Influence du BAO électronique sur l’e-

réputation : rôle modérateur de la crédibilité de

la source

Nesrine Ben Jeddou

Institut des Hautes Etudes Commerciales de Carthage, université de Carthage, Tunisie
nesrinebjeddou@yahoo.com

Résumé— Le concept d’e-réputation résulte du fort développement technologique de l’internet et de

son utilisation par les individus et les entreprises. L’émergence du web 2.0 a conduit à la prise de
conscience de l’importance de la réputation numérique et de son rôle vital pour assurer le bon
fonctionnement, le succès et la pérennité de l’entreprise.
L’objectif de cette étude est de vérifier l’effet du bouche-à-oreille électronique sur la réputation en
ligne et de tester un éventuel effet de modération de la crédibilité perçue de la source sur cette relation.
Pour ce faire, une enquête a été conduite auprès d’un échantillon de 228 internautes. Les résultats
révèlent que l’e-réputation est influencée par l’e-BAO et que cette relation est plus importante lorsque
la crédibilité perçue de la source du message est élevée.

Mots Clés – e-réputation, e-BAO, crédibilité perçue de la source, effet modérateur

Influence of electronic WOM on e-reputation: moderating role of

source credibility

Abstract—The concept of e-reputation is the result of strong technological development of the internet
and its use by individuals and companies. The emergence of web 2.0 has led to awareness of the
importance of digital reputation and its vital role to ensure functioning, success and sustainability of
the company.
The objective of this study is to verify the effect of electronic word-of-mouth on online reputation and
test a possible moderation effect of perceived source credibility. A survey was conducted with a
sample of 228 internet users. The results reveal that e-reputation is influenced by e-WOM and that this
relationship is more important when perceived source credibility is high.

Keywords – e-reputation, e-WOM, perceived source credibility, moderation effect

1
INTRODUCTION

Le Web a offert aux consommateurs des outils leur permettant de communiquer entre eux et
d’échanger des informations concernant les entreprises, leurs marques et leurs produits. Ces
informations deviennent un moyen privilégié pour les internautes de se forger une idée moins
encadrée et moins orientée que celle véhiculée par les sites formels des marques (Fueyo,
2015).
L’internaute est l’acteur principal dans ce système d’échange d’information : il publie ce qu’il
veut et s’exprime librement, recherche les informations qu’il souhaite et les exploite
immédiatement. Il s’intéresse plus aux informations provenant d’internautes et de
communautés qu’à celles des firmes et de leurs marques. Ces informations, ces idées et ces
jugements qui circulent à travers les médias digitaux, contribuent à former la réputation
numérique de l’entreprise.
Cependant, sur le net, le set d’opinions sur les entreprises, les marques ou les produits est
extrêmement large et diversifié (Duhan et al. 1997). Le consommateur se retrouve alors au
cœur d’un système d’échanges infini où les avis, les idées, mais également les critiques ne
cessent de circuler. Encore, les émetteurs du message ne sont pas nécessairement animés
d’intentions pures, ce qui met en jeu, dans certains cas, la crédibilité de l’information ou
complique son interprétation par les parties prenantes (Paquerot et al., 2011).
Dans cet environnement d’interaction entre des cercles familiaux, amicaux et inconnus, nous
tentons de répondre à la problématique suivante : « Dans quelle mesure la crédibilité perçue
de la source du message peut-elle avoir un effet de modération dans la relation d’influence du
BAO électronique sur la réputation en ligne ? »
Pour ce faire, nous essayons de trouver des réponses aux questions suivantes :
 La réputation numérique est-elle influencée par le bouche-à-oreille électronique ?
 La crédibilité perçue de la source a-t-elle un effet modérateur sur la relation
d’influence de l’e-BAO sur l’e-réputation ?

Pour répondre à ces questions, nous allons présenter une revue de la littérature soulignant les
relations entre les concepts clé de notre recherche, à savoir l’e-réputation, l’e-BAO et la
crédibilité perçue. Cette revue de la littérature nous servira à formuler les hypothèses de
recherche et à établir le modèle conceptuel. Ensuite, nous détaillerons la méthodologie suivie
au cours de cette étude. Et nous terminerons par la discussion des résultats, les principaux
apports et implications théoriques et managériales, les limites et les perspectives de recherche.

2
 1. Cadre théorique

1.1. De la réputation à l’e-réputation

La réputation est un concept qui relève du domaine de l'économie (Shapiro, 1983), de la

théorie des organisations (Fombrun et Shanley, 1990) et du marketing (Aaker, 1996). Les
chercheurs en marketing définissent la réputation comme « l'évaluation de la constance des
actions d'une firme observée dans le temps et évaluée sur un attribut donné» (Herbig et
Milewicz, 1993). C’est un « atout économique » (Fombrun, 2001), un « actif intangible »
(Dolphin, 2004) ayant un impact considérable sur le succès d’une entreprise (Roberts et
Dowling, 2002). Une entreprise ou une marque ayant une bonne réputation peut établir et
maintenir des relations durables avec les consommateurs (Nguyen et LeBlanc, 2001).
Certains auteurs affirment qu’une bonne réputation constitue le meilleur facteur de
différenciation dans plusieurs secteurs (Flavian et al, 2005). En effet, lorsque les
consommateurs ne peuvent différencier les produits offerts sur le marché, la réputation peut
faciliter la prise de décision (Athanassopoulos, 2000).
La réputation est un actif fondamental de l'entreprise car elle est très précieuse, distinctive,
irremplaçable, difficile à copier et offre un avantage concurrentiel évident (Wang et Lo,
2002).

Le développement des contacts électroniques et la multiplication des sources d’informations

sur internet ont fait dériver de la réputation une composante majeure : l’e-réputation (Chun et
Davies, 2001) appelée également réputation numérique, web-réputation ou encore cyber-
réputation. En fait, il n’y a pas d’e-réputation au vrai sens du terme mais il y a une réputation
véhiculée à travers les médias digitaux. L’e-réputation est « construite par le jugement émis
sur toute plateforme numérique par les parties prenantes, selon leurs attentes, leurs
croyances, leurs valeurs et les échanges informationnels (e-BAO), jugement issu de leur
perception de la somme des actions, des performances et des comportements d’une entreprise
depuis sa création» (Fueyo, 2015).

1.2. E-réputation et E-BAO

Le bouche à oreille (BAO) est une communication non commerciale et interpersonnelle, entre
des individus, sur un produit, une marque ou une organisation. Il s’agit d’une «communication

3
orale informelle de personne à personne sans lien avec une source commerciale concernant
une marque, un produit ou un service. » (Arndt 1967).
Avec l’avènement d’Internet et le développement des réseaux sociaux, une nouvelle forme de
communication est apparue : le bouche-à-oreille électronique (e-BAO) ou « electronic-word-
of-mouth communication (eWOM) » en anglais.
Plusieurs auteurs ont tenté de définir ce concept. La définition la plus souvent utilisée est celle
de Hennig-Thurau et al. (2004) qui le définissent comme « une déclaration faite par des
clients potentiels, actuels, ou anciens à propos d’un produit ou d’une entreprise, qui est mise
à la disposition d’une multitude de personnes et d’institutions via Internet ». C’est aussi
"l'acte d'échanger des informations marketing auprès des consommateurs en ligne".
Le bouche-à-oreille électronique a le même objectif que le bouche-à-oreille traditionnel, c’est-
à-dire, de partager des informations relatives aux expériences vécues par le consommateur
avec des produits, des marques ou des services. Une différence majeure réside dans le fait
que, dans le monde virtuel, le consommateur peut accéder à un vaste nombre d’opinions et
d’avis d’individus dispersés géographiquement via une interaction indirecte (Cheung et al.
2008). On observe donc une vitesse très élevée de propagation de l’information grâce au
grand nombre de personnes qui reçoivent le message initial et qui ont ensuite la possibilité de
le diffuser (Cheung et Thadani, 2010).

Le développement du BAO électronique est à la base de l’apparition du concept d’e-

réputation (Shamma 2012). En effet, Fillias et Villeneuve (2010) soulignent que l’e-réputation
n'est pas considérée comme une révélation, mais plus comme un processus continu de
l’adoption de la technologie et de son utilisation par des entreprises ou des particuliers.
Dans le même sens, Dutot et Castellano (2015) arguent que les contacts sur la sphère virtuelle
jouent un rôle majeur dans la formation de la réputation en ligne. Ils montrent que certains
éléments du e-BAO, à savoir, la force du lien, la valence, le degré d’influence, la confiance et
la qualité du message en ligne, ont une grande influence sur l’e-réputation.
Encore, Shamma (2012) explique que certains intervenants évaluent la réputation en se basant
sur une expérience directe avec l’entreprise ou la marque, alors que d’autres se basent sur des
sources indirectes pour former leur perception concernant la réputation. Une des principales
sources est l’e-BAO. Par conséquent, nous proposons l’hypothèse suivante :
H1 : L’e-BAO a une influence sur l’e-réputation.

4
1.3. Rôle modérateur de la crédibilité perçue de la source

De façon générale, la crédibilité est définie comme «les jugements faits par un récepteur (par
exemple, le destinataire d’un message) concernant la crédibilité d'un communicateur»
(O'Keefe, 1990).
Appliqué au domaine électronique, la crédibilité perçue renvoie au degré auquel le récepteur
considère le BAO électronique comme une source ayant des connaissances, des compétences
ou des expériences pertinentes ainsi que la confiance accordée à cette source en sa capacité à
transmettre des informations objectives et fiables (Kiecker et Cowles, 2001). Elle fait
référence à la mesure dans laquelle la source est perçue comme crédible, compétente et digne
de confiance (Kyung et al. 2010). Pour d’autres auteurs (Castellano et Dutot, 2017) la
crédibilité englobe l’exactitude de l’information échangée, la reconnaissance de la personne
sur les média sociaux (c.-à-d., il est un expert, un modérateur ou juste un utilisateur de
première fois) et le niveau d’objectivité et d’impartialité dans chaque message ou chaque
discussion.
La crédibilité n’est pas une caractéristique spécifique à la source, mais une perception
subjective faite par le récepteur à partir des informations obtenues et des expériences vécues
avec cette source (O’Keefe, 1990).

La perception de la crédibilité est une notion à laquelle les entreprises doivent prêter une
attention particulière (Larceneux, 2003). En effet, la façon avec laquelle les informations sont
diffusées à travers le bouche-à-oreille traditionnel et celui électronique présente une
différence supplémentaire : l’anonymat. Cette caractéristique du e-BAO est dû au fait que les
internautes ne dévoilent que rarement leur identité réelle. Ceci exerce une forte influence sur
la perception de la crédibilité et de la qualité des informations de la part des récepteurs du
message (Lee et Youn, 2009). En effet, le bouche-à-oreille traditionnel se base sur un échange
d’informations émanant, le plus souvent, de personnes familières tandis que la source est
souvent inconnue dans le cas du e-BAO (Park et al. 2007). Ainsi, l’acceptation ou le rejet des
messages e-BAO dépend, en grande partie, de la crédibilité de la source. En effet, la
crédibilité de la source a été traitée dans la théorie du processus duale (Hovland et Weiss,
1951) et elle s'est avérée être une variable principale que les personnes utilisent dans le
processus d'adoption de l'information (Cacioppo et al., 1983 ; Wathen et Burkell, 2002). Plus
la source est perçue comme crédible, plus le récepteur considère le message comme persuasif
et est décidé à l'adopter (Hovland et Weiss, 1951).

5
La crédibilité de la source peut alors être considérée comme un facteur important dans le
processus d’évaluation du BAO électronique (Rao, 1998).
Concernant la relation entre la crédibilité perçue de la source et l’e-réputation, Castellano et
Dutot (2017) aboutissent à une relation significative entre ces deux variables. Ils soulignent
l’importance de la reconnaissance de l’émetteur, le degré d’exactitude des informations
émises et le niveau d’objectivité dans chaque message. Sinon, les conséquences pourraient
entraîner une influence négative sur l’e-réputation.
Pornpitakpan (2006), de sa part, argue que le message présenté par une source crédible et
fiable peut réussir à influencer l’attitude du consommateur.

De façon plus générale, Wu and Wang (2010) ont testé les effets de la crédibilité perçue de la
source sur l’attitude à l’égard de la marque. Leurs résultats montrent une relation directe et
positive entre la crédibilité de la source du message et la confiance à la marque, l’attachement
à la marque et l’attitude à l’égard de la marque. Une forte crédibilité perçue de la source du
BAO électronique augmente la qualité perçue, diminue le risque perçu et améliore l’attitude à
l’égard de la marque. D’autres recherches sont d’accord que la crédibilité influence la
perception envers une marque (Grewal et al., 1997; Johnson et Kaye, 2004).
Par conséquent, nous formulons l’hypothèse suivante :
H2: La crédibilité perçue de la source modère l’influence du e-BAO sur l’e-réputation.

La figure 1 présente le modèle conceptuel de notre recherche.

H1
e-BAO e-réputation

H2

Crédibilité perçue de
la source

Fig 1. Modèle conceptuel

6
 2. METHODOLOGIE

2.1. Choix du terrain

Nous avons choisi de tester nos hypothèses de recherche auprès des consommateurs du
secteur hôtelier1.
Au cours de cette étude, les interrogés devaient, d’abord, suivre le lien vers une page de
« TripAdvisor » et lire un certain nombre de commentaires émis par des internautes ayant
séjourné à un hôtel étranger. Ensuite, après avoir visité la page relative à l’hôtel, les interrogés
devaient revenir vers le questionnaire électronique pour répondre aux questions.
Le choix d’un hôtel étranger permet d’éliminer les biais de notoriété et de familiarité avec le
produit.
Le questionnaire électronique a été envoyé via Facebook.

2.2. Échantillon et collecte de données

Pour la collecte des données, nous avons eu recours à l’échantillonnage par commodité pour
sélectionner les unités d’échantillonnage. Le choix d'une méthode non probabiliste de
l'échantillonnage est dû aux contraintes empiriques. Cette méthode présente certains
avantages et inconvénients. L’avantage essentiel est la facilité de collecte des informations
alors que l’inconvénient est la subjectivité dans le choix de l’échantillon (Churchill, 1979).
La collecte des données a été effectuée sur un échantillon de 228 répondants. L’enquête a été
réalisée en Octobre et Novembre 2018.

Dans notre échantillon, la plupart des répondants sont des femmes (66.7%) contre 33.3 %
hommes. 63.2% des sujets ont un âge entre 20 et 29 ans, 21% appartiennent à la tranche d’âge
[30, 39] ans, 14% ont un âge compris entre 40 et 49 ans et 1.8% dépassent les 50 ans.

1
D’après une étude menée par le laboratoire SENSE des Orange Labs en novembre 2013 en collaboration avec
Médiamétrie auprès d’un échantillon représentatif de près de 2600 internautes âgés de 15 ans, les avis des
internautes pèsent énormément dans le secteur des biens et services comme l’hôtellerie et la
restauration. www.orange-business.com

7
2.3. Les mesures utilisées

Les échelles de mesure utilisées dans cette recherche trouvent leurs fondements dans des
travaux antérieurs et ont été sélectionnés pour leur fiabilité et validité déjà confirmées dans la
littérature.
La crédibilité perçue de la source est mesurée à l’aide de l’échelle de Lee et Youn (2009) et
Lin, Lu et Wu (2012). Cette échelle se compose de 4 items. Le BAO électronique est évaluée
par l’échelle de Bambauer-Sachse and Mangold, (2011). Cette échelle comporte 6 items.
Pour la mesure de l’e-réputation, nous avons choisi la typologie de Dutot et Castellano(2015).
Cette échelle propose 15 items divisés en quatre blocs. Le premier bloc concerne les
caractéristiques de la marque. Les blocs deux et trois s’intéressent à la qualité du service et du
site Web. La dernière dimension décrit les médias sociaux avec principalement des items
quantitatifs.
Tous les éléments ont été mesurées sur des échelles de type Likert allant de 1 (fortement en
désaccord) à 5 (fortement d’accord). Ceci permet de limiter les risques d’erreur, de
malentendus ou de mesure (Vehovar et LozarManfreda 2008).
Les différentes échelles utilisées pour mesurer les variables de l’étude - à savoir la crédibilité
perçue de la source, le BAO électronique et l’e-réputation, sont présentées dans le tableau 1

TABLEAU 1. Échelles de Mesure

Construit Item Description de l’item Source

CS 1 L’exactitude des renseignements fournis par les

consommateurs en ligne est importante

CS 2 La crédibilité des consommateurs en ligne est Lee and

importante Youn2009;
Crédibilité Lin, Lu, and
perçue de la CS 3 L’impartialité des consommateurs en ligne est Wu 2012)
source importante
CS 4 L’objectivité des consommateurs en ligne est
importante.
e-BAO 1 Je lis souvent les commentaires d'autres
consommateurs en ligne sur les hôtels pour

8
 savoir lequel a une bonne impression sur eux.

Pour s'assurer que je vais à un bon hôtel, je lis

e-BAO 2 souvent les commentaires d'autres
consommateurs en ligne. Bambauer-
Adoption Sachse and
du Je consulte souvent les commentaires d'autres Mangold,
BAO e-BAO 3 consommateurs en ligne pour m’aider à choisir 2011
électronique le meilleur hôtel.

e-BAO 4 Je collecte fréquemment des informations à

partir des commentaires des consommateurs en
ligne avant de choisir un hôtel.

Si je ne lis pas les commentaires des

e-BAO 5 consommateurs en ligne, je m'inquiète de ma
décision

Quand je choisis un hôtel, les commentaires des

e-BAO 6 consommateurs en ligne me donnent confiance
pour le sélectionner

Construit Dimension Description de l’item Source

Caractérist Perception de la marque, le rôle du « community

iques de la manager »
marque
(CM)
Réputation Qualité du Qualité des images, opinion des utilisateurs Dutot et
électronique site web d’internet, design Castellano
(QW) (2015)

9
 Qualité de Expérience en e-commerce, qualité des produits,
service CRM, sécurité
(QS)
Activité de la communauté, leaders d’opinions
sur le Web, buzz sur les médias sociaux, nombre
Médias de fans, nombre de followers, nombre de tweets,
sociaux nombre de vues
(MS)

3. Résultats

3.1. Vérification de la fiabilité des échelles de mesure

Pour étudier la structure factorielle des échelles de mesure, nous avons effectué une Analyse
en Composantes Principales (ACP) avec SPSS 24. Sur la base de l'étude des différents points
communs et le poids factoriel de chaque item, nous avons éliminé les items dont la
contribution factorielle est faible ou dont la qualité de sa représentation sur la matrice des
composantes est inférieure à 0.5.

TABLEAU 2. Dimensionnalité, explication de variance et fiabilité des mesures

Mesure Structure % variance Alpha de

expliquée Cronbach
e-BAO Unidimensionnelle 67.59 0.874

e-réputation 4 dimensions 69.113 0.823

Crédibilité perçue de la Unidimensionnelle 70.702 0.861

source

D’après le tableau 2, l’analyse factorielle montre que, pour toutes les dimensions utilisées :
- les items des échelles de mesure ont une variance commune significative, ce qui
traduit la capacité des données à être factorisées.

10
 - L’analyse de fiabilité de ces items montre que l’alpha de Cronbach est supérieur à 0.6,
ce qui vérifie la bonne consistance interne des échelles.

3.2. Analyse confirmatoire

Afin de vérifier la fiabilité et la validité des mesures utilisées, nous procédons à une analyse
factorielle confirmatoire avec AMOS 24.
Le tableau 3 ci-après présente les résultats des analyses confirmatoires :

TABLEAU 3. Fiabilité et validités des mesures

Dimensions Rhô de Validité Validité discriminante
Jöreskog convergente
e-réputation 0.88 0.66 0.66> (= 0.29)
0.66> (= 0.15)
e-BAO 0.84 0.53 0.53> (= 0.29)
0.53> (=0.28)
Crédibilité perçue 0.85 0.6 0.6> (=0.15)
de la source 0.6> (=0.28)

L’examen des indicateurs de fiabilité et de validité montre que toutes les dimensions sont
fiables et valides. En effet, les valeurs de ρ de Jöreskog dépassent le seuil minimal de 0,7 et la
variance moyenne extraite (AVE) est supérieure au seuil de 0,5.
De même, les conditions de la validité discriminante ont été respectées étant donné que
l’AVE est supérieure au carré de la corrélation entre les variables latentes du modèle de
mesure. A cet effet, nous pouvons admettre que la crédibilité perçue de la source, l’e-BAO et
l’e-réputation représentent des dimensions fiables et valides du modèle de mesure.

La vérification de la qualité d’ajustement du modèle structurel est assurée par l’examen des
indices absolus, incrémentaux et de parcimonie.

TABLEAU 4. Indices d’ajustement du modèle causal

Indice χ² normé GFI AGFI CFI NFI TLI RMR RMSEA
Valeur 2.22 0.988 0.907 0.983 0.953 0.931 0.027 0.042

11
Le tableau 4 indique que les indices d’ajustement sont satisfaisants puisqu’ils respectent bien
les seuils limites. En effet, le Khi-deux normé présente une valeur inférieure à 3. Les indices
GFI, AGFI, CFI, NFI et TLI sont supérieurs à 0,9. En outre, le RMR et le RMSEA sont
inférieurs à 0,1.

3.3. Vérification des hypothèses

Dans un premier temps, la relation directe entre e-BAO et e-réputation est testée par des
modèles d’équations structurelles. Puis, des analyses multi-groupes sont opérées.

TABLEAU 5. Résultats des liens de causalité et validation des hypothèses de recherche

Modèle global Crédibilité perçue faible Crédibilité perçue
élevée
β R² T β R² T β R² T
(sig) (sig) (sig)
e-BAO e-REP 0.53 0.29 0.969 0.45 0.210 4.976 0.56 0.323 7.715
(000) 000 000

Les résultats du tableau 5 admettent qu’il y a une relation significative entre l’e-BAO et l’e-
réputation (β = 0.539, sig (t) = 0.000) et que l’e-BAO explique 29% de la réputation
numérique d’une marque. Notre hypothèse H1 est donc validée.

Pour explorer l’effet modérateur de la crédibilité perçue de la source, cette dernière est
séparée en deux groupes par une division à la médiane. Ceci nous donne un groupe qui
perçoit les émetteurs du e-BAO comme une source crédible (N=134) et un autre composé de
personnes pour qui les internautes ne sont pas une source d’information crédible (N=94).
L’examen des coefficients de régression permet de mettre en évidence l’effet de modération
de la crédibilité perçue de la source. En effet, le coefficient de régression est plus important
pour le groupe «à crédibilité perçue élevée» (β=0,568 ; Sig (t) de Student=0,000).
L’hypothèse H 2 est donc validée. La relation entre l’e-BAO et la réputation numérique est
plus forte lorsque les consommateurs en ligne sont perçus comme une source d’information
crédible.

12
 4. Discussion des résultats

La présente étude a pour objectif de tester l’effet du bouche-à-oreille électronique sur l’e-
réputation et de démontrer l’importance de la crédibilité perçue de la source dans cette
relation. Pour ce faire, deux hypothèses ont été émises : celle relative à l’influence de l’e-
BAO sur la réputation numérique, et la deuxième suppose un effet de modération de la
crédibilité perçue de la source sur la relation BAO électronique et réputation en ligne.
Nos résultats révèlent un effet positif et significatif entre le bouche-à-oreille électronique et la
réputation numérique. Ce résultat est conforme avec les résultats de Castellano et Dutot
(2017). Ces auteurs précisent que les éléments du e-BAO qui influencent le plus l’e-réputation
sont : la force du lien, la valence, le degré d’influence, la confiance et la qualité du message.
Par ailleurs, dans un environnement physique, Williams, Buttle, et Biggemann (2012) ont
testé le lien existant entre le BAO et la réputation. Ils ont conclu que le BAO négatif a un effet
plus important sur la réputation que le BAO positif.
Les résultats montrent également un effet de modération de la crédibilité perçue de la source
sur la relation du bouche-à-oreille électronique et la réputation numérique. Ce résultat peut
trouver son fondement dans les recherches sur la signalisation qui postulent que plus le signal
est crédible plus le récepteur a une perception plus importante de la qualité du produit ou de la
marque (Boulding et Kirmani, 1993). Par contre un signal non-crédible a peu d’effet sur cette
perception car le consommateur le considère, très probablement, comme insignifiant (Wells et
al. 2011). Ainsi, lorsque la source est perçue comme crédible, le récepteur trouve le message
persuasif et est prêt à l'adopter (Hovland et Weiss, 1951). En ce sens, plus les sources sont
considérées comme fiables, plus important est leur probabilité d’être utilisées pour évaluer la
réputation de la marque ou de l’entreprise.
Le consommateur doit alors évaluer la crédibilité de la source du message, son objectivité, sa
fiabilité pour prendre la décision d’adopter ou rejeter l’information reçue (Cheung et al.
2008).
En fait, dans le processus d’évaluation de la crédibilité, la source constitue l’heuristique
d’autorité qui se base sur la croyance qu’une source crédible est souvent correcte (Winter et
Krämer 2014). Ainsi, le jugement de la crédibilité d’une information revient à vérifier si sa
source était une autorité officielle ou non (Sundar 2008). Les recherches suggèrent que, dans
le cas de choix entre différentes sources, le récepteur croit plus en celle qu’il perçoit comme
plus fiable, correcte et familière. Ce phénomène s’appuie, probablement, sur le principe de la

13
tendance humaine à prédire qu’une personne prestigieuse est loin d’être incorrecte (Metzger
et Flanagin 2013).

CONCLUSION

Notre recherche s’intéresse au sujet de la réputation numérique dont les contributions

académiques sont assez rares. A l’issue de cette étude, nous sommes parvenus à montrer que
l’e-réputation est fortement influencée par l’e-BAO, et que cette relation se trouve modérée
par le degré de crédibilité perçue de la source du message.

D’un point de vue académique, ce travail permet de mettre en évidence l’importance de

l’étude de l’e-réputation aussi bien au niveau du marketing qu’au niveau du management,
d’enrichir la littérature sur la réputation numérique en fournissant de nouvelles idées sur ses
influenceurs et en ouvrant la voie à une plus grande compréhension de ce concept et de ses
antécédents et enfin d’accroître les connaissances et les résultats très limités dans l’étude de
l’e-réputation.

D’un point de vue pratique, cette étude aide les marketers, les managers et les praticiens à
s’intéresser à la gestion de la réputation numérique et à son amélioration. La gestion de l’e-
réputation nécessite un management et des compétences spécifiques adaptés aux
caractéristiques du web 2.0. C’est un véritable challenge pour les firmes car elle implique une
remise en cause de leur mode d’écoute des consommateurs. Elle requiert une approche
toujours plus participative, moins formelle et moins institutionnelle sur les supports
numériques (blogs, forums, communautés, réseaux sociaux…) que sur le site institutionnel de
la marque ou de l’entreprise. Pour ce faire, il convient de mettre en place des outils de veille
stratégique qui identifient les opinions transmises en ligne par les internautes (leaders
d’opinion, consommateurs, employés…) sous différentes formes (commentaires, classements,
articles…) et via différentes plateformes virtuelles (communautés, réseaux, blogs…). Ceci
permet de mesurer leur nombre, leur qualité, leur influence sociale pour pouvoir les gérer. De
même, il faut adopter les nouvelles méthodologies de recherche sur le comportement du
consommateur telles que la netnographie (Kozinets, 2002), la twetnographie (Galan et
Vignolles, 2010) et les e-terviews (Maubisson et Abaidi, 2011). Les entreprises doivent aussi
penser à recruter des community managers et faire appel à des sociétés spécialisées dans la

14
gestion de l’e-réputation afin d’éviter d’éventuels bad buzz et de développer une réputation
numérique favorable.

Par ailleurs, notre étude présente certaines limites qui peuvent être exploitées en tant que
voies futures de recherche. La première limite est due au recours à la méthode non
probabiliste pour le choix des répondants. En effet, bien que cette méthode s’aligne bien aux
besoins de notre étude, elle constitue une entrave à la généralisation de nos résultats.
Une deuxième limite est liée au contexte de l’étude. Le contexte tunisien n’est peut-être pas
semblable à celui des autres nations ; par conséquent, nous ne pouvons pas se permettre de
généraliser notre modèle de recherche. Des réplications de l’étude dans différents pays
permettront de renforcer la fiabilité du modèle conceptuel et même de procéder à des
comparaisons.
Une autre limite à invoquer est celle liée au choix des variables à étudier. En effet, bien que
les variables du modèle s’avèrent intéressantes et expliquent bien le processus d’influence de
la réputation numérique, d’autres variables auraient pu avoir un impact important dans ce
processus tels que les variables sociodémographiques, la notoriété ou la familiarité avec le
produit ou la marque, l’implication à l’égard du produit, la fidélité à la marque...

BIBLIOGRAPHIE

Aaker D. A. (1996), Building strong brands, New York, Free Press.

Arndt J. (1967), Role of product-related conversations in the diffusion of a new product,
Journal of Marketing Research, 4, 3, 291-295. doi: 10.2307/3149462.
Asselin C. et Duhot P. (2008), Réputation internet, écoutez et analysez le buzz digital, Paris,
Digimind.
Athanassopoulos A.D. (2000)? Customer satisfaction cues to support market segmentation
and explain switching behavior, Journal of Business Research, 47, 191-207.
http://dx.doi.org/10.1016/S0148-2963(98)00060-5
Bambauer-Sachse S., Mangold S. (2011). Brand equity dilution through negative online
word-ofmouth communication, Journal of Retailing and Consumer Services, 18, 38–45.

15
Boulding W., Kirmani A. (1993), A Consumer-side experimental examination of signaling
theory: do consumers perceive warranties as signals of quality?”, Journal of Consumer
Research, 20 (June), 111-23.
Cacioppo J. T., Petty R. E., Morris K. J. (1983). Effects of need for cognition on message
evaluation, recall, and persuasion, Journal of Personality and Social Psychology, 45, 805-
818.
Castellano S., Dutot V. (2017), Investigating the influence of e-word-of-mouth on e-
reputation, International Studies of Management & Organization, 47, 1, 42-60, doi:
10.1080/00208825.2017.1241088
Chaiken, S. (1980). Heuristic versus systematic information processing and the use of source
versus message cues in persuasion. Journal of Personality and Social Psychology, 39, 5, 752-
766. http://dx.doi.org/10.1037/0022-3514.39.5.752
Cheung, C. M. K., Lee M. K. O., Rabjohn N. (2008), The impact of electronic word-of-mouth
- The adoption of online opinions in online customer communities, Internet Research,18, 3,
229-247, https://doi.org/10.1108/10662240810883290
Cheung, C. M. K., Thadani. D. R. (2010), The effectiveness of electronic word of mouth
communication: a literature analysis. Accessed November 30, 2012.
http://www.domino.fov.uni-mb.si/proceedings.nsf/0/.../$File/24_Cheung.pdf
Chun, R., Davies, G. (2001), E-Reputation: The role of mission and vision statements in
positioning strategy, Journal of Brand Management, 8 (4-5), 315-333,
https://doi.org/10.1057/palgrave.bm.2540031
Dolphin, R.R. (2004), Corporate reputation – a value creating strategy, Corporate
Governance, 4(3), 77–92. https://doi.org/10.1108/14720700410547521
Duhan, D. F., Johnson, S. D., Wilcox, J. B., et Harrell, G. D. (1997). Influences on consumer
use of word-of mouth recommendation sources, Journal of the Academy of Marketing
Science, 25, 4, 283-295.
Dutot V., Castellano S. (2015), Designing a measurement scale for E Reputation, Corporate
Reputation Review, 18, 4, 294-313, doi: 10.1057/crr.2015.15
Fillias E., Villeneuve A. (2010), E-réputation Stratégies d’influence sur Internet, Lonrai,
Editions Ellipses
Flavian, C., Guinaliu M., Torres E.,(2005). The influence of corporate image on consumer
trust: A comparative analysis in traditional versus Internet banking, Internet Research, 15, 4,
447-470.

16
Fombrun, C.J. (2001), Corporate reputation – Its measurement and management, Thexis, 4,
23-26.
Fombrun, C.J., Shanley, M. (1990), What is in a name? Reputation building and corporate
strategy.Academy of Management Journal, 33, 233-259. http://dx.doi.org/10.2307/256324
Fueyo, C. (2015), E-réputation corporate : influence de la voix digitale des employés via l’e-
contenu de leur « Profil » sur les réseaux sociaux professionnels ; application au secteur
automobile, Thèse de doctorat en sciences de gestion, Université de Toulouse 1 Capitole
Galan J-Ph., Vignolles A. (2010), Identification des leaders d’opinion sur internet : utilisation
des données secondaires issues de Twitter », Actes du 9ème Congrès des Tendances du
Marketing International, Venise, Janvier.
Grewal, D., Kavanoor S., Fern E. F., Costley C., Barnes J., (1997), Comparative versus non-
comparative advertising: ameta-analysis.” Journal of Marketing, 61, 4, 1–15.
doi:10.2307/1252083
Hennig-Thurau, T., K. P. Gwiner, G. Walsh, Gremler D. D. (2004). Electronic word-of-mouth
via consumer-opinion platforms: what motivates consumers to articulate themselves on the
Internet?” Journal of Interactive Marketing 18, 1, 38–52. doi:10.1002/dir.10073
Herbig P., Milewicz J., (1993) The relationship of reputation and credibility to brand success,
Journal of Consumer Marketing, 10(3), 18-24, https://doi.org/10.1108/EUM0000000002601
Hovland, C., Weiss, W. (1951). The influence of source credibility on communication
effectiveness, Public Opinion Quarterly, 15, 635- 650. doi:10.1086/266350
Johnson Th. J., Kaye B. (2004), Wag the blog: how reliance on traditional media and the
internet influence credibility perceptions of weblogs among blog users, Journalism & Mass
Communication Quarterly, 81, 3, doi/abs/10.1177/107769900408100310
Kozinets, R.V. (2002), The field behind the screen: using netnography for marketing research
in online communities, Journal of Marketing Research, 39, 1, 61-72.
Kiecker, P., Cowles, D. (2001). Interpersonal communication and personal influence on the
Internet: a framework for examining online word-of-mouth. Journal of Euromarketing, 11, 2,
71-88.
Kyung, H., Kwon, O., Sung, Y. (2010), The effects of spokes-characters’ personalities of food
products on source credibility, Journal of Food Products Marketing, 17, 65–78.
Lee, M., Youn S. (2009) “Electronic word of mouth (E-WOM): how e-WOM platforms
influence consumer product judgement.” International Journal of Advertising, 28, 3, 473-499.
doi: 10.2501/s0265048709200709

17
Lin, T. M. Y, Lu K.-Y., Wu J.-J. (2012), “The Effects of visual communication in e-WOM
communication.” Journal of Research in Interactive Marketing, 6, 1, 7–26.
Maubisson L. et Abaidi I.(2011), E-terview&in-terview : Etude comparative de méthodes de
recueil de données online & offline", Management et Avenir, 44, 165-186
Metzger, M. et Flanagin, A. (2013). Credibility and trust of information in online
environments: the use of cognitive heuristics. Journal of Pragmatics, 59 (Part B), 210-220.
Nguyen N., LeBlanc G., (2001), Image and reputation of higher education institutions in
students’ retention decisions, International Journal of Educational Management, 15, 6, 303-
311, https://doi.org/10.1108/EUM0000000005909
O'Keefe, D. J. (1990). Persuasion: Theory and research. Newbury Park, CA: Sage.
Paquerot, M., Queffelec, A., Sueur, I. & Biot-Paquerot, G. (2011). L'e-réputation ou le
renforcement de la gouvernance par le marché de l'hôtellerie ?. Management & Avenir, 45(5),
280-296. doi:10.3917/mav.045.0280.
Park, H. S., Lee, D. W. (2009). A test of theory of planned behavior in Korea: Participation in
alcohol-related social gatherings. International Journal of Psychology, 44, 6, 418-433.
Park, D.H, Lee, J., Han, I. (2007). The effect of on-line consumer reviews on consumer
purchasing intention: the moderating role of involvement. International Journal of Electronic
Commerce, 11(4), 125-148. doi: 102753/JEC1086-4415110405
Pornpitakpan, Ch. (2006), The Persuasiveness of source credibility: a critical review of five
decades' evidence, Journal of Applied Social Psychology, 34, 2, 243-281.
https://doi.org/10.1111/j.1559-1816.2004.tb02547.x
Roberts P. W. et Dowlin, G. R. (2002). Corporate reputation and sustained superior financial
performance. Strategic Management Journal, 23, 1077-1093
Shamma, H. M. (2012). Toward a comprehensive understanding of corporate reputation:
concept, measurement and implications. International Journal of Business and Management
7, 16, 151–169. doi:10.5539/ijbm.v7n16p151
Shapiro, C. (1983). Premiums for high quality products as returns to reputations. Quarterly
Journal of Economics, 98 4, 659-681.
Sundar, S. S. (2008). The MAIN model: a heuristic approach to understanding technology
effects on credibility. In M. J. Metzger, et A. J. Flanagin (Eds.), Digital media, youth, and
credibility (pp. 73-100). Cambridge, MA: MIT Press.
Wang, Y., Lo. H.-P. (2002), Service Quality, customer satisfaction and behaviour intentions:
evidence from China’s telecommunication industry. Info, 4, 50-60.
https://doi.org/10.1108/14636690210453406

18
Wathen, C. N., Burkell, J. (2002). Believe it or not: factors influencing credibility on the
Web. Journal of the American Society for Information Science and Technology, 53, 2, 134-
144. doi: 10.1002/asi.10016 ·
Wells, J. D., Valacich, J. S., Hess, T. J.(2011). What signal are you sending? How website
quality influences perceptions of product quality and purchase intentions? MIS Quarterly, 35,
2, 373-396.
William, M., Buttle, F., et Biggemann, S. (2012). Relating word-of-mouth to corporate
reputation. Public Communication Review, 2, 2.
Winter, S., Krämer, N.C. (2014). A question of credibility – Effects of source cues and
recommendations on information selection on news sites and blogs. Communications – The
European Journal of Communication Research, 39, 4, 435-456. doi: 10.1515/commun-2014-
0020
Wu, P. C. S., et Wang Y. (2010). The Influences of electronic word-of-mouth message appeal
and message source credibility. Asia Pacific Journal of Marketing and Logistics, 23, 4, 448–
472.

19