Revue européenne de psychologie appliquée 65 (2015) 285–293

Disponible en ligne sur

ScienceDirect
www.sciencedirect.com

Article original

Validation française du School Burnout Inventory

School Burnout Inventory: A French validation
N. Meylan a,∗,b , P.-A. Doudin a,b , J.-P. Antonietti a , P. Stéphan c
a
Institut de psychologie, université de Lausanne, Géopolis, 1015 Lausanne, Suisse
b
Unité d’enseignement et de recherche développement de l’enfant à l’adulte, Haute École pédagogique du Canton de Vaud, Lausanne, Suisse
c
Faculté de biologie et médecine, université de Lausanne, Lausanne, Suisse

i n f o a r t i c l e r é s u m é

Historique de l’article : Introduction. – Initialement observé chez l’adulte, le concept de burnout a récemment été appliqué aux
Reçu le 27 mars 2013 adolescents afin d’évaluer l’impact des exigences scolaires sur leur santé.
Reçu sous la forme révisée Objectif. – L’objectif de cette étude est d’examiner la validité de construit, la fiabilité et la validité prédictive
le 15 octobre 2015
d’une version française du School Burnout Inventory (Salmela-Aro, Kiuru, Leskinen, & Nurmi, 2009) qui
Accepté le 15 octobre 2015
caractérise le burnout scolaire par un épuisement lié aux demandes de l’école, du cynisme à l’égard de
l’école et un sentiment d’inadéquation en tant qu’élève.
Mots clés :
Méthode. – Au total 387 adolescents ont répondu à un questionnaire. Des analyses factorielles confirma-
Burnout scolaire
Adolescence
toires ont été réalisées sur les données récoltées.
Validation française Résultats. – Les résultats confirment la structure tridimensionnelle de cette échelle et indiquent des
Absentéisme qualités psychométriques dans l’ensemble satisfaisantes.
Soutien de l’école Conclusion. – Cet outil devrait permettre aux cliniciens une première évaluation rapide et simple de cette
problématique chez les adolescents et aux chercheurs de développer les connaissances théoriques sur ce
phénomène.
© 2015 Elsevier Masson SAS. Tous droits réservés.

a b s t r a c t

Keywords: Introduction. – First studied in adults, the concept of burnout was recently extended to adolescents in
School burnout order to evaluate the impact of school requirements on their health.
Adolescence Objective. – This study aim at assessing construct validity, reliability and concurrent validity of a French
French validation version of the School Burnout Inventory (Salmela-Aro, Kiuru, Leskinen, & Nurmi, 2009) that characte-
Absenteeism
rize school burnout by exhaustion linked to school demands, cynicism toward school and feelings of
School support
inadequacy as a student.
Method. – Three hundred and eighty-seven adolescents have filled the translated questionnaire and a
confirmatory factor analysis was performed on the data.
Results. – The analysis confirmed the tridimensional structure of the scale and mainly show satisfactory
psychometric qualities.
Conclusion. – This measurement scale should provide clinicians with a rapid and simple assessment
of school burnout in adolescents. Researchers could also benefit from it in order to extend theoretical
knowledge about this trouble.
© 2015 Elsevier Masson SAS. All rights reserved.

1. Introduction

Lieu d’apprentissage et de socialisation, l’école est un contexte

qui favorise le développement intellectuel, social et émotionnel
∗ Auteur correspondant. des adolescents (Eccles & Roeser, 2011) mais c’est aussi un grand
Adresse e-mail : nicolas.meylan@unil.ch (N. Meylan). révélateur des difficultés d’adaptation scolaire et psychologique

http://dx.doi.org/10.1016/j.erap.2015.10.002
1162-9088/© 2015 Elsevier Masson SAS. Tous droits réservés.
286 N. Meylan et al. / Revue européenne de psychologie appliquée 65 (2015) 285–293
(Golse, 2005). Comme le souligne Catheline (2007), de nombreux
adolescents qui consultent en pédopsychiatrie évoquent en prio-
rité des difficultés scolaires. De plus, l’accroissement des exigences
de performance et de réussite qui accompagne l’évolution de notre
société met à l’épreuve les ressources narcissiques de l’individu et
entraîne une forme de stress pouvant générer des souffrances pour
l’adolescent à l’école (Jeammet, 2007 ; Stéphan, 2011). Parmi ces
souffrances, le burnout est un phénomène qui suscite un intérêt
grandissant chez les professionnels de l’école et de la santé (Zakari,
Walburg, & Chabrol, 2008 ; Salmela-Aro, 2011 ; Parker & Salmela-
Aro, 2011 ; Bask & Salmela-Aro, 2012).
Selon Maslach (1982), dont la définition est la plus fréquemment
utilisée dans la littérature, le burnout est une réponse à un stress
professionnel chronique et se traduit par une épuisement émo-
tionnel, de la dépersonnalisation et un manque d’accomplissement
personnel. Initialement décrit comme un trouble spécifique aux
professions ayant un activité relationnelle (Maslach & Leiter, 1997),
le burnout a été généralisé et étendu à toutes les activités profes-
sionnelles (Maslach, Schaufeli, & Leiter, 2001) ainsi qu’à plusieurs
catégories de personnes dont l’activité s’apparente à un travail,
comme les sportifs (Raedeke & Smith, 2004) ou les étudiants uni-
versitaires (Schaufeli, Martinez, Pinto, Salanova, & Bakker, 2002 ;
Genoud & Reicherts, 2008). Autrement dit, le burnout d’abord conçu
comme une crise des relations au travail a été reconceptualisé
comme une crise de la relation avec son travail (Truchot, 2004).
En contexte scolaire, les travaux sur le burnout ont essentiellement
portés sur les enseignants (ex., Genoud, Brodard, & Reicherts, 2009 ;
Doudin, Curchod-Ruedi, & Moreau, 2011). Cependant, considérant
que l’activité principale des élèves s’apparente à un travail, des
auteurs (Salmela-Aro, 2011 ; Salmela-Aro & Näätänen, 2005) ont
récemment appliqué le concept de burnout aux élèves.
Salmela-Aro, Kiuru, et Nurmi (2008) définissent le burnout sco-
laire comme un syndrome d’épuisement lié à l’école, apparaissant
chez des élèves initialement engagés dans leur scolarité mais qui
n’arrivent pas à faire face aux exigences scolaires. Dans la conti-
nuité des travaux sur le burnout des professionnels (Maslach, 1982 ;
Maslach & Jackson, 1986) et des étudiants universitaires (Schaufeli
et al., 2002 ; Genoud & Reicherts, 2008), Salmela-Aro et Näätänen
(2005) décrivent le burnout comme un concept multidimensionnel
qui se caractérise par :
• un épuisement émotionnel, où l’élève n’arrive plus à faire face
aux demandes de l’école avec notamment une fatigue chronique
liée à une surcharge de travail scolaire ;
• du cynisme, défini comme une attitude détachée et indifférente
vis-à-vis du travail scolaire, une perte d’intérêt et une incapacité
à donner du sens à sa scolarité ;
• un sentiment d’inadéquation en tant qu’élève, compris comme
un manque d’accomplissement dans le travail scolaire et dans
l’école en général.
Par analogie au burnout chez les professionnels et les étudiants
universitaires, les dimensions épuisement et inadéquation du bur-
nout scolaire renvoient respectivement au manque d’énergie et à
l’auto-évaluation. Par contre, le cynisme dans le burnout scolaire
se différencie de la dépersonnalisation dans le burnout profes-
sionnel par le fait qu’il traduit davantage un rapport au travail
scolaire qu’une dimension interpersonnelle. Soulignons également
que le burnout scolaire traduit un rapport au travail scolaire et en
particulier aux devoirs alors que le burnout chez les étudiants uni-
versitaires renvoie davantage à un rapport aux études « en général ».
Les travaux mettent en évidence que le burnout scolaire est
positivement associé au stress scolaire et à l’absentéisme, avec un
niveau général de burnout plus élevé chez les adolescents stres-
sés par l’école, ainsi que des niveaux de cynisme et d’inadéquation
plus important chez les adolescents fréquemment absents (Zakari
et al., 2008 ; Slivar, 2001 ; Covington, 2000). À l’inverse, ce syn-
drome est négativement associé à la réussite scolaire et au soutien
de l’école, avec un niveau de burnout moins élevé chez les ado-
lescents qui ont une bonne réussite scolaire et/ou qui obtiennent
du soutien de la part des professionnels de l’école (Salmela-Aro,
Kiuru, Leskinen, & Nurmi, 2009 ; Salmela-Aro, Kiuru, Pietikäinen, &
Jokela, 2008). Des différences liées au genre et aux filières d’étude
ont aussi été mises en évidence. En effet, il apparaît que les filles
sont généralement plus à risque de burnout que les garçons, tout
comme les adolescents qui sont scolarisés dans des filières d’étude
où le niveau d’exigence scolaire est élevé (Salmela-Aro, Kiuru, &
Nurmi, 2008). Enfin selon les études, environ 6,7 % des adolescents
slovènes (Slivar, 2001) ont un score de burnout préoccupant, entre
10 % et 15 % des adolescents finlandais (Salmela-Aro & Tynkkynen,
2012 ; Salmela-Aro, 2011) ont un niveau de burnout sévère et plus
de 40 % des adolescents français ont un niveau de burnout élevé
(Zakari et al., 2008).
Ces études mettent en évidence des facteurs de risque et de
protection du burnout scolaire et soulignent l’importance de ce
phénomène dans différents pays. Toutefois, certains résultats sont
difficilement comparables du fait de la diversité des questionnaires
utilisés. Par exemple, les seuils et les termes indiquant un niveau
important de burnout scolaire varient d’une mesure à l’autre, ce
qui complique l’appréciation des taux de prévalence mentionnés
ci-dessus.
Si le Maslach Burnout Inventory (Maslach & Jackson, 1986) et
ses déclinaisons générale (MBI-SG – Schaufeli, Leiter, Maslach, &
Jackson, 1996) ou universitaire (MBI-SS – Schaufeli et al., 2002)
constituent des standards pour évaluer le burnout chez les pro-
fessionnels et les étudiants, la plupart des études sur le burnout
scolaire sont réalisées à l’aide du School Burnout Inventory
(SBI – Salmela-Aro, Kiuru, Leskinen et al., 2009 et Salmela-Aro,
Savolainen, & Holopainen, 2009). Récemment validé auprès d’une
population d’adolescents finnois âgés entre 15 et 19 ans (Salmela-
Aro, Kiuru, Leskinen et al., 2009 et Salmela-Aro, Savolainen, &
Holopainen, 2009), le SBI à l’avantage contrairement aux MBI-SG
et MBI-SS d’être spécifiquement adapté aux élèves et porte sur leur
rapport au travail scolaire. Les résultats de cette étude de validation
confirment le modèle théorique du burnout scolaire et indiquent
des qualités psychométriques satisfaisantes (Salmela-Aro, Kiuru,
Leskinen et al., 2009 et Salmela-Aro, Savolainen, & Holopainen,
2009). En effet, la structure du SBI se caractérise par trois fac-
teurs intercorrélés évaluant les dimensions épuisement, cynisme
et inadéquation, inclus dans un facteur de second ordre mesurant le
construit général de burnout. Les différents coefficients de fiabilité
utilisés pour mesurer la cohérence interne de ces facteurs ont des
valeurs satisfaisantes à acceptables qui varient entre 0,89 et 0,67
(Bollen, 1989 ; Nunnally, 1978). De plus, après avoir contrôlé l’effet
du genre et des filières d’étude, les scores du SBI sont associés à
la dépression, à la réussite scolaire et à l’engagement scolaire avec
des corrélations allant de 0,60 à –0,30 suggérant une bonne validité
prédictive. Le SBI est donc un outil approprié à la mesure du bur-
nout scolaire et permet d’évaluer ce phénomène de façon globale
et/ou dimensionnelle (Salmela-Aro, 2011).
À notre connaissance, il n’existe aucune échelle de burnout ayant
fait l’objet d’une validation auprès d’élèves francophones. Nous
proposons donc de traduire et de valider le SBI afin de permettre
son utilisation en recherche comme en clinique. Précisons que notre
choix s’est porté sur le SBI principalement pour ses qualités psy-
chométriques et par le fait qu’une version française de cet outil
faciliterait la comparaison des résultats avec la plupart des travaux
réalisés sur ce thème. L’objectif de notre étude est d’examiner la
validité et la fiabilité de l’inventaire de burnout scolaire (IBS), tra-
duction française du SBI. Considérant les qualités psychométriques
du SBI, nous nous attendons à ce que l’IBS permette d’évaluer le bur-
nout scolaire de façon globale et/ou dimensionnelle et nous faisons
 N. Meylan et al. / Revue européenne de psychologie appliquée 65 (2015) 285–293
l’hypothèse (H1) que la structure factorielle de l’IBS est identique à
celle du SBI. Soulignons ici que la question de la multidimensionna-
lité du concept de burnout fait débat dans la littérature. En effet, si la
mesure proposée par Maslach et Jackson (1986) est largement utili-
sée, sa structure tridimensionnelle et fréquemment critiquée. Selon
certains auteurs (pour une revue voir Maslach et al., 2001 ; Lourel
& Gueguen, 2007), le burnout est un phénomène unidimensionnel,
avec l’épuisement comme principale dimension ou bidimensionnel
avec une prégnance des dimensions épuisement et dépersonna-
lisation (aussi appelé cynisme). Dans ces perspectives, les autres
dimensions du burnout seraient davantage des traits de personna-
lité ou des stratégies de coping (Shirom, 1989 ; Koeske & Koeske,
1989). De ce fait, nous proposons également de tester plusieurs
modèles structuraux alternatifs afin de vérifier que l’IBS reflète bien
les trois dimensions théoriques du burnout scolaire. Enfin, considé-
rant les résultats de précédant travaux (Zakari et al., 2008 ; Slivar,
2001 ; Covington, 2000 ; Salmela-Aro, Kiuru, Leskinen et al., 2009 et
Salmela-Aro, Savolainen, & Holopainen, 2009) ; Salmela-Aro, Kiuru,
Pietikäinen et al., 2008) sur le burnout scolaire, nous nous attendons
aussi à ce que les scores de l’IBS soient, d’une part, positivement
associés au stress scolaire et à l’absentéisme (H2), et, d’autre part,
négativement associé au soutien de l’école ainsi qu’à la réussite
scolaire (H3).
2. Méthode
2.1. Population
Notre échantillon est constitué de 387 adolescents (dont 51 % de
filles) recrutés dans deux écoles secondaires publiques de Suisse
francophone. Durant leur scolarité, 117 adolescents (61 garçons et
56 filles) ont redoublé au moins une fois. L’âge des adolescents varie
entre 13 et 17 ans, avec une moyenne de 14,8 ans (ET = 1,1). Les trois
derniers degrés de la scolarité obligatoire sont représentés (35 % en
7e degré, 30 % en 8e degré et 35 % en 9e degré) ainsi que les trois
filières d’étude (24 % en filière à exigences élémentaires, 35 % en
filière à exigences moyennes et 41 % en filière à exigences élevées)
caractérisant le système scolaire de notre région.
2.2. Procédure
Après avoir obtenu les autorisations nécessaires, les données
ont été recueillies par autoquestionnaires. La passation d’une ving-
taine de minutes environ s’est déroulée collectivement durant une
période de classe, en présence d’un enseignant et d’un assistant de
recherche. Les consignes de passation ont été précisées oralement
et par écrit sur les autoquestionnaires mais aucune information
relative au thème de la recherche n’a été fournie aux adolescents.
L’anonymat des élèves, des classes et des établissements a été
garanti et notre recherche respecte le code déontologique de la
Société Suisse de psychologie. Enfin, les adolescents pouvaient refu-
ser de participer et/ou de ne pas répondre à certaines questions.
Dans ces conditions, nous n’avons obtenu aucun refus mais 16,40 %
des questionnaires ont été retournés avec des valeurs manquantes.
Ces derniers ont été retirés de l’analyse selon la méthode Listwise
puisque le test de Little (1988) caractérise ces données comme étant
manquantes selon un mécanisme complètement aléatoire (missing
competely at random [MCAR]).
2.3. Instruments
2.3.1. Burnout scolaire
Nous avons mesuré le burnout scolaire à l’aide du School
Burnout Inventory (Salmela-Aro, Kiuru, Leskinen et al., 2009 et
Salmela-Aro, Savolainen, & Holopainen, 2009), dont les qualités
psychométriques ont été décrites précédemment. Ce questionnaire
287
est composé de 9 items relatifs aux trois dimensions théoriques du
burnout scolaire. L’épuisement face aux demandes de l’école est
évalué par 4 items (par exemple, « je me sens débordé par mon tra-
vail scolaire »), le cynisme à l’égard du sens de l’école est mesuré
par 3 items (par exemple, « je me demande continuellement si
mon travail scolaire a du sens ») et le sentiment d’inadéquation
en tant qu’élève est évalué par 2 items (par exemple, « j’ai sou-
vent l’impression d’être insuffisant dans mon travail scolaire »).
Les items du SBI sont cotés sur une échelle de Likert en 6 points
(allant de 1 = complètement faux, à 6 = complètement vrai) et per-
mettent d’évaluer le burnout scolaire à l’aide d’un score total et/ou
des scores d’épuisement, de cynisme et d’inadéquation. Un score
total supérieur à 29 a été fixé comme seuil clinique pour décrire
un niveau de burnout sévère (Salmela-Aro, Kiuru, Leskinen et al.,
2009 et Salmela-Aro, Savolainen, & Holopainen, 2009 ; Salmela-Aro
& Tynkkynen, 2012).
Conformément aux recommandations de la Commission inter-
nationale des tests à propos de la traduction d’échelle dans la
recherche interculturelle (ITC – Hambleton, 2001), deux psycho-
logues bilingues ont traduit en français et de manière indépendante
la version originale du SBI. Ces deux traductions ont ensuite été
comparées et discutées afin d’obtenir un consensus. Puis, une troi-
sième personne a retraduit la version française afin de pouvoir la
comparer à l’original. Les deux versions sont apparues très simi-
laires et la retraduction a été validée par les auteurs du SBI. Un
pré-test commenté auprès d’un échantillon de 22 adolescents nous
a ensuite permis d’apprécier la bonne compréhension des items de
la version française. L’inventaire de burnout scolaire [IBS], version
française du School Burnout Inventory est présentée en Annexe A.
2.3.2. Stress scolaire
Le stress scolaire est mesuré à l’aide du Adolescents Hasles Inven-
tory (Bobo et al., 1986) adapté et validé en français par Plancherel
et al. (1997). Ce questionnaire de 59 items permet de mesurer la
fréquence et l’intensité des tracas quotidiens en lien avec la vie
familiale, la perception de soi, les relations avec les pairs et l’école.
Les adolescents doivent indiquer s’ils ont vécu ou non ce tracas et,
si oui, dans quelle mesure ils en ont été affectés durant les six der-
niers mois (échelle de Likert en 4 points allant de 1 = pas du tout
stressé, à 4 = très stressé). Dans le cadre de cette étude nous utili-
sons uniquement 19 items qui se rapportent à l’école. Le coefficient
alpha de Cronbach pour ces 19 items est de 0,85 dans notre étude.
2.3.3. Réussite scolaire
Les adolescents ont été invités à indiquer leurs moyennes en
français, en mathématiques et en allemand à la fin du dernier
semestre. Une moyenne générale, allant de 1 à 6, a ensuite été
calculée. Plus le score est élevé, plus la réussite scolaire est bonne.
2.3.4. Soutien de l’école
Le soutien de l’école est évalué à l’aide du Child and Adolescent
Social Support Scale ([CASSS] ; Malecki & Demaray, 2002). Il s’agit
d’un questionnaire de 60 items qui permet de mesurer la fréquence
et l’importance du soutien social reçu des parents, des enseignants,
des camarades de classe, des meilleurs copains et de l’école. En
l’absence de traduction et de validation française de CASSS, nous
avons traduit cette échelle en suivant les recommandations de l’ITC
(Hambleton, 2001). Dans le cadre de cette étude, nous utilisons
uniquement les 12 items qui portent sur le soutien de l’école, sous-
échelle couramment utilisée comme mesure du soutien reçu de
l’école en général (Rueger, Malecki, & Demaray, 2010). Les adoles-
cents évaluent la fréquence du soutien reçu de l’école en répondant
aux items sur une échelle de Likert en 6 points (allant de 1 = jamais,
à 6 = toujours). Le coefficient alpha de Cronbach pour cette sous-
échelle est de 0,89 dans notre étude.
288 N. Meylan et al. / Revue européenne de psychologie appliquée 65 (2015) 285–293
2.3.5. Absentéisme
Le niveau d’absentéisme est mesuré par un item qui consiste à
demander aux adolescents le nombre de fois où ils ont volontaire-
ment manqué les cours durant les 30 derniers jours. Les réponses
sont données à l’aide d’une échelle de Likert en 3 points (allant de
1 = jamais, à 3 = 3 fois ou plus).
2.3.6. Variables du contexte personnel et scolaire
Les données relatives au contexte personnel et scolaire
comprennent des informations sociodémographiques (genre) et
scolaires (filière d’étude).
2.4. Analyses statistiques
Après avoir évalué la distribution des scores obtenus aux items
de l’IBS, nous avons réalisé une série d’analyses factorielles confir-
matoires (AFC) à l’aide de la procédure AMOS 21 (Arbuckle, 2012)
du logiciel SPSS 21. La validité de construit, la fiabilité et la validité
prédictive de l’IBS ont été examinées en s’inspirant des analyses
effectuées dans l’étude de validation du SBI (Salmela-Aro, Kiuru,
Leskinen et al., 2009 et Salmela-Aro, Savolainen, & Holopainen,
2009).
En ce qui concerne la validité de construit, nous avons tout
d’abord examiné la structure de l’IBS en estimant et comparant les
5 modèles hypothétiques suivants :
• un modèle unidimensionnel (M1) où tous les items sont regrou-
pés dans un facteur latent renvoyant au construit de burnout
scolaire ;
• un modèle tridimensionnel (M2) où les items sont répartis
dans trois facteurs latents correspondant aux dimensions théo-
riques du burnout scolaire, à savoir l’épuisement, le cynisme et
l’inadéquation ;
• un modèle tridimensionnel de second ordre (M3) où les trois
facteurs de M2 sont imbriqués dans un facteur latent général
correspondant au phénomène global de burnout scolaire ;
• un modèle bidimensionnel (M4) comprenant un facteur unique
pour les items relatifs à l’épuisement et à l’inadéquation et un
facteur pour les items liés au cynisme ;
• un modèle bidimensionnel (M5) comprenant un facteur unique
pour les items relatifs au cynisme et à l’inadéquation ainsi qu’un
facteur pour les items liés à l’épuisement.
Tester ces modèles renvoyant aux conceptions unidimension-
nelle (M1), bidimensionnelle (M4 et M5) et tridimensionnelle
(M2 et M3) du burnout devrait permettre de vérifier que l’IBS
mesure bien le burnout scolaire tel qu’il a été conceptualisé
par Salmela-Aro, Kiuru, Leskinen et al. (2009) et Salmela-Aro,
Savolainen, et Holopainen (2009). Nous avons ensuite vérifié la vali-
dité convergente des facteurs latents de l’IBS en suivant l’approche
proposée par Fornell et Lacker (1981). Cette approche consiste à
tester la validité convergente faible et forte des composantes d’une
échelle en s’assurant respectivement que les contributions facto-
rielles soient significativement non nulles (test « t » > 1,96) et que la
variance des facteurs latents soit davantage expliquée par les items
qui les mesurent que par les erreurs (Rhô de validité convergente
« ␳VC » > 0,5). La validité discriminante des facteurs latents de l’IBS
a été vérifiée selon la méthode de Hulland (1999). Cette méthode
consiste à s’assurer que la racine carré du ␳VC de chaque dimension
est supérieure aux corrélations qu’elle partagent avec les autres
dimensions.
En ce qui concerne la fiabilité, nous avons examiné la cohé-
rence des échelles de l’IBS à l’aide des coefficients de fiabilité
composite (Jöreskog, 1971 ; Werts, Linn, & Joreskog, 1974) et alphas
de Cronbach. Nous avons retenu les seuils 0,70 et 0,60 comme
étant respectivement satisfaisants et acceptables (DeVellis, 1991).
Précisons encore que si une échelle ne possède pas plus de deux
items, le coefficient de corrélation de Pearson a été préféré au coef-
ficient alpha de Cronbach (voir Saintfort & Booske, 2000 ; O’Brien,
Buikstra, & Hegney, 2008). Dans ce cas, la valeur est considérée
comme faible en-dessous de 0,40, moyenne de 0,40 à 0,60 et forte
au-dessus de 0,60 (Cohen, 1988).
Finalement, la validité prédictive a été testée en examinant
les associations de l’IBS avec la réussite scolaire, le soutien de
l’école et l’absentéisme tout en contrôlant l’effet du genre et des
filières d’étude. Ces trois prédicteurs significatifs du burnout sco-
laire ainsi que les deux variables de contrôle ont été ajoutés, dans
une deuxième temps, au modèle hypothétique s’ajustant le mieux
aux données.
Selon les recommandations de Hu et Bentler (1998, 1999), nous
avons évalué la qualité des modèles hypothétiques à travers plu-
sieurs indices d’ajustement tels que le Chi2 , le root mean square
error of approximation (RMSEA), le standarized root mean square resi-
dual (SRMR), le Comparatif fit Index (CFI), le Tucker-Lewis Index
(TLI) et le Akaike Information Criterion (AIC). Le Chi2 étant sensible
à la taille de l’échantillon et rejetant la plupart des modèles au-
delà de 200 observations (Roussel, Durrieu, Campoy, & El Akremi,
2002), nous avons également tenu compte du Chi2 normé (2 /ddl).
La valeur du Chi2 normé ne devrait pas être supérieure à 5 (Marsh
& Hocevar, 1985), les CFI et TLI doivent être supérieurs ou égaux
à 0,90 alors que le RMSEA et le SRMR doivent être inférieurs ou
égaux à 0,08 et 0,05 respectivement (Bentler, 1990 ; Tucker & Lewis,
1973). Précisons encore que le TLI ayant tendance a être moins élevé
que le CFI, certains auteurs (Hu & Bentler, 1998, 1999 ; Schumaker
& Lomax, 2004) jugent le seuil de 0,80 acceptable pour ce dernier
indice. Enfin, l’AIC le plus faible indique le modèle qui s’ajuste le
mieux aux données (Akaike, 1987).
3. Résultats
3.1. Validité de construit
3.1.1. Structure
Avant de tester la structure de l’IBS, les coefficients de symétrie
(Skewness) et d’aplatissement (Kurtosis) des items qui composent
cette échelle ont été examinés (Tableau 1). Les tests z réalisés sur ces
coefficients indiquent que la distribution de plusieurs items dévie
significativement de la normalité. Cependant, la plupart de ces coef-
ficients ont des valeurs inférieures au seuil de ± 1 recommandé par
Muthén et Kaplan (1985), et aucun ne dépasse le seuil critique
de ± 3 (Hair et al., 2006 ; Kline, 1998). La déviation de la distribution
de ces items n’est donc pas considérée comme sévère, c’est pour-
quoi nous avons jugé la méthode du maximum de vraisemblance
appropriée pour le calcul des AFC.
Plusieurs AFC ont permis de tester les modèles hypothétiques
M1, M2, M3, M4 et M5. Les résultats de ces analyses sont présen-
tés dans le Tableau 2. Il apparaît que les indices des modèles M2 et
M3 sont satisfaisants et témoignent d’un bon ajustement aux don-
nées. Les indices du modèle M5 sont pour la plupart acceptables
(la valeur du SRMR est raisonnablement proche du seuil retenu) et
suggèrent un ajustement acceptable. Enfin, les indices des modèles
M1 et M4 ne sont pas satisfaisants et témoignent d’un mauvais
ajustement. Nous avons ensuite sélectionné le modèle qui s’ajuste
le mieux aux données à l’aide de l’estimation de l’erreur stan-
dard (SE), calculée par la méthode de Bootsrap (Arbuckle, 2012 ;
Bollen & Stine, 1992 ; Stine, 1989). Il apparaît que les modèles M2
(SE = 119,50, ET = 0,26) et le modèle M3 (SE = 118,50, = 0,26) ont un
meilleur ajustement que les modèles M1 (SE = 186,28, ET = 0,25),
M4 (SE = 155,89, ET = 0,25) et M5 (SE = 126,65, ET = 0,25). Enfin, sou-
lignons que dans le modèle M3 qui est pourtant équivalent au
modèle M2 puisqu’ils partagent le même nombre de paramètres
 N. Meylan et al. / Revue européenne de psychologie appliquée 65 (2015) 285–293 289

Tableau 1
Données descriptives par items de l’IBS et matrice de corrélation inter-items.
Descriptive statistics of the french SBI items and inter-items correlation matrix.

M ET Skewnessa Kurtosisb 1 2 3 4 5 6 7 8 9

Item 1 3,24 1,33 0,10 −0,52 1,00

Item 2 2,97 1,44 0,26 −0,84 0,42 1,00
Item 3 3,23 1,32 0,09 −0,73 0,27 0,48 1,00
Item 4 2,18 1,36 1,01 0,07 0,34 0,27 0,34 1,00
Item 5 2,76 1,48 0,51 −0,74 0,30 0,62 0,42 0,28 1,00
Item 6 3,03 1,50 0,27 −0,98 0,29 0,49 0,26 0,26 0,48 1,00
Item 7 2,45 1,31 0,73 −0,24 0,22 0,17 0,31 0,47 0,18 0,23 1,00
Item 8 3,20 1,48 0,16 −1,04 0,25 0,41 0,37 0,16 0,44 0,36 0,15 1,00
Item 9 2,18 1,39 1,15 0,42 0,29 0,35 0,35 0,40 0,30 0,34 0,26 0,30 1,00

n = 387. Toutes les corrélations sont significatives au seuil de p < 0,05.

a
Erreurs-types du coefficient Skewness entre 0,11 et 0,12.
b
Erreurs-types du coefficient Kurtosis entre 0,23 et 0,25.

Tableau 2
Indices d’ajustement des différents modèles testés pour l’IBS.
Models fit for the French SBI.

Modèle df X2 X2 /df CFI RMSEA TLI SRMR AIC

M1 27 158,57*** 5,87 0,85 0,11 0,81 0,07 212,57

M2 24 88,24*** 3,67 0,93 0,08 0,90 0,05 148,23
M3 25 88,21*** 3,25 0,93 0,08 0,90 0,05 128,31
M4 26 126,90*** 4,88 0,89 0,10 0,85 0,06 182,89
M5 26 97,57*** 3,75 0,92 0,08 0,89 0,06 153,56

CFI : Confirmatory Fit Index ; RMSEA : Root Mean Square Error of Approximation ; TLI : Tucker-Lewis Index ; SRMR : Standerdized Root Mean Square Residual ; AIC : Akaike
Information Criterion.
***
p < 0,001.

estimés, la variance résiduelle du facteur latent inadéquation est facteurs latents des modèles M2 et M3 est dans l’ensemble satis-
fixée à zéro après avoir obtenu initialement une valeur négative. faisante.

3.1.2. Validité convergente et discriminante 3.3. Validité prédictive

Le Tableau 3 présente les résultats de l’examen de la validité
convergente et discriminante des facteurs latents des modèles
M2 et M3. Premièrement et relativement à la validité conver-
gente faible, il apparaît que toutes les contributions factorielles
de ces deux modèles sont significativement non nulles, avec des
valeurs comprises entre 4,83 et 13,71 (p < 0,001). Deuxièmement,
nous pouvons voir que les indicateurs de la validité convergente
forte ont des valeurs qui varient de 0,77 pour le burnout scolaire à
0,34 pour l’épuisement et qu’elles ne sont pas toutes supérieures
au seuil recommandé (␳VC > 0,5). Troisièmement, les racines car-
rées des ␳VCs de l’épuisement, du cynisme et de l’inadéquation sont
toutes supérieures aux corrélations entre ces trois dimensions sauf
en ce qui concerne la relation entre l’épuisement et l’inadéquation.
Dans l’ensemble, ces résultats mettent en évidence que les fac-
teurs latents des modèles M2 et M3 ont une validité convergente et
discriminante relativement bonne. Toutefois, nous devons nuancer
cette dernière affirmation par le fait que :
• la validité convergente forte de l’épuisement et de l’inadéquation
n’est pas totalement satisfaisante ;
• que ces deux dimensions sont hautement corrélées.
3.2. Fiabilité
Dans le Tableau 3 figurent également les coefficients Rhô de
Jöreskog et les coefficients alphas de Cronbach ou corrélation
de Pearson pour les facteurs latents des modèles M2 et M3. Ces
coefficients sont très satisfaisants pour l’échelle totale de bur-
nout scolaire (rhô de Jöreskog = 0,91 ; alpha de Cronbach = 0,82),
satisfaisants pour l’échelle cynisme (rhô de Jöreskog = 0,78 ; alpha
de Cronbach = 0,77), acceptable pour l’échelle épuisement (rhô de
Jöreskog = 0,67 ; alpha de Cronbach = 0,65) et faible pour l’échelle
inadéquation (rhô de Jöreskog = 0,57 ; r de Pearson = 0,37). Il
apparaît donc que la fiabilité des échelles correspondantes aux
Afin d’évaluer si la réussite scolaire, le soutien de l’école et
l’absentéisme permettent de prédire le burnout scolaire après avoir
contrôlé les effets relatifs au genre et à la filière d’étude, nous
avons ajouté ces variables aux modèles M2 (Fig. 1) puis M3. Le
modèle M2 avec prédicteurs (M2p) obtient un ajustement accep-
table, ␹2 (60, N = 268) = 156,48, p < 0,001, RMSEA = 0,07, CFI = 0,90,
TLI = 0,84, SRMR = 0,05, AIC = 306,48 et permet d’expliquer la
variance des scores d’épuisement, de cynisme et d’inadéquation
respectivement à hauteur de 64 %, 36 % et 34 %. Relativement aux
prédicteurs, nous observons les résultats suivants :
• le stress scolaire est un prédicteur positif des trois dimensions
de burnout scolaire et en particulier de l’épuisement (ˇ = 0,76,
p < 0,001) ;
• la réussite scolaire est un prédicteur négatif du cynisme
(ˇ = –0,21, p < 0,01) et de l’inadéquation (ˇ = –0,26, p < 0,001) ;
• le soutien de l’école ainsi que l’absentéisme sont des prédicteurs
respectivement négatif (ˇ = –0,16, p < 0,05) et positif (ˇ = 0,20,
p < 0,001) du cynisme.
Une première estimation du modèle M3 avec prédicteurs
(M3p) suggère que le stress scolaire, en plus de prédire le
niveau de burnout scolaire total, a un effet direct sur le score
d’épuisement (indice de modification = 28,21). Après avec ajouté
cette relation, le modèle M3p obtient un ajustement accep-
table, ␹2 (60, N = 268) = 160,64, p < 0,001, RMSEA = 0,06, CFI = 0,91,
TLI = 0,87, SRMR = 0,05, AIC = 288,64, et permet de prédire 37 % de
la variance du score total de burnout scolaire. Relativement aux
prédicteurs, les résultats montrent :
• que le stress scolaire (ˇ = 0,44, p < 0,001) et l’absentéisme
(ˇ = 0,18, p < 0,01) sont des prédicteurs positif du burnout scolaire
total ;
290 N. Meylan et al. / Revue européenne de psychologie appliquée 65 (2015) 285–293

Tableau 3
Fiabilité, validité convergente et validité discriminante des facteurs latents des modèles M2 et M3.
Reliability and validity for M2 and M3 latent factors.

Modèle Facteur latent Fiabilité Validité convergente Validité discriminante

Alpha Cronbach Rhô Jöreskog Faible (> 1,96, p < 0,05) Forte (pVC > 0,50) EPUI CYN INAD

M2 et M3 EPUI 0,65 0,67 > 7,039 0,34 0,58

CYN 0,77 0,78 > 11,11 0,54 0,49 0,73
INAD 0,37a 0,57 > 9,18 0,40 0,70 0,44 0,63
M3 BST 0,82 0,91 > 7,039 0,77 – – –

M2 : modèle à trois facteurs latents ; M3 : modèle à trois facteurs latents et un facteur latent de second ordre ; EPUI : épuisement ; CYN : cynisme ; INAD : inadéquation ; BST :
burnout scolaire total.
a
Pour cette dimension, nous avons rapporté le coefficient de corrélation de Pearson qui est plus approprié que le coefficient alpha de Cronbach.

Fig. 1. Modèle M2 avec prédicteurs et variables de contrôle (seul les coefficients de régression standardisés significatifs sont indiqués). 1 1 : fille, 2 : garçon ; 2 1 : filière
élémentaire, 2 : filière moyenne, 3 : filière élevée. *p < 0,05, **p < 0,01, ***p < 0,001. EPUI : épuisement ; CYN : cynisme ; INAD : inadéquation.
Estimated three-factor model (M2) with predictors and control variable (only statistically and significant regression coefficients are given).

• que le soutien de l’école (ˇ = –0,13, p < 0,05) et la réussite sco-
laire (ˇ = –0,23, p < 0,01) sont des prédicteurs négatifs du burnout
scolaire total.
Enfin, les corrélations entre les prédicteurs, les variables de
contrôle et les facteurs latents des modèles M2p et M3p sont pré-
sentés dans le Tableau 4. Nous observons que les prédicteurs sont
associés de façon attendue aux facteurs latents des modèles M2p
et M3p et que ces associations sont d’importance modérée pour
la réussite scolaire (–0,22 à –0,26), le soutien de l’école (–0,20) et
l’absentéisme (0,20 à 0,25) à forte pour le stress scolaire (0,46 à
0,78). Comme les coefficients de régression standardisés (ˇ), les
corrélations de ces variables avec le burnout scolaire indiquent que
la validité prédictive de l’IBS est satisfaisante.
4. Discussion
L’objectif de cette étude était de traduire et de tester les
qualités psychométriques de l’inventaire de burnout scolaire, ver-
sion française du School Burnout Inventory qui a récemment été
validé (Salmela-Aro, Kiuru, Leskinen et al., 2009 et Salmela-Aro,
Savolainen, & Holopainen, 2009) et qui permet de mesurer le
burnout scolaire à l’adolescence. En s’inspirant de la procédure
d’analyse utilisée par Salmela-Aro, Kiuru, Leskinen et al. (2009) et
Salmela-Aro, Savolainen, et Holopainen (2009), nous avons testé la
validité de construit, la fiabilité et la validité prédictive de l’IBS.
En ce qui concerne la validité de construit, nous avons tout
d’abord vérifié la structure factorielle de l’IBS en testant dif-
férents modèles à l’aide d’analyses factorielles confirmatoires.
Comme dans l’étude de Salmela-Aro, Kiuru, Leskinen et al. (2009)
et Salmela-Aro, Savolainen, et Holopainen (2009), nos résultats
montrent que le modèle à trois facteurs (M2) et le modèle de
second ordre (M3) s’ajustent le mieux aux données. De part sa
structure, l’IBS renvoie donc à une perspective tridimensionnelle
du burnout scolaire en distinguant l’épuisement, le cynisme et
l’inadéquation, ce qui rejoint la définition proposée par les auteurs
de l’échelle originale (Salmela-Aro, Kiuru, Leskinen et al., 2009 et
Salmela-Aro, Savolainen, & Holopainen, 2009). De plus, l’IBS permet
d’aborder le burnout scolaire de façon dimensionnelle et globale,
ce qui va dans le sens des conclusions de Salmela-Aro, Kiuru,
Leskinen et al. (2009) et Salmela-Aro, Savolainen, et Holopainen
(2009) à propos du School Burnout Inventory. Précisons encore que,
comme dans l’étude de validation originale (Salmela-Aro, Kiuru,
Leskinen et al., 2009 et Salmela-Aro, Savolainen, & Holopainen,
2009) nous avons obtenu une erreur de variance négative (Hey-
wood case) pour le facteur latent inadéquation du modèle M3. Bien
que ceci semble fréquent lorsqu’il y a moins de trois indicateurs
par dimensions (Chen, Bollen, Paxton, Curran, & Kirby, 2001), nous
 N. Meylan et al. / Revue européenne de psychologie appliquée 65 (2015) 285–293
Tableau 4
Corrélations des prédicteurs et des variables de contrôle avec les facteurs latents des modèles M2 et M3.
Correlations of latent factors with predictors and control variables in M2 and M3.
M2
EPUI CYN
Prédicteurs
Stress scolaire 0,78*** 0,50***
Réussite scolaire −0,09 −0,22**
Absentéisme 0,06 0,25***
Soutien école −0,10 −0,20**
Variables de contrôle
Genrea −0,16* 0,04
Filièreb 0,15* 0,11
M2 : modèle à trois facteurs latents ; M3 : modèle à trois facteurs latents et un facteur latent de second ordre ; BST : burnout scolaire total ; EPUI : épuisement ; CYN : cynisme ;
INAD : inadéquation ; M : moyenne ; ET : écart-type.
*p < 0,05, **p < 0,01, ***p < 0,001.
a
1 : fille, 2 : garçon.
b
1 : filière élémentaire, 2 : filière moyenne, 3 : filière élevée. Les inter-corrélations entre les prédicteurs et les variables de contrôle varient entre −0,24 et 0,13, excepté
pour la corrélation entre la filière et les résultats scolaires, 0,34 (plus les résultats scolaires sont élevé, plus il y a de chance d’être dans une filière où le niveau d’exigence est
élevé).
pouvons nous interroger sur l’exactitude du facteur latent inadé-
quation dans M3. Ceci d’autant plus que nous avons ensuite montré
que les facteurs latents des modèles M2 et M3 ont une validité
convergente relativement satisfaisante mais que la validité dis-
criminante est insuffisante entre l’épuisement et l’inadéquation.
Cependant, comme le montre les analyses factorielles confirma-
toires l’ajustement aux données est meilleur lorsque l’on garde
ces deux dimensions indépendantes. Ainsi, nous pouvons consi-
dérer que l’IBS permet d’identifier l’épuisement, le cynisme et
l’inadéquation comme trois différents aspects du burnout scolaire,
ce qui va dans le sens de Salmela-Aro, Kiuru, Leskinen et al. (2009)
et Salmela-Aro, Savolainen, et Holopainen (2009). Dans l’ensemble,
ces résultats sont relativement satisfaisants et indiquent que la
structure de l’IBS est identique à celle du SBI, ce qui confirme notre
première hypothèse (H1) à savoir que le burnout scolaire peut être
évalué de façon globale et/ou dimensionnelle.
En ce qui concerne la fiabilité, nous obtenons des coefficients
dont les valeurs sont très satisfaisantes pour le burnout scolaire total
à faibles pour l’inadéquation. Précisons que cette dernière dimen-
sion est également celle qui obtient les coefficients de fiabilité les
moins élevés dans l’étude de Salmela-Aro, Kiuru, Leskinen et al.
(2009) et Salmela-Aro, Savolainen, et Holopainen (2009). La cohé-
rence interne de l’IBS est donc moins élevée que celle du School
Burnout Inventory (Salmela-Aro, Kiuru, Leskinen et al., 2009 et
Salmela-Aro, Savolainen, & Holopainen, 2009) mais nos résultats
restent globalement satisfaisants et sont proches de ceux d’une
autre étude ayant traduit cette échelle en lituanien (Pilkauskaite-
Valickiene, Zukauskiene, & Raiziene, 2011).
Enfin, nous observons à partir de l’estimation des modèles avec
prédicteurs et variables de contrôle, une validité prédictive satis-
faisante. Le stress scolaire et l’absentéisme sont des prédicteurs
positifs du burnout scolaire global et dimensionnel. À l’inverse,
le soutien de l’école et la réussite scolaire sont des prédicteurs
négatifs du burnout scolaire global et dimensionnel. Ces résultats
confirment nos hypothèse H2 et H3 et vont dans le sens des pré-
cédents travaux ayant montré que le stress scolaire, l’absentéisme,
le soutien de l’école et les résultats scolaires sont associés au bur-
nout scolaire global et dimensionnel (Zakari et al., 2008 ; Covington,
2000 ; Salmela-Aro, Kiuru, Leskinen et al., 2009 et Salmela-Aro,
Savolainen, & Holopainen, 2009 ; Salmela-Aro, Kiuru, & Nurmi,
2008). De plus, les filles et les adolescents dans les filières à
niveau élevé d’exigences ont les niveaux de burnout scolaire les
plus importants comme l’ont déjà mis en évidence de précédents
travaux (Salmela-Aro, Kiuru, Leskinen et al., 2009 et Salmela-Aro,
Savolainen, & Holopainen, 2009 ; Salmela-Aro, 2011).
291
M3 M ET
INAD BST
0,48*** 0,51*** 1,81 0,49
−0,26** −0,22** 4,45 0,54
0,20* 0,22** 1,30 0,59
−0,06 −0,12 3,61 1,14
−0,16* −0,20* 1,49 0,50
0,05 0,10 2,24 0,78
Notre étude présente un certain nombre de limites à prendre en
considération lors de l’utilisation de cet outil. Nous évoquons celles
qui nous semblent prépondérantes. Tout d’abord, une meilleure
répartition des adolescents par filières d’étude permettrait une plus
grande généralisation des résultats à l’ensemble de la population.
Ensuite, vu la nature transversale des données, il serait prématuré
d’établir des liens de causalité entre ces différentes variables et
le burnout scolaire. En effet, sur la base des associations que nous
avons mises en évidence, nous pouvons supposer que l’absentéisme
et la réussite scolaire sont des prédicteurs du niveau de cynisme et
d’inadéquation mais nous pourrions aussi faire l’hypothèse qu’un
haut niveau de cynisme et d’inadéquation augmente la fréquence
d’absentéisme et/ou diminue la réussite scolaire. Des études longi-
tudinales permettraient d’avoir une meilleure compréhension des
liens de causalités entre ces différentes variables. Enfin, le nombre
peu élevé d’items par dimension constitue une limite pour la fia-
bilité et la validité d’une échelle de burnout comme l’IBS (voir
Figueiredo-Ferra, Gil-Monte, & Grau-Alberola, 2013). De futures
études devraient notamment permettre d’améliorer la fiabilité de la
dimension inadéquation (faibles coefficients rhô de Jöreskog et cor-
rélation de Pearson) en reformulant certains items ou en ajoutant
de nouveaux.
En conclusion, l’inventaire de burnout scolaire est la pre-
mière échelle de burnout destinée aux adolescents en contexte
scolaire à faire l’objet d’une validation dans une population fran-
cophone. Notre étude montre que l’échelle de burnout scolaire
a une structure factorielle identique à celle du School Burnout
Inventory (Salmela-Aro, Kiuru, Leskinen et al., 2009 et Salmela-Aro,
Savolainen, & Holopainen, 2009) et que ses qualités psychomé-
triques sont dans l’ensemble satisfaisantes. Dans l’attente d’autres
études utilisant cette version, nous recommandons toutefois d’être
prudent dans l’utilisation et l’interprétation de la dimension inadé-
quation dont la consistance interne et la validité discriminante est
apparue faible. L’échelle de burnout scolaire devrait permettre aux
cliniciens une première évaluation rapide et simple de cette pro-
blématique chez les adolescents et aux chercheurs de développer
les connaissances théoriques sur ce trouble. Il serait notamment
intéressant, étant donné que des expériences négatives à l’école
et de l’école peuvent être associées à des troubles du compor-
tement externalisés et internalisés (Stéphan et al., 2006 ; Eccles
& Roeser, 2011), d’explorer les difficultés associées au burnout
scolaire. De plus, une meilleure connaissance des facteurs de
risque et de protection permettrait de renforcer la prévention
de ce trouble afin de préserver le bien-être des adolescents à
l’école.
292 N. Meylan et al. / Revue européenne de psychologie appliquée 65 (2015) 285–293
Déclaration de liens d’intérêts
Les auteurs déclarent ne pas avoir de liens d’intérêts.
Remerciements
Nous remercions les adolescents qui ont répondu à nos ques-
tionnaires ainsi que les directeurs des établissements scolaires et
leur équipe qui ont rendu possible la récolte de données. Merci aussi
à E. Tardif, P. Bonvin, E. Wark et T. Batten pour la traduction et la
contre-traduction de l’IBS.
Annexe 1. Inventaire de burnout scolaire (IBS) – version
française du School Burnout Inventory
French version of the School Burnout Inventory
Voici une série de questions en lien avec le travail scolaire.
Indique pour chacune des phrases suivantes à quel point tu as
ressenti cela au cours des 30 derniers jours. Les réponses vont de
« complétement faux » à « complétement vrai ».
Complétement faux = 1 ; faux = 2 ; plutôt faux = 3 ; plutôt
vrai = 4 ; vrai = 5 ; complétement vrai = 6.
1. Je me sens accablé(e) par mon travail scolaire (EPUI).
2. Je ressens un manque de motivation pour mon travail scolaire et
je pense souvent à abandonner (CYN).
3. J’ai souvent l’impression d’être insuffisant dans mon travail sco-
laire (INAD).
4. Je dors souvent mal à causes de question en lien avec mon travail
scolaire (EPUI).
5. Je sens que je suis en train de perdre l’intérêt pour mon travail
scolaire (CYN).
6. Je me demande continuellement si mon travail scolaire a du sens
(CYN).
7. Je ressasse sans cesse des choses en lien avec mon travail scolaire
durant mon temps libre (EPUI).
8. J’avais de plus grandes attentes concernant mon travail scolaire
avant que maintenant (INAD).
9. La pression due à mon travail scolaire me cause des problèmes
dans mes relations proches avec les autres (EPUI).
EPUI = épuisement ; CYN = cynisme ; INAD = inadéquation.
Références
Akaike, H. (1987). Factor analysis and AIC. Psychometrika, 52, 317–332.
http://dx.doi.org/10.1007/BF02294359
Arbuckle, J. L. (2012). Amos user’s guide version 21. Chicago: IBM SPSS inc.
Bask, M., & Salmela-Aro, K. (2012). Burned out to drop out: Exploring the relationship
between school burnout and school dropout. European Journal of Psychology of
Education, 6, 1–18. http://dx.doi.org/10.1007/s10212-012-0126-5
Bentler, P. M. (1990). Comparative fit indices in structural models. Psychological
Bulletin, 107, 238–246. http://dx.doi.org/10.1037/0033-2909.107.2.238
Bobo, J. K., Gilchrist, L. D., Elmer, J. F., Snow, W. H., & Schinke, S. P. (1986). Hassles,
role strain, and peer relations in young adolescents. Journal of Early Adolescence,
6(4), 339–352. http://dx.doi.org/10.1177/0272431600020001005
Bollen, K. A., & Stine, R. A. (1992). Bootstrapping goodness-of-fit measures in
structural equation models. Sociological Methods and Research, 21, 205–229.
http://dx.doi.org/10.1177/0049124192021002004
Bollen, K. A. (1989). Structural equations with latent variables. New York: Wiley and
Sons.
Catheline, N. (2007). Psychopathologie de la scolarité. Paris: Masson.
Chen, F., Bollen, K. A., Paxton, P., Curran, P. J., & Kirby, J. B. (2001). Improper
solutions in structural equation models causes, consequences, and strate-
gies. Sociological Methods & Research, 29(4), 468–508. http://dx.doi.org/10.1177/
0049124101029004003
Cohen, J. (1988). Statistical power analysis for the behavioral sciences. Hillsdale: Law-
rence Erlbaum.
Covington, M. (2000). Goal theory, motivation, and school achievement: An inte-
grative review. Annual Review of Psychology, 51, 171–200. http://dx.doi.org/
10.1146/annurev.psych.51.1.171
DeVellis, R. F. (1991). Scale development. Newbury Park, NJ: Sage Publications.
Doudin, P.-A., Curchod-Ruedi, D., & Moreau, J. (2011). Le soutien comme facteur de
protection de l’épuisement des enseignants. In P.-A. Doudin, D. Curchod-Ruedi,
L. Lafortune, & N. Lafranchise (Eds.), La santé psychosociale des enseignants et des
enseignantes (pp. 12–37). Québec: Presses de l’université du Québec.
Eccles, J. S., & Roeser, R. W. (2011). Schools as developmental contexts
during adolescence. Journal of research on adolescence, 21(1), 225–241.
http://dx.doi.org/10.1111/j.1532-7795.2010.00725.x
Figueiredo-Ferraz, H., Gil-Monte, P. R., & Grau-Alberola, E. (2013). Psychometric pro-
perties of the “Spanish Burnout Inventory” (SBI): Adaptation and validation in
a Portuguese-speaking sample. European Review of Applied Psychology, 63(1),
33–40. http://dx.doi.org/10.1016/j.erap.2012.08.003
Fornell, C. L., & Lacker, D. F. (1981). Evaluating structural equation models with
unobservable variables and measurement error. Journal of Marketing Research,
18(1), 39–40.
Genoud, P. A., & Reicherts, M. (2008). Le burnout chez les étudiants universitaires et
ses liens avec l’ouverture émotionnelle. Revue de Psychoéducation, 37, 227–244.
Genoud, P. A., Brodard, F., & Reicherts, M. (2009). Facteurs de stress et burnout chez
les enseignants de l’école primaire. Revue européenne de psychologie appliquée,
59(1), 37–45. http://dx.doi.org/10.1016/j.erap.2007.03.001
Golse, B. (2005). L’impact des exigences scolaires au fil des âges. Nervure, 1, 1–2.
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2006). Multivariate
data analysis (6th ed.). Prentice-Hall: Englewood Cliffs, NJ.
Hambleton, R. K. (2001). The next generation of ITC test translation and adap-
tation guidelines. European Journal of Pychological Assessment, 17, 164–172.
http://dx.doi.org/10.1027//1015-5759.17.3.164
Hu, L., & Bentler, P. M. (1998). Fit indices in covariance structure modeling: Sensi-
tivity to underparameterized model misspecification. Psychological methods, 3,
424–453. http://dx.doi.org/10.1037/1082-989X.3.4.424
Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance struc-
ture analysis: Conventional criteria versus new alternatives. Structural equation
modeling, 6, 1–55. http://dx.doi.org/10.1080/10705519909540118
Hulland, J. (1999). Use of partial least squares (PLS) in strategic manage-
ment research: A review of four recent studies. Strategic Management
Journal, 20(2), 195–204. http://dx.doi.org/10.1002/(SICI)1097-0266(199902)20:
2<195::AID-SMJ13>3.0.CO;2-7
Jeammet, P. (2007). Le moi à l’épreuve de la liberté. Neuropsychiatrie de l’Enfance et
de l’Adolescence, 55, 321–328. http://dx.doi.org/10.1016/j.neurenf.2007.07.010
Jöreskog, K. G. (1971). Simultaneous factor analysis in several populations. Psycho-
metrika, 36, 409–426. http://dx.doi.org/10.1007/BF02291366
Kline, R. B. (1998). Principles and practice of structural equation modelling. New York:
Guilford.
Koeske, G. F., & Koeske, R. D. (1989). Construct validity of the Maslach Burnout Inven-
tory: A critical review and reconceptualization. The Journal of Applied Behavioral
Science, 25, 131–144. http://dx.doi.org/10.1177/0021886389252004
Little, R. J. A. (1988). A test of missing completely at random for multivariate data
with missing values. Journal of the American Statistical Association, 83(404),
1198–1202.
Lourel, M., & Gueguen, N. (2007). Une méta-analyse de la mesure du burnout
à l’aide de l’instrument MBI. Encéphale, 33(6), 947–953. http://dx.doi.org/
10.1016/j.encep.2006.10.001
Malecki, C. K., & Demaray, M. K. (2002). Measuring perceived social support: Deve-
lopment of the child and adolescent social support scale. Psychology in the
Schools, 39, 1–18. http://dx.doi.org/10.1002/pits.10004
Marsh, H. W., & Hocevar, D. (1985). Application of confirmatory factor analysis to the
study of self-concept: First-and higher order factor models and their invariance
across groups. Psychological Bulletin, 97(3), 562.
Maslach, C. (1982). The cost of caring. Englewood Cliffs: Prentice-Hall.
Maslach, C., & Jackson, S. (1986). Maslach Burnout Inventory Manual (2nd ed.). Palo
Alto, CA: Consulting Psychologists Press.
Maslach, C., & Leiter, M. P. (1997). The truth about burnout: How organizations cause
personal stress and what to do about it. San Francisco: Jossey-Bass.
Maslach, C., Schaufeli, W. B., & Leiter, M. P. (2001). Job burnout. Annual Review of
Psychology, 52, 397–422. http://dx.doi.org/10.1111/1467-8721.01258
Muthén, B., & Kaplan, D. (1985). A comparison of some methodologies for
the factor analysis of non-normal Likert variables. British Journal of Mathe-
matical and Statistical Psychology, 38, 171–189. http://dx.doi.org/10.1111/
j.2044-8317.1985.tb00832.x
Nunnally, J. O. (1978). Psychometric theory. New York: McGraw-Hill.
O’Brien, M., Buikstra, E., & Hegney, D. (2008). The influence of psychological fac-
tors on breastfeeding duration. Journal of advanced nursing, 63(4), 397–408.
http://dx.doi.org/10.1111/j.1365-2648.2008.04722.x
Parker, P. D., & Salmela-Aro, K. (2011). Developmental processes in school burnout: A
comparison of major developmental models. Learning and Individual Differences,
21(2), 244–248. http://dx.doi.org/10.1016/j.lindif.2011.01.005
Pilkauskaite-Valickiene, R., Zukauskiene, R., & Raiziene, S. (2011). The role of attach-
ment to school and open classroom climate for discussion on adolescent’s
school-related burnout. Procedia Social and Behavioral Sciences, 15, 637–641.
http://dx.doi.org/10.1016/j.sbspro.2011.03.155
Plancherel, B., Bettschart, W., Bolognini, M., Dumont, M., & Halfon, O. (1997).
Influence comparée des événements existentiels et des tracas quotidiens sur
la santé psychique à la préadolescente. Neuropsychiatrie de l’Enfance et de
l’Adolescence, 45, 26–38.
Raedeke, T. D., & Smith, A. L. (2004). Coping resources and athlete burnout: An exami-
nation of stress mediated and moderation hypotheses. Journal of Sport & Exercise
Psychology, 26(4), 525–541.
 N. Meylan et al. / Revue européenne de psychologie appliquée 65 (2015) 285–293
Roussel, P., Durrieu, F., Campoy, E., & El Akremi, A. (2002). Méthodes d’équations
structurelles : recherche et applications en gestion. Paris: Economica.
Rueger, S. Y., Malecki, C. K., & Demaray, M. K. (2010). Relationship bet-
ween multiple sources of perceived social support and psychological
and academic adjustment in early adolescence: Comparisons across gen-
der. Journal of Youth and Adolescence, 39, 47–61. http://dx.doi.org/10.1007/
s10964-008-9368-6
Saintfort, F., & Booske, B. C. (2000). Measuring post-decision satisfac-
tion. Medical Decision Making, 20(1), 51–61. http://dx.doi.org/10.1177/
0272989X0002000107
Salmela-Aro, K., & Näätänen, P. (2005). BBI-10. Method of assessing adolescents’ school
burnout. Helsinki: Edita.
Salmela-Aro, K., & Tynkkynen, L. (2012). Gendered pathways in school
burnout among adolescents. Journal of Adolescence, 35(4), 929–939.
http://dx.doi.org/10.1016/j.adolescence.2012.01.001
Salmela-Aro, K. (2011). Le burnout des élèves. In D. Curchod-Ruedi, P.-A. Doudin, L.
Lafortune, & N. Lafranchise (Eds.), La santé psychosociale des élèves (pp. 33–45).
Québec: Presses de l’université du Québec.
Salmela-Aro, K., Kiuru, N., & Nurmi, J.-E. (2008). The role of educational track in
adolescents’ school burnout: A longitudinal study. British Journal of Educational
Psychology, 78, 663–689. http://dx.doi.org/10.1348/000709908X281628
Salmela-Aro, K., Kiuru, N., Pietikäinen, M., & Jokela, J. (2008). Does school matter?
The role of school context for school burnout. European Psychologist, 13, 1–13.
http://dx.doi.org/10.1027/1016-9040.13.1.12
Salmela-Aro, K., Kiuru, N., Leskinen, E., & Nurmi, J.-E. (2009). School Burnout Inven-
tory: Reliability and validity. European Journal of Psychological Assessment, 25,
48–57. http://dx.doi.org/10.1027/1015-5759.25.1.48
Salmela-Aro, K., Savolainen, H., & Holopainen, L. (2009). Depressive symptoms
and school burnout during adolescence: Evidence from two cross-lagged
longitudinal studies. Journal of Youth and Adolescence, 38, 1316–1327.
http://dx.doi.org/10.1007/s10964-008-9334-3
Schaufeli, W. B., Martinez, I., Pinto, A. M., Salanova, M., & Bakker, A. (2002).
Burnout and engagement in university students: A cross-national study.
293
Journal of Cross-Cultural Psychology, 33, 464–481. http://dx.doi.org/10.1177/
0022022102033005003
Schaufeli, W. B., Leiter, M. P., Maslach, C., & Jackson, S. E. (1996). MBI-General Survey.
In C. Maslach, S. E. Jackson, & M. P. Leiter (Eds.), Maslach Burnout Inventory manual
(pp. 19–26). Palo Alto, CA: Consulting Pyschologists Press.
Schumaker, R. E., & Lomax, R. G. (2004). A Beginner’s Guide to Structural Equation
Modeling (2nd ed.). Mahwah, N.J.: Lawrence Erlbaum Associates.
Shirom, A. (1989). Burnout in work organizations. In C. L. Cooper, & I. Robert-
son (Eds.), International review of industrial and organizational psychology (pp.
25–48). New York: John Wiley.
Slivar, B. (2001). The syndrome of burnout, self-image, and anxiety with grammar
school students. Horizons of Psychology, 10(2), 21–32.
Stéphan, Ph., Adamkiewicz, B., Bolognini, M., Plancherel, B., Page, M., Bernard, M.,
& Halfon, O. (2006). Caractéristiques psychosociales d’adolescents souffrants
de troubles du comportement. Neuropsychiatrie de l’enfance et de l’adolescence,
54(3), 175–182. http://dx.doi.org/10.1016/j.neurenf.2006.05.005
Stéphan, P. (2011). La prévention des dépendances à l’école. In D. Curchod-Ruedi, P.-
A. Doudin, L. Lafortune, & N. Lafranchise (Eds.), La santé psychosociale des élèves
(pp. 149–162). Québec: Presses de l’université du Québec.
Stine, R. A. (1989). An introduction to bootstrap methods: Examples and ideas.
Sociological Methods and Research, 18, 243–291. http://dx.doi.org/10.1177/
0049124189018002003
Truchot, D. (2004). Épuisement professionnel et burnout : concepts, modèles, interven-
tions. Paris: Dunod.
Tucker, L. R., & Lewis, C. (1973). A reliability coefficient for maximum likelihood
factor analysis. Psychometrika, 38, 1–10. http://dx.doi.org/10.1007/BF02291170
Werts, C. E., Linn, R. L., & Jöreskog, K. G. (1974). Intraclass reliability estimates:
Testing structural assumptions. Educational and Psychological Measurement, 34,
25–33. http://dx.doi.org/10.1177/001316447403400104
Zakari, S., Walburg, V., & Chabrol, H. (2008). Study of burnout, depression and suicidal
thoughts among French high-school students. Journal de thérapie comporte-
mentale et cognitive, 18, 113–118. http://dx.doi.org/10.1016/j.jtcc.2008.06.005