Figure 1.

Modèle de recherche avant test des modèles externes

Résultats de vérification des modèles de mesure (modèles externes)
L'analyse de la figure ci-après révèle que l'item FID 4 présente un coefficient de chargement
factoriel particulièrement bas, mesuré à seulement 0,537. Cette valeur significativement faible
suggère que cet item ne contribue que de manière limitée à la mesure de la fidélité dans le
modèle. En conséquence, il devient clair que l'élimination de cet item pourrait améliorer
considérablement la qualité et la précision de notre instrument de mesure. Cette décision est
étayée par des données empiriques solides, renforçant ainsi la pertinence de notre démarche
méthodologique.

Figure 2. Item éliminé suite à la valeur du chargement factoriel

Le tableau présenté ci-dessous offre une représentation claire des résultats obtenus lors de
l'évaluation de la fiabilité et de la validité des modèles de mesure, suite à l'exclusion de l'item
n°4 qui évalue la fidélité. Cette étape d'élimination a été entreprise dans le but d'optimiser la
précision des mesures et d'assurer la pertinence des résultats. Les données présentées mettent
en évidence les effets de cette modification sur la fiabilité et la validité des modèles, offrant
ainsi un aperçu essentiel pour interpréter la qualité des instruments de mesure utilisés dans
cette étude.
Le tableau fourni présente les résultats de fiabilité et de validité convergente pour trois
variables clés : "Bénéfices liés à l’usage du MB", "Satisfaction" et "Fidélité". Les
chargements factoriels, indiquant la force de la relation entre les items et les variables
latentes, révèlent des valeurs élevées pour la plupart des items, suggérant une bonne
corrélation. Les mesures de cohérence interne, telles que l'alpha de Cronbach, dépassent
toutes le seuil de 0,8, signalant une bonne cohérence des items au sein de chaque échelle. De
même, les valeurs de fiabilité rho_a et rho_c sont élevées, corroborant la robustesse des
mesures. En outre, l'AVE, mesurant la validité convergente, dépasse largement le seuil de 0,5
pour toutes les variables latentes, ce qui confirme leur bonne validité. En somme, ces résultats
indiquent que les échelles de mesure utilisées sont à la fois fiables et valides, renforçant ainsi
la qualité des données recueillies et la solidité des conclusions tirées dans cette étude.

Construit Items Loadings Cronbach's alpha rho_a rho_c AVE

Bénéfices BEN1 0.908

liés à BEN2 0.888
0.889 0.895 0.923 0.751
l’usage du BEN3 0.864
MB BEN4 0.802
SAT1 0.898
Satisfaction SAT2 0.839 0.861 0.885 0.914 0.780
SAT3 0.911
FID1 0.819
Fidélité FID2 0.893 0.803 0.806 0.884 0.719
FID3 0.829
Tableau 1. Résultats de fiabilité et de validité convergente des modéles de mesure
Le tableau ci-après contient les résultats de vérification de la validité discriminante, évaluée à
travers deux mesures : le HTMT (Heterotrait-Monotrait Ratio of Correlations) et la matrice
Fornell-Larcker. Le HTMT fournit un ratio de corrélation entre les traits hétérotrait
(corrélation entre des variables différentes) et les traits monotrait (corrélation entre des
variables identiques). Les valeurs inférieures à 0,85 indiquent une validité discriminante
satisfaisante. Dans ce tableau, les valeurs HTMT sont toutes inférieures à ce seuil, confirmant
ainsi la validité discriminante entre les variables "Bénéfices liés à l’usage du MB" (BEN),
"Fidélité" (FID) et "Satisfaction" (SAT).

La matrice Fornell-Larcker permet également d'évaluer la validité discriminante en comparant

les racines des AVE (Average Variance Extracted) de chaque variable avec les corrélations
entre cette variable et les autres variables. Les valeurs sur la diagonale principale représentent
les racines des AVE, tandis que les autres valeurs représentent les corrélations entre les
variables. Dans ce tableau, les valeurs sur la diagonale principale sont plus élevées que les
corrélations entre les variables, ce qui confirme la validité discriminante. Ainsi, ces résultats
démontrent que les variables mesurées ("Bénéfices liés à l’usage du MB", "Fidélité" et
"Satisfaction") sont distinctes les unes des autres, renforçant la validité des mesures utilisées
dans cette étude.

HTMT
BEN FID SAT
BEN
FID 0.785
SAT 0.756 0.772
Fornell-Larcker
BEN FID SAT
BEN 0.867
FID 0.662 0.848
SAT 0.678 0.651 0.883
Tableau 2. Resultats de vérification de la validté discriminante
Le tableau ci-dessous indique les résultats de la validité discriminante basée sur les
chargements croisés. Les chargements principaux sont généralement plus élevés que les
chargements croisés, confirmant la validité discriminante des variables mesurées. Quelques
valeurs de chargements croisés modérément élevées sont observées, mais elles restent
inférieures aux chargements principaux.

Cross-Loading BEN FID SAT

BEN1 0.908 0.584 0.647
BEN2 0.888 0.587 0.572
BEN3 0.864 0.582 0.593
BEN4 0.802 0.544 0.532
FID1 0.546 0.819 0.529
FID2 0.591 0.893 0.573
FID3 0.547 0.829 0.554
SAT1 0.679 0.629 0.898
SAT2 0.441 0.472 0.839
SAT3 0.639 0.601 0.911
Tableau 3. Résultats de la validité discriminanate sur la base du critér de chargement croisés
La figure ci-après illustre le modelé de recherche après la phase de validation des échelles d
mesure en vérifiant la fiabilité, la validité convergente ainsi que la validité discriminante.
 Figure 3. Modèle de recherche après validation des échelles de mesure
Résultats de validation du modèle structurel (modèle interne)
Le tableau expose les résultats de validation du modèle structurel pour les variables latentes
"Fidélité" (FID) et "Satisfaction" (SAT). Les valeurs de R-square (0.424 pour FID et 0.460
pour SAT) et R-square ajusté (0.419 pour FID et 0.455 pour SAT) révèlent une modération
dans la proportion de variance expliquée par les variables exogènes, indiquant que 42,4% de
la variance de la "Fidélité" et 46% de celle de la "Satisfaction" sont expliquées par les
variables exogènes, suggérant une influence modérée de ces variables sur la variable
endogène "Success" mesurée à travers la satisfaction.

R-square R-square adjusted Interprétation

FID 0.424 0.419 Modérée
SAT 0.460 0.455 Modérée
Tableau 4. Coefficient de determination de la variable latente endogène - Success mesuré à
travers la satisfaction

Figure 4. Valeurs du coefficient de determination

Les valeurs de f2 indiquent un effet large de la variable "Bénéfices liés à l’usage" sur
"Satisfaction" (0,852) et de "Satisfaction" sur "Fidélité" (0,737). Ces résultats suggèrent que
les variables exogènes ont un effet significatif sur la variable endogène, avec des effets
substantiels dans les deux cas, mettant en évidence leur importance dans la prédiction de la
variable endogène.

Construit exogène Construit exogène Valeur de f2 Interprétation

Bénéfices liés à l’usage Satisfaction 0.852 Effet large
Satisfaction Fidélité 0.737 Effet large
Tableau 5. Valeurs de la taille de l'effet des variables exogènes sur la variable endogène
Les valeurs de Q² predict indiquent la proportion de variance prédite par le modèle, avec des
valeurs de 0,444 pour "Satisfaction" et 0,372 pour "Fidélité". Les valeurs de RMSE (Root
Mean Squared Error) et MAE (Mean Absolute Error) fournissent des mesures d'erreur de
prédiction, avec des valeurs de 0,769 et 0,572 respectivement pour "Satisfaction", et 0,814 et
0,635 pour "Fidélité". Ces résultats montrent une capacité modérée à prédire les variables
endogènes, avec une précision raisonnable mais des marges d'erreur à considérer.

Construit endogène Q²predict RMSE MAE

Satisfaction 0.444 0.769 0.572
Fidélité 0.372 0.814 0.635
Tableau 6. Capacité prédictive du modèle
Le tableau ci-après illustre les valeurs calculées de la qualité d'ajustement du modèle (GoF)
pour les variables "Bénéfices liés à l’usage", "Satisfaction" et "Fidélité". Les valeurs de R 2
(coefficient de détermination) sont de 0,460 pour "Satisfaction" et 0,424 pour "Fidélité",
indiquant la proportion de variance expliquée par les variables exogènes. L'AVE (Average
Variance Extracted) mesure la validité convergente des variables latentes, avec des valeurs
acceptables de 0,751 pour "Bénéfices liés à l’usage", 0,780 pour "Satisfaction" et 0,719 pour
"Fidélité". Le GoF (Goodness of Fit) évalue l'adéquation globale du modèle, avec une valeur
moyenne de 0,75, suggérant un ajustement acceptable du modèle aux données observées.

Construit R2 AVE GoF Interprétation

Bénéfices liés à l’usage 0.751
Satisfaction 0.460 0.780 0.575760367 Acceptable
Fidélité 0.424 0.719
Moyenne 0.442 0.75
Tableau 7. Valeur calculée de la qualité d’ajustement du modèle (GoF)
Le tableau ci-après présente les résultats de test des hypothèses de recherche. Les résultats
obtenus sur la base de l’analyse effectuée en SmartPLS4 nous a permis de valider les
hypothèses formulées au départ. Ainsi, les bénéfices liés à l’usage du mobile Banking
exercent une influence directe, positive et significative sur la satisfaction des clients (H1. β =
0.678, t = 9.691, p = 0.000, f2 = 0.852). En plus, les résultats confirment que la satisfaction
des clients exerce une influence directe et positive sur le niveau de fidélité des clients (H1. β
= 0.651, t = 8.827, p = 0.000, f2 = 0.737).

Coefficient de P Résultat
Hypothèse T Statistics
corrélation values
BE --> SAT H1.
H1 0.678 9.691 0.000
N confirmée
SA --> FID H1.
H2 0.651 8.827 0.000
T confirmée
Tableau 8. Résultats de test des hypothèses de recherche
Les résultats des tests des hypothèses de recherche, basés sur l'analyse réalisée en SmartPLS4,
confirment la validation des hypothèses formulées initialement. Ainsi, il est démontré que les
bénéfices liés à l’usage du mobile Banking influent positivement et de manière significative
sur la satisfaction des clients, et que cette satisfaction a également un impact direct et positif
sur leur niveau de fidélité.

Tableau 9. Résultats de test des hypothèses de recherche

Sur la base des résultats obtenus, plusieurs recommandations peuvent être formulées pour les
praticiens et les décideurs dans le domaine des services bancaires mobiles. Tout d'abord, il est
crucial pour les institutions bancaires de mettre en avant les bénéfices offerts par l'utilisation
du mobile Banking, afin d'améliorer la satisfaction des clients. Cela peut passer par des
campagnes de communication ciblées et des programmes de fidélisation adaptés. Ensuite, il
est essentiel de veiller à la qualité de l'expérience utilisateur sur les applications mobiles
bancaires, en offrant des interfaces intuitives et des fonctionnalités répondant aux besoins des
clients. Par ailleurs, il convient d'investir dans la formation du personnel pour garantir un
service client de qualité, susceptible d'améliorer la satisfaction et la fidélité des clients. Enfin,
il est recommandé de poursuivre la recherche dans ce domaine pour mieux comprendre les
dynamiques complexes entre les bénéfices perçus, la satisfaction et la fidélité des clients, afin
d'optimiser les stratégies de fidélisation dans le secteur bancaire.