 ; de nombreuses autres recherches ont adopté des approches similaires26,27,28,29,30,31,32,33,34,35.

Toutefois, l'adoption des technologies de l'information au niveau public diffère considérablement de celle au niveau individuel ou organisationnel (voir Tableau 1) : les entités adoptantes et les utilisateurs ne sont pas identiques, et les intentions des utilisateurs ne sont pas évidentes en raison de l'inertie psychologique et de la situation actuelle des services existants. Les caractéristiques perturbatrices des technologies de l'information peuvent entraver la restructuration des systèmes existants36 ; l'adoption exige également un changement d'attitude et de comportement de la part des utilisateurs, ce qui suppose une compréhension claire de leurs points de vue. Compte tenu de ces caractéristiques, les modèles antérieurs axés sur les niveaux individuel et organisationnel pourraient ne pas être suffisants pour identifier la masse critique nécessaire à l'adoption publique des technologies de l'information. Étant donné que l'innovation des services fondée sur les technologies de l'information est essentielle pour réduire les coûts et améliorer les services37,38, et qu'elle contribue en fin de compte au progrès de la société39, un cadre théorique ciblé sur l'adoption publique des technologies de l'information est crucial.

IndividuelEntreprisePublic
Entité d'adoptionIndividusEntreprises (privées)Entreprises (publiques)
UtilisateurIndividusEmployés de l'entrepriseIndividus
Intention de l'utilisateurCertaineCertaine (imposée)Incertaine
Inertie psychologiqueNégligeableNégligeable (imposée)Importante
Perception de la valeurIndispensableIndispensable (imposée)Indispensable
Objectif principal d'adoptionPersonnelEfficacité, économies de coûtsIntérêt public
Modèles d'adoption des TI pertinentsTAM2, UTAUT4DOI1, TOE3Cette étude

Tableau 1 : Différents niveaux d'adoption des technologies de l'information. Le tableau compare l'adoption des technologies de l'information aux niveaux individuel, organisationnel et public en fonction des modèles théoriques représentatifs, des entités adoptantes et des utilisateurs.

La littérature existante a démontré que les individus et les employés ont une intention a priori (au niveau individuel) ou imposée (au niveau de l'entreprise) d'utiliser un service informatique spécifique2,40, ce qui implique que l'adoption était prédéterminée4,41. Toutefois, tous les utilisateurs n'ont pas l'intention d'utiliser les technologies de l'information42, et seules quelques études sur les systèmes d'information ont identifié les caractéristiques et les justifications du rejet43,44. Par conséquent, un nouveau service public de technologie de l'information serait délibérément rejeté jusqu'à ce que l'innovation soit soit acceptée, soit abandonnée45.

Comprendre l'acceptation et le rejet par les utilisateurs d'un service informatique offert par une institution publique est l'objectif principal de cette étude, examiné à travers deux perceptions de la valeur : le gain perçu et la perte perçue. Le gain perçu a été adapté du modèle de diffusion de l'innovation1,46 ; ces concepts ont été largement utilisés pour analyser les perceptions favorisant l'acceptation des technologies de l'information47,48 et démontrent une forte validité dans divers contextes40. En revanche, la perte perçue inclut les caractéristiques expliquant pourquoi les individus maintiennent leur mode de vie actuel malgré les pressions à s'adapter ; ancrée dans la résistance à l'innovation42,49, cette orientation de recherche examine pourquoi certaines personnes retardent l'adoption d'une innovation ou la rejettent catégoriquement49,50,51,52,53. Une approche multidimensionnelle a permis de saisir ces perceptions, plutôt que de traiter la perte et le gain comme des concepts généraux.

La perte perçue a été opérationnalisée à travers cinq concepts53,54. La perte de temps (TIL) correspond au temps perçu comme perdu dans l'apprentissage et l'utilisation du service, ainsi que lorsque les attentes ne sont pas satisfaites53. La perte sociale (SOL) est le risque de perdre son statut au sein d'un groupe social en apparaissant comme ridicule ou dépassé54. La perte financière (FIL) englobe les pertes monétaires potentielles dues aux coûts d'achat, aux frais ou au vol d'informations personnelles54. La perte physique (PHL) est la perception que l'utilisation pourrait entraîner un préjudice, un inconfort ou une fatigue53,54. La perte de performance (PEL) est la dégradation perçue de la qualité ou des fonctionnalités du service par rapport aux alternatives existantes, incluant les dysfonctionnements et l'incapacité à fournir les avantages souhaités53.

Pour expliquer le gain perçu (PG), on a utilisé les critères suivants : l'avantage relatif, la compatibilité, la possibilité de test et la complexité1,46. L'avantage relatif (REA) correspond au degré auquel une innovation est considérée comme plus avantageuse que son prédécesseur ; la compatibilité (COM), au degré d'adéquation avec les valeurs, les besoins et les expériences antérieures d'un adoptant potentiel ; la possibilité de test (TRI), à l'ampleur des expérimentations possibles avant l'adoption ; et la complexité (CPX), qui est liée à la facilité de usage perçue dans le modèle TAM, fait référence à la difficulté d'utilisation et de compréhension de l'innovation. L'observabilité a été exclue car elle est trop ambiguë pour être mesurée46, et parce que les résultats biométriques dans le contexte des technologies de l'information publiques ne sont pas facilement observables par autrui.

Le cadre perte-gain a été proposé pour expliquer les valeurs perçues qui motivent les réactions face à un nouveau service public de technologie de l'information. Si le service est radical et menace les comportements habituels, on a émis l'hypothèse que la perte perçue l’emporterait sur le gain perçu, entraînant un rejet ; si cette situation persiste, le rejet pourrait devenir un aspect constant de l’intention comportementale42,49. Inversement, si les avantages perçus l’emportent sur les pertes anticipées, l’utilisateur n’a guère de raisons de rejeter le service. Par conséquent, les hypothèses suivantes ont été formulées :

H1. La perte perçue aura un effet positif sur le rejet.
H2. La perte perçue aura un effet négatif sur l'acceptation.
H3. Le gain perçu aura un effet négatif sur le rejet.
H4. Le gain perçu aura un effet positif sur l'acceptation.

Tout progrès technologique dans les services publics visant à améliorer la société (par exemple, un embarquement plus rapide et plus sécurisé grâce à la biométrie dans les aéroports) peut néanmoins comporter de nombreux risques et incertitudes, et les utilisateurs pourraient ne pas accepter les avantages escomptés. Selon la théorie des perspectives55, les individus prennent des décisions irrationnelles en fonction de l'évaluation d'alternatives, de valeurs et d'attitudes face à l'incertitude, jugées par rapport à un point de référence (dépendance au point de référence). L'apport principal de cette théorie est l'aversion à la perte, c'est-à-dire la tendance à accorder plus d'importance aux pertes qu'aux gains équivalents, combinée à une sensibilité décroissante ; cette focalisation sur les gains et les pertes par rapport à la situation actuelle correspond directement à la dichotomie acceptation-rejet examinée ici. La théorie des perspectives a été utilisée dans des études récentes en systèmes d'information et technologies de l'information pour expliquer des décisions irrationnelles en situation de risque et d'incertitude56,57,58,59,60, dans des contextes allant du travail assisté par l'intelligence artificielle et de la santé numérique à l'accès public au Wi-Fi et aux paiements mobiles. Bien que ces études confirment la pertinence de la théorie, elles se sont principalement concentrées sur les intentions d'acceptation et ont négligé la dimension du rejet, essentielle dans le contexte des technologies de l'information publiques.

Les utilisateurs de services informatiques publics agissent comme s'ils décidaient d'accepter ou de rejeter le service en fonction des valeurs totales requises (c'est-à-dire la somme des gains et pertes perçus). Aucune étude antérieure sur l'adoption des technologies de l'information publiques n'a examiné ce phénomène sous cet angle. En conséquence, les coefficients de chemin (c'est-à-dire PL vers REJ) ont été codés comme des valeurs55, et les valeurs totales requises pour le rejet et l'acceptation ont été calculées comme suit :

V(R) = CLR + CGR      (1)
V(A) = CLA + CGA       (2)

où CLR, CGR, CLA et CGA sont respectivement les coefficients de chemin entre la perte perçue et le rejet, le gain perçu et le rejet, la perte perçue et l'acceptation, et le gain perçu et l'acceptation ; ces coefficients standardisés produisent V(R) et V(A) comme valeurs composées de l'influence totale de la perte et du gain. Étant donné que les services publics de technologie de l'information sont conçus pour bénéficier aux utilisateurs, et que les utilisateurs accordent plus d'importance aux pertes qu'aux gains lorsqu'ils s'écartent du statu quo, l'acceptation, choix plus risqué, devait nécessiter une valeur totale supérieure à celle du rejet. En s'appuyant sur les hypothèses H1 à H4, H5 teste l'équilibre net de ces effets :

H5. La valeur totale requise pour l'acceptation, V(A), sera supérieure à celle nécessaire pour le rejet, V(R). Le modèle conceptuel PITA (adoption publique des technologies de l'information) qui en résulte est illustré dans la Figure 2.

figure-introduction-2
Figure 2 : Modèle conceptuel PITA. Le schéma représente la perte perçue (PL) et le gain perçu (PG) comme des facteurs prédictifs du rejet (REJ) et de l'acceptation (ACC) ; les chemins a, b, c et d correspondent aux coefficients utilisés pour calculer les valeurs totales V(R) et V(A). Remarque : a = CLR, b = CLA, c = CGR, et d = CGA  Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Protocole

Toutes les procédures de l'étude étaient conformes aux principes éthiques applicables à la recherche impliquant des participants humains à l'Université aSSIST, à l'Université Sungkyunkwan et à l'Université Dong-A. Étant donné que les réponses au questionnaire étaient anonymisées dès leur collecte et qu'aucune information permettant d'identifier les personnes n'a été recueillie, le comité d'éthique (Institutional Review Board) de l'Université aSSIST a classé cette étude comme étant exemptée d'un examen éthique complet. Les institutions participantes n'ont pas obtenu d'approbations distinctes du comité d'éthique, car elles se sont appuyées sur la décision d'exemption émise par le comité d'éthique de l'Université aSSIST, laquelle couvrait à la fois la conception de la recherche et les procédures de collecte des données. Cette décision a été prise conformément à l'article 15 de la loi sur la bioéthique et la sécurité de la République de Corée et aux critères d'exemption précisés à l'article 13 de son arrêté d'application (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do). Avant d'accéder au questionnaire sur Qualtrics, tous les participants ont pris connaissance d'une déclaration électronique de consentement éclairé expliquant l'objectif académique de la recherche, le traitement anonyme des réponses, l'utilisation exclusive des données à des fins de recherche et l'absence de risques raisonnablement prévisibles. Seuls les participants ayant donné leur consentement explicitement ont pu poursuivre le questionnaire.

Aperçu des études
Deux études empiriques et deux interventions menées par des experts ont été réalisées afin de tester les cinq hypothèses et le modèle PITA proposé. Les résultats sont présentés dans la Figure 3. Des enquêtes en deux vagues ont été menées avant la pandémie de COVID-19 (T4 2019) et pendant celle-ci (T2-T3 2020) afin de mesurer les variables à des moments différents, de réduire la possibilité de biais méthodologique commun (BMC) dans les données et d'améliorer la généralisation de l'étude61,62.

figure-protocol-1
Figure 3 : Aperçu des études. La chronologie résume le dispositif en deux vagues : l'Étude 1 (T4 2019, avant la pandémie de COVID-19, échantillon coréen, N = 322), suivie de la première intervention d'experts, puis l'Étude 2 (T2-T3 2020, pendant la pandémie de COVID-19, échantillons coréen, britannique et américain, N = 602), suivie de la seconde intervention d'experts. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Modèle de l'étude 1
Le modèle de recherche initial a été élaboré à partir des hypothèses formulées afin de révéler les intentions des utilisateurs d'accepter ou de rejeter un service public informatique récemment introduit (c'est-à-dire la biométrie dans les aéroports), comme illustré dans la Figure 4. Les opinions des utilisateurs sur les services publics informatiques sont reflétées par deux construits de second ordre, la perte perçue (PL) et le gain perçu (PG), chacun composé de construits de premier ordre respectifs. Ces deux construits de second ordre constituent les antécédents du rejet (REJ) et de l'acceptation (ACC), qui représentent les intentions des utilisateurs d'utiliser les services publics informatiques.

figure-protocol-2
Figure 4 : Modèle de recherche de l'étude 1. Cinq facteurs de premier ordre liés à la perte (PEL, TIL, SOL, PHL et FIL) constituent le facteur de second ordre « perte perçue », et quatre facteurs de premier ordre liés au gain (REA, COM, TRI et CPX) constituent le gain perçu ; les deux facteurs de second ordre sont modélisés comme des prédicteurs du rejet et de l'acceptation (H1–H4). Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Données de recherche de l'étude 1
Le premier échantillon de données, basé sur un total de 322 participants coréens (femmes : 46,6 % et hommes : 53,4 %) ayant déjà embarqué dans un avion au moins une fois au cours de l'année précédente, a été recueilli du 13 au 18 novembre 2019 (avant le début de la pandémie de COVID-19). Des définitions et des exemples de services publics de technologie de l'information (c'est-à-dire d'applications biométriques dans les aéroports) ont été fournis dans l'introduction du questionnaire. Les données brutes de l'étude 1 sont fournies dans le fichier supplémentaire 1. La fréquence de vol a été mesurée selon cinq catégories mutuellement exclusives (FF1–FF5), correspondant respectivement à un, deux, trois, quatre et cinq vols ou plus au cours de l'année précédente (étude 1 : 138, 91, 34, 21 et 38 participants ; étude 2 : 174, 153, 109, 82 et 84 participants, respectivement).

Les construits prédicteurs ont été évalués à l'aide d'une échelle de Likert à sept points allant de « fortement en désaccord (1) » à « fortement d'accord (7) » (voir Fichier supplémentaire 21,46,53,54,63,64 pour le questionnaire de l'étude). Après un test pilote mené auprès de 20 participants, les révisions se sont limitées à des améliorations au niveau de la formulation des items de question afin d'en accroître la stabilité, l'applicabilité et la facilité d'interprétation ; aucun construit ni aucun item n'a été ajouté ou supprimé après le test pilote. Le document d'accompagnement contient l'intégralité du questionnaire ainsi que les statistiques pertinentes et le contexte théorique. Des analyses de validation factorielle (CFA) et de modélisation par équations structurelles basée sur la covariance (CB-SEM) ont été réalisées.

Intervention des experts pour l'étude 1
Cinq experts possédant au moins dix ans d'expérience ont été invités afin de garantir l'objectivité et d'améliorer la qualité de ce travail, dont deux provenant d'organisations internationales (Airports Council International et International Air Transport Association), deux d'organisations gouvernementales (aéroport de Changi à Singapour et Korea Airports Corporation) et un d'une entreprise privée offrant des services dans un cadre public (Korean Air). Cette intervention d'experts a été essentielle pour fournir des retours permettant d'améliorer le modèle et les connaissances spécialisées relatives au contexte cible. Des évaluations qualitatives (c'est-à-dire des retours subjectifs) et quantitatives (échelle de Likert à sept points) ont été réalisées. Une version révisée des éléments du questionnaire sur les caractéristiques des rapports de décision (voir Fichier supplémentaire 3)65 a été utilisée pour l'évaluation quantitative et validée à l'aide du coefficient de corrélation intraclasse66. À chaque tour d'intervention, chaque expert a rempli individuellement le questionnaire quantitatif, puis a fourni des commentaires qualitatifs ouverts ; le même panel, les mêmes instruments et la même procédure ont été utilisés lors des deux interventions afin de permettre la réplication.

Étude 2
Afin de résoudre les problèmes identifiés dans l’Étude 1 et d’améliorer la généralisabilité du modèle, l’Étude 2 a appliqué le même modèle que celui utilisé dans l’Étude 1. L’Étude 2 comprenait 602 participants (femmes : 42,3 %, hommes : 57,7 %, Corée : 200, Royaume-Uni : 201 et États-Unis : 201). Les données ont été recueillies entre le 23 juillet et le 19 août 2020 (durant la pandémie de COVID-19). Les données brutes de l’Étude 2 sont fournies dans le Fichier supplémentaire 4. Avec 33 indicateurs observés, cette taille d’échantillon fournit environ 18 observations par indicateur, dépassant ainsi le critère couramment recommandé de 10 observations par indicateur pour la ME-EC, et dépassant également le seuil minimal largement utilisé de 200 observations. La Corée, le Royaume-Uni et les États-Unis ont été choisis car ils représentaient 29,1 % de l’ensemble des voyageurs aériens dans le monde (environ 1,6 milliard sur 5,5 milliards) entre juillet 2019 et juin 2020. La pandémie de COVID-19 a touché ces pays à des moments différents, débutant en Corée puis affectant ultérieurement les États-Unis et le Royaume-Uni. De plus, ces trois nations offrent un mélange de traditions culturelles orientales et occidentales. Par conséquent, l’ensemble de données combiné provenant de ces pays a été utilisé pour examiner le cadre perception-intention des utilisateurs concernant un nouveau service public de technologie de l’information (c’est-à-dire la biométrie aéroportuaire).

Intervention des experts pour l'étude 2
Les mêmes experts ont été invités, les mêmes évaluations quantitatives et qualitatives ont été réalisées, et leurs commentaires ont été sollicités afin de valider les résultats de l'étude 2.

Résultats

Étude 1
Afin d'évaluer d'éventuels biais de mesure commune (CMB) associés aux données autodéclarées, une analyse à un facteur a d'abord été réalisée67. Selon les résultats du test, un facteur expliquait 36,56 % de la variance ; le fait qu'un seul facteur explique moins de 50 % de la variance indique que le CMB ne pose pas de problème62,67,68. La validité de construit et la fiabilité ont ensuite été évaluées. Les résultats présentés dans le Tableau 2 indiquent que la variance moyenne extraite (AVE, de 0,585 à 0,836) et la fiabilité composite (CR, de 0,872 à 0,939) satisfont aux exigences minimales requises69,70. De plus, la racine carrée de l'AVE pour chaque construit, indiquée sur la diagonale, est supérieure à ses corrélations avec les autres construits, ce qui confirme la validité discriminante69.

CRAVEMSVMaxR(H)PLPGACCREJ
PL0,8720,5850,3070,9020,765
PG0,9020,7050,5990,97-0,380,839
ACC0,9270,8090,5960,9410,554-0,670,9
REJ0,9390,8360,5990,941-0,430,774-0,770,914

Tableau 2 : Fiabilité et validité des construits (Étude 1). Le tableau indique la fiabilité composite (CR), la variance moyenne extraite (AVE) et les corrélations entre les construits pour le modèle de mesure de l'Étude 1.

Ensuite, les hypothèses ont été testées à l'aide de la MÉS parmi le gain perçu, la perte perçue, l'acceptation et le rejet. Comme illustré dans la Figure 5, le modèle a démontré des indices d'ajustement acceptables (CMIN/DF = 2,25, CFI = 0,936, SRMR = 0,075, RMSEA = 0,062), tous satisfaisant aux seuils recommandés (CMIN/DF < 3, CFI > 0,90, SRMR < 0,08, RMSEA < 0,08), et les résultats appuient fortement les hypothèses formulées. Les cinq facteurs déterminants (PER, TIR, SOR, PHR et FIR) de la perte perçue et les quatre facteurs déterminants (REA, COM, TRI et CPX) du gain perçu (PG) ont tous montré des effets substantiels. Les tests des hypothèses 1 et 2 ont révélé que la perte perçue exerçait une influence positive modérée sur le rejet (β = 0,357, p < 0,001) et un impact négatif significatif sur l'acceptation (β = -0,148, p < 0,001). Ainsi, H1 et H2 sont confirmées. En revanche, les tests des hypothèses 3 et 4 ont montré que le gain perçu avait des effets opposés par rapport à la perte perçue : une influence positive forte sur l'acceptation (β = 0,721, p < 0,001) et un impact négatif sur le rejet (β = -0,507, p < 0,001), respectivement. Par conséquent, H3 et H4 sont également confirmées. Le résumé général des résultats du test du modèle de recherche de l'Étude 1 à l'aide de la MÉS est présenté dans le Tableau 3. Le modèle structurel explique 62,4 % de la variance de l'acceptation et 52,5 % de celle du rejet (R2 = 0,624 et 0,525, respectivement).

figure-results-1
Figure 5 : Résultats des tests d'hypothèses de l'étude 1. Le diagramme présente les coefficients de chemin standardisés et leurs niveaux de signification pour le modèle structurel estimé à partir de l'échantillon de l'étude 1 (N = 322) ; tous les chemins hypothésés étaient significatifs dans les directions attendues. PEL = perte de performance ; TIL = perte de temps ; SOL = perte sociale ; PHL = perte physique ; FIL = perte financière ; REA = avantage relatif ; COM = compatibilité ; TRI = possibilité de test ; CPX = complexité ; PL = perte perçue ; PG = gain perçu ; REJ = rejet ; ACC = acceptation Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

HypothèseCheminβvaleur tvaleur pRésultat
H1a : PL → REJ0,3576,592***Soutenue
H2b : PL → ACC-0,148-3,059***Soutenue
H3c : PG → REJ-0,507-7,29***Soutenue
H4d : PG → ACC0,7218,966***Soutenue

Tableau 3 : Résultats globaux de l'étude 1. Le tableau résume les coefficients de chemin standardisés, les niveaux de significativité et les résultats des tests d'hypothèses pour l'étude 1. ***p < 0,001

En outre, les valeurs totales requises pour REJ et ACC ont été calculées afin de tester H5 et de confirmer si le modèle est conforme à la théorie des perspectives55. Dans les équations (1) et (2), a correspond au chemin allant de la perte perçue au rejet (CLR = 0,357), c au chemin allant du gain perçu au rejet (CGR = -0,507), b au chemin allant de la perte perçue à l'acceptation (CLA = -0,148), et d au chemin allant du gain perçu à l'acceptation (CGA = 0,721). Les résultats ont indiqué que V(R) = a + c = -0,150 et que V(A) = b + d = 0,573 ; par conséquent, V(R) < V(A), et H5 a été confirmée.

Résultats de l'intervention des experts pour l'étude 1
Les résultats ont indiqué que les experts n'étaient pas entièrement d'accord avec les affirmations ; les valeurs moyennes variaient de 3,40 à 4,40 pour les variables mesurant l'orientation systématique, la qualité et la suffisance de l'énoncé du problème. La variable affect négatif généralisé a également montré une fourchette comprise entre 3,20 et 3,60 (ICC = 0,609, p = 0,008). Les évaluations subjectives des experts ont identifié deux domaines supplémentaires à améliorer : l'ensemble de données n'était pas représentatif du facteur situationnel (il avait été recueilli avant la pandémie de COVID-19), et un échantillon composé uniquement de participants coréens ne permettrait pas une généralisation adéquate. Ces résultats ont jeté les bases de l'étude 2, réalisée après les interventions des experts afin de remédier à ces problèmes.

Étude 2
Une procédure parallèle à celle de l’Étude 1 a été suivie dans l’Étude 2. Premièrement, une analyse à un facteur a été réalisée afin d’évaluer si le biais méthodologique commun (CMB) constituait un problème dans le jeu de données67. Les résultats du test ont indiqué qu’il n’y avait pas d’effet substantiel du CMB dans l’échantillon, un seul facteur expliquant 38,97 % de la variance, un pourcentage inférieur au seuil de préoccupation de 50 %62,67,68. En complément du CMB, les résultats présentés dans le Tableau 4 suggèrent que la fiabilité et la validité du modèle étaient également satisfaisantes69,70. De plus, tous les ratios hétérotrait-monotrait (HTMT) étaient inférieurs au seuil de 0,85, ce qui renforce davantage la validité discriminante.

CRAVEMSVMaxR(H)PLPGACCREJ
PL0,8610,560,3640,8850,748
PG0,9020,7050,6670,947-0,4220,84
ACC0,960,8890,6670,961-0,5080,8160,943
REJ0,9420,8440,6590,9570,603-0,745-0,8120,919

Tableau 4 : Fiabilité et validité des construits (Étude 2). Le tableau indique la fiabilité composite (CR), la variance moyenne extraite (AVE) et les corrélations entre les construits pour le modèle de mesure de l'Étude 2.

Les résultats du test de MEB de l'étude 2 avec les trois pays étaient les suivants : CMIN/DF = 3,835, CFI = 0,945, RMSEA = 0,058. Le CFI et le RMSEA ont atteint les seuils recommandés, et bien que la valeur de CMIN/DF de 3,835 n'atteigne pas le critère plus strict de <3,0, elle indiquait tout de même un ajustement acceptable du modèle selon le critère moins strict de <5,0. Par conséquent, les résultats du test étaient très cohérents avec les arguments développés et avec les résultats de l'étude 1, comme indiqué dans Figure 6 et Tableau 5. De façon similaire aux résultats de l'étude 1, les relations entre PL et REJ (β = 0,345, p < 0,001) et entre PG et ACC (β = 0,767, p < 0,001) étaient significativement positives, tandis que celles entre PL et ACC (β = -0,202, p < 0,001) et entre PG et REJ (β = -0,644, p < 0,001) étaient significativement négatives. Ainsi, H1, H2, H3 et H4 étaient tous confirmées. Le modèle structurel expliquait 76,0 % de la variance de l'acceptation et 72,1 % de celle du rejet (R2 = 0,760 et 0,721, respectivement).

figure-results-2
Figure 6 : Résultats des tests d'hypothèses de l'étude 2. Le diagramme présente les coefficients de chemin standardisés et leurs niveaux de signification pour le modèle structurel estimé à partir de l'échantillon regroupé des trois pays de l'étude 2 (N = 602) ; le profil des résultats reproduit celui de l'étude 1. PEL = perte de performance ; TIL = perte de temps ; SOL = perte sociale ; PHL = perte physique ; FIL = perte financière ; REA = avantage relatif ; COM = compatibilité ; TRI = possibilité de test ; CPX = complexité ; PL = perte perçue ; PG = gain perçu ; REJ = rejet ; ACC = acceptation Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

HypothèseCheminβvaleur tvaleur pRésultat
H1a : PL → REJ0,3459,342***Pris en charge
H2b : PL → ACC-0,202-6,81***Pris en charge
H3c : PG → REJ-0,644-12,694***Pris en charge
H4d : PG → ACC0,76713,707***Pris en charge

Tableau 5 : Résultats globaux de l'étude 2. Le tableau résume les coefficients de chemin standardisés, les niveaux de significativité et les résultats des tests d'hypothèses pour l'étude 2. ***p < 0,001

Ensuite, les valeurs totales requises pour REJ et ACC ont été examinées plus en détail afin de tester H5 et de confirmer si le modèle soutenait l'argument de la théorie des perspectives55. Avec la même attribution de coefficients que dans l'Étude 1, les résultats ont montré que V(R) = a + c = -0,299 et V(A) = b + d = 0,565 ; par conséquent, V(R) < V(A). L'hypothèse H5 a également été confirmée dans l'Étude 2, et la différence entre V(R) et V(A) dans l'Étude 2 (0,864) était supérieure à celle observée dans l'Étude 1 (0,723).

Résultats de l'intervention des experts pour l'étude 2
Les résultats de l'évaluation quantitative ont été nettement positifs (ICC = 0,960, p < 0,001) ; la moyenne des valeurs pour les variables mesurant l'orientation systématique, la qualité et la pertinence de l'énoncé du problème se situait entre 6,20 et 6,80, et celle de la variable mesurant l'affect négatif général entre 1,20 et 1,80. La forte corrélation intraclasse indique un consensus marqué parmi les experts quant à l'orientation systématique, à la qualité et à la pertinence de l'énoncé du problème du modèle, et les experts n'ont soulevé aucun autre point lors de leur évaluation subjective. Il a donc été conclu que l'étude satisfaisait finalement aux exigences nécessaires à l'achèvement du modèle PITA proposé.

DISPONIBILITÉ DES DONNÉES :
Les données sont téléchargées sous forme de Fichier supplémentaire 1 (étude 1) et de Fichier supplémentaire 4 (étude 2) ; les résultats complets du modèle CB-SEM sont fournis dans le Fichier supplémentaire 5, et les définitions et codages des variables sont documentés dans le dictionnaire de données (Fichier supplémentaire 6). Dans les fichiers de données et les résultats CB-SEM, les abréviations utilisées dans le manuscrit PEL, TIL, SOL, PHL, FIL et REJ correspondent respectivement aux étiquettes de variables PER, TIR, SOR, PHR, FIR et RES, et les construits de second ordre PL et PG sont désignés par Perceived_Risk et Perceived_Benefit.

Fichier supplémentaire 1 : Données de recherche (Étude 1) Veuillez cliquer ici pour télécharger ce fichier.

Fichier supplémentaire 2 : Questionnaire de l'enquête Veuillez cliquer ici pour télécharger ce fichier.

Fichier supplémentaire 3 : Questionnaire d'intervention Veuillez cliquer ici pour télécharger ce fichier.

Fichier supplémentaire 4 : Données de recherche (étude 2) Veuillez cliquer ici pour télécharger ce fichier.

Fichier supplémentaire 5 : Fichiers de sortie du modèle CB-SEM Veuillez cliquer ici pour télécharger ce fichier.

Fichier supplémentaire 6 : Dictionnaire des données Veuillez cliquer ici pour télécharger ce fichier.

Discussion

Cette étude en deux parties a testé le modèle PITA d'adoption publique des technologies de l'information ; dans les deux études, les cinq hypothèses ont été confirmées, et l'écart entre V(A) et V(R) s'est accru dans le contexte plus risqué de la pandémie de COVID-19, conformément à la théorie des perspectives, selon laquelle des choix plus risqués exigent une valeur perçue plus grande. Un manque a été identifié dans les fondements théoriques de la littérature sur l'adoption des TI, notamment dans les modèles TAM2 et DOI1, qui n'ont pas suffisamment expliqué l'adoption publique des TI. Plus important encore, ces études n'ont pas correctement pris en compte l'incertitude des utilisateurs lors de l'utilisation de services publics de TI. Il a donc été demandé quel impact le cadre perception-intention proposé par PITA exerce sur la décision d'adopter des services publics de TI. Un utilisateur doit considérer les avantages et les inconvénients de l'option actuelle lorsqu'il est confronté à un nouveau service public innovant. Si la nouvelle option est refusée, l'utilisateur retourne à l'état précédent, rendant ainsi la nouvelle option inutile. Le modèle PITA permet de comprendre les perceptions de valeur sous-jacentes qui influencent un tel choix. En outre, cela a permis de formuler plusieurs recommandations pour éviter de telles échecs avant d'investir dans un nouveau service public de TI1,42. Cette étude a examiné comment les gains et pertes perçus influencent l'acceptation ou le rejet d'un service public de TI ; les cinq hypothèses ont été confirmées. Les perceptions des utilisateurs concernant les services publics de TI peuvent être envisagées sous deux angles, et il est probable que les perceptions négatives prédominent. Les résultats ont toutefois montré que leurs perceptions positives les incitaient à accepter le service et à réduire leur résistance. Des illustrations pertinentes de la perte perçue incluent des performances incohérentes, des procédures déraisonnablement longues, une résistance de l'entourage des utilisateurs, des dommages physiques causés par les appareils ou des échecs dans les transactions financières. De plus, des fonctions interchangeables, des événements de test en version bêta ouverte et la facilité d'utilisation constituent des exemples de composantes des gains perçus. Les résultats des deux études sont cohérents avec des recherches antérieures sur le modèle de résistance à l'innovation et sur la diffusion des innovations, par exemple1,42.

Une découverte importante fut que la valeur globale de l'acceptation était presque cinq fois supérieure à celle du rejet. Cette grande différence entre V(A) et V(R) était principalement due à l'effet positif marqué de la perception du gain sur l'acceptation (β = 0,721) et à l'effet négatif de la perception du gain sur le rejet (β = -0,507), suggérant que la perception par les utilisateurs des avantages, tels que la facilité d'utilisation et les fonctions interchangeables, joue un rôle plus prépondérant que la perception des pertes dans la formation des décisions d'adoption. Pour que les utilisateurs prennent la décision plus risquée d'accepter un nouveau service public informatique inconnu, les perceptions positives doivent largement surpasser les perceptions négatives. Les utilisateurs peuvent également rejeter de nouveaux services publics informatiques au détriment de pertes, car le processus décisionnel peut ne pas être entièrement rationnel. Ce phénomène pourrait s'expliquer par un fort attachement au service actuel et par le fait que les services publics informatiques ne sont pas destinés à un usage quotidien régulier. Les utilisateurs peuvent maintenir leur état actuel s'ils constatent le moindre inconvénient. Ils n'essaieront pas de surmonter leur résistance psychologique à accepter de nouveaux services publics informatiques si les gains perçus sont insuffisants ou si les pertes perçues dépassent celles anticipées. Dans l'Étude 2, qui a systématiquement révélé les mêmes schémas dans le cadre perception-intention des utilisateurs dans le contexte d'un service public informatique, une confirmation plus concrète et plus large du modèle théorique proposé a été obtenue. En outre, V(A) était nettement supérieure à V(R), ce qui renforce l'argument en faveur de l'extension de la théorie des perspectives55.

L'impact du facteur situationnel (COVID-19) sur V(A) et V(R) constituait une autre découverte intéressante dans l'Étude 2. L'écart entre V(R) et V(A) dans l'Étude 2 s'est accru par rapport à celui observé dans l'Étude 1. Pendant une crise sanitaire mondiale, les utilisateurs ont pu percevoir des pertes potentielles plus importantes dues à l'infection tout en reconnaissant simultanément des gains potentiels plus élevés liés au service sans contact, et cet effet double a amplifié la différence de valeur nécessaire à l'acceptation. Cette découverte soutient la tentative de faire progresser la théorie des perspectives en indiquant que l'option plus risquée (accepter un nouveau service public de technologie de l'information dans une situation plus risquée, la COVID-19) exige une valeur plus grande55. Inévitablement, les résultats de l'évaluation de l'Étude 2 ont de nouveau confirmé ceux de l'Étude 1. Le facteur situationnel s'est révélé être un élément pouvant modifier les valeurs liées à la décision des utilisateurs, comme les experts l'avaient prédit lors de la première intervention. En outre, les résultats ont confirmé la validité des hypothèses du modèle à l'aide d'échantillons plus importants dans le cas des biométries aéroportuaires, renforçant ainsi sa robustesse et sa généralisabilité. Néanmoins, l'analyse multinationale regroupée partait du principe que les construits étaient interprétés de manière similaire d'un pays à l'autre ; des tests formels d'invariance de mesure et des comparaisons spécifiques à chaque pays n'ont pas été menés et restent une tâche à accomplir dans des recherches futures.

Selon l'analyse effectuée à l'aide du cadre perception-intention, les utilisateurs n'opteraient pas pour l'option du statu quo s'ils pensaient tirer un gain nettement supérieur de l'utilisation du service public de technologie de l'information. Cela suggère que les utilisateurs ne quittent leur équilibre que lorsque les gains perçus rendent l'option risquée de l'acceptation plus attrayante. Rétrospectivement, il est conceptuellement logique que l'acceptation soit davantage influencée par les gains perçus que par les pertes perçues. Le service actuel offert à l'utilisateur constitue l'option sécurisée et « avertie du risque » car il s'agit d'une entité connue avec laquelle les utilisateurs ont une expérience antérieure, selon la théorie des perspectives55. Cela signifie que l'utilisateur peut anticiper un résultat identique, sans risque, sans avoir à adapter ni modifier ses conditions comportementales. Toutefois, l'option risquée sera probablement choisie, s'écartant ainsi de l'option « avertie du risque », dès que les gains perçus l'emportent nettement sur les pertes perçues. Il est intéressant de noter que ces effets étaient plus marqués lorsqu'un utilisateur se trouvait dans une situation plus risquée, comme la pandémie de COVID-19, ce qui a pu accroître le besoin de valeur s'il envisageait d'utiliser le nouveau service public de technologie de l'information. Une relation cohérente a été découverte entre les gains et pertes perçus et l'acceptation ou le rejet des services publics de technologie de l'information. Les données indiquent qu'une compréhension plus approfondie de la manière dont les utilisateurs perçoivent les bénéfices potentiels, et de la façon dont cette perception influence leur décision d'utiliser ou non un service public de technologie de l'information, est nécessaire. Il semblerait qu'accepter un nouveau service de technologie de l'information soit nettement plus difficile pour tout utilisateur lorsqu'une nouvelle option lui est présentée, car il doit lutter contre toute inertie psychologique éventuelle. Ce phénomène a également été mis en évidence par le fait que les améliorations dans le cadre de la perception et de l'intention devaient être plus marquées. Ces résultats s'inscrivent dans l'idée fondamentale avancée par la théorie des perspectives55 : les décisions plus risquées exigent des valeurs plus élevées que les décisions plus sûres. Notamment, le schéma asymétrique, selon lequel le gain perçu prédisait l'acceptation plus fortement que la perte perçue ne prédisait le rejet, suggère que la prise de décision dans ce contexte n'est pas purement orientée par l'aversion à la perte, mais plutôt motivée par le gain, une nuance qui élargit l'accent habituel de la théorie des perspectives sur l'aversion à la perte. Ces résultats s'alignent également sur les recherches antérieures concernant l'adoption : l'effet important du gain perçu sur l'acceptation est conforme à l'importance accordée par le modèle TAM à l'utilité perçue2, tandis que l'effet significatif de la perte perçue sur le rejet soutient l'affirmation du modèle de résistance à l'innovation selon laquelle les obstacles à l'adoption peuvent l'emporter sur les bénéfices potentiels42,49. Cette étude enrichit cette littérature en démontrant que les gains et les pertes influencent simultanément l'acceptation et le rejet, plutôt qu'ils n'agissent indépendamment. Les résultats contribuent donc à la compréhension théorique des facteurs qui incitent les utilisateurs de services publics de technologie de l'information à maintenir le statu quo (c'est-à-dire le rejet) ou à augmenter leur prise de risque (c'est-à-dire l'acceptation). Cette étude a également approfondi le corpus croissant de recherches sur l'opposition à l'adoption des technologies de l'information. Le rejet et l'acceptation des technologies de l'information se sont révélés être des critères de décision distincts, confirmant les travaux antérieurs menés dans la littérature aux niveaux individuel et organisationnel45,50,51. Tous les utilisateurs ont un seuil42,49 ; toutefois, aucune étude sur l'adoption de services publics de technologie de l'information n'a examiné ce que pourraient être ces seuils. L'inclusion de la perte perçue s'est donc révélée une méthode utile pour explorer cette tolérance et a fortement influencé le choix d'accepter ou de rejeter le service public de technologie de l'information. Ces résultats viennent enrichir les recherches antérieures appliquant le même principe d'acceptation et de rejet, en l'étendant à un nouveau contexte51.

Les résultats ont des implications managériales importantes pour les institutions publiques. Premièrement, il est bien établi que ces institutions ont du mal à évoluer et que la transition vers une infrastructure numérique s'avère difficile. Par conséquent, des décisions inappropriées prises par les organisations publiques lors du passage à un service informatique peuvent avoir des effets négatifs durables. Les utilisateurs ne sont probablement pas prêts à adopter le service informatique proposé s'ils perçoivent une perte trop importante. En revanche, les investissements dans un service informatique public peuvent être plus couronnés de succès si un gestionnaire d'institution publique met en évidence les facteurs qui réduisent le rejet grâce à des gains perçus. En augmentant les gains perçus et en diminuant les pertes perçues, les gestionnaires peuvent, au final, accroître l'acceptation et réduire le rejet en utilisant la PITA afin de trouver des solutions suscitant une réponse positive. Par exemple, un aéroport public mettant en œuvre un système de contrôle biométrique pourrait utiliser la PITA pour évaluer les perceptions des utilisateurs avant tout investissement : si V(R) atteint ou dépasse V(A), les gestionnaires pourraient axer leur communication sur des avantages tangibles tels qu'un traitement plus rapide (accroissement du gain perçu) ou proposer des options de désactivation (réduction de la perte perçue). En raison de la simplicité du modèle, V(A) et V(R) peuvent être calculés directement à partir de données d'enquête, offrant ainsi aux gestionnaires une référence claire pour comprendre les intentions d'utilisation des utilisateurs et déterminer le statut ainsi que les chances d'adoption de leur service informatique proposé.

Cette étude présente plusieurs limites importantes. Premièrement, bien que les effets observés aient été similaires dans les deux études, des recherches supplémentaires sont nécessaires pour comprendre pleinement les effets moins significatifs relevés dans les mesures de la perte perçue, et les facteurs pris en compte dans cette étude pourraient n'expliquer que partiellement la variance observée dans le modèle. Deuxièmement, les deux études ont utilisé des données transversales auto-déclarées provenant de voyageurs aériens ; cette conception ne permet pas d'établir de relations de causalité, peut introduire des biais de sélection et de désirabilité sociale, et limite la généralisabilité au-delà de cette population. Des tests formels d'invariance de mesure entre les trois pays restent à réaliser. Troisièmement, les données ont été recueillies durant des périodes spécifiques (quatrième trimestre 2019 et milieu de l'année 2020), et les perceptions des utilisateurs ont pu évoluer à mesure que la pandémie progressait. Quatrièmement, on a supposé qu'un gestionnaire n'envisagerait qu'une seule nouvelle option potentielle, l'option actuelle constituant une restriction supplémentaire. Les travaux futurs devraient envisager diverses options technologiques PITA, car, selon l'effet de certitude, lorsque plusieurs options présentent des degrés de certitude variables, cela encourage des comportements de prise de risque71 et pourrait constituer une piste intéressante à explorer. Les recherches futures devraient également examiner d'autres formes et seuils de résistance à l'innovation63, étendre le modèle PITA à d'autres services publics de technologie de l'information (par exemple, les portails de gouvernement électronique et les applications de santé publique) ainsi qu'à d'autres domaines où bénéfice perçu et risque perçu influencent conjointement l'adoption64, utiliser des dispositifs longitudinaux pour suivre l'évolution de V(A) et de V(R) dans le temps, et étudier si les dimensions culturelles modèrent les relations dans le modèle. Dans l'ensemble, cette étude devrait contribuer à une meilleure compréhension de l'adoption des technologies de l'information publiques. En intégrant à la fois le gain perçu et la perte perçue, le modèle PITA rend compte de la nature duale de la prise de décision des utilisateurs : l'acceptation est motivée par l'attrait des gains, tandis que le rejet est motivé par la crainte des pertes. Avant d'effectuer un investissement, les gestionnaires peuvent être orientés correctement en prenant des décisions solides et précises dès les premières étapes d'identification des solutions informatiques potentielles. Les gestionnaires devraient revoir leur stratégie de service informatique si la valeur totale d'acceptation s'avère insuffisante, car le modèle PITA fournit aux gestionnaires la somme totale de la valeur nécessaire à la fois pour l'acceptation et le rejet. Le fait que le risque situationnel amplifie la différence de valeur requise pour l'acceptation constitue une contribution originale à la fois à la théorie des perspectives et à la littérature sur l'adoption des technologies. Le modèle PITA devrait donc aider les gestionnaires à trouver une solution dont la valeur totale d'acceptation soit supérieure à celle du rejet : les utilisateurs ne seront alors prêts à utiliser un nouveau service public de technologie de l'information que dans ce cas.

Déclarations de divulgation

Les auteurs déclarent qu’ils n’ont aucun conflit d’intérêts. Pendant la préparation de ce manuscrit révisé, un outil d’intelligence artificielle générative (ChatGPT 5o) a été utilisé pour aider à la correction linguistique et à la mise en forme. Les auteurs ont relu et vérifié l’intégralité du contenu et assument l’entière responsabilité du manuscrit ; aucun outil d’IA n’a été utilisé pour générer des données, effectuer des analyses ou créer des figures.

Remerciements

Ce travail a été soutenu par un financement de recherche de l'université aSSIST.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
IBM SPSS Amos (logiciel CB-SEM)IBM Corp. (Armonk, NY, USA)version 27 ; https://www.ibm.com/products/structural-equation-modeling-sem/Utilisé pour toutes les analyses de modélisation par équations structurelles basées sur la covariance (CB-SEM), y compris l'évaluation du modèle de mesure (AC : fiabilité composite, AVE et validité discriminante) et l'analyse des chemins du modèle structurel. 
Prolific (plateforme en ligne de recrutement de participants)Prolific Academic Ltdhttps://www.prolific.com/Plateforme en ligne utilisée pour recruter des participants à un sondage. Les participants ont été sélectionnés selon des critères d'éligibilité (par exemple, expérience des aéroports) et rémunérés conformément aux directives de rémunération équitable de Prolific. 
Qualtrics (plateforme en ligne de sondage)Qualtrics, LLCRRID:SCR_016728Plateforme de sondage en ligne utilisée pour la conception, la diffusion et la collecte des données de réponse. Tous les items de mesure ont été administrés via Qualtrics en utilisant une échelle de Likert à 7 points (1 = totalement en désaccord, 7 = totalement d'accord). https://www.qualtrics.com/

Références

  1. Rogers EM, Singhal A, Quinlan MM. Diffusion of innovations. In: An integrated approach to communication theory and research. London: Routledge; 2014. p. 432-448.
  2. Davis FD. A technology acceptance model for empirically testing new end-user information systems: theory and results [dissertation]. Cambridge (MA): Massachusetts Institute of Technology; 1985.
  3. Tornatzky LG, Fleischer M, Chakrabarti AK. Processes of technological innovation. Lexington (MA): Lexington Books; 1990.
  4. Venkatesh V, Morris MG, Davis GB, Davis FD. User acceptance of information technology: toward a unified view. MIS Q. 2003;27(3):425-478.
  5. Jeyaraj A, Sabherwal R. Adoption of information systems innovations by individuals: a study of processes involving contextual, adopter, and influencer actions. Inf Organ. 2008;18(3):205-234.
  6. Balliauw M, Onghena E. Expanding airport capacity of cities under uncertainty: strategies to mitigate congestion. J Air Transp Manag. 2020;84:101791.
  7. Marjanovic O, Cecez-Kecmanovic D. Open government data platforms - a complex adaptive sociomaterial systems perspective. Inf Organ. 2020;30(4):100323.
  8. Kim C, Lee KC, Costello FJ. The intention of passengers towards repeat use of biometric security for sustainable airport management. Sustainability. 2020;12(11):4528.
  9. Morosan C. Voluntary steps toward air travel security: an examination of travelers' attitudes and intentions to use biometric systems. J Travel Res. 2012;51(4):436-450.
  10. Negri NAR, Borille GMR, Falcão VA. Acceptance of biometric technology in airport check-in. J Air Transp Manag. 2019;81:101720.
  11. Morosan C. An empirical examination of US travelers' intentions to use biometric e-gates in airports. J Air Transp Manag. 2016;55:120-128.
  12. Price A, Prusak A, Wright M. Tech trends 2021: a government perspective. Deloitte Insights; 2021.
  13. Samuelson W, Zeckhauser R. Status quo bias in decision making. J Risk Uncertain. 1988;1(1):7-59.
  14. Troshani I, Jerram C, Hill SR. Exploring the public sector adoption of HRIS. Ind Manag Data Syst. 2011;111(3):470-488.
  15. Cordella A, Bonina CM. A public value perspective for ICT enabled public sector reforms: a theoretical reflection. Gov Inf Q. 2012;29(4):512-520.
  16. Warkentin M, Orgeron C. Using the security triad to assess blockchain technology in public sector applications. Int J Inf Manag. 2020;52:102090.
  17. Oliva R. Intervention as a research strategy. J Oper Manag. 2019;65(7):710-724.
  18. Oyman M, Bal D, Ozer S. Extending the technology acceptance model to explain how perceived augmented reality affects consumers' perceptions. Comput Hum Behav. 2022;128:107127.
  19. Hsu HT, Lin CC. Extending the technology acceptance model of college learners' mobile-assisted language learning by incorporating psychological constructs. Br J Educ Technol. 2022;53(2):286-306.
  20. Balakrishnan J, Abed SS, Jones P. The role of meta-UTAUT factors, perceived anthropomorphism, perceived intelligence, and social self-efficacy in chatbot-based services? Technol Forecast Soc Change. 2022;180:121692.
  21. Wu B, An X, Wang C, Shin HY. Extending UTAUT with national identity and fairness to understand user adoption of DCEP in China. Sci Rep. 2022;12(1):1-11.
  22. Epstein B. Two decades of e-government diffusion among local governments in the United States. Gov Inf Q. 2022;39(2):101665.
  23. Hasselwander M, Bigotte JF, Fonseca M. Understanding platform internationalisation to predict the diffusion of new mobility services. Res Transp Bus Manag. 2022;43:100765.
  24. Ng PM, Lit KK, Cheung CT. Remote work as a new normal? The technology-organization-environment (TOE) context. Technol Soc. 2022;70:102022.
  25. Rana NP, Dwivedi YK, Williams MD, Weerakkody V. Adoption of online public grievance redressal system in India: toward developing a unified view. Comput Hum Behav. 2016;59:265-282.
  26. Alawadhi S, Morris A. Factors influencing the adoption of e-government services. J Softw. 2009;4(6):584-590.
  27. Chan FKY, et al. Modeling citizen satisfaction with mandatory adoption of an e-government technology. J Assoc Inf Syst. 2010;11(10):519-549.
  28. Weerakkody V, El-Haddadeh R, Al-Sobhi F, Shareef MA, Dwivedi YK. Examining the influence of intermediaries in facilitating e-government adoption: an empirical investigation. Int J Inf Manag. 2013;33(5):716-725.
  29. Mensah IK. Impact of government capacity and e-government performance on the adoption of e-government services. Int J Public Adm. 2020;43(4):303-311.
  30. Al Mansoori KA, Sarabdeen J, Tchantchane AL. Investigating Emirati citizens' adoption of e-government services in Abu Dhabi using modified UTAUT model. Inf Technol People. 2018;31(2):455-481.
  31. Mukred M, et al. The key factors in adopting an electronic records management system (ERMS) in the educational sector: a UTAUT-based framework. IEEE Access. 2019;7:35963–35980.
  32. Naranjo-Zolotov M, Oliveira T, Casteleyn S. Citizens' intention to use and recommend e-participation: drawing upon UTAUT and citizen empowerment. Inf Technol People. 2019;32(2):364-386.
  33. Toufaily E, Zalan T, Dhaou SB. A framework of blockchain technology adoption: an investigation of challenges and expected value. Inf Manag. 2021;58(3):103444.
  34. Amron MT, Ibrahim R, Bakar NAA, Chuprat S. Acceptance of cloud computing in the Malaysian public sector: a proposed model. Int J Eng Bus Manag. 2019;11:1847979019880709.
  35. Chatfield AT, Reddick CG. The role of policy entrepreneurs in open government data policy innovation diffusion: an analysis of Australian federal and state governments. Gov Inf Q. 2018;35(1):123-134.
  36. Dahabiyeh L, Constantinides P. Legitimating digital technologies in industry exchange fields: the case of digital signatures. Inf Organ. 2022;32(1):100392.
  37. Feller I. Managerial response to technological innovation in public sector organizations. Manage Sci. 1980;26(10):1021-1030.
  38. Dawson GS, Denford JS, Desouza KC. Governing innovation in US state government: an ecosystem perspective. J Strateg Inf Syst. 2016;25(4):299-318.
  39. Oliveira T, Fraga M. Literature review of information technology adoption models at firm level. Electron J Inf Syst Eval. 2011;14(1):110-121.
  40. Tornatzky LG, Klein KJ. Innovation characteristics and innovation adoption-implementation: a meta-analysis of findings. IEEE Trans Eng Manag. 1982;EM-29(1):28-45.
  41. Harrison DA, Mykytyn PP Jr, Riemenschneider CK. Executive decisions about adoption of information technology in small business: theory and empirical tests. Inf Syst Res. 1997;8(2):171-195.
  42. Ram S. A model of innovation resistance. Adv Consum Res. 1987;14(1):208-212.
  43. Lapointe L, Rivard S. A multilevel model of resistance to information technology implementation. MIS Q. 2005;29(3):461-491.
  44. Davidson E, Baird A, Prince K. Opening the envelope of health care information systems research. Inf Organ. 2018;28(3):140-151.
  45. Bradley L, Stewart K. A Delphi study of the drivers and inhibitors of Internet banking. Int J Bank Mark. 2002;20(6):250-260.
  46. Moore GC, Benbasat I. Development of an instrument to measure the perceptions of adopting an information technology innovation. Inf Syst Res. 1991;2(3):192-222.
  47. Agarwal R, Prasad J. The role of innovation characteristics and perceived voluntariness in the acceptance of information technologies. Decis Sci. 1997;28(3):557-582.
  48. Karahanna E, Straub DW, Chervany NL. Information technology adoption across time: a cross-sectional comparison of pre-adoption and post-adoption beliefs. MIS Q. 1999;23(2):183-213.
  49. Ram S, Sheth JN. Consumer resistance to innovations: the marketing problem and its solutions. J Consum Mark. 1989;6(2):5-14.
  50. Ellen PS, Bearden WO, Sharma S. Resistance to technological innovations: an examination of the role of self-efficacy and performance satisfaction. J Acad Mark Sci. 1991;19(4):297-307.
  51. Gatignon H, Robertson TS. Technology diffusion: an empirical test of competitive effects. J Mark. 1989;53(1):35-49.
  52. Weber EU, Bottom WP. Axiomatic measures of perceived risk: some tests and extensions. J Behav Decis Mak. 1989;2(2):113-131.
  53. Stone RN, Grønhaug K. Perceived risk: further considerations for the marketing discipline. Eur J Mark. 1993;27(3):39-50.
  54. Featherman MS, Pavlou PA. Predicting e-services adoption: a perceived risk facets perspective. Int J Hum Comput Stud. 2003;59(4):451-474.
  55. Kahneman D, Tversky A. Prospect theory: an analysis of decision under risk. Econometrica. 1979;47(2):263-291.
  56. Verma S, Singh V. Impact of artificial intelligence-enabled job characteristics and perceived substitution crisis on innovative work behavior of employees from high-tech firms. Comput Hum Behav. 2022;131:107215.
  57. Fadel KJ, Meservy TO, Kirwan CB. Information filtering in electronic networks of practice: an fMRI investigation of expectation (dis)confirmation. J Assoc Inf Syst. 2022;23(2):491-520.
  58. Choi HS, Carpenter D, Ko MS. Risk taking behaviors using public Wi-Fi. Inf Syst Front. 2021:1-18.
  59. Khan WU, Shachak A, Seto E. Understanding decision-making in the adoption of digital health technology: the role of behavioral economics' prospect theory. J Med Internet Res. 2022;24(2):e32714.
  60. Wong D, Liu H, Meng-Lewis Y, Sun Y, Zhang Y. Gamified money: exploring the effectiveness of gamification in mobile payment adoption among the silver generation in China. Inf Technol People. 2022;35(1):281-315.
  61. Tarafdar M, Maier C, Laumer S, Weitzel T. Explaining the link between technostress and technology addiction for social networking sites: a study of distraction as a coping behavior. Inf Syst J. 2020;30(1):96-124.
  62. Podsakoff PM, MacKenzie SB, Lee JY, Podsakoff NP. Common method biases in behavioral research: a critical review of the literature and recommended remedies. J Appl Psychol. 2003;88(5):879-903.
  63. Szmigin I, Foxall G. Three forms of innovation resistance: the case of retail payment methods. Technovation. 1998;18(6-7):459-468.
  64. Lee MC. Factors influencing the adoption of internet banking: an integration of TAM and TPB with perceived risk and perceived benefit. Electron Commer Res Appl. 2009;8(3):130-141.
  65. Aldag RJ, Power DJ. An empirical assessment of computer-assisted decision analysis. Decis Sci. 1986;17(4):572-588.
  66. Shrout PE, Fleiss JL. Intraclass correlations: uses in assessing rater reliability. Psychol Bull. 1979;86(2):420-428.
  67. Podsakoff PM, Organ DW. Self-reports in organizational research: problems and prospects. J Manag. 1986;12(4):531-544.
  68. Podsakoff PM, MacKenzie SB, Podsakoff NP. Sources of method bias in social science research and recommendations on how to control it. Annu Rev Psychol. 2012;63:539-569.
  69. Fornell C, Larcker DF. Evaluating structural equation models with unobservable variables and measurement error. J Mark Res. 1981;18(1):39-50.
  70. Kline E, et al. Convergent and discriminant validity of attenuated psychosis screening tools. Schizophr Res. 2012;134(1):49-53.
  71. Tversky A, Kahneman D. Rational choice and the framing of decisions. In: Multiple criteria decision making and risk analysis using microcomputers. Berlin, Heidelberg: Springer; 1986. p. 81-126.

Réimpressions et autorisations

Étiquettes

Th orie des perspectivescadre perception intentionservices d administration lectroniqueapplications de sant publiquesyst mes biom triquesacceptation par l utilisateurvaleur per ueenqu te transnationalerecherche interventionnelle
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.