WASSOUF 966x438m822etl643n TH

Aix-Marseille Université
École Doctorale de Sciences Economiques et

de Gestion d’Aix-Marseille Université
Centre d’Etude et de Recherche en Gestion
d’Aix-Marseille (CERGAM)
LES DETERMINANTS DE LA FIDELITE DES CONSOMMATEURS

AU COMMERCE DE DETAIL CROSS-CANAL
APPLICATION AU SYSTEME DRIVE
Thèse pour l’obtention du doctorat en Sciences de Gestion

d’Aix-Marseille Université
Présentée et soutenue publiquement le 26 septembre 2018 par
Kenan WASSOUF
JURY
Directeur de recherche Monsieur Jean PHILIPPE

Professeur, Aix-Marseille Université
Rapporteurs Monsieur Mbaye Fall DIALLO

Professeur, Université de Lille 2
Monsieur Camal GALLOUJ
Professeur, Université Paris 13
Suffragants Madame Marie-Christine MONNOYER

Professeur, Université Toulouse 1
Monsieur Gilles PACHE
Madame Anne Marianne SECK
Maître de Conférences, Aix-Marseille Université
Aix-Marseille Université
École Doctorale de Sciences Economiques et de Gestion d’Aix-Marseille
Université
Centre d’Etude et de Recherche en Gestion d’Aix-Marseille (CERGAM)
LES DETERMINANTS DE LA FIDELITE DES CONSOMMATEURS

AU COMMERCE DE DETAIL CROSS-CANAL
Thèse pour l’obtention du doctorat en Sciences de Gestion

d’Aix-Marseille Université
Présentée et soutenue publiquement le 26 septembre 2018 par
Kenan WASSOUF
JURY
Directeur de recherche Monsieur Jean PHILIPPE

Rapporteurs Monsieur Mbaye Fall DIALLO
Professeur, Université de Lille 2
Monsieur Camal GALLOUJ
Professeur, Université Paris 13
Suffragants Madame Marie-Christine MONNOYER
Professeur, Université Toulouse 1
Monsieur Gilles PACHE
Madame Anne Marianne SECK
Maître de Conférences, Aix-Marseille Université
L’université n’entend donner aucune approbation ni improbation aux opinions émises
dans les thèses ; ces opinions doivent être considérées comme propres à leurs auteurs.
A mes parents Moner et Nada
A ma chère femme Noama
Aux trésors de ma vie, mes enfants Tila et Jad
Remerciement
Je voudrais profiter de ces quelques lignes pour remercier les personnes
qui m’ont accompagnée tout au long de cette difficile mais belle épreuve que
constitue la rédaction d’une thèse.
Tout d’abord, mes remerciements vont au Professeur Jean PHILIPPE.
Merci pour votre disponibilité, votre attention et vos conseils précieux. Je suis
convaincue d’avoir fait le bon choix en travaillant avec vous.
J’exprime également ma profonde reconnaissance aux Professeurs Mbaye
Fall DIALLO et Camal GALLOUJ pour avoir accepté d’évaluer ce travail et
d’en être les rapporteurs.
Je tiens également à remercier les professeurs Marie-Christine
MONNOYER, Gilles PACHE et la maître de Conférences Anne Marianne
SECK de l’intérêt qu’ils ont porté à mon sujet en acceptant de faire partie de
mon jury.
J’adresse particulièrement mes remerciements à Monsieur Pierre Yves
LEO qui a eu la gentillesse d’accepter de me rencontrer à plusieurs reprises et
m’a été d’une aide utile pour l’analyse des données.
Je remercie également les membres du laboratoire qui ont été présents, en
particulier Madame Daisy BERTRAND et Madame Catherine AVILES.
Un grand merci à toute ma famille (mes parents, mes frères et mes sœurs)
et ma belle famille qui, depuis la Syrie, me soutient sans faille dans toutes mes
aventures. .
Et, évidemment, merci à Noama : merci pour ton soutien, ta patience, ta
confiance, ta présence, ton amour. Merci d’avoir cru en moi quand je doutais. Et
surtout, merci pour tout le bonheur que tu m’apportes.
Enfin, à mes enfant : Tila et Jad, ma raison de vivre. C’est beaucoup pour
vous aussi que je me suis accroché afin de terminer cette thèse que je vous
dédie, en espérant vous rendre fier de votre papa.
Sommaire
SOMMAIRE .......................................................................................................................................................... 1
INTRODUCTION GENERALE ......................................................................................................................... 4
PARTIE I : CADRE CONCEPTUEL DE LA RECHERCHE ........................................................................22
CHAPITRE I : STRATEGIE DE DISTRIBUTION ET COMPORTEMENT DU CONSOMMATEUR DANS
UN CONTEXTE CROSS-CANAL : DRIVE ...................................................................................................23
Introduction au chapitre I .............................................................................................................................23
1 Stratégies de distribution et études des comportements des consommateurs dans un environnement
à plusieurs canaux de distribution ............................................................................................................23
2 Les théorisations de l’innovation dans le commerce de détail : Drive .............................................39
Conclusion du chapitre I ...............................................................................................................................61
CHAPITRE II : FIDELITE DU CONSOMMATEUR : CONCEPT, MESURES ET DETERMINANTS .......64
Introduction au chapitre II ............................................................................................................................64
1 La fidélité : un concept central du comportement du consommateur ...............................................65
2 La relation client dans un contexte de distribution cross-canal ........................................................76
Conclusion du chapitre II .............................................................................................................................99
CHAPITRE III : ETUDE QUALITATIVE EXPLORATOIRE ......................................................................102
Introduction au chapitre III .........................................................................................................................102
1 Méthodologie de l’étude qualitative exploratoire ...........................................................................103
2 L’analyse des données : analyse de contenu thématique ................................................................108
3 Les résultats de la phase qualitative exploratoire ...........................................................................110
Conclusion du chapitre III ..........................................................................................................................120
PARTIE II : DU MODÈLE CONCEPTUEL A L’ÉTUDE EMPIRIQUE ET RÉSULTATS DE LA
RECHERCHE ....................................................................................................................................................125
CHAPITRE IV : MODELE CONCEPTUEL, HYPOTHESES DE LA RECHERCHE ET MESURE DES
VARIABLES ..................................................................................................................................................126
Introduction au chapitre IV .........................................................................................................................126
1 Hypothèses de la recherche et modèle conceptuel .........................................................................127
2 Procédure d’opérationnalisation des variables ...............................................................................141
Conclusion du chapitre IV ..........................................................................................................................159
Chapitre V : Méthodologie et conception de l’étude quantitative ...................................................................161
Introduction au chapitre V ..........................................................................................................................161
1 Choix méthodologiques pour le recueil des données .....................................................................161
2 La méthodologie de validation des instruments de mesure ............................................................167
3 La méthodologie de test du modèle structurel et des hypothèses de recherche ..............................190
Conclusion du chapitre V ...........................................................................................................................197
CHAPITRES VI : VALIDATION DES INSTRUMENTS DE MESURE DES CONSTRUITS ...................200
Introduction au chapitre VI .........................................................................................................................200
1 Description de l’échantillon obtenu et analyses préliminaires .......................................................200
Kenan WASSOUF 1 Thèse en Sciences de Gestion

2 La validation des échelles de mesure des variables latentes du modèle .........................................212
Conclusion du chapitre VI ..........................................................................................................................238
CHAPITRES VII : TEST DES HYPOTHESES ET DISCUSSION DES RESULTATS ...............................240
Introduction au chapitre VII .......................................................................................................................240
1 Le test des hypothèses de recherche ...............................................................................................240
2 Discussion, interprétation et mise en perspective des résultats ......................................................265
Conclusion du chapitre VII .........................................................................................................................280
CONCLUSION GENERALE ...........................................................................................................................283
REFERENCES BIBLIOGRAPHIQUES .........................................................................................................303
ANNEXES ..........................................................................................................................................................348
TABLE DES FIGURES .....................................................................................................................................399
LISTE DES TABLEAUX ..................................................................................................................................401
TABLE DES MATIERES .................................................................................................................................405

Introduction Générale
INTRODUCTION GENERALE

Introduction générale
Aujourd’hui, avec les développements technologiques dans un environnement concurrentiel

de plus en plus fort, les entreprises se doivent de mettre le consommateur au cœur de leurs
préoccupations (Belvaux et Notebaert, 2015, Vanheems, 2016). Après de longues années de
stabilité, le secteur de la distribution est aujourd’hui mis en mouvement par de nombreuses
innovations, rendues possibles, pour la plupart, par les progrès des moyens de communication
et d’information. Parmi toutes ces nouveautés, l’apparition des « Drive » a retenu notre
intérêt : au lieu de se rendre dans une zone commerciale et de remplir son chariot en circulant
au milieu de nombreux rayons, le client peut désormais effectuer son « marché » en ligne,
sans se déplacer, et quand cela lui est le plus commode (Jara et al., 2018 ;Vyt et al., 2017). Il
retirera les produits qu’il aura commandés sans avoir à faire la queue, ni à manipuler les
produits ce qui représente un gain de temps considérable (Jara et al., 2018). Ce nouveau
concept de distribution semble avoir été conçu dans l’optique des clients contemporains des
grandes métropoles, mobiles et soucieux de dégager le maximum de temps disponible pour
d’autres activités.
Cette évolution pose cependant question concernant le comportement du consommateur dont

la fidélité sur Internet paraît beaucoup moins assurée (Léo et al., 2017). Avec le Drive, il
évolue dans un univers « cross canal » dans lequel se mêlent des incitations qui peuvent être
contradictoires : la proximité ou la commodité du point de retrait comptent certainement, mais
dépendent de la densité (qui augmente) des offres concurrentes. D’un autre côté, le site de
vente est en concurrence directe avec ce que proposent d’autres enseignes et le consommateur
est tenté de vérifier régulièrement que le distributeur qu’il a choisi est bien celui qui offre les
meilleurs prix, le meilleur choix et le site qui fonctionne le mieux. Notre objectif, dans cette
thèse, est d’apporter de nouveaux éléments au concept de la fidélité du consommateur dans
contexte de distribution cross-canal, mais aussi de mettre à jour la question fondamentale
sous-jacente des déterminants qui contribuent à la fidélité du consommateur à un Drive.
Pour introduire cette thèse, le contexte dans lequel se situe cette recherche sera précisé dans
un premier temps, suivi par la problématique théorique et les objectifs poursuivis. Dans un
troisième temps, la démarche de recherche suivie sera présentée de façon à déboucher, dans
un quatrième temps sur les contributions attendues de ce travail, tant sur le plan académique
que sur celui, plus concret, des implications pour les managers. L’architecture générale de la
thèse clôturera cette introduction générale.

I. Contexte de la recherche
Ces dernières années, les usages de consommation ont évolué du fait du développement de la
digitalisation (Belvaux et Notebaert, 2015, Vanheems, 2015). Il suffit de se reporter trente ans
en arrière pour bien prendre la mesure du changement dans ce domaine.
Au début des années 1990, il fallait consacrer au moins une journée entière pour planifier un
voyage : les informations utiles pour décider sont dispersées, il faut se rendre dans une gare
ou une agence de voyage pour obtenir les horaires et les tarifs des différents modes de
transport. Pour la route, les calculs se limitent, le plus souvent à la consommation d’essence et
aux péages que l’on a du mal à connaître par avance. Les systèmes d’information ne sont
qu’en partie centralisés et ne sont accessibles que par l’intermédiaire des agences spécialisées.
S’y ajoute le coût des communications téléphoniques qui peut vite devenir onéreux.
En 2018, une heure suffit pour préparer le même voyage : depuis son ordinateur ou son
Smartphone, on peut évaluer rapidement les trajets, les horaires, et les coûts en comparant le
train, la voiture et l’avion. Les itinéraires routiers sont disponibles en ligne, planifiables et
modulables en temps réel. De nouveaux services sont devenus accessibles, comme le
covoiturage avec BlaBlaCar, et on peut choisir et réserver d’un même mouvement, un hôtel
ou une chambre chez l’habitant en se fiant aux photos et aux commentaires d’utilisateurs mis
en ligne. Enfin, on peut décider de terminer mon voyage en train à prix réduit. Les réseaux
sociaux (Vibre, Whatsup, Skype, Facebook, etc.) permettent aussi de communiquer avec des
amis distants et de discuter avec eux de ses choix.
Cette mutation n’a pas concerné que le domaine des transports, mais c’est l’ensemble de la
société qui a vu ainsi son rythme s’accélérer, modifiant en profondeur les attentes des
consommateurs qui restent confrontés, dans les grandes villes, aux encombrements et aux
pollutions liées au trafic. Le consommateur utilise de plus en plus Internet dans son parcours
d’achat. D’après l’édition 2016 du Google Consumer Barometer, 84% des consommateurs
français cherchent des informations en ligne avant de faire un achat. De leur côté, les
professionnels et les hommes du marketing intègrent ou tentent d’intégrer la dimension
digitale dans leur stratégies commerciales (Vanheems, 2015). Cela se manifeste à deux
niveaux : d’un côté, de nouveaux outils digitaux apparaissent qui facilitent la vie du
consommateur en lui apportant davantage de service ou en lui faisant gagner du temps. Mais
d’un autre côté, ce sont de nouveaux canaux de communication et de vente qui se mettent en
place. Ainsi, les possibilités offertes par ces canaux amènent les entreprises à combiner

canaux traditionnels physiques et canaux technologiques, ce qui débouche sur de nouvelles

stratégies de distribution.
Il est donc important pour les managers de situer leurs choix stratégiques dans une perspective
cross-canal. La stratégie cross-canal fait désormais partie de l’arsenal dont dispose
l’entreprise pour conquérir, communiquer et fidéliser des consommateurs (Martinez, 2015).
Par ailleurs, cette stratégie cross-canal contribue aussi à offrir aux consommateurs une
expérience d’achat cohérente et holistique, tout en créant des synergies pour les enseignes de
distribution. Cette stratégie de distribution ne consiste pas seulement en la multiplication des
canaux : il s’agit aussi, et peut être surtout, de les intégrer les uns avec les autres (Picot
Coupey et al., 2016 ; Vyt et al., 2017). En veillant à leur coordination et à leur
complémentation (Belvaux et Notebaert, 2015), la distribution cross-canal répond au besoin
de fluidité ressenti par le consommateur. Tous les canaux de distribution et de communication
(magasins, points de retrait, sites web, catalogues, applications Smartphone, réseaux sociaux,
e-mailing, call centres, etc.) doivent être pensés de manière à créer un univers de
consommation unique. Cette analyse est confortée par les travaux de Grewala et al. (2017) qui
montrent que l’adoption des nouvelles technologies par les distributeurs vise à obtenir des
consommateurs un degré plus élevé d’engagement ou de confiance vis-à-vis de l’enseigne.
Aujourd’hui, dans un environnement fortement concurrentiel, le consommateur est devenu de

plus en plus volatil (Seck, 2008) et les tendances de la consommation évoluent. Les courses
en grandes surfaces sont de plus en plus perçues comme des « visites corvées » plutôt que
comme des « visites plaisir ». Pour mieux répondre aux attentes des consommateurs pressés,
souhaitant se libérer pour partie des contraintes des courses alimentaires (Picot-Coupey et al.,
2016 ; Vyi et Cliquet, 2016 ), les réseaux de distribution ont développé un nouveau mode de
distribution, le Drive, qui s’appuie sur une stratégie de type cross-canal. Avec ce concept, les
enseignes de distribution proposent au consommateur un service innovant en lui permettant de
commander ses achats en ligne depuis son domicile ou son lieu de travail, etc., puis d’obtenir
ses achats dans les deux heures (ou plus, selon la convenance du client) en venant les
chercher en voiture dans un lieu dédié et aménagé selon le modèle du Drive-in. Là, la
livraison se fait en quelques minutes, sans même que le consommateur ait besoin de quitter
son véhicule.
L’introduction du Drive illustre bien la logique combinatoire à l’œuvre dans les innovations
du secteur du commerce de détail (Djellal & Gallouj, 2005 ; Gallouj, 2007), car le
consommateur bénéficie de la combinaison des atouts du magasin principal avec ceux d’un

magasin en ligne (Rouquet, 2014 ; Beck et Rygl, 2015). Pour Rouquet (2014), le Drive
consiste en « tout format de distribution qui permet un transfert direct des produits achetés
par le client de leur lieu de stockage jusqu’à son véhicule ». De simple consommateur, il
devient alors un « consommateur transporteur ».
Le système Drive permet aussi aux consommateurs de mieux maîtriser leurs achats : grâce à
la commande passée via Internet, l’achat s’effectue en dehors de la pression de
l’environnement commercial. Le prix des produits peut être confronté à d’autres offres et le
budget dépensé peut être mieux contrôlé. Le jour et l’heure les plus commodes peuvent être
choisis pour l’enlèvement des marchandises (Léo et al., 2017). Au total, le client bénéficie
aussi de gains substantiels de temps et d’efforts. Pour le distributeur, ce système constitue
aussi un moyen de contact avec sa clientèle car cela lui permet de tisser des liens plus étroits
avec eux, de mieux la connaître et la satisfaire. Au bout du compte, cela doit lui permettre de
mieux s’attacher des consommateurs qui sont, par ailleurs, de plus en plus mobiles grâce à
leur automobile et grâce à leur connexion internet.
En dépit de sa nouveauté, le Drive attire chaque année de plus en plus de consommateurs : en

Janvier 2018, 4343 sites du Drive ont été identifiés en France par le cabinet Nielsen en
partenariat avec la Fédération de l’e-commerce et de la vente à distance (Fevad). Avec une
part de marché de 5,5% en valeur, le Drive pèse désormais près de 5 Milliards d’euros
annuels dans l’univers de la grande distribution1. Plus récemment, 4343 sites du Drive ont été
recensés au 1er janvier en 2018 en France par les éditions Dauvers qui leur attribuent un
chiffre d’affaires global de 5,9 Milliards d’euros2.
Le système Drive capte donc de plus en plus de consommateur et continue d’accroître sa part
de marché. Deux questions se posent dès lors : sur quels éléments s’appuie la qualité de
service du Drive et quels sont leurs effets sur le comportement du consommateur en
termes de ré-achat et de recommandation d’un système cross-canal comme le Drive ?
Cette innovation a indéniablement un impact sur le comportement du consommateur, mais
personne ne semble avoir anticipé les facteurs explicatifs de la fidélité du consommateur à ce
type de mode de vente, ce qui constitue précisément l’objectif de notre recherche.
1
Source : https://www.lesechos.fr/19/05/2017/LesEchos/22449-075-ECH_distribution---le-nombre-de-drive-franchit-la-barre-des-4-000-en-
france.htm.
2
https://www.olivierdauvers.fr/2018/02/26/chiffres-daffaires-drive-ce-qui-devait-arriver-arriva-sous-titre-chronodrive-chasse-du-podium/

II. Problématique et objectifs de la recherche

Le secteur de la grande distribution fait face, aujourd’hui, à un environnement très évolutif et
difficilement prévisible, principalement déstabilisé par la multiplication des canaux de
distribution (physique/virtuel) et des formules de distribution. Cette contexte accentue la
concurrence entre les enseignes de distribution et transforme largement les comportements
des consommateurs (Ailawadia et Farris, 2017).
Ainsi, ils choisissent d’acheter en ligne plutôt qu’en magasin pour la praticité (gain de temps
et accès continu), les meilleurs prix, la grande variété, la possibilité de comparer les produits
et les prix, voire pour trouver des produits non présents en magasin (Colla et Lapoule, 2012).
Dans ce contexte, le consommateur a le choix entre deux modes de livraison. Le premier, le

plus traditionnel, est la livraison à domicile (LAD), alors que le deuxième mode est la
livraison hors domicile (LHD). Avec le 1er mode (LAD), le livreur dépose le colis au domicile
du consommateur, alors que le 2ème mode de livraison (LHD) consiste à laisser le
consommateur aller récupérer ses courses à un endroit convenu, hors de son domicile. Etre
livré à domicile constitue une solution pratique et un gain de temps pour le client et cela
correspond à ses attentes. Cependant, elle est soumise à certaines contraintes logistiques
(comme le respect de la chaîne du froid) et elle est très coûteuse pour les distributeurs et pour
les consommateurs. Le coût de LAD peut représenter jusqu’à 15% de la valeur du panier
(Durand, 2010) et 30% des livraisons à domicile échouent à cause de l’absence du
consommateur lors du passage du livreur dont l’heure de passage ne peut être programmée
avec précision. La solution du Drive a été conçue et proposée pour pallier ces défauts. Depuis
2001, toutes les grandes enseignes de distribution en France proposent cette nouvelle manière
de réaliser ses achats.
Des travaux abondants ont été consacrés aux choix du consommateur en matière de canaux de
distribution qu’il utilise pour son shopping alimentaire (Michaud-Trévinal et Hérault-
Fournier, 2017). Ces recherches ont porté tantôt sur le processus d’adoption d’un nouveau
canal de distribution, tantôt sur les facteurs de choix entre les différents canaux de
distribution, tantôt, enfin, sur les rapports entre canaux de distribution et trajets parcourus
pour faire ses courses. Cependant, tous ces travaux ont été conçus autour d’un choix alternatif
entre le magasin et le shopping en ligne. Ils se sont ainsi privés de la possibilité d’observer les
comportements concrets du consommateur qui intègre les différents canaux dans sa pratique,
faisant appel tantôt à l’un, tantôt à l’autre selon ses besoins et son planning quotidien.

La multiplication des canaux de distribution et de communication s’est accompagnée d’une

concurrence accrue entre les enseignes qui s’ajoute à la concurrence des canaux entre eux.
Simultanément, cependant, un mouvement d’intégration est également à l’œuvre : d’un côté,
les enseignes s’attachant à coordonner les différents canaux qu’elles proposent, tandis que
d’un autre côté, les consommateurs tendent à intégrer ces différents canaux dans une pratique
raisonnée qu’ils vont pouvoir répéter régulièrement. Le paysage de la distribution est donc
aujourd’hui instable et évolutif (Oueslati, 2011 ; Verhoef et al., 2015 ), et transforme
largement le comportement du consommateur (Ailawadi et Farris, 2017 ; Lamberton et
Stephen, 2016).
Le consommateur, de mieux en mieux informé, est devenu beaucoup plus volatil et exigeant
(Léo et al., 2017). Les tendances de consommation changent. Selon Collin-Lachaud et
Vanheems (2016), face à cette multiplication des canaux dans le contexte de distribution
cross-canal, les consommateurs cherchent à les utiliser de façon intégrée, à passer de l’un à
l’autre selon les avantages perçus. Lemon et Verhoef (2016) soulignent que les managers ont
besoin de mieux connaître la façon dont le consommateur navigue entre les différents canaux
de distribution et de mieux comprendre les raisons profondes des parcours qu’il a choisis.
L’investissement dans le nouveau canal qu’est le Drive tend donc à replacer le consommateur
au cœur de la démarche des réseaux de distribution car il vise créer pour lui une expérience à
la fois originale, plaisante et intéressante. Cette expérience doit produire de la satisfaction
pour le consommateur, ce qui favorisera un comportement plus fidèle du consommateur vis-à-
vis du système Drive qu’il aura expérimenté, mais aussi, peut-être, vis-à-vis de l’enseigne qui
le gère.
La fidélité du client constitue un objectif important pour une entreprise car cela vient réduire
l’incertitude dans laquelle elle est immergée du fait de la concurrence. Certains auteurs
(McMullan, 2005 ; Sudhahar et al., 2006) discutent de la meilleure façon de mesurer la
fidélité et proposent l’échelle de mesure qu’ils ont validée. Pour la plupart, les autres
s’intéressent aux facteurs explicatifs de la fidélité (Lewis et Soureli, 2006 ; Nguyen et al.,
2011). Identifier les déterminants de la fidélité du consommateur constitue un apport très utile
pour les entreprises et présente un grand intérêt managérial (Lichtlé et Plichon, 2008). Toutes
ces raison nous motivent à engager notre recherche pour étudier les déterminants de la
fidélité du consommateur.
Dans un contexte de distribution cross-canal, l’analyse de la fidélisation devient un défi pour

les distributeurs. Thierry Spencer, créateur du blog sensduclient.com, déclare d’emblée

que « la fidélité commerciale est une valeur en baisse »3. Ceci correspond bien au
phénomène que nous observons : le consommateur dispose aujourd’hui de plus
d’informations, peut comparer instantanément les prix, accède aisément à différents canaux et
à de nombreuses enseignes et devient ainsi beaucoup plus libre de migrer vers d’autres canaux
ou vers d’autres enseignes. En effet, Gensler et al. (2007) vérifient que les consommateurs
monocanal seraient plus fidèles que les consommateurs multi canal. Dans un environnement
multi canal, Allagui et Temessek (2003) soulignent que la fidélité du consommateur devient
la préoccupation essentielle des enseignes de distribution. Pour un distributeur, s’assurer que
les différents canaux qu’il met en œuvre sont bien intégrés, cohérents et coordonnés constitue
une réponse efficace au risque de migration des consommateurs multi canal. La possibilité
ainsi offerte aux clients de pouvoir à volonté utiliser les différents canaux de distribution
d’une enseigne accroît la valeur pour le consommateur qui peut bénéficier des avantages que
chaque canal présente pour lui. Cela peut attirer de nouveaux clients ou retenir les clients
existants.
Le concept de fidélité du consommateur a été décliné en termes de fidélité à une enseigne, à

une catégorie de produit ou à un type de magasin (Noble et al., 2006 ; Jazi, 2006 ; Orth et
Green, 2009). La fidélité est mesurée de plusieurs façons : fréquentation (fréquence de visite),
attitude envers l’enseigne (Macintosh et Locksin, 1997) ou intention d’achat / réachat
(Macintosh et Locksin, 1997 ; Noble et al., 2006). La plupart des recherches cherchent à
expliquer les déterminants de la fidélité du consommateur à un produit ou à une enseigne et à
analyser leurs conséquences. Cependant, l’analyse de la fidélité du consommateur à un point
de vente ou à une nouvelle forme de distribution (comme le Drive) reçoit encore peu
d’attention. Autrement dit, on trouve peu de recherches à sur la fidélité du consommateur qui
offrent aux distributeurs des préconisations concernant le recours à un canal ou à un autre, ou
encore à un ensemble intégré de canaux.
Wallace et al. (2004) suggèrent que l’intégration et la complémentarité des canaux de

distribution accroît la satisfaction du consommateur qui , à son tour, contribue à la fidélité du
consommateur à l’enseigne. Orth et Green (2009) montrent que l’image du point de vente
influence la fidélité du consommateur par l’intermédiaire des variables de satisfaction et de
confiance. Pour Sirgy et Samli (1985), le comportement de fidélité à un point de vente peut
être expliqué par plusieurs variables comme la commodité, le temps gagné, la convenance et
le plaisir (full enjoyment).
3
LSA n° 2088 du 30/04/09

En outre, plusieurs auteurs (Toufaily et al., 2013) ont analysé comment s’élabore la fidélité
sur Internet, jetant ainsi les bases théoriques de l’étude de la fidélité Online qui en identifie les
principaux déterminants. Des travaux récents (Frasquet et al., 2017) ont étudié la fidélité du
consommateur dans contexte de distribution cross-canal. Il ressort de ces travaux que la
fidélité Online est largement déterminée par la fidélité Offline, elle-même influencée
positivement par la confiance et l’attachement à la marque. De leurs côté, Heitz et al. (2015)
étudient la fidélité du consommateur à l’enseigne en considérant le Drive comme un service
annexe de l’hypermarché. Plus récemment, Vyt et al. (2017) ont montré que ce nouveau canal
de distribution exerçait un impact positif sur la fidélité du consommateur à l’enseigne. Ils
mettent l’accent sur la meilleure proximité permise par le Drive tant en ce qui concerne
l’accessibilité, que sur les plans fonctionnels et relationnels.
L’ensemble de ces réflexions et recherches nous amène à nous intéresser aux déterminants de
la fidélité du consommateur à un Drive. Cette recherche a donc pour objectif principal
d’identifier et de comprendre les facteurs clés qui contribuent à fidéliser le
consommateur à un Drive dans un contexte de distribution cross-canal. En particulier,
nous nous intéressons au comportement cross-canal du consommateur, face à des canaux mis
à sa disposition lorsqu’il effectue ses courses en Drive : le point de retrait des achats où se
situe une brève interaction avec le personnel du Drive et le site web du Drive où le
consommateur interagit avec la boutique en ligne dédiée au système Drive. Cet objectif
général se décline en trois objectifs plus précis :
Ainsi, un premier objectif de notre recherche est de clarifier la façon dont le

consommateur évalue la qualité de service d’un système complexe, à la fois virtuel sur
Internet et concret au point de retrait, mais aussi comportant des étapes décalées dans le temps
et dans l’espace. Notre approche a l’ambition d’enrichir les recherches en introduisant la
multiplicité d’influences qui interviennent dans la qualité de service perçue dans un
contexte de Drive. Ces déterminants doivent également avoir un impact sur les
représentations mentales du consommateur (satisfaction et valeur perçue) ainsi que sur ses
décisions futures qui se traduiront par sa plus ou moins grande fidélité à un Drive. Cette
clarification est un préalable pour mieux comprendre les liens existants entre la perception de
la qualité de service perçue du Drive et la fidélité du consommateur à un Drive.
Le second objectif de cette recherche est de proposer et tester empiriquement un modèle

intégrateur des déterminants de la fidélité du consommateur à un Drive. De très
nombreux travaux se sont intéressés aux variables qui influencent la fidélité du consommateur

à l’enseigne (par exemple, Lewis et Soureli, 2006 ; Nguyen et al., 2011). Cependant, rares
sont les recherches qui ont analysé la fidélité du consommateur dans un contexte de
distribution cross-canal, comme le Drive.
Enfin, notre troisième et dernier objectif est de mettre en évidence l’influence des
variables sociodémographiques sur le comportement d’achat du consommateur, sa
fidélité et les déterminants qui l’expliquent. Les recherches existantes sur les variables
sociodémographiques soulignent la nécessité de prendre en compte l’impact de ces variables
qui peut être extrêmement variable d’un contexte à un autre.
La problématique centrale posée ici montre combien les nouvelles technologies et les
innovations commerciales qu’elles permettent remettent en cause des positions établies, pour
les entreprises comme pour les chercheurs en gestion. Connecté, le consommateur dispose de
plus de choix, il devient beaucoup plus libre, informé et mobile. La question se pose pour les
entreprises de savoir comment reconstruire des relations qui puissent l’amener à se montrer
plus fidèle. Pour les chercheurs en gestion, l’irruption de formules cross-canal, comme le
Drive, remet à plat un certain nombre de points considérés comme acquis, concernant
notamment les facteurs explicatifs de la fidélité du client. Notre thèse porte sur un contexte
précis, celui des courses effectuées en Drive, et apporte des éléments de réponse à trois
questions de recherche qui ont guidé notre démarche :
Question de recherche 1 : Quel aspects sont pris en considération et évalués par le

consommateur suite à une expérience d’achat et quels sont ceux qui influencent sa
fidélité à un Drive ?
Question de recherche 2 : Comment ces déterminants se combinent-ils pour créer la
fidélité du consommateur à un Drive?
La réponse à ces deux premières questions de recherche passe par une modélisation
conceptuelle et son test empirique qui permettront de comparer les influences respectives des
différents déterminants identifiés sur la qualité de service perçue du Drive et sur les
représentations mentales du consommateur (valeur globale perçue et satisfaction) qui doivent,
ensemble, enclencher un comportement de fidélité du consommateur.
Question de recherche 3 : Quel est l’impact des variables sociodémographiques sur le
comportement du consommateur, y compris la fidélité ?
Pour répondre à cette troisième question de recherche il conviendra d’identifier les
caractéristiques sociodémographiques pertinentes, pour tester leur influence sur le
comportement modélisé du consommateur en contexte cross-canal.

III. Démarche de la recherche

Notre recherche a adopté une approche hypothético-déductive qui constitue un processus de
réflexion qui vise à dégager une explication causale d’un phénomène quelconque. Les
hypothèses de notre recherche ont été formulées en se basant sur l’analyse des champs
théoriques mobilisés. Elles sont testées en les confrontant aux données empiriques de façon à
les valider (ou rejeter) selon que les données obtenues du terrain les acceptent ou non.
Ce choix nous semble cohérent avec les objectifs de notre recherche. En outre, cette posture
épistémologique paraît convenir particulièrement bien au Marketing, comme le soulignent
Sheth et al. (1988). Cela tient à la rigueur évidente à laquelle s’attache le Marketing pour
définir, manipuler et mettre en relation ses concepts, mais aussi à la pratique généralisée de
l’emprunt à d’autres disciplines (Diallo, 2011). Nous avons ainsi mobilisé non seulement des
théories provenant du Marketing, mais aussi issues d’autres disciplines, comme la
Psychologie ou la Sociologie qui permettent de saisir plus complètement les ressorts internes
du consommateur. Cela permet d’enrichir les réflexions destinées aux managers et praticiens
afin qu’ils améliorent la gestion de leurs enseignes.
Pour répondre aux différentes questions de recherche mentionnées ci-dessus, nous suivons
une démarche méthodologique mixte couplant des méthodes qualitatives et des
méthodes quantitatives pour exploiter leurs intérêts respectifs et leur complémentarité. Plus
précisément, nous avons d’abord mené une revue de la littérature tournant autour de trois
champs de recherche (l’innovation commerciale, le comportement cross-canal et la fidélité du
consommateur). Elle a été combinée à une étude qualitative exploratoire (entretiens
approfondis réalisés auprès de consommateurs). Ces deux étapes nous ont permis de proposer
un modèle conceptuel de la qualité de service perçue du Drive et de ses effets sur les
représentations mentales du consommateur (valeur globale perçue et satisfaction) ainsi que
sur sa fidélité au Drive évalué. Ce modèle de recherche et ses hypothèses ont été testés par
une approche quantitative, avec les données obtenues par enquête auprès de 500 utilisateurs
de Drive. Les répondants ont été subdivisés en deux sous-échantillons (N1 = 150 et N2 = 350)
pour réaliser les analyses factorielles exploratoires et confirmatoires. Le test du modèle
général ainsi que des hypothèses de recherche a été conduit en recourant à la méthode des
équations structurelles, plus précisément à la modélisation PLS-PM (Partial least squares,
path modelling) au moyen du logiciel XLSTAT 2017.
IV. Contributions de la recherche

Notre recherche souhaite contribuer à l’avancement des travaux en Marketing et en

Management de la distribution, en apportant une meilleure compréhension du comportement
du consommateur confronté aux innovations commerciales cross-canal qui marquent notre
époque. L’idée principale est que l’intention d’adopter une offre particulière et d’y rester
fidèle (Lehu, 2004) résulte de l’attitude du consommateur vis-à-vis d’éléments très divers et
se situant dans des domaines très différents les uns des autres.
Trois types de contributions sont attendus de cette recherche : elles sont d’ordre théorique,
managérial et méthodologique.
Au niveau théorique, Si la fidélité du consommateur continue à faire l’objet d’un grand
nombre de recherches qui ont contribué à enrichir ce concept, peu de recherches publiées se
sont intéressées à la fidélisation des consommateurs dans le contexte de distribution cross-
canal et c’est le cas du Drive qui nous intéresse ici.
Les apports théoriques attendus sont :
 Une meilleure compréhension du comportement du consommateur, en ce qui concerne
ses pratiques d’évaluation de son expérience d’achat dans un contexte de distribution
cross-canal.
 Une validation du concept de fidélité du consommateur et de sa mesure dans un
nouveau contexte, celui du Drive. Cela contribue à l’avancement des recherches sur la
fidélité du consommateur alors qu’il devient de plus en plus mobile et volatil.
 L’identification des déterminants du comportement du consommateur dans un
contexte de distribution cross-canal ayant une influence sur la fidélité du
consommateur.
 L’intégration au sein d’un seul et même modèle des déterminants de la fidélité du
consommateur à un Drive et le test empirique de ce modèle.
 La prise en compte de certaines variables individuelles de nature sociodémographique
dans le processus du choix du Drive par le consommateur lorsqu’il effectue ses
courses.
Au niveau managérial, notre recherche doctorale a le souci d’aboutir à des préconisations en

identifiant des leviers d’action susceptibles d’intéresser les managers et praticiens dans le
secteur de la distribution, tout en répondant aux questions de recherche posées.
Les contributions managerielles de cette recherche concernent :
 La compréhension du comportement cross-canal du consommateur et plus précisément
comment il établit son jugement à partir de sa pratique d’achats éclatés dans le temps et
dans l’espace ; ce n’est pas seulement un apport théorique mais aussi managérial. Notre
recherche vient rappeler, si besoin, aux managers de la distribution que la multiplication
des canaux ne doit pas diluer la perception de la qualité de service par le client : la qualité
globale impose de veiller à la qualité de chaque maillon de la chaîne. Il est essentiel que
les différents canaux soient bien intégrés et coordonnés de façon à faire de l’achat en
Drive une expérience à la fois originale, plaisante et intéressante. Cela doit créer de la
valeur pour le consommateur, l’aider à être plus efficient dans ses choix et ses décisions
d’achat. Cette analyse peut rappeler aux responsables que la voie du succès consiste à
mieux couvrir et saturer dès que possible les attentes et les besoins des consommateurs.
 La compréhension des facteurs explicatifs de la fidélité du consommateur à un Drive dans
un contexte de distribution cross-canal. Plus précisément, les déterminants de la fidélité
du consommateur dans l’approche relationnelle nous permettent de préciser quels sont
éléments qui favorisent la fidélité du consommateur à un Drive. Cela permet aux
managers et aux professionnels de cibler en priorité les facteurs qui font naître la
confiance et les sentiments favorables des consommateurs, favorisant ainsi un
comportement plus fidèle.
 Les variables individuelles sociodémographiques peuvent fournir directement des critères
de segmentation simples pour les managers opérant dans un contexte de distribution cross
canal. La recherche qui est conduite ici permet de voir s’ils délimitent effectivement des
groupes de consommateurs adoptant des comportements différenciés envers ce nouveau
mode de distribution et de préciser où se situent les seuils pertinents. A partir de là, les
managers des enseignes de distribution peuvent envisager de segmenter certains aspects
de leur offre afin de suivre au plus près les différents besoins des catégories de
consommateurs identifiées.
Au niveau méthodologique, cette recherche a fait appel à des méthodes aujourd’hui

reconnues et répandues : deux études, l’une qualitative et l’autre quantitative, ont été menées
de façon couplée, la première avec un caractère uniquement exploratoire. Ces deux études ont
consisté à recueillir les opinions et évaluations de consommateurs utilisant le système Drive.
La première étude, exploratoire, a été effectuée via des entretiens semi-directifs menés auprès
d’utilisateurs de Drive afin d’identifier leurs motivations et de faire émerger les raisons qui
les conduiraient à être fidèles à un Drive. La confrontation des observations tirées de ces
entretiens avec celles issues de la revue de littérature permet de déterminer de façon fiable
quels facteurs explicatifs de la fidélité doivent être incorporés dans notre modèle conceptuel.
L’étude quantitative a consisté à exploiter des données recueillies auprès d’utilisateurs de

Drive au moyen d’un questionnaire fermé permettant de mesurer les variables retenues pour le

modèle conceptuel. Cette phase de l’analyse utilise des méthodes statistiques élaborées qui
sont désormais conseillées pour l’estimation des modèles d’équations structurelles :
 Au niveau des instruments de mesure des construits, des analyses factorielles

exploratoires sont réalisées, suivies par autant d’analyses factorielles confirmatoires
permettant de préciser la façon dont les construits sont mesurés à partir des items.
 Concernant le modèle structurel, nous testons différents types d’effets (directs et indirects)
avec différentes méthodes et en distinguant, pour les relations indirectes, les effets
médiateurs simples et les effets médiateurs multiples (en une étape ou en chaîne). Par
ailleurs, la qualité d’ajustement du modèle global est estimée par l’indice GOF
(Goodness-of-Fit) qui fournit une indication de la qualité du modèle interne et externe.
Après le développement du contexte, la problématique théorique, les objectifs, les questions,

la démarche de recherche, ainsi que les contributions attendues de ce travail dans les
paragraphes ci-dessus, nous clôturons cette introduction générale en décrivant l’architecture
générale de la thèse.
V. Architecture de la recherche
Dans le but principal de déterminer les facteurs explicatifs de la fidélité du consommateur
dans contexte de distribution cross-canal, notre thèse se structure en deux parties et sept
chapitres: la première se compose de trois, alors que la deuxième partie consiste en quatre
chapitres. L’architecture de ce travail de recherche est résumée à la figure 1 ci-après.
La première partie présente une revue des recherches antérieures combinée à une étude
qualitative exploratoire auprès de consommateurs du Drive.
Le premier chapitre est consacré à l’étude de différentes stratégies de distribution, et à
l’étude du comportement du consommateur dans un contexte multi et cross-canal, et le Drive
comme un nouveau mode de distribution..
Le deuxième chapitre aborde la fidélité du consommateur : Conceptualisation et les Facteurs
Explicatifs de la Fidélité, ainsi que les évolutions de l’offre et de la relation client dans un
contexte de distribution cross-canal. Ces évolutions se manifestent les facteurs qui contribuent
à la création de la fidélité du consommateur au system commercial le Drive.
Le troisième chapitre clôt la première partie de cette recherche. Une étude qualitative
exploratoire est menée auprès de consommateurs dans le but de proposer un modèle
conceptuel et de développer des hypothèses de recherche. Le champ d’application de notre
étude qualitative est le secteur de la distribution. Cette étude permet d’avoir une meilleure

compréhension du comportement du consommateur en termes d’évaluation dans un contexte

de distribution cross-canal comme le Drive.
La deuxième partie de ce travail doctoral vise à tester empiriquement le modèle proposé et

les hypothèses de la recherche à travers une étude quantitative que nous avons menée. Cette
partie regroupe les quatre derniers chapitres de cette thèse.
Dans le quatrième chapitre, nous développons en premier temps les hypothèses et le modèle
conceptuel sur la base de la revue de la littérature et de notre étude qualitative exploratoire,
dans un second temps, l’opérationnalisation des différents construits du modèle de recherche
proposé a été présentée.
Le cinquième chapitre, se compose de trois sections, et a pour objectif de présenter la
méthodologie retenue afin de collecter et traiter les données dans cette recherche doctorale.
Le sixième chapitre est consacré aux analyses statistiques menant aux premiers résultats de
notre étude quantitative. Après avoir décrit les caractéristiques de notre échantillon, ainsi que
les analyses préliminaires de l’adéquation des données à l’analyse multi-varié, nous
présentons l’épuration de nos échelles de mesure, plus particulièrement l’analyse factorielle
exploratoire en utilisant le logiciel SPSS 23 afin d’identifier la structure factorielle de chaque
échelle de mesure de notre modèle de recherche. Ensuite, nous réalisons une analyse
factorielle confirmatoire en utilisant le logiciel AMOS 23.
Le septième chapitre est consacré à la présentation des résultats du modèle et de test des
hypothèses de recherche. Une discussion de l’ensemble des résultats et leur mise en perspective
clôture ce dernier chapitre.
Enfin, la conclusion générale synthèse les apports théorique, les implications managériales et
les contributions méthodologiques de la recherche. Elle présents également les limites
soulevés et les perspectives de recherches futures.

Figure 1: Structure générale de la thèse
Chapitre I Chapitre II Chapitre III

Cadre conceptuel
Stratégie de distribution et Fidélité du Etude qualitative

Partie1 :
comportement du consommateur : exploratoire

consommateur dans un concept, mesure et
contexte cross-canal : Drive déterminants
Du model conceptuel a l’étude empirique et résultats de la recherche
Chapitre IV
Modèle conceptuel, hypothèses de la recherche et mesure des
variables
Chapitre V Chapitre VI
Partie 2 :
Méthodologie et Validation des

conception de l’étude instruments de mesure des
quantitative construits
Chapitre VII
Test des hypothèses et discussion des résultats
Conclusion générale

Partie I : Cadre conceptuel de la recherche
PARTIE I : CADRE CONCEPYUEL

PARTIE I : CADRE CONCEPTUEL DE LE

RECHERCHE

Cadre conceptuel

Partie1 :

Chapitre IV
variables
Partie 2 :

Chapitre VII

PARTIE I :
CADRE CONCUPTUEL DE LA RECHERCHE
Chapitre I :
Stratégie de distribution et comportement du consommateur dans un

contexte cross-canal : Drive
Chapitre II :
Fidélité du consommateur : concept, mesures et déterminants
Chapitre III :
Etude qualitative exploratoire

PARTIE I : CADRE CONCEPTUEL DE LA
RECHERCHE
La première partie de cette recherche consiste à présenter le cadre conceptuel qui sous-tend
notre recherche. Elle nous permet de répondre à deux premières questions de recherche
portant sur les déterminants identifiés sur la qualité de service perçue du Drive et sur les
représentations mentales du consommateur (valeur globale perçue et satisfaction) qui doivent,
ensemble, enclencher un comportement de fidélité du consommateur.
L’objectif de cette partie est d’aboutir à un modèle conceptuel qui permet une meilleure
compréhension des facteurs clés qui contribuent à fidéliser le consommateur dans un contexte
de distribution cross-canal, comme le Drive.
Elle se structure en trois chapitres :
 Le chapitre I est consacré à l’étude de différentes stratégies de distribution, et à l’étude du

comportement du consommateur dans un contexte multi et cross-canal, ainsi que le Drive
comme un nouveau mode de distribution.
 Le chapitre II aborde la fidélité du consommateur : conceptualisation et les facteurs

explicatifs de la fidélité, ainsi que les évolutions de l’offre et de la relation client dans un
contexte de distribution cross-canal. Ces évolutions se manifestent par les facteurs qui
contribuent à la création de la fidélité du consommateur au system commercial le Drive.
 Le chapitre III présente l’étude qualitative exploratoire. L’objectif de cette recherche est
de proposer un modèle conceptuel intégrateur qui permet de comprendre les déterminants
de la fidélité du consommateur à un Drive dans un contexte de distribution cross-canal.

Chapitre I : Strategie de distribution et comportement cross-canal : Drive
CHAPITRE I : STRATEGIE DE DISTRIBUTION

ET COMPORTEMENT DU CONSOMMATEUR
DANS UN CONTEXTE CROSS-CANAL : DRIVE
Introduction au chapitre I
Ces dernières années avec l’importance croissante d’Internet comme outil de communication,
de distribution et de transaction, le comportement de consommateur a connu un
développement fulgurant. D’après l’édition 2016 du Google Consumer Barometer, 84% des
consommateurs français cherchent des informations en ligne avant de faire un achat.
Dans ce chapitre, nous nous intéresserons dans une première section à la revue de littérature
sur la stratégie de distribution. Tout d’abord, nous mettons en évidence les différentes
stratégies de distribution du monocanal au cross-canal. Ensuite, nous mettons l’accent sur le
comportement du consommateur en fonction des canaux fréquentés lorsqu’il effectue ses
courses.
Dans la deuxième section, nous nous concentrerons tout d’abord sur les différentes typologies
de l’innovation commerciale recensées par la littérature (Choukroun 2012 ; Gallouj 2007 ;
Den Hertog et al., 2000 ; Dupuis 2002; Dawson, 2000). Ensuite, nous nous intéresserons à la
littérature relative à l’analyse de la dynamique des formes de distribution dans le commerce
de détail. Enfin, nous nous focaliserons sur la nouvelle forme de distribution (le Drive).
1 Stratégies de distribution et études des comportements des

consommateurs dans un environnement à plusieurs canaux de
distribution
Cette première section est consacrée, en première partie, à la présentation de différentes
formes de distribution mises en place par les entreprises. Dans une deuxième partie de cette
section, nous mettrons en avant l‘état d‘avancement des recherches consacrées à l‘étude du
comportement des consommateurs dans un environnement multi et cross-canal.
1.1 Les différents types de stratégie de distribution

Les nouvelles technologies de l’information et de la communication ont fait naître de
nouveaux circuits (e-commerce, m-commerce, Drive, etc.), ainsi que transformé, pour les
distributeurs, en profondeur la manière de produire un service commercial, et pour les

consommateurs, les modalités du processus d’achat. Cela peut être expliqué par le fait que ces
technologies permettent d’accéder à l’information plus facilement et rapidement, sans
contraintes géographique, et de fournir plus d’information.
Belvaux et Notebaert (2015) indiquent que cette transformation conduit à faire évoluer et
changer les pratiques de consommation et les activités des entreprises. Les nouvelles pratiques
de consommation donc obligent les enseignes à s’adapter, voire à modeler différentes
stratégies de distribution pour répondre aux besoins et attentes des consommateurs
(Vanheems, 2016).
Dans ce contexte, la structure de la distribution a été reconfigurée par le commerce

électronique (Filser et Paché, 2008). Des changements structurels majeurs ont eu lieu du côté
des enseignes de distribution concernant la manière dont elles communiquent avec les clients,
et du côté des clients en ce qui concerne leur façon d’interagir avec les enseignes.
En France, les chiffres d’affaires du e-commerce confirment la priorité d’Internet au sein des
canaux de distribution (tableau 1)4. La France est au 3e rang du marché du e-commerce en
Europe, après l’Allemagne, le Royaume-Uni.
Tableau 1: Croissance du e-commerce en milliards d’euros en France

Année Chiffre d’affaires
En Milliard
2005 8,4
2006 11,6
2007 15,5
2008 20
2009 25
2010 31
2011 37,7
2012 45
2013 51,1
2014 56,8
2015 65
2016 72
2017 81,7
Estimation 2018 90
4
FEVAD, ibid.

Ainsi, les entreprises souhaitant développer une stratégie de distribution ont deux options
(Chanut et Bonet, 2009 ; Belvaux et Notebaert, 2015). Elles peuvent adopter :
 une stratégie de distribution monocanal dont l’objectif est d’utilisation d’un canal de
vente et d’un canal de communication : le point de vente. Selon cette stratégie, le
consommateur utilise un seul canal au cours d‘un même processus de décision d‘achat,
uniquement par Internet ou uniquement en magasin. Nous pouvons distinguer deux
stratégies de distribution monocanal :
1. Par magasin physique : cette stratégie représente la structure traditionnelle de la
distribution, on parle alors de stratégie Brick and Mortar, All Brick, ou Full store.
Selon cette stratégie le consommateur cherche l’information et achète en magasin
physique.
2. Par magasin virtuel dont l’objectif est de proposer les produits ou les services par
l’intermédiaire d’un site marchand. Les entreprises ne disposent pas de la structure
nécessaire pour proposer leurs services ou leurs produits dans des points de vente
physiques et vendent uniquement par Internet comme la Rue du commerce,
Cdiscount er Vente privée (Boyer, 2001). On parle alors de stratégie de Pure
player, All click, Full web.
 les stratégies de distribution à plusieurs canaux : lorsque les distributeurs utilisent
différents canaux de vente dans le cadre de leur politique de distribution, le choix de base
consiste soit à combiner, soit à séparer les canaux alternatifs.
Deux stratégies peuvent donc être adoptées concernant les portefeuilles de canaux
(Chatterjee, 2010 ; Rittinger et Zentes, 2012 ; Belvaux et Notebaert, 2015). Premièrement,
la stratégie qui consiste à garder les canaux comme autant d’activités indépendantes, on
parle de la stratégie multi-canal. Deuxièmement, la stratégie qui consiste à créer des liens
entre les canaux et à adopter une démarche globale, la stratégie cross-canal. Nous
pouvons les considérer comme différentes étapes dans le développement d’une stratégie à
plusieurs canaux.
1.1.1 La stratégie de distribution multi-canal
1.1.1.1 La définition de la stratégie de distribution multi-canal

Cette stratégie consiste à juxtaposer les différents canaux de distribution sans créer de liens
entre eux (Chatterjee, 2010 ; Belvaux et Notebaert, 2015 ; Ailawadi et Farris, 2017). Cette
stratégie peut être volontaire et répondre à un positionnement marketing ou dériver d’un
manque d’intégration entre les canaux de distribution. Le modèle de base de cette stratégie

consiste à développer une présence dans des points de vente physique ainsi que une présence
commerciale sur l’Internet. La littérature définit la stratégie de distribution multi-canal
comme « l’utilisation par un distributeur de plus d’un canal pour échanger avec ses clients
ou ses prospects » (Stone et al., 2002 ; Belvaux, 2004 ; Neslin et al., 2006, Seck, 2009, Paché
et al., 2014 ; Belvaux et Notebaert, 2015 ; Ailawadi et Farris, 2017 ). Cette stratégie permet
aux consommateurs d’adopter des comportements multi-canal, en utilisant plusieurs canaux
de distribution au cours d’un même processus d’achat, qui peuvent prendre différentes
formes :
A. Préparation de l’achat par Internet et achat en magasin. On parle alors de stratégie Click
and Mortar ; Research Online/purchase Offline ; Web-to-Store; Digital-to-store.
B. Préparation de l’achat en magasin et achat par Internet. On parle alors de stratégie Mortar
and click; Store-to-web; showrooming.
1.1.1.2 Les principes de la stratégie de distribution multi-canal

Avec la stratégie multi-canal, trois principales orientations peuvent être données afin d’éviter
certains enjeux managériaux aux entreprises (Seck, 2009 ; Belvaux et Notebaert, 2015) :
1. Eviter les cannibalisations : des travaux abondants ont été consacrés à la problématique
de la gestion de canaux multiples. Ces recherches soulèvent la question du conflit entre les
canaux de distribution, notamment, le risque de cannibalisation. Ce dernier se manifeste
en abandonnant un canal pour un autre (Rosenbloom, 2007). De plus, cette cannibalisation
engendre plusieurs problèmes. Tout d’abord, l’enseigne doit investir des ressources dans
la mise en place des nouveaux canaux, alors que ceux-ci risquent de ne pas développer de
nouvelle vente et de se retrouver avec des surcoûts en lieu place d’une économie de coût.
La rentabilité est donc amoindrie. Cela peut ensuite créer des problèmes de management
entre les canaux. En plus, les canaux traditionnels se trouvent lésés par ce nouveau
concurrent interne. Enfin, ces changements de comportement d’achat entraînent parfois
les consommateurs à basculer d’une enseigne à l’autre (Belvaux et Notebaert, 2015).
Afin d’éviter ces cannibalisations, il est important pour les enseignes de déterminer le
fonctionnement de chacun des canaux, et la manière dont ils doivent gérer les transferts de
clientèle à travers ces canaux. D’où la nécessité d’une gestion coordonnée des différents
canaux.
2. La substitution des canaux : au lieu de subir certaines cannibalisations, l’enseigne peut
justement chercher à substituer des canaux traditionnels par de nouveaux, que ce soit pour
communiquer ou vendre les produits. Les raisons sont économiques, pratiques et liées aux

modes managériales. En effet, la relation client peut être transférée sur des canaux moins
coûteux ou plus facile à gérer. Par exemple dans le secteur bancaire, la banque incite les
clients à réaliser certaines actions par Internet comme consultation de compte, virement,
etc. afin de dégager des ressources humaines. Ainsi, les conseillers se concentrent sur les
clients de grande valeur et la vente de produits plus complexes.
La recherche de substitution entre les canaux a donc pour but principal non de jouer sur le
volume d’activité mais plutôt sur la rentabilité, en réduisant les coûts de fonctionnement et
le rapport gains/investissement sur les différents canaux.
3. Les complémentarités entre canaux : pour développer la vente, les complémentarités
entre les canaux est considérée la première étape pour l’enseigne. Ceci afin d’éviter des
superpositions au niveau des ventes, en assignant à chacun des canaux une partie du
marché. Cette complémentarité vise à fournir aux consommateurs une expérience
uniforme, unique sans heurt, à travers l’ensemble des canaux utilisés pendant les
différentes phases de son processus d’achat.
Ces complémentarités s’obtiennent suivant (Belvaux et Notebaert, 2015) :
 Différentes régions : la stratégie multi-canal permet de toucher des consommateurs
pour lesquels le distributeur n’est pas présent physiquement sur le territoire national
(villes, régions) ou dans d’autres pays.
 Différents profils de consommateur
 Différents produits : un point de vente est physiquement limité en ce qui concerne son
assortiment. La stratégie multi-canal peut prendre le relais sur les produits à faibles
ventes ou difficiles à vendre.
 Différentes situations : cette stratégie facilite les ventes qui ne peuvent être réalisées
dans les canaux classiques pour des raisons pratiques (horaires, lieux, etc.).
Par ces complémentarités, les canaux remplissent des fonctions différentes au niveau de la
transaction en conduisant à des ventes additionnelles. Mais, l’enjeu pour les managers va
d’une gestion mono canal de la qualité de service à une gestion multi canal de la qualité de
service (Seck, 2009).
Cette stratégie multi-canal constitue la première étape dans la logique de la gestion marketing
à plusieurs canaux. Steinfield et al. (2002) montrent que cette stratégie peut permettre à
l’enseigne d’être plus efficace que dans le cas d’une gestion mono canal. Chaque canal est
considéré de manière indépendante et sans interférence avec les autres. Cependant, Stuart-
Menteth et al. (2006) soulignent que l’expérience du consommateur avec la stratégie de
distribution multi-canal est inefficace. L’ensemble de ces réflexions amène les chercheurs et

les praticiens à s’accorder sur la gestion combiné des canaux de distribution. La gestion cross-
canal ; représente une bonne solution permettant de créer de la valeur pour le client et de
répondre à l’augmentation des coûts pouvant survenir par l’ajout de canaux.
Le client utilise éventuellement de multiples canaux différents pour faire ses achats. Mais à la
différence du multi-canal, où généralement chaque canal est considéré de manière
indépendante et sans interférence avec les autres, le cross canal aborde l’ensemble des canaux
de distribution et d’information de manière simultanée, afin de tirer profit des interactions et
des synergies qui peuvent exister entre eux. Le terme de « cross-canal » est apparu dans la
littérature probablement parce que celui de «multi-canal» n’était pas suffisant pour décrire les
relations étroites que certains chercheurs et praticiens préconisent désormais d’instaurer entre
les canaux. Le cross canal est donc une stratégie de distribution qui met à profit plusieurs
canaux. Elle est l’évolution logique de la stratégie multi-canal car elle prend en compte le fait
que le client utilise plusieurs canaux pour réaliser ses achats.
1.1.2 La stratégie de distribution cross-canal
1.1.2.1 La définition de a stratégie de distribution cross-canal

La mobilisation de plusieurs canaux par le consommateur lors d’une même expérience
d’achat oblige les distributeurs, les commerçants, les professionnels marketing à passer d’une
stratégie multi-canal à une stratégie cross-canal (Vanheems, 2016). Cette dernière s’inspire
fortement du concept du Costumer Relationship Management (CRM) qui se base sur la
dynamique de la gestion consommateur à travers se prise en charge dans les différents points
de contact de l’entreprise (Neslin et al., 2006). L’objectif est d’améliorer, créer et développer
les relations avec les consommateurs afin de maximiser la valeur et la rentabilité (Belvaux et
Notebaert, 2015 ; Ailawadi et Farris, 2017). Pour Picot et al. (2016), la stratégie cross-canal
symbolise la multiplication des points d’accès aux services ou produits et donc une
complémentarité et une coordination des canaux de distribution et de communication entre
eux. Pour Hübner, Kühn et Wollenburg (2016), la combinaison des canaux de distribution
traditionnels, magasins en dur (brick), avec le commerce en ligne, dématérialisé (click) donne
naissance à la stratégie cross-canal.
Vanheems (2016) définit la stratégie cross-canal comme « stratégie qui permet au client de
changer de canal dans les meilleurs conditions possible tout au long de son processus de
décision. C’est donc une stratégie qui consiste à éliminer les ruptures, quelle que soit leur
nature (économique, cognitive, physique, émotionnelle…) lors des changement de canaux par
un client tout au long d’une même expérience avec une entreprise ». Selon Belvaux et

Notebaert (2015), cette stratégie est définie comme une connexion de plusieurs canaux de
vente et de communication qui favorise un parcours d’achat empruntant différentes
trajectoires. Collin-Lachaud et Vanheems (2011) indiquent que avec la multiplication des
canaux dans le contexte de distribution cross-canal, les consommateurs cherchent à les utiliser
de façon intégrée, à passer de l’un à l’autre selon les avantages perçus. Lemon et Verhoef
(2016) soulignent que les managers ont besoin de mieux connaître la façon dont le
consommateur navigue entre les différents canaux de distribution et de mieux comprendre les
raisons profondes des parcours qu’il a choisis.
Ainsi, l’objectif est de faire tomber les barrières élevées entre les différents circuits de vente
et de communication5. La stratégie cross-canal répond à un besoin de fluidité du
consommateur. Tous les canaux de distribution et de communications (magasins, points de
retrait, Drive, catalogues, applications smartphone, réseaux sociaux, e-mailing, call centre,
etc.) sont destinés à créer un univers de consommation unique. Le cross-canal implique une
intégration complète de l’ensemble des points de contact afin d’offrir une expérience d’achat
cohérente aux clients. Une articulation entre les canaux de distribution et de communication
permet de créer des synergies (Belvaux et Notebaert, 2015). Le client, lui, est déjà cross-
canal. Il passe d’un canal à l’autre naturellement, sans se poser de question. Sous une même
enseigne, il entend avoir les même prix, être reconnu, quel que soit le chemin emprunté,
digital ou physique.
1.1.2.2 Les fonctions des canaux de distribution dans le contexte cross-canal :

Comme nous l’avons mentionné auparavant, la stratégie cross-canal consiste à faciliter
l’utilisation des différents canaux au sein d’une même trajectoire d’achat. Elle reconnait le fait
que les clients au sein d’un même processus d’achat fréquentent plusieurs canaux (Beck et
Rygl, 2015). Neslin et al. (2006) proposent de distinguer trois fonctions que le canal de
distribution peut remplir : la communication, la distribution et la transaction. De leur côté,
Belvaux et Notebaert (2015) soulignent que les canaux de distribution dans un contexte cross-
canal ne se résument pas à la transaction, mais ces canaux proposent de nombreuses autres
fonctions complémentaires :
1. La fragmentation du processus d’achat : afin de proposer une organisation cohérente

des canaux de distribution, nous pouvons partir des usages consommateur lors de leur
processus d’achat. Dans un contexte de distribution mono canal ou multi canal, tout le
processus d’achat est réalisé sur un seul canal, alors que dans le cross-canal, le
5
Journal du net, 2015, la stratégie omni canal-Vers révolution de la relation clientèle, http://www.Isa-conso.fr

consommateur navigue à travers les canaux (Rittinger et Zentes , 2012). Cette stratégie
cross-canal permet au consommateur d’examiner le produit ou le service sur un canal, de
l’acheter via un autre canal et finalement de le récupérer ou de le retourner dans un
troisième canal. En effet, ces changements de canaux peuvent être délibérés, le client
choisit de fréquenter plusieurs canaux selon leurs avantages respectifs. Face à ces
changements, l’entreprise peut s’adapter à plusieurs niveaux : en adaptant l’offre de
canaux et en favorisant les liens entre ces canaux de distribution (Belvaux et Notebaert,
2015 ; Ailawadi et Farris, 2017).
2. La distribution des rôles à travers les canaux : les entreprises peuvent adapter les
fonctions des canaux de distribution à travers les besoins et les attentes des
consommateurs. Par exemple, les distributeurs font migrer plusieurs activités comme la
relation client et les conseils sur des canaux virtuels ou séparent certaines fonctions de
leurs canaux comme le system du Drive (le choix et le paiement en ligne puis le
récupération en point de retrait). De leur côté, Belvaux et Notebaert (2015), indiquent que
cette combinaison entraîne parfois des changements importants dans l’organisation de
l’entreprise, tant en terme de la rentabilité et d’utilisation des ressources distribution. En
combinant leurs canaux, les distributeurs visent à satisfaire aux attentes et besoins de
consommateurs (Zhang et al., 2010).
3. Faciliter la transition entre canaux : dans la stratégie de distribution à plusieurs canaux,
il est important de permettre aux consommateurs des transitions homogènes entre les
canaux de distribution (Ailawadi et Farris, 2017). Rittinger et Zentes (2012) montrent que
la stratégie de distribution cross-canal implique une mobilité totale entre les canaux
d’informations, ainsi qu’une flexibilité complète concernant les canaux d’achat, de
récupération et de retour. Dans ce cadre, Belvaux et Notebaert (2015) soulignent qu’il
peut être utile de mettre en place des solutions afin de favoriser les transitions entre les
canaux d’une même enseigne, et d’éviter des pertes de trafic qui peuvent avoir lieu lors
des changements de canaux par le consommateur. Par exemple, le consommateur
fréquente un ou plusieurs canaux de distribution sans aller jusqu’à la transaction. Il peut
également changer d’enseigne lors le processus d’achat entre deux canaux.
4. Améliorer la performance des autres canaux : dans le cadre de la stratégie de
distribution cross-canal, il est important que ce qui réalisé sur un canal influence
positivement la performance des autres canaux de distribution. L’utilisation d’un canal de
distribution doit apporter quelques chose au client, le conseiller, lui donner l’information
demandée, lui permettre d’échanger avec d’autre, etc. En effet, la stratégie cross canal est
utile afin d’améliorer la campagne de communication par l’apport de nouvelles

fonctionnalités d’information favorisant l’impact des autres canaux. Par exemple, un site
Internet communique sur l’offre disponible en magasin ainsi que sur les conditions
d’accès. Ce site peut aussi proposer des évaluations de consommateur, des guides d’achat,
etc., qui permettent de réduire certains freins à l’achat.
5. Eviter les incohérences entre canaux : afin de tirer profit des interactions et des
synergies entre les canaux dans la stratégie cross-canal, les distributeurs abordent
l’ensemble de ces canaux de manière simultanée. Cette stratégie permet d’assurer la
cohérence de la promesse faite par l’enseigne pour que le consommateur ne risque pas
d’avoir une image confuse de l’enseigne, de son offre, de son niveau de prestation etc.
(Bèzes, 2010). En effet, ces cohérences entre les différents canaux de distribution sont
traduites aux niveaux (Belvaux et Notebaert, 2015):
 De l’offre : produits (assortiment, qualité, marque), prix, service ;
 Des services périphériques : conseil, SAV, livraison, montage, etc. ;
 Du cadre d’interaction : interface, organisation du point de vente, éléments
d’atmosphère, interactions sociales.
Il est donc nécessaire de rendre cohérents du point de vue du consommateur les différents
canaux. La difficulté vient non seulement de nombreux nouveaux canaux, mais aussi des
différentes besoins et attentes que les consommateurs ont à leur égard.
Dans un même ordre d’idée, Neslin et al (2006) soulignent que la stratégie de distribution
cross-canal doit répondre à cinq défis majeurs, à savoir : l’intégration des données permet
d’obtenir une vision globale des clients à travers les contacts qu’ils établissent avec les
différents canaux de l’entreprise : la compréhension du comportement du consommateur,
l’analyse des performances de chaque canal, l’allocation de ressources entre canaux et la
coordination entre canaux. La stratégie de distribution cross-canal repose sur la volonté de
créer des « passerelles » entre les canaux (Vanheems, 2009). Le tableau 2 ci-dessous résume
les différences entre une stratégie multi-canal et cross-canal.

Tableau 2 : Les différences entre une stratégie multi- et cross-canal

Multi-canal Cross-canal
Vision -compartimenté voire en -complémentarité des canaux de
stratégique compétition, en silos, avec leurs façon à exploiter les synergies, et à
des canaux propres objectifs, personnel et «gommer » les faiblesses des canaux
système. existants.
-canaux considérés comme
d’éventuels substituts.
Objectif -ajouter un nouveau canal à celui -vision holistique des canaux.

existant sans « bouleverser » -synergie.
l’organisation du canal -compensation des faiblesses d’un
canal par les forces d’un autre canal.
Conséquences -canal transactionnel -vision compétitive
positives supplémentaire -augmentation globale de l’activité
(notamment à long terme)
-amélioration de l’efficacité
logistique
-amélioration de la communication
-fidélité accrue des consommateurs
-expérience de consommation
optimisée pour les consommateurs
Conséquences -juxtaposition des coûts -risques de cannibalisation plus
négatives -risques de cannibalisation si le faibles (présents à court terme
nouveau canal offre les même ou seulement)
de meilleurs capacités que celles
du canal existant
Source : Huré (2012)
Il convient donc de présenter dans la suite une synthèse des principaux travaux qui portent sur
le comportement du consommateur dans le contexte multi et cross-canal.
1.2 Etudes des comportements des consommateurs dans un

environnement à plusieurs canaux de distribution
Comme nous l’avons mentionné auparavant, la stratégie de distribution cross-canal consiste à
intégrer les différents canaux de distribution entre eux afin de proposer au consommateur un
parcours d’achat fluide, ainsi que de permettre de lui offrir une expérience de même qualité
quel que soit le canal utilisé lors du processus d’achat.
Nous proposons tout d’abord de présenter les différents comportements pouvant être adoptés
dans un contexte de distribution multi-canal, puis d’étudier les comportements cross-canal
faisant l’objet d’une attention particulière de la part des chercheurs.

1.2.1 Le comportement multi-canal
1.2.1.1 La définition du comportement multi-canal du consommateur
Une grande majorité des recherches s’intéressant aux consommateurs multi-canal montrent
que ces derniers ont une valeur supérieure à leurs homologues mono-canal (Dholokia et al.,
2005 ; Belvaux, 2004 ; Vanheems, 2007 ; 2009 ; Verhoef et al., 2007 ; Poncin, 2008,
Seck,2009). Cependant, ces auteurs ne s’appuient pas sur la définition du client multi-canal.
Dholokia et al. (2005) et Vanheems (2007, 2009) définissent comme multicanal un
consommateur réalisant ses différentes transactions avec l’enseigne via les différents canaux
qu’elle propose, alors que Belvaux (2004) ; Verhoef et al. (2007) et Poncin (2008)
considèrent le client multi-canal comme un client qui utilisent différents canaux de l’enseigne
au cours du processus de décision d’achat d’un produit ou d’un service.
La littérature s’est intéressée au phénomène de transfert d’achat ou de migrations des

consommateurs (Vanheems, 2007 ; Ansari et al., 2008 ; Nicholson et Vanheems, 2009) afin
d’expliquer les évolutions des comportements du consommateur suite à l’ajout d’un nouvel
canal de distribution ou de communication. Ainsi, certains consommateurs restent fidèles à
leurs canal ou au contraire le délaissent au profit du nouveau canal et par conséquence
adoptent un comportement d’achat mono-canal, alors que d’autres consommateurs qui
adoptent un comportement multi-canal effectuent un transfert partiel de leurs achats vers le
nouvel canal de distribution.
Selon Vanheems (2007), dans le contexte de distribution multi-canal, le comportement du
consommateur peut s’orienter vers trois directions différentes :
 Le transfert total désigne un transfert des achats du consommateur du canal de vente
d’origine vers le nouveau canal mis en place. Ce comportement par conséquente peut
engendrer une forme de cannibalisation entre les canaux de distribution.
 Le transfert nul signifie que le consommateur reste fidèle à la formule de vente d’origine
et ne change pas ses habitudes de transactions. Ainsi, l’ajout du nouveau canal de
distribution n’a pas impact pour ce type de consommateur.
 Le transfert partiel signifie que le consommateur choisit plusieurs canaux de distribution
proposées par l‘enseigne pour y réaliser ses transactions. Il reste ainsi fidèle au canal
d’origine et intègre les autres canaux de l’enseigne à son ensemble de considération de
canaux de vente.
En effet, cette perspective transactionnelle ignore les étapes du processus de décision d’achat
en considérant seulement la phase d’achat. Heitz-Spahn (2011) souligne que cette perspective
transactionnelle n’est pas la seule envisagée dans la littérature, l’accent est mis sur les étapes
du processus d’achat. Le consommateur multi-canal peut également être considéré à travers

les choix de canaux qu’il opère au cours des phases du processus d’achat. Dans ce contexte,
Belvaux (2006) définit le consommateur multi-canal comme « un consommateur qui peut
utiliser deux à plusieurs canaux de distribution dans les différentes étapes du processus de
décision d’un produit ou service ». De leur côté, Wallace et al. (2004) soulignent que
l’utilisation multi-canal par les consommateurs d’une enseigne comme « le nombre de canaux
différents de l’enseigne qu’un consommateur fréquente pour réaliser un achat ». Certains
auteurs proposent une définition plus précise en appliquant à des comportements Mortar and
Click et Click and Mortar (Reda, 2002 ; Wind et Mahajan, 2002). Il s’agit selon « eux d’un
consommateur qui cherche de l’information en magasin puis achète sur Internet ou qui
cherche de l’information sur Internet puis achète un produit ou un service en magasin».
En effet, l’étude du consommateur multi-canal à travers les phases du processus de décision
d’achat est une vue plus complète. Cela peut être expliqué par le fait que cette perspective
considère toutes les interactions que le consommateur peut avoir avec l’enseigne afin de
réaliser son processus d’achat (la reconnaissance du problème, la recherche d’information,
l’évaluation des alternatives (possibilité), la décision d’achat du produit et le post achat). Dans
la littérature, la majorité des auteurs adoptent cette perspective pour étudier le comportement
multi-canal des consommateurs.
Ainsi, le consommateur peut adopter des comportements mono-canal ou multi-canal en

fonction des canaux de distribution et de communication fréquentés durant le processus de
décision d’achat. Heitz-Spahn et Filser (2014) soulignent que le consommateur a un
comportement mono-canal lorsqu’il fréquente un seul canal de distribution dans les
différentes phases de processus d’achat.
Par exemple, le consommateur cherche de l’information sur un produit ou un service en

magasin, évalue ce produit ou service en magasin et achète également par le biais du magasin.
Cependant, Verhoef et al. (2007) indiquent que le nombre du consommateur qui adopte un
comportement mono canal tend à diminuer au profil de l’adoption de comportement multi-
canal. Dans la littérature, les recherches ont porté essentiellement sur l’étude de deux
comportements particuliers : les comportements multi canal Click and Mortar et Mortar and
Click.
1.2.1.2 Le comportement multi-canal Mortar and Click
Le comportement Mortar and Click consiste à rechercher de l’information et/ou évaluer les
possibilités en magasin puis à acheter le produit sur Internet. Le consommateur adopte ce

comportement pour bénéficier des avantages du canal offline (magasin) pendant la recherche
d’information. Heitz-spahn (2011) souligne que le magasin permet aux consommateurs de
vivre une expérience directe tactile avec le produit ce qui leur permet d’évaluer sa qualité et
de bénéficier des conseils du personnel de vente qui ne sont pas disponibles sur Internet.
D’ailleurs, l’avantage d’utiliser Internet comme canal de transaction réside dans sa
commodité, parce que le consommateur n’est pas obligé de se déplacer en magasin pour
récupère le produit, mais cela doit subir des contrainte logistique au stade de la livraison final
du produit qui peut être plus ou moins forte selon le type de produits.
1.2.1.3 Le comportement multi-canal Click and Mortar
Selon ce comportement Click and Mortar, la recherche d’information s’effectue via Internat
et la transaction ayant lieu en magasin. De son côté, Heitz-spahn (2011) montre deux
motivations à l’adoption de ce comportement du consommateur, à savoir : tout d’abord, les
consommateurs adoptent ce comportement car ils n’ont pas trouvé toutes les informations qui
leur étaient nécessaires pour réaliser l’achat sut Internet, et deuxièmement les consommateurs
ont besoin de toucher et de voir réellement le produit. Dans le même esprit, Belvaux (2006)
affirme, d’une part, que le comportement Click and Mortar permet de comparer plus de
produits dans une catégorie donnée puisque le choix est plus important par Internet qu’en
magasin, et d’autre part, les consommateurs profitent d’une source d’information
incomparable par rapport à ce que peut leur donner le magasin. Nicholson et al. (2002)
indiquent qu’Internet est plus adapté à une recherche d’information préachat alors que le
magasin reste plus approprié pour évaluer les produits et réaliser la transaction.
En effet, l’orientation du consommateur vers un certain type de comportement dépend de la

manière dont le consommateur peut satisfaire ses besoins pour réaliser les différents processus
de décision d’achat. Par ailleurs, les nouvelles technologies de l’information et de la
communication ont, d’une part, fait naître de nouveaux circuits, comme le e-commerce, m-
commerce et d-commerce (Drive), et d’autre part, transformé la manière de produire un
service ou un produit pour les distributeurs et la modalité du processus d’achat pour les
consommateurs. Il est donc nécessaire de prendre en considération le comportement cross-
canal du consommateur, c’est-à-dire l’utilisation de plusieurs canaux de distribution et de
communication au cours d’un même processus d’achat.

1.2.2 Le comportement cross-canal
1.2.2.1 La définition du comportement cross-canal du consommateur

Avec la multiplication des canaux et des formules de distribution, la concurrence accentue
entre les enseignes de distribution (Ailawadi et Farris, 2017). Afin de savoir comment mieux
multiplier, combiner et intégrer les canaux de distribution et de communication, il est
recommandé de comprendre comment les comportements des consommateurs se transforment
dans cet environnement changeant. Selon Poncin (2008), les changements dans le système
commercial français et belge ont influencé le comportement des consommateurs.
L’intégration de la dimension digitale dans les stratégies de distribution (Vanheems, 2016) a
conduit à des modifications de comportement, ainsi qu’ont orienté fortement les
consommateurs à utiliser plusieurs canaux de distribution et de communication lors du
processus d’achat. D’après l’édition 2016 du Google Consumer Barometer, 84% des
consommateurs français cherchent des informations en ligne avant de faire un achat, alors
qu’ils n’étaient que 54% en 2007. Le consommateur a la capacité d’adopter des
comportements différents avec cette multiplication et intégration, c’est pourquoi la littérature
s‘est intéressée au comportement cross-canal du consommateur.
En effet, la littérature a mis l’accent sur l’évolution de tels comportements en se basant

notamment sur la navigation des consommateurs entre les canaux physiques et virtuels, voire
la migration entre eux pour le même processus d’achat (Dholakia et al., 2010 ; Rittinger et
Zentes, 2012 ; Vanheems et Bouzid, 2014 ). Certains auteurs ont abordé l’influence de la
fréquentation d’un canal de distribution comme le site Internet d’une enseigne sur le
comportement de consommateur au sein de point de vente associé (Konus, Verhoef et Neslin,
2008 ; Vanheems, 2009) tandis que d’autres ont cherché à comprendre les motivations des
consommateurs à mobiliser plusieurs canaux de distribution et de communication lors d’une
même expérience d’achat (Rittinger et Zentes, 2012 ; Vanheems et Bouzid, 2014, Belvaux et
Notebaert, 2015 ; Vanheems, 2016).
Selon Collin-Lachaud et Vanheems (2016), le terme de « cross-canal » est apparu dans la

littérature parce que celui de « multi-canal » n’était pas suffisant afin de décrire les relations
étroites que les chercheurs et les praticiens préconisent d’instaurer entre les différents canaux
de distribution et de communication. Le terme « multi-canal » indique l’utilisation de
plusieurs canaux par une même enseigne sans lien particulier entre eux. Pour Vanheems
(2010), le terme de « cross » renvoie à des notions « d’entrecroisements, de mélanges ». Elle
définit ainsi la stratégie « cross-canal » comme «la stratégie qui consiste à éliminer les
ruptures, quelle que soit leur nature (physique, émotionnelle, économique, cognitive …) lors
des changements de canaux par un client tout au long d’une même expérience avec une
enseigne ». Par ailleurs, certains auteurs (Zhang et al, 2010) soulignent que la mobilité totale
aux consommateurs entre les canaux de distribution online et offline est généralement appelée
de stratégie de vente de détail multi-canal intégré ou de vente de détail cross-canal. Montaguit
et Neslin (2011) soulignent que la stratégie de distribution cross-canal a changé et continue de
transformer le comportement des consommateurs face aux enseignes commerciales.
Vanheems et Bouzid (2014) montrent que depuis plus de quinze ans, la littérature marketing
s’intéresse à la compréhension la transformation des comportements des consommateurs face
aux multiplications, intégration et combinaisons des différents canaux de distribution et de
communication. Zhang et al. (2010) montrent que les distributeurs, en combinant leurs canaux
de distribution et de communication, visent à satisfaire les besoins et les attentes des
consommateurs en exploitant les avantages uniques et en comblant les inconvénients de
chaque canal. Heitz- Spahn (2014) définit le comportement cross-canal comme « des allers-
retours entre canaux au cours d’un même processus de décision et peuvent consulter
plusieurs sources de manière simultanée à l’aide d’un Smartphone ». Pour Piercy (2012), ce
comportement est defini comme « the way in which customers behave when faced with
multiple purchase channels ». Le consommateur adopte un comportement cross-canal lorsque
le canal de préparation de l’achat est différent du canal d’achat, ou lorsque le consommateur
consulte plusieurs canaux de distribution et de communication durant la phase de préparation
de l’achat, un canal pour l’achat et un autre canal pour récupérer l’achat. Comme nous l’avons
mentionné auparavant, lorsque le consommateur fréquente un seul type de canal pour faire
l’achat, son comportement est mono-canal (Heitz-Spahn et Filser, 2014).
En effet, ces définitions font référence à l’adoption de nouveau comportement du
consommateur qui engendre une division de leur processus de décision d’achat et une
fragmentation de leur vécu auprès de l’enseigne. Par ailleurs, les différents canaux de
distribution et de communication mis à la disposition des consommateurs dans les différentes
phases de processus d’achat peuvent conduire à des changements de comportement des
consommateurs (Heitz-spahn ,2011). Rittinger et al. (2012) démontrent que le comportement
cross canal uniforme du consommateur européen n’existe pas. Leur recherche se base sur une
enquête en ligne à grande échelle auprès de consommateurs qui a été réalisée dans les quatre
plus grands marchés de détail européens. Ces auteurs se concentrent sur deux principaux
comportement cross canal : le préachat cross canal (le comportement ROPO) et le
comportement Click & Collect.

1.2.2.2 Préachat cross canal (le comportement ROPO)

Rittinger et al. (2012) indiquent que le préachat cross-canal peut prendre deux formes
différentes. Premièrement, le comportement ROPO (Research Online/ Purchase Offline) ou
la recherche de préachat en ligne. Ce comportement émerge si le consommateur réalise une
partie de sa préparation de l’achat online avant de se rendre dans le magasin. Deuxièmement,
le comportement ROPO (Research Offline/ Purchase Online) ou la recherche de préachat hors
ligne. Ce comportement émerge si le consommateur effectue une partie de sa préparation de
l’achat offline en se rendant dans le magasin pour voir ou toucher le produit.
1.2.2.3 Le comportement Click & Collect :
Vyt et al. (2017) soulignent que le Click & Collect a été proposé pour les consommateur
français afin de faire leurs achats depuis 2001. Rittinger et al. (2012) montrent que le Drive
présente le meilleur exemple pour clarifier le service de click& collect. Selon ce dernier, le
consommateur se connecte à un site Web spécifique, il constitue sa commande et choisit un
horaire pour aller la récupérer. Ensuite, il se rend en voiture à une station de chargement
prédéfinie et attend que ses courses soient déposées directement dans son coffre en quelques
minutes (Vyt et al., 2017). Dans ce contexte, le consommateur bénéficit de la combinaison
des avantages du magasin physique aves ceux d’une boutique en ligne (Beck et Rygl, 2015).
Cette vision vise à faciliter les interactions entre les canaux, afin qu’ils développent une
relation forte et durable avec les clients et la performance commerciale globale pour les
entreprises. Le click & collect consiste alors à faciliter le processus d’achat du consommateur
à travers les différents canaux de distribution et de communication. Chatterjee (2010) et
Rittinger et al. (2012) confirment l’importance et la popularité croissante de ce comportement
click & collect en Europe ainsi qu’aux États-Unis et ses effets positifs sue la fidélité des
consommateurs et la rentabilité des entreprises. Vyt et Cliquet (2016) soulignent que le
consommateur délègue aux distributeurs le soin de préparer sa commande en passant du libre-
service au service libre. Par ailleurs, le click & collect participe d’un renouveau des aspects
transactionnels et économiques de la relation de service développée par les grandes et
moyennes surfaces avec les consommateurs, en plus il contribue à créer une nouvelle
expérience avec le consommateur, cette expérience devient aujourd’hui la composante
fondamentale de la relation client (Mevel et Morvan, 2015).
En effet, l’intérêt de ce comportement pour les consommateurs est de gagner du temps tout en
évitant de se déplacer dans les rayons, et d’attendre aux caisses. Par ailleurs, ce
comportement permet aux consommateurs d’aller à l’essentiel car ils achètent uniquement ce
dont ils ont besoin sur le moment.

Conclusion de la section
Cette section était l’occasion de présenter brièvement les différentes stratégies de distribution
mono, multi et cross-canal. Nous avons souligné que la stratégie de distribution cross-canal
consiste alors à faciliter le processus d’achat du consommateur à travers les différents canaux
utilisés. Face à cette multiplication des canaux dans le contexte de distribution cross-canal, les
consommateurs cherchent à les utiliser de façon intégrée, à passer de l’un à l’autre selon les
avantages perçus (Collin-Lachaud et Vanheems, 2016). Lemon et Verhoef (2016) soulignent
que les managers ont besoin de mieux connaître la façon dont le consommateur navigue entre
les différents canaux de distribution et de mieux comprendre les raisons profondes des
parcours qu’il a choisis.
Après avoir exposé différents travaux s’intéressant à l’analyse du comportement du

consommateur dans un environnement à plusieurs canaux, il convient d’analyser, dans le
paragraphe suivant, les principaux concepts de nouvelle forme de distribution (le Drive) qui peut
jouer un rôle très important dans le comportement du consommateur. Qu’est-ce qu’un Drive ?
Quels en sont les différents modèles ?
2 Les théorisations de l’innovation dans le commerce de détail :

Drive
Le développement d’une stratégie de différenciation efficace se base de plus en plus sur la
création d’un lien durable avec les consommateurs. Afin de maintenir une relation spéciale
avec ces derniers, les responsables d’un point de vente essayent de créer une expérience
d’achat globale (Lemoine, 2003). Au cours des cinquante dernières années, le secteur de la
grande distribution a connu une croissance soutenue principalement par l’introduction de
nouvelles formes de distribution. Ainsi, les distributeurs ont tendance à développer de
nombreux formats de distribution pour multiplier les contacts avec les consommateurs.
Dans cette section, nous nous concentrerons dans un premier temps sur les différentes
typologies de l’innovation commerciale recensées par la littérature (Choukroun 2012 ; Gallouj
2007 ; Den Hertog et al., 2000 ; Dupuis 2002 ; Dawson, 2000). Ensuite, nous nous
intéresserons à la littérature relative à l’analyse de la dynamique des formes de distribution
dans le commerce de détail. Enfin, nous nous focaliserons sur la nouvelle forme de
distribution (le Drive).

2.1 L’innovation dans le commerce de détail

Berry et Depuis (2005) affirme que l’innovation est un des facteurs clés de suivre et de
développer d’une entreprise. De leur coté De Ramecourt et Pons (2001) soulignent que « qui
innove aujourd’hui, vivra demain ». D’ailleurs, l’innovation est reconnue comme un moyen
important et vital pour les entreprises, qui peut conduire à assurer le développement de celles-
ci, à renforcer leur compétitivité et leur rentabilité, à promouvoir leur pérennité et leur
croissance, à gagner des positions concurrentielles, à améliorer leur résultat commercial et à
rehausser leur niveau de performance globale (Choukroun, 2012).
En effet, nous cherchons à analyser le développement de l’innovation commerciale en ce qui

concerne des attentes des consommateurs. Nous présenterons seulement les typologies
pertinentes dans le cadre de notre analyse, nous nous concentrerons notamment sur les
travaux de Dawson (2000), Dupuis (2002), Den Hertog et al. (2000), Gallouj (2007) et
Choukroun (2012).
2.1.1 La typologie de Dawson (2000) : innovation et compétitivité dans le commerce

Dans une étude exploratoire, Dawson (2000), qui met l’accent sur la configuration futur du
commerce en Ecosse, propose une typologie intéressante de l’innovation dans le commerce de
détail. En général, Dawson (2000) considère l’innovation comme étant liée aux
développements internes dans l’entreprise.
Dans son étude, Dawson souligne que la recherche de compétitivité s’est accrue. Ainsi, son
analyse premièrement se concentre sur les moyens qui peuvent améliorer la compétitivité
commerciale. D’après son analyse, l’innovation dans le commerce de détail apparaît comme
un très important moyen parmi d’autres qui contribue à accroitre la compétitivité
commerciale. Cet auteur souligne que l’innovation se compose de quatre catégories comme
suit : l’innovation de format, l’innovation technologique, l’innovation de process et enfin
l’innovation de produit.
De son côté, Gallouj (2007) souligne que la typologie proposée par Dawson est intéressante,
mais cette typologie néglige les combinaisons qui peuvent être réalisées entre ces différents
types d’innovation commerciale.
2.1.2 La typologie de Dupuis

La typologie de Dupuis (2002) se base sur les réflexions menées par Badot et Cova (1992) et
Abernathy et Clark (1985). L’auteur suggère un cadre d’analyse adapté aux activités
commerciales en distinguant les innovations de concept, de flux, d’organisation et de relation.

D’ailleurs, l’auteur montre que la combinaison des quatre types d’innovation précédents,
notamment au niveau des groupes de distribution, peut être définie comme une innovation
architecturale. Pour Galouj (2007), la grande distribution est de plus en plus confrontées à ce
type d’innovation de nature combinatoire. Ce type d’innovation a le potentiel d’offrir aux
entreprises la possibilité d’obtenir un avantage important sur leurs marchés. Il est à noter que
cette typologie a été reprise par l’INSEE (L'Institut National de la Statistique et des Etudes
Economique) dans le cadre d’une enquête nationale sur le commerce menée en France.
2.1.3 La typologie de Den Hertog et al. (2000)

Cette typologie de Den Hertog et Brouwer se caractérise par une plus de grande lisibilité et
permet de prendre en compte les interactions entre les différents types d’innovation (Gallouj,
2007). Selon les auteurs, cette typologie d’innovation se base sur l’analyse l’innovation dans
les services et le commerce par ce qu’il appelle « le modèle d’innovation à quatre
dimensions » (« 4-D model »).
Ce modèle se distingue des précédents par le fait qu’il est global et ne s’intéresse pas
uniquement au commerce. D’ailleurs, ce modèle se compose de quatre formes d’innovation
commerciale : un nouveau concept de service, une nouvelle interface client, un nouveau
système de distribution et enfin ce que les auteurs appellent une option technologique.
Dans cette optique, l’innovation architecturale, selon Dupuis, se rapproche du modèle de Den
Hertog et de Brouwer . Gallouj (2007) montre que la plupart des innovations commerciales
sont une combinaison de concept, de technologie, d’organisation, etc. qui sont mises au point
en relation et interaction avec le consommateur final.
Dans tous les cas, ces différentes dimensions de l’innovation commerciale, la typologie de
Den Hertog et Brouwer, interagissent les uns avec les autres. Ainsi, il semble très difficile de
préciser laquelle de ces quatre dimensions est la plus importante dans l’innovation
commerciale.
2.1.4 La typologie de Gallouj

La typologie de Gallouj (2007) se base à la fois sur les travaux précédents et sur différentes
données d’enquêtes pour proposer la typologie des innovations suivante. Cette typologie nous
conduit à mettre en évidence les sept domaines ou formes d’innovations suivantes (voir
tableau 3) :
 Les nouvelles méthodes de vente ;
 Les nouveaux concepts ou nouveaux formats de magasins ;

 Les nouveaux produits et nouveaux services distribués dans et par le magasin

(innovation de marché) ;
 Les nouveaux produits et nouveaux services (mis au point par les distributeurs ou à
leur initiative) ;
 Les nouveaux process (ou nouvelles formes d’organisation et de fonctionnement) à
l’intérieur d’un même format ;
 Les nouveaux process (ou nouvelles formes d’organisation et de fonctionnement)
externes ;
 Les applications et utilisations de nouvelles technologies (à l’intérieur d’un même
format ou dans l’environnement — clients, fournisseurs, autres magasins — du format
considéré). (Gallouj,page 98).
Tableau 3 : La typologie de Gallouj (2007)

 Domaines d’innovation  Exemple de mise en œuvre
 Nouvelles méthodes de vente  La distribution ou vente automatique et les

magasins robots
 La télévente ou le téléachat
 Le supermarché à domicile
 Nouveaux concepts ou nouveaux  Grand magasin

formats de magasin  Magasin populaire
 Supérette
 Supermarché
 Hypermarché
 Grande surface spécialisée
 Hard discounter
 Spécialiste alimentaire
 Boutique spécialisée non alimentaire
 Nouveaux produits et nouveaux  Nouveaux produits - nouveaux rayons

services distribués dans et par le (microinformatique, téléphonie,
magasin (innovation de marché) paramédical, billetterie, jardinage…)
 Station de distribution d’essence
 Services financiers (cartes de crédit…)
 Agences de voyage
 Nouveaux produits et nouveaux  Marques propres

services (mis au point par les  Produits génériques
distributeurs ou à leur initiative)  Marques d’enseignes
 Nouveaux processus (ou  Juste à temps

nouvelles formes d’organisation  Cercles de qualité
et de fonctionnement) à l’intérieur  Normes de type ISO
d’un même format

 Nouveaux process (ou nouvelles  Constitution de méga-centrales d’achat

formes d’organisation et de  Pratiques d’internalisation ou
fonctionnement) externes d’externalisation de la chaîne logistique ou
encore d’autres fonctions (informatique,
ressources humaines, formation…)
 Applications et utilisations de  Machines-outils

nouvelles technologies (à  PAO, CAO
l’intérieur d’un même format ou  Services en ligne, e-commerce
dans l’environnement – clients,  Technologie améliorant la chaîne du froid
fournisseurs, autres magasins – du  Bornes interactives
format considéré).  Self-scanning
Source : Gallouj (2007)
L’auteur précise qu’il existe d’importantes interactions entre ces différents types d’innovation.
D’après Gallouj, les nouvelles formes de distribution (nouveaux concepts ou encore nouveaux
formats de magasins) constituent une dimension intégratrice ou combinatoire de la plupart des
autres formes. Ainsi, il va dans le sens du modèle de Den Hertog et al. (2000) et de
l’innovation architecturale de Dupuis (2002).
Plusieurs méthodes de vente ou nouvelles formes de distribution ont été présentées par
Gallouj (2007), telles que la distribution ou vente automatique et les magasins-robots, la
télévente ou le télé-achat ou le supermarché à domicile.
Il souligne que les nouveaux concepts ou formats de magasins ont un impact sur l’ensemble
des compositions totales de la filière, car ils se basent sur les évolutions de mode de vie et de
consommation de ménages. Concernant la dimension technologie, Gallouj indique qu’elle
occupe un rôle transversal, tandis que les méthodes de vente peuvent incorporer ou non des
nouvelles technologies, tout comme les nouveaux concepts, les nouveaux produits et services
ainsi les nouveaux process.
Enfin, les applications et utilisations de nouvelles technologies sont considérées comme le

dernier type d’innovation commerciale mentionnée par Gallouj (2007). Ce type d’innovation
commerciale est très important et touche toutes les fonctions de la distribution mais cette
innovation ne dépend pas exclusivement des TIC. Plus précisément, 43% des innovations
commerciales sont non technologiques, et 26% de ces innovations sont non technologique
mais s’appuient sur des technologies.6
6
Costes et Missègue, 2002, auteurs cités par Gallouj, 2007.

2.1.5 La typologie de Choukroun (2012)

En effet, la typologie d’innovation commerciale proposée par Choukroun (2012) se
caractérise par une vision plus pratique et plus pragmatique de la distribution.
Selon Choukourn (2012), en plus du prix qui considère l’un des facteurs-clés de succès pour
les distributeurs, toutes les entreprises doivent toujours innover en jouant sur sept domaines-
clés : le produit, le concept, l’animation, le lien client, le modèle d’organisation, la roue de la
productivité et la relation.
En effet, cette typologie d’innovation permet une meilleure prise en compte des
problématiques actuelles rencontrées par le secteur de distribution, notamment en ce qui
concerne l’intégration des nouvelles technologies telles la conception des produits et la
relation avec les consommateurs.
En bref, les typologies d’innovation elles-mêmes ont ainsi évolués au cours de la dernière
décennie, accompagnant la volonté et la nécessité pour les distributeurs de mieux développer
leur stratégie d’innovation. Ce développement se reflète par les différents travaux d’experts de
l’analyse marketing qui traduisent la montée du rôle stratégique de l’innovation. Par ailleurs, à
travers les développements précédents, nous constatons qu’il s’agit plus d’expliquer la
diffusion des innovations que de connaître les mécanismes et les raisons qui conduisent les
consommateurs à adopter cette innovation. C’est pourquoi, nous allons mettre en évidence,
par la suite, les recherches s’intéressant à l’analyse de la dynamique de formes de distribution.
2.2 L’analyse de la dynamique des formes de distribution dans le

commerce de détail
Filser et al. (2012) soulignent que si les formes de distribution au détail avaient été
caractérisées par une remarquable stabilité entre l’antiquité et le milieu du XIXe,
l’accélération du rythme des innovations dans le commerce de détail depuis l’apparition du
grand magasin vers 1850 constitue l’un des principaux enjeux pour la stratégie des firmes de
distribution modernes.
En effet, ce développement de l’innovation commerciale apparaît comme un moyen de
déplacer la compétition entre les enseignes. Mais ce développement requièrt d’importants
investissements qui peuvent être risqués. De ce fait, ce paragraphe est consacré à la
présentation et à la justification du cadre d’analyse retenu dans notre recherche qui souhaite
contribuer à la compréhension et à l’explication la dynamique des formats de distribution.
Binninger (2013) avance que ces formats de distribution évoluent et amènent des

modifications des appareils commerciaux nationaux et internationaux. De leur côté, Filser et

al. (2012) affirment que ces modifications de l’appareil commercial ont inspirés de nombreux
travaux cherchant à expliquer le processus d’évolution du commerce de détail.
Afin de comprendre ces évaluations, nous nous basons sur deux courants d’analyse
principaux. Le premier courant, que nous qualifions de mécaniste, s’efforce de dégager un
principe général d’évolution de toutes les formes de distribution. Alors que le second courant
se focalise sur les modèles d’analyse stratégique d’évolution des formes de vente.
2.2.1 Les modèles de l’innovation dans le commerce de détail selon l’analyse mécaniste
Les approches mécanistes ont connu un plus grand niveau de diffusion du fait de leur tentative
de construire des modèles généraux de l’innovation dans le commerce de détail. Elles se
caractérisent des autres approches par un caractère cyclique et répétitif.
Binninger (2013) montre que ces approches se basent sur des concepts temporels comme celui
du cycle de vie (Davidson et al., 1976), de la roue de distribution (Mc Nair, 1985)7, et de
l’accordéon (Hollander, 1966) qui permettent une représentation simplifiée de la dynamique
des formes de vente. Des Garets (2007) souligne aussi que ces trois modèles ont un réel
succès et sont encore intéressants et valables malgré leur grand âge.
Nous allons exposer successivement ces trois modèles :
2.2.1.1 Le modèle de la roue de la distribution

Ce modèle montre que toutes les formules de vente apparaissent sur le marché en tant que
formule discount, parce que ces formes de vente tentent de relever le défi mondial des prix
bas. Ce principe général s’applique à une majorité d’innovations dans le commerce de détail :
la vente par catalogue, le magasin populaire, le supermarché discount, l’hypermarché, le hard
discount sont tous apparus sur le marché avec un positionnement par des prix plus bas que
ceux des distributeurs établis.
En plus, les services qui sont proposés génèrent des coûts d’exploitation supplémentaires. Ces
derniers conduisent les distributeurs à augmenter leur prix de vente pour maintenir leur
profitabilité. Enfin, cette formule va devenir vulnérable, parce qu’elle peut être menacée par
les nouvelles formes de distribution qui pratiquent des marges plus basses en maîtrisant
mieux leur coût, et ainsi de suit un mouvement de type circulaire d’où le terme de roue. La
figure 2 présent les trois phases par lesquelles passerait une formule de vente : une phase
7
Les auteurs cités par Schultz (2013)

d’entrée, une phase de montée en gamme ou montée en puissance et une phase de

vulnérabilité.
Figure 2: Modèle de la roue de la distribution de Mc Nair (1958)
Pour Evans (2011), le modèle de la roue de la distribution se base sur quatre principes, à
savoir : Premièrement, les consommateurs qui sont sensibles aux prix. Deuxièmement, ce qui
concerne la fidélité, ces consommateurs différent de ceux qui sont sensibles aux services mis
à leur disposition et aux marque. Cette différence se présente par deux points la fidélité et la
qualité de service. Troisièmement, les formes de distribution maturées ont des coûts
d’exploitation supérieurs aux nouvelles formes de distribution. Le quatrième principe se
manifeste par le fait que les distributeurs se déplacent le long de la roue, parce qu’ils ont
intention d’élargir leur marché et d’améliorer leur image. De nombreux auteurs ont adopté ce
modèle en montrant l’évolution de différentes formes de distribution aux Etats-Unis (Appel,
1972 ; Goldman, 1975 ; Hirschman, 1978, 1979)8 ou en France (Filser, 1984 ; Dupuis, 1991)9.
Par ailleurs, ces recherches soulignent donc que le modèle de la roue de la distribution a une
capacité explicative en ce qui concerne de nombreuses innovations développées au sein du
commerce de détail. Mais en dépit de ces recherches qui ont adoptés le modèle de la roue de
la distribution, ce dernier a été l’objet de nombreuses critiques. Dans leur étude, Mc Nair et
May (1978) démontrent que ce modèle néglige toutes les dynamiques de l’évolution du
8
9

commerce de détail et ne prend pas en compte les tendances de l’environnement. En plus, en

mettant l’accent sur l’innovation par les marges et les prix, ce modèle ignore les innovations
par les différenciations. D’ailleurs, Gallouj (2007) avance les arguments suivants à l’encontre
du schéma de la roue : 1) la diversité des innovations commerciales ne se limite pas à une
seule dimension (le prix bas), ce modèle néglige l’innovation de qualité, de service et
d’ambiance. 2) l’absence de prise en compte de variables contingentes comme la taille des
entreprises opérant dans le marché.
Après avoir exposé que le modèle de la roue de la distribution, nous nous attachons, dans ce
qui suit, à présenter l’évolution des formes de vente dans le commerce de détail à travers le
temps passé par la manipulation d’autres variables d’action. L’évolution des assortiments sert
de base à un second modèle mécaniste de l’évolution des formes de vente : le modèle de
l’accordéon.
2.2.1.2 Le modèle de l’accordéon fondé sur l’assortiment:

Le modèle de l’accordéon a été proposé par Hollander (1966)10. Cet auteur démontre le rôle
de l’assortiment proposé dans l’explication de la dynamique des formes de vente.
Cet auteur considère que les formes de vente se succèdent en alternance périodique entre
forme de commerce dont l’offre est large (généralisation) et forme de commerce offrant des
assortiment étroits et profonds (spécialisation), dans un processus d’aller et retour continus, ce
qui renvoie à l’image de l’accordéon. La figure 3 ci-dessous présente ce modèle
10
L’auteur cité par Schultz (2013)

Figure 3: Le modèle de l’accordéon
A cet égard, nous constatons que, d’une part, le principe cyclique sert de base à ce modèle
mécaniste. D’autre part, chaque forme de vente dépend de la faiblesse de l’autre forme. En
plus, en se basant sur le développement du commerce de détail, il est vrai qu’après
l’apparition des hypermarchés, on a vu se développer les grands spécialistes et les
hyperspécialises.
Compte tenu du fait que ce modèle suppose une alternance entre des formes de vente
généralisation et spécialisation, Hollander (1966)11 souligne, d’une part, que la stratégie de la
diversification est attractif à la fois aux distributeurs qui peuvent ajouter des assortiments
rentables, et aux consommateurs qui pourront faire la majorité de leurs courses sous un même
toit. D’autre part, l’auteur précise que la stratégie de spécialisation se développe aussi. A ce
propos, certains auteurs indiquent qu’il y a plusieurs phénomènes qui peuvent favoriser la
stratégie de spécialisation au détriment de la stratégie de généralisation, à savoir : 1) les
tentatives de mise en place d’assortiment large ont été infructueuses ; 2) la plupart de
consommateurs préfèrent les formes de distribution plus petites comprenant un assortiment
plus ciblé (Hollander, 1966 ; Evan ,2011).
11
L’auteur cité par Schultz (2013)

Mais, malgré les recherches qui confirment cette théorie, il existe aussi des situations où ce
modèle semble insuffisant. Tout d’abord, Hart (1999) affirme que ce modèle requiert le
développement d’indicateurs fiables de la structure des assortiments. Cet auteur se base sur le
fait selon lequel il y a des réelles difficultés de validations empiriques du modèle (il y a que
les recherches qualitatives qui soutiennent ce modèle). Autrement dit, le modèle de
l’accordéon se concentre sur l’assortiment de produit qui considère l’un des aspects du
développement du commerce de détail.
Pour ce que nous avons précédemment cité, nous nous intéressons, dans ce qui suit, à mettre
en évidence le modèle du cycle de vie des formats de distribution qui peut être utilisé pour
décrire l’évolutin des formes de vente dans le commerce de détail.
Le modèle du cycle de vie des formes de distribution :
Filser et al (2012) mentionnent que la métaphore du cycle de vie peut être utilisée pour décrire
l’évolution d’une forme de vente dans le commerce de détail. Le modèle du cycle de vie des
formes de distribution a été introduit par Levitt (1965).Il a été appliqué pour déterminer les
stratégies d’adaptation et changement que suivent les distributeurs afin de réaliser un niveau
de profit adéquat (Davidson et al,. 1976).
Pour Vandercammen et Jospin-Pernet (2010), le distributeur doit intervenir à chaque moment

du cycle de vie de la distribution de manière à adapter sa formule aux besoins du
consommateur.
Par ailleurs, ce modèle est dérivé de la notion de cycle de vie des produits en marketing
(Dupuis et Dioux, 2009 ; McGoldrick, 2002). L’idée que les formes de distribution ont,
comme les produits de consommation ou de service, une durée de vie, avec une phase de
naissance, de croissance, de maturité et de déclin (Davidson et al, 1976 ; Vandercammen et
Jospin-Pernet, 2010). La figure 4 ci-dessous présente ce modèle :

Figure 4: Le modèle du cycle de vie
Source : Vandercammen et Jospin-Pernet (2010)
Malgré le fait que le modèle du cycle de vie apparaisse être un bon outil explicatif de
l’évolution des formes de vente dans le commerce de détail, et un processus d’évolution
naturel qui ne peut pas être arrêté, ce modèle n’échappe pas à certaines critiques. Ceci peut
être attribué au fait que ce modèle ne réussit pas à expliquer la tendance à la réduction de la
durée du cycle de vie des innovations.
En outre, selon ce modèle, la notion de cycle de vie n’a pas été pas précisée s’il agit du cycle
de vie d’une forme de vente, d’une enseigne ou de l’entreprise ayant développé cette forme de
distribution.
Les analyse mécanistes, et principalement la roue et l’accordéon de la distribution, ont permis

de souligner l’importance des variables prix et assortiment dans l’explication de l’évolution
des formes de vente dans le commerce de détail. Alors que, le modèle du cycle de vie se base
sur un principe fortement déterministe.
Ce dernier suppose que la forme de vente a une durée de vie. Autrement dit, ces trois modèles
ont principalement une finalité descriptive : ils proposent une représentation simplifiée de la
dynamique du marché, sans propose l’explication de cette dynamique (Lavy et al, 2005). Pour
contourner ces limites, certains auteurs ont développé des modèles plus généraux adoptant
comme bases théoriques les modèles d’analyse stratégique de la firme. Nous exposerons ces
modèles dans la suite.

2.2.2 Les analyses stratégiques de l’évolution des formes de vente dans le commerce de
détail
Les modèles stratégiques se caractérisent par leur caractère plus opérationnel que celui qui a
été montré dans les modèles présentés précédemment. Filser et al (2012) soulignent que le
développement des recherches consacrées au commerce de détail adoptant les théories du
marketing a conduit à un défi pour les modèles mécanistes au profit d’une réflexion
stratégique dont l’entreprise devient l’unité d’analyse. Selon les auteurs, « en effet, une forme
de vente peut être analysée comme une combinaison d’un ensemble d’attributs (prix,
assortiment, service) destinée à répondre aux attentes d’une segment du marché. Mais, il est
encore nécessaire que la forme de distribution parviennent à mettre en œuvre un ensemble de
ressources techniques, financière et humaines pour traduire ce positionnement en des termes
perceptibles par le consommateur, de sorte qu'elle dispose d'un avantage concurrentiel sur le
marché » p 49-50.
De ce fait, nous nous attachons à aborder les deux analyses qui nous apparaissent les plus
significatives : le modèle de Filser (1985) et le modèle du Big Middle développé par Levy et
al (2005).
2.2.2.1 Le modèle stratégique de Filser

Filser (1985.1989)12 avance un modèle stratégique en ce qui concerne l’évolution des formes
de vente. Cette évolution tient en compte tant des caractéristiques (économiques,
psychologiques et démographiques…) et attentes des consommateurs (avantages recherchés)
que des caractéristiques traditionnelles (localisation, prix, assortiment, service) et perçues de
la forme de vente (analyse du positionnement).
12
Filser (1985.1989) cité par Schultz (2013)

Selon le modèle de Filser, la comparaison entre les caractéristiques de l’offre d’un distributeur
avec celles des autres distributeurs et avec les attentes des consommateurs est considéré un
facteur très important pour identifier des axes de différenciation par rapport à la concurrence.
En plus, ce modèle est complémentaire aux modèles traditionnels parce que nous sommes
capables d’expliquer l’adoption d’une autre forme de distribution en se basant sur les attentes
des consommateurs.
Par conséquence, l’innovation dans le commerce de détail selon ce modèle peut être perçue
comme une offre innovante des distributeurs correspondant aux nouvelles attentes des
consommateurs. De son côté, Gallouj (2007) affirme que ce modèle permet simplement de
prendre en compte les déterminants de l’innovation. Autrement dit, ce qui pousse les firmes à
innover.
Après avoir exposé que le modèle de Filser se base sur les attentes des consommateurs, nous
nous attachons, dans ce qui suit, à présenter le modèle du Big Middle (Levy et al, 2005) qui
explique comment les formes de vente apparaissent et se développent en se focalisant sur le
positionnement des enseignes et les réactions des distributeurs.
2.2.2.2 Le modèle du Big Middle
Le concept de Big Middle a été introduit par Levy et al. (2005) pour proposer une analyse
dynamique de l’évolution du commerce de détail. Selon les auteurs de cette théorie, la
majorité des enseignes de la grande distribution développent des stratégies qui les font
converger vers une position au centre du marché, combinant une offre large et des prix assez
attractifs en moyenne. Autrement dit, la position occupée par une forme de vente ou une
enseigne sur un marché dépend de deux décisions de positionnement : la première concerne le
prix relatif pratiqué par rapport aux concurrents, l’autre traduit la différenciation qualitative de
l’offre par rapport à celle des concurrents (Filser et al, 2012). D’ailleurs, cette théorie
s’attache à observer les pratiques des distributeurs.
Selon le modèle du Big Middle le marché de la distribution a été découpé en quatre segments
en se basant sur les caractéristiques des stratégies choisies par les distributeurs : l’innovation,
Big Middle, le discount et les difficultés (Figure 5).

Les distributeurs du Big Middle prospèrent grâce à leur rapport qualité/prix et le segment des
distributeurs en difficultés peine à créer de la valeur pour les consommateurs et à être
compétitif par rapport à leurs concurrents.
Figure 5: L modèle du Big Middle
Source : Filser et al, (2012)
Filser et al (2012) soulignent la contribution de cette théorie à l’explication de la dynamique

du commerce de détail. Cependant, Lavy et al (2005) avancent que cette fonctionnements ne
suffit pas aux détaillants à conserver son avantage initial, soit en terme d’avantage coût, soit
en terme de différenciation.
Autrement dit, les distributeurs opérant le Big Middle doivent ainsi affronter des concurrents
développant un avantage prix et d’autres qui se différencient par la sophistication de leur offre
de produits et de service en magasin. En conséquence, le Big Middle est essentiellement un
lieu hautement compétitif.
Depuis la fin des années 2000, le Drive est devenu comme une offre innovante de bon rapport
qualité/prix en atteste un grand nombre d’enseigne fraîchement développées : Auchan Drive,
Carrefour Drive, Casino Drive, Chrono Drive, Cora Drive, Courses U, le Drive Intermarché et
Leclerc Drive.

En effet, cette théorie nous permet d’adopter une vision explicative de l’évolution de forme de
vente dans le commerce de détail. Il semble que cette théorie soit la plus pertinente dans
l’explication de l’essor du Drive. De plus, les évolutions des attentes des consommateurs,
ainsi que les effets combinés de la concurrence dans le marché aident les distributeurs à
adopter une nouvelle forme de vente (le Drive.
Après avoir exposé différents travaux s’intéressant à l’analyse de la dynamique des formes de
distribution dans le commerce de détail, il convient d’analyser, dans la suite, les principaux
concepts de cette nouvelle forme de distribution (le drive) qui peuvent jouer un rôle très important
dans le comportement du consommateur. Qu’est-ce qu’un drive ? Quels en sont les différents
modèles ?
2.3 Le Drive nouveau moteur de la grande distribution

Après avoir présenté les typologies d’innovations commerciales et l’analyse dynamique des
formes de vente dans le commerce de détail, nous nous interrogeons sur ce qu’est le Drive.
Selon une étude menée en 2017 par la FEVAD et Nielsen en France, 1 foyer sur 4 déjà fait
leurs courses en utilisant ce canal de distribution. En plus, en janvier 2018, la France compte
4343 Drive contre seulement 38 Drive en 2008. Aujourd’hui, aucune enseigne de la grande
distribution ne possède pas de Drive.
Ainsi, nous nous intéressons à expliquer le concept du Drive comme une innovation
commerciale ou un nouveau canal de distribution qui permet aux consommateurs de
rationaliser leurs achats effectués en hypermarché et en supermarché, ainsi que les différents
modèles du Drive.
2.3.1 La définition du Drive

Le Drive est un concept récent de courses par Internet, directement inspiré par le
système « Drive in » des fast-foods. Selon ce concept, les enseignes de distribution proposent
aux consommateurs un service innovant en leur permettant de commander leurs achats en
ligne depuis leur domicile ou leur travail, etc..., puis se déplacer pour les chercher en voiture
sur un point d’approvisionnement selon le modèle du Drive, dans un délai de deux heures
seulement une fois la commande passée. Ensuite, la livraison se fait en quelques minutes, sans
même que les consommateurs aient besoin de quitter leur voiture (Vyt et al., 2017 ; Vyt,
Cliquent, 2016 ; Mevel et Morvan, 2015 ; Hetz et al, 2011). En dépit de sa nouveauté, chaque
année le Drive séduit plus en plus de consommateur. En 2017, plus de 6 millions de famille
française se sont laissés tentés par ce nouveau system commercial.13
13
Source : Kantar World Panel.

Selon la magasine LSA, l’expansion du parc du Drive est très rapide, ainsi que leur part du
marché est en constante augmentation, comme le montre le tableau 4 ci-dessous.
Tableau 4 : La part du Drive du marché (PDM)

Année PDM %
2011 0.7 %
2012 2.9 %
2014 3.9%
2015 4,9%
2016 5,4%
2017 5,7%
Source : LSA 2015 ; 2016 ; 2017
Désormais, ce nouveau canal de distribution est proposé par de nombreux distributeurs

(Auchan Drive, Carrefour Drive, Casino Drive, Chrono Drive, Cora Drive, Courses U, le
Drive Intermarché et Leclerc Drive, etc…). La figure 6 ci-dessous présente le nombre de
Drives en 2017, ainsi que le chiffre d’affaires de 2012 jusqu’à 2017 selon l’enseigne.

Figure 6: Le nombre des Drives en 2017
Source : d’après Dauvers, 2018
2.3.2 Les raison de l’essor et du développement du Drive

Selon Paché (1999), la relation aux consommateurs constitue un facteur clé de la
compétitivité des entreprises dans le commerce de détail. Pour cela, nous pouvons considérer
que l’originalité du commerce Business-to-Consumer (B to C) réside dans la conjugaison
d’une nouvelle forme de vente et d’une nouvelle forme de distribution (Marouseau, 2011).
Dans le commerce traditionnel, le consommateur va à la marchandise, alors que en commerce
électronique, c’est le contraire, le distributeur va vers le consommateur (Issac et Volle, 2011).
D’ailleurs, depuis quelques années, les courses dans les grandes surfaces sont perçues comme
des visites corvées plus que comme des visites plaisir.
Pour contourner ces difficultés et pour toucher plus de consommateur, les enseignes de
distribution développent de nouvelle forme de distribution s’appuyant sur le e-commerce « le
concept du Drive ». Ce dernier constitue une solution optimale dans le commerce de détail à
la fois pour les consommateurs et pour les distributeurs.
D’ailleurs, Colla et Lapoule (2011) et Picot-Coupey et al. (2009) soulignent que ce nouveau
système de distribution permet aux distributeurs de résoudre le problème du dernier kilomètre.

De plus, cette nouvelle forme de distribution va en accélérant en raison du faible coût de

distribution ainsi que l’absence de demande d’autorisation. Cela nécessite seulement un
entrepôt pour stocker les marchandises, ainsi qu’un parking où les consommateurs viennent
retirer leurs courses (Mevel et Morvan, 2015).
En effet, ce modèle logistique du Drive exprime la volonté des distributeurs, qui souhaitent
être proches du consommateur, afin de développer et maintenir la qualité de sa relation avec
sa clientèle. Selon Vargo et Lusch (2008), ce type d’innovation, qui se définie non pas comme
un produit de l’entreprise, mais comme une meilleure façon de servir les consommateurs, a un
impact sur le comportement du consommateur.
Nombreux sont les consommateurs qui considèrent les courses comme une contrainte et
cherchent à s’en libérer le plus rapidement possible afin de pratiquer d’autres activités (Mevel
et Morvan, 2015 ; Ghesquière, 2011). Dans le contexte actuel, Colla et Lapoule (2011)
montrent que les consommateurs ont le choix entre deux modes de livraison. La première, la
plus traditionnelle, est la livraison à domicile (LAD), et le second est la livraison hors
domicile (LHD). Selon la première mode (LAD), le livreur dépose le colis au domicile du
consommateur. Alors que la deuxième mode de livraison (LHD) consiste à laisser le
consommateur aller récupérer ses courses à un endroit donnée, hors de son domicile. Mais, si
la livraison à domicile constitue le facteur principal à l’origine de la praticité et du gain de
temps recherchés par les consommateurs, elle est tenue à des contraintes de logistique ( tel le
respect de la chaîne froide), et elle est très coûteuse pour les distributeurs et en temps pour les
consommateurs. Par ailleurs, il est à noter que le coût de LAD peut représenter jusqu’à 15%
de la valeur du panier (Durand, 2010) et 30% des livraisons à domicile échouent à cause de
l’absence du consommateur lors du passage du livreur (Botella, 2008)14.
Face à ces conditions, toutes les grandes enseignes en France parient sur le nouveau canal de
distribution le Drive qui leur permet de contourner le problème de livraison à domicile. Grâce
à ce nouveau mode de distribution des produits à dominante alimentaire, la problématique de
coût de livraison à domicile est résolue puisque le consommateur fait ses achats en ligne avant
d’aller récupérer ses courses sur place. Par ailleurs, Badot et Paché (2007) montrent que les
enseignes cherchent à repenser les formes de distribution afin d’éviter l’ennui du client et
transformer les courses corvée en plaisir.
A cet égard, il existe plusieurs facteurs qui peuvent favoriser le développement du Drive
comme l’innovation commerciale. Le consommateur passe sa commande de chez lui
directement sur le site du magasin en quelques clics de souris. En plus, le service du Drive est
14
Botella, 2008, auteur cité par Kaabach et Bridi-Barthe (2010).

gratuit pour les consommateurs, parce que les employés de l’enseigne ce sont qui assurent la
livraison directement dans le coffre de la voiture dans un délai de cinq minutes. En outre, le
consommateur recours à ce service parce que les prix pratiqués en magasin sont identiques
aux prix proposés par le drive. Cela n’impose aucun coût supplémentaire aux consommateurs.
Dans un même ordre d’idée, l’intérêt d’utiliser le drive réside dans le gain de temps et la
facilité d’achat (commodité) (Colla et Lapoule, 2011, Marouseau, 2013). D’ailleurs, le Drive
permet aux consommateurs d’aller à l’essentiel parce qu’ils achètent seulement ce dont ils ont
besoin. Ce concept se caractérise par un mode de stockage et de préparation des commandes
dans le cadre du système spécifique d’entreposage (Paché et al., 2014 ; Durand et al., 2010 ;
Paché, 2010) que nous allons expliquer dans ce qui suit.
2.3.3 Les différents modèles du Drive
Comme nous l’avons mentionné auparavant, selon le concept du Drive, le consommateur

passe sa commande en ligne puis vient chercher ses achats dans un lieu dédié (Paché et al.,
2014). Les consommateurs ont donc le choix de retirer leurs achats quand ils le souhaitent,
soit dans un magasin classique (hypermarché) : on parle alors de Drive picking, soit dans un
des magasins de l’enseigne qui dispose du service Drive : on parle alors du Drive accolé, soit
dans un des points de retrait localisés sur des axes stratégiques ; l’entrepôt est autonome et
éloigné ; on parle alors du Drive solo (déporté) (Jara et al., 2018 ; Hübner et al., 2016 ; Mevel
et Morvan, 2015). L’intérêt de mettre en place cette stratégie est de trouver la solution la plus
adaptée, pour les consommateurs et pour les distributeurs, dans le but de réduire au maximum
les frais de chacun. Pour chaque modèle du Drive, nous allons présenter ses principales,
caractéristiques ainsi que le type de contexte dans lequel il semble pertinent.
2.3.3.1 Le Drive accolé

Son principe est d’avoir un entrepôt qui est accolé au magasin traditionnel. Ce modèle jouxte
le magasin, mais chacun fonctionne et s’approvisionne de manière totalement autonome
(LSA, 2011). Pour certains chercheurs (Jara et al., 2018 ; Hübner et al., 2016 ; Mervel et
Morvan, 2015 ; Marouseau, 2013), l’intérêt de ce modèle réside dans sa capacité à renforcer
l’attractivité de la zone commerciale en apportant des nouveaux consommateurs qui ne sont
pas forcements clients du magasin. D’après Dauvers (2013), les Drives accolés sont apparu
chez la plupart des enseignes en France depuis 2010/2011.
Selon ce modèle, le consommateur se déplace comme pour ses courses classiques, mais il
peut être un risque de cannibalisation de la clientèle de l’hypermarché.

D’après Marouseau (2013), le Drive accolé vise à renforcer l’enseigne dans une perspective
cross-canal. Le consommateur fait ses courses corvées via le Drive (produits lourds,
volumineux, régulièrement achetés sur une liste prédéfinie) et bénéficie de la proximité de
l’hypermarché pour faire des courses complémentaires (impulsion d’achat pour profiter d’une
offre spécifique ou produits plaisirs). Par ailleurs, le Drive accolé permet de proposer au
consommateur tous les produits qui sont stockés dans le magasin traditionnel.
En bref, le Drive accolé est un format de distribution destiné à conquérir des parts de marché,
voire défensif, pour récupérer des consommateurs qui ont abandonné les hypermarchés.
2.3.3.2 Le Drive solo (déporté)

En effet, l’implémentation d’un Drive peut être le résultat d’une stratégie offensive de
conquête de part de marché. Le Drive solo (déporté) a pour principe d’avoir un entrepôt de
4000 à 5000 m² environ, dont 200 m² pour le bâtiment et le reste pour tout ce qui concerne les
routes. Selon Marouseau (2013), la facilité d’ouverture est l’occasion de s’installer sur de
nouveaux territoires. Vyt et al. (2017) montrent que dans le cas du Drive solo, il n’existe pas
du magasin, cependant il y a seulement un point de retrait.
Dans ce contexte, l’emplacement est très important pour le Drive solo, parce que ce dernier se
concentre sur deux stratégies. D’une part, la stratégie de compétition qui se base sur la proximité
avec les consommateurs, et vise de nouvelles zones de chalandise, et d’autre part, la stratégie de
prédation qui vise à s’installer le drive solo en face ou à côté de la concurrence pour conquérir
des part de marché supplémentaires (Liarte, 2006).
De plus, la réussite de ce modèle se base sur la faible cannibalisation de la clientèle de l’enseigne

et la conquête de nouveaux consommateurs (LSA, 2011). Ainsi, le succès du drive solo repose sur
l’étude du comportement du consommateur : il s’agit de réparer les lieux les plus pratiques en
termes d’accessibilité voiture et les meilleurs temps pour offrir un service optimisé. Cependant, le
drive solo a deux problèmes : premièrement, l’investissement pour un drive solo est très onéreux
entre 2 à 4 millions euros puisqu’il faut tout construire. Deuxièmement, l’assortiment est plus
faible que pour un drive accolé à un magasin.
2.3.3.3 Le Drive piéton

En centres-villes, le Drive est aujourd’hui quasiment inexistent. Pour cela, ces dernières
années les distributeurs ont développé un nouveau format du Drive : le Drive piéton. Selon ce
dernier, le consommateur se rend à pied dans le point de retrait au lieu de retirer en voiture sa
commande (Paché et al., 2014). Autrement dit, le consommateur passe sa commande en
sélectionnant le créneau horaire disponible afin de la récupérer, après il passe à l’accueil de
magasin pour payer sa commande et repart avec aucune attente en caisse (Jara et al., 2018 ;

Hübner et al., 2016). Dans ce contexte, toutes les références de l’enseigne sont disponibles sur
le site web du magasin, et ce système permet de limiter certains investissements logistiques,
mais le Drive piéton peut être source de pertes de temps et perturbe l’activité du magasin.
Le tableau 5 ci-dessous présente les différentes formes du Drive en fonction de
caractéristiques, stratégie envisagée et spécificité logistique.
Tableau 5 : Les différentes formes du Drive

caractéristique Stratégie envisagée Spécifié logistique
Dive accolé Le Drive est sur le site Défensive L’entrepôt est dédié
même du point de vente mais « accolé » à un
magasin traditionnel
Drive solo Le Drive est sur une Offensif L’entrepôt est
autre zone de chalandise autonome
Drive piéton Le Drive dépend d’un Défensive Préparation des
hypermarché voire d’un commandes effectuée
supermarché sur la surface de vente
Source : Mevel et Morvan (2015)
Notre deuxième section a été consacrée dans un premier temps à comprendre les déférentes
typologies de l’innovation commerciale mentionnées dans la littérature (Choukroun 2012 ;
Gallouj 2007 ; Den Hertog et al., 2000 ; Dupuis 2002 ; Dawson, 2000).
Dans un second temps, nous nous concentrons à la littérature relative à l’analyse de la

dynamique des formes de distribution dans le commerce de détail. A cet égard, nous nous
focalisons sur deux courants d’analyses : mécaniste et stratégique.
Dans un dernier temps, nous avons présente la nouvelle forme de distribution en exposant la
définition du Drive, les facteurs qui favorisent l’essor du Drive et les différentes formes de ce
system de distribution.

Conclusion du chapitre I
Aujourd’hui, l’élaboration d’une stratégie de distribution efficace repose de plus en plus sur la
création d’un lien durable avec les consommateurs. Afin de maintenir une relation privilégiée
avec ces derniers, de nombreux canaux ont été mis à leur disposition pour effectuer diverse
tâches (rechercher de l’information sur des produits, évaluer des produits ou encore acheter
des produits, etc.).
D’ailleurs, les nouvelles pratiques de consommation obligent les enseignes à s’adapter, voire
à modeler et à innover de nouvelles stratégies de distribution. Il s’agit de comprendre
comment ces stratégies de distribution peuvent être une réponse aux besoins et attentes des
consommateurs. En plus, depuis clinquante ans, nombreuses sont les innovations commerciale
qui ont vu le jour comme l’hypermarché, le hard discount, les scannettes, les caisses
automatiques, les applications Smartphones et plus récemment le Drive. De ce fait,
l’innovation dans le commerce de détail apparaît comme un moyen efficace pour répondre à
cette exigence et elle a un rôle essential dans le domaine du comportement du consommateur.
Dans ce chapitre, nous avons présenté, dans un premier temps, les différentes formes de
distribution souhaitant mises en place par les distributeurs, ainsi que nous avons mis en avant
l’état d’avancement des recherches consacrées à l’étude du comportement des consommateurs
dans un environnement à plusieurs canaux (multi-canal et cross-canal). Concernant le
comportement multi-canal, les recherches ont porté essentiellement sur l’étude de deux
comportements particuliers : les comportements multi canal Click and Mortar et Mortar and
Click. Quant au comportement cross-canal, les recherches se concentrent sur deux principaux
comportement cross canal : le préachat cross canal (le comportement ROPO) et le
comportement Click & Collect.
Dans deuxième temps, nous avons distingué les différentes typologies de l’innovation
commerciale recensées par la littérature (Choukroun 2012 ; Gallouj 2007 ; Den Hertog et al.,
2000 ; Dupuis 2002 ; Dawson, 2000). Ensuite, nous nous sommes focalisé sur la littérature
relative à l’analyse de la dynamique des formes de distribution dans le commerce de détail en
se basant sur deux courants d’analyse principaux. Le premier courant, que nous qualifions de
mécaniste, s’efforce de dégager un principe général d’évolution de toutes les formes de
distribution.
Enfin, après avoir présenté les typologies d’innovations commerciales et l’analyse dynamique
des formes de vente dans le commerce de détail, nous nous interrogeons sur ce qu’est le
Drive. Nous nous somme attaché à expliquer le concept du Drive comme une innovation
commerciale ou un nouveau canal de distribution qui permet aux consommateurs de

rationaliser leurs achats effectués en hypermarché et en supermarché, et nous avons exposé
les raison de l’essor et du développement du Drive pour les consommateurs et pour les
distributeurs. Nous avons montré les différentes formes du Drive : accolé, solo et piéton en
expliquant les caractéristiques, stratégie envisagée et spécificité logistique.
Dans le chapitre suivant, nous allons présenter le concept de la fidélité du consommateur et

les facteurs explicatifs qui contribuent à la création la fidélité du consommateur dans le
contexte de distribution cross-canal.

Chapitre II : Fidelité du consommateur : concept, mesures et determinants
PARTIE I :
Chapitre I :

Chapitre II :
Chapitre III :

CHAPITRE II : FIDELITE DU
CONSOMMATEUR : CONCEPT, MESURES ET
DETERMINANTS
Introduction au chapitre II
La fidélité du consommateur est considéré un sujet primordial en marketing. Ce terme de la
fidélité est devenu l’un des objectifs clés pour toute entreprise, notamment pour les
distributeurs afin de maintenir une relation durable avec les consommateurs. Malai et Speec
(2005) et Tsao et Chen (2005) soulignent qu’elle est le sujet qui a attiré la plus grande
attention des chercheurs pendant des décennies.
En général, la fidélité du consommateur inclut un sentiment positif et la volonté durable de
rester auprès d’une enseigne, d’un produit, d’une marque ou du lieu de vente malgré un
changement de situation de la consommation.
Bien que la fidélité ait été beaucoup étudiée dans la littérature, la réponse définitive à la
question suivante « Comment fidéliser le consommateur ?» n’est pas encore trouvée. Par
ailleurs, Lichtlé et Plichon (2008) montrent que la fidélité est restée longtemps un concept
polysémique, qu’il était difficile de clarifier. Cette difficulté se manifeste par la multiplicité de
sa définition et ses facteurs explicatifs et les nouvelles tendances d’étude qui continuent de nourrir
le champ.
Notre recherche se déroule dans le contexte de distribution cross-canal, le Drive, où la fidélité

est moins exploitée par rapport au secteur du service ou du produit. L’objectif de cette section
est de faire le point sur les recherches qui contribuent une meilleure compréhension de la
fidélité des consommateurs.
Pour cela, dans ce chapitre, nous exposons dans une première section les différentes
approches de la fidélité qui sont adoptées dans les recherches antérieures. Par la suite, nous
mettons l’accent sur les manifestations de la fidélité en fonction de la relation dans la durée, la
relation approfondie et la relation entendue, ainsi que sur les avantages de la fidélité pour
l’entreprise et pour le consommateur. Enfin, nous nous intéressons à la clarification du terme
de la fidélité du consommateur au point de vente.
Dans la deuxième section, nous nous attachons à présenter les évolutions de l’offre et de la
relation client dans un contexte de distribution cross-canal. Il s’agit de clarifier ces différentes

évaluations en fonction de la perception de la qualité de service, de la capacité des enseignes à

créer de la valeur et à faire vivre une expérience de consommation à la fois originale,
plaisante et intéressante pour le consommateur à travers une stratégie cross-canal. En effet,
ces variables, les plus cités dans l’approche relationnelle, sont considérées comme des
facteurs ou des déterminants de la fidélité du consommateur.
Enfin, ce chapitre finira par une conclusion qui synthétise ces deux sections.
1 La fidélité : un concept central du comportement du

consommateur
Les chercheurs ont lié la fidélité des consommateurs soit : à un magasin (Corstjens et Lal,
2000), à un produit ou une marque (Deng et al., 2010), à une organisation (Biboum et Bekolo,
2008 ; Bennour-Dahech, 2007 ; N’Goala, 2000) à un site Internet (N’Goala et Cases, 2012 ;
Allagui et Temessek, 2005 ; Parasuraman et al., 2005). Bien que la communauté académique
ne soit pas unanimité en ce qui concerne la conceptualisation de la fidélité (Aliagui et
Temessek, 2005), les auteurs ont abordé la fidélité dans sa diversité en fonction de sa
conceptualisation, de sa mesure et son développement.
Dans cette section, nous allons exposer les approches qui sont traditionnellement les plus
retenues dans la littérature afin de définir et conceptualiser la fidélité du consommateur.
1.1 Fidélité à travers les approches principales

1.1.1 L’approche comportementale / béhavioriste
La fidélité du consommateur, dans les premières recherches, est définie et mesurée en
fonction des comportements d’achat répétés (McConnell, 1968 ; Jacoby et Kyner, 1973).
Selon cette approche comportementale, il existe certains indicateurs afin d’exprimer la fidélité
du consommateur comme la probabilité d’achat pour une marque spécifique, la fréquence
d’achat, la proportion de la part du total d’achat, la séquence d’achat entre plusieurs marques,
etc. (Lichtlé et Plichon, 2008). Pour Crié (2001) et Lichtlé et Plichon (2008), un consommateur
qui achète régulièrement est un consommateur fidèle. Autrement dit, la fidélité du
consommateur à une marque selon cette approche concerne essentiellement le rachat dans le
temps en ignorant lors d’achat le processus de comparaison avec d’autres marques (Zeithaml
et al., 1996).
Cependant, cette approche a été très vite critiquée par le fait qu’elle ne permet pas de
comprendre les facteurs qui motivent le comportement de fidélité (Yoon et Uysal, 2005 ;
Prayag et Ryan, 2011), et une autre critique liée à l’utilisation de mesures comportementales

qui se manifestent par la difficulté de distinguer entre un client fidèle et un autre important
(Lichtlé et Plichon, 2008). De son côté, N’Goala (2005) indique que cette approche, peut nous
orienter par sa mesure à des conclusions erronées en occultant la volonté individuelle derrière
ce comportement.
En raison de ces critiques, certains auteurs en marketing (Day, 1969 ; Jacoby, 1971 ; Jacoby et
Kyner, 1973) ont souligné que la fidélité du client à une marque ne doit pas être liée
seulement à une dimension comportementale (répétition d’achat). Pour cela ils ont recouru à
une approche qui prend en compte la dimension cognitive, c’est l’approche attitudinale que
nous exposons ci-après.
1.1.2 L’approche attitudinale

Cette approche se base sur les préférences, les prédispositions, les attitudes et les intentions de
réachat. Ainsi, Oliver (1999) montre qu’un client est fidèle quand il vise réellement à
maintenir une relation durable avec l’entreprise. En effet, l’ensemble des perspectives
cognitives et des prédispositions émotionnelles durables envers la marque forment la fidélité
du consommateur (Jacoby, 1971 ; Fishbein et Ajzen, 1975).
De leur côté, Dick et Basu (1994) définissent la fidélité comme un comportement de réachat
relatif à une forte préférence envers la marque. Pour les auteurs, la fidélité peut être reflétée
par l’engagement durable envers les fournisseurs et l’attitude positive à l’égard d’un bien ou
d’un service. Ainsi, le comportement de réachat est garanti par une attitude positive envers un
fournisseur (Dick et Basu, 1994).
Dans une perspective de la fidélité à la marque, Lichtlé et Plichon (2008) définissent un client
fidèle comme un client ayant une intention de réachat de la même marque. Ainsi, l’indicateur
principal de la fidélité est l’intention de réachat qui ne concerne que les consommateurs ayant
déjà acheté la même marque.
Selon l’approche attitudinale, Crié et Benavent (2001) ont mis l’accent sur les intentions et les
préférences du comportement répétitif d’achat. Cette attitude envers la marque se considère
comme un élément essentiel à la création de la fidélité du consommateur. D’ailleurs,
Bennour-Dahech (2007) affirme que l’attitude envers la marque se développe avec des
expériences positives de consommateur et détermine le comportement du consommateur dans
l’avenir.
En adoptant une vision affective, Bozzo et al. (2008) montrent qu’un client ayant une forte
relation affective avec la marque est un client fidèle. Ce dernier rachète régulièrement la
marque qu’il apprécie et avec laquelle il développe un lien affectif. Dans la même vision,

Picón et al. (2014) soulignent qu’un état psychologique (affectif et/ou cognitif) adopté par le
client reflète la fidélité attitudinale qui comprend une dimension affective.
Certains chercheurs soulignent que deux groupes de facteurs déterminent la fidélité : les
antécédents comme l’engagement (Beatty et al., 1988) et l’attachement (Cristau, 2001) ; les
conséquences comme la recommandation (Cronin et al., 2000) et le prosélytisme considéré
comme la tentative du client de convaincre son entourage d’acheter le même produit ou la
même marque (Cristau, 2001).
Les chercheurs adoptant l’approche attitudinale identifient certains avantages et

inconvénients. Quant aux avantages, Kervilier (2013) indique que cette approche nous conduit
à différencier la fidélité passive de la fidélité volontaire, et elle nous permet de déterminer les
motivations et les raisons pour lesquelles les clients deviennent fidèles. De leur côté,
Bandyopadhyay et Martell (2007) soulignent que cette approche est avantageuse pour les
managers, pace qu’elle leur permet, d’un côté, de déterminer les points de forces et de
faiblesses de leurs marques ou de leurs enseignes dans l’objectif de rendre leur programme de
marketing plus efficace, et d’un autre côté, de mieux comprendre les raisons qui résident
derrière les préférences du consommateur de leur marques ou de celles des concurrents.
Concernant les inconvénients, Wansink et al. (2001) se basent sur l’hypothèse selon laquelle
la fidélité à la marque comme un concept spécifique et non pas global, et montrent ainsi que
cette dernière est relative au niveau de changement de marque concernant la même catégorie
de produits et non pas la même marque. Du point de vue empirique, Sharp et al. (1997)
constatent l’existence d’un écart significatif entre l’attitude de fidélité mesurée par le biais
attitudinal et le comportement de fidélité appréhendé par la mesure comportementale.
Afin de mieux appréhender le concept de fidélité, une troisième approche appelée

« composite » a été développée en réponse aux limites des deux approches comportementale
et attitudinale.
1.1.3 L’approche composite/mixte

Cette approche, qui est une approche bidimensionnelle, se base sur la combinaison des
dimensions attitudinale et comportementale. Day (1969) souligne dans son étude que la
fidélité du consommateur doit être analysée en se basant sur les deux approches précédentes
comportementale et attitudinale. Plus tard, ce constat a été confirmé par de nombreuses
recherches (Oliver, 1997 ; Kandampully et Suhartanto, 2000 ; Bandyopadhyay et Martell,
2007 ; Simon Sheng et Xie, 2012). De son côté, Kumar et al. (1992) souligne que cette
approche composite/mixte s’avère nécessaire en expliquant le limites de l’approche

attitudinale, qui résident dans les problèmes de la fiabilité de la mesure attitudinale, ainsi que
dans les limites de l’approche comportementale, qui se manifestent par l’impossibilité de
distinguer entre la fidélité réelle et achats répétés.
Selon l’approche composite/mixte, Bowen et Chen (2001) soulignent que la mesure de la

fidélité du consommateur se fond sur la fréquentation d’achat ou des visite et la propension au
changement de marque, à condition que ce comportement du consommateur résulte d’un
sentiment positif. Par ailleurs, Day (1969) définit le client fidèle parce qu’il rachète la même
marque en se fondant sur une forte préférence envers la marque. Pour Jacoby et Kyner
(1973), la fidélité à la marque est définie comme « la fidélité à la marque est la réponse
comportementale (achat) non-aléatoire exprimée à travers le temps par une unité de décision,
portant sur une ou plusieurs marques prises dans un ensemble, et en fonction d’un processus
psychologique (prise de décision, évaluation». En effet, le principal avantage de cette
définition réside dans la dimension temporelle qui permet de mieux comprendre ce concept.
Frisou (2005) montre que la fidélité et la notion de durée sont deux concepts qui sont partie
intégrante. Cependant, cet auteur affirme que la majorité des recherches qui adoptent cette
approche composite ne prennent pas en compte la dimension temporelle dans leur définition
dans leurs mesures de la fidélité du consommateur, en ignorant la notion de temps et de la
durée de la relation entre le consommateur et la marque.
Darpy et Volle (2007) soulignent que la fidélité du consommateur se manifeste à la fois dans
son comportement passé et dans son comportement à venir. Pour Anderson et al. (1994) et
Oliver, (1997) affirment que le temps représente un dimension essentielle de la fidélité du
consommateur. De son côté, N’Goala (2003) souligne que la mesure de la fidélité dans
l’approche composite ne reflète pas toute la relation globale établie entre le consommateur et
une marque. Crié (2002) indique que cette approche composite occulte la durée de la relation
entre le client et la marque et de la notion de temps.
Afin de mieux appréhender le concept de fidélité, une quatrième approche appelée
«relationnelle » a été adoptée en réponse aux limites de l’approche composite en prenant en
compte la relation établie entre le consommateur et la marque (N’Goala, 2003).
1.1.4 L’approche relationnelle

Dick et Basu (1994) montrent que nous pouvons distinguer quatre phases ou formes de la
fidélité du consommateur : fidélité véritable, fidélité latente, fidélité fausse et infidélité
(tableau 6) :
Tableau 6 : Les types de fidélité

L’attitude relative envers Fréquence relative de réachat de la même marque

la marque
Élevé Faible
Véritable latente
Favorable
Fausse infidèle
Défavorable
Selon ce tableau ci-dessus, la fidélité véritable présente le comportement d’achat en se basant

sur une forte préférence envers la marque. Autrement dit, cette fidélité se produit quand le
client montre une attitude envers un fournisseur ou une marque forte et quand le taux de
fréquentation d’achat est élevé. Afin que le consommateur soit fidèle, les deux conditions :
une fréquentation élevée et une attitude envers les fournisseurs ou la marque favorable, à la
fois, doivent être remplir. Mais, cette fidélité est considéré latente quand une attitude
favorable n’est pas associée avec un taux de fréquentation élevé. Concernant l’attitude
défavorable, ces chercheurs soulignent qu’elle ne présente aucun signe de la fidélité du
consommateur. Cette classification nous permet d’illustrer ce qui constitue une véritable
fidélité. Cependant, à long terme, cette dernière ne dépend pas seulement d’une attitude
favorable envers le fournisseur ou la marque, parce que cette attitude peut variée dans le
temps. N’Goala (2003) affirme cette idée en montrant que la fidélité du consommateur dure
longtemps, si le comportement d’achat se base sur un engagement affectif du client.
Au contraire du marketing transactionnel, le temps représente, dans le marketing relationnel,

une dimension fondamentale de la fidélité, et la durée de la relation constitue un déterminant
majeur qu’il convient de développer. Pour Moulins (1998), la fidélité à la marque doit être
étudiée en fonction de l’approche relationnelle. Cette dernière réside dans une relation durable
globale établie entre la marque et le consommateur, sans se limiter à l’étude du réachat des
produits. Certains auteurs mentionnent que la fidélité relationnelle est une relation affective
durable envers la marque, le prestataire de service ou l’enseigne, et se reflète dans la situation
d’achat et de consommation au travers la notion de l’engagement (Boyer et Nefzi, 2008 ;
Bennour-Dahech, 2007).
Dans une perspective relationnelle de fidélité, ce concept est défini comme une expression : 1)
d’une relation durable, entre deux parties qui favorise chaque partie à analyser les besoins et
les attentes de l’autre partie ; 2) d’une solidarité qui réside dans le désir de ces deux parties de
continuer cette relation ; 3) d’une flexibilité qui se manifeste dans la capacité à réaliser les
besoins et les attentes de l’autre partie. Ainsi, cette relation contribue à réduire les
incertitudes, créer un environnement de confiance et d’engagement et avoir une meilleure
connaissance des besoins et des attentes entre les acteurs. Dans la même perspective, Toufaily
(2011) affirme que les préférences, les affections et le comportement régissent la relation et
l’échange entre le client et son fournisseur.
1.1.5 L’approche processuelle

Selon Oliver (1999, pp.34), le fondateur de cette approche processuelle, la fidélité du
consommateur est définit comme « un engagement profond pour racheter un produit / un
service préféré d'une façon constante dans le futur, causant un achat répété de la même
marque, ou de son ensemble évoqué, et ce, en dépit des influences situationnelles et des
efforts marketing qui pourraient potentiellement faire diverger le consommateur vers un autre
produit ou service ». En effet cette approche intègre les approches antécédentes dans la
définition et conceptualisation de la fidélité. Elle considère que la fidélité se développe
séquentiellement, suivant un processus.
Oliver (1999) indique que la véritable fidélité doit passer via toutes les phases nécessaires qui
contribuent à former cette fidélité. En d’autre terme, l’attitude du client tout d’abord doit
passer par l’évaluation des attributs de la marque (les croyances), ces croyances ensuite
doivent être en ligne avec une préférence affective vers la marque. Après, en comparant la
marque avec les autres alternatives, l’intention du consommateur pour acheter cette marque
doit être élevée. Enfin, cette attitude de consommateur qui doit inclure un comportement
d’achat fréquent ou répété contribue à créer la véritable fidélité. De son côté, Toufaily (2011)
affirme que le principe de cette approche processuelle se base sur un processus qui se
compose en quatre étapes : cognitif, affectif, intention et action.
1.2 Les manifestations de la fidélité du consommateur

Dans la littérature, le concept de la fidélité du consommateur est montré en fonction de
différents aspects. Le tableau 7 ci-dessous présente ces différentes manifestations :
Tableau 7 : Les différentes manifestations de la fidélité

Manifestation Auteurs
La tolérance au prix (Fornell et al., 1996 ; Zeithaml et al., 1996).
La résistance au changement (Morgan et Hunt, 1994 ; N’Goala, 2000 ; Crié 2002).
La contre persuasion; (Dick et Basu, 1994 ; Zeithaml et al., 1996 ; Pritchard et al., 1999).
Le bouche à oreille positif (Zeithaml et al., 1996 ; Ganesh et al., 2000 ; Kim et Cha, 2002 ;
Boyer et Nefzi, 2008).
La coopération (Sheth et Parvatiyar, 1995 ; N’Goala, 2000).
La réclamation (Zeithaml et al., 1996 ; Boyer et Nefzi, 2008).
L’intention de réachat (Ganesh et al., 2000).
Les aspects comportementaux (Zeithaml et al., 1996 ;Verhoef et al., 2001 ; Bolton et al., 2004).
futurs

Pour Darpy et Volle (2012), les différents aspects de la fidélité comportementale ont été
illustrés comme suivant :
 Le consommateur achète en grande quantité le bien de manière régulièrement (l’intensité).
 Depuis longtemps le consommateur achète à l’enseigne même si la la quantité est faible
(l’ancienneté).
 Le consommateur fréquente l’enseigne afin d’acheter plusieurs bien/service.
 Le consommateur ne fréquente pas les enseignes concurrentes même si les produits ou les
services temporairement ne sont pas disponibles dans l’enseigne.
 La fidélité de consommateur ne dépend pas seulement du comportement passé, mais se
manifeste par le comportement à venir. L’engagement est considéré une dimension
importante de la fidélité de consommateur sur le long terme, dans la mesure où il conduit
aux effets comportementaux et attitudinaux.
 Le consommateur recommande positivement l’enseigne à ses amis et ses proches, et dit du
bien de cette enseigne.
En effet, les aspects comportementaux de la fidélité ont été peu étudiés dans la littérature.
Pour cela, dans notre recherche, qui vise à déterminer et comprendre la fidélité du
consommateur à un Drive dans le contexte de distribution cross-canal, la véritable fidélité
s’exprime à travers la conceptualisation comportementale qui nous permet de mesurer la
fidélité du consommateur à travers l’intention de faire les courses dans ce drive, l’intention de
recommander ce Drive et de produire un bouche-à-oreille positif à ce drive. Cela nous aide à
identifier la source de valeur tout au long de la vie des consommateurs (Reinartz et al., 2005 ;
Wübben et Wangenheim, 2008).
Toufaily (2011) souligne que ces aspects comportementaux permettent de segmenter les
consommateurs en fonction du degré de la fidélité. D’ailleurs, certains auteurs constatent que
le comportement de fidélité se manifeste par trois types de relations : dans la durée,
approfondie et entendue (Verhoef et al., 2001 ; Bolton et al., 2004 ; Söderlund, 2006 ;
Wübben et Wangenheim, 2008).
1.2.1 La relation dans la durée

Bolton et al. (2004) définissent cette relation comme « la probabilité qu'un consommateur va
continuer (ou pas) sa relation avec l'entreprise». Ce type de relation permet de favoriser la
valeur pendant la vie des consommateurs qui est considérée un objectif essentiel du marketing
relationnel (Reinartz et Kumar, 2000). En plus, elle permet d’identifier le consommateur actif
qui est susceptible de continuer sa relation avec l’enseigne de celui qui est susceptible d’être
un consommateur inactif.

1.2.2 La relation approfondie

Cette relation introduit l’approfondissement de la relation du consommateur avec l’entreprise
par la fréquentation accrue. Selon Bolton et al. (2004), cette relation réside dans « la
fréquence d'utilisation des services dans le temps». Certains chercheurs mentionnent que la
relation dans la durée a reçu plus d’attention que cette relation approfondie (Fader et al., 2005
; Bolton et al., 2008). Mais, cette relation nous permet de déterminer dans la futur les
meilleurs client pour l’entreprise.
1.2.3 La relation entendue

Blattberg et al. (2001) montrent que cette relation se manifeste par le nombre supplémentaire
des biens ou des services achetés auprès d’une entreprise au fil du temps ou l’achat croisé.
Pour Bolton et al. (2004),cette relation est définie comme « l’expansion de la relation client
avec l’entreprise par l’achat croisé». L’achat croisé implique l’achat d’un produit
supplémentaire, d’un accessoire ou d’un service associé au produit principal. En effet, ce type
de relation est développé dans le secteur de services bancaires (Li et al., 2005). Afin
d’améliorer l’efficacité de la vente croisée, Kamakura et al. (1991) proposent un modèle qui
permet, d’une part, de prédire le bien ou le service susceptibles de provoquer l’achat par le
consommateur es se basant sur les variables sociodémographiques, les produits adoptés, etc.
D’autre part, il permet d’identifier les facteurs nécessaires pour stimuler l’activité de l’achat
croisé de consommateur.
1.3 L’avantage de la fidélité

Comme nous l’avons mentionné auparavant, la fidélité du consommateur est un concept
fréquemment étudié dans la littérature marketing. Cette dernière ne donne aucune définition
unanime de la fidélité du consommateur. Cela peut être expliqué par la complexité de cette
notion qui réside dans sa définition et dans sa mesure. Cependant, les recherches dans le
marketing montrent que la fidélité du client amène des effets positifs pour le consommateur
ainsi que pour les entreprises, bien que ces effets ne soient pas identiques pour les différents
consommateurs (O’Malley, 1998). De ce fait, afin de garantir et améliorer les relations
client/entreprise, ainsi que de favoriser les flux transactionnels dans le futur, la fidélité du
consommateur et la fidélisation sont des stratégies importantes pour les entreprises et pour les
clients eux-mêmes. .
Nous présentons tout d’abord ces avantages au niveau de l’entreprise. Nombreuses sont les
recherches qui ont évalué et étudié les avantages de la fidélité des consommateurs pour les
firmes en fonction du chiffre d’affaires global, du taux d’achat répété, du taux de marge et de
la fréquence d’achat (Drèze et al, 1994 ; Sharp et Sharp, 1997; Benavent et al., 1998 ;

Benavent et al., 2000). Coelho et Henseler (2012) soulignent qu’acquérir un nouveau client
coûte cinq ou six fois chères que garder un ancien client. D’ailleurs, si le consommateur est
fidèle, il effectue plus des réachat. Cela permet d’augmenter les revenus et les profits pour la
firme. De son côté, Reichheld (1996) indique que l’augmentation du taux de fidélité de 5%, il
peut pousser à une augmentation, selon les secteurs d’activités, du profit allant de 25 à 85%.
A cet égard, les distributeurs ont développé de nombreuses innovations commerciales, comme
l’hypermarché, le hard discount, les scannettes, les caisses automatiques, les applications
smartphones et plus récemment le Drive, ainsi que de nombreux programmes de fidélisation
pour leurs clients afin de créer une expérience d’achat holistiques pour les consommateurs.
Cette évolution pose cependant question concernant le comportement du consommateur dont

la fidélité commerciale, d’une part, paraît beaucoup moins assurée, et elle est une valeur en
baisse, d’autre part. Face à ce phénomène et pour maintenir et toucher plus de
consommateurs, la fidélité des consommateurs devient un sujet primordial à suivre et étudier.
En effet, cette stratégie de rétention du consommateur de l’enseigne ou la firme conduit à
susciter la fidélité du client à l’enseigne (McMullan et Gilmore, 2008 ; Coelho et Henseler,
2012).
1.4 La fidélité au point de vente

1.4.1 La définition de la fidélité au point de vente
Le concept de fidélité du consommateur a été appliqué en termes de fidélité à une enseigne, à
une catégorie de produit ou à un type de magasin (Noble et al., 2006 ; Jazi, 2006 ; Orth et
Green, 2009). La fidélité est mesurée de plusieurs façons : fréquentation (fréquence de visite),
attitude envers l’enseigne (Macintosh et Locksin, 1997) ou intention d’achat / réachat
(Macintosh et Locksin, 1997 ; Noble et al., 2006).
Wallace et al. (2004) suggèrent que l’intégration et la complémentarité des canaux de

distribution accroît la satisfaction du consommateur qui , à son tour, contribue à la fidélité du
consommateur à l’enseigne. Orth et Green (2009) montrent que l’image du point de vente
influence la fidélité du consommateur par l’intermédiaire des variables de satisfaction et de
confiance. Pour Sirgy et Samli (1985), le comportement de fidélité à un point de vente peut
être expliqué par plusieurs variables comme la commodité, le temps gagné, la convenance et
le plaisir (full enjoyment). Gonzalez-Benito et Martos-Partal (2012) définissent la fidélité au
magasin comme « L’adoption de marques maison par les consommateurs peut être une
conséquence de leur fidélité au magasin. La perception des marques maison étant liée à la
perception que les clients ont du détaillant». Par ailleurs, Knox et Denison (2000) soulignent

que la fidélité au magasin réside dans le nombre de visites ou courses faites au même magasin
ou à la même chaine de magasins. De leur côté, Bove et Mitzifiris (2007) montrent que le
consommateur peut acheter dans le même magasin plusieurs fois en raison de sa confiance et
son engagement envers ce magasin. De la même façon, la fidélité au point de vente est définie
selon Kang et al. (2015) comme l’intention des consommateurs d’adopter différents
comportements en montrant les facteurs qui contribuent à conserver une relation durable avec
le point de vente.
1.4.2 Les déterminants de la fidélité au point de vente

La plupart des études cherchent à expliquer les déterminants de la fidélité du consommateur à
un produit ou à une enseigne et à analyser leurs conséquences. Cependant, l’analyse de la
fidélité du consommateur à un point de vente ou à une nouvelle forme de distribution (comme
le Drive) reçoit encore peu d’attention.
En outre, plusieurs auteurs (Toufaily et al., 2013) ont analysé comment s’élabore la fidélité
sur Internet, jetant ainsi les bases théoriques de l’étude de la fidélité Online qui en identifie les
principaux déterminants. Des travaux récents (Frasquet et al., 2017) ont étudié la fidélité du
consommateur dans un contexte de distribution cross-canal. Il ressort de ces travaux que la
fidélité Online est largement déterminée par la fidélité Offline, elle-même influencée
positivement par la confiance et l’attachement à la marque. De leurs côté, Heitz, Douard et
Cliquet (2015) étudient la fidélité du consommateur à l’enseigne en considérant le Drive
comme un service annexe de l’hypermarché. Plus récemment, Vyt et al. (2017) ont montré
que ce nouveau canal de distribution exerçait un impact positif sur la fidélité du
consommateur à l’enseigne. Ils mettent l’accent sur la meilleure proximité permise par le
Drive tant en ce qui concerne l’accessibilité, que sur les plans fonctionnels et relationnels.
Dans la stratégie des distributeurs, plusieurs déterminants peuvent affecter la fidélité du

consommateur au point de vente (Jazi 2006 ; Croizean et al., 2009). Sirgy et Samli (1985)
indiquent que ce comportement de fidélité peut être expliqué par certains facteurs comme le
temps gagné, la commodité, et le full enjoyment. De plus, ces auteurs proposent un modèle qui
montre que la fidélité est expliquée à travers certains facteurs concernant les attributs spatiaux
et de positionnement. Par ailleurs, certains chercheurs montrent que les distributeurs utilisent
certaines stratégies afin d’affecter la fidélité du consommateur comme la positionnement des
enseignes, la possession de carte de fidélité, le temps de trajet, etc. (Jazi 2006 ; Croizean et
al., 2009). De son côté, Diawara (2017) analyse les déterminants et les processus de formation
de la fidélité du consommateur à une enseigne de distribution dans le secteur du déstockage
physique. Cet auteur montre l’influence de certaines variables comme la satisfaction,

l’engagement, la valeur perçue et la confiance sur la fidélité à une enseigne de stockage

physique.
Afin de définir les déterminants de la fidélité du consommateur, nous nous basons sur les
recherches de Diawa (2017), Cottet at al. (2012) et Lichtlé et Plichon (2008) afin de préciser
la liste de déterminants du choix d’un processus de fidélité. Ces déterminants sont la stratégie
de fidélisation (stratégie marketing) choisie par l’enseigne, le type de consommateur, le
contexte et las situations.
Concernant la stratégie marketing, Cottet at al. (2012) soulignent que les enseignes sont
classées selon une série allant d’une orientation « pure » transactionnelle à une autre
transactionnelle et relationnelle « hybride » pour arriver à une orientation « pure »
relationnelle qui vise à générer et renforcer la confiance du consommateur à l’enseigne. En
effet, en marge de la stratégie transactionnelle, qui se focalise sur l’accroissement de la vente
et la satisfaction des attentes et besoins du consommateur au détriment de la fidélisation du
consommateur, les enseignes mettent en œuvre une stratégie relationnelle qui vise à
développer la confiance et à établir des relations durables et efficaces entre les
consommateurs et les enseignes (Gutièrez et al., 2004). Le type de consommateur, nous
pouvons distinguer entre le client transactionnel qui ne s’inscrit pas dans l’histoire de relation,
et le client relationnel qui cherche une relation durable et efficace avec l’enseigne.
Le contexte, qui influence et est influencé par la relation entre le consommateur et l’enseigne,
réside dans l’importance, l’implication et la qualité de service. Prim-Allaz et Darpy (2007)
indiquent que ce contexte peut expliquer la propension relationnelle du consommateur et le
processus de la création de la fidélité. Enfin, la fidélité du consommateur peut varier en
fonction des situations. Cottet et al. (2012) montrent que certains facteurs, comme l’horizon
temporel, l’environnement social de la consommation et les contraintes imposées par
l’enseigne, ont une influence sur l’intention relationnelle que le consommateur souhaite
établir avec l’enseigne. Cette intention relationnelle peut être déterminée par les conséquences
de la valeur perçue que le client attribue à l’enseigne ou à la marque.
Notre première section a été consacré à comprendre les fondements de la fidélité du

consommateur et leur évaluation. Nous avons synthétisé l’évaluation de la conceptualisation
de la fidélité du consommateur à travers les approches principales : comportementale,
attitudinale, composite, relationnelle et processuelle. Nous avons également fait le point sur le
comportement de fidélité qui se manifeste par trois type de relations : la relation dans la durée,

approfondie et entendue. Dans cette section, les avantages de la fidélité du consommateur ont
été présentés pour les entreprises et les consommateurs eux-mêmes. Par ailleurs, la fidélité du
consommateur au point de vente a été définie dans notre première section.
Quant aux facteurs explicatifs de la fidélité du consommateur, dans la deuxième section, nous
allons présenter les facteurs pertinents et comprendre leur rôle dans la fidélisation des
consommateurs dans un contexte de distribution cross-canal.
2 La relation client dans un contexte de distribution cross-canal

Moulins et al. (2012) mentionnent que si dans la communauté des chercheurs et celle des
managers, le concept de la fidélité du consommateur fait l’objet d’un consensus, les
recherches divergent quand il s’agit d’identifier les facteurs qui contribuent à la fidélité du
consommateur. Nombreuses sont les recherches qui essayent de montrer et analyser les
variables antécédentes de la fidélité du consommateur, et de mieux comprendre leur rôle dans
la création de la fidélité. En effet, la qualité de service, la valeur perçue, la satisfaction, la
confiance, l’image et l’engagement sont considérés comme les déterminants qui conduisent
au succès des entreprises (Wang et al., 2004). Dans les recherches antécédentes, ces variables
sont proposés comme les déterminants da la fidélité du consommateur (Phan et Ghantous,
2013; Shainesh, G, 2012 ; Nguyen et al., 2011 ; Lai et al.,2008).
Dans cette section, nous allons exposer les évolutions de l’offre et de la relation client dans un
contexte de distribution cross-canal. Il s’agit de clarifier ces différentes évaluations en
fonction de la perception de la qualité de service, de la capacité des enseignes à créer de la
valeur et à faire vivre une expérience de consommation à la fois originale, plaisante et
intéressante (satisfaction) pour le consommateur à travers une stratégie cross-canal, et de la
confiance vis-à-vis de l’enseigne.
2.1 La qualité de service

La qualité de service a fait l’objet de nombreuses recherches qui ont tenté de mieux
comprendre ce concept (Fournier et Mick, 1999), qu’elles semblent avoir du mal à définir.
Ces travaux sur la qualité de service sont principalement basés sur le jugement ou l’évaluation
du consommateur de son expérience issue d’interaction humaine avec le personnel en
contact.
Selon Reeves et Bednar (1994), il existe quatre acceptions du terme qualité :

 la qualité comme disconfirmation des attentes.
 La qualité comme conformité aux spécifications.

 La qualité comme valeur : le niveau de qualité dépend de l’utilité pour le consommateur et

du prix qu’il est prêt à payer.
 La qualité comme excellence : le meilleur.
Parasuraman et al. (1988) ont apporté une grande contribution dans ce domaine en
développant un instrument de la qualité de service appelé SERVQUAL. Les évolutions
technologiques comme Internet, les automates et les possibilités qu’elles offrent dans
l’amélioration de l’expérience consommateur ont fait émerger une série de recherches
portant sur l’utilisation de ces technologies et leur évaluation par le consommateur. Ces
recherches soulignent que les modèles traditionnels de la qualité de service comme par
exemple le modèle SERVQUAL ne peuvent pas capturer tous les aspects des services basés
sur ces technologies (Seck, 2009).
Ces dernières années, ces évolutions technologies stimulent de nombreuses entreprises pour
proposer leur service en partie ou totalement via les nouveaux canaux de distribution, ce qui
fait qu’un grand nombre d’auteurs vont chercher à réexaminer le concept de qualité de service
à l’aune de ces nouvelles technologies (Bressolles, 2004). Dans cette section, nous visons à
présenter une synthèse des travaux ayant étudié le concept de qualité de service qui est une
variable principale de notre modèle dans deux contextes : dans un environnement virtuel et
dans un environnement traditionnel physique.
2.1.1 La qualité de service traditionnelle

Zeithaml et al. (2006) montrent que la qualité de service constitue un élément essentiel de
l’évaluation du consommateur. Une grande partie de la littérature abondante en marketing des
services s’est concentrée sur ce concept.
D’après Evrard (1993), il existe deux types de qualité de service : la qualité perçue
(subjective) et la qualité objective. La première qualité perçue correspond à la qualité de
service du point de vue du consommateur. Rolland (2003) définit la qualité perçue comme
« l’ensemble des attributs contribuant à la perception de la qualité d’un produit ou d’un
service dont le niveau est donné par le consommateur » (Rolland, 2003, p. 23). La deuxième
qualité objective consiste à analyser la qualité de service du point de vue de l’entreprise.
Rolland (2003) la définit comme étant « l’ensemble des attributs contribuant à la qualité d’un
produit et d’un service et dont le niveau a été préalablement fixé par l’entreprise
indépendamment de la perception que peut en avoir l’acheteur » (p. 23). Dans le cadre de
notre recherche, nous nous focalisons sur la qualité de service perçue qui correspond au point
de vue du consommateur. Cela peut être expliqué par le fait que le point de vue le plus adopté
dans la littérature est celui du consommateur (Seck, 2009). La qualité de service est comprise

comme étant le « jugement du consommateur sur l’excellence ou la supériorité globale d’une

entité » (Zeithaml, 1981). Par ailleurs, la qualité de service est l’évaluation d’un service ou
d’un produit faite par les consommateurs.
2.1.1.1 La qualité de service perçue

Dans la littérature, plusieurs chercheurs soulignent que la qualité de service a été décrit
comme étant un construit abstrait, qu’il est difficile de définir (Parasuraman et al., 1985 ;
Cronin et Taylor, 1992 ; Gonzalez et al., 2007).
La littérature montre plusieurs caractéristiques de la qualité de service perçue en permettant
de mieux la définir :
 la qualité de service est vue comme s’exprimant de manière globale. De leurs côté,
Parasuraman et al. (1988) définissent la qualité de service perçue comme « l’évaluation
globale d’une firme de service spécifique résultant de la comparaison entre les
performances de la firme et les attentes du client ». D’ailleurs, Bitner et Hubbert (1994) la
décrivent comme «une impression globale du client relative à l’infériorité ou à la
supériorité d’une organisation et de ses services».
 La qualité de service est fondamentalement cognitive (Parasuraman et al., 1988 ; Bitner,
1990) : elle est le résultat d’une comparaison entre les attentes des consommateurs
concernant la la performance du service et leurs perceptions du service reçue
(Parasuraman et al., 1985 ; Grönroos, 1984).
 La qualité de service relative : pour le consommateur, la qualité de service perçue dépend
de plusieurs facteurs comme : le segment auquel appartient le client, son âge, ses revenus,
ses habitudes de consommation, la situation dans laquelle il se trouve, etc. (Eiglier, 2004 ;
Seck, 2009).
 La qualité de service est à la fois un état et un processus (Bitner, 1990 ; Collier et
Bienstock, 2006) : elle est liée d’une côté au résultat final du service fourni, et d’autre côté
à la manière dont le service est fourni. Autrement dit, la qualité de service porte sur le
résultat final et sur la façon dont le service est fournie, parce que le service se produit dans
l’interaction entre l’entreprise de service et le consommateur (Grönroos, 1984).
2.1.1.2 Modèles et dimensionnalité de la qualité de service

Dans la littérature, différentes perceptions de la qualité de service ont été proposées tentant de
mieux la définir en la divisant en plusieurs dimensions. Nous pouvons considérer ces
dimensions comme la base de l’évaluation du client. Dans le marketing des services, nous
pouvons identifier trois approches afin de définir la qualité de service :

1. L’approche nordique avec les recherches de Grönroos (1984) : selon ce modèle, en

maintenant la définition de la qualité de service perçue comme résultant de la comparaison
entre ce qui est attendu et ce qui est perçu, nous pouvons distinguer deux dimensions de la
qualité de service : la qualité fonctionnelle et la qualité technique. Concernant la qualité
fonctionnelle, elle est liée au processus de délivrance de service tel qu’il est perçu par
client, alors que la qualité technique fait référence au résultat de l’acte de service. En effet,
le modèle de Grönroos (1984) a été repris par de nombreux chercheurs. Dans ce sens, Rust
et Oliver (1994) proposent un modèle que se compose de trois dimensions : le service
produit (qui fait référence à la dimension technique), le service délivré (qui corresponde à
la dimension fonctionnelle) et l’environnent du service.
2. L’approche française avec les travaux d’Eiglier et Langeard (1987) : ce modèle est
proche de celui de Grönroos (1984). Selon cette approche, la qualité de service se
décompose en trois dimensions : le premier output qui est correspondance à la dimension
technique de Grönroos, il s’agit de la modernité, de la sophistication, la propreté,
l’efficacité du personnel en contact et l’état de maintenance. La deuxième dimension
concerne les éléments de la servuction qui s’exprime par le degré de cohérence entre eux
notamment par le degré d’adaptation aux attentes et besoins du client. La troisième
dimension fait référence à l’ensemble des interactions nécessaires à la réalisation de
service, évalué par le consommateur en ce qui concerne la fluidité, la facilité, les
séquences et l’efficacité des interactions mentionnées.
3. l’approche américaine avec les travaux de Parasuraman et al. (1985 ; 1988 ; 1991).
Parasuraman et al. (1985) proposent un modèle qui présente la qualité de service comme
« L’écart entre les attentes et les perceptions en matière de service » (Nefzi, 2008). Les
auteurs montrent cinq écarts entre différents éléments :
 Le premier écart : c’est la différence entre ce que le client veut et ce que l’entreprise croit
qu’il veut.
 Le deuxième écart : il résulte d’une mauvaise traduction des attentes des clients en termes
de spécialisations et de standard de service de sorte que ces standards-là correspondent
aux attentes du client.
 Le troisième écart : c’est la différence notée entre le service déjà fourni et les critères
prédéfinis.
 Le quatrième écart : c’est le résultat de la différence entre la prestation réalisée et ce qui
avait être promis au client. Il s’appelle écart de communication.
 Le cinquième écart : cela découle de la différence entre la perception du client et ses
attentes. En effet, cet écart représente le fondement du modèle de la qualité de service.
Parallèlement à leurs recherches sur les écarts, Parasuraman et al. (1988) ont développé une
échelle de mesure de la qualité de service composé de 10 critères correspondant aux
déterminants sur lesquels les clients se basent afin d’évaluer leurs perception vis-à-vis du
service et leurs attentes. Ces dimensions proviennent d’entretiens de groupe avec des
consommateurs de différents services : éléments tangibles, fiabilité, réactivité, compétence,
accessibilité, courtoisie, communication, crédibilité, sécurité et connaissance du
consommateur. Mais, en raison du degré élevé de corrélation entre certaines dimensions, les
auteurs proposent une échelle de mesure à 22 items nommée « SERVQUAL ». Cette échelle
réduit les dix dimensions d’origine en cinq dimensions, à savoir :
 La fiabilité : (c’est la capacité à réaliser le service promis de manière exacte et précise).
 La serviabilité : (volonté d’aider le client en lui offrant un service adapté et rapide).
 L’assurance : (courtoisie et compétence des employés ainsi que leur capacité à inspirer
confiance).
 L’empathie : (attention individualisée accordée par l’entreprise à chaque client).
 La tangibilité : (installations physiques des locaux, supports de communication et

apparence du personnel).
Parasuraman et al. (1991) ont développé l'échelle SERVQUAL en se basant sur cinq industries
de services (réparation et maintenance, services bancaires, téléphonie, courtage et carte de
crédit) et ont réévalué leur échelle: le SERVICAL. Les chercheurs ont constaté que la nouvelle
version de SERVICAL assure la fiabilité et la validité davantage que l’échelle SERVQUAL. Ils
l’ont montrée comme un outil uniforme applicable à une large gamme de services. Eiglier et
al. (1989) soulignent que cette échelle permet aux responsables ou managers de corriger les
problèmes de la qualité de service et de déterminer les étapes à suivre pour développer la
politique de qualité de service.
Cependant, cette échelle de mesure SERVICAL a fait l’objet de nombreuses critiques dans la
littérature marketing. Deux critiques majeures sont présentées :
1. La première critique est relative à la mesure de la qualité de service. Cronin et Taylor
(1992) affirment que la qualité de service doit être mesurée par la performance du service
perçu, et non par des écarts entre les attentes et les perceptions des clients. Cela peut
expliquer par le fait que ces deux éléments seraient redondants (Saunier, 2012).
2. La deuxième critique concerne la dimensionnalité de cette échelle de mesure. Certains
chercheurs (Mels et al., 1997 ; Llosa et al., 1998) confirment la multi-dimensionnalité de
l’échelle, alors que pour certains auteurs SERVICAL est une échelle multi-dimensionnelle.

Pour Bartikowski (1999), « la dimensionnalité de la qualité d’un service reste encore l’un des
thèmes vivement discutés dans la littérature des services ». Bressolles (2004) souligne que
malgré l’engouement observé pour ce thème de recherche, des questions restent encore en
suspens au niveau de la mesure de la qualité de service traditionnelle.
2.1.2 La qualité de service électronique

Un site internet marchand est une version électronique d’un magasin physique sur laquelle le
client peut naviguer, évaluer, commander et acheter un service ou un produit. Seck (2009)
souligne qu’avec les progrès dans les technologies de l’information, nous passons d’une
interaction traditionnelle en face-à-face client/personnel en contact à une interaction virtuelle
client/machine. Les praticiens et les chercheurs, avec la croissance du « e-commerce,
s’intéressent à l’évaluation faite par les clients dans cet environnement virtuel. Les
environnements d’achat online et offline représentent des expériences de shopping différentes,
même si les mêmes services ou produits sont achetés. Pour cela, les chercheurs admettent que
les dimensions de la qualité de service traditionnelle ne correspondent pas et ne capturent pas
les éléments qui doivent être pris en compte pour l’évaluation des perceptions de qualité de
service virtuel. Seck (2009) mentionne qu’il y a peu de consensus sur la nature et le nombre
de dimensions à prendre en compte pour mesurer la qualité de service électronique.
2.1.2.1 Définition de la qualité de service électronique

Zeithaml et al. (2002) donnent la première définition formelle da la qualité de service
électronique. Ils la définissent comme « le degré selon lequel un site Web facilite un
magasinage, un achat et une livraison efficace et efficiente des produits ou services ». Cette
définition inclut tous les aspects de service pré et post achat. Selon Wolfinbarger et Gilly
(2003), l’expérience d’achat en ligne se décompose en 7 phases : la recherche d’information,
l’évaluation du produit, la prise de décision, la transaction, la délivrance, le retour et le service
client. Pour Al-Hawari et al. (2005), la qualité de service électronique est définie comme
l’évaluation globale du consommateur de l’excellence de la disposition des services à travers
les réseaux électroniques comme l’Internet, le téléphone ou les automates. Tan, Benbasat, et
Cenfetelli (2013) la définissent comme « comme la mesure dans laquelle les contenus précis,
complets et opportuns sont fournis aux consommateurs en ligne au cours du processus
d’interaction avec l’interface utilisateur dans l’environnement virtuel ».

2.1.2.2 Les différentes façons de mesurer la qualité de service électronique

Comme la qualité de service dans un environnement traditionnel, il existe différentes façons
de mesurer la qualité de service d’un site Web. On distingue deux grandes catégories de
mesures :
 Les mesures comportementales : elles visent à mesurer l’activité commerciale du site :
nombre de click, nombre de visiteurs uniques ou taux de conversion des nouveaux
visiteurs, le temps passé par les visiteurs, le parcours suivi sur le site lors du
comportement de navigation (Galan et Sabadie, 2001). Mais, ces mesures ne permettent
pas d’expliquer les évaluations cognitives et attitudinales du site par le consommateur tels
que l’achat, la fidélité, etc.
 Les mesures attitudinales : elles se focalisent sur des échelles de mesure traditionnelles
qui permettent évaluer l’efficacité d’un site par la satisfaction procurée, l’attitude envers le
site, l’intention de bouche à oreille positif.
Dans le cadre de notre recherche, la perspective attitudinale de mesure de la qualité de service
électronique est retenue, en évaluant les perceptions des consommateurs à l’aide d’échelles de
mesure. Bressolles (2004) indique que ces deux mesures, bien que différentes, se complètent.
2.1.2.3 Les dimensions de la qualité de service électronique

L’approche choisie par les praticiens et les chercheurs pour évaluer les perceptions de qualité
de service des consommateurs à l’aide d’échelles de mesure est présentée ci-dessous.
Les dimensions issues de la qualité de service électronique chez les praticiens
Les praticiens ont développé des approches différentes pour mesurer la qualité de service des
sites web, en ayant recours à des experts professionnels pour évaluer les sites et en
interrogeant les clients après leur achat. Certaines échelles sont résumées dans le tableau 8 ci-
dessous.

Tableau 8 : Dimensions de la qualité de service des sites marchands proposées par les
praticiens
Instrument Les dimensions
Bizrate.com facilité de commande, sélection des produits, information
(10 dimensions) sur le produit, prix, performance du site web, respect des
délais de livraison, présentation des produits, service
consommateur, respect de la vie privée et logistique
CIO.com problèmes rencontrés pendant et après la passation d’une
(3 dimensions) commande, capacité à contacter le service consommateur
en ligne lors de la passation d’une commande et après,
facilité de navigation
Webby Awards Contenu du site, structure et navigation, design visuel,
(6 dimensions) fonctionnalités, interactivité, l’expérience globale
Gomez.com facilité d’utilisation, accès efficace à l’information,
(8 dimensions) confiance du consommateur, fiabilité, durée d’existence
du site, les ressources en ligne, services relationnels, coût
total (incluant les coûts de livraison…).
WEBCERT® le respect de la réglementation, l’identité de l’entreprise,
la description de l’achat, la transaction, les conditions de
retours, de garantie et des réclamations
Source : Seck (2009)
Comme nous l’avons mentionné auparavant, différentes approches ont été proposées par les
praticiens afin de mesurer la qualité de service électronique. Mais leurs études n’apportent pas
de réponses relative aux problèmes de conceptualisation des construits ou de validité et de
fiabilité des mesures utilisées (Bressolles, 2004). Afin de combler ce manque, les chercheurs
en marketing ont proposés des échelles de mesure pour mieux comprendre ce que le
consommateur désire lors de son expérience d’achat en ligne.
Les dimensions issues de la qualité de service électronique chez les chercheurs

Dans le monde académique, un nombre limité des recherches traite directement de la mesure
de la qualité de service électronique. Beaucoup de ces dimensions et de ces mesures ont été
prises des échelles de la qualité de service traditionnelle ou dérivent de la littérature sur
l’interface homme-machine.
Le tableau 9 ci-dessous présente de manière synthétique les différentes échelles de mesure de
la qualité de service électronique proposées par les chercheurs dans le monde académique.

Tableau 9 : Dimensions de la qualité de service des sites marchands proposées par les
chercheurs
Auteurs Instrument Les dimensions Critiques/remarques

Loiacono et al. WebQUAL - Information - Mesure uniquement
(2000) (12 dimensions) appropriée à la tâche - l’interface du site
Interactivité - basée sur un
Confiance - Temps de échantillon de
réponse - Eléments convenance et non
esthétiques du site - sur les clients en
Facilité de situation réelle
compréhension - d’achat. - Permet plus
Intuition - Innovation - de générer de
Aspects émotionnels - l’information pour les
Communications concepteurs de site
intégrées - qu’à mesurer la
Complémentarité - qualité de service
Substituabilité telle qu’expérimentée
par le client
Yoo et Donthu SITEQUAL - Facilité d’utilisation - - Mesure uniquement
(2001) (4 dimensions) Design - Rapidité du Interface du site web
processus - Sécurité (Wolfinbarger et
Gilly, 2003 ;
Parasuraman et al.
2005) - Basée sur un
échantillon de
convenance et non
sur les clients en
situation réelle
d’achat
Barnes et Vidgen WebQUAL - Utilité du site - - Mesure uniquement
(2002) (5 dimensions) Design, - Information - l’interface du site. -
Confiance - Empathie Echelle obtenue à
partir d‟un
échantillon de
convenance
composée
d’étudiants.
Wolfinbarger et eTaiQ - Design - - Excellente mesure
Gilly (2003) (4 dimensions) Fiabilité/respect de la qualité
engagements - Sécurité (Parasuraman et al.
- Service client 2005) - Mesure
l’expérience d’achat
complète en ligne
Parasuraman et al. ESQUAL ESQUAL: - Efficience - Mesure l’expérience

(2005) (4 dimensions) - Respect des complète d’achat en
engagements - ligne - ESQUAL sert
Disponibilité du à mesurer la qualité
système, - Sécurité de service - E-REC-
E-Rec-SQUAL E-Rec-SQUAL: - SQUAL est utilisé

(3 dimensions) Réactivité - uniquement en cas

Compensation - d’erreur de service ou
Contact de « service recover »
Bressolles (2006) NETQU@L - Facilité d’utilisation - - Mesure l’expérience
(5 dimensions) Fiabilité - Design - complète d’achat en
Sécurité/confidentialité ligne. - Satisfait aux
- Information critères de fiabilité et
de validité
communément admis
Source : Bressolles (2006) et Seck (2009)
Bien qu’il n’y a pas de consensus sur les composants des dimensions de la qualité de service
électronique, des dimensions clés se retrouvent relèvent dans la littérature académique : la
facilité d’utilisation, le design, la fiabilité, la sécurité ; dimensions que nous retrouvons dans
l’échelle Netqu@l de Bressolles (2006). Parmi ces échelles de mesure, nous avons retenu
l’échelle de Bressolles (2006), l’échelle de Rolland (2003), et nous nous sommes aussi
appuyés sur les résultats de notre étude qualitative exploratoire afin de déterminer quelle
échelle parait la plus pertinente pour mesurer les perceptions de qualité de service
électronique. Il nous semble intéressant de retenir ces échelles comme base pour construire
notre échelle de mesure de la qualité de service électronique. Ce qui peut être expliqué par le
fait que ces échelles ont été adaptées au contexte français, de plus, elles répondent aux critères
de la fiabilité et de la validité communément admis.
2.1.3 La qualité de service dans un contexte cross-canal

Comme nous l’avons présenté auparavant, la qualité de service traditionnelle ainsi que la
qualité de service électronique font ressortir des points communs, mais aussi des spécificités
de chaque environnement. Certains auteurs (Rolland, 2003; Van Birgelen et al., 2006 ; Seck,
2009, Marouseau, 2013) montrent que dans un contexte de distribution à plusieurs canaux
intégré, le consommateur apprécie la possibilité d’utiliser plusieurs canaux dans les
différentes étapes de leurs processus d’achat et de fonder son évaluation sur l’ensemble des
canaux utilisé et sur la manière dont ils interagissent. Il est donc important de souligner les
similitudes et les différences entre la qualité de service électronique et la qualité de service
traditionnel en permettant de voir que les canaux physiques et les canaux virtuels peuvent être
utilisés de manière complémentaire. Cela nous permettra d’introduire un nouveau concept : la
qualité de service intégré.

2.1.3.1 La qualité de service virtuel et la qualité de service traditionnel, quelles différences

et similitudes ?
Le remplacement de l’interaction humaine par une interaction homme-machine est l’une des
différences entre le canal virtuel et le canal traditionnel. Rolland (2003) et Wolfinbarger et
Gilly (2003) indiquent que le consommateur passe d’une interaction avec le personnel de
l’entreprise à une interaction avec l’entreprise dans un espace virtuel avec une interface
technique. Janda et al. (2002) soulignent que les dimensions clés de qualité de service dans
ces deux environnements peuvent être divers ou ne pas avoir la même importance. De leur
côté, Zeithaml et al. (2006) constatent les différences et les similitudes entre les dimensions
perceptuelles de la qualité de service traditionnel et celles de la qualité de service virtuel.
Il semble que certaines dimensions comme les deux dimensions fiabilité et la réactivité
émergent dans les deux environnements virtuel et traditionnel. Mais, dans l’environnement
virtuel, de nouvelles dimensions liées principalement à la technologie émergent (Zeithaml et
al., 2002 ; Wolfinbarger et Gilly, 2003; Loonam et O’Loughlin, 2008). Les dimensions de
Sécurité / Confidentialité, de design de facilité d’utilisation et de navigation, sont des
dimensions essentielles de la qualité de service électronique, alors que ces dimensions
n’apparaissent pas dans un environnement physique (Janda et al., 2002 ; Wolfinbarger et
Gilly, 2003). La dimension informationnelle prend une importance plus grande dans les
canaux virtuels, tandis que dans les canaux physiques, c’est la dimension relationnelle qui
devient une des dimensions clés. En effet, les caractéristiques de qualité de service
traditionnel propres au personnel en contact disparaissent totalement dans la qualité de service
électronique. Pour Dabholkar (1996), les consommateurs privilégient davantage une
évaluation à dominante cognitive plutôt qu’affective dans les technologies de libre-service.
Concernant la dimension tangibilité, elle est importante dans la mesure où la qualité de
service virtuel peut être liée aux éléments visuel ou esthétique intervenant dans l’évaluation
du site par les consommateurs.
Collier et Bienstock (2006) soulignent que les canaux virtuels possèdent des spécificités que
les canaux traditionnels n’ont pas et vice-versa. Ainsi, dans le contexte cross-canal les
consommateurs peuvent utiliser et combiner les deux types de canaux de distribution.
2.1.3.2 La qualité d’intégration

Dans un contexte de distribution à plusieurs canaux, les consommateurs sont amenés à
interagir avec l’entreprise de différentes façons, combinant ou alternant, canaux alternatifs et
canal traditionnel physique.

En effet, dans ce contexte, l’évaluation du consommateur de son expérience dépend de

l’ensemble des canaux de distribution utilisé par le consommateur lors d’achat. De son côté,
Seck (2009) appellent à une nouvelle perception de la qualité de service dans un contexte à
plusieurs canaux. Cette qualité se compose en trois éléments :
 la qualité de service traditionnelle/ physique.
 La qualité de service virtuelle/ électronique.
 La qualité d’intégration.
La qualité d’intégration a été définie comme « the ability to provide customer Witham
seamless service experience across multiple channels ». Seck (2009) la définit comme « la
perception harmonieuse, unifiée de l’expérience de consommateur dans un contexte multi-
canal, et la perception par le consommateur de la continuité et de la cohérence de son
expérience à travers les canaux de distribution utilisés ». La qualité d’intégration consiste à
offrir aux consommateurs des expériences de visite et d’achat cohérentes et holistiques et des
services homogène sans couture à travers l’ensemble des canaux de distribution utilisé
pendant le processus d’achat. D’ailleurs, cette qualité se base sur les principes de cohérence,
de complémentarité, de coopération et de substituabilité pour une meilleure flexibilité et
fluidité des mouvements entre les différents canaux de distribution d’une même entreprise
tout au long d’un même processus.
En effet, la multiplication des canaux de distribution impose de veiller à la qualité de chaque
maillon de la chaîne. Il est nécessaire que les différents canaux soient bien intégrés et
coordonnés de façon à faire de l’achat une expérience à la fois intéressante, plaisante et
originale. Cela doit créer de la valeur pour les clients.
2.2 La valeur globale perçue

Dans la littérature, la création de la valeur constitue un élément essentiel pour les responsables
marketing. Holbrook (1999) souligne que la valeur perçue est le résultat d’un jugement du
consommateur d’une expérience de passion d’un service ou produit. De leur côté, Leroi-
Werelds et al. (2014) définissent la valeur perçue d’une offre en fonction de ratio bénéfices/
sacrifices. Pour Aurier et al. (2004), la valeur perçue résulte de la différence entre les
différents bénéfices (fonctionnels, expérientiels, sociaux) qui contribuent à déterminer une
utilité globale et les sacrifices consentis (monétaires et non monétaires).
A cet effet, ce concept représente une source de motivation pour le client, étant donné que son
comportement peut être orienté en fonction de cette valeur. Les chercheurs distinguent trois
approches concernant le concept de la valeur globale perçue : la première issue de la théorie
économique de la valeur-utilité, la deuxième relie ce concept à la structure cognitive de

chaque individu (Zeithaml, 1988), et la troisième mentionne que la caractéristique émergente

de l’interaction entre le service ou le produit et le consommateur présente la valeur perçue
(Holbrook, 1999).
Selon Tauber (1972), la valeur perçue pour l’acquisition du produit ou du service peut être
une valeur utilitaire, hédoniste, psychologique ou sociale. Pour Fandos Roig et al. (2013), la
valeur perçue a été identifiée selon deux approches. La première, bidimensionnelle, la définit
en fonction des bénéfices offerts et des sacrifices consentis par le client. La deuxième
approche, multidimensionnelle, montre que la valeur perçue inclut trois dimensions :
fonctionnelle, émotionnelle et sociale.
Dans le domaine de la grande distribution, Habib (2012) souligne que la valeur perçue
représente un vecteur essentiel et un avantage concurrentiel durable. D’ailleurs, Filser et
Plichon (2004) montrent que la valeur perçue est un déterminant incontournable dans la
création d’une relation positive et durable entre l’enseigne de distribution et les
consommateurs.
Comme nous l’avons mentionné auparavant, la multiplication des canaux et des formes de
distribution peut activer pour le consommateur des sources complémentaires et
supplémentaires de valorisation de son expérience d’achat (Holbrook, 1999), ainsi que
contribuer à la création d’une valeur globale perçue (Prahalad et Ramaswamy, 2004). Par
ailleurs, la possibilité offerte aux clients de pouvoir à volonté utiliser les différents canaux de
distribution d’une enseigne accroît la valeur pour le consommateur qui peut bénéficier des
avantages que chaque canal présente pour lui. Cela peut attirer de nouveaux clients ou retenir
les clients existants. Kushwaha et Shankar (2013) indiquent que l’intégration et la
multiplication des canaux de distribution affectent la valeur de l’offre (monétaire).
Belvaux et Notebaert (2015) montrent que, pour le consommateur, la valeur globale perçue
d’un service ou d’un produit n’est pas uniquement résumée à son évaluation des coûts et des
avantages. Les auteurs soulignent que cette valeur diminue selon des sacrifices et augmente
en fonction des bénéfices. Concernant le concept sacrifice, il se compose d’éléments qui
proviennent du temps, des risques perçues et des efforts de recherche d’information.
Aurier et al. (2004) mentionnent que la valeur perçue ne dépend pas des critères utilitaires ou
fonctionnels relatif au service ou produit acheté, mais dépend aussi des critères qui
proviennent de l’expérience de navigation sur les différents canaux de distribution virtuels et
physique. En effet, l’expérience de consommateur peut varier en fonction du temps de
configuration réel de la valeur. Pour Rivière et Mencarelli (2012), il est nécessaire de
distinguer entre la valeur d’achat (avant acheter le produit ou le service), et la valeur de
magasinage qui est inhérente à la fréquentation du canal de distribution (du point de vente), et

la valeur de consommation pendant ou après l’utilisation de service ou du produit. Dans notre

contexte de recherche cross-canal, la valeur d’achat issue de la fréquentation, de la navigation,
de la multiplication les différents canaux de distribution, le consommateur perçoit une valeur
accrue de l’offre quand les produits et les services proposés sont homogènes et cohérents
entre des différents canaux de distribution. En accord avec ces implications, Seck et Philippe
(2013) montrent que l’augmentation du nombre de canaux est susceptible de contribuer à
créer une valeur pour le consommateur. Nous pouvons donc supposer que la multiplication et
l’intégration de canaux de distribution influencent positivement sur valeur perçue. D’après
Emrich, Paul et Rudolph (2015), la multiplication des canaux est supposée générer de
nombreux bénéfices et créer de la valeur pour les consommateurs.
Dans notre recherche nous allons analyser de quelles façons la stratégie de distribution cross-
canal permet de diminuer les sacrifices consentis pour avoir un service ou un produit dans le
cadre d’une création de valeur associée au concept avantages/coûts, de favoriser l’expérience
de navigation entre les canaux de distribution, et de créer une valeur pendant le processus
d’achat et de consommation pour le consommateur.
2.2.1 La réduction des sacrifices dans le contexte cross-canal

Selon Belvaux et Notebaert (2015), beaucoup de sacrifices monétaires et non monétaires ont
été traités dans les recherches en étudiant la valeur perçue. Dans le contexte cross-canal, le
consommateur est capable de mieux comprendre la diversité de l’offre. Cela peut être
expliqué par le fait que consommateur peut être guidé grâce aux canaux de distribution
utilisés dans le même processus d’achat.
2.2.1.1 Réduire les sacrifices liés aux caractéristiques du service ou du produit

Dans le canal de distribution traditionnel : le magasin, le consommateur, d’une côté, peut voir,
sentir et toucher les produits, et d’autre côté, il peut demander de l’aide à un vendeur ou à un
conseiller. De ce fait, le consommateur considère le magasin comme une source
d’information sur les produits et les services demandés. Par contre le consommateur, sur les
canaux de distribution virtuel, ne peut pas toucher, sentir et comparer les produits
physiquement. C’est pourquoi les enseignes multiplient les applications dans les canaux
virtuels qui permettent aux consommateurs d’avoir des informations bien plus importantes
qu’en canal traditionnel et de nombreuses caractéristiques liées sur les produits. Par ailleurs,
dans le contexte cross-canal, les canaux ne se résument à la transaction, mais ces canaux
proposent certaines fonctions comme la communication. Par exemple, le consommateur peut

s’appuyer sur tous les avis des consommateurs afin d’effectuer son choix efficacement et
rapidement.
2.2.1.2 Réduire les sacrifices associés à l’incertitude du prix

Viot (2009) indique que l’internet est un canal de distribution qui a considérablement évolué
en grande partie via les prix appliqués sur le site qui sont plus compétitifs que dans les canaux
traditionnels. Ainsi, le consommateur cross-canal, dans le cadre de son évaluation
coûts/avantages, utilise les canaux virtuels non pas uniquement pour avoirs les informations
ou comparer les services ou les produits, mais également pour comparer les prix. De plus, le
contexte cross-canal, les distributeurs proposent des prix qui sont égaux ou identiques en
magasin physique et sur l’Internet afin de ne pas favoriser les canaux virtuels face aux canaux
physiques.
2.2.1.3 Réduire les sacrifices associés à la perte de temps et d’énergie

La multiplication des canaux de distribution peut à la fois être porteuse pour économiser du
temps et de l’énergie. Belvaux et Notebaert (2015) identifient que le gain de temps et la
réduction d’effort physique peuvent être acquise pour les consommateurs dans le contexte
cross-canal au travers:
 La possibilité de gérer et maîtriser leur temps en consultant les offres d’une enseigne
grâce à leur connexion Internet sans avoir à se déplacer physiquement.
 La possibilité d’effectuer leurs achats plus rapidement et efficacement en intégrant les
différents canaux dans le processus d’achat.
En synthèse, la réduction des sacrifices est un facteur important à la fois de la création de la
valeur pour les consommateurs et de la réussite de la stratégie cross-canal. Les enseignes
peuvent être capables de réduire le niveau d’incertitude des clients face au prix grâce à
l’intégration des canaux de distribution.
2.2.2 La création d’expérience

La création d’une expérience s’appuie sur la capacité des enseignes à faire vivre une
expérience de consommation. Cela se manifeste dans de notre contexte de recherche à travers
l’intégration les canaux de distribution qui vise à créer une expérience cohérente et holistique
tout au long d’un processus d’achat. Vanheems et Collin-Lachaud (2011) indiquent que
l’utilisation de plusieurs canaux lors d’un même processus d’achat conduit à l’adoption de
nouveaux comportements par les consommateurs. Par ailleurs, Gharbi (1998) souligne que le
comportement du consommateur est motivé par des valeurs inhérentes à l’expérience de
magasinage plus qu’à l’acte d’achat. Ces valeurs ont été classifiées dans la littérature en

plusieurs dimensions : utilitaire, hédoniste et sociale (Tauber, 1972). Dans le contexte cross-
canal, Vanheems et Collin-Lachaud (2011) indiquent que l’expérience acquise de l’adoption
de comportement cross-canal offre des valeurs variés. Pour Poirel et Fernandez (2008), cette
intégration entre les canaux contribue à favoriser une expérience harmonieuse et créer de la
valeur pour les consommateurs. Oueslati (2011) souligne que la stratégie d’intégration visé,
d’un côté, à offrir des services homogènes selon les attentes des consommateurs via une
expérience de visite et d’achat optimale, et de l’autre côté, à améliorer cette expérience avec
l’enseigne à travers tous les canaux de distribution disponibles.
Belvaux et Notebaert (2015) indiquent que les canaux digitaux procurent aux consommateurs
plus de récompenses cognitives et affectives pendant la recherche d’information. Cela va
générer une expérience positive de navigation en fonction de l’obtention de l’information
recherchée et de la rapidité avec laquelle le consommateur l’atteint.
2.2.3 La stratégie cross-canal et le processus d’achat et de consommation

L’interaction des différents canaux de distribution et de communication dans le contexte
cross-canal permet au consommateur de pouvoir être en même temps à plusieurs stades.
D’ailleurs, la multiplication et l’intégration de ces canaux enrichit la relation client en lui
apportant un certain nombre d’avantages lors de son processus d’achat, c’est-à-dire avant,
pendant , lors de la consommation et après l’achat. Avant l’acte d’achat, la majorité de
consommateurs se rendent sue Internet quel quoi soit canal d’achat utilisé. Les enseignes
permettent aux consommateurs d’entrer en contact avec leurs services et produits en leur
offrant une palette de connexion. En plus, le parcours d’achat est de plus en plus compliqué,
multiforme et est devenu digital. Le comportement du consommateur peut prendre la forme
du : All click, All brik, Click and Mortar, Mortar and Click, ou Click and Collect (Belvaux et
Notebaert, 2015). Par ailleurs, le consommateur, en utilisant différents canaux de distribution
dans les différentes phases de son processus d’achat, contribue à une expérience unique, sans
heurt et créatrice de valeur pour le consommateur (Poirel et Fernandez, 2008 ; Seck, 2009).
En synthèse, la multiplication des canaux de distribution et de communication dans le

contexte cross-canal permet de favoriser l’efficience du consommateur en termes de son choix
et de son parcours cross-canal. Cela améliore la satisfaction du consommateur qui résulte du
cumul de l’expérience vécue dans l’ensemble des canaux utilisé (Seck, 2008 ; Rolland, 2003).
2.3 La satisfaction du consommateur

La satisfaction du consommateur constitue un thème essentiel en marketing notamment en
comportement du consommateur. Elle est citée comme un facteur significatif de la fidélité des

consommateurs (l’intention de ré-achat, l’achat répété, le bouche-à- oreille) (Sahin et al.,

2011 ; Audrain-Pontevia et al., 2013 ; Aksoy et al., 2013).
2.3.1 La définition de la satisfaction
Plusieurs définitions de la satisfaction ont été proposées dans la littérature selon différentes
approches (Westbrook et Oliver, 1991; Audrain et Evrard, 2001) :
 Certains chercheurs définissent la satisfaction comme un état psychologique qui se
compose des aspects affectif, cognitif, affectif et cognitif. Selon cette approche, plusieurs
chercheurs (Westbrook, 1980 ; 1983 ; Woodruff et al., 1983 ; Arnould et Price, 1993)
soulignent qu’elle est une émotion comme contentent et plaisir. Pour Westbrook (1983),
la satisfaction est une réponse émotionnelle. Alors que d’autres chercheurs représentent la
satisfaction comme une cognition résultats d’un processus d’évaluation. Oliver (1981)
décrit la satisfaction comme « résulte d’une comparaison subjective du produit attendu et
reçu ». en effet, Oliver (1981) montre que les attentes des consommateurs peuvent être
déterminées en fonction de quatre éléments essentiels : le bouche à oreille sur l’offre, les
besoins, l’expérience et la communication de l’enseigne vers les consommateurs. De son
côté, Llosa (1996) mentionne que la satisfaction est un état psychologique qui se compose
des aspects affectif et cognitif. A cet égard, Vanheems (2002) indique que la satisfaction
n’est donc ni une évaluation cognitive pure, ni une émotion pure.
 Yi (1990) propose une classification en deux catégories principales afin de clarifier ce
concept : la satisfaction définie comme un état final ou comme un processus. Pour
Oliver (1981), Westbrook et Oliver (1981) et Bolton et Drew (1991), la satisfaction est
considérée, selon la première catégorie, comme un état final séparé du processus qui
conduit à sa formation. Selon ces chercheurs, la satisfaction du consommateur dépend de
l’évaluation du résultat perçu. Cependant, selon la deuxième catégorie, la satisfaction est
envisagée comme un processus en fonction de son caractère comparatif (Llosa, 1996 ;
Rolland, 2003). La satisfaction du consommateur résulte du processus de comparaison
entre l’expérience vécue par le consommateur et un point de référence (Churchill et
Surprenant, 1982 ; Tse et Wilton, 1988). De ces deux concepts de satisfaction, il n’y a pas
de définition réelle ou fausse. Les définition selon l’état final ou le processus partent
d’angles différents, mais conservent toujours l’évaluation du consommateur affective et
cognitive.
 Vanheems (2002) classifie la satisfaction en se basant sur une perspective temporelle
transactionnelle (dépend de l’expérience du consommateur particulière), ou soit sur une
perspective relationnelle (cumulée couvrant de nombreuses expériences de

consommation). La satisfaction transactionnelle correspond à « un jugement évaluatif post

achat immédiat ou une réaction affective à l’expérience transactionnelle la plus récente
avec la firme » (Garbarino et Johnson, 1999) ou encore une « rencontre discrète pendant
une période définie » (Ngobo, 1997). Cependant, la satisfaction relationnelle est définie
comme jugement global qui résulte dans le temps d’un cumul d’expériences de
consommateur (Garbarino et Johnson, 1999 ; Jamal et Naser, 2002 ; Vanhamme, 2002 ;
Montoya-Weiss et al., 2003). De leur côté, Parasurman et al. (1994) indiquent que la
satisfaction relationnelle est considérée comme la totalité de toutes les satisfactions
transactionnelles passées menant à la performance globale de l’enseigne. Boyer et Nefzi
(2008) affirment que la satisfaction ne doit pas être mesurée en se basant sur une
expérience donnée ; mais elle doit être mesurée selon toutes les expériences de
consommation passées.
Dans notre recherche, nous nous basons sur la conceptualisation de la satisfaction qui est vue
comme un état psychologique comprenant des aspects affectifs et cognitifs en résultant
d’évaluation cumulée de la relation avec l’enseigne. En effet, la satisfaction du
consommateur, dans cette recherche, est évaluée après plusieurs fréquentations du Drive par
les consommateurs qui utilisent le Drive pour faire leurs courses. Notre choix est expliqué par
le fait que certains chercheurs ont adopté cette perspective dans les deux contextes
traditionnel et virtuel (Kim et al., 2009 ; Sahin et al., 2011 ; Audrain et al., 2013).
2.3.2 La satisfaction et la qualité de service

Moulins (2012) montre que la qualité de service est considérée comme un concept très proche
du concept de satisfaction du consommateur. D’ailleurs nous pouvons observer que ces deux
concepts, dans la littérature, sont utilisés de manière interchangeable (Audrain et Evrard, 2001
; Vanhamme, 2002). Nous avons tiré les ressemblances et les différences afin de clarifier la
confusion entre ces deux concepts. Il existe des similitudes entre la qualité de service et la
satisfaction en ce sens que (Llosa, 1996 ; Dano et al., 2003) :
 Les deux concepts sont des évaluations subjectives après une expérience de service.
 Les deux concepts se basent en partie sur la comparaison entre les attentes et la
performance perçue.
 Les critères de comparaison sont similaires de plusieurs façons : ils sont complexes,
multiples, utilisent différents éléments clés comme les besoins, les attentes prévues, les
normes relatives aux expériences passées, désirées et l’équité.

Cependant, certains auteurs (Oliver, 1997 ; Vanhamme, 2002 ; Dano et al., 2003) ont cherché
à différencier la qualité de service et la satisfaction du consommateur en fonction de plusieurs
niveaux :
 Au niveau des attributs et dimensions : la qualité se réfère aux caractéristiques
intrinsèques du produit/ service (rapidité, facilité, accueil), tandis que la satisfaction peut
être ou pas liée parfois à la qualité.
 Au niveau de la dépendance à l’expérience : la qualité de service ne nécessite pas une
expérience de service ou de produit, alors que la satisfaction est expérimentale qui résulte
de l’expérience unique ou cumulée de consommateur (Dabholkar, 1995; Llosa, 1997 ;
Ngobo, 1997 ; Dano et al., 2003 ; Vanhamme, 2002).
 Au niveau de la nature affective/cognitive : Dabholkar (1993 ; 1995) souligne que la
qualité de service est essentiellement cognitive, alors que la satisfaction est à la fois
affective et cognitive (Oliver, 1989; Westbrook, 1987).
 Concernant le lien avec l’individu : la satisfaction est un état psychologique de l’individu,
alors que la qualité de service est un état perçu de service ou de produit.
La littérature montre qu’il existe des similitudes entre ces deux concepts, cependant un grand
nombre de recherches conceptuelles et empiriques constatent que ces deux concepts sont
différents (Anderson et al., 1994 ; Bitner et Hubbert, 1994). Pour cela, les recherches
proposent la nécessité de montrer la relation causale entre ces deux concepts pour améliorer la
compréhension des évaluations de service utilisés par le consommateur (Dabholkar, 1995).
Mais les chercheurs suggèrent deux directions différentes de la causalité entre eux
(Chumpitaz et Swaen, 2004). D’une part, certains auteurs (Oliver 1981 ; Parasuraman et al.,
1988 ; Bitner et Hubert, 1994) montrent que la satisfaction est un antécédent à la qualité de
service, en voyant la qualité de service comme une attitude au niveau globale et la satisfaction
comme une évaluation relative à une transaction particulière. En revanche, d’autres
chercheurs soulignent la qualité de service comme un antécédent à la satisfaction, en
définissant la qualité comme une évaluation à un niveau transactionnel et la satisfaction
comme intervenant au niveau global.
2.4 La confiance à l’enseigne

Aujourd’hui, la confiance est considérée comme une variable essentielle de la relation
d’échange, dans tous les domaines, en permettant d’expliquer, de prédire les comportements
des individus et d’impacter positivement les intentions d’achat (Allagui et Temessek, 2005).
Ce concept a attiré l’intention de recherche en science de gestion notamment en marketing
(Moorman et al., 1992 ; Morgan et Hunt,1994 ; Gurviez et Korchia, 2002). Morgan et Hunt

(1994) indiquent que la confiance est considéré comme un 1er pas de la théorie du marketing
relationnel. Après quelques années, ce concept a été émergé dans le service et du point de vue
de consommateur, certains auteur identifient la confiance comme un déterminant important
afin de développer la relation entre le consommateur et l’enseigne, il s’agit de la confiance à
l’enseigne (Frisou, 2000 ; Aurier et al., 2001 ; Gurviez et Korchia, 2002 ; Bergeron et al.,
2003 ; Prim-Allaz et Sabadie, 2005), alors que d’autres auteurs identifient la confiance
comme un facteur majeur de la relation établie entre la marque et le client, il s’agit de la
confiance à la marque (Sirieix et Dubois, 1999). Selon Kaabachi (2007) et Ducroux (2009), la
confiance à l’enseigne dépende de la capacité de cette dernière à respecter ses engagements et
à défendre les intérêts propres des consommateurs.
Dans le contexte virtuel, la confiance a été étudiée comme un variable clé qui mène à des
relations de long terme (Cheikho, 2015). De leur côté, Van der Heijden et al. (2003) et Li et
Yeh (2010) affirment que la confiance est un déterminant majeur qui conduit à fidéliser les
consommateurs.
2.4.1 Définition de la confiance à l’enseigne (offline/ online)

Comme nous l’avons mentionné auparavant, le concept de confiance a été étudié en fonction
de différentes entités : la marque, l’enseigne et le site web. Dans le contexte de distribution à
plusieurs canaux de distribution traditionnels et virtuels, nous pouvons distinguer la définition
de la confiance dans le contexte offline et le contexte online.
Dans le contexte offline, le tableau 10 ci-dessous montre les différentes définitions de la

confiance.
Tableau 10 : La confiance dans le contexte offline

Auteurs Définition
MacNeil (1980) Le sentiment de sécurité qui anime chacun des partenaires envers
l’autre et qui permet aussi d’entretenir une relation à long terme.
Schurr et Ozanne (1985) La croyance que la parole ou la promesse qu’une partie remplira ses
obligations dans une relation d’échange.
Moorman et al. (1992),

Morgan et Hunt (1994), La volonté de compter sur un partenaire en qui on a confiance.
Bergeron et al. (2003)
Sirieix et Dubois (1999) La croyance à l'égard de la marque avant l’intention de comportement

d’achat.
Source : Cheikho (2015)

Jarvenppa et al. (2000) et Urban et al. (2000) montrent que la confiance dans le contexte
online ne se diffère pas de la confiance dans contexte offline, mais la confiance online semble
plus importante. Cela explique par le fait que la confiance est associée à l’incertitude des
clients dans un environnement virtuel caractérisé par l’absence d’interaction traditionnelle en
face-à-face client/personnel en contact (une interaction virtuel client/machine). Le tableau 11
ci-dessous présente les différentes définitions da la confiance dans un environnement
électronique.
Tableau 11 : La confiance dans le contexte online
Auteurs Définition
Gefen (2000) La volonté de faire des transactions avec le partenaire en se basant sur le
sentiment de sécurité et la confidentialité.
Suh et Han (2003) La croyance que l’on peut compter sur les promesses faites par l’e-
fournisseur.
Un ensemble de croyances spécifiques qui portent principalement sur

l'intégrité (l’honnêteté et la tenue de la promesse), la bienveillance (la
Lin et Wang (2006)
motivation à agir l’intérêt des consommateurs), la compétence (la capacité de
fournisseur à faire ce dont le consommateur a besoin) et la prévisibilité (le
comportement de cohérence) d'un m-fournisseur particulier.
Source : Cheikho (2015)
En se basant sur la définition de la confiance dans les deux contextes offlines et onlines, ce
concept est perçu comme une attente, une volonté, une croyance, ou comme une présomption.
Afin de déterminer la notion de la confiance, nous allons présenter les dimensions de ce
concept par la suite. Dans notre recherche, la confiance du consommateur à l’enseigne obéit à
une logique un peu différente de la qualité de service propre au Drive, mais elle a été prise en
compte parce qu’elle contribue aussi à la création de la fidélité du consommateur.
2.4.2 Les dimensions de la confiance à l’enseigne

Dans la littérature, il existe une divergence en ce qui concerne le nombre de dimensions de la
confiance. Au travers des recherches antérieures, nous pouvons distinguer trois conceptions
relatives à la mesure de la confiance du consommateur à l’enseigne:
 Unidimensionnelle : selon cette approche, la motivation de bienveillance ainsi que
l’honnêteté représentent la confiance comme un concept unidimensionnel (Morgan et
Hunt, 1994).
 Bidimensionnelle : les auteurs qui sont adopté cette approche bidimensionnelle ont retenu
la crédibilité et l’attribution de bienveillance comme deux dimension afin de mesurer la
confiance (Ganesan et Hess, 1997 ; Sirieix et Dubois, 1999).

 Multidimensionnelle : les trois dimensions suivantes ont été représentées des dimensions
de la confiance envers l’enseigne : la compétence, l’honnêteté et les motivations à long
terme qui prend en compte l’intérêt des clients (Rousseau et al., 1998 ; Gurviez et
Korchia, 2002).
Par ailleurs, la littérature dans le marketing a distinguée deux notions différentes de la
confiance : affective et cognitive :
 La confiance affective : Swan et al. (1999) montrent que cette notion dépend du sentiment
de sécurité concernant l’idée de pouvoir compter sur le personnel en contact. De leur côté,
Shapiro et al. (1992) soulignent que la confiance affective se repose sur l’identification
qui s’établit entre le consommateur et la marque : identification de la marque à ses clients
et identification du consommateur à la marque. En effet, cette confiance à un partenaire se
base sur certains facteurs comme les émotions qui constituent une relation plus
transparente (Johnson et Grayson, 2005), et l’attention et les émotions personnels parmi
les individus qui forment la base de la confiance (Lewis et Weigert, 1985)
 La confiance cognitive : Shapiro et al. (1992) montrent qu’elle se fonde sur les
connaissances. Ces dernières se manifestent au travers des attentes relatives à la
compétence nécessaire, la fiabilité et la motivation sur lesquelles les consommateurs
peuvent s’appuyer (Swan et al., 1999).
En confortant ces deux concepts de la confiance, nous pouvons constater que la confiance
affective est plus liée à des expériences individuelles avec l’enseigne ainsi que à la
bienveillance, alors que la confiance cognitive dépend de la crédibilité concernant la
compétence et l’intégrité.
Dans notre recherche, l’intégration et la multiplication des canaux de distribution et de

communication réfèrent à la compétence de l’entreprise dans son domaine. D’ailleurs, cette
intégration montre que l’enseigne est à l’écoute des besoins et des attentes de ses
consommateurs. Comme nous l’avons mentionné auparavant, la stratégie de distribution
cross-canal permet de diminuer les sacrifices liées au prix et les informations nécessaires, de
favoriser l’expérience de navigation entre les canaux de distribution et de créer une valeur
pendant le processus d’achat et de consommation pour le consommateur. Cela peut influencer
positivement l’intégrité de l’enseigne puis la confiance des consommateurs envers l’enseigne.
Dans la deuxième section de ce chapitre, notre objectif a été de mettre en lumière les facteurs
explicatifs qui contribuent à la fidélité du consommateur dans le contexte de distribution
cross-canal. A ce titre, nous nous sommes basé sur la littérature existante afin de clarifier ces

variables. En effet, nous avons retenu quelques variables les plus pertinentes à notre recherche
dans le contexte de distribution cross-canal.
Nous avons présenté les évolutions de l’offre et de la relation client dans un contexte de
distribution cross-canal en fonction de 1) la perception de la qualité de service, de la capacité
des enseignes à créer de 2) la valeur et à faire vivre 3) une expérience de consommation à la
fois originale, plaisante et intéressante pour le consommateur et 4) de la confiance vis-à-vis de
l’enseigne.

Conclusion du chapitre II
Le deuxième chapitre a été organisé en deux sections. Dans la première section, nous nous
sommes intéressé à comprendre les fondements de l’une de variable principale de notre
étude : la fidélité du consommateur. Nous avons synthétisé l’évaluation de la
conceptualisation de la fidélité du consommateur à travers les approches principales :
comportementale, attitudinale, composite, relationnelle et processuelle. Selon la première
approche, la fidélité du consommateur est définie et mesuré en fonction des comportements
d’achat répétés (McConnell, 1968 ; Jacoby et Kyner, 1973). La deuxième approche
attitudinale se focalise sur la préférence, les émotions des clients à l’égard de la marque…).
Afin de mieux appréhender le concept de fidélité, une troisième approche appelée
« composite » a été développer en réponse aux limites des deux approches comportementale
et attitudinale. Concernant la quatrième approche relationnelle, elle été adoptée en réponse
aux limites de l’approche composite en prenant en compte la relation établie entre le
consommateur et la marque (N’Goala, 2003). L’approche processuelle se base sur un
processus qui se compose de quatre étapes : cognitif, affectif, intention et action (Toufaily,
2011).
Nous avons également fait le point sur le comportement de fidélité qui se manifeste par trois
type de relations : la relation dans la durée, approfondie et entendue (Verhoef et al., 2001 ;
Bolton et al., 2004 ; Söderlund, 2006 ; Wübben et Wangenheim, 2008). Cette section a été
l’occasion de présenter les avantages de la fidélité du consommateur pour les entreprises et
pour les clients eux-mêmes. L’analyse de la littérature relative au concept de fidélité du
consommateur au point de vente, nous a permis de mettre en évidence la définition de ce concept
et la liste de déterminants du choix d’un processus de fidélité.
Au sein de ce chapitre, nous voulions mettre en lumière les facteurs explicatifs qui contribuent
à la fidélité du consommateur dans le contexte de distribution cross-canal. A ce titre, nous
nous sommes basé sur la littérature existante afin de clarifier ces variables. En effet, nous
avons retenu quelques variables les plus pertinents à notre recherche dans le contexte de
distribution cross-canal : la qualité de service traditionnelle et électronique, la valeur perçue,
la satisfaction du consommateur et la confiance envers l’enseigne.
Dans le contexte de distribution cross-canal, la multiplication des canaux de distribution

impose de veiller à la qualité de chaque maillon de la chaîne. Il est nécessaire que les
différents canaux soient bien intégrés et coordonnés de façon à faire de l’achat une expérience
à la fois intéressante, plaisante et originale. Cela doit créer de la valeur pour les clients.
D’ailleurs, cette multiplication des canaux de distribution et de communication permet de
favoriser l’efficience du consommateur en termes de son choix et de son parcours cross-canal.

Cela améliore la satisfaction du consommateur qui résulte du cumul de l’expérience vécue
dans l’ensemble des canaux utilisé (Seck, 2008 ; Rolland, 2003). Nous avons également
montré que l’intégration et la multiplication des canaux de distribution et de communication
réfèrent à la compétence de l’entreprise dans son domaine.
Nous nous attacherons donc, dans le chapitre suivant, à montrer les différentes stratégies de
distribution afin de dégager leurs influences sur le comportement du consommateur.

Chapitre III : Etude qualitative exploratoire
PARTIE I :
Chapitre I :

Chapitre II :
Chapitre III :

CHAPITRE III : ETUDE QUALITATIVE

EXPLORATOIRE
Introduction au chapitre III

L’objectif global de cette recherche est de proposer un modèle conceptuel intégrateur qui
permet de comprendre les déterminants de la fidélité du consommateur à un Drive dans un
contexte de distribution cross-canal. Autrement dit, l’enjeu principal de ce travail consiste à
présent à évaluer la fidélité du consommateur cross canal dans le contexte particulier du Drive
alimentaire.
Pour atteindre cet objectif, il est nécessaire de passer par une phase qualitative exploratoire
compte tenu de la rareté voire l’inexistence des recherches portant sur les déterminants de la
fidélité du consommateur du Drive.
De manière générale, une étude qualitative exploratoire sert à explorer et défricher un
domaine nouveau ou insuffisamment connu (Evrard et al.,, 2009). Elle est parfois nécessaire,
puisqu’elle sert à compléter les informations manquantes ou à en apporter de nouvelles,
relatives au problème étudié et à expliquer la question de recherche (Thiétart et al.,
2014,2007).
L’analyse qualitative exploratoire nous permet d’avoir une vision plus complète des
motivations et freins d’achat des consommateurs de Drive, et de clarifier les déterminants qui
contribuent à la création de fidélité des consommateurs du Drive. Par ailleurs, cette analyse
permet de faciliter la sélection et l’intégration des variables dans le modèle conceptuel
intégrateur.
Dans le cadre de notre recherche, nous avons mené une étude exploratoire auprès des
consommateurs qui utilisent le Drive dans leurs courses. Cette étude représente les sources
des informations qui permettent une meilleure compréhension des déterminants de la fidélité
des consommateurs du Drive. La figure 7 ci-dessous illustre la démarche générale de notre
étude qualitative.
Dans ce chapitre, nous nous consacrons, d’abord, à la présentation de la phase qualitative

exploratoire, ensuite, nous abordons successivement les objectifs, la méthodologie et les
résultats obtenu de l’étude qualitative exploratoire.

Figure 7: Démarche générale de la phase qualitative exploratoire
Phase qualitative exploratoire
Entretiens individuels/ client
Analyse de contenu thématique
Synthèse des résultats
1 Méthodologie de l’étude qualitative exploratoire

Afin de détailler la méthodologie suivie pour notre phase qualitative exploratoire, nous
présenterons, tout d’abord, les objectifs visés par cette étude, ensuite, nous identifierons le
lieu et la période de collecte des données pour finir par l’élaboration de la procédure de
recueil de ces données.
1.1 Les objectifs de l’étude qualitative exploratoire

De manière générale, une étude qualitative exploratoire a deux objectifs (Evrard et al., 2009).
Premièrement, elle peut viser, comme son nom l’indique, l’exploration d’un problème afin de
déterminer un certain nombre de propositions plus précises, d’hypothèses spécifiques menant
à une vision aussi complète que possible du problème. Deuxièmement, elle peut viser la
compréhension d’un phénomène et son analyse en profondeur. Comme le soulignent Thiétart
et al. (2014 ,2007), la phase qualitative est une étape nécessaire afin de délimiter la question
de recherche, de se familiariser avec cette question, de clarifier les concepts théoriques ou

d’expliciter des hypothèses de recherche. Elle se veut explicative et ne vise nullement la

représentativité comme l’étude quantitative.
Notre principal objectif dans cette phase qualitative de notre recherche est de montrer, d’une
part, les caractéristiques des répondants qui utilisent le Drive dans leurs courses. D’autre part,
l’évaluation des consommateurs du Drive et la contribution du Drive à la satisfaction et à
fidélité du consommateur. De plus, l’étude qualitative est souvent utilisée dans une optique
séquentielle (Thiétart et al., 2014, 2007) : un grand nombre de travaux procèdent à la phase
qualitative exploratoire comme un antécédent de l’étude quantitative.
Dans le cadre de cette recherche, notre étude qualitative sera suivie d’une autre quantitative.
En effet, l’opérationnalisation des variables du modèle nécessite la réalisation d’une étude
qualitative exploratoire pour augmenter la probabilité de développer des mesures valides
(Churchill, 1979). Ainsi, l’étude qualitative peut nous aider à préciser les items des échelles
de mesure, de construire et/ ou d’adapter les instruments de mesure de nos variables. A travers
notre étude qualitative nous souhaitons vérifier la validité de nos conclusions inspirées de la
littérature dans le but de proposer un modèle conceptuel pertinent.
1.2 Le lieu de collecte des données

L’unité d’analyse de notre étude est de recueillir des informations diverses et variées pour une
meilleure compréhension des comportements des consommateurs qui utilisent le Drive dans
leurs courses. Les domaines d’application de notre étude peuvent être multiples. Plusieurs
secteurs sont susceptibles de nous intéresser notamment la grande distribution alimentaire
française comme Carrefour Drive.
Nous avons choisi de mener notre étude à Carrefour Drive qui nous semble intéressant en
termes de nouveauté dans le paysage de la distribution. Plus précisément, nous souhaitons
appliquer notre étude qualitative sur le nouveau moteur de croissance de la distribution
alimentaire qui s’avère très avantageux pour les consommateurs ainsi que pour les grands
distributeurs.
D’ailleurs, Le Drive connaît une activité très dynamique et contribue de plus en plus au
développement du mode de commande Internet en France.
Le choix de cet enseigne s’explique par plusieurs raisons :

Carrefour est une enseigne qui propose ses services et ses produits à travers plusieurs
canaux de distribution : magasin, Internet, Drive, mobile, etc. Ainsi, elle déploie sa stratégie
cross canal de distribution.

Les consommateurs de Carrefour ont pour la plupart un comportement cross canal parce
qu’ils utilisent et combinent plusieurs canaux de distribution lors d’achat.
Dans notre étude qualitative, nous avons mené une série d’entretiens individuels semi-
directifs. Les données qualitatives ont été collectées auprès de 16 consommateurs du Drive
dans une enseigne : Carrefour à Aix En Provence.
1.3 La période de collecte des données

Nous avons procédé à une série d’entretiens individuels semi-directifs auprès de
consommateur de Carrefour Drive. Les entretiens se sont déroulés lors des mois de juillet et
août 2015, au domicile des participants ou sur leur lieu de travail. Les conditions des
entretiens ont généralement été optimales (bureau fermé, collègues prévenus, siestes des
enfants, etc.).
Chaque entretien a eu une durée entre 30 et 45 minutes15. Pour permettre une meilleure
analyse des données, chaque entretien a été enregistré et intégralement retranscrit.
1.4 La procédure de recueil des données qualitatives

D’après la littérature, plusieurs méthodes ont été proposées pour effectuer les études
qualitatives, tels que les entretiens de groupes, les entretiens individuels, l’observation, etc.
Dans le cadre de notre phase qualitative, nous avons recouru à des entretiens individuels semi-
directifs. Nous avons choisi cette méthode parce qu’elle représente le mode de recueil des
données qualitatives le plus largement utilisé dans le domaine des études marketing (Evrard et
al., 2009 ; Rolland, 2003 ; Thiétart et al., 2014, 2007). Selon les auteurs, un entretien semi-
directif est centré autour des thèmes précis à aborder dans le courant de l’entretien, et se
déroule à partir d’un guide d’entretien défini au préalable et qui liste ces thèmes. La
réalisation des entretiens semi-directifs nous permet d’avoir une meilleure compréhension du
phénomène étudié en tenant compte des objectifs visés, d’une part, et nous fournit des
informations mieux ciblées et plus précises.
1.4.1 Le guide d’entretien

Les entretiens semi-directifs se caractérisent par la présence d’un guide d’entretien, véritable
support et fil conducteur de l’échange (Jolibert et Jourdan, 2011, 2006). Il se présente sous la
forme d’un « pense-bête » répertoriant les thèmes qui doivent être abordés au cours de
l’entretien semi-directif. Un guide d’entretien a été réalisé auprès des consommateurs du
Drive dans le cadre de cette recherche
15
Evrard, et al.,(2003) suggèrent 30 minutes minimum (1 heure maximum).

Le guide d’entretien réalisé auprès des consommateurs du Drive se compose de quatre parties
(Annexe 1) :
 Phase 1 : présentation de l’enquête : après nous être présenté, nous avons exposé
brièvement au répondant l’objectif de l’entretien. Nous avons tenu à vaincre les
appréhensions de la personne interviewée, valoriser l’importance de son opinion et
solliciter la permission d’enregistrer l’entretien comme le conseillent Jolibert et Jourdan
(2011, 2006).
 Phase 2 : consigne de départ ou début de l’entretien : nous avons commencé l’entretien
par une question générale : « spontanément « faire les courses » ça vous fait penser à
quoi ? ». Cette question a permis d’identifier les attitudes générales par rapport aux
courses et les comportements généralement adoptés, et de rentrer ainsi au cœur de notre
sujet.
 Phase 3 : présentation le profil des consommateurs du Drive : cette phase a permis de
préciser le profil des répondants. Une première série de questions vise à identifier les
caractéristiques des répondants (âge, sexe, catégories socio-professionnelles, situation
familiale et composition des foyers), et à déterminer l’adoption du Drive (quand, comment
et combien de fois en moyenne, ils font les courses par Drive).
 Phase 4 : corps de l’entretien ou grille des thèmes centraux à aborder : cette phase
traitant des questions importantes de l’étude, nous avons donc été plus précis dans
l’énoncé des thèmes à aborder. Un second groupe de questions vise à comprendre :
1) L’évaluation des consommateurs du Drive : le but est de voir la perception des
consommateurs de Drive.
2) La contribution du drive à la satisfaction et à fidélité du consommateur : il s’agit de
voir sur quoi se fonde l’évaluation globale du consommateur.
1.4.2 La nature, la taille et la constitution de l’échantillon

Cette étude qualitative est faite à des fins exploratoires afin de mieux comprendre l’évaluation
du consommateur du Drive. Au total seize entretiens semi-directifs ont été réalisés à Aix-en-
Provence auprès des consommateurs du Drive (tableau 12). La taille a été arrêtée en retenant
le « principe de saturation sémantique ». Ce principe veut que le chercheur ne s’en tienne pas
à un standard fixe : tant qu’il découvre des éléments nouveaux, l’étude continue. Le chercheur
s’arrête lorsque les mêmes informations reviennent. Ce seuil a été atteint à partir de la
seizième personne interviewée.

Tableau 12 : Profil des répondants

Entretien Age Genre Emploi Situation Nombre
familiale d’enfants
1 33 F Comptable Concubinage 2
2 41 F Professeure des écoles Mariée 2
3 34 F Chef de projet Mariée 1
traductrice
4 50 H Enseignant Pacsé 3
5 36 H Gestionnaire à Marié 2
l’université
6 38 F Pharmacienne Concubinage 1
7 38 H Ingénieur Marié 3
8 34 F Ingénieur informatique Concubinage 2
9 36 H Huissier Marié 2
10 40 F Enseignante Mariée 1
11 35 F Contrôle de gestion Pacsée 2
12 31 H Collaborateur Marié 0
comptable
13 28 F Manipulatrice radio en Célibataire 0
hôpital
14 33 H Fonctionnaire Marié 2
15 40 H Gestionnaire Marié 2
16 37 F Enseignante Mariée 1

2 L’analyse des données : analyse de contenu thématique

Dans le cadre de notre recherche, nous avons suivi les 7 étapes de l’analyse de contenu
préconisées par Giannelloni et Vernette (2015, 2012) (Figure 8), pour traiter nos données
qualitatives:
Figure 8: Etapes de l'analyse de contenu16
1. Transcription des entretiens
2. Définition de l'unité d'analyse
3. Construction de la grille
4. Remplissage de la grille
5. Analyse thématique ou lexicale
6. Quantification
7. Rapport de synthèse
Les données issues de nos entretiens semi-directifs ont été analysées en utilisant l’analyse de
contenu. L’analyse de contenu permet en effet de dégager les thèmes du sujet étudié
(l’évaluation des consommateurs du Drive et la contribution du Drive à la satisfaction et à
fidélité du consommateur) (Wanlin, 2007). L’analyse de contenu se définie initialement
comme étant une technique de recherche pour une description objective et systématique et
16 Source : GIANNELLONI J.-L. et VERNETTE E. (2012), Etudes de marché, Vuibert, 3e édition, p. 111.

quantitative du contenu manifeste de la communication (Berelson, 1952)17. De son côté,

Bardin (2013) propose d’avoir « un ensemble de techniques d’analyse des communications
visant, par des procédures systématiques et objectives de descriptions du contenu des
messages, à obtenir des indicateurs (quantitatifs ou non) permettant l’inférence de
connaissances relatives aux conditions de production/ réception de ces messages ».
Ainsi, il existe différentes méthodes d’analyse de contenu parmi lesquelles nous pouvons citer
l’analyse thématique, syntaxique et enfin lexicale (tableau 13).
Tableau 13 : Les différents types d’analyse de contenu

Type d’analyse Exemples d’indicateurs
Analyse syntaxique Structure du discours, Ex : temps et modes des

verbes
Analyse lexicale Nature et richesse du vocabulaire, Ex : fréquence

d’apparition des mots
Analyse thématique Découpage par thème et fréquence d’apparition
Source : Evrard et al. (2009)
En effet, il semble que l’analyse de contenu thématique soit la technique le plus souvent
utilisée en marketing (Evrard et al., 2009). Ainsi, dans le cadre de notre étude qualitative
exploratoire, nous avons retenu l’analyse de contenu thématique pour analyser les données
issues de nos entretiens semi-directifs.
Gavard-Perret et Helme-Guizon (2008) soulignent deux façons pour mettre en œuvre la

technique qualitative : l’analyse manuelle et l’analyse automatisée des données. Dans le cadre
de notre étude, nous avons choisi l’analyse manuelle pour deux raisons :
- Nous souhaitons faire émerger du sens, et il serait utile d’utiliser une méthode
manuelle comme l’étude « papier-crayon » pour analyser un phénomène (Fenneteau,
2002)
- Pour éviter la marginalisation de certains phénomènes, nous n’avons pas procédé à un
comptage via un logiciel.
De leurs côtes, Giannelloni et Vernette (2015) soulignent deux façons d’effectuer l’analyse de
contenu :
17
L’auteur cité par ABBAS (2014)

 L’analyse verticale (traitement intra-interview) : il s’agit de conduire l’analyse au sein

du même entretien. Ce type d’analyse permet de voir comment l’interviewé a abordé
les thèmes, et exige que le chargé d’étude établisse une fiche de synthèse sur chaque
entretien.
 L’analyse horizontale : qui permet de voir comment chaque élément figurant dans la
grille a été abordé par tous les interviewés. Ce type d’analyse est précieux puisqu’il
représente la base du rapport de synthèse de l’étude qualitative.
Pour effectuer une analyse horizontale sur le verbatim obtenu, nous avons découpé le texte en
unités d’analyse de base, c’est-à-dire le thème pour notre recherche. L’unité d’analyse se
compose de phrases ou de groupes de phrases qui se réfèrent à un même thème. Nous avons
ainsi regroupé les thèmes en catégories homogènes selon leur degré de similarité, ces
catégories devant être exhaustives (catégories classant toutes les réponses) et exclusives
(catégories classant une réponse dans une seule catégorie).
3 Les résultats de la phase qualitative exploratoire

L’objectif principal de notre étude qualitative est d’avoir une meilleure compréhension du
comportement du consommateur du Drive en termes de perception, d’attitude et d’évaluation
globale (la satisfaction et la fidélité).
Nous présenterons dans ce qui suit trois principaux résultats ressortant de l’étude qualitative
menée auprès des consommateurs du Drive :
3.1 Les caractéristiques des répondants

En effet, les 16 répondants de notre étude qualitative exploratoire nous permettent d’en savoir
plus sur le profil des consommateurs du Drive. Nous pouvons noter que les consommateurs
du Drive appartiennent à une catégorie socioprofessionnelle assez élevée et ont un niveau
d’étude supérieur. D’ailleurs, nous notons que ces consommateurs correspondent au profil
établi par Donthu et al (2009). Selon ces auteurs, les e-magasineurs en général sont plus
innovants, car ils recherchent plus de gain de temps et de praticité.
D’ailleurs, nous avons remarqué que les répondants les plus présents sont des couples avec
des enfants. L’âge moyen des répondants est de 37 ans, cela correspondant à des actifs avec
des enfants. Globalement, d’une part, il semble que certaines tranches âge adoptent le Drive
lors de leurs achats. D’autre part, nous nous rapprochons ici de l’idée de l’effet d’âge sur la
fidélité des consommateurs telle que l’aborde la littérature et selon laquelle les personnes de
moins de 45 ans sont plus fidèles que les autres segments d’âge.

De manière générale, nous avons remarqué que plus de la moitié des répondants qui adoptent
le Drive vivent ou travaillent à proximité du Drive.
Ensuite, nous avons noté que la plupart des répondants considèrent les courses comme une
contrainte et cherchent à s’en libérer le plus rapidement possible afin de pratiquer d’autres
activités sportives ou culturelles avec la famille :
« C’est bien de passer du temps dans le supermarché quand on n’a rien à faire, mais si on a
d’autre chose à faire, on préfère le Drive, c’est plus pratique » (Répondant 3, F, 34).
« C’est du temps qui est mieux utilisé, parce qu’on peut faire autre chose, on peut rester à la
maison et prendre un café et regarder les devoirs des enfants, ainsi on participe à la vie
familiale » (Répondant 7, H, 38).
« Les courses c’est la perte de temps pour moi. Le Drive me permet de faire d’autres choses »
(Répondant 1, F, 33).
« Carrefour Drive est très pratique, ça me permet de gagner beaucoup de temps et d’avancer
dans notre emploi du temps sans perte de temps » (Répondant 8, F, 34).
« Quand on passe beaucoup de temps au bureau, on n'a pas envie d'en passer autant pour
faire les courses ! Voilà pourquoi je passe régulièrement chez Carrefour Drive ! Les courses
sont faites en quelques minutes sur le site et en quelques minutes c'est dans le coffre »
(Répondant 15, H, 40).
Enfin, nous avons remarqué que la plupart des répondants perçoivent les courses en
supermarché comme des visites corvée plus que comme des visites plaisir :
« Chercher à manger et après un petit peu une corvée, mais c’est vrai que depuis que je fais
mes courses en Drive, c’est vraiment agréable » (Répondant 2, F, 41).
« Les couses en supermarché : une corvée » (Répondant 4, H, 50).
« Un pensum pendant la semaine les courses en supermarché, mais maintenant ça va

beaucoup mieux avec le Drive » (Répondant 6, F, 38).
« Il y a deux ans, je vous aurais dit une corvée et avec le Drive maintenant ça va je peux faire
quelques choses d’autre » (Répondant 12, H, 31).
« Passer une heure et demi ou deux heures pour remplir le caddie, c’est perte de temps »
(répondant 9, H, 36).

« Les courses, c’est une perte de temps. Dans les magasins, on est toujours tenté, alors que la,
au moins, je rationalise. C’est un mode adapté à mes horaires, je travaille de nuit, de jour… »
« C’est pénible, quand je fais mes courses en supermarché ça me fait penser caddie, balader
mon caddie et ça va être pénible » (Répondant 10, F, 40).
En effet, cette attitude négative de la plupart des répondants fait partie des motifs d’adoption
de Drive par les consommateurs que nous allons présenter par la suite.
3.2 Les motifs d’adoption de drive par les consommateurs

Du discours des répondants interrogés, nous pouvons facilement remarquer que le Drive
propose plusieurs avantages aux consommateurs.
En posant la question sur les aspects ou les choses que les consommateurs apprécient
lorsqu’ils font leurs courses en Drive, la réponse tournait autour du gain de temps, l’accès
continu, la rapidité, la modération du prix, la dimension économique, la réduction de l’effort
physique, la proximité, l’accessibilité routière et la satisfaction.
 La praticité
Tout d’abord, la plupart des répondants choisissent d’acheter en Drive plutôt qu’en
supermarché pour la praticité : le gain de temps et l’accès continu.
En effet, les courses dans les grandes surfaces sont plutôt associées à une perte de temps.
Cependant, en analysant le discours des répondants interrogés, nous constatons que le gain de
temps devient une des attentes prioritaires influençant largement le choix de Drive :
« Oui oui bien sûr, le principe c’est pour gagner du temps, pour m’éviter de passer une heure
à la grande surface » (Répondant 11, F, 31).
« C’est très pratique, voilà dans une demie –heure, trois quart heure, je peux chercher mes
courses, je les range » (Répondant 5, H, 36).
« Voilà c’est super rapide, et quand on achète en Drive ça va super vite, c’est super de
pouvoir commander de chez soi car on peut prendre son temps ne pas courir partout. »
« Quel bonheur de pouvoir faire mes courses devant mon canapé et sans attendre à la caisse !
Un gain de temps considérable » (Répondant 7, H, 38).

« Le Drive de Carrefour est vraiment très pratique et me fait gagner un temps énorme »
(Répondant 2, F, 41)
« Un gain de temps pour les pressés. Plus besoin de courir dans les supermarchés. Il vous
suffit de passer commande en ligne, d'indiquer l'heure à laquelle vous voulez récupérer votre
commande et ensuite aller chercher tout ça. On vous mettra directement vos courses dans
votre coffre » (Répondant 15, H, 40).
En plus, les consommateurs qui font leurs courses en Drive peuvent gérer et maîtriser leur
temps :
« En fait, si je me fais livrer à domicile, je suis obligée d’être présente chez moi, en plus y a
toujours des retards par le livreur, euh donc pour moi, je n’ai pas le temps quoi, mais avec le
Drive je peux gérer et maîtriser mon temps » (Répondant 1, F, 33).
« C’est moi qui maîtrise le temps, parce que là en faisant le retrait comme je fais actuellement
en Drive, ça me laisse une amplitude horaire bien plus large » (Répondant 13, F, 41).
« Les courses, c’est corvée pour moi, le drive me permet de faire d’autres choses, c’est
extrêmement pratique » (Répondant 4, H, 50).
« Je continuerai d’utiliser le Drive, bien pratique pour gagner du temps » (Répondant 8, F,

34).
« Avec ma poussette dans les rayons, c’est trop compliqué de pousser le chariot en même
temps. J’achète tout, les couches, le lait, les lingettes, l’eau... C’est très pratique, je ne
retournerai plus en magasin » (Répondant 3, F, 34).
D’ailleurs, le concept de Drive permet aux consommateurs d’acheter à tout moment grâce à
leur connexion internet. Les consommateurs passent leurs commandes de chez eux
directement sur le site du Drive en quelques clics de sourie :
« J’aime bien, j’aime bien Carrefour Drive, on trouve facilement l’adresse du site de Drive,
on peut passer la commande à tout moment » (Répondant 6, F, 38).
« Service vraiment très pratique, quand on est comme moi une maman très active avec deux
enfants. Le site est facile d’accès la navigation aussi et on retrouve les promotions du
magasin » (Répondant 11, F, 35).
« C’est tout le temps possible de se connecter à ce site de Drive, ainsi que c’est facile de
passer la commande, c’est clair et simple d’utilisation » (Répondant 9, H, 36).
« Oui c’est simple de rechercher de l’information, c’est simple d’accéder aux résultats que
l’on souhaite » (Répondant 12, H).
« Je suis toujours ravie de faire mes achats sur ce site. Il est très facile de naviguer entre les
différentes pages, d'ajouter ou de retirer des articles du panier. Et en cas de soucis nous
avons toujours la possibilité de les joindre par téléphone » (Répondant 10, F, 40).
« Les courses au Drive nous simplifient la vie. Plus rapide et moins stressant. Le site est très
bien ergonomique. Je n'ai jamais eu de problème lors de mes commandes et j'en suis très
content » (Répondant 14, H, 33).
« Carrefour Drive, c’est mon endroit préféré pour faire les courses, le site est très clair et très
facile d’utilisation » (Répondant 5, H, 36).
 La rapidité
Comme nous l’avons souligné, le Drive permet aux consommateurs de commander leurs
courses sur Internet depuis leur domicile ou leur travail, après de se déplacer pour les
récupérer en voiture dans un délai de deux heures. L’intérêt de Drive pour les consommateurs
est donc de faire leurs courses rapidement en évitant de se déplacer dans les rayons et attendre
aux caisses :
« Site très simple d’utilisation que j'utilise avec plaisir depuis plus de 4 mois. Que de temps
gagné ! Je fais ma liste papier et en quelques clics je choisis les articles correspondants sur le
site. Possibilité d’enregistrer ses produits préférés et même une liste type, histoire de gagner
encore plus de temps. Bref, je fais mes courses en 30mn tout compris (liste et retrait) au lieu
de 1h30 minimum » (Répondant 12, H, 31).
« Oui le principal c’est la facilité et la rapidité, en fait la commande sur le site de Drive qui
est simple à effectuer et on peut accéder rapidement à l’information » (Répondant 3, F, 34).
« Ça prend 5 min de mon temps pour faire ma liste de courses et je choisi le jour et l’heure de
mise à disposition, c’est génial » (Répondant 13, F, 28)
« Faire les courses depuis le travail, c’est l’idéal, lorsque l’on passe la commande, le délai de
prépartion est rapide dans deux heures on peut la récupérer » (Répondant 7, H, 38).
« Le temps d’attente au drive est très court, le chargement rapide, vraiment très pratique, pas
besoin de passer 3 h dans le magasin pour faire les courses » (Répondant 6, F, 38).

D’ailleurs, après avoir convenu d’une date et d’une heure de retrait, allant de deux heures à
six jours, le consommateur se rend dans l’espace Drive muni de son numéro client. Et quand
le consommateur arrive au Drive pour le retrait de sa commande, il se présente à la borne
d’identification où il scanne le code-barres de sa commande ou entre son numéro. En même
temps, un message vocal retentit dans la zone de préparation des commandes afin de leur dire
que le consommateur est arrivé. Ensuite, un employé vient ranger toutes les courses dans le
coffre de la voiture du consommateur, dans un délai de cinq minutes :
« Parfait... je commande, je donne mon créneau pour prendre mes courses... j’arrive, je
donne mon numéro de commande, on arrive avec mes paquets, on charge le tout dans mon
coffre, temps écoulé : Maxi 10 minutes » (Répondant 10, F, 40).
« Pas de perte de temps en caisse, un service direct et rapide jusque dans le coffre de la
voiture, Super ! En quelques minutes la commande est faite sur internet et on peut aller la
chercher le jour même au magasin » (Répondant 5, H, 36).
« Le site est clair, rapide, permet de bénéficier des promotions comme en magasin, le service
à l'arrivée est rapide, les courses bien préparées, je recommande… » (Répondant 11, F, 35).
« Vraiment c’est un service efficace, la commande est très rapide ainsi que le retrait est super
rapide » (Répondant 1, F, 33).
« Service rapide, correct, le personnel est très accueillant soucieux de bien faire leur travail »
 La modération du prix
Le service de Drive est totalement gratuit pour les consommateurs parce que ce sont les
employés qui assurent la livraison. D’ailleurs, le consommateur a recours à ce service parce
que les prix proposés par le Drive sont égaux ou identiques aux prix pratiqués en magasin.
Cela n’impose aucun coût supplémentaire aux consommateurs.
De ce fait, le service de drive offre des prix compétitifs puisqu’il consiste à éviter le surcoût
de facturation de la livraison lié à une commande à distance :
« Service de grande qualité avec des prix idem à ceux affichés en magasin, grand gain de
temps, très utile » (Répondant 8, F, 34).

« Le Drive de Carrefour présente plusieurs avantages : un site bien fait, une appli également
dispo sur Smartphone, rapide, beaucoup de produits disponibles, des prix corrects, et surtout
les mêmes promos qu’en magasin » (Répondant 2, F, 4).
« Je suis devenu une adepte de cette façon de faire ses courses, les prix sont comme en
magasin » (Répondant 4, H, 50).
« J’utilise le drive les semaines où je n’ai pas le temps de faire les courses en magasins.
J’apprécie le fait d’avoir les mêmes prix sur le drive qu'en magasin et la rapidité de retrait de
mes produits » (Répondant 14, H, 33).
« Les articles sont au même prix que dans le magasin c’est pratique pour les personnes qui
n’aime pas aller dans les magasins ou qui non pas le temps » (Répondant 9, H, 36).
 La dimension économique
En matière de dimension économique, nous avons remarqué que certains consommateurs

interrogés considèrent le drive comme une solution à la maîtrise des achats non planifiés voire
impulsifs. Cela peut s’expliquer par le fait que le service de drive permet aux consommateurs
d’aller à l’essentiel car ils achètent uniquement ce dont ils ont besoin sur le moment.
Autrement dit, le service de Drive permet aux consommateurs de contrôler leurs achat:
« Je fais des économies car je sélectionne ce dont j'ai besoin, et je ne m'égare pas dans les
rayons » (Répondant 11, F, 35).
« Ça me permet de ne pas acheter de bêtises. Ça évite justement des gaspillages car on

n’achète que ce dont on a besoin » (Répondant 12, H, 31).
« Oui oui c’est une bonne manière de maîtriser les dépenses du quotidien sans être tenté par
des achats inutiles » (Répondant 6, F, 38).
« Je ne commande plus que par drive maintenant, c’est rapide. Je ne suis plus tentée de
prendre tout et n’importe quoi comme je le faisais avant en passant dans chaque rayon, les
promotions sont visibles dans une catégorie sans besoin de chercher » (Répondant 3, F, 34).
En effet, les consommateurs de drive apprécient le fait de pouvoir maîtriser ses achats plus
que le gain d’argent. Autrement dit, il ne s'agit pas de faire des économies même si cette
dimension est appréciée, mais plutôt d’acheter ce qui réellement nécessaire.
« Je ne vais plus au magasin depuis que j'ai découvert le drive !! On ne dépasse plus son
budget car on achète vraiment ce dont on a besoin » (Répondant 5, H, 36).

 La réduction d’effort physique
La manutention des produits figure parmi les principales causes qui conduisent les
consommateurs à une mauvaise appréciation du magasin. Ces derniers perçoivent très mal la
manutention des produits et s’étonnent de tant d’efforts à faire malgré les progrès
technologiques existants.
La moitié des répondants trouvent que le service de drive contribue au gain d’effort et
d’énergie. Cela peut être expliqué par le fait que les courses volumineuses sont chargées
directement dans la voiture, ainsi que le drive contribue à diminuer des tensions
psychologiques ressenties par les consommateurs lorsqu’ils effectuent leurs courses en ligne
parce que ce système vise à simplifier les processus d’achat en donnant aux consommateurs
plus de souplesse :
« Les courses, c’est corvée pour moi. Le drive me permet de faire d’autres choses. A chaque
fois, je fais un vrai plein : les produits lourds, les fruits et les légumes. C’est trop pratique, je
ne retournerais plus en magasin » (Répondant 7, H, 38).
« J’en profite pour faire tout ce qui est lourd encombrant : de lait, d'eau… » (Répondant 2, F,
41).
« J’attends que quand je fais ma commande par drive, je prends douze litres de lait, dix huit
litres d’eau, et enfin je remplis le coffre » (Répondant 15, H, 40).
« Oui bien sûr, il y a des changements, matériellement, il y a plus de caddie, toute la

manutention à faire » (Répondant 13, F, 28).
« Ce que je fais toujours, c’est que je fais mes grosses courses sur ou par drive et après je
vais les récupérer, il manque toujours quelques choses parce que il y a pas tout sur le site de
drive, donc je fais un petit détour par le magasin pour acheter des suppléments, c’est très
rapide et pratique » (Répondant 8, F, 34).
Comme nous l’avons mentionné plus haut, le drive est privilégié pour les courses lourdes et
encombrantes. C’est un réel soulagement pour les consommateurs.
 La proximité et l’accessibilité routière
La proximité géographique constitue l’une des préoccupations stratégiques actuelles majeures

de la distribution alimentaire. Mais cette proximité ne se fait plus sur la base d’une proximité

par rapport au domicile, mais surtout sur la proximité de flux. Idéalement, le point de retrait
doit se situer sur le trajet domicile-travail.
D’ailleurs, la proximité caractérise la volonté des distributeurs de développer et pérenniser la

qualité de sa relation avec le client ; ils souhaitent être proches du client.
De manière générale, nous avons remarqué que plus de la moitié des répondants qui adoptent
le drive vivent ou travaillent à proximité de drive :
« La plupart du temps on prend le drive à côté, c’est le plus proche de chez moi, on prend la
proximité » (Répondant 9, H, 36).
« Une enseigne qui est sur mon chemin du retour de mon travail, c’est le Carrefour Drive »
« C’est génial lorsqu’on travaille et finit tard, on clique et on passe au drive. En 5 mn c’est
dans le coffre bref je recommande à toutes mes collègues » (Répondant 1, F, 33)
« Quand le Carrefour Drive est arrivé près de chez moi, je me suis vu délaisser Leclerc Drive
au profit de Carrefour Drive » (Répondant 14, H, 33).
 La satisfaction
Etant confirmé par la plupart des répondants et comme nous l’avons mentionné, le service de
drive offre plusieurs avantages aux consommateurs qui sont très satisfaits :
« Très satisfaite des services Carrefour Drive : livraison à l heure convenue, produits choisis
et prix respectés, livreur ou livreuse accueillant(e)s et poli(e)s. je continuerai à faire mes
courses avec Carrefour Drive » (Répondant 6, F, 38).
« Ce système est vraiment adapté à nos besoins aujourd’hui, c’est très très bien. Globalement
je suis très satisfait de ce service » (Répondant 12, H, 31).
« Le drive, quelle belle invention ! Pas d'attente aux caisses, pas de problèmes de place sur le
parking, en 5 min je récupère mes courses et je bénéficie de réductions avec mon programme
fidélité Carrefour, on est très satisfait » (Répondant 3, F, 34).
Ainsi, en nous basant sur la littérature, nous retrouvons ici l’idée selon laquelle le
comportement du personnel peut avoir une influence directe sur le service, la qualité perçue
par le consommateur et sa satisfaction :

« J’adore le drive, l’équipe est en général accueillante, on peut trouver tous les produits qui
nous intéresse en ligne et surtout toute les promotions ! Et en 5 minutes c’est dans le coffre »
« Très satisfaite de mon Carrefour Drive. La personne qui fait mes courses à bien respecté
mes choix, les produits ont bien été rangés dans les sacs, et déposés dans le coffre de ma
voiture » (Répondant 8, F, 34).
« J’adore faire mes courses alimentaires chez Carrefour Drive. Les produits sont bien rangés,
les dates de consommation sont éloignées, les employés sont sympas ! » (Répondant 15, H,
40).
3.3 Les freins d’achat des consommateurs adapté de Drive

Comme nous l’avons souligné auparavant, le service drive offre plusieurs avantages aux
consommateurs. Mais, il a aussi certains inconvénients qui sont considérés comme freins
d’achats des consommateurs adapté de drive.
Nous constatons en analysant le discours des répondants interrogés que les principaux freins
d’achat en drive tournaient autour de la difficulté de juger les produits, l’étroitesse de
l’assortiment (la variété) ainsi que le montant de la commande qui doit être supérieur à 40
euros.
Dans le magasin physique, les consommateurs peuvent voir, sentir et toucher les produits.
De ce fait, le magasin physique est considéré comme une source d’information sur les
produits. Dans leur discours, certains répondants font ressortir, sur le drive, le manque de
contact avec le produit comme un frein à l’achat, parce que la photo ne fournit pas toutes les
informations nécessaires. Taille, couleur, modèle et composition seront des éléments
indispensables afin de contourner cet inconvénient en ajoutant 3 ou 4 photos avec différents
points de vue :
« Dans le magasin, je peux voir les ingrédients, je peux toucher le produit, je fais attention
aux dates, et le produit est en face, mais en drive on peut pas » (Répondant 13, F, 28).
« Sur drive, ça reste une photo une image, le problème il a y pas du 3D. Les photos des
produits sont du 2D, donc je trouve que ça peut être un inconvénient ou un frein »
(Répondant, 1, F, 33).
« En effet, le drive, quant à lui, souffre de la comparaison avec les magasins lorsqu’il s’agit
de l’assortiment. C’est clair, il y a moins de choix que le magasin » (Répondant 14, H, 33).

Conclusion du chapitre III

Au sein de ce chapitre nous avons présenté notre phase qualitative exploratoire dont l’objectif
est de proposer un modèle conceptuel (cf. chapitre suivant) qui permettent de comprendre le
comportement du consommateur du Drive.
Nous avons consacré la première section pour élaborer la méthodologie suivie, alors que la
deuxième section avait pour objectif de détailler le mode de traitement des données. Les
résultats obtenus de l’étude qualitative ont été abordés dans la troisième section.
En synthèse, l’analyse de contenu réalisée à partir de la retranscription des 16 entretiens semi-

directifs de ce travail doctoral est présentée dans ce chapitre. Les résultats de cette phase
qualitative de notre recherche nous permettent dans un premier temps d’affiner le profil des
consommateurs qui utilisent le drive dans leurs courses et de mieux comprendre son
comportement.
Ensuite, une analyse plus fine permet de faire ressortir et comprendre les motifs et les freins
d’adoption du Drive par les consommateurs. Les motifs d’adoption que nous retenons sont les
suivants :
 La commodité temporelle qui est relative à la gestion du temps. Cette commodité

devient une des attentes prioritaires influençant largement le choix du Drive.
 La dimension économique qui évoque notamment la maîtrise des achats. Cela peut
expliquer par le fait que le Drive permet aux consommateurs d’aller à l’essentiel et de
contrôler leurs achats.
 La commodité physique : le Drive permet de soulager des efforts physiques. Cela peut
être expliqué par le fait que les courses sont chargées directement dans la voiture, ainsi que
le Drive contribue à diminuer des tensions psychologiques ressenties par les consommateurs
lorsqu’ils effectuent leurs courses en Drive.
 La modération de prix : Le service de Drive est totalement gratuit pour les

consommateurs parce que ce sont les employés qui assurent la livraison. D’ailleurs, les prix
affichés sont généralement équivalents à ceux des magasins.
 La proximité géographique : cela constitue l’une des préoccupations stratégiques

actuelles majeures de la distribution alimentaire.
 La satisfaction : le service du Drive offre plusieurs avantages aux consommateurs qui

sont très satisfaits

Les éléments issus de la revue de littérature combinés à ceux de notre étude qualitative vont
nous servir à proposer une modélisation de la qualité de service du Drive et de la satisfaction
et de la fidélité des consommateurs du Drive.
Nous nous intéresserons dans le chapitre suivant à présenter les hypothèses et le modèle de
recherche ainsi que l’opérationnalisation des différents construits du modèle proposé.

Partie II : Du modèle conceptuel à l’étude empirique et résultats de la recherche
PARTIE II :
DU MODEL CONCEPTUEL A L’ETUDE EMPIRIQUE
ET RESULTATS DE LA RECHERCHE

PARTIE II : DU MODEL CONCEPTUEL A L’ETUDE

EMPIRIQUE ET RESULTATS DE LA RECHERCHE

Cadre conceptuel

Partie1 :

Chapitre IV
variables
Partie 2 :

Chapitre VII

PARTIE II :
Du model conceptuel a l’étude empirique et résultats de la

recherche
Chapitre 1V :

variables
Chapitre V :
Méthodologie et conception de l’étude quantitative
Chapitre VI:
Validation des instruments de mesure des construits
Chapitre VII:

PARTIE II : DU MODÈLE CONCEPTUEL A
L’ÉTUDE EMPIRIQUE ET RÉSULTATS DE
LA RECHERCHE
La première partie de cette recherche a été consacrée au cadre conceptuel et à l’analyse

exploratoire devant nous mener à l’élaboration d’un modèle conceptuel de l’évaluation des
consommateurs du Drive et la contribution du Drive à la satisfaction et à la fidélité du
consommateur ainsi qu’à la présentation de nos hypothèses de recherche.
La deuxième partie de cette recherche présente le modèle conceptuel, les hypothèses de

recherche ainsi que l’étude empirique nous permettant de les tester. Elle est structurée autour
de quatre chapitres :
 Le chapitre IV présente le modèle conceptuel, les hypothèses de la recherche et la

mesure des variables du modèle.
 Le chapitre V est d’ordre méthodologique. Il a pour objectif de présenter les choix

méthodologiques adoptés pour l’étude quantitative afin de tester la validité de notre
modèle et les hypothèses de recherche.
 Le chapitre VI est consacré à la validation de nos échelles de mesure.
 Le chapitre VII teste nos hypothèses de recherche et en discute les résultats

Chapitre IV : Modèle conceptuel, hypothèses de la recherche et mesure des variables
CHAPITRE IV : MODELE CONCEPTUEL,

HYPOTHESES DE LA RECHERCHE ET
MESURE DES VARIABLES
Introduction au chapitre IV
En nous basant conjointement sur la revue de la littérature et sur l’étude qualitative
exploratoire, nous exposons dans ce chapitre les hypothèses de recherche, le modèle
conceptuel et la mesure des différentes variables du modèle. Le modèle proposé permet une
meilleure compréhension de l’évaluation du consommateur qui utilise le Carrefour Drive
lorsqu’il fait ses courses dans un contexte de distribution cross canal.
La figure 9 ci-dessous présente la démarche utilisée pour élaborer le modèle conceptuel de ce
travail de recherche.
Ce chapitre se compose de deux sections :
- La première permet d’exposer les hypothèses de recherche et le modèle conceptuel sur la
base de la revue de la littérature et de notre étude qualitative.
- La seconde présente l’opérationnalisation des différents construits du modèle de recherche
proposé.
Figure 9: La démarche générale d’élaboration du modèle conceptuel
Cadre conceptuel Etude qualitative

 « Stratégie de distribution » 16 entretiens semi-directifs auprès des
 « Drive » consommateurs de Carrefour Drive
 « Comportement du consommateur »
 « Fidélité »
Modèle conceptuel
et
Hypothèse de la recherche

1 Hypothèses de la recherche et modèle conceptuel

Cette section présente les hypothèses de recherche qui seront formulées en deux groupes. Le
premier groupe concerne d’une part les hypothèses relatives aux variables centrales du
modèle, et d’autre part celles relatives aux variables modératrices sur les liens entre les
variables de notre modèle.
Les hypothèses proviennent de la revue de la littérature réalisée. Le modèle conceptuel global

proposé est présenté à la fin de la section.
1.1 Les hypothèses relatives aux variables centrales

Nous nous intéressons ici aux hypothèses portant sur les variables centrales du modèle (effets
directs et effets indirects).Ces hypothèses ont pour objectif d’identifier les relations qui
peuvent exister entre les variables latentes du modèle conceptuel.
Certaines recherches ont été réalisées sur l’impact de quelques composantes du marketing
relationnel sur la fidélité du consommateur (Bergeron et al, 2003 ; Boyer et Nefzi, 2009 ;
Moulins et Roux, 2008). Par exemple, Bergeron et al. (2008) dans leur étude ont identifié la
confiance et la satisfaction comme ayant un impact significatif sur la fidélité. Boyer et Nefzi
(2009) ont étudié la relation entre la perception de la qualité et la fidélité. Aussi, Moulins et
Roux (2008) ont mis en place un modèle qui lie des variables du marketing relationnel à des
dimensions de la fidélité. Ils concluent qu’il y a une relation significative entre le marketing
relationnel, mesuré à travers ses principales dimensions qui sont la qualité de service, la
valeur perçue, la confiance, la satisfaction, et la fidélité des consommateurs.
1.1.1 L’effet de la qualité de service
1.1.1.1 L’effet de la qualité de service sur la satisfaction

La qualité de service constitue un élément important de l’évaluation du consommateur. La
première variable retenue dans le cadre de notre recherche est la qualité ergonomique de site
Web.
Dans les travaux en marketing des services, la qualité de service et la satisfaction du
consommateur ont fait l’objet d’un grand nombre de travaux riches et variés. Le lien de
causalité entre la qualité de service et la satisfaction ont animé de nombreux débats. Certains
auteurs (Oliver 1981 ; Parasuraman et al., 1988 ; Bitner, 1990 ; Bolton et Drew, 1991 ; Bitner
et Hubert, 1994) voient la satisfaction comme un antécédent à la qualité de service.
Cependant, d’autres auteurs (Churchill et Surprenant, 1982 ; Cronin et Taylor, 1992 ;

Anderson et al., 1993 ; Oliver, 1993 ; Rust et Oliver, 1994) considèrent la qualité de service
comme un antécédent à la satisfaction du consommateur.
Certains chercheurs (Seck, 2009 ; Parasuraman et al., 1994 ; Rolland, 2003 ; Zeithaml et al.,
2006) montrent que l’évaluation de la qualité perçue par le consommateur est considérée
comme un antécédent à la satisfaction du consommateur. Dans notre étude qualitative
exploratoire, nous avons remarqué que les consommateurs qui utilisent le Drive dans leurs
courses fondent leurs évaluations globales sur la qualité de service perçue dans l’ensemble des
canaux utilisé (site Web et point du retrait), non pas sur la qualité de service perçue dans
chaque canal de distribution.
Notre recherche s’inscrit dans une perspective relationnelle et s’intéresse à l’évaluation du
consommateur. Dans un contexte de distribution cross canal, nous considérons que la qualité
de service dans chaque canal utilisé (virtuel et physique) par le consommateur a une influence
sur la satisfaction du consommateur. De leurs côté, Diallo et Seck (2012) démontrent qu’une
bonne qualité de service est une source de satisfaction du consommateur. Dans ce cadre, les
recherches de Cronin et Taylor (1992) ont souligné que la qualité perçue représente un
meilleur déterminant de la satisfaction du consommateur. De nombreuses recherches
(Moulins et al., 2010 ; J. Vanhamme, 2002) montrent que la qualité perçue et la satisfaction
ont été considérées comme deux concepts voisins qui partagent une relation considérablement
étroite. Cette relation entre la qualité du service perçue et la satisfaction du consommateur a
reçu beaucoup d’attention (M. Wetzels et al, 1998).
En effet, plusieurs travaux de recherche en marketing comme par exemple ceux d’Anderson
et al. (1994) et Parasuraman et al (1994) ont affirmé que « la satisfaction est le résultat direct
de la qualité perçue » (Boyer et Nefzi, 2008, p.42). Dans le même cadre de recherche, Otto et
Ritchie (1995) et Cronin et Taylor (1992) ont souligné que la qualité perçue est l’antécédent
logique de la satisfaction.
En effet, la relation entre la qualité de service cross canal et la satisfaction ayant été très peu
étudié, nous postulons que : dans un contexte de distribution cross canal (Drive), la qualité de
service dans chaque canal de distribution utilisé a un effet positif sur la satisfaction du
consommateur. Selon notre étude qualitative, deux principaux canaux de distribution sont
utilisés : le site web de Drive et le point de retrait de Drive.
En nous intéressant principalement à cette typologie de consommateur cross canal, nous

formulons les hypothèses suivantes :

Libellés des hypothèses

H1 La qualité de service perçue du site Internet du Drive a une influence positive directe
sur la satisfaction du consommateur
H2 La qualité de service perçue du point de retrait du Drive a une influence positive

directe sur la satisfaction du consommateur
1.1.1.2 L’effet de la qualité de service sur la valeur globale perçue

La valeur perçue par les consommateurs occupe une place significative dans les réflexions
actuelles des praticiens et des chercheurs en marketing.
Suivant l’étude empirique de Kashyap et Bojanic (2000) sur la relation entre la qualité perçue
et la valeur perçue, la qualité perçue et le prix du produit influencent la valeur perçue. Grewal
et al. (1998) ont également constaté l’effet significatif de qualité perçue sur la valeur perçue.
Diallo et Seck (2012) soulignent qu’une bonne qualité de service donne le signal d’une
meilleure valeur perçue des produits vendus dans le point de vente.
D’ailleurs, de nombreuses recherches ont reconnu les relations entre la qualité de service et la
valeur perçue du produit, la majorité des études empirique ont montré que la qualité de
service a un effet positif sur la valeur perçue (Bauer et al., 2006 ; Brady et al.,2001 ; Cronin et
al.,2000). Paché et Babei (2015) montrent que la création de valeur pour le consommateur se
base sur la satisfaction des attentes exprimées par ce dernier. Parmi ces attentes, nous pouvons
citer principalement la qualité de produit livrés, la livraison des quantités demandées, au
moment et à l’endroit indiqué, et plus largement la qualité de service (Eiglier et Langeard,
1987). De leur côté, Vanheems et Collin-Lachaud (2011) déclarent que la stratégie de
distribution cross canal permet aux consommateurs d’avoir une expérience cross canal riche
et d’accroitre la valeur globale perçue.
Dans un contexte de distribution cross canal, la qualité de service dans chaque canal utilisé
par le consommateur influence positivement la valeur globale perçue. Comme nous l’avons
souligné, notre étude qualitative montre que le consommateur qui fait ses courses en utilisant
le Drive utilise deux canaux de distribution : le site web du Drive et le point de retrait du
Drive. En nous intéressant principalement à cette typologie des consommateurs cross canal,
nous émettons comme hypothèses que :


H3 La qualité de service perçue du site du Drive a une influence positive directe sur la
valeur perçue globale
H4 La qualité de service perçue du point du retrait du Drive a une influence positive

directe sur la valeur perçue globale
1.1.1.3 L’effet de la qualité de service sur la fidélité du consommateur

Comme nous l’avons mentionné, la qualité de service a fait l’objet d’un grand nombre de
travaux riches et variés. Ce concept a été définie comme un jugement du consommateur sur la
supériorité du service rendu par l’entreprise (Parasuranam et al., 1988 ; Ladhari et al., 2011).
Par ailleurs, le concept de fidélité, au cœur de la recherche marketing, a fait aussi l’objet de
nombreux travaux de recherche (ZeithamI et al, 1996; Oliver, 1999).
La relation ou le lien entre ces deux concepts principaux a animé de nombreux débats. Le lien
de causalité a été validé théoriquement et empiriquement dans plusieurs recherches (Wieringa
et Verhoef, 2007 ; Patterson et Smith, 2003, Lewis et Soureli, 2006 ; Jones et al., 2007 ;
Ishaq, 2012).
Une bonne qualité perçue va convaincre le consommateur d’essayer les nouveaux
produits/services, de racheter à l’entreprise même si le prix est plus élevé, de parler à son
entourage de ses expériences positives et de favoriser la résistance aux offres proposées par la
concurrence sur le marché. Certains chercheurs soulignent qu’il existe une relation positive
entre la qualité et les conséquences comme : l’intention d’achat, la recommandation, la
résistance au changement de la marque (Bloemer et al., 1998 ; Jones et al., 2002). Ces
derniers constituent la fidélité du consommateur (Aydin et Özer, 2005).
Dans le domaine de la distribution, la qualité de service représente un facteur de succès et un
déterminant majeur de la fidélité à l’enseigne de distribution. En effet, la qualité de service
représente une condition nécessaire permettant d’établir une relation durable et rentable avec
les consommateurs en tenant compte de ces résultats théoriques.
De son côté, Huang (2012) montre que la satisfaction du consommateur est responsable de
l’influence de la qualité perçue sur la fidélisation de du consommateur. L’effet de la
fidélisation peut être en grande partie expliqué par le rôle de médiateur joué par la satisfaction
du consommateur.
En effet, pour certains auteurs, la qualité du service n’influence la fidélité du client que via la
valeur ou la satisfaction (Ladhari, 2008 ; Lai et al., 2009 ; Haghighi et al., 2012)

Par conséquent, nous proposons les hypothèses suivantes :

H5a La satisfaction du consommateur a un effet médiateur dans la relation entre la qualité
de service perçue du site Internet du Drive et la fidélité du consommateur à un Drive
La valeur globale perçue a un effet médiateur dans la relation entre la qualité de

service perçue du site Internet du Drive et la fidélité du consommateur à un Drive
H5b
La valeur globale perçue et la satisfaction exercent ensemble un effet médiateur dans

la relation entre la qualité de service perçue du site Internet du Drive et la fidélité du
H5c consommateur à un Drive
La satisfaction du consommateur a un effet médiateur dans la relation entre la qualité

de service perçue du point de retrait du Drive et la fidélité du consommateur à un
H6a Drive
La valeur globale perçue a un effet médiateur dans la relation entre la qualité de

service perçue du point de retrait du Drive la fidélité du consommateur à un Drive
H6b
La valeur globale perçue et la satisfaction exercent ensemble un effet médiateur dans

la relation entre la qualité de service perçue du point de retrait du Drive et la fidélité
H6c du consommateur à un Drive
1.1.2 L’effet de la valeur globale perçue

La valeur globale perçue considère une variable incontestable sans laquelle il sera difficile
d’établir ou de renforcer une relation entre les enseignes de distribution et les consommateurs.
La valeur globale perçue augment en fonction des bénéfices et décroît en fonction des
sacrifices (Marion, 2013). Il est donc nécessaire de tester en profondeur les conséquences
relationnelles de la valeur globale perçue sur la satisfaction et la fidélité du consommateur
dans le domaine de distribution cross canal : le Drive.
1.1.2.1 L’effet de la valeur perçue globale sur la satisfaction

Najjar et al. (2016) ont souligné que la valeur perçue influence positivement la satisfaction
des consommateurs. Audrain et Evrard (2001) ont considéré que la valeur perçue est un
antécédent majeur de la satisfaction. Carpenter et Fairhurst(2005) ont montré que la valeur
perçue d’une expérience de magasinage procure des avantages utilitaires et hédoniques
permettant de satisfaire le consommateur.
Selon Cronin, Brady et Hult (2000), la satisfaction est très souvent présentée comme la
première conséquence de la valeur perçue. La mesure de satisfaction du consommateur est
généralement liée à celle de la valeur perçue et la satisfaction du consommateur est

étroitement liée à l’évaluation de ce dernier sur la valeur du service (Woodruff,1996 ;

Reichheld,1996). Autrement dit, la satisfaction augmente lorsque le consommateur pense que
la performance de service est plus grande que le prix à payer.
Anderson et Fornell (1994) soulignent que la valeur perçue, variable précédente qui influence
la satisfaction, a une causalité directe avec la satisfaction du consommateur.
Lors de l’achat réel, des facteurs qui influencent la satisfaction/insatisfaction, ne comprennent
pas seulement des bénéfices du consommateur acquis suite à son achat mais aussi des coûts
monétaires/non-monétaires consacrés à l’obtention de ces bénéfices.
Certains auteurs ont démontré qu’un environnement d’achat agréable procure au point de
vente une valeur hédonique et influence une variété de comportements, tel que le
comportement d’approche (D. Macinnis et L. Price, 1987), l’intention d’achat (R.S. Lazarus,
1982), la fidélité et la satisfaction vis-à-vis du point de vente (J.A.Russel et G. Pratt, 1980; P.
Cottet et al, 2005).
Les travaux d’Eroglu, Machleit et Barr (2005) ont relèvent que la valeur perçue influence la
satisfaction des consommateurs.
Comme le soulignent Audrain et Evrard (2001), la satisfaction du consommateur et la valeur
perçue ont des points communs : les deux ont une dimension cognitive, ainsi que les deux
sont des jugements d’évaluation. Cependant, plusieurs caractéristiques permettent de les
distinguer :
– La première renvoie aux termes de la comparaison. En effet, le jugement de valeur prend
comme standards la qualité et les sacrifices consentis, contrairement à la satisfaction liée aux
attentes du consommateur (Aurier, Evrard et N’Goala, 2004).
– Par ailleurs, dans une perspective cumulée, la satisfaction renvoie à une évaluation globale
de la relation de l’individu avec une entreprise (DeWulf, Odekerken-Schroder et Iacobucci,
2001), alors que la valeur a une portée plus générale dans la mesure où elle est le résultat
d’expériences avec une classe d’objets (Aurier, Evrard et N’Goala, 2004).
Au-delà de cet éclairage sur les distinctions entre valeur et satisfaction, un examen attentif de
la littérature permet d’identifier la satisfaction comme une conséquence de la valeur perçue.
En effet, une majorité de travaux postulent et valident empiriquement une relation linéaire et
positive entre valeur et satisfaction.
Cependant, certains auteurs ont montré que que l’impact de la valeur perçue sur la satisfaction
est non significatif (Fandos Roig et al., 2013 ; Gallarza et al., 2016) .
A la lumière de cette discussion, nous proposons l’hypothèse suivante :

Libellé d’hypothèses
H7 La valeur perçue globale a une influence positive directe sur la satisfaction du
consommateur
1.1.2.2 L’effet de la valeur perçue globale sur la fidélité

En plus du lien avec la satisfaction, examiner les conséquences de la valeur perçue revient à
analyser son impact sur la fidélité du consommateur, définie :
 Du point de vue des transactions, telle que la préférence, l’intention d’achat ou l’achat
répété.
 Dans une perspective relationnelle, comme la relation permanente entre les parties,
c’est-à-dire comme un engagement et un attachement du consommateur à l’égard de la
marque (Lichtlé et Plichon, 2008).
Historiquement, la plupart des recherches (Oliver, 1980 ; Oliver et Linda, 1980) consacrées à
étudier le lien entre la satisfaction et la fidélité ont considéré la satisfaction comme un
antécédent de la fidélité. Cependant, certains auteurs (Gale, 1994 ; Yi et Hoseong, 2003 ;
Filser, 2008) ont mis en évidence la nécessité d’introduire des variables alternatives telles que
la valeur perçue, soulignant notamment le caractère transitoire des états émotionnels attachés
à la satisfaction et, plus globalement, son insuffisance pour expliquer la fidélité.
La littérature révèle que l’impact de la valeur globale perçue sur la fidélité a été étudié dans le
domaine de la distribution (Najjar et al., 2016). Dans le domaine de service, Fandos Roig et
al., (2013) ont souligné que la valeur perçue exerce un effet positif sur la fidélité des
consommateurs dans le secteur bancaire.
L’ensemble de ces travaux nous permet donc de suggérer que la valeur perçue globale dans un
contexte cross canal, le Drive, va influencer positivement, directement et indirectement, la
fidélité du consommateur de Drive.
Ainsi, les hypothèses suivantes sont proposées :

H8 La valeur perçue globale a une influence positive directe sur la fidélité du
consommateur à un Drive
H9 La satisfaction du consommateur a un effet médiateur dans la relation entre la valeur

perçue globale et la fidélité du consommateur à un Drive

1.1.3 L’effet de la satisfaction du consommateur
1.1.3.1 L’effet de la satisfaction sur la fidélité à un Drive

La littérature marketing a accordé une grande importance à la relation entre la satisfaction et
la fidélitédesconsommateurs.
La plupart des recherches consacrées à étudier le lien entre la satisfaction et la fidélité ont
suggéré que la satisfaction du consommateur représente un préalable à sa fidélité (Rust et al,
1995 ; Anderson et al., 1994 ; Bolton et Drew, 1994 ; Fornell, 1992 ; Oliver, 1980).
D’ailleurs,Zeithamlet al. (1996) trouvent que les consommateurs satisfaits sontplus disposés
à acheter le même produit ou service de manière répétée, à résister face auxalternatives
concurrentes et à générer une bouche à oreille positif. Les résultats de cette recherche
appuient l’existence d’une relation entre lasatisfaction du consommateur et la fidélité à
l’entreprise.
De son côté, Leila (2006) montre qu’il existe une relation positive entre la satisfaction et la
fidélité à la marque. Dans le domaine de la distribution, Carpenter et Fairhurst(2005) ainsi que
Gallarza et al. (2016) ont souligné l’importance de la satisfaction dans l’explication de la
fidélité des consommateurs à une grande surface.
L’ensemble de ces travaux nous permet donc de suggérer que la satisfaction du consommateur
dans un contexte de distribution cross canal est susceptible d’entraîner la fidélité à un Drive.
Nous postulons donc que :
H10 La satisfaction du consommateur a une influence positive directe sur la fidélité à un
Drive
Après avoir présenté les hypothèses de recherche relatives aux construits centraux (les effets
directs et indirects), nous passons à présent à l’exposé des hypothèses de recherche liées aux
variables individuelles.
1.1.4 L’effet de la confiance à l’enseigne
1.1.4.1 L’effet de la confiance à l’enseigne sur la fidélité à un Drive

La confiance est reconnue comme une variable importante de la relation d’échange
permettant, d’une part, d’expliquer et de prédire le comportement des parties prenantes
(Dwyer et al., 1987) et d’autre part influençant favorablement les intentions d’achat (Allagui

et Temessek, 2005).Dans le marketing des services, Berry et Parasuraman (1991) montrent

que les relations client-entreprisenécessitent la confiance. Dans le commerce de détail, Berry
(1995) souligne que la confiance est la base de la loyauté.
Dans la littérature, l’impact de la confiance sur la fidélité a été validé tant dans un contexte
traditionnel (Singh et Sirdeshmukh, 2000; Chaudhuri et Holbrook, 2001; Sirdeshmukh, Singh
et Sabol, 2002) qu’en ligne (Reichheld et Schefter, 2000; Corbitt, Thanasankit et Yi, 2003;
Park et Kim, 2003; Pitta, Franzak et Fowler, 2006; Kim, Jin et Swinney, 2009).
De leur côté, Reichheld et Schefter (2000) montrent qu’afin d’acquérir la fidélité des
consommateurs, il faut tout d’abord engranger leur confiance.
Pour Diawara (2017), l’explication de la fidélité à une enseigne, dans l’approche relationnelle,
dépend avant tout de l’engagement et de la confiance des consommateurs. Ce résultat a été
confirmé aussi par Garbarino et Johnson (1999) en disant que la confiance est souvent
considérée comme l’un des éléments clés expliquant le succès en marketing relationnel.
L’ensemble de ces travaux nous permet donc de suggérer que la confiance à l’enseigne dans
un contexte de distribution cross canal est susceptible d’entraîner la fidélité à un Drive. Nous
postulons donc que :
H11 La confiance à l’enseigne a une influence positive directe sur la fidélité à un Drive
1.2 Les hypothèses relatives aux variables individuelles

Les caractéristiques du consommateur influencent très souvent son comportement d’achat.
Parmi l’ensemble des éléments que l’on peut utiliser pour décrire un consommateur, les
variables sociodémographiques sont sans aucun doute celles qu’il est le plus pratique
d’utiliser, parce qu’assez simples à mesurer (Guichard et Vanheems, 2004).
Différents travaux, dans la littérature marketing, se sont intéressés à l’influence des variables
sociodémographiques et ont identifié sept variables sociodémographiques comme âge, sexe,
éducation, revenu, situation de la famille, nombre d’enfants et lieu de résidence (Abbas,
2014 ; Diallo, 2011 ; Seck, 2009 ; Ailawadi, Neslin et Gedenk ,2001 ; Richardson, Dick et
Jain ,1996).Dans ces recherches, les résultats montrent que ces variables influencent
significativement l’évaluation du consommateur.
Ainsi, il semble que certaines caractéristiques individuelles telles que l’âge et le genre
puissent influencer les relations entre la fidélité et ses antécédents.

Dans le cadre de notre recherche, deux caractéristiques individuelles (l’âge et le sexe), la taille
de famille et la catégorie socioprofessionnelle ont été retenues comme variables modératrices
dans notre modèle de recherche, parce qu’elles sont plus pratiques à utiliser ainsi qu’assez
simples à mesurer.
1.2.1 L’influence de l’âge du répondant

Diallo (2011) montre que l’intérêt d’étudier le rôle modérateur de l’âge vient du fait que les
intérêts, les savoirs et les comportements de chacun peuvent varier selon l’âge du
consommateur.
Rogers (1995) montre dans son étude sur l’adoption de l’innovation que les adoptants sont
généralement plus jeunes, ayant des revenus plus élevés et ayant un statut social plus élevé
que les autres. De leur côté, Igbaria et Parasuraman (1989) soulignent que les consommateurs
plus âgées ont tendance à être moins exposées aux TIC (Technologie de l’Information et de
Communication), donc moins flexibles et plus résistants au changement. Par conséquence,
d’une côté, leur attitude face à l’anxiété informatique augmente. De l’autre côté, leur attitude
réduit leur probabilité d’utiliser les nouveaux modes de distribution. Zoltan et Chapanis
(1981) démontrent que les attitudes des consommateurs plus âgés envers les ordinateurs sont
plus négatives que celles des plus jeunes. D’ailleurs les consommateurs plus âgés ont une
perception plus faible de l’utilité des ordinateurs personnels (Igbaria, 1993).
Certains chercheurs, dans le domaine de l’adoption des services bancaires en ligne, indiquent
que les consommateurs les plus âgés ont plus de résistance au changement et ont des attitudes
négatives envers l’utilisation des services bancaires mobiles. (Suoranta et Mattila, 2004 ;
Laukkanen, 2007).Laukkanen et Pasanen (2008) ont confirmés ces résultats en disant que
l’âge des utilisateurs est entre 30 et 49 ans.
De leur côté, Karayanni (2003) montre que l’adoption d’Internet pour faire les courses devrait
être reliée à l’âge, le genre et le niveau d’éducation. Mason (1991) et East et al. (1995) ont
souligné que les personnes de moins de 45 ans étaient plus fidèles que les autres segments
d’âge. Burke (2002) indique qu’il a y une différence d’évaluation du magasin physique et du
site entre les personnes âgées et les personnes jeunes. Les résultats de Dabholkar(1996) vont
dans le même sens en confirmant, d’une part, que les personnes âgées ont une fascination bien
moindre pour la technologie que les personnes jeunes. D’autre part, les jeunes ont tendance à
évaluer plus positivement les technologies de libre-service.
Dans leur étude sur les services multi canal, Cassab et Maclachlan (2009) appellent les
travaux futurs à étudier l’influence de l’âge sur la perception du consommateur multi canal.

Diallo (2011) montre que l’âge influence le comportement d’achat envers les MDD : les plus
âgés (≥35 ans) ont un comportement d’achat moyen envers la MDD plus élevé que les moins
âgés (<35 ans).
A notre connaissance, peu de travaux se sont intéressés à l’influence de l’âge sur la fidélité du
consommateur au point de vente. On peut donc s’attendre à que la décision du choix du Drive
pour faire les courses varient en fonction de l’âge des répondants. Ainsi, nous formulons
l’hypothèse suivante :
Libellé d’hypothèse
H12 L’âge modère les liens entre les variables du modèle conceptuel
1.2.2 L’influence du sexe du répondant :

Certains auteurs soulignent que le sexe des consommateurs peut influencer la manière dont les
consommateurs perçoivent l’environnement du lieu de service, et, par conséquent, qu’il influe
sur leurs évaluations et intentions et donc leurs comportements adoptés (Rieunier, 2000;
Maille, 2005). D’ailleurs, l’influence du sexe des consommateurs sur l’utilisation des
technologies est testée par plusieurs études dans le domaine de l’acceptation de technologies
variées : le micro-ordinateur (Igbaria et Parasuraman, 1989), l’e-mail (Gefen et Straub, 1997),
le m-commerce (Chong et al., 2011, Chong, 2013), les services bancaires en ligne (Martins et
al., 2013) et les services bancaires par le mobile (Yu, 2012). Diallo (2011) mentionne que, de
façon traditionnelle, plusieurs produits et services offerts aux consommateurs ont été
positionnés sur le genre.Williams, Absher et Hoffman (1997) soulignent que la plupart des
distributeurs s’intéressent aux femmes dans leurs politiques de ciblage et de communication
dans les points de vente. Cela peut être expliqué par le fait queles femmes ont été
historiquement les agents responsables de l’achat des produits de base de la famille.
Selon Burke (2002), l’âge, le genre, l’éducation et le revenu ont un impact significatif sur les
attributs influençant l’évaluation par le consommateur de son expérience de shopping en
ligne. Fischer et Arnold (1994) indiquent que les distributeurs tentent de développer un
positionnement dual pour attirer à la fois les femmes et les hommes. Pour Diallo (2011),
legenre influence le comportement d’achat envers les MDD : les hommes ont un
comportement d’achat moyen moins élevé que les femmes.

Dans le cadre de cette recherche, nous retenons donc le sexe comme variable
sociodémographique modératrice des liens entre les variables du modèle conceptuel. Nous
formulons ainsi comme hypothèse :
H13 Le genre modère les liens entre les variables du modèle conceptuel
1.2.3 L’influence de la taille de famille :

Dans les recherches de comportement du consommateur, la taille du foyer ou de la famille est
souvent utilisée comme une variable modérateur. Cela peut être expliqué par le fait que la
famille constitue l’unité de décision et de consommation naturelle. Daillo (2011) montre que
la taille de la famille influence le comportement d’achat envers les MDD : les familles plus
nombreuses ont un comportement d’achat moyen plus élevé que les familles moins
nombreuses. Par ailleurs, la taille de la famille a été la seule variable socio démographique
ayant des résultats cohérents dans le comportement d’achat envers les produits de marque de
distribution (Martinez et Montaner, 2008). Dans notre étude qualitative, nous avons remarqué
que les répondants les plus présents sont des couples aves des enfants. Cela peut être aide à
comprendre le choix du Drive pour faire les courses afin de pratiquer d’autres activités
sportives ou culturelles avec la famille (Ghesquière, 2011).
Ceci nous ramène à nous baser sur certaines conclusions empiriques de notre étude
exploratoire pour tenter de tester l’hypothèse suivante :
H14 Il existe des différences dans la fidélité au Drive en fonction de la taille de la famille
du répondant
La figure 10 ci-dessous donne une présentation graphique du modèle conceptuel global avec
les hypothèses de recherche. Le tableau 14 plus bas récapitule celles-ci.

Figure 10: Modèle conceptuel et hypothèses de la recherche
Variables sociodémographiques
Age, Genre, Taille de famille
Satisfaction
Qualité du site web

Qualité de service du Drive
du Drive
Valeur globale
Fidélité à un Drive
perçue d’un Drive
Qualité du point de
retrait du Drive
Confiance à
l’enseigne

Tableau 14 : Synthèse des hypothèses de la recherche

Hypothèses relatives aux variables centrales
H1 La qualité de service perçue du site Internet du Drive a une influence positive
directe sur la satisfaction du consommateur
H2 La qualité de service perçue du point de retrait du Drive a une influence

positive directe sur la satisfaction du consommateur
H3 La qualité de service perçue du site Internet du Drive a une influence positive

directe sur la valeur perçue globale
H4 La qualité de service perçue du point de retrait du Drive a une influence

positive directe sur la valeur perçue globale
H5a La valeur globale perçue a un effet médiateur dans la relation entre la qualité
de service perçue du site Internet du Drive et la fidélité de consommateur à un
Drive
H5b La satisfaction du consommateur a un effet médiateur dans la relation entre la

qualité de service perçue du site Internet du Drive et la fidélité de
H5c La valeur globale perçue et la satisfaction exercent ensemble un effet

médiateur dans la relation entre la qualité de service perçue du site Internet du
Drive et la fidélité des consommateurs à un Drive
H6a La valeur globale perçue a un effet médiateur dans la relation entre la qualité
de service perçue du point de retrait du Drive et la fidélité de consommateur à
un Drive
H6b La satisfaction du consommateur a un effet médiateur dans la relation entre la

qualité de service perçue du point de retrait du Drive et la fidélité de
H6c La valeur globale perçue et la satisfaction exercent ensemble un effet

médiateur dans la relation entre la qualité de service perçue du point de retrait
de Drive et la fidélité des consommateurs à un Drive
H7 La valeur perçue globale a une influence positive directe sur la satisfaction du

consommateur
H8 La valeur perçue globale a une influence positive directe sur la fidélité du

H9 La satisfaction du consommateur a un effet médiateur dans la relation entre la

valeur perçue globale et la fidélité du consommateur à un Drive
H10 La satisfaction du consommateur a une influence positive directe sur la fidélité

à un Drive
H11 La confiance à l’enseigne a une influence positive directe sur la fidélité à un

Drive

Hypothèses relatives aux variables individuelles

H12 L’âge modère les liens entre les variables du modèle conceptuel.
H13 Le genre modère les liens entre les variables du modèle conceptuel.
H14 La taille de famille modère les liens entre les variables du modèle conceptuel.
Dans notre travail de recherche, nous nous appuyons sur la revue de la littérature et sur notre
étude qualitative exploratoire pour proposer un modèle conceptuel intégrateur qui permet de
comprendre les déterminants de la fidélité du consommateur de Drive dans un contexte de
distribution cross-canal. Autrement dit, évaluer la fidélité du consommateur cross canal à son
enseigne dans le contexte particulier du Drive alimentaire.
À cet effet, cinq principaux construits sont retenus :la qualité de site Web de Drive, la qualité
de point du retrait du Drive, la valeur globale perçue, la satisfaction et la fidélité.
Certaines caractéristiques individuelles, qui peuvent, jouer le rôle de modérateur, sont
également prises en considération : le nombre d’enfant et le lieu de résidence ainsi que l’âge
et le genre du répondant. Après avoir identifié ces variables principales et modératrices,
différentes hypothèses, structurant le modèle conceptuel de cette recherche, ont été formulées
dans cette section en vue d’être validées ou non.
2 Procédure d’opérationnalisation des variables

Nous avons utilisé des échelles déjà existantes dans la littérature pour mesurer les cinq
variables centrales de notre modèle (la qualité de site web, la qualité de point de retrait, la
satisfaction, la valeur perçue globale et la fidélité).
L’adaptation et la validation de ces échelles de mesure utilisées dans notre enquête ont été
construites en appliquant la démarche proposée par Churchill (1979). Nous détaillons, à
présent, comment nous avons suivi les étapes de ce paradigme.L’objectif de cette démarche est
de mesurer un concept qui représente un phénomène. Ce paradigme est structuré en huit étapes
(cf. Tableau 15).

2.1 Le paradigme de Churchill
Ce paradigme est une démarche méthodologique qui comporte les différentes étapes
permettant de construire les échelles de mesure (Evrard et al, 2009). Le tableau 15 présente
l’application de paradigme de Churchill (1979) dans notre recherche.
Tableau 15 : Paradigme de Churchill (1979)

Etapes Techniques utilisés
Étape 1 : définition du domaine conceptuel  Revue de la littérature
Étape 2 : Générer un ensemble d’items  Revue de la littérature

 Entretiens semi-directifs auprès de 16
individus
Étape 3 : Collecte de données  Questionnaire de Pré-test : (n = 30

répondants)
 Questionnaire N°1 (échelles non
purifiées) : (n 150 répondants)
Étape 4 : Purification de la mesure  Analyse Factorielle Exploratoire (ACP)

 Test de fiabilité interne des mesures (α
de Cronbach)
Étape 5 : Collecte de données  Questionnaire N°2 (échelles purifiées) :

(n = 350 répondants)
Étape 6 : Confirmation de la mesure épurée  Analyses Factorielles Confirmatoire

(AFC)
Étape 7 : Vérification de la fiabilité de la  Rhô de Jöreskog

mesure
Étape 8 : Vérification de la validité de la  Rhô de validité convergente et

mesure discriminante
Il convient de souligner que d’une part, nous pouvons faire la collecte de données en une
seule fois pour diviser après l’échantillon obtenu en deux18.
Nous allons expliquer, dans les points suivants, les étapes respectées pour adopter et valider
les instruments de mesure dans notre recherche.
18
Nous avons obtenu un échantillon final de 500 répondants scindé en deux sous-échantillons (N1=150 et
N2=350) pour effectuer l’analyse factorielle exploratoire, l’analyse factorielle confirmatoire et le test des
hypothèses de la recherche.

2.1.1 Définir le domaine du construit

Pour développer une échelle de mesure, il convient d’abord d’émettre une réflexion théorique
sur le sujet étudié, de définir clairement le construit à opérationnaliser (Churchill, 1979 ;
Evrard et al, 2009 ; Jolibert et Jourdan, 2011) et de le distinguer d’autres construits proches
dans la littérature (Abbas, 2014). De ce fait, un état de l’art dans le domaine doit être effectué,
dont l’objectif est d’avoir une conceptualisation claire et spécifique. Ainsi, dans les chapitres
précédemment présentés, nous avons mis en évidence des conceptualisations des différents
construits de notre modèle de recherche. Autrement dit, l’état de l’art établi dans la première
partie de ce travail nous a permis de cerner le concept de la qualité de service du Drive
(virtuel et physique), ainsi que d’envisager la valeur globale perçue, la satisfaction, la fidélité
et les variables individuelles.
Les différents construits de notre recherche ont été mesurés par des instruments constitués
d’un ensemble d’items qui traduisent le phénomène concerné. En effet, s’appuyant sur des
échelles existantes dans la littérature, liée à notre recherche, pour mesurer les cinq variables
de notre modèle (la qualité de site Web de Drive, la qualité du point de retrait de Drive, la
valeur globale perçue, la satisfaction et la fidélité). Ici, il convient de souligner que pour une
meilleure adaptation des échelles de mesure au contexte de recherche, nous en avons
complété deux (l’échelle de la qualité de site Web et l’échelle de la qualité du point de retrait)
par des items ayant fait l’objet de beaucoup de citations par les répondants lors de nos
entretiens semi-directifs.
2.1.2 L’opérationnalisation des construits

Le développement des échelles de mesure ainsi que leur adaptation à un contexte particulier
constituent une étape importante pour pouvoir tester les hypothèses formulées par le modèle
de recherche. Dans ce sens et selon la communauté scientifique, pour opérationnaliser un
construit, nous avons deux solutions : construire une échelle de mesure ou utiliser une échelle
existante.
Comme nous l’avons mentionné auparavant, nous avons cinq construits non observables
directement : la qualité de site Web, la qualité du point de retrait, la valeur globale perçue, la
satisfaction et la fidélité. Afin de mesurer ces différents construits, nous nous somme basés
sur la littérature et sur notre étude qualitative exploratoire. Notre modèle étant formé de cinq
variables centrales, nous présenterons les échelles finales retenues pour chacune de ces

variables après avoir justifié le choix de l’instrument de mesure au regard des travaux
antérieurs.
Dans le but d’avoir une cohérence et une cohésion totale dans les formes des questions et
réponses proposées, plusieurs choix ont été fait dans le cadre de l’opérationnalisation des
construits :
 Choix de présentation des items : afin d’éviter toute confusion, nous avons mélangé
l’ordre de présentation des items au sein d’une même échelle, mais aussi entre les
échelles utilisées.
 Choix du type d’échelle à employer : en effet, nous avons choisi des échelles
ordinales de type Likert. Ce choix a été justifié par deux raisons : pour sa facilité de
compréhension par le répondant (Valette-Florence, 1988 ; Evrard et al., 2009), et pour
sa forte utilisation dans la plupart des recherches qui se rapportent à des construits
d’attitude ou d’opinion (Evrard et al., 2003). D’ailleurs, nous avons choisi le
différentiel sémantique qui nous a semblé le plus pertinent pour certains items de
l’échelle de mesure de l’environnement physique perçu développée par nos soins. Ce
type d’échelle est également très utilisé en marketing (Giannelloni et Vernette, 2012).
 Choix des modalités d’enregistrement des réponses à proposer au répondant : nous
avons choisi de rester fidèle aux échelles initiales retenues qui, dans leur majorité,
proposent la modalité allant de pas du tout d’accord à tout à fait d’accord.
 Choix du nombre de barreaux ou d’échelons des échelles : le fait d’avoir recours à
un nombre de point impair implique l’existence d’un point neutre. Selon Jean Perrien
et al. (1986), c’est un sujet controversé auquel il n’y a pas de solution miracle. Dans
cette recherche, nous avons choisi la modalité paire à 6 barreaux, allant de « pas du
tout d’accord » à « tout à fait d’accord ». Cela se justifie par le fait que :
 L’absence d’échelon neutre dans l’échelle favorise artificiellement des résultats
positifs (Oliver, 1999).
 La nécessité de la présence d’un point neutre dans l’échelle n’est pas prouvée
(Churchill et Peter, 1984).
 L’utilisation d’une échelle paire ou impaire n’influence pas les résultats retenus
(Lehmann ,1989 ; Jean Perrien et al., 1986).
Après avoir présenté les ajustements méthodologiques effectués dans le cadre de notre
recherche, nous exposonsles échelles des construits centraux, à savoir : la qualité de site Web

de Drive, la qualité du point de retrait de Drive, la valeur globale perçue, la satisfaction et la

fidélité.
2.2 La mesure des construits centraux

Nous présentons les échelles de mesure des différents construits centraux de cette recherche, à
savoir la qualité de site Web de Drive, la qualité du point de retrait de Drive, la valeur globale
perçue, la satisfaction et la fidélité. La sélection des items s’est fondée sur la revue de la
littérature et sur la phase qualitative exploratoire.
2.2.1 La mesure de la qualité de service du site Web du Drive

Selon (Zeithaml et al, 2002), la qualité de site Web définit comme « le degré selon lequel un
site Web facilite un magasinage, un achat et une livraison efficace et efficiente des produits
ou services ».
La littérature dispose de plusieurs instruments de mesure pour évaluer la qualité de site Web.
Nous avons l’échelle Sitequal (Yoo et Donthu, 2001) en quatre dimensions de neuf items,
l’échelle Webqual (4) (Barnes et Vidgan, 2003) de trois dimensions de vingt-deux items,
l’échelle eTailQ (Wolfinbarger et Gilly, 2003) en quatre dimensions de quatorze items,l’échelle
e-S-Qual (Parasuraman et al., 2005) en quatre dimensions de vingt-deux items, l’échelle
Netqu@l (Bressolles, 2006) en cinq dimensions de dix-huit items.
Parmi ces échelles de mesure, nous avons retenu l’échelle de Bressolle (2006), l’échelle de
Rolland (2003), et nous nous sommes aussi appuyés sur les résultats de notre étude
qualitative exploratoire afin de proposer sept dimensions de la qualité de site Web du Drive de
vingt-six items : la facilité d’utilisation, l’information, la personnalisation, le design, la
sécurité/confidentialité l’offre et la fiabilité.
Notre choix a été justifié par le fait que, d’une part, les deux échelles ont été testées et
validées dans un contexte français ce qui ne nécessite pas un travail de traduction. D’autre
part, les critères de validité et de fiabilité (les qualités psychométriques des items) de ces
échelles sont satisfaisants.
2.2.1.1 La Facilité d’Utilisation

Nombreux sont les auteurs qui montrent que le site Web doit être à la fois facile à prendre et
facile à utiliser (Davis et al., 1989 ; Zeithaml et al., 2002 ; Parasuraman et al., 2005). Selon
David et al. (1989), la facilité d’utilisation est définit comme la capacité de l’interface du site
à simplifier et à faciliter la navigation, à aider l’utilisateur dans ses tâches sans qu’il ait à
déployer trop d’effort. En effet, cette dimension est considérée comme un des principaux

facteurs présidant l’adoption par les consommateurs d’achat sur Internet. De notre étude
qualitative exploratoire, il ressort que les consommateurs qui utilisent le Drive apprécient : «
que le site soit facile à utiliser », « de pouvoir naviguer facilement sur le site », « de trouver
facilement ce qu’on cherche », « d’avoir des onglets qui aident à s’orienter sur le site ».
Pour mesurer la facilité d’utilisation, nous avons retenu les items suivants (tableau 16) de
l’échelle Netqu@l (Bressolles, 2006) et du verbatim de notre étude qualitative exploratoire.
Tableau 16 : Les items retenus de la dimension « Facilité d’utilisation »

Dimension Code Items Remarques Format des
modalités de
réponses
FAUTIL1 Ce site de Drive est Adapté de Netqu@I Echelle de Likert
facile à utiliser en 6 points
(Bressolles, 2006)
L’organisation et la Adapté de Netqu@I Echelle de Likert
Facilité
FAUTIL2 mise en page de ce site en 6 points
d’utilisation facilitent la recherche (Bressolles, 2006)
d’informations
C’est très facile Etude qualitative Echelle de Likert
FAUTIL3 d’ajouter ou de retirer en 6 points
des articles de mon
panier
2.2.1.2 L’information
La qualité de l’information est définit comme « le degré avec lequel le site Web permet de
s’informer sur les caractéristiques et le prix des produis/service, de manière précise et
exhaustive, en offrant la possibilité d’effectuer des comparaisons » (Rolland, 2003).
D’ailleurs, la qualité de l’information renvoie au contenu et à la disponibilité des informations
sur le site (Bressolles, 2006), et à la richesse et à la pertinence de l’information disponible
sur le site (Hamadi, 2008).
Ainsi, de l’échelle Netqu@l (Bressolles, 2006) et du discours des interviewés, nous avons
retenu les items suivants (tableau 17).

Tableau 17 : Les items retenus de la dimension « Information »

modalités de
réponses
INFO1 Ce site fournit sur les Adapté de Netqu@I Echelle de Likert
produits ou services des en 6 points
informations utiles (Bressolles, 2006)
Ce site fournit sur les Adapté de Netqu@I Echelle de Likert
INFO2 produits ou services des en 6 points
informations toujours très (Bressolles, 2006)
Information exactes
Ce site fournit sur les Adapté de Netqu@I Echelle de Likert
INFO3 produits ou services des en 6 points
informations suffisammen (Bressolles, 2006)
t précises et détaillées
Ce site m’informe Etude qualitative Echelle de Likert
INFO4 efficacement des en 6 points
promotions.
2.2.1.3 La Personnalisation
Weigran et Koth(1999) définissent la personnalisation d’un service comme la capacité de
répondre, de manière efficace, aux besoins individuels de chaque client. De leur côté, Rolland
(2003) définit la personnalisation d’un site Web comme la facilité avec laquelle le site permet
de reconnaître chaque client avec ses préférences, son historique et ses chemins de navigation.
Pour Srinivasan et Anderson et Ponnavolu (2002), le consommateur est plus efficace dans son
magasinage en ligne, grâce à la personnalisation de l’offre de produits ou service, parce que le
site Web leur propose des options en fonction de ses préférences et de ses achats antérieurs.
Par ailleurs, dans les verbatim des entretiens individuels, il semble que « le gain le temps » et
« la dimension économique » soient les aspects les plus cités qui sont liés à la
personnalisation.
Dans cette optique, nous nous sommes inspirés des travaux de Rolland (2003), Bressolles
(2006)ainsi que deux items qui ont été générés par l’analyse de contenu du discours des
interviewés pour développer les cinq items destinés à mesurer la personnalisation du site Web
de Drive.
Le tableau 18 ci-dessous présente les items finaux retenus.

Tableau 18 : Les items retenus de la dimension « Information »

modalités de
réponses
Pour mes courses, ce Adapté de Rolland Echelle de Likert en
PERSWEB1 site me permet de ne (2003) 6 points
rien oublier
Ce site permet de Adapté de Netqu@I Echelle de Likert en
PERSWEB2 gagner vraiment du 6 points
temps (Bressolles, 2006)
Personnalisation Ce site m’informe Adapté de Rolland Echelle de Likert en
site Web PERSWEB3 utilement sur mes (2003) 6 points
achats antérieurs
Ce site m’informe Etude qualitative Echelle de Likert en
PERSWEB4 efficacement des 6 points
promotions
Globalement, ce site Etude qualitative Echelle de Likert en
PERSWEB5 Web est personnalisé 6 points
à mes besoins
2.2.1.4 Le Design
Selon Galan et Sabadie (2001), le design du site se réfère à l’apparence visuelle et/ ou sonore
du site. Certains auteurs montrent que le design du site inclut des aspects esthétiques du site
tels que les couleurs, le style graphique, le nombre d’animation et la mise en page (Zeithaml
et al., 2002, Parasuraman et al., 2005). Ces aspects esthétiquescontribuent à la création de
l’environnement virtuel du site (Bressolles, 2006) et jouent un rôle essentiel au niveau
d’utilisation du site et son évaluation par les consommateurs (Montoya-Weiss et al., 2003).
A partir de l’échelle Netqu@l (Bressolles, 2006), nous avons retenu les items suivant (tableau
19) pour mesurer la dimension « design du site ».
Tableau 19 : Les items retenus de la dimension « Design »

modalités de
réponses
Ce site de Drive est Adapté de Netqu@I Echelle de Likert
DESIG1 visuellement attirant en 6 points
(Bressolles, 2006)
Design du site
Web Ce site de Drive est Adapté de Netqu@I Echelle de Likert
DESIG2 visuellement bien en 6 points
organisé (Bressolles, 2006)
La mise en page de ce site Adapté de Netqu@I Echelle de Likert
DESIG3 de Drive est claire et en 6 points
simple (Bressolles, 2006)

2.2.1.5 La Sécurité / Confidentialité

Seck (2009) souligne que la dimension de sécurité prend en compte deux paramètres : la
sécurité financière qui porte sur le degré de protection de l’utilisateur des risques de fraude et
de pertes financières, et la confidentialité des données personnelles qui a trait au degré de
respect des informations personnelles du client. Yousafzai et al. (2009) définissent la sécurité
comme « la perception du degré de protection contre les menaces»
Pour Chouk(2005), ce concept est un enjeu fondamental qui touche la confiance dans les
transactions, élément essentiel du commerce électronique particulièrement, en ce qui concerne
les transactions et les paiements en ligne.
En nous basant sur l’échelle de Bressolles (2006) et sur l’échelle de Parasuraman et al.
(2005), les items suivants ont été retenus concernant la dimension sécurité/Confidentialité
(tableau 20).
Tableau 20 : Les items retenus de la dimension « Sécurité / Confidentialité»

modalités de
réponses
Ce site de Drive offre Adapté de Netqu@I Echelle de Likert
SECONF 1 un excellent niveau en 6 points
de sécurité (Bressolles, 2006)
Sécurité /
Confidentialité
Ma vie privée est Adapté de Netqu@I Echelle de Likert
SECONF 2 bien protégée sur ce en 6 points
site de Drive (Bressolles, 2006)
Les paiements par Adapté d’E-S-Qual Echelle de Likert
SECONF 3 carte sont très bien (Parasuraman et al., en 6 points
sécurisés sur ce site 2005)
2.2.1.6 L’offre (Assortiment)

En effet, la qualité de l’offre a été prise en compte par la majorité des recherche dans le
contexte électronique d’offre, cela peut être expliqué par le fait que la qualité de l’offre
occupe un place importante dans le système de jugement du consommateur vis-à-vis de la
qualité de service (Rolland, 2005).
La qualité de l’offre est définit comme la capacité d’un site à fournir des produits/services
variés, uniques et régulièrement mis à jour(Bressolle, 2006). Selon Rolland (2003), la qualité

de l’offre de produits ou de service de l’entreprise est définit comme la possibilité d’accéder à

un grand choix de produit ou de service ayant un bon rapport qualité/prix. A ce titre,
certaines caractéristiques relatives à l’offre peuvent être relevées : le prix de l’offre, la qualité
de l’offre et son étendue en termes de variété ou de rareté.
En nous basant sur l’étude qualitative et l’échelle de Bressolles (2006), les items suivants ont
été retenus concernant la dimension Offre (tableau 21).
Tableau 21: Les items retenus de la dimension « Offre »

modalités de
réponses
Ce site de Drive offre un Etude qualitative Echelle de Likert
ASSORT 1
bon rapport qualité-prix en 6 points
Ce Drive offre des Etude qualitative Echelle de Likert
ASSORT 2
produits de bonne en 6 points
qualité
Offre Ce site de Drive propose Adapté de Netqu@I Echelle de Likert
ASSORT 3 une grande variété de en 6 points
produits (Bressolles, 2006)
Pour les produits que Adapté de Netqu@I Echelle de Likert
ASSORT 4 j’achète, j’ai le choix en 6 points
entre beaucoup de (Bressolles, 2006)
marques
2.2.1.7 La fiabilité
Selon Parasuraman et al. (1988,1985) la fiabilité correspondant à la capacité de l’entreprise à
réaliser le service promis de manière exacte, précise et digne de confiance. Dans le contexte
de e-commerce, Bressolles (2006) et Rolland (2003) définissent la fiabilité comme la capacité
du vendeur en ligne à tenir ses promesses, à remplir les termes de l’échange qui correspond
au degré de respect du service promis en termes de qualité, quantité, prix et délais de
livraison. Autrement dit, le site Web marchand doit respecter les éléments sur lesquels il s’est
engagé, corriger rapidement les erreurs et s’assurer de l’exactitude des opérations.
Dans les verbatim des entretiens individuels, il semble que « le respect des engagements » et «
la bonne obtention de produits voulus » soient les aspects les plus cités qui sont liés à la
fiabilité.
A partir l’échelle de Bressolles (2006) et de l’étude qualitative, nous avons retenu les items
suivants (tableau 22) pour mesurer la dimension de fiabilité.

Tableau 22 : Les items retenus de la dimension « Fiabilité »

modalités de
réponses
Ce Drive respecte les Adapté de Netqu@I Echelle de Likert
FIAB 1
délais annoncés en 6 points
(Bressolles, 2006)
J’obtiens ce que j’ai Adapté de Netqu@I Echelle de Likert
FIAB 2
commandé en 6 points
Fiabilité (Bressolles, 2006)
Avec ce Drive, je suis sûr Echelle de Likert
Etude qualitative
de ne pas me retrouver en 6 points
FIAB 3
avec des produits périmés
ou à courte durée de
consommation
Les services offerts (SAV, Adapté de Netqu@I Echelle de Likert
FIAB 4 garantie, retrait, …) sont en 6 points
efficaces (Bressolles, 2006)
2.2.2 La mesure de la qualité du point de retrait

Dans la littérature, certaines propositions de conceptualisation de la qualité de service
traditionnelle (qualité du point de retrait) sont distinguées.
Deux principaux modèles, les plus connus et les plus utilisés, sont le modèle de Grönroos
(1984) et le modèle de SERVQUAL avec les travaux de Parasuraman, Zeithaml et Berry
(1988,1991).Selon le premier modèle, la qualité de service s’appuie sur la structure du service
et ses différentes composantes pour définir et mesurer la qualité, alors que le modèle
SERVQUAL la définit par la liste d’attributs du service.
Parmi ces deux échelles de mesure, l’échelle SERVQUALa été largement utilisée dans la
littérature pour mesurer la qualité perçue de service. 22 items représentant cinq dimensions de
la qualité de service ressortent de ce modèle : la tangibilité, la fiabilité, l’empathie, l’assurance
et la serviabilité. Dans leurs travaux, de nombreux chercheurs l’ont adaptée au secteur étudié
en choisissant les items les plus pertinents par rapport à l’objet étudié (Philippe, 1996 ; Jamal
et Naser, 2002, Rolland, 2005 ; Sabadie, 2003 ; Seck, 2009 ; Abbas, 2014).
Deux principales dimensions ont été différenciées de la qualité de service perçue : la première
se réfère aux facteurs relationnels, alors que la deuxième fait référence à la dimension
fiabilité. A ces deux dimensions qui traduisent l’aspect intangible de la qualité de service, des
auteurs (Parasuraman et al., 1991 ; Jamal et Naser, 2002 ; Levesque et McDougall, 1996)
précisent les aspects tangibles qui se réfèrent aux facilités physiques, à l’accessibilité, aux
installations physiques, à l’équipement, etc.).

Dabholkar et al. (1996) proposent une adaptation de l’échelle SERVQUAL au secteur du

commerce grâce à une méthodologie de triangulation des données qualitatives. Cette échelle
montre de nombreuses dimensions et items de SERVQUAL mais en inclut d’autres. Ainsi, 28
items représentant cinq critères de la qualité de service composent l’échelle de Dabholkar et
al. (1996).
En nous basant sur l’échelle SERVQUAL de Parasuraman et al. (1988), sur l’échelle de
Dabholkar et al. (1996) et sur notre étude qualitative exploratoire, nous avons retenu les trois
dimensions suivantes de la qualité du point de retrait de Drive : les aspects tangibles,
l’accessibilité et la dimension relationnelle (personnel).
2.2.2.1 Les aspects tangibles

La dimension tangibilité fait la référence aux moyens physiques, à l’équipement, à
l’apparence du personnel (Parasuraman et al., 1988). De son côté Bitner (1992), définit la
tangibilité comme les éléments physiques contrôlés par l’entreprise de service pour améliorer
les actions des employés et des consommateurs. Dabholkar et al. (1996), montrent que les
aspects tangibles influencent la qualité de service perçue du client en magasin.
Ainsi, de l’échelle SERVQUAL, de l’échelle de Dabholkar et al. (1996) et du discours des
interviewés, nous retenons les items suivants (tableau 23).
Tableau 23 : Les items retenus de la dimension « Tangibilité »

modalités de
réponses
La décoration et Adapté de Dabholkar et Echelle de Likert
TANG1 l’esthétique de ce Drive al. (1996) en 6 points
sont agréables
L’agencement de ce Drive Adapté de SERVQUAL Echelle de Likert
TANG 2 est très efficace en 6 points
Les aspects
tangibles j’apprécie de ne pas avoir Etude qualitative Echelle de Likert
TANG 3 à charger les courses dans en 6 points
le coffre de la voiture
Echelle de Likert
TANG 4 Ce Drive est propre Adapté de SERVQUAL
en 6 points
Mes achats sont bien Etude qualitative Echelle de Likert
TANG 5
rangés dans les sacs en 6 points

2.2.2.2 L’accessibilité
Selon Rolland (2003), la dimension d’accessibilité est définie comme la facilité et la
permanence avec laquelle les consommateurs peuvent accéder au magasin, aux produits
qu’l’on souhaite acheter et au service qu’ils recherchent.
De l’échelle de Dabholkar et al. (1996), les aspects liés à l’accessibilité influant sur la qualité
de service perçue au magasin ou point de retrait ont trait à :
 Accès facile, parking gratuit et réservé aux consommateurs.
 Parking surveillé (Securité).
 Horaire d’ouverture.
 Fléchage.
 infrastructure adaptée.
En nous inspirant des verbatim de l’étude qualitative et sur l’échelle de Dabholkar et al.
(1996), nous proposons les items suivants (tableau 24).
Tableau 24 : Les items retenus de la dimension « Accessibilité »

modalités de
réponses
Les jours et les horaires Adapté Dabholkar Echelle de Likert
ACCESS1 d’ouverture de Drive et al. (1996) en 6 points
sont très pratiques
C’est facile d’accéder à Adapté Dabholkar Echelle de Likert
ACCESS 2 ce Drive et al. (1996) en 6 points
J’apprécie la proximité Etude qualitative Echelle de Likert

Accessibilité
ACCESS 3 de ce Drive en 6 points
Une fois arrivé au point Etude qualitative Echelle de Likert
ACCESS 4 retrait, je reçois ma en 6 points
commande rapidement
Je me sens en sécurité Adapté Dabholkar Echelle de Likert
ACCESS 5 dans ce Drive et al. (1996) en 6 points
2.2.2.3 La relation personnelle

La relation personnelle entre le consommateur et le personnel en contact apparaît essentielle.
Cela peut être expliqué par le fait que le personnel en contact joue un rôle essentiel dans
l’anticipation des besoins de la clientèle, dans la création de liens relationnels avec les
consommateurs et dans personnalisation de la livraison.

Ce rôle se reflète, d’une part, en termes de l’apparence de personnel en contact. D’autre part,
le comportement du personnel peut avoir une influence directe sur la qualité perçue par le
consommateur et sa satisfaction.
Par ailleurs, l’amabilité du personnel en contacte est considérée comme l’un des facteurs qui
joue un rôle important dans l’interaction entre le personnel el le consommateur (Abbas, 2014).
L’analyse de contenu des entretiens a permis de générer certains items relatifs aux éléments
clés de la dimension relationnelle, comme « l’accueil », « « la serviabilité », « la disponibilité
du conseiller », « la compétence du personnel » ; items que nous retrouvons dans l’échelle
SERVQUAL.
Pour mesurer la dimension relationnelle, nous avons retenu les items suivants (tableau 25)
issus de l’échelle SERVQUAL et du verbatim de notre étude qualitative exploratoire.
Tableau 25 : Les items retenus de la dimension « Relation personnelle »

modalités de
réponses
Le personnel présente Etude qualitative Echelle de Likert
REPER1 bien en 6 points
Le personnel sait Adapté de Echelle de Likert
REPER2 exactement ce qu’il a à SERVQUAL en 6 points
Relation faire
personnelle
Le personnel est très Adapté de Echelle de Likert
REPER3 disponible SERVQUAL en 6 points
Le personnel est poli Adapté de Echelle de Likert
REPER4 et aimable SERVQUAL en 6 points
Le personnel est Adapté de Echelle de Likert
REPER5 serviable SERVQUAL en 6 points
2.2.3 La mesure de la valeur globale perçue d’un Drive

Diallo (2011) souligne qu’il n’y a pas de définition de la valeur perçue faisant l’unanimité au
sien des chercheurs. Certain chercheurs définissent la valeur globale perçue commeun
déterminant clé de la décision d’achat (Dodds, Monroe et Grewal, 1991). La valeur globale
perçue consiste à faire un arbitrage entre les bénéfices (qualité) obtenus et le coût (prix payé)
(Diallo, 2011). Selon Zeithaml(1988), elle est définie comme le résultat d’une confrontation
entre les bénéfices et les sacrifices perçus associés àl’achat d’un produit, et se manifeste avant
l’acquisition finale de l’offre

Dans les recherches antérieures, d’une part, la valeur globale perçue a été mesurée comme un
construit unidimensionnel (Jin et Suh, 2005 ; Diallo, 2011). D’autre part, certain chercheurs
opérationnalisent la valeur globale perçue comme un construit multidimensionnel (Sweeney
et Soutar ,2001 ; Aurier, et al., 2004).
Dans notre recherche, les items de l’échelle de mesure utilisée sont empruntés à Aurier et al.
(2004) et à Ruiz et al. (2008), et adapté à la suite de notre étude qualitative. En nous basant
sur ces deux échelles, les items suivant ont été retenus concernant la valeur globale perçue
(tableau 26).
Tableau 26 : Les items retenus de la « Valeur Globale Perçue »

Echelle Code Items Remarques Format des
modalités de
réponses
Ça vaut la peine d’utiliser Adapté de Ruiz et Echelle de Likert
ce Drive même si les prix al. (2008) en 6 points
VALG1
n’y sont pas toujours les
plus bas
Valeur Avec ce Drive, j’en ai Adapté Ruiz et al. Echelle de Likert
Globale VALG2 pour mon argent (2008) en 6 points
perçue
Avec ce Drive, je suis sûr Adapté Ruiz et al. Echelle de Likert
C’est vraiment mon (2008) en 6 points
VALG3 intérêt d’utiliser ce Drive
Tout bien considéré, ça Adapté d’Aurier, et Echelle de Likert
VALG4 vaut vraiment le coup al. (2004) en 6 points
d’utilisation ce Drive
2.2.4 La mesure de la satisfaction du consommateur

La satisfaction est l’un des facteurs clé de succès des entreprises. Dans la littérature, cette
variable a fait l’objet de plusieurs définitions en marketing. Plichon (1998) montre que la
satisfaction recouvre deux caractéristiques : affective et cognitive « Etataffectif provenant
d’un processus d’évaluation affectifet cognitif qui survient lors d’une transaction spéci-
fique ». D’ailleurs, certaines recherches introduisent une troisième dimension dans la
satisfaction : il s’agit de la dimension conative (Llosa, 1996 ; Bressolle, 2006 ; Seck, 2009).
Westbrook et Oliver (1991) définissent la satisfaction comme une « réponse évaluative
(cognition) qui provoque différents sentiments et émotions (affects) et qui, finalement,
influencent ou déclenchent un certain comportement (conation) ». Dans le domaine de la
distribution, la satisfaction provient essentiellement de la comparaison entre les attentes

antérieures formées par les consommateurs avant la visite du point de vente et sa performance
réelle perçue (Najjar et al., 2016).
Dans le cadre de cette recherche, nous avons retenu quatre items développés par Oliver
(1981) et Llosa (1996) (tableau 27).
Tableau 27 : Les items retenus de la «Satisfaction de l’expérience avec un Drive »

modalités de
réponses
Cela a été une bonne décision de Adapté d’Oliver Echelle de Likert
SAT1
choisir ce Drive (1981) en 6 points
Ce Drive n’a pas déçu mes Adapté d’Oliver Echelle de Likert
SAT2
attentes (1981) en 6 points
Satisfaction
Je suis content(e) de ce Drive Adapté d’Oliver Echelle de Likert
SAT3 (1981) en 6 points
Globalement, l’utilisation de ce Adapté de Llosa Echelle de Likert
SAT4 Drive vous laisse : Très insatisfait (1996) en 6 points
(1) vers Très satisfait (6)
2.2.5 La mesure de la confiance à l’enseigne

Moulin et Roux (2008) montrent que la confiance, depuis les travaux de Morgan et Hunt
(1994), est largement reconnue comme une variable centrale dumarketing de la relation.
Anderson et Weitz (1989) définissent la confiance comme « la croyance d’une partie que ses
besoins seront satisfaits dans le futur par les actions entreprises par l’autre partie ».
Anderson et Narius (1990) soulignent que la confiance est définit comme « la croyance qu’a
une entreprise qu’une autre société remplira des actions qui aboutirontà des résultats positifs
pour elle ». De leur côté Ganesan (1994), la confiance est considère comme « une croyance,
un sentiment ou une attente vis-à-vis du partenaire de l’échange qui résulte de son expertise,
de sa fiabilité et de son intentionnalité ».
Selon Kaabachi (2007) et Ducroux (2009), la confiance à l’enseigne dépende de la capacité de

cette dernière à respecter ses engagements et à défendre les intérêts propres des
consommateurs.
Dans notre recherche, cette variable est évaluée à l’aide de quatre items, deux items inspirés
par Cissé-Depardon et N’Goala (2009), deux items inspirés de Vesal et Zabkar (2010). Ces
items sont détaillés dans le tableau 28 suivant.

Tableau 28 : Les items retenus de la « Confiance à l’enseigne »

modalités de
réponses
Cette enseigne est digne Adapté de Vesal et Echelle de Likert
CONFI1 de confiance Zabkar (2010) en 6 points
Cette enseigne tient ses Adapté de Vesal et Echelle de Likert
CONFI2 promesses et ses Zabkar (2010) en 6 points
Confiance à engagements
l’enseigne J’ai confiance en la Adapté de Cissé- Echelle de Likert
CONFI3 qualité des produits Depardon et N’Goala en 6 points
vendus par cette (2009)
enseigne
Je crois en la sincérité Adapté de Cissé- Echelle de Likert
CONFI4 de cette enseigne Depardon et N’Goala en 6 points
(2009)
2.2.6 La mesure de la fidélité du consommateur à un Drive

Le concept de fidélité a fait l’objet de nombreux travaux de recherche (Dick et Basu, 1994 ;
Uncles et Laurent, 1997 ; Zeithaml et al., 1996 ; Oliver, 1999). La diversité de ces études
témoigne de la richesse du sujet, ainsi qu’il est au cœur de la recherche.
Dans le cadre de notre recherche, nous visons à estimer la fidélité des consommateurs à un
drive. Ainsi, nous souhaitons mesurer la fidélité du consommateur en prenant en compte
plusieurs facteurs comme l’intention de recommander et l’intention d’y revenir
prochainement pour faire les courses dans le futur (Grewal et al, 1998).
Diallo (2011) montre qu’il y a différentes méthodes dans la littérature en marketing pour
mesurer la fidélité des consommateurs. De manière générale, nous pouvons distinguer les
mesures du courant statistique de celles en comportement du consommateur.
Dans cette recherche, nous avons recours au courant comportemental qui tente de mesurer la
fidélité en termes de la force de l’intention et de la recommandation en utilisant des échelles à
indicateurs multiples qui sont conseillées dans le cadre des modèles d’équations structurelles
(Diallo, 2011). La littérature a proposé des échelles de mesure très complètes des intentions
comportementales (Zeithaml et al.,1996 ; Baker et al., 2002 ;Filser et al., 2003 ; Mathwick et
al., 2001).
Dans notre recherche, les items de l’échelle de mesure utilisée sont empruntés à l’échelle de
Zeithaml et al (1996) qui a été adoptée par plusieurs recherches dans le contexte français.
D’ailleurs, cette échelle nous permet de mesurer la fidélité du consommateur à travers l’intention

de faire les courses dans ce Drive, l’intention de recommander ce Drive et de produire un bouche
à oreille positif de ce Drive. Ces items sont détaillés dans le tableau 29 suivant.
Tableau 29 : Les items retenus de la « Fidélité à un Drive »

modalités de
réponses
Je recommanderai certainement Adapté de Zeithaml et Echelle de Likert
FIDEL1
ce Drive à mes amis al. (1996) en 6 points
A l’ occasion d’une discussion, Adapté de Zeithaml et Echelle de Likert
FIDEL2 je n’hésiterai pas à dire du bien al. (1996) en 6 points
Fidélité à un de ce Drive
Drive Quand j’ai besoin de faire des Adapté de Zeithaml et Echelle de Likert
FIDEL3 courses, je pense d’abord à ce al. (1996) en 6 points
Drive
Je vais continuer à faire mes Adapté de Zeithaml et Echelle de Likert
FIDEL4 courses avec ce Drive al. (1996) en 6 points
L’objectif de cette section est de mettre en lumières les choix effectués en ce qui concerne
l’opérationnalisation des construits. A ce titre, nous nous sommes appuyés sur la littérature
existante et sur notre étude qualitative exploratoire pour mesurer les six variables latentes
retenues dans cette étude. Il s’agit de proposer et de justifier le choix des échelles de mesure
pour les six variables centrales, à savoir la qualité de site Web, la qualité du point de retrait, la
valeur globale perçue, la satisfaction, la confiance à l’enseigne et la fidélité à un Drive.

Conclusion du chapitre IV
Dans ce chapitre, nous nous somme basés sur la revue de la littérature et de l’étude qualitative
pour présenter le modèle conceptuel et les hypothèses de la recherche.
Ce chapitre a été organisé en deux sections, la première a été consacrée pour étudier et
justifier deux catégories d’hypothèses de recherche : (1) les hypothèses relatives aux variables
centrales du modèle (la qualité de site Web, la qualité du point de retrait, la valeur perçue, la
satisfaction et la fidélité) ; (2) ensuite celles relative aux rôles modérateurs des variables
individuelle (âge, genre et la taille de famille).
La deuxième section a eu pour objectif de présenter l’opérationnalisation des construits du
modèle de recherche.
Ainsi, après avoir exposé les échelles les plus mobilisées dans la littérature, nous avons
justifié notre décision concernant les échelles retenues en nous basant sur la littérature et sur
notre étude qualitative exploratoire pour mesurer les variables latentes de notre modèle
conceptuel.
Le chapitre V suivant présente la méthodologie pour valider nos échelles de mesure et tester
nos hypothèses de recherche.

Chapitre V : Méthodologie et conception de l’étude quantitative
PARTIE II :

recherche
Chapitre 1V :

variables
Chapitre V :
Chapitre VI:
Chapitre VII:

Chapitre V : Méthodologie et conception de l’étude

quantitative
Introduction au chapitre V
L’objectif de ce cinquième chapitre est d’ordre méthodologique. Nous l’avons consacré à la
présentation de la méthodologie retenue afin de tester les propositions et les hypothèses de la
recherche. Il se compose de trois sections.
La première section a été consacrée à présenter les choix méthodologiques de l’étude

quantitative. Nous nous intéressons au choix du terrain de la collecte des données, au
processus d’élaboration et de pré-test du questionnaire, ainsi qu’à la méthode utilisée pour
constituer notre échantillon. Le déroulement de l’enquête par questionnaire est également
abordé en détaillé dans cette section.
La deuxième section a pour objectif d’aborder la méthodologie relative à la purification et à la

validation des instruments de mesure. Nous y exposons d’abord les conditions préalables à
toute analyse de données, puis toutes les règles de décisions des analyses exploratoires et des
analyses confirmatoires, tout en suivant les étapes du paradigme préconisé par Churchill
(1979).
La troisième section présente les outils statistiques exploités afin de juger de notre modèle
théorique et de tester les hypothèses de recherche.
1 Choix méthodologiques pour le recueil des données

Nous avons consacré cette section à la présentation des choix méthodologiques liés au terrain.
Nous exposerons successivement le choix du terrain de notre étude quantitative, les choix liés
à la méthode de collecte des données et le choix d’une enquête auprès des consommateurs.
1.1 Choix du terrain de l’étude quantitative : le Carrefour Drive à Aix en

Provence
Afin de permettre une meilleure compréhension des évaluations du consommateur en termes
de la satisfaction et de la fidélité dans le contexte particulier du Drive alimentaire, une étude
qualitative (voir chapitre 3) a été effectuée avec des consommateurs qui utilisent le Drive dans
leurs courses.

Dans le cadre de cette recherche, nous avons fait le choix de nous intéresser aux
consommateurs qui utilisent le Drive dans leurs courses au Carrefour Drive à Aix en
Provence.
Plusieurs raisons expliquent ce choix :
 Dans la grande distribution alimentaire, un nouveau format de distribution s’est

imposé au côté des hyper-, super-, Proxi- et autres cybermarchés : le « Drive »
(Rouquet, 2014). Aujourd'hui, plus de 80% des supermarchés sont équipés d’un Drive.
Selon le magasine LSA, le Drive a connu un bel essor entre 2010 et 2016. Ainsi que,
selon le dernier décompte réalisé par le cabinet Nielsen en mai 2017, il existe 4 036
Drives répartis sur l’ensemble du territoire français.
 Depuis 2001, les consommateurs français se voient proposer une nouvelle manière de
réaliser leurs achats : le Drive (Vyt et al., 2017). En dépit de sa récence, le Drive
séduit chaque année de plus en plus de consommateurs, ainsi, 26,2 % des ménages se
sont laissés tentés par le drive en 201619.
 L’enseigne Carrefour est choisie pour deux raisons principales : sa forte présence sur
le marché français et sa politique de distribution. Elle est leader actuellement sur le
marché en France.
Pour toutes ces raisons, nous avons décidé de nous intéresser au Carrefour Drive comme une
nouvelle forme de distribution.
1.2 La méthode de collecte des données

Evrard et al (2009) soulignent que l’élaboration du questionnaire et le recueil des données
constitue la phase intermédiaire importante qui lie d’une part, les résultats de la littérature, des
études qualitatives et d’autre part, les tests des hypothèses du modèle de recherche. Cette
phase indispensable et délicate nécessite une grande prudence dans sa réalisation.
Notre questionnaire a fait l’objet d’une validation par un panel de 4 experts et d’un pré-test
avec 30 consommateurs, avant d’être lancé auprès de l’échantillon final.
1.2.1 L’élaboration du questionnaire

Le questionnaire est une technique d’interrogation individuelle composée d’un certain nombre
de questions présentées dans un ordre prédéfini. Quatre points sont abordés dans l’élaboration
du questionnaire : les objectifs, la formulation, la structure et le pré-test du questionnaire.
19
Source : Nielsen Scan Track, Homescan, Trade dimensions, juillet 2016.
 Objectifs du questionnaire : dans cette partie empirique après avoir collecté les données,
notre objectif final est de tester la validité des échelles de mesure de nos différents
construits, de notre modèle de recherche et de tester ensuite nos hypothèses. Le
questionnaire vise à recueillir des informations primaires sur :
- Les déterminants de la fidélité à l’enseigne
- La fidélité
- Les variables individuelles perceptuelles, fonctionnelles et sociodémographiques.
 Formulation du questionnaire : il est nécessaire, Lors de l’élaboration d’un
questionnaire, de poser des questions simples et précises afin de motiver les répondants et
de limiter les compréhensions incorrectes. Autrement dit, il faut éviter tout vocabulaire
technique ou ambigu (Giannelloni et Vernette, 2015). Dans cette recherche, nous avons
respecté les recommandations de Jolibert et Jourdan (2006) .
 Structure du questionnaire : le questionnaire a été construit à partir de notre étude

qualitative exploratoire et de notre revue de la littérature.
Nous divisons ce questionnaire en trois parties de longueur très différente, comprenant :

l’introduction, le corps du questionnaire et la signalétique (voir l’annexe 2).
La première partie de l’introduction consiste en un message court abordant l’objectif de
l’enquête, la demande formelle au répondant à participer. Notre questionnaire commence
par le texte suivant :
UTILISATION DIVE POUR LES COURSES…

Ce questionnaire vous prendra une dizaine de minutes.
Je vous remercie sincèrement de votre collaboration qui est essentielle pour ma recherche
doctorale (thèse) à l’université d’Aix-Marseille.
Répondez le plus spontanément possible, vos réponses restent totalement anonymes. Il n’y
a pas de bonne ou de mauvaise réponse, seul votre avis compte. Merci de répondre
soigneusement à toutes les questions même si elles vous paraissent répétitives ou
inadaptées.

La deuxième partie constitue le cœur du questionnaire. Cette partie comporte une série de
questions relatives à la mesure des variables du modèle de recherche (55 items sur la qualité
de site Web, la qualité du point de retrait, la valeur globale perçue, la satisfaction et la
fidélité). Ces questions sont regroupées en quatre parties. Pour chacune d’elles, il a été inséré
une phrase d’introduction fournissant les explications nécessaires. Tous les construits sont
mesurés avec des échelles de Likert à 6 échelons allant de « pas du tout d’accord » à « tout à
fait d’accord ».
La troisième partie du questionnaire regroupe des questions liées aux variables socio-
démographiques (âge, genre, catégorie professionnelle, lieu de résidence……) mesurées à
l’aide d’échelles dichotomiques ou à choix multiples. Le questionnaire comporte également
une introduction présentant brièvement le cadre de l’enquête et une conclusion consistant à
remercier le participant de son aide précieuse pour notre recherche.
 Pré-test du questionnaire et validation : l’objectif du pré-test est de vérifier la bonne

compréhension des questions posées et des réponses proposées. Le questionnaire a été
pré-testé sur un échantillon de 30 répondants, consommateur à Carrefour, ayant
l’expérience de faire leurs courses en utilisant Carrefour Drive. Nous avons demandé à ces
participants de remplir le questionnaire dans les mêmes conditions finales prévues de
l’enquête et de donner leur avis sur la longueur, la formulation et l’ordre des rubriques,
ainsi que la compréhension du questionnaire.
Les remarques recueillies n’impliquent pas de changement fondamental dans notre

questionnaire. Cependant, nous savons que certaines questions semblent plus ou moins
académiques. Ceci nous invite à apporter des modifications à partir de la première version du
questionnaire. Le questionnaire final rendant compte des remarques des évaluateurs est
présenté dans l’annexe 2.
Une fois le questionnaire pré-testé et validé, nous pouvons passer à la phase de son
administration.
1.2.2 L’administration du questionnaire

Le questionnaire est administré en mai 2016 dans le point du retrait de Carrefour Drive à Aix
en Provence. Le choix de cette ville s’explique par le caractère moderne de son réseau de
distribution et la forte présence de la distribution par Drive dans cette ville. Pour administrer

le questionnaire, nous avons dû choisir le mode d’administration, préciser la population ciblée

et décrire l’échantillon final.
1.2.2.1 Le mode d’administration du questionnaire

Il existe différentes méthodes d’administration d’un questionnaire : en face à face, par voie
postale, par téléphone ou par ordinateur (voie électronique). Celles-ci peuvent être classés en
deux catégories (Evrard et al., 2009) :
 Le recueil par un enquêteur qui se fait soit par téléphone, soit en face-à-face.
 Le recueil auto-administré, où la communication se réalise par voie postale ou par
Internet.
L’enquête téléphonique ou par voie postale ne convient pas à notre étude. Elles sont très
coûteuses, ne peuvent être utilisées que dans le cas d’une petite taille d’échantillon et avec des
individus difficilement joignables. L’enquête téléphonique ou par voie postale ne convient pas
à notre étude. Elles sont très coûteuses, ne peuvent être utilisées que dans le cas d’une petite
taille d’échantillon et avec des individus difficilement joignables. Dans le cadre de notre
recherche, nous avons choisi l’administration du questionnaire en face-à-face par enquêteur
avec le guide d’un questionnaire pour plusieurs raisons.
Premièrement, la présence de l’enquêteur permet de motiver le répondant en lui présentant
directement l’intérêt qu’il a par exemple de faire avancer la recherche. Deuxièmement,
l’administration en face-à-face permet d’élucider les réponses confuses en apportant toutes les
précisions nécessaires au répondant.
1.2.2.2 L’échantillonnage et le ciblage des répondants

 L’échantillonnage
Dans la constitution d’un échantillon correspondant à la population mère, il existe plusieurs

méthodes d’échantillonnage qui sont classés en deux catégories : les méthodes probabilistes
(par tirage aléatoire) et les méthodes empiriques (par choix du chercheur) (Diallo, 2011).
Chacune de ces méthodes a des avantages et des inconvénients. Evrard et al. (2009) indiquent
que le choix d’une de ces méthodes se base sur plusieurs conditions, telles que la nature de la

population, le budget et les délais dont on dispose. Dans notre recherche, nous avons choisi la
méthode d’échantillonnage sur place (le point du retrait) qui est une technique
d’échantillonnage empirique.
 Le ciblage des répondants
Quatre critères ont été pris en compte : le lieu de l’enquête, la sélection des personnes
interrogées, la période d’enquête et la taille d’échantillon.
Concernant le lieu de l’enquête, nous avons interrogé les répondants dans le point de retrait
de Carrefour Drive après récupération de leurs courses. Ce choix nous a permis de mesurer les
évaluations et les attitudes du consommateur du Drive après avoir vécu l’expérience de
service. Ensuite, nous avons sélectionné les répondants de manière aléatoire. Cette
procédure nous a permis d’éviter le caractère systématique en choisissant les répondants, et
d’introduire l’aléa dans la sélection des personnes interrogées.
L’enquête a été lancée en mai 2016, la collecte des données s’est déroulée pendant cinq
mois, malgré cette longue durée, nous n’avons obtenu que 517 réponses, dont 500
exploitables.

Nous avons décrit les conditions de la mise en œuvre du terrain de recherche : l’enquête s’est
déroulée dans la ville d’Aix-en- Provence et plus précisément dans le parking du point de
retrait de Carrefour Drive.
2 La méthodologie de validation des instruments de mesure

Comme nous l’avons mentionné auparavant, pour mesurer les variables continues de notre
modèle, nous avons utilisé des échelles d’intervalle provenant de la littérature et de notre
étude qualitative exploratoire. Selon la démarche de Churchill (1979) suivie dans le cadre de
notre travail.
C’est une étape cruciale pour tester les hypothèses formulées. Pour ce faire, cette section est
dédiée à la présentation des différentes analyses statistiques effectuées pour valider nos
instruments de mesure. Tout d’abord, nous mettons en évidence le choix des méthodes
d’équations structurelles mobilisées dans cette recherche. Nous exposons les deux approches
(LISREL et PLS) qui expriment les modèles d’équations structurelles en justifiant notre choix
de l’approche PLS afin de tester les hypothèses de notre recherche.

2.1 Le choix des méthodes d’équations structurelles

D’après Jakobowicz (2007), les modèles d’équations structurelles (Structural Equation
Modeling « SEM ») à variables latentes sont des modèles statistiques complexes permettant
de mettre en relation des concepts non observables.
Roussel et al. (2002) montrent que ces méthodes ont été développées pour examiner des
rapports de causalité multiples entre un ensemble de variables latentes qui représentent un
concept ou un construit non directement observable et qui nécessite de réunir un ensemble de
variables manifestes (indicateurs) pour être mesuré. Les équations structurelles sont un réseau
de relations formant un ensemble d’équations linéaires reliant des variables endogènes
(dépendantes) à des variables exogènes (indépendantes) (Diallo, 2011).
Pour Tenenhaus et al. (2005), le modèle « MSE » se décompose en deux sous modèles :
 Le modèle externe (modèle de mesure) qui expose les relations entre les variables
manifestes et les variables latentes.
 Le modèle interne (modèle structurel) qui concerne les relations potentielles entre les
variables latentes.
La figure 11 ci-dessous représente un modèle d’équations structurelles (MES).
Figure 11: Exemple d’un graphique associé à un modèle d’équations structurelles (MES)20
Modèle externe (modèle de mesures)
Modèle interne (modèle structurel)
20
Source : JAKOBOWICZ E. (2007), Contributions aux modèles d'équations structurelles à variables latentes.
Thèse de doctorat en informatique, Conservatoire national des arts et métiers, Paris, p. 18.

L’estimation des paramètres des modèles d’équations structurelles se fait selon deux
approches différentes complémentaires: l’approche LISREL (LInear Structural
RELationships) et l’approche PLS (Partial Least Squares) que nous présentons dans le point
suivant.
Deux approches complémentaires
En effet, pour examiner les modèles d’équations structurelles, nous pouvons distinguer deux
approches différentes mais complémentaires appliquées aux études marketing :
- L’approche LISREL (LInear Structural RELationships): cette approche,
développée par Jöreskog (1970), s’est initialement basée sur le maximum de
vraisemblance qui correspond à l’analyse des structures de covariances, et peut être
réalisée via les logiciels (LISREL, EQS, AMOS, Mplus, etc.) (Diallo, 2011).
Globalement, les logiciels sont assez proches. Ayant fait l’objet de nombreuses
publications et validations en marketing (Roussel et al., 2002), cette méthode reste
exigeante en termes d’indépendance des observations, de la normalité multivariée des
données ; deux conditions qui doivent être vérifiées préalablement à son application
(Jakobowicz, 2007). Cependant, la méthode LISREL est largement utilisée dans les
recherches en gestion.
- L’approche PLS (Partial Least Squares) : cette méthode, développée par Wold
(1975, 1985), s’est initialement fondée sur la minimisation de la variance des résidus
(l’analyse de la variance). Les chercheurs ont commencé à utiliser l’approche PLS
suite à l’apparition de nouveaux logiciels d’analyse de données comme SmartPLS et
XLSTAT. Cette méthode est issue de l’ancienne théorie de l’estimation des moindres
carrées. Elle se base sur des régressions simples et multiples (Jakobowicz, 2007).
L’utilisation de PLS dans les modèles d’équations structurelles est nommée PLSPM
(Partial Least Squares Path Modeling).
Les deux approches LISREL et PLS sont utilisées dans différents domaines de recherche
comme le marketing, la sociologie et la psychologie et sont jugées comme complémentaires
plutôt que concurrentes. Bien que l’approche LISREL soit la plus répandue (Valette-Florence,
1988 ; Lacroux, 2009), l’approche PLS, moins connue, possède ses propres avantages par
rapport à la première (Fernandes, 2012).

En se basant sur les travaux de Jöreskog et Wold (1982), Chin (2000), Esposito Vinzi (2003)
et Jakobowicz (2010), nous présentons une comparaison des deux approches PLS et LISREL
dans le tableau 30 suivant.
Tableau 30 : Comparaison entre l'approche PLS et l’approche LISREL

Critères Approche PLS Approche LISREL
Objectif Réalisation de prévisions Estimation de paramètres

Méthodologie Fondée sur la variance Basée sur la covariance
Variables latentes Combinaison linéaire de ses Combinaison linéaire de toutes
variables manifestes les variables manifestes
Relations entre Type réflexif et formatif Type réflexif
variables latentes et
variables manifestes
Optimalité Pour la précision des Pour la précision des
prévisions paramètres
Qualité des sous- Modèle externe meilleur parce Modèle interne meilleur parce
modèles que les variables latentes sont que les variable latentes sont
contenues dans l’espace de estimées dans un espace non
leurs variables manifestes restreint
Hypothèses Unidimensionnalité Multinormalité des données et
unidimensionnalité
Taille d’échantillon 30-100 cas 200-800 cas
Complexité modèle Grande (Ex : 100variables Réduite (modérée) (<100
latentes 1000 variables variables manifestes)
manifestes)
Identification Dans le cadre du modèle Dépend du modèle : au moins
récursif, toujours identifiée trois variables manifestes par
variable latente pour être
correctement identifiée
Domaines Marketing, analyse sensorielle Sociologie, psychologie
Source : Abbas (2014)
Les chercheurs peuvent estimer les paramètres de MES en choisissant l’une de deux
alternatives :
- La méthode LISREL par analyse de la structure de covariance qui utilise un système
d’équations structurelles fondé sur l’estimation de la matrice de covariance
(Jakobowicz, 2007). Nous choisissons l’approche LISREL pour deux raisons
principales : cette approche offre plus de puissance (hypothèses sur les distributions)
et elle est meilleure en termes d’explication que l’approche PLS plutôt tournée vers la
prédiction. Dans le cadre de notre recherche, nous utilisons le logiciel AMOS 23 qui

nous paraît approprié à plusieurs titres : interface graphique, convivialité, intégration

des options dont on a besoin pour l’analyse de nos données, etc.
- La méthode PLS : une démarche intégrative non linéaire qui suit les moindres carrées
partiels et qui vise à minimiser les variances résiduelles (Fernandes, 2012).
Ainsi, dans le but de tester le modèle et de valider les hypothèses liées aux relations
entre les variables, nous avons utilisé une approche PLS en appliquant le modèle PLS-
PM du logiciel XLSTAT 2017. Notre choix du logiciel se justifie par ;
 Le fait que XLSTAT est considéré comme le support le plus abouti pour traiter
l’approche PLS (Vinzi et al., 2010).
 Il nous livre un indicateur d’ajustement du modèle que n’offrent pas d’autres
logiciels PLS ; il s’agit de l’indicateur Goodness of Fit (GoF).
 Ce logiciel présente l’avantage d’une meilleure prise en main parce qu’il est à
la fois plus convivial et moins exigeant au niveau des connaissances techniques
en termes de programmation.
 Enfin, il permet de faire des analyses PLS multi-groupes, ce qui n’est pas
permis en utilisant Smart PLS par exemple.
Comme nous l’avons souligné, le modèle « MSE » se décompose en deux sous modèles : le
modèle externe (modèle de mesure) et le modèle interne (modèle structurel). Les variables
manifestes21 peuvent être associées aux variables latentes selon trois types de schémas
(Tenenhaus et al., 2005) :
 le schéma réflexif.
 Le schéma formatif.
 Le schéma MIMIC.
21
Nous utiliserons les termes de variable manifeste, indicateur, item sans distinction.

La figure 12 suivant illustre les trois types de schémas.
Figure 12: Types de relations dans les modèles de mesure (modèles externes)22
X11 X11 X11
ξ1 ξ1 ξ1
X12 X12 X12
Schéma réflexif Schéma formatif Schéma MIMIC
Dans le cadre de notre recherche, les variables latentes seront présentées par le modèle
réflexif qui est le plus communément utilisé (Jarvis et al., 2003 ; Crié, 2005 ; Tensaout, 2006).
Notre choix du modèle se justifie par :
 Ce modèle est le plus proche de la théorie classique de la mesure (Stan et Jacobowicz,

2008).
 Chacune de ces variables latentes représente la cause commune partagée par tout un
ensemble de variables manifestes (Jarvis et al., 2003).
Par conséquent, dans notre recherche, nous utilisons le logiciel SPSS.23 pour procéder à une
analyse factorielle exploratoire. Ensuite, une approche LISREL est mise en place à travers le
logiciel AMOS 23 afin de réaliser l’analyse factorielle confirmatoire. Enfin, dans la dernière
phase qui consiste à évaluer le modèle global structurel et tester les hypothèses liées aux
relations causales, nous utilisons l’outil statistique XLSTAT.2017. Nous détaillons dans ce
qui suit la démarche de chacune de ces analyses.
22
Source : JAKOBOWICZ E. (2007), Contributions aux modèles d'équations structurelles à variables latentes.
Thèse de doctorat en informatique, Conservatoire national des arts et métiers, Paris, p. 20.

2.2 Les études préliminaires à l’analyse des données
Cette sous-section sera consacrée à la présentation des choix méthodologiques liés au

traitement de nos données quantitatives.
Il s’agit de la vérification de la présence de valeurs extrêmes et aberrantes, de l’existence de

valeurs manquantes et leur caractère aléatoire ou systématique, de la normalité ou quasi
normalité de la distribution des données et de l’absence de multi-colinéarité (Kline, 2010).
2.2.1 Les valeurs manquantes
Nous avons reçu 517 questionnaires remplis dont certains présentent des valeurs manquantes.
À ce stade, nous avons constaté l’existence de deux cas différents :
 Les réponses incomplètes
 Les valeurs manquantes
2.2.1.1 Les méthodes de traitement des données manquantes

Dans les études quantitatives, plusieurs méthodes sont disponibles pour effectuer le traitement
des valeurs manquantes: remplacement par la moyenne ou la médiane des valeurs non

manquantes, suppression de l’observation (la méthode list wise deletion), , estimation des
valeurs manquantes par la méthode Expectation Maximisation, disponible dans AMOS
(Expectation mesure ou EM), ou remplacement des valeurs manquantes par la moyenne des
valeurs des individus qui lui ressemblent le plus ( la méthode Hot Deck), etc. (Chandon,
2012).
Les méthodes « expectation maximisation » et celle du « hot deck » sont les plus
recommandées. Dans le cadre de notre recherche, nous avons décidé d’appliquer la méthode
Hot Deck pour remplacer nos données manquantes comme nous verrons dans le chapitre
suivant.
2.2.1.2 Le caractère aléatoire ou systématique des données manquantes

Il est nécessaire de vérifier si la distribution des valeurs manquantes est aléatoire ou
systématique. De ce fait, il faut créer une variable binaire indicatrice des valeurs manquantes
pour chacune des variables quantitatives (en donnant la valeur 1 lorsque la valeur est
manquante, 0 sinon), ensuite il faut calculer les corrélations entre ces indicatrices. Si les
corrélations sont majoritairement faibles et non significatives, alors les valeurs manquantes
peuvent être considérées comme aléatoires, et il est possible de les remplacer sans risque.
2.2.2 Les valeurs extrêmes ou aberrantes

Etant différente de manière significative de la tendance globale d’un ensemble d’observations,
une valeur extrême ou aberrante peut être le résultat d’une erreur, par exemple le répondant
n’a pas compris la question (il faut la supprimer), ou être due à la seule variation
d’échantillonnage (il faut la conserver). Il faut produire pour chacune des variables différents
graphiques susceptibles de détecter la présence de valeurs extrêmes ou aberrantes. Ces
graphiques sont de deux types : les boîtes à moustaches (Box-Plot) et le graphique en tiges et
feuilles (stem and leaves).
En effet, on parle de donnée aberrante si elle se situe entre 1,5 et 3 fois l’intervalle
interquartile23, et d’une valeur extrême si elle est supérieure à trois fois l’intervalle
interquartile (Rivier, 2009).
23
L’intervalle interquartile correspond à l’écart entre le 25ème et le 77ème percentile.

Il appartient au chercheur de conserver ou non ces valeurs. Après vérification, s’il n’existe pas
d’incohérence majeure dans les réponses des individus, les valeurs aberrantes ou extrêmes
peuvent être conservées (Hair et al., 2006).
2.2.3 La normalité/ la quasi-normalité de la distribution des données et l’absence de la

multi-colinéarité
Afin de réaliser les analyses multi variées de manière valide, il est nécessaire que les données
suivent une distribution normale ou quasi-normale (Jolibert et Jourdan, 2011). Pour ce fait,
plusieurs outils statistiques peuvent être utilisés tels que :
- Le test de Kolmogorov-Smirnov et le test de Shapiro-Wilk : utilisés pour évaluer la

normalité des données.
- Le coefficient d’asymétrie (Skewness) et d’aplatissement (Kurtosis) utilisés pour évaluer la

quasi-normalité des données. Le premier coefficient, qui doit être entre 0 et 1en valeur
absolue, permet de vérifier si les données se distribuent d’une manière équilibrée autour de la
moyenne (coefficient nul), ou si elles sont plutôt concentrées vers les valeurs les plus élevées
(coefficient négatif), ou vers les valeurs les plus faibles (coefficient positif) (Evrard et al.,
2003). Le coefficient d’aplatissement (Kurtosis), qui doit être compris entre 0 et 1,5 en valeur
absolue, si les observations sont fortement concentrées, le coefficient est alors positif, alors
que si la courbe est plus aplatie que la loi normale, le coefficient est négatif (Evrard et al.,
2003).
Le coefficient d’asymétrie (Skewness) et d’aplatissement (Kurtosis) doivent être chacun

compris <-2 et >2 (Tassi, 2004 ; Volle, 1997). Selon Roussel et al. (2002), la valeur du
coefficient Skewness ne doit pas dépasser 3, alors que la valeur du coefficient Kurtosis est
acceptée jusqu’à 8.
Concernant la présence de la multi colinéarité dans les données, les valeurs des VIF (Variance
Inflation Factor) sont tous inférieurs à la valeur maximale acceptée de 10 (Kline, 2010). A ce
stade, nous pouvons conclure que les données dont nous disposons ne souffrent pas de multi
colinéarité.
2.2.4 Le partage de l’échantillon

Nous avons obtenu 517 réponses, dont 500 exploitables, les 17 questionnaires restants étant
exclus, essentiellement à cause de non-réponses à la majorité des questions. Cette exclusion

d’un petit nombre de questionnaires n’aurait pas d’incidence majeure sur l’échantillon analysé
(Diallo, 2011). Notre échantillon final est donc désormais basé sur le traitement de 500
questionnaires.
Afin d’aboutir des résultats plus fiables, il n’est pas recommandé de travailler sur le même
échantillon pour faire les analyses exploratoire et confirmatoire. Mais il recommandé
d’utiliser deux jeux de données (deux échantillons) (Henson et Roberts, 2006). Les chercheurs
peuvent former deux jeux de données soit en réalisant une seule collecte de données ensuite
en divisant cette échantillon total en deux sous-échantillons, soit en effectuant deux phase de
collectes de données.
Dans notre recherche, nous avons réalisé une seule collecte de données, puis nous avons
scindé cette échantillon en deux afin d’effectuer correctement les analyses. Choi et al (2009)
indiquent que le partage de l’échantillon (deux échantillons) pour faire l’analyse exploratoire
et confirmatoire sur le même jeu de donnée permet d’éviter de perte d’information.
Ainsi, pour effectuer correctement notre analyse, il recommandé de respecter certains critères
afin de déterminer la taille de l’échantillon nécessaire pour chaque phase : exploratoire et
confirmatoire. Concernant la première phase exploratoire, Carricano (2010) souligne que la
taille de l’échantillon doit se composer au moins 50 répondants, mais il est préférable d’avoir
au moins 100 répondants afin de pouvoir réaliser une analyse factorielle. Certains chercheurs
indiquent qu’il est nécessaire de définir un échantillon pouvant aller de 5 à 10 fois plus
d’individus qu’il n’a y d’items introduits dans une même analyse factorielle (Igalens et
Roussel, 1998 ; Roussel et al., 2002 ; Kline, 2015). Dans notre recherche, l’échelle de mesure
de la qualité de site web comportait le plus grand nombre d’items : 26 items au total (avant
épuration).
Concernant la phase confirmatoire, Roussel et al. (2002) et Byrne (2013) suggèrent au moins
10 répondants par item. De leur côté, Malhotra et al. (2014) proposent entre deux cents et
quatre cents répondants pour appliquer les équations structurelles. Dans notre étude, nous
somme basé sur la règle qu’on ait entre deux cent et quatre cent répondants.
Dans la présente recherche, la taille de l’échantillon est choisie selon les règles empiriques
recommandées par Igalens et Roussel (1998) ; Roussel et al. (2002) ; Kline (2015) et
Malhotra et al. (2014)

Par conséquence, nous avons retiré aléatoirement (150) répondants pour la phase exploratoire
et le reste a été consacré à l’analyse confirmatoire et teste les hypothèses (350 répondants).
2.3 L’analyse factorielle exploratoire sous SPSS
D’ailleurs, la mise en œuvre de l’analyse factorielle est soumise au préalable à la vérification

d’un certain nombre de conditions d’application : le choix de la matrice à factoriser, les
critères de la pertinence de l’AFE, le choix de la méthode d’analyse factorielle à réaliser, le
choix de la matrice à factoriser, le nombre d’axes à retenir et l’interprétation des axes. Nous
présentons, dans ce qui suit, les règles à respecter en ce qui concerne ces points.
2.3.1 Le choix de la matrice à factoriser

Il s’agit de définir sur quel type de matrice il faut travailler. En général, deux types de
matrices à factoriser peuvent être utilisés : la matrice de covariance et la matrice de
corrélation.
 La matrice de covariance : pour y travailler, il faut que tous les items d’un même construit
soient mesurés sur des échelles de même type et qu’ils contiennent le même nombre
d’échelons ou de barreaux.
 La matrice de corrélation : il convient d’y travailler si les énoncés d’un même construit
sont mesurés sur des échelles différentes (Likert et différentiel sémantique par exemple).
Dans notre étude, les échelles sont toutes sous forme d’échelles de Likert à six points : la
matrice de covariance sera donc utilisée.
2.3.2 Les critères de la pertinence de l’AFE

Afin de procéder à une analyse factorielle exploratoire, il est nécessaire au préalable de
s’interroger sur la possibilité d’effectuer cette analyse sur les données concernées. Il s’agit de
répondre à la question « les données forment-elles un ensemble suffisamment cohérent pour
qu’il soit raisonnable d’y rechercher des dimensions communes qui aient un sens et qui ne
soient pas des artefacts statistiques » (Evrard et al., 2003, p. 400).

La factorisation des données nécessite d’examiner d’abord les corrélations entre les variables
qui doivent être significatives (non nulles) et comprises entre 0.3 et 0.7 de préférence.
Ensuite, il convient de s’intéresser aux deux tests formels suivants : le test de sphéricité de
Bartlett et le test de Kaiser-Meyer-Olkin (K.M.O). Une analyse factorielle exploratoire ne sera
effectuée que si les résultats de ces tests sont satisfaisants.
 Le test de sphéricité de Bartlett :
 Le test de KMO (Kaiser, Meyer et Olkin) ou le test MSA (Measure of Sampling

Adequacy)
De ce fait, l’examen de la diagonale de la matrice anti-images est également recommandé

pour pouvoir supprimer les énoncés ayant une valeur inférieure à 0,5, étant donné qu’ils
expliquent à moins de 50% l’ensemble des autres énoncés de l’échelle.
2.3.3 Le choix de la méthode de l’analyse factorielle exploratoire

Il existe plusieurs méthodes pour extraire les facteurs dans l’AFE. Il y a l’analyse en
composantes principales (ACP) et l’analyse en facteurs communs (AFC).

Dans le cadre de notre recherche, malgré le fait que les facteurs soient de nature réflective, la
méthode de l’analyse en composantes principales (ACP) a été retenue pour réaliser l’analyse
factorielle exploratoire à travers le logiciel SPSS 23
. L’ACP est une technique exploratoire ayant pour objectif de résumer le maximum
d’informations possibles en perdant le moins possible pour faciliter l’interprétation d’un grand
nombre de données initiales, d’un côté, et donner plus de sens aux données réduites, d’un
autre côté (Ghewy, 2010).
2.3.4 Le nombre de facteurs à extraire

Il existe plusieurs méthodes qui peuvent déterminer le nombre d’axes factoriels à retenir pour
interpréter les résultats. Le but est de « retenir un nombre suffisant de composantes pour limiter la
perte d’information, sans pour autant en retenir trop pour favoriser la lecture d’information
synthétisée » (Ghewy, 2010, p. 241).
 Le critère du pourcentage de variance restituée : selon Evrard et al. (2003), il s’agit

de se fixer l’avance un seuil correspondant au pourcentage minimum de variance que
l’on veut restituer. On retiendra le nombre de dimensions nécessaire pour atteindre ce
seuil. Cependant, il n’existe pas de seuil standard. Nombreux auteurs comme Donada
et Mbengue (2003) considèrent un seuil de 50% de la variance comme étant
satisfaisant en gestion. D’autres comme Hair et al. (2017) conseillent d’arrêter
l’extraction lorsque 60% de la variance expliquée est extraite.
 Le critère du « Scree test » (1966) ou test du coude : ce critère se base sur les valeurs
propres des axes. Selon ce critère, on observe la courbe des valeurs propres par ordre
décroissant, les axes situés avant l’angle le plus aigu sur la courbe des pourcentages
sont à retenir, et les axes situés après le changement de concavité de la courbe sont à

éliminer, parce que leur élimination conduit à une perte minimum d’information
(Seck, 2009).
 Le critère de Kaiser (règle des valeurs propres > 1) : Carricano et al. (2010) montrent
que la valeur propre représente la qualité d’information capturée par une dimension.
Ce critère postule que seuls les facteurs ayant des valeurs propres supérieurs à 1
doivent être retenus si nous travaillons sur la matrice de corrélation.
La décision relative aux nombre d’axes à retenir sera prise sur la base de la
combinaison de ces différents critères. Une fois le nombre d’axes déterminé, nous
devons les interpréter.
2.3.5 Le choix de la rotation des facteurs

L’analyse factorielle peut être démarré avec ou sans rotation. La décision d’appliquer une
rotation dépend de la nature du construit concerné (Diamantopoulos et al., 2001). En effet, s’il
n’est pas forcément nécessaire d’appliquer une rotation pour les variables reconnues
unidimensionnelles dans la théorie, la rotation semble être très nécessaire dans le cas d’une
variable considérée comme étant multidimensionnelle, car la rotation améliore la visibilité des
résultats. Dans notre cas, certaines variables étudiées sont théoriquement multidimensionnelles,
nous avons donc décidé de réaliser une analyse factorielle avec une rotation pour tous les
construits dans le but d’améliorer l’interprétation des axes obtenus.
Il existe deux types de rotation :
- La rotation orthogonale : la méthode la plus souvent utilisée est celle de Varimax. Elle
permet de minimiser le nombre de variables ayant de fortes corrélations sur chaque axe. Elle
contribue à simplifier l’interprétation des facteurs.
- La rotation oblique : lorsque les axes ne sont pas contraints à être indépendants, c'est-à-dire
non corrélés entre eux, la rotation est alors oblique (Carricano et al., 2010).
Si la corrélation entre les axes est faible, c'est-à-dire inférieure à 0,3 (Nunnally et Bernstein,
1994), il faut choisir la rotation orthogonale. Dans le cas contraire, la rotation oblique sera
préférée. Dans le cadre de notre recherche, nous vérifions la corrélation entre les facteurs, si
elle est > 0,3, nous choisissons d’opter pour une solution oblique (Promax) dans le choix de la
rotation, sinon, nous appliquons une rotation orthogonale (Varimax).

2.3.6 L’épurations des énoncés et interprétation des axes

L’analyse factorielle exploratoire vise à purifier les échelles de mesure, autrement dit
supprimer les items faiblement corrélés aux facteurs et effectuer l’épuration en plusieurs
itérations après rotation. Carricano et al. (2010) démontrent que l’épuration d’un modèle de
mesure est basée sur deux valeurs essentielles : les communautés (communalities) et les
coefficients de corrélation entre les variables initiales et les facteurs (loadings).
 Les communautés ou les qualités de représentation : d’après Evrard et al. (2009), ces
communautés mesurent la part de variance de la variable expliquée par les facteurs
retenus. Elles évaluent donc la qualité de la représentation des variables par les facteurs.
Les énoncés ou les items présentant une faible communauté inférieure à 0,5 doit être
supprimés.
 Les coefficients de corrélation entre les variables initiales et les facteurs (loadings) : ces
valeurs sont également appelés poids factoriels. De façon habituelle, il faut éliminer les
items (énoncés) ayant des valeurs inférieurs à 0,5. Par ailleurs, nous pouvons faire une
rotation dans l’espace factoriel pour mieux interpréter les axes obtenus, c'est-à-dire pour
augmenter la valeur des coefficients de corrélation de certaines variables. Lorsque les
variables ne sont pas corrélées, nous utilisons la rotation orthogonale (Varimax le plus
souvent), tandis qu’en cas de corrélation entre les variables, la rotation oblique (Promax le
plus souvent) est prise en compte (Evrard et al., 2009). Carricano et al. (2010) montrent
qu’il y a deux critères doivent être pris en compte après la rotation : les items dont les
coefficients de corrélation sont inférieurs à 0,5, ainsi que ceux corrélés à plusieurs axes à
la fois doivent être éliminés.
2.3.7 La fiabilité des instruments de mesure
Il est important de s’interroger sur la fiabilité des échelles de mesure.
Certains auteurs s’accordent sur une valeur minimale de l’alpha de 0,6, voire 0,7 lors d’une
recherche exploratoire ; tandis que dans le cadre d’une étude confirmatoire, le coefficient doit
dépasser 0,8 (Evrard et al., 2003 ; Hair et al., 2006 ; Malhotra et al., 2014).

L’alpha de Cronbach se calcule à partir du nombre d’items de l’échelle (k), de la variance de

chaque item et de la covariance σi 2entre l’item i et l’item j σij
Après avoir présenté la méthodologie développée pour l’analyse factorielle exploratoire, nous
présentons la phase d’analyse confirmatoire.
2.4 L’analyse factorielle confirmatoire sous AMOS : AFC

Après avoir présenté la méthodologie développée pour l’analyse factorielle exploratoire, nous
présentons la phase d’analyse confirmatoire (AFC). Cette dernière est une technique
statistique utilisée pour tester à quel point une structure théorique latente, issue de la
littérature et /ou de l’analyse exploratoire, s’ajuste aux observations collectées sur le terrain.
Roussel et al (2002) mentionnent que l’analyse exploratoire et l’analyse confirmatoire sont

complémentaires. L’analyse factorielle exploratoire (AFE) permet de réduire un ensemble
d’items ou de variables en un nombre plus de variables nommées facteurs. Le rôle de l’AFE
est de faire émerger une structure factorielle (Roussel et al, 2002). Alors que l’analyse
factorielle confirmatoire (AFC) se distingue de l’AFE dans la mesure où elle se situe à un
niveau plus avancé dans la démarche de recherche (Anderson et Gerbing, 1988). D’ailleurs,
l’AFC permet de confirmer une structure factorielle, un modèle de mesure qu’a fait émerger
l’AFE.
Les deux analyses AFE et AFC partagent des ressemblances telles que : les deux techniques
s’intéressent à la structure latente d’un ensemble de données complexes et elles permettent
d’expliquer les corrélations observées entre des variables à l’aide d’un nombre réduit de
variables latentes (facteurs).
L’AFC est effectué avec le logiciel AMOS 23. L’AFC commence par poser les relations entre
les construits (variables). Ensuit, on cherche à confirmer la structure latente existante. On
utilise des indices d’ajustement (indices de fit) pour décider la vraisemblance du modèle
(Bollen, 1989). On peut alors conclure que le modèle s’ajuste effectivement aux données, si
les indices sont acceptables. Par ailleurs, l’AFC permet de tester la fiabilité et validité des
échelles de mesure de façon explicite (Gerbing et Anderson, 1988).

Selon Roussel et al (2002), l’AFC est une des applications des méthodes d’équations
structurelle. Cette analyse se base sur plusieurs points. Evrard et al (2009) identifient quatre
étapes : spécification, identification, estimation et test du modèle. Ces quatre étapes
correspondent aux sept étapes de Hair et al. (2017) qui sont montrées dans le tableau 31
suivant :
Tableau 31: Synthèse des étapes du développement d’un modèle d’équations structurelles
Etape Contenu et commentaires
Cadre théorique + hypothèses de recherche
1. Développer un modèle fondé sur des bases
théoriques
2. Construire un schéma des relations linéaires Relations entres les variables + sens des flèches
(modèle réflexif ici)
Le modèle de mesure relie les items d’une
3. Transposer le schéma des relations linéaires variable latente, alors que le modèle structurel
en modèle structurel et de mesure relie les relations entre variables latentes ou
construits
Il s’agit de faire le choix du type de matrice à
utiliser (covariance ou corrélation), de la
4. Estimer le modèle théorique méthode d’estimation (maximum de
vraisemblance - ML ou autre) et de la taille de
l’échantillon
Un modèle non récursif est identifié s’il y a
5. Evaluer l’identification du modèle autant de paramètres que d’observations et s’il
n’y a pas de problème de multi-colinéarité
On utilise ici des indices d’ajustement (absolus,

6. Evaluer la qualité de l’ajustement du
incrémentaux et de parcimonie) qui sont évoqués
modèle aux données
plus bas
Le modèle est acceptable si les conditions
précédentes sont remplies. Il convient cependant
7. Interpréter les résultats – Modifications
de porter une attention particulière aux modèles
éventuelles du modèle, si justifiées
équivalents ou alternatifs. L’introduction de
théoriquement
covariables est également souhaitée pour évaluer
leurs effets sur le modèle validé
Source : Diallo (2011)
En effet, l’AFC part d’un modèle de mesure défini à priori par l’analyse de la littérature et /ou
par l’analyse exploratoire des données. Il convient d’apporter des précisions sur les points
suivants qui ont une importance capitale dans la phase confirmatoire : l’estimation du modèle,
l’identification du modèle, l’interprétation des résultats et estimation de la fiabilité et de la
validité de mesure.

2.4.1 Estimation du modèle

L’estimation du modèle dans les équations structurelles conduit à s’intéresser à trois points :
a. Choix de la matrice de données : Les méthodes d’équations structurelles, à la différence

des autres méthodes d’analyse de données, nécessitent comme point de départ une matrice
indiquant les relations existantes entre les variables observées. Deux matrices peuvent être
utilisées : soit la matrice des variances-covariances soit la matrice de corrélation. Nous
avons choisi d’utiliser la matrice de variances-covariances qui est davantage indiquée
quand on cherche à tester une théorie et à la généraliser (Roussel et alii, 2002).
b. La taille de l’échantillon : une taille trop petite entraîne l’instabilité des résultats, alors
qu’une taille trop grande détériore les indices de fit, notamment le Chi-deux. Une taille de
200-300 répondants serait idéale (Roussel et alii, 2002).
c. La méthode d’estimation : L’évaluation du modèle suppose au préalable de choisir la
méthode d’estimation qui va être utilisée pour le tester. La méthode du maximum de
vraisemblance (maximum likelihood ou ML) est la méthode la plus utilisée (Jolibert et
Jourdan, 2006) et considérée la meilleure pour les résultats.
2.4.2 Identification du modèle

L’identification du modèle est une étape essentielle dans l’analyse factorielle confirmatoire.
D’ailleurs, cette étape consiste à calculer une estimation unique de ses paramètres (Roussel et
alii, 2002). Nous tenons compte des critères d’identification des modèles de mesure, c’est-à-
dire (1) il faut avoir au moins le même nombre d’observations que de paramètres libres dans
le modèle et (2) il faut fixer une métrique à chaque variable latente (Bollen, 1989). Il est
recommandé d’éviter la multi-colinéarité entre les variables qui peut créer des problèmes
d’identification en entraînant une matrice non définie positive (Kline, 2010).
2.4.3 Interprétation des résultats

Cette phase se base sur l’évaluation du modèle en s’appuyant sur les indices d’ajustement. Par
contre, dans cette phase, il convient d’ajuster le modèle pour explorer des solutions
alternatives (des modèles équivalents ou alternatifs) (Kline, 2010).
2.4.3.1 Evaluation du modèle

Il est préférable d’évaluer séparément le modèle structurel (les relations entre les construits) et
les modèles de mesure (les relations entre les construits et leurs indicateurs). Il est

recommandé d’évaluer d’abord les modèles de mesure et ensuite le modèle structurel pour
mieux cerner les problèmes en cas de mauvais ajustement (Anderson et Gerbing, 1988). Dans
tous les cas, l’ajustement du modèle est évalué à travers trois familles d’indices : les indices
absolus, les indices incrémentaux et les indices de parcimonie (Roussel et alii, 2002).
1. Les indices absolus : selon Jolibert et Jourdan (2006), ces indices évaluent le modèle à
priori que reproduit les données. Le chi-deux est le plus courant et le plus important
indice absolu. Cet indice teste l’hypothèse nulle selon laquelle le modèle s’ajuste aux
données (Roussel et al., 2002). D’autres indices ont été proposés comme le GFI
(Goodness of Fit) et l’AGFI (Adjusted Goodness of Fit) (Jöreskog et Sorbom, 1984), le
RMSEA (Root Mean Square Error of Approximation) (Steiger et Lind, 1980).
2. Les indices incrémentaux qui mesurent l’amélioration de l’ajustement en comparant le
modèle testé à un modèle plus restrictif, dit « modèle de base » (Roussel et al., 2002,
p.65). Parmi les indices incrémentaux, nous pouvons citer : le NFI (Normed Fit Index), le
TLI (Tucker Lewis nonnormed Fit Index) le CFI (Comparative Fit Index).
3. Les indices de mesure de parcimonie : ce sont des indices d’ajustements absolus ou «
incrémentaux », modifiés pour rendre compte de la parcimonie du modèle en faisant
intervenir le degré de liberté (Roussel et al., 2002). Parmi les indices de parcimonie, nous
pouvons citer le chi-deux normé (Jöreskog, 1969) qui corrige le chi-deux par le nombre de
degré de liberté du modèle testé, l’AIC et le CAIC. Notons que ces indices de parcimonie
peuvent aider à comparer plusieurs modèles. Le tableau 32 qui suit présente pour chacun
des indices, un descriptif et le critère empirique de bon ajustement.

Tableau 32 : Synthèse des indices retenus de la qualité d’ajustement

Indices Valeur clé commentaires
Les indices absolus

p associée > 0,05 Il mesure le manque
Chi-deux (χ2)
d’ajustement du modèle
 Varient entre 0 et 1 Le GFI mesure le degré
 > 0, 9 pour GFI d’ajustement du modèle.
GFI- AGFI
 >0,8 pour AGFI (Jöreskog L’AGFI est sa version ajustée
et Sörbom, 1984) par ddl
 < 0,08 et si possible <0,05 Le RMSEA représente la
RMSEA  Ok si <0,1 (Steiger et différence moyenne par ddl
Lind, 1980) attendue dans la population
totale
Les indices incrémentaux

(comparative)
Il compare le manque
d’ajustement du modèle à tester
TLI > 0,90
à celui de modèle de base
Il mesure la diminution relative
CFI > 0,90 du manque d’ajustement
Les indices de parcimonie

Le plus faible possible, entre Permet de déceler les modèles
Chi2 normé (χ2/ddl) 1 et 3 « surajustés » et « sous-ajustés »
Le plus faible possible, Basés sur la théorie de
CAIC et AIC Sont utilisés pour comparer l’information, ils visent à
des modèles pénaliser les modèles complexes
Source : Seck (2009), Diallo (2011)
2.4.3.2 Modification du modèle et interprétation des résultats

En cas de non satisfaction, nous nous appuyons sur trois indices qui servent généralement de
base de modification :
 Les valeurs t : une valeur de |t| inférieure à 1,96 suggère l’élimination du paramètre
correspondant à moins qu’il soit théoriquement important pour l’étude (Russel et al.,
2002).
 Les résidus standardisés : cette valeur doit être supérieure ou égale à 2,58, sinon cette
valeur indique un problème d’ajustement. L’indicateur est donc susceptible d’être éliminé
(McCallum, 1986).
 Les indices de modification (M1) : nous éliminons les items concernant les valeurs M1
élevées afin de baisser la valeur de Chi-deux. Nous ne corrélons pas des termes d’erreur

car cette opération est permise uniquement dans les études répétées ou en cas de présence
de facteur de méthode (Anderson et Gerbing, 1988).
2.4.4 Estimation de la fiabilité et de la validité de mesure
2.4.4.1 La fiabilité
Dans la phase exploratoire, nous considérons 0,7 comme un seuil acceptable pour l’alpha de
Cronbach. Cependant, dans la phase confirmatoire, nous utilisons conjointement les deux
coefficients de fiabilité suivants : l’alpha de Cronbach et le Rhô de Joreskög : le coefficient
d’alpha doit dépasser 0,8 ; alors que la fiabilité du modèle est considérée bonne si la valeur du
rhô de Joreskög est supérieure à 0,7 ou 0,8 (Roussel et al., 2002). Sa formule est la suivante :
2.4.4.2 La validité
La validité d’une échelle correspond au « degré où les différences dans les scores observés
reflètent des différences réelles entre les objets mesurés et non une erreur systématique ou
aléatoire. » (Malhotra et al., 2014).
On distingue différentes formes de validité qu’on peut classer en trois types : l’analyse de la
validité faciale, la validité convergente et la validité discriminante.
 La validité faciale ou la validité de contenu
Elle consiste à vérifier si les indicateurs choisis mesurent le construit théorique. Autrement
dit, l’opérationnalisation d’un construit représente bien toutes les facettes du concept. Dans le
cadre de notre recherche, cette validité est évaluée en se fondant sur les entretiens avec les
consommateurs qui utilisent le Carrefour Drive, la revue de la littérature et par la validation
des items par quatre experts du domaine de recherche.
 La validité de trait ou de construit

C’est le degré auquel les indicateurs d’un construit donnent une bonne représentation du
phénomène étudié. Il existe deux méthodes pour tester les construits : la validité convergente
et la validité discriminante.
 la validité convergente :
1. la valeur t.
2. le carré de la contribution factorielle.
3. le Rhô de validité convergente Le calcul du Rhô de validité convergente se fait avec

la formule suivante :
 La validité discriminante : Il s’agie de vérifier si les indicateurs mesurant des construits

différents sont faiblement corrélés.
Pour tester cette validité, nous recourons au critère de Fornelle et Larcker (1981) selon
lequel la variance partagée entre deux variables latentes doit être inférieure à la variance
partagée entre chacune des variables latentes et ses indicateurs (Rhô de validité
convergente).
 La validité nomologique ou prédictive

D’après Jolibert et Jourdan (2011), elle consiste à savoir si le construit mesuré est corrélé avec
d’autres mesures proches qui découlent logiquement de la théorie sous-jacente au construit.

C’est un type de validité externe qui concerne les relations entre les concepts
Dans le cadre de notre recherche, nous estimons qu’il n'est pas nécessaire de la vérifier parce
que nous n’avons pas créé de nouveau concept (nouvelle échelle de mesure).
2.4.5 Le principe de l’analyse factorielle confirmatoire de second ordre

L’AFC de second ordre est « une technique statistique qui permet de mettre en évidence les
relations structurelles entre les différentes dimensions d’un construit, afin de renforcer
l’assertion que le chercheur fait sur les dimensions des construits » (Roussel et al., 2002 ;
p.163).
Il existe certaines conditions pour déduire de la présence :
 Les liens entre les facteurs de premier ordre et le facteur de second-ordre nécessitent une
corrélation d’un seuil de 0,60 ou plus.
 Les variances que le facteur de second-ordre partage avec ses indicateurs de premier ordre
(contributions factorielles) doivent être supérieures aux variances que ce facteur partage
avec les autres facteurs de second ordre.
 Les contributions factorielles, montrant le poids et l’importance de chaque dimension dans
la mesure du construit de second ordre, doivent être supérieures à 0,50.
Dans le cadre de notre recherche, nous présentons les méthodes d’équations structurelles qui
permettent de tester les relations causales multiples en distinguant les variables observées et
les variables latentes (Jolibert et Jourdan 2011).
Nous nous sommes intéressés à présenter les catégories de méthodes d’équation structurelles
(méthodes LISREL et méthodes PLS) et à justifier notre décision quant à la mise en place de
chacune de ces deux méthodes. Nous utilisons la méthode LISREL dans la phase
confirmatoire pour valider les modèles de mesure et la méthode PLS pour valider le modèle
global et tester les hypothèses causales.

Après avoir explicité la procédure statistique de l’évaluation de la qualité des échelles de

mesure, nous allons, dans la section suivante, mettre l’accent sur la méthode retenue pour
tester le modèle structurel ainsi que les hypothèses de recherche.
3 La méthodologie de test du modèle structurel et des hypothèses

de recherche
Pour rappel, l’objectif de notre thèse est de comprendre et identifier les déterminants de la
fidélité des consommateurs à un Drive. La revue de la littérature et notre étude qualitative
exploratoire nous ont conduit à proposer un modèle de recherche en six variables principales.
Ainsi, nous proposons aussi que certaines variables sociodémographiques puissent modérer
les relations entre la fidélité et ses antécédents.
La méthode PLS adoptée dans notre recherche s’attache donc à examiner ces propositions,
mais dans une optique prédictive. Cependant, Bénet (2014) indique que l’évaluation des

résultats du modèle structurel nécessite un examen de la capacité prédictive de ce modèle et

de la significativité des relations entre les variables. Pour cette raison, dans cette section, nous
discutons, avant tout, la question de la qualité globale du modèle afin de nous assurer que
c’est un bon modèle, spécifié correctement et donc capable de prévoir des relations entre des
variables. Nous détaillons, ensuite, les traitements statistiques qui permettent de tester les
hypothèses de la recherche.
3.1 La qualité de l’ajustement du modèle global

Esposito Vinzi et Trinchera (2010) soulignent qu’il n’existe pas d’indicateur global bien
défini pour évaluer le modèle PLSPM. Il s’agit d’un modèle basé sur l’analyse des variances
expliquées, et donc fortement orienté vers la prédiction. Certains chercheurs suggèrent un
indice d’ajustement globale qui permet de juger la capacité prédictive du modèle : le Gof
(Goodness of Fit) (Tenenhaus et al., 2005 ; Esposito Vinzi et Trinchera, 2010).
Le Gof (Goodness of Fit) se définie comme la moyenne géométrique entre la moyenne des
communalités (modèle externe) et la moyenne des R² (modèle interne) (Tenenhaus et al.,
2005). Esposito Vinzi et Trinchera (2010) mentionnent qu’il est construit de telle façon qu’il
prend en compte à la fois la performance du modèle interne (modèle structurel) et celle du
modèle externe (modèle de mesure). Cet indice s’exprime par la formule suivante :
Le Gof est varié de 0 à 1 (1 ≥ GoF ≥ 0). Dans la littérature, il n’existe pas de seuil formel
permettant d’accepter ou rejeter le modèle. Si le Gof = 0,1, il est considéré comme faible, et il
est moyen si sa valeur = 0,25, alors qu’il est considéré comme fort s’il a une valeur 0,36
(Wetzels et al., 2009). En résumé, plus le Gof est proche de 1, plus le modèle peut être
considéré comme performant.
Ainsi, plus les deux indices sont proches, plus l’ajustement global est considéré comme de
bonne qualité.
D’ailleurs, la qualité de l’ajustement du modèle global s’évalue selon les ratios critiques qui
représentent la valeur absolue du test de Student. Le test t associé à chacune des contributions
factorielles (le ratio critique) doit être significatif, soit supérieur à 1,96. Cela implique que le
pouvoir prédictif du modèle est statistiquement significatif.

Dans le tableau 33 ci-dessous, nous proposons une synthèse des critères d’évaluation de
modèle interne et de modèle global.
Tableau 33 : Critères d’évaluation des résultats de l’approche PLSPM

Critères & Indicateurs Remarques
Fiabilité : Le Rhô de Dillon-Goldstein est un

meilleur indicateur que l’alpha de
 α de Chrobach : entre 0,6 et 0,8 Cronbach (Chin, 1998)
 Rhô de Dillon-Goldstein > 0,7
Validité convergente :
Modèle externe
(Modèle de  L’AVE > 0,5
mesure)
 Loadings > 0,5
Validité discriminante : Dans le tableau de Cross-
loadings, chaque indicateur doit
 Cross-loadings avoir un poids supérieur pour sa
 Corrélations carrées < AVE variable latente que pour une autre
variable latente
 GoF (Goodness of Fit): GoFfaible Le test t apparaît sous la rubrique

= 0,1; GoFmoyen = 0,25; GoFfort « ratios critiques, CR »
Modèle global =0,36
 Le test t > 1,96
3.2 La méthodologie de test d’hypothèses

Nous avons exposé la méthode de l’ajustement de modèle global. Dans ce paragraphe, nous
intéressons à aborder la démarche suivie pour valider les hypothèses liées aux relations
directes et aux effets indirects. Enfin, nous présentons la méthodologie de test des hypothèses
relatives aux rôles des variables sociodémographiques modératrices.
3.2.1 La méthodologie du test d’hypothèses relatives aux effets directs

La validation de l’estimation du modèle structurel (le modèle interne) consiste à valider les
résultats obtenus concernant les relations directes entre les variables latentes. Afin d’évaluer
le modèle interne, il faut examiner les coefficients de régression « Path coefficients » qui ont
une valeur standardisée généralement comprise entre -1 et +1, et leur niveau de significativité
estimé par le biais du test t.
Il faut également vérifier les coefficients de détermination R² que fournit PLS et qui
permettent de rendre compte de la variance expliquée des variables endogènes (Lacroux,

2009 ; Hair et al., 2017). Autrement dit, la variance (R²) permet de comprendre la
contribution de chaque variable explicative à la prévision de la variable à expliquer
(endogène). A cet égard, le modèle est significatif si R² > 0,1 ; alors qu’il est tangent si 0,05<
R² < 0,1, et le modèle n’est pas significatif si R² < 0,05 (Croutsche, 2002).
3.2.2 La méthode de test des effets indirects (les médiations)

Dans notre modèle global, nous avons présumé l’existence de certains liens indirects entre les
variables. L’effet indirect se réfère à l’influence d’une variable indépendante (explicative) sur
une variable dépendante (à expliquer) par la médiation d’une ou de plusieurs autres variables
appelées des variables médiatrices.
Baron et Kenny (1986) définie une variable médiatrice comme étant « De manière générale,
une variable donnée peut être considérée comme un modérateur en fonction du degré auquel
elle compte dans la relation entre une variable indépendante et une variable dépendante ».
La figure 13 ci-dessous représente deux types de médiation entre X et Y : la médiation simple

entre X et Y (cf. figure 13-1) et la médiation multiple entre X et Y (Preacher et Hayes, 2008)
(cf. figure 13-2). Il serait utile de souligner que la médiation multiple se décline en médiation
multiple en une étape (ex. X-M1-Y ou encore X-M2-Y) et une médiation multiple en chaîne
(ex. X-M1-M2-Y). Une médiation est considérée comme totale (parfaite) si le contrôle de (M)
rend l’effet direct (c’) nul, sinon la médiation est considérée comme partielle.
Figure 13: Représentation de l’effet médiateur M entre les variables X et Y
c c1
X Y X Y
M1
c’ a1 b1
X Y
c1’
a X Y
b
c2
M
a2 b2
M2
Figure 13-1 : Médiation simple Figure 13-2 : Médiation multiple

Baron et Kenny (1986) ont proposé quatre étapes pour tester la médiation d’une variable entre
deux autres variables :
 Etape 1 : qui consiste à montrer que le lien entre la variable indépendante (X) et la
variable dépendante (Y) est significatif dans une équation de régression.
 Etape 2 : il s’agit de montrer que la variable indépendante (X) a un impact significatif
sur la variable médiatrice (M) dans une équation de régression.
 Etape 3 : qui correspond à montrer que le lien entre la variable médiatrice (M) et la
variable dépendante (Y) est significatif. Ici, il faut faire une régression de la variable
dépendante (Y) à la fois sur la variable indépendante (X) et la variable médiatrice
(M).
 Etape 4 : afin d’établir que (M) médiatise complètement la relation X-Y, l’effet de
(X) sur (Y) en contrôlant (M) doit être nul sinon la médiation est partielle.
Cependant cette méthode ne consiste pas à savoir si l’effet indirect est significativement
différent de zéro et s’il est dans la direction postulée ou non. Le test de Sobel est donc proposé
fin d’évaluer la significativité de l’effet indirect.
Cependant, cette méthode a fait l’objet de plusieurs critiques notamment en ce qui concerne
l’hypothèse de normalité de données ; hypothèse étant rarement, voire jamais satisfaite en
sciences de gestion ou encore lorsque l’échantillon est petit. Ceci nous a conduits à utiliser,
dans le cadre de notre recherche, une autre méthode pour tester les effets médiateurs simples :
les scripts du test de Sobel Bootstrap proposés par Preacher et Hayes (2004, 2008), à travers
la macro SPSS. Il convient ici de souligner que le bootstrap consiste à ré-échantillonner de
façon aléatoire des observations avec remise à partir d’un ensemble de données et ensuite à
calculer une statistique donnée.
Afin de tester les effets médiateurs multiples, nous suivons la démarche proposée par
Preacher et Hayes (2008) à travers la macro SPSS en utilisant des scripts.
3.2.3 La méthode de test des effets de modération

Selon Baron et Kenny (1986), une variable modératrice est une variable qualitative (ex., sexe,
race, classe) ou quantitative (ex. niveau de récompense) qui affecte le sens et/ ou la force de la
relation entre une variable indépendante (prédictive) et une variable dépendante (prédite)
(Baron et Kenny, 1986).

Selon Jolibert et Jourdan (2011), une variable M est considérée modératrice de la relation
entre deux variables X et Y si l’on peut montrer que X influence Y, M n’influence pas Y et
que l’interaction entre X et M influence également Y (cf. figure 14).
Figure 14: Représentation d’une relation de modération de M entre X et Y
c
X Y
Afin de tester les effets modérateurs, il faut distinguer plusieurs cas en fonction de la nature
de variable modératrice si elle est dichotomique ou continue.
 Test des variables modératrices dichotomiques
Nous effectuons des analyses multi-groupes sous XLSTAT2017 pour tester les effets
modérateurs sur les relations entre les construits centraux. De ce fait, il faut a priori définir
une variable nominale dont les modalités représentent chaque groupe. La méthode PLS nous
permettra de réaliser l’analyse multi-groupes qui se base sur la technique de test de
permutation. Dans les modèles d’équations structurelles adoptant l’approche PLS, les
comparaisons entre les modèles s’effectuent uniquement sur la base de la comparaison des
coefficients structurels (Path coefficients), contrairement aux modèles d’équations
structurelles de type LISREL qui se basent sur les liens structurels, les indices d’ajustement et
le test de Khi deux pour réaliser les comparaisons entre les modèles (Chin, 2003).
 Test des variables modératrices continues
Dans ce cas, il faut créer une variable d’interaction (Kenny et Judd, 1984). Cette variable est
le produit de la variable modératrice (M) et de la variable indépendante (X).
Pour créer la variable d’interaction, il convient de calculer le produit de toutes les

combinaisons possibles des indicateurs des deux construits. Le logiciel XLSTAT permet de
créer ces combinaisons de manière automatique.

Afin de prouver l’existence d’un effet modérateur, il suffit de vérifier la significativité de

l’effet de la variable d’interaction. Ainsi, si l’effet est significatif, on conclut donc à
l’existence d’effet modérateur, sinon la modération est absente.

Conclusion du chapitre V
Cette étude se propose de mettre en évidence les liens entre la fidélité des consommateurs à
un Drive et les variables antécédentes. Pour répondre à notre problématique de recherche, des
hypothèses de recherche sont formulées en établissant un modèle conceptuel, à partir d’une
revue de littérature et d’une étude qualitative exploratoire. Puis, nous avons opté pour l’étude
empirique sur la base d’une enquête par questionnaire. L’étude quantitative, tout comme celle
qualitative, est réalisée auprès des consommateurs qui utilisent le Drive. Ainsi, au cours de ce
chapitre, nous avons pu présenter les choix méthodologiques adoptés pour le recueil et
l’analyse de nos données concernant l’étude empirique de cette recherche.


Chapitre VI : Validation des instruments de mesure des consrtuits
PARTIE II :

recherche
Chapitre 1V :

variables
Chapitre V :
Chapitre VI:
Chapitre VII:

CHAPITRES VI : VALIDATION DES

INSTRUMENTS DE MESURE DES CONSTRUITS
Introduction au chapitre VI
Dans le chapitre précédent, nous avons présenté les choix méthodologiques que nous avons
effectués pour la phase empirique de notre recherche.
Ce chapitre est consacré aux analyses statistiques menant aux premiers résultats de notre
étude quantitative. Il s’agit de présenter la validation des instruments de mesure des variables
utilisées dans notre modèle de recherche. En effet, cette phase est très importante parce que
sans des instruments de mesure fiables et valides, il est impossible de tester le modèle global
de recherche et les hypothèses (Evrard, Pras et Roux, 2009).
1 Description de l’échantillon obtenu et analyses préliminaires

Cette première section est consacrée, en première partie, à la présentation de l’échantillon
global obtenue grâce à un questionnaire administré en face-à –face ; dans une deuxième partie

de cette section, nous procédons à la vérification de la normalité des données, de la présence

de valeurs extrêmes ou aberrantes et au traitement des valeurs manquantes via l’analyse multi-
variée.
Comme nous l’avons souligné précédemment, nous avons ciblé des consommateurs qui
utilisent le system Drive pour faire leurs courses. Nous avons choisi une technique
d’échantillonnage empirique en optant la méthode d’échantillonnage sur place (sur le lieu de
récupération les achats). En effet, cette méthode empirique permet de baisser le coût de
l’enquête et de pallier l’absence d’une base de sondage accessible (Diallo, 2011).
1.1 Description de l’échantillon

1.1.1 Caractéristiques de l’échantillon obtenu
Dans notre recherche, les questions portant sur les caractéristiques sociodémographiques des
répondants (âge, sexe, la profession, situation familiale, le nombre d’enfant, le nombre de
foyer….etc.) ont été posées.
En terme du genre, les répondants sont en majorité des femmes (52,6% et 52,8%
respectivement dans les jeux de données N1 et N2). Cette distribution s’explique par le fait
que les femmes, qui traditionnellement sont plus impliquées dans la gestion du foyer, recours
à ce mode d’achat pour les économies qu’il permet de réaliser via la maîtrise des dépenses en
Drive (tableau 34).
Tableau 34 : Distribution du genre des répondants

Jeu de données 1 Jeu de données 2 Jeu de données
(N1=150) (N2=350) global (500)
Catégorie Sous-catégories Effectifs (%) Effectifs (%) Effectifs (%)
Femmes 80 (53,3%) 184 (52,6%) 264 (52,8%)

Sexe
Hommes 70 (46,7%) 166 (47,4%) 236 (47,2%)
En ce qui concerne les tranches d’âge, nous remarquons une surreprésentation des répondants
âgés de 40 à 50 ans (34,4%), puis des répondants ayant entre 50 et 60 ans (31,6%). Cependant
les répondants ayant mois de 30 et les retraités ont très peu recours au Drive.

La moyenne d’âge de notre échantillon global est comprise entre 40 et 50 ans. Cela nous
semble normal dans la mesure où les personnes appartenant à ces tranches d’âge travaillent et
ne disposent pas de temps pour faire les courses dans les supermarchés. Ce qui explique
l’adoption du Drive par ces gens pour réaliser leurs achats. L’âge des répondants se distribue
comme le montre le tableau 35 suivant.
Tableau 35 : Distribution des âges des répondants
Âge Effectifs Pourcentage Pourcentage cumulé
Moins de 30 ans 27 5,4 5,4

Entre 30 et 40 ans 114 22,8 28,2
Entre 40 et 50 ans 172 34,4 62,6
Entre 50 et 60 ans 158 31,6 94,2
60 ans et plus 29 5,8 100,0
Total 500 100,0
En termes de situation familiale, la majorité des répondants sont mariés (80,2%). Cependant,
les autres situations sont toutes représentées comme le montre le tableau 36 ci-dessous. Nous
pouvons considérer cette distribution des situations familiales comme normale et
représentative des consommateurs qui utilisent le Drive lors de leurs achats. Ce qui peut être
expliqué par le fait que les consommateurs considèrent les courses comme une contrainte et
cherchent à s’en libérer le plus rapidement possible afin de pratiquer d’autres activités
sportives ou culturelles avec la famille (Ghesquière, 2011).
Tableau 36 : Distribution de la situation familiale des répondants

Situation familiale Effectifs Pourcentage Pourcentage cumulé
Célibataire 38 7,6 7,6

Marié 401 80,2 87,8
Divorce 46 9,2 97,0
Veuf 15 3,0 100,0
Total 500 100,0
Les catégories socioprofessionnelles sont représentées dans l’échantillon (tableau 37). La

catégorie socioprofessionnelle la plus représentée est celle de «Ingénieur, Cadre supérieur»
occupe la place dominante (22%). Viens ensuite la catégorie «Chef d’entreprise, Profession
libérale» (17,4%). Cela nous semble normal dans la mesure où notre échantillon contient plus

d’ingénieurs, cadre supérieurs, Chef d’entreprise, Profession libérale. Ce qui explique par le
fait que les acheteurs en ligne de produits alimentaires , d’une part, sont décrits comme ayant
un niveau d’éducation élevé, pratiquant des activités professionnelles non manuelles et
appartenant aux CSP+ (Ranvier et Sury, 2009). D’autre part, ils sont plus innovants, ainsi
qu’ils recherchent plus de gain de temps et de praticité.
Tableau 37 : Distribution des catégories socioprofessionnelle

Pourcentage
Catégorie socioprofessionnelle Effectifs Pourcentage cumulé
Exploitant agricole 17 3,4 3,4

Artisan, Commerçant 69 13,8 17,2
Employé, Ouvrir 76 15,2 32,4
Technicien supérieur, agents de maîtrise 58 11,6 44,0
Retraité 18 3,6 47,6
En recherche d’emploi 2 0,4 48,0
autre 1 0,2 48,2
Chef d’entreprise, Profession libérale 87 17,4 65,6
Ingénieur, Cadre supérieur 110 22,0 87,6
Enseignant 55 11,0 98,6
Etudiant 7 1,4 100,0
Total 500 100,0
La taille de la famille des répondants tourne en majorité autour de 3 à 4 membres (tableau 38).
Tableau 38 : Distribution de la taille de famille

Taille de la famille Effectifs Pourcentage Pourcentage cumulé
1 31 6,2 6,2
2 109 21,8 28,0
3 195 39,0 67,0
4 141 28,2 95,2
5 24 4,8 100,0
Total 500 100,0

En ce qui concerne le nombre d’enfant dans la famille des répondants. Nous remarquons que
la majorité des répondants ont des enfants (85,8%). Cela nous semble normal dans la mesure
où les consommateurs avec des enfants préfèrent adopter le Drive pour réaliser leurs achats.
Cela peut expliquer par les faits suivants : le manque de temps pour faire ses courses, la
présence d'un bébé et la volonté d'éviter de faire ses courses avec les enfants. Le nombre
d’enfants se distribue comme le montre le tableau 39 suivant.
Tableau 39 : Distribution de nombre d’enfants

Nombre d’enfant Effectifs Pourcentage Pourcentage cumulé
0 71 14,2 14,2
1 142 28,4 42,6
2 214 42,8 85,4
3 70 14,0 99,4
4 3 0,6 100,0
Total 500 100,0
Globalement, nous avons remarqué que les répondants les plus présents dans notre échantillon
sont des couples avec des enfants. L’âge moyen des répondants est de 40 à 50 ans, cela
correspondant à des actifs avec des enfants. Nous avons également noté que les
consommateurs du Drive appartiennent à une catégorie socioprofessionnelle assez élevée.
1.1.2 La comparaison entre les répondants sur la base de leur fréquentation du Drive
Les segments des répondants ont été basés sur la fréquentation du Drive par les répondants,
qui a permis de ressortir deux catégories de consommateur :
 Les consommateurs occasionnels (consommateurs non-adoptés) : les répondants qui
fréquentent le Drive mais moins d’une fois par mois.
 Les consommateurs réguliers (consommateurs adoptés) : les répondants qui fréquentent le
Drive plus d’une fois par mois (minimum une fois par mois).
Cette classification nous permet de décrire les différences entre les segments de
consommateurs sur leur fréquentation du drive. Les résultats de l’analyse de fréquentation
sont présentés dans le tableau 40 qui présente les segments des répondants selon leur
fréquentation.
Ce tableau montre que 75,2% des consommateurs interrogés dans notre échantillon
fréquentent le Carrefour Drive une fois et plus par mois, 24,8% des répondants fréquentent ce
Drive moins 1 fois par mois.

Tableau 40 : La fréquentation du Drive

Fréquence Drive Effectifs Pourcentage Pourcentage cumulé
Moins d’une fois par mois 124 24,8 24,8

Une fois et plus par mois 376 75,2 100,0
Total 500 100,0
Pour caractériser ces deux groupes des consommateurs, plusieurs comparaisons ont été
réalisées, elles sont illustrées dans le paragraphe suivant.
1.1.2.1 Le genre des répondants et leur fréquentation du Drive

Le croisement du genre des répondants et les segments des consommateurs (fréquentation du
Drive) (graphique 1) montre que 20,8% des femmes répondantes déclarent qu’elles
fréquentent ce Drive moins d’une fois par mois. Par contre, 79,2% des femmes répondantes
fréquentent ce Drive une fois et plus par mois dont 15,7% fréquentent une fois, 43,6%
fréquentent 2-3 fois par mois et 19,9% fréquentent 4 fois ce drive par mois.
Ce qui concerne les hommes, les statistiques montrent que 28,4% des hommes répondants
déclarent qu’ils fréquentent ce Drive moins d’une fois par mois. Par contre, 71,6% des
hommes répondants fréquentent ce Drive une fois et plus par mois dont 17% fréquentent une
fois, 37,5% fréquentent 2-3 fois par mois et 17,1% fréquentent 4 fois ce drive par mois.
Donc, les femmes sont légèrement plus intéressées par le service Drive que les hommes
Graphique 1 : Croisement du gendre et les segments des consommateurs

1.1.2.2 L’âge de répondants et leur fréquentation du Drive :

L’association entre l’âge des répondants de notre échantillon et leur fréquentation du drive
(graphique 2) montre que la majorité des consommateurs ayant adopté le Drive ont entre 40 et
50 ans. Par contre, la minorité des répondants ayant adopté ce Drive a plus de 60 ans. Ce
résultat cohérent avec la littérature et les études antérieures.
Graphique 2 : Croisement d’âge et segments des consommateurs
1.1.2.3 La situation familiale des répondants et leur fréquentation du Drive :

L’analyse statistique (graphique 3) révèle que la majorité des personnes interrogées (76%)
ayant la situation familiale mariée sont des clients adoptés ce Drive, alors que 24% des
répondants ayant la situation mariée ne sont pas adoptés.
Graphique 3 : Croisement de situation familiale et segments des consommateurs

1.1.2.4 Le nombre d’enfants des répondants et leur fréquentation du Drive :

L’analyse du graphique (4) montre que la majorité des répondants ayant des enfants sont des
consommateurs adoptés du Drive.
Graphique 4 : Croisement du nombre d’enfants et segments des consommateurs du Drive
1.1.2.5 La catégorie socioprofessionnelle des répondants et leur fréquentation du Drive :

Le croisement entre les professions des répondants et leur fréquentation du Drive dans le
graphique (5) démontre que la majorité des répondants sont des consommateurs adoptés du
Drive.

Graphique 5 : Croisement des professions des répondants et segments des consommateurs du

Drive
1.2 Résultats des analyses préliminaires de l’adéquation des données à

l’analyse multi-variée
En générale, les données collectées par des enquêtes ne sont pas dans une forme prête et
adaptée à des analyses statistiques. Selon Kline (2010) et Roussel et al. (2002), les analyses
préliminaires doivent être conduites dans un premier temps afin d’éviter certains problèmes
qui peuvent rendre l’analyse statistique impossible ou provoquer une grande influence sur les
résultats. Ces analyses préliminaires comprennent la vérification de la présence de valeurs
manquantes et leur caractère aléatoire ou systématique, ainsi que la présence de valeurs

extrêmes ou aberrantes et la normalité ou quasi normalité de la distribution des données. Les

analyses préliminaires ont été effectuées avec le logiciel SPSS 23.
1.2.1 Les valeurs manquantes

L’analyse des valeurs manquantes doit être examinée avant tout. Un des principaux problèmes
auxquels sont confrontées les enquêtes est que certains individus ne répondent pas à toutes les
questions. Ce qui peut être attribué au fait que le répondant rend le questionnaire avant qu’il le
finisse, ou il ignore certaines questions. Ainsi, il est nécessaire, pour chaque répondant, de
vérifier le nombre des questions n’ayant pas de réponses. A cet égard, le tableau 41 suivant
montre la fréquence des valeurs manquantes et leur pourcentage par répondant.
Tableau 41 : Les valeurs manquantes par répondant

Les valeurs manquantes par répondant
Fréquence Pourcentage Pourcentage valide Pourcentage cumulé

Valide 0 390 78,0 78,0 78,0
1 84 16,8 16,8 94,8
2 10 2,0 2,0 96,8
3 12 2,4 2,4 99,2
4 4 ,8 ,8 100,0
Total 500 100,0 100,0
En regardant le tableau ci-dessus, sur les 500 questionnaires recueillis, 390 sont absolument
complets, soit 78%. Parmi 110 réponses incomplètes, 84 questionnaires (16,8%) ne présentent
qu’une seule valeur manquante, 10 questionnaires (2%) en présentent deux seulement, 12
questionnaires (2,4%) présentent trois valeurs manquantes et 4 questionnaires ont 4 valeurs
manquantes. En conséquent, l’analyse des valeurs manquantes par répondant présente un
niveau acceptable, nous retenons donc 500 répondants dans notre échantillon.
L’analyse des valeurs manquantes par item nous montre que 37 items (soit 64,91%) n’ont pas
de valeurs manquantes. Les deux items qui affichent le plus de valeurs manquantes sont
Fiabilité 3 (soit 3.6%) et Fiabilité 4 (soit 8.4%). Nous avons donc procédé à la suppression des
items qui dépassent 5% des réponses.
En tout, 1 item de l’échelle de qualité de site Web du Drive a été éliminé. L’annexe 3
représente les valeurs manquantes par item.

D’ailleurs, compte tenu du faible taux de valeurs manquantes et de leur caractère aléatoire,
nous avons choisi de les conserver et de les remplacer en se basant sur la méthode du Hot-
Deck. D’ailleurs, nous avons classé les répondants en 25 groupes homogènes 24. Par la suite,
les valeurs manquantes ont été remplacées par leur valeur moyenne chez les individus du
même groupe. Notre base de données ne contient plus de valeurs manquantes.
1.2.2 Les valeurs aberrantes ou extrêmes

Une valeur aberrante ou extrême est une valeur qui diffère de façon significative de la
tendance globale, quand on observe un ensemble de données. La présence de ces valeurs
aberrantes ou extrêmes peut être le résultat d’une erreur, par exemple le répondant n’a pas
compris la question (il faut la supprimer), ou être due à la seule variation d’échantillonnage (il
faut la conserver).
Compte tenu de l’influence de ces valeurs sur les résultats de l’étude, il convient de vérifier
leur existence et leur nature. Cependant, détecter la présence éventuelle de ces valeurs
extrêmes ou aberrantes ne peut être réalisé que sur des variables quantitatives. Leur recherche
sur des variables qualitatives de type ordinal ou nominal n’a pas de sens. Le traitement de ces
valeurs reste donc nécessaire.
Nous avons effectué une recherche des valeurs extrêmes ou aberrantes sur les variables
quantitatives en nous basant sur la boîte à moustaches (Box plot) (Annexe 4). Selon cette
méthode, il existe de valeurs extrêmes ou aberrantes au niveau de certains items.
1.2.3 La normalité des données

Après avoir purifié nos données par le traitement des valeurs manquantes et la détection des
valeurs aberrantes ou extrêmes, les données doivent suivre une distribution normale ou quasi-
normale afin que les analyses puissent être effectuées de manière valide. Pour ce fait,
plusieurs outils statistiques peuvent êtres utilisés tels que :
 Les tests de Kolmogorov-Smirnov et de Shapiro-Wilk
24
Nombre de groupes = nombre de répondants/20

 Le coefficient d’asymétrie (Skewness) et d’aplatissement (Kurtosis) doivent varier

respectivement entre [-1 ; +1] et [-1,5 ; +1,5].
Pour chaque échelle de mesure, nous présentons l’analyse de la normalité des données (test de
Kolmogorov-Smirnov et Shapiro-Wilk) qui montrent que nos variables ne suivent pas une
distribution normale. Les résultats de cette analyse nous ont conduits à rejeter l’hypothèse de
la normalité de distribution. Ensuite, selon Hair et al. (2017), nous avons vérifié si nos
données suivent une distribution proche de la normalité (l’hypothèse du quasi normalité) en
examinant deux indicateurs : le coefficient d’asymétrie (Skewness) et le coefficient
d’aplatissement (Kurtosis).
L’évaluation de ces deux indicateurs montre que les valeurs sont inférieures à 1.5 en valeur
absolue et atteste aussi que la quasi-normalité des données, pour toutes les variables, est
satisfaite. Le tableau des valeurs de Kolmogorov-Smirnov et Shapiro-Wilk ainsi que de
Skewness et de Kurtosis pour chaque variable figure en Annexe 5.
Après avoir vérifié les conditions préalables à l’analyse multi variée, nous passons à la phase
d’épuration et de validation de nos instruments de mesure.

2 La validation des échelles de mesure des variables latentes du

modèle
Après le traitement préliminaire des données avec le logiciel SPSS 23. Toutes les échelles de
mesure nécessitent une phase d’épuration et de validation. Nous avons suivi le processus de
développement des instruments de mesure préconisé par Churchill (1979) ainsi que sa mise à
jour proposée par Gerbing et Anderson (1988) dans les deux phases exploratoire et
confirmatoire. Une seule collecte de données a été réalisée. Selon la démarche
méthodologique de Churchill (1973, 1979), nous avons scindé notre échantillon final (500
répondants) aléatoirement en deux sous-échantillons : N1= 150 répondants pour l’analyse
factorielle exploratoire (AFE), et N2= 350 répondants pour l’analyse factorielle confirmatoire
(AFC) afin de tester le modèle structurel et les hypothèses de recherche.
Avant de commencer cette première étape de la validation de notre modèle de mesure, il est
utile de se rappeler que toutes les échelles utilisées dans le cadre de notre recherche ont déjà
été testées et validées dans la littérature.
Il est utile de se rappeler que nous avons effectué l’analyse factorielle exploratoire en se
basant sur la matrice de covariance plutôt que sur celle de corrélation. Cela se justifie par le
fait que tous les items de nos variables sont mesurés en utilisant des échelles avec le même
nombre de modalité (six point).

2.1 Validation de l’échelle de mesure de la qualité perçue de site Web du

Drive
L’échelle de qualité de site Web du Drive se compose de 26 items répartis en sept dimensions,
à savoir : la facilité d’utilisation, l’information, la personnalisation du site Web, le design, la
sécurité, l’assortiment et la fiabilité. Nous opérons successivement des analyses factorielles,
ainsi que les tests relatifs à la fiabilité et à la validité de l’échelle de mesure de la qualité
perçue de site Web du Drive.
2.1.1 L’analyse factorielle exploratoire sous SPSS :

Etant donné que tous nos items mesurés sur une échelle avec le même nombre de modalités
de réponses, nous avons décidé d’effectuer une première AFE avec le maximum de
vraisemblance (MV) sur la matrice des covariances plutôt que celle des corrélations. Les
premiers résultats montrent que les données sont a priori factorisables selon les résultats
obtenus (Annexe 6).
Le KMO = 0,944 et l’hypothèse d’absence de corrélation entre les items est rejetée par le test
de sphéricité de Bartlett (p < 0,001). Ainsi, la diagonale de la matrice anti image (MSA)
présente de fortes corrélations entre les énoncés : chaque énoncé est expliqué à plus de 84,3 %
par les autres énoncés. Quant à la dimensionnalité de l’échelle, nous l’avons évaluée selon
différents critères (Annexe 6). Le test de Kaiser25 permet de retenir cinq axes (dimensions)26
qui restituent près de 64.01% de la variance totale. Ainsi, le test du coude celui de Scree
indique cinq facteurs.
Avant de nous prononcer, nous examinons la structure factorielle des cinq facteurs qui
émergent du test de Kaiser.
Selon Evrard, Pras et Roux (2009), la rotation orthogonale (Varimax le plus souvent) est
effectuée lorsque les variables ne sont pas corrélées (inférieure de 0,3), alors qu’en cas de
corrélation entre les variables la rotation oblique (Promax le plus souvent) est indiquée. Nous
optons donc pour une solution oblique dans le choix de la rotation, et effectuons une rotation
Promax. L’examen de la matrice de corrélation entre les axes (Tableau 42) montre qu’il existe
une corrélation forte (supérieure à 0,3) entre les facteurs. Pour mieux interpréter les axes
obtenus, il est parfois souhaitable de faire une rotation dans l’espace factoriel.
25
Nous retenons les axes qui expliquent plus de 5.932% (c'est-à-dire : 1/nombre d’items) de la variance totale.
26
Nous utilisons les termes de facteurs, axes, dimensions sans distinction.

Tableau 42 : Matrice de corrélation factorielle des dimensions de l’échelle de mesure de la

Qualité de site Web du Drive
Matrice de corrélation des composantes
Composant 1 2 3 4 5
1 1,000 ,741 ,553 ,770 ,461
2 ,741 1,000 ,690 ,781 ,628
3 ,553 ,690 1,000 ,570 ,540
4 ,770 ,781 ,570 1,000 ,490
5 ,461 ,628 ,540 ,490 1,000
En examinant la matrice de forme et la qualité de la représentation, nous remarquons que

l’item « INFO4 » est à la fois fortement et positivement corrélé à deux axes (corrélation >
0,3), ainsi que l’item « ASSORT3 » est à la fois fortement et positivement corrélé à deux
axes. Cela nous conduit à supprimer ces deux items de manière itérative en commençant par
l’item « INFO4 » qui a une communalité inférieure à 0,5. Nous décidons alors d’éliminer un à
un ces items et de refaire l’analyse, sachant que chaque élimination donne lieu à une nouvelle
extraction. Après rotation Promax, l’examen de la matrice de forme montre que l’item
« PERSWEB4 » n’est corrélé à aucun axe, nous décidons donc de le supprimer.
L’examen de la nouvelle matrice de forme des items avec les axes montre que les item
«PERSWEB2 », «PERSWEB1 » et « FIAB1 » sont à la fois fortement et positive à deux axes,
ainsi que l’item « PERSWEB5 » n’est corrélé à aucun axe, cela nous conduit à enlever un à
un ces items. Ensuite l’examen de la matrice des communalité après rotation Promax montre
que chacun des items « ASSORT4 », « SECONF3 », « FIAB2 », « FIAB3 » ont des qualités
de représentation faible (inférieure de 0,5)
Les résultats de cette analyse montrent que l’item « PERSWEB3 » a une faible contribution
factorielle (0,356) et la qualité de représentation (0,479) < 0,5, cela nous mène à éliminer cet
item afin d’améliorer la qualité de mesure des construits.
Finalement, la solution retenue est celle avec rotation Promax qui nous permet d’avoir cinq
facteurs sans les items « INFO4 », « ASSORT3 », « PERSWEB4 », « PERSWEB2 »,
« PERSWEB1 », « FIAB1 », « PERSWEB5 », « ASSORT4 », « SECONF3 », « FIAB2 »,

« FIAB3 », « PERSWEB3 ». Le tableau 43 suivant donne la synthèse des résultats finaux de

l’analyse factorielle27 exploratoire de la solution retenue.
Tableau 43 : Les poids factoriels et les communalités des items de l’échelle de mesure de la
qualité de site Internet avec rotation Promax
Items Poids factoriels Communalité
Facteur1 Facteur2 Facteur3 Facteur4 Facteur5 (R2)
Facilité Information Assortiment Sécurité Design
FAUTIL 1 0,519 0,609
FAUTIL 2 1,040 0,933
FAUTIL 3 0,661 0,657
INFO 1 0,903 0,767
INFO 2 0,854 0,782
INFO 3 0,837 0,691
ASSORT1 1,035 0,999
ASSORT 2 0,846 0,790
SECONF11 0,846 0,653
SECONF12 0,845 0,746
DESIG 1 0,502 0,769
DESIG 2 1,008 0,922
DESIG 3 0,394 0,648
Variance expliquée 38,146% 26,846% 4,846% 3,627% 3,191%
Unidimensionnalit
Oui Oui Oui Oui Oui
é
α de Cronbach 0,857 0,902 0,931 0,750 0,915
Factorisation KMO = 0,914; Test de Bartlett: p < 0,001; MSA > 74,7
Suite à l’analyse factorielle exploratoire, l’échelle de mesure de la qualité de site Web du

Drive se compose de cinq facteurs qui se forment comme suivant :
 La première dimension(Facilité) regroupe les items FAUTIL1 (Ce site de Drive est facile
à utiliser), FAUTIL2 (L’organisation et la mise en page de ce site facilitent la recherche
27

d’informations), FAUTIL3 (C’est très facile d’ajouter ou de retirer des articles de mon
panier)
 La deuxième dimension (Information) regroupe les items INFO1 (Ce site fournit sur les
produits ou services des informations utiles), INFO2 (Ce site fournit sur les produits ou
services des informations toujours très exactes) et INFO3 (Ce site fournit sur les produits
ou services des informations suffisamment précises et détaillées).
 La troisième dimension (Assortiment) regroupe les items ASSORT1 (Ce site de Drive
offre un rapport qualité-prix) et ASSORT2 (Ce Drive offre des produits de bonne
qualité).
 La quatrième dimension regroupe les items SECONF1 (Ce site de Drive offre un excellent
niveau de sécurité), SECONF2 (Ma vie privée est bien protégée sur ce site de Drive).
 La cinquième dimension regroupe les items DESIG1 (Ce site de Drive est visuellement
plaisant), DESIG2 (Ce site de Drive est visuellement orignal), DESIG3 (La mise en page
de ce site de Drive est claire et simple).
La variance expliquée par les cinq facteurs est de 76,65%.
Le tableau 43 ci-dessus récapitule les résultats croisés des tests de dimensionnalité et des tests
de fiabilité des dimensions.
Nous passons donc à l’analyse factorielle confirmatoire sous AMOS sur la structure
factorielle obtenue ci-dessus.
2.1.2 L’analyse factorielle confirmatoire sous AMOS

Afin de confirmer la structure factorielle à cinq dimensions obtenues dans l’AFE, nous
réalisons une AFC sous AMOS 23.

L’ajustement du modèle de mesure
La structure factorielle identifiée dans la phase exploratoire a été soumise à l’analyse

factorielle confirmatoire sous AMOS 23 ; ceci nous permet de voir si l’échelle de mesure à
cinq dimensions (Facilité d’utilisation, Information, Design, Sécurité et Assortiment) de 13
items s’ajuste bien aux données.
Le modèle unidimensionnel (M1) est d’abord estimé. Il montre un faible ajustement. Tous les
indices ne sont pas satisfaisants. Par exemple : le RMSEA = 0,191 ; SRMR=0,077 ; GFI=
0,739 ; AGFI= 0,634, X²/ddl= 13,728. Le modèle M1 (unidimensionnel) ne s’ajuste pas bien
aux données, ce qui conduit à son rejet. Les modèles M2 et M3 s’ajustent bien aux données
selon les indices d’ajustement (tableau 44 ci-dessous). Les indices absolus et comparatifs
(GFI, AGFI, TLI, CFI) sont nettement supérieurs à 0,9. Le RMSEA est satisfaisant, car
inférieur à 0,08. Ainsi que RMR est satisfait inférieur à 0,05. La figure 15 ci-dessous donne
une représentation graphique du modèle de mesure de la qualité de site Web du Drive retenu
au final
Tableau 44 : Indices d’ajustement du modèle de mesure de la qualité de site web du Drive

N=350 Indices absolus Indices Indices parcimonie
incrémentaux
Spécifications χ2 GFI - RMSEA RMR TLI CFI χ2/ddl CAIC AIC
(ddl) AGF [lo90;hi90 <0,05 Idéal 2/3 (modèle (le plus
I ] voire 5 saturé) faible
ok si possible)
<0,1028
M1 Une 892,32 0,739
dimension 1 0,634 0,191 0,077 0,723 0,769 13,728 1070,627 944,321
(13 items) (65)
M2 Cinq 118,41 0,950
dimensions 6 0,918 0,057 0.026 0,975 0,982 2,153 365,302 190,416
d’ordre un (55)
M3 Cinq 148,98 0,936
dimensions 2 0,903 0,065 0,035 0,968 0,975 2,483 361,578 210,982
d’ordre deux (60)
Spécification M2 : modèle cinq dimensions d’ordre un avec 13 items
retenue
28
Selon Steiger et Lind (1980)
Figure 15: Modèle de mesure final de la qualité de site web du Drive
2.1.3 Fiabilité et validité de l’échelle de mesure de la qualité de site Web du Drive
Afin d’évaluer la fiabilité de l’échelle de mesure de la qualité de site Web du Drive, nous
utilisons le Rhô de Joreskög qui est recommandé car il est moins sensible au nombre d’items
que l’alpha de Cronbach (Chin, 1998,2010). La valeur du Rhô de Joreskög supérieur à 0,7
paraît garantir une bonne fiabilité du construit (bonne cohérence interne de chaque dimension
(Forner et Larker, 1981 ; Roussel et al., 2002). Les indices récapitulés dans le tableau 45
soulignent que la condition de fiabilité de cette échelle est remplie.
En ce qui concerne la validité convergente, elle est évaluée selon le critère de Forner et Larker
(1981) qui implique que le pourcentage de la variance extrait par les indicateurs d’un construit
soit supérieur à 0,5. Ce critère est satisfait pour les cinq dimensions de l’échelle étudiée.
D’ailleurs, chaque test t (CR) du modèle est supérieur à 1,96 et les contributions factorielles
sont toutes significatives et supérieures à 0,5. Pour donner une preuve supplémentaire de la

validité convergente, nous avons recouru aux corrélations multiples au carré qui sont
supérieurs à 0,5 (Annexe 6). Ces résultats confirment une bonne validité convergente.
Quant à la validité discriminante, nous recourons au critère de Fornelle et Larcker (1981) afin
de tester cette validité.
Les résultats indiquent que la validité discriminante entre les cinq dimensions de l’échelle est
satisfaite (tableau 45), cela confirme que les cinq dimensions de l’échelle de la qualité de site
Web du Drive sont des construit distincts.
Tableau 45 : Fiabilité et validité de l’échelle de mesure de la qualité de site Web du Drive

Fiabilité et Validité convergente Poids fact.
stand
ρ > 0,7 ; rhô vc > 0,5
Dimension « Facilité d’utilisation » : ρ = 0,877 ; rhô vc = 0,704 0,872

FAUTIL1: Ce site de Drive est facile à utiliser 0,796
FAUTIL2: L’organisation et la mise en page de ce site facilitent la recherche
d’informations 0,888
FAUTIL3: C’est très facile d’ajouter ou de retirer des articles de mon panier 0,830
Dimension « Information » : ρ = 0,896 ; rhô vc = 0,741 0,892
INFO1: Ce site fournit sur les produits ou services des informations utiles 0,872
INFO2: Ce site fournit sur les produits ou services des informations suffisamment 0,883
précises et détaillées
INFO3: Ce site fournit sur les produits ou services des informations Suffisamment 0,827
Dimension « Assortiment » : ρ = 0,937 ; rhô vc = 0,882 0,937
ASSORT1 : Ce site de Drive offre un rapport qualité-prix 0,913
ASSORT2 : Ce Drive offre des produits de bonne qualité 0,965
Dimension « Sécurité / Confidentialité » : ρ = 0,821; rhô vc = 0,696 0,815
SECONF1 : Ce site de Drive offre un excellent niveau de sécurité 0,793
SECONF2 : Ma vie privée est bien protégée sur ce site de Drive 0,874
Dimension « Design » : ρ = 0,897; rhô vc = 0,744 0,894
DESIG1 : Ce site de Drive est visuellement plaisant 0,895
DESIG2 : Ce site de Drive est visuellement orignal 0,874
DESIG3 : La mise en page de ce site de Drive est claire et simple 0,816
Validité discriminante
Corrélations carrées < Rhô vc
Facilité Information Assortiment Sécurité / Design Rhô vc
d’utilisation Confidentialité
Facilité 1 0,704
Information 0,536 1 0,741
Assortiment 0,444 0,515 1 0,882
Sécurité 0,141 0,192 0,520 1 0,636
Design 0,336 0,378 0,468 0,190 1 0,744

2.2 Validation de l’échelle de mesure de la qualité du point de retrait du

Drive
L’échelle de qualité du point de retrait se compose de 15 items répartis en deux dimensions, à
savoir : la tangibilité (aspects tangibles) et personnel.
2.2.1 L’analyse factorielle exploratoire sous SPSS
Comme tous nos items sont mesurés avec le même type d’échelle et le même nombre de
modalités, nous avons décidé de choisir la matrice des covariances au lieu de celle des
corrélations.
Les premiers résultats obtenus montrent que les données sont factorisables (Annexe 7).
Le KMO est de 0,867 et l’hypothèse d’absence de corrélation entre les 15 items est rejetée par
le test de sphéricité de Bartlett. D’ailleurs, l’examen de la diagonale de la matrice anti-image
(MSA) indique que chaque énoncé est expliqué à plus de 79,1%.
La dimensionnalité de l’échelle de la qualité du point de retrait est évaluée selon différentes
méthodes (Annexe 7).
D’abord, le critère de Kiaiser identifie trois axes qui expliquent 57,509 %. Le test de Scree et
celui du coude indique graphiquement trois axes. Les corrélations entre les trois axes sont
supérieures à 0,3 comme montre le tableau (46) ci-dessous, nous avons décidé d’effectuer une
rotation Promax.
Tableau 46 : Matrice de corrélation des facteurs

Matrice de corrélation des composantes
Composante 1 2 3
1 1,000 ,547 ,561
2 ,547 1,000 ,681
3 ,561 ,681 1,000
En examinant la matrice de forme et la qualité de la représentation, nous remarquons que

l’item « TANG5 » n’est corrélé à aucun axe, nous décidons donc de le supprimer. Après avoir
supprimé cet item « TANG5 », nous avons procédé une autre AFE avec le maximum de

vraisemblance (MV), les résultats de cette analyse montrent que l’item « ACCESS2 » n’est
corrélé à aucun axe. Cela nous conduit à supprimer cet item.
Après rotation Promax, l’examen de la matrice de forme et la qualité de la représentation

montre que l’item « TANG3 » a une qualité de représentation faible (inférieure de 0,5). Cela
nous mène à éliminer cet item afin d’améliorer la qualité de mesure des construits.
Une nouvelle matrice des communalités indique que l’item « PERSO1 » a une communalité
inférieure à 0,5, cela nous conduit à supprimer cet item « PERSO1 ».
Après rotation Promax, l’examen de la matrice de forme et la qualité de la représentation

montre que l’item « PERSO2 » a une qualité de représentation faible (inférieure de 0,5), cela
nous conduit à supprimer cet item « PERSO2 ». L’examen de la nouvelle matrice de forme
des items avec les axes montre que l’item « ACCESS1 » a une faible contribution factorielle
(0,404). Cela nous mène à éliminer cet item afin d’améliorer la qualité de mesure des
construits.
Finalement, la solution retenue est celle avec une rotation Promax qui nous conduit à avoir
trois axes sans les items suivants : « TANG5 », « TANG3 », « ACCESS1 », « ACCESS2 »,
« PERSO1 » et « PERSO2 ».
Ces trois dimensions expliquent 68,019% de la variance totale. La cohérence interne de

chacune des trois dimensions, est satisfaite (α de Cronbach > 0,7) (Annexe 7).
Suite à l’analyse factorielle exploratoire, l’échelle de mesure de la qualité du point de retrait

se compose des trois facteurs suivants :
 Le premier regroupe les items PERSO3 (Le personnel est très disponible), PERSO4
(Le personnel est poli et aimable), PERSO5 (Le personnel est serviable).
 Le deuxième regroupe les items TANG1 (La décoration et l’esthétique de ce Drive sont
agréables.), TANG2 (L’agencement de ce Drive est très efficace), TANG4 (Ce Drive
est propre).
 Le troisième regroupe les items ACCESS3 (J’apprécie la proximité de ce Drive),
ACCESS4 ((Une fois arrivé au point retrait, je reçois ma commande rapidement) et
ACCESS5 (Je me sens en sécurité dans ce Drive).

Le tableau 47 suivant donne la synthèse des résultats finaux de l’analyse factorielle29

exploratoire de la solution retenue.
Tableau 47 : Les poids factoriels et les communalités des items de l’échelle de la qualité du
point de retrait
Item Poids factoriels Communalité
Facteur1 Facteur2 Facteur3 (R2)
Personnel Agencement Accessibilité
PERS3 0,692 0,620

PERS4 0,942 0,939
PERS5 0,933 0,877
TANG1 0,887 0,773
TANG2 0,807 0,629
TANG4 0,704 0,543
ACESS3 0,801 0,623
ACCESS4 0,548 0,519
ACCESS5 0,807 0,598
Variance expliquée 40,283% 19,748% 7,988%
Unidimensionnalité Oui Oui Oui
α de Cronbach 0,917 0,840 0,789
2.2.2 L’analyse factorielle confirmatoire sous AMOS :

Afin de confirmer la structure factorielle à trois dimensions obtenues dans l’AFE, nous
réalisons une AFC sous AMOS 23.
Nous examinons les spécifications des trois modèles : d’abord un modèle M1 une dimension
avec 9 items, et deux modèles tridimensionnels : un modèle M2 d’ordre un et ensuite un
modèle M3 d’ordre deux. Ces derniers deux modèles s’ajustent bien avec les données et ont
exactement les mêmes indices d’ajustement (tableau 48 ci-dessous). Les deux modèles M2 et
M3 ne peuvent pas nous aider, dans ce cas, à choisir l’un parmi ces deux modèles. Par contre,
29

la corrélation entre ces trois dimensions n’est pas très forte dans le modèle M2. Ce qui nous
suggère de garder le modèle M3 d’ordre deux.
Tableau 48 : Indices d’ajustement du modèle de mesure de la qualité du point de retrait du

Drive
incrémentaux
ok si possible)
<0,1030
M1 Une 36,388 0,585
dimension (27) 0,308 0,318 0,175 0,447 0,586 1,347 1105,923 1018,481
(9 items)
M2 trois 74,461 0,957
dimensions (24) 0,920 0,078 0,047 0,967 0,978 3,103 218,477 116,461
d’ordre un
M3 Trois 74,461 0,957
dimensions (24) 0,920 0,078 0,047 0,967 0,978 3,103 218,477 116,461
d’ordre deux
Spécification M3 : modèle trois dimensions d’ordre deux avec 9 items
retenue
La figure 16 ci-dessous donne une représentation graphique du modèle de mesure de la

qualité du point de retrait du Drive retenu au final.
30
Figure 16: Modèle de mesure final de la qualité du point de retrait
2.2.3 Fiabilité et validité de l’échelle de mesure de la qualité du point de retrait du

Drive :
Quant à l’échelle de mesure de la qualité du point du retrait du Drive, les indices figurant dans
le tableau 49 montrent les bonnes qualités psychométriques de cette échelle. La fiabilité de
l’échelle de mesure est évaluée via le Rhô de Joreskög (ρ>0,70) qui indique une bonne
cohérence de chaque dimension. Concernant la validité convergente, elle est satisfaite car le
pourcentage de variance extraite par les indicateurs de chaque dimension est supérieur à 0,5.
D’ailleurs, (λi>0,70 ; p<0,001, CR > 1,96) ; les corrélations multiples au carré associées à
chaque item sont toutes supérieures à 0,5 (Annexe 7). Enfin, pour la validité discriminante, le
tableau suivant présente les résultats la concernant. Il montre que tous les Rhô vc sont
supérieurs aux corrélations au carré.

Tableau 49: Fiabilité et validité de l’échelle de mesure de la qualité du point de retrait du

Drive
ρ > 0,7 ; rhô vc > 0,5 stand
Dimension « Tangibilité » : ρ = 0,873 ; rhô vc = 0,698 0,752

TANG1 : La décoration et l’esthétique de ce Drive sont agréable 0,894
TANG2 : L’agencement de ce Drive est très efficace 0,878
TANG4 : Ce Drive est propre 0,723
Dimension « Accessibilité » : ρ = 0,895 ; rhô vc = 0,741 0,892
ACCESS3 : J’apprécie la proximité de ce Drive 0,888
ACCESS4 : Une fois arrivé au point retrait, je reçois ma commande rapidement 0,874
ACCESS5 : Je me sens en sécurité dans ce Drive 0,818
Dimension « Personnel » : ρ = 0,922 ; rhô vc = 0,798 0,916
PERSO3 : Le personnel est très disponible 0,762
PERSO4 : Le personnel est poli et aimable 0,940
PERSO5 : Le personnel est serviable 0,965
Tangibilité Accessibilité Personnel Rhô vc
Tangibilité 1 0,698
Accessibilité 0,472 1 0,741
Personnel 0,271 0,339 1 0,798
2.3 Validation de l’échelle de mesure de la valeur Globale perçue d’un

Drive
L’échelle de la valeur globale perçue d’un Drive se compose de 4 items. Nous opérons
successivement des analyses factorielles, ainsi que les tests relatifs à la fiabilité et à la validité
de l’échelle de mesure de la valeur globale perçue d’un Drive.
2.3.1 L’analyse factorielle exploratoire sous SPSS :

Une AFE avec le maximum de vraisemblance (MV) sur la matrice des covariances des quatre
items a été effectuée, parce que ces items sont tous sous forme d’échelle de Likert avec le
même nombre d’échelons (six points).
Les premiers résultats obtenus montrent une bonne prédisposition à la factorisation des
énoncés (KMO=0,849; le test de Bartlett est significatif: sig=0,00) (Annexe 8).

La diagonale de la matrice anti-image (MSA) présente de fortes corrélations entre les

énoncés : chaque énoncé est expliqué à plus de 81,6% par les autres énoncés.
Concernant la dimensionnalité de l’échelle, le critère de Kaiser identifie un seul facteur qui

explique 82,576% de la variance totale. Le test de Scree et celui du coude montrent également
un seul facteur (Annexe 8). Cela nous amène à accepter le caractère unidimensionnel de
l’échelle de mesure de la valeur globale perçue d’un Drive.
D’ailleurs, l’examen de la matrice de communalités montre que tous les items ont des qualités
de représentations supérieures à 0,5. La matrice des facteurs indique également un seul axe et
les contributions factorielles sont fortes (>0,8). L’examen de la valeur de l’alpha de Cronbach
(α=0,949) indique une cohérence interne satisfaisante. Le tableau 50 ci-dessous présente une
synthèse des résultats.
Tableau 50 : Les poids factoriels et les communalités des items de l’échelle de la valeur
globale perçue d’un Drive
Poids factoriels
Item Communalité
Valeur globale perçue (R2)
VALG1 0,899 0,808

VALG2 0,859 0,738
VALG3 0,945 0,892
VALG4 0,930 0,865
Variance expliqué 82,576%
Unidimensionnalité Oui
α de Cronbach 0,949
Factorisation KMO = 0,849 ; Test de Bartlett : p < 0,001; MSA > 81,6
Suite à l’analyse factorielle exploratoire, l’échelle de mesure de la valeur globale perçue est
une échelle unidimensionnelle qui se compose de quatre items : VALG1 (Ça vaut la peine
d’utiliser ce Drive même si les prix n’y sont pas toujours les plus bas), VALG2 (Avec ce
Drive, j’en ai pour mon argent), VALG3 (C’est vraiment mon intérêt d’utiliser ce Drive) et
VALG4 (Tout bien considéré, ça vaut vraiment le coup d’utilisation ce Drive).

Afin de confirmer la structure factorielle obtenue dans l’AFE, nous réalisons une AFC sous
AMOS 23.

Ce modèle unidimensionnel s’ajuste bien aux données selon les indices d’ajustement (tableau
51 ci-dessous). Tous les indices d’ajustement sont excellents.
Tableau 51 : Indices d’ajustement du modèle de mesure de la valeur globale perçue

incrémentaux
ok si possible)
<0,1031
M1 Une 3,551 0,995
dimension (2) 0,974 0,047 0,013 0,996 0,999 1,776 58,415 19,551
(4 items)
La figure 17 ci-dessous donne une représentation graphique du modèle de mesure de la valeur

globale perçue d’un Drive retenu.
Figure 17: Modèle de mesure final de la valeur globale perçue
2.3.3 Fiabilité et validité de l’échelle de mesure de la valeur globale perçue d’un Drive
La fiabilité et la validité convergente de la solution retenue sont soutenues par des valeurs
satisfaites du Rhô de Joreskög et du Rhôvc montrées dans le tableau 52 avec les contributions
factorielles.
31
Tableau 52 : Fiabilité et validité de l’échelle de mesure de la valeur globale perçue d’un Drive
Fiabilité et validité convergente Poids fact.
stand.
P= 0,924, Rhô vc = 0,758
VALG1 : Ça vaut la peine d’utiliser ce Drive même si les prix n’y sont pas toujours
0,961
les plus bas
VALG2 : Avec ce Drive, j’en ai pour mon argent 0,951
VALG3 : C’est vraiment mon intérêt d’utiliser ce Drive 0,65
VALG4 : Tout bien considéré, ça vaut vraiment le coup d’utilisation ce Drive 0,883
2.4 Validation de l’échelle de mesure de la satisfaction de consommateur

Etant donné que tous les items de l’échelle de mesure de la satisfaction sont mesurés sur une
échelle aves le même nombre d’échelons (six points), nous nous basons sur la matrice des
covariances plutôt que celle des corrélations. Les donnés sont a priori factorisables selon les
résultats obtenus (Annexe 9). En effet, l’indice de KMO (0,849) et l’hypothèse d’absence de
corrélation entre les 4 items initiaux est rejetée par le test de sphéricité de Bartlett (p< 0,001).
La diagonale de la matrice anti image (MSA) présente de fortes corrélations entre les énoncés
: chaque énoncé est expliqué à plus de 84% par les autres énoncés restants.
Ensuite, la dimensionnalité a été analysée selon différentes méthodes (Annexe 9). Le test du
Scree et celui du coude indiquent un axe unique. Le critère de Kaiser fait ressortir également
un axe unique qui explique 76,013% de la variance totale. L’examen de la cohérence interne
de l’échelle unidimensionnelle de la satisfaction en calculant l’Alpha de Cronbach donne un
résultat très satisfaisant avec un coefficient de 0,926.
Tous les items de cette échelle, selon la matrice des communalités, ont des qualités des
représentations supérieures à 0,5. Par ailleurs, l’examen de la matrice des facteurs montre
aussi un seul axe et les contributions factorielles sont fortes (>0,85). Le tableau 53 ci-dessous
présente une synthèse des résultats.

Tableau 53 : Les poids factoriels et les communalités des items de l’échelle de la satisfaction
de l’expérience avec un Drive
Poids factoriels
Item Communalité
Satisfaction (R2)
SAT1 0,858 0,736

SAT2 0,876 0,768
SAT3 0,872 0,761
SAT4 0,880 0,775
Suite à l’analyse factorielle exploratoire, l’échelle de mesure de la satisfaction est une échelle
unidimensionnelle qui se compose de quatre items : SAT1 (Cela a été une bonne décision de
choisir ce Drive), SAT2 (Ce Drive n’a pas déçu mes attentes), SAT3 (Je suis content(e) de ce
Drive) et SAT4 (Globalement, l’utilisation de ce Drive vous laisse très satisfait).

AMOS 23.
Ce modèle unidimensionnel s’ajuste bien aux données selon les indices d’ajustement (tableau
54 ci-dessous). Tous les indices d’ajustement sont excellents.
Tableau 54 : Indices d’ajustement du modèle de mesure de la satisfaction

incrémentaux
ok si possible)
<0,1032
M1 Une 7,813 0,989
dimension (3) 0,963 0,068 0,05 0,991 0,996 2,604 55,819 21,813
(4 items)
32

satisfaction.
Figure 18: Modèle de mesure final de satisfaction
2.4.3 Fiabilité et validité de l’échelle de mesure de la satisfaction de l’expérience avec

un Drive
Les tests de fiabilité et de validité convergente donnent des résultats suivants satisfaisant
(Tableau 55). Le Rhô de Joreskög (0,930) et du Rhô vc (0,768) indiquent que l’échelle
proposée est valide, puisque chacun des indicateurs sont forts (>86) et significatifs (CR>1,96
au seuil de 0,001). Cela fournit une preuve supplémentaire de la validité convergente.
Tableau 55 : Fiabilité et validité de l’échelle de mesure de la satisfaction de l’expérience avec

un Drive
stand.
P= 0,930, Rhô vc = 0,768
SAT1 : Cela a été une bonne décision de choisir ce Drive 0,896
SAT2 : Ce Drive n’a pas déçu mes attentes 0,860
SAT3 : Je suis content(e) de ce Drive 0,879
SAT4 : Globalement, l’utilisation de ce Drive vous laisse très satisfait 0,869
2.5 Validation de l’échelle de mesure de la confiance à l’enseigne

Nous procédons à une analyse factorielle exploratoire de l’échelle de mesure de la confiance
avant de passer à l’analyse factorielle confirmatoire.


Une AFE avec le maximum de vraisemblance (MV) sur la matrice des covariances des quatre
items a été effectuée, puisque ces items sont tous sous forme d’échelle de Likert avec le même
nombre d’échelons (six points).
Les premiers résultats obtenus montrent que les données sont factorisables (Annexe 10). Le
KMO est de 0,837 et l’hypothèse d’absence de corrélation entre les 4 items est rejetée par le
test de sphéricité de Barlett (p<0,001). La diagonale de la matrice anti-image indique que
chaque énoncé est expliqué plus à 80,4% par les autres énoncés.
Concernant la dimensionnalité de l’échelle de la confiance, les différents critères (Kaiser, %

de variance extraite, le test du Scree et celui du coude) montrent une structure
unidimensionnelle que nous retenons (Annexe 10). Le critère de Kaiser identifie une seule
dimension qui explique 74,11 % de la variance totale. Le test du Scree et celui du coude
indiquent aussi un seul axe. Par ailleurs, l’examen de la matrice de communalité montre que
tous les items ont des qualités des représentations supérieures à 0,5. La matrice des facteurs
indique également un seul axe et les contributions factorielles sont fortes (>0,7). L’examen de
la valeur de l’alpha de Cronbach (α=0,917) indique une cohérence interne très satisfaisante.
Le tableau 56 ci-dessous présente une synthèse des résultats.
Tableau 56 : Les poids factoriels et les communalités des items de l’échelle de la confiance à
l’enseigne
Poids factoriels
Item Communalité
Confiance (R2)
CONFI1 0,751 0,563

CONFI2 0,898 0,806
CONFI3 0,885 0,783
CONFI4 0,901 0,812
Suite à l’analyse factorielle exploratoire, l’échelle de mesure de la confiance à l’enseigne est

une échelle unidimensionnelle qui se compose de quatre items : CONFI1 (Cette enseigne est

digne de confiance), CONFI2 (Cette enseigne tient ses promesses et ses engagements),
CONFI3 (J’ai confiance en la qualité des produits vendus par cette enseigne) et CONFI4 (Je
crois en la sincérité de cette enseigne).
2.5.2 L’analyse factorielle confirmatoire sous AMOS :

AMOS 23.
Ce modèle unidimensionnel s’ajuste bien aux données selon les indices d’ajustement
(tableau 57 ci-dessous). Tous les indices d’ajustement sont excellents.
Tableau 57 : Indices d’ajustement du modèle de mesure de la confiance à l’enseigne

incrémentau
x
ok si possible)
<0,1033
M1 Une 2,772 0,996
dimension (2) 0,980 0,033 0,008 0,997 0,997 1,386 57,635 18,772
(4 items)

confiance à l’enseigne validé.
Figure 19: Modèle de mesure final de la confiance à l’enseigne
33
2.5.3 Fiabilité et validité de l’échelle de mesure de la satisfaction de consommateur

Concernant la fiabilité de l’échelle de mesure de la confiance à l’enseigne, la valeur du Rhô
de Joreskög (ρ =0,906) indique une bonne cohérence interne de l’échelle.
Le tableau 58 ci-dessous résume les qualités psychométriques de l’échelle de mesure de la

confiance à l’enseigne.
Tableau 58 : Fiabilité et validité de l’échelle de mesure de la confiance à l’enseigne

stand.
P= 0,906, Rhô = 0,707
CONFI1 : Cette enseigne est digne de confiance 0,824
CONFI2 : Cette enseigne tient ses promesses et ses engagements 0,855
CONFI3 : J’ai confiance en la qualité des produits vendus par cette enseigne 0,895
CONFI4 : Je crois en la sincérité de cette enseigne 0,786
2.6 Validation de l’échelle de mesure de la fidélité à un Drive

À titre de rappel, la variable de la fidélité à un Drive est mesurée, dans cette recherche, par
une échelle se composant de 4 items. Comme précédemment, deux types d’analyse sont
effectués : des analyses factorielles exploratoires, complétées par des analyses factorielles
confirmatoires.

Afin d’analyser la dimensionnalité du construit fidélité des consommateurs, une AFE avec le
maximum de vraisemblance (MV) sur la matrice des covariances des quatre items a été
effectué. L’indice de KMO est satisfaisant (KMO=0,818), ainsi que le test de sphéricité de
Bartlett (sig=0,00) (Annexe 11). L’examen de la matrice anti-image (MSA) montre de fortes
corrélations entre les énoncés avec des valeurs supérieures à 81,4% (chaque énoncé est
expliqué à plus de 81,4% par les autres énoncés restants). Les conditions d’application de
l’analyse factorielle sont bien remplies, les données sont factorisables (Annexe 11).
Quant à la dimensionnalité de l’échelle da la fidélité, nous l’avons évaluée selon différents

critères (Annexe 11). Le test de Kaiser permet de retenir un axe unique qui explique 79,773%
de la variance totale. D’ailleurs, le test de Scree et celui du coude indique également un seul

axe. L’alpha de Cronbach (α=0,935) indique que l’échelle de mesure a une très satisfaisante
fiabilité de cohérence interne. Le tableau 59 ci-dessous présente une synthèse des résultats.
Tableau 59 : Les poids factoriels et les communalités des items de l’échelle de la Fidélité à un
Drive
Poids factoriels
Item Communalité
Fidélité (R2)
FIDEL1 0,886 0,785

FIDEL2 0,900 0,810
FIDEL3 0,907 0,822
FIDEL4 0,880 0,774
Suite à l’analyse factorielle exploratoire, l’échelle de mesure de la fidélité est une échelle
unidimensionnelle qui se compose de quatre items : FIDEL1 (Je recommanderai certainement
ce Drive à mes amis), FIDEL2 (A l’occasion d’une discussion, je n’hésiterai pas à dire du
bien de ce Drive), FIDEL3 (Quand j’ai besoin de faire des courses, je pense d’abord à ce
Drive) et FIDEL4 (Je vais continuer à faire mes courses avec ce Drive).

AMOS 23.
Ce modèle unidimensionnel s’ajuste bien aux données selon les indices d’ajustement
(tableau 60 ci-dessous). Tous les indices d’ajustement sont excellents.

Tableau 60 : Indices d’ajustement du modèle de mesure de la fidélité

incrémentau
x
ok si possible)
<0,1034
M1 Une 6,965 0,990
dimension (2) 0,950 0,084 0,014 0,988 0,996 3,482 61,828 22,965
(4 items)

fidélité à un Drive validé.
Figure 20: Modèle de mesure final de la fidélité à un Drive
2.6.3 Fiabilité et validité de l’échelle de mesure de la fidélité à un Drive
La fiabilité et la validité convergente de l’échelle de la fidélité à un Drive exprimées par les

valeurs satisfaisantes du Rhô de Joreskög (ρ =0,935) et du Rhô vc (0,782) sont montrées dans
le tableau 61 ci-dessous qui résume les qualités psychométriques de l’échelle de mesure de la
fidélité à un Drive. Les corrélations multiples au carré (SMC) sont toutes supérieures à 0,5
(Tableau 61).
34
Tableau 61 : Fiabilité et validité de l’échelle de mesure de la fidélité à un Drive

stand.
P= 0,935, Rhô = 0,782
FIDEL1 : Je recommanderai certainement ce Drive à mes amis 0,908
FIDEL2 : A l’ occasion d’une discussion, je n’hésiterai pas à dire du bien de ce Drive 0,955
FIDEL3 : Quand j’ai besoin de faire des courses, je pense d’abord à ce Drive 0,853
FIDEL4 : Je vais continuer à faire mes courses avec ce Drive 0,814
Dans cette section, nous avons mis en évidence les analyses factorielles avec un échantillon
final de 500 répondants, scindé aléatoirement en deux sous échantillons. Un échantillon de
150 répondants pour l’analyse factorielle exploratoire, ainsi qu’un échantillon de 350
répondants. Ainsi, nous avons mené une analyse factorielle exploratoire (AFE) sous SPSS23
et une analyse factorielle confirmatoire (AFC) sous AMOS23. Les différents résultats obtenus
lors de la réalisation de ces analyses nous permettent d’affirmer la qualité de l’ensemble de
nos échelles de mesure. Dans le tableau 62 ci-dessous, nous présentons les résultats des
qualités psychométriques des échelles de mesure des construits centraux de notre modèle de
recherche : l’alpha de Cronbach et le Rhô de Joreskög pour tester la fiabilité et le Rhô vc pour
tester la validité convergente.

Tableau 62 : Récapitulatif des qualités psychométriques des échelles de mesure

Les construits et leurs dimensions (nombre d’items) Fiabilité Validité
convergente
α ρ
Rhô vc
Qualité de site web du Drive :
 Facilité (3) 0,857 0,877 0,704
 Information (3) 0,902 0,896 0,741
 Assortiment (2) 0,931 0,937 0,882
 Sécurité (2) 0,750 0,821 0,696
 Design (3) 0,915 0,897 0,744
Qualité du point de retrait du Drive :

 Tangibilité (3) 0,971 0,873 0,698
 Accessibilité (3) 0,840 0,895 0,741
 Personnel (3) 0,789 0,922 0,798
Valeur globale perçue d’un Drive (4) 0,949 0,924 0,758

Satisfaction de l’expérience avec un Drive (4) 0,926 0,930 0,768
Confiance à l’enseigne (4) 0,917 0,906 0,707
Fidélité à un Drive (4) 0,935 0,935 0,782

Conclusion du chapitre VI
Dans ce chapitre, nous avons procédé à la validation de notre modèle de mesure utilisé dans
notre étude.
Nous avons consacré la première section à la description de l’échantillon de données obtenu
lors de la phase de collecte de données en face-à-face (N=500). Ensuite, nous avons mené les
analyses préliminaires de vérification de l’adéquation des données à l’analyse multi-variée.
Ainsi, les résultats révèlent que les données dont nous disposons suivent une distribution
quasi-normale. Les valeurs manquantes ont été remplacées en utilisant la méthode Hot-Deck.
Nous avons mené les analyses avec un échantillon (N=500 répondants) scindé en deux
échantillons. Le premier échantillon (N1= 150 répondants) a été consacré à l’analyse
factorielle exploratoire, alors que le deuxième (N2=350 répondants) a été utilisé pour les
besoins de l’analyse factorielle confirmatoire de ce chapitre et pour tester les hypothèses et le
modèle de recherche effectués dans le chapitre suivant.
La deuxième section de ce chapitre a été consacrée, dans premier temps, à la purification et la
validation de nos échelles de mesure. Pour chaque variable latente étudiée, nous avons
effectué une analyse factorielle exploratoire (AFE) avec le maximum de vraisemblance (MV)
sur la matrice des covariances sous SPSS23. Concernant l’AFE, nous avons amélioré l’échelle
de la variable concernée en éliminant les items susceptibles d’imposer des sanctions sur leur
qualité psychométrique, ainsi que nous avons étudié la dimensionnalité et la cohérence interne
de l’échelle de mesure. Dans un deuxième temps, nous avons réalisé les analyses factorielles
confirmatoires (AFC) en utilisant les méthodes d’équations structurelles sous AMOS23. Cela
nous a permis de trouver des résultats satisfaisants pour ces analyses et de bons indices
d’ajustement pour chacun de nos modèles de mesure.
L’ensemble de ces résultats nous permet de passer au chapitre VII suivant consacré à valider
le modèle global, à tester les hypothèses et à interpréter des résultats de notre étude.

Chapitre VII : Test des hypothèses et discussion des résultats
PARTIE II :

recherche
Chapitre 1V :

variables
Chapitre V :
Chapitre VI:
Chapitre VII:

CHAPITRES VII : TEST DES HYPOTHESES ET

DISCUSSION DES RESULTATS
Introduction au chapitre VII

Le chapitre VI de notre recherche a été consacré à la démarche méthodologique afin de
valider chacun de nos instruments de mesure. Nous allons dans ce septième et dernier chapitre
procéder à analyser la validité de nos hypothèses de recherche et discuter les résultats obtenus.
Ce chapitre se compose de deux sections. Dans la première section, nous exposons le test du
modèle structurel global en montrant la qualité de son ajustement en prenant en considération
des règles d’identification du modèle global. Ensuite, nous testons les hypothèses relatives
aux relations entre les variables de ce modèle. Il convient de noter que le test des hypothèses
se fait en trois étapes : le test des hypothèses sur des effets directs entre les variables de
recherche, le test des hypothèses sur des effets médiateurs (indirects) et le test des hypothèses
sur des effets modérateurs sur les liens entre les variables de notre modèle. Pour tester notre
modèle global ainsi que les relations entre les variables de ce modèle, nous utilisons la
modélisation des équations structurelles avec la méthode PLS à travers le logiciel XLSTAT
2017.
La deuxième section sera l’occasion de synthétiser les principaux résultats de tous les tests
réalisés en les discutant et les mettant en perspective. Premièrement, nous discuterons les
résultats concernant les analyses des modèles de mesure. Ensuite, nous allons discuter les
résultats du modèle structurel ainsi que les hypothèses de recherche pour mettre en évidence
les résultats les saillants de notre recherche.
1 Le test des hypothèses de recherche

Pour rappel, l’objectif global de notre recherche est de proposer un modèle conceptuel
intégrateur qui permet de comprendre les déterminants de la fidélité du consommateur à un
Drive dans un contexte de distribution cross-canal, ainsi que de comprendre dans quelle
mesure les variables sociodémographiques sont susceptibles d’engendrer une variance des
réactions à l’égard des déterminants de la fidélité du consommateur à un Drive dans un
contexte de distribution cross canal. En outre, nous commençons à tester le modèle global en
évaluant son ajustement aux données pour vérifier sa qualité. Ensuite, nous vérifions la

validité des hypothèses qui se fait en trois temps : le test des hypothèses concernant les effets
directs, le test des hypothèses autour les effets indirects (médiateurs) et le test des hypothèses
sur le rôle des variables modératrices.
Il convient de souligner que l’échantillon (N2=350) destiné à la phase confirmatoire sera

aussi utilisé pour valider notre modèle global et tester les hypothèses de notre recherche selon
l’approche des moindres carrés partiels PLS. Cette approche convient aux modèles complexes
et elle n’est pas sensible aux problèmes de multi-colinéarité. Cela corresponde facilement à
notre modèle intégrateur et à notre échantillon.
1.1 Ajustement du modèle global

Après avoir testé les modèles de mesure dans le chapitre précèdent, nous procédons au test du
modèle structurel global afin de pouvoir passer au test des hypothèses.
Nous vérifions la valeur de l’indice GOF (Goodness-of-Fit) afin de présenter la qualité du

modèle global (modèle interne) en utilisant la méthode PLS avec le logiciel XLSTAT2017.
Cet indice35se définie comme la moyenne géométrique entre la moyenne des communalités
(modèle externe) et la moyenne des R² (modèle interne).
Le modèle structurel que nous désirons valider est rappelé ci-après (Figure 21).
35
Cet indice est bien détaille dans le chapitre 5.

Figure 21: Modèle conceptuel à tester
(1)
H12-H13-H14
Variables sociodémographiques
Age, Genre et Taille de famille
Satisfaction
H1
H10
Qualité de service du Drive
du Drive
H3 H7
Valeur globale H8
H2 perçue d’un Drive
H4
retrait du Drive H11
Confiance à
l’enseigne
(1)
Notes : H12 concerne l’âge, H13 concerne le gene et H14 concerne la taille de famille

Le tableau 63 ci-dessous présente les indices du GoF (Goodness-of-Fit) absolu et relatif, avant
et après bootstrap, ainsi que la qualité du modèle interne et externe.
Tableau 63 : Qualité de l'ajustement du modèle global

Gof GoF Erreur Ratio critique Borne Borne
(Bootstrap) standard (CR) inférieure supérieure
(95%) (95%)
Absolu 0,768 0,768 0,027 28,663 0,696 0,816

Relatif 0,971 0,963 0,023 42,223 0,903 1,000
Modèle externe 0,998 0,997 0,020 49,283 0,950 1,000
Modèle interne 0,972 0,966 0,007 149,344 0,948 0,977
Les résultats contenus dans le tableau 63 ci-dessus indiquent une bonne qualité d’ajustement
du modèle interne aux données. La valeur du GOF absolu est très satisfaisant et supérieur à la
valeur référence (0,36) selon les recherches antérieures (EspositoVinzi et al., 2010 ; Wetzels
et al., 2009). Le GOF du modèle global et celui du modèle bootstrap sont très proches. Cela
signifie la stabilité du modèle. Le GOF relatif indique une forte variance globale restituée par
le modèle. Concernant la valeur du GOF du modèle externe, elle est élevée (0,998), cela nous
montre que les liens entre les variables de mesure et leurs variables latentes sont de bonne
qualité. Quant au modèle interne, le GOF= 0,972 souligne que les relations structurelles sont
de bonne qualité. D’ailleurs, le pouvoir prédictif est statistiquement significatif36 étant donné
que les ratios critiques qui représentent la valeur absolue du test de student sont supérieurs à
seuil de 1,96.
Ainsi, ces résultats satisfaisants nous permettent d’effectuer l’étape suivante concernant le test
des hypothèses de notre recherche.
1.2 Test des hypothèses de recherche

Dans la première partie de cette section, nous avons vérifié la qualité du modèle. Ce
paragraphe vise à tester les hypothèses de notre recherche qui se réalisent en trois étapes : le
test des hypothèses sur les effets directs, le test des hypothèses sur des effets indirects
(médiateurs) et le test des hypothèses sur des effets modérateurs.
36
La validité discriminante a été vérifiée pour tous les modèles de mesure dans la phase confirmatoire. De façon
complémentaire, la validité discrimination des construits du modèle externe a été examinée sur XLSTAS2017.
Les résultats de ce test sont détaillés dans l’annexe 12.

1.2.1 Le test des hypothèses relatives aux influences directes

Comme mentionnée dans le chapitre 5 (la méthodologie), la validation des hypothèses de
notre recherche concernant les relations directes entre les variables latentes nécessite, d’un
côté, l’examen des valeurs de coefficients structurels (Path coefficients) et son niveau de
significativité et, d’un autre côté, le coefficient de détermination R². Il convient de noter que
les coefficients ont été estimés par régression multiple classique (OLS) sur XLSTAT2017.
Les ratios critiques des coefficients structurels correspondent au test t de Student qui doit
avoir une valeur absolue minimale supérieure à 1,96 (p-value < 0,05).
1.2.1.1 Test des influences directes sur la satisfaction de consommateur (H1, H2, H3)
Les hypothèses H1, H2 et H7 portent sur les liens entre la qualité de service du site Internet du
Drive et la satisfaction de l’expérience avec un Drive, la qualité de service du point de retrait
espace du Drive et la satisfaction de l’expérience avec un Drive et entre la valeur globale
perçue d’un Drive et la satisfaction de l’expérience avec un Drive. Le tableau 64 ci-dessous
présente les résultats du test de ces trois hypothèses.
Tableau 64 : Effets directs qualité de site, qualité du pont de retrait du Drive et valeur globale
perçue sur la satisfaction de l’expérience avec un Drive
Relations structurelles Valeur Valeur Erreur Pr > |t| Ratio critique
(Bootstrap) standard
(Bootstrap)
Qualité de site Web du
DriveSatisfaction 0,161 0,042 0,040 0,000 3,988
Qualité du point de retrait du
DriveSatisfaction 0,125 0,039 0,037 0,002 3,336
Valeur globale
perçueSatisfaction 0,663 0,038 0,030 0,000 21,889
R² = 0,768
R² (Bootstrap) = 0,769
76,8% de la variabilité de la satisfaction de l’expérience avec un Drive a été expliquée par la

qualité de site Web du Drive, la qualité du point de retrait du Drive et la valeur globale perçue
d’un Drive.
Il semble que les influences de la qualité de site Web du Drive et de la valeur globale perçue
sur la satisfaction de l’expérience d’un Drive sont positives et significatives au seuil 1% avec

des coefficients structurels de 0,663 et de 0,161 respectivement ; leurs ratios critiques sont
supérieurs au seuil de 1,96. Alors que la qualité du point de retrait du Drive a une influence
positive et significative au seuil 5% avec du coefficient structurel de 0,125 et son ratio
critique représentant la valeur absolue du test t de Student est supérieure au seuil de 1,96 avec
le │t│= 0,002.
Par conséquent, nous pouvons conclure que :
 La qualité de service perçue sur site Internet du Drive a une influence positive et
significative directe sur la satisfaction de l’expérience avec un Drive. Ce résultat
permet de corroborer l’hypothèse H1.
 La qualité de service perçue du point de retrait du Drive a une influence positive et
significative directe sur la satisfaction de l’expérience avec un Drive. Ce résultat
permet de corroborer l’hypothèse H2.
 La valeur perçue globale a une influence positive directe sur la satisfaction de
l’expérience avec un Drive. Ce résultat permet de corroborer l’hypothèse H7.
1.2.1.2 Test des influences directes sur la valeur globale perçue d’un Drive (H3, H4)
Les hypothèses H3 et H4 concernent les effets de la qualité de site Web et de la qualité du
point de retrait du Drive sur la valeur globale perçue d’un Drive. Le test de ces deux
hypothèses est présenté au tableau 65 ci-dessous.
Tableau 65 : Effets directs de la qualité de site, la qualité du pont de retrait du Drive sur la
valeur globale perçue d’un Drive
Relations structurelles Valeur Valeur Erreur Pr > |t| Ratio critique
(Bootstrap) standard
(Bootstrap)
Qualité de site Web du
DriveValeur globale perçue 0,503 0,491 0,052 0,000 9,591
Qualité du point de retrait du
DriveValeur globale perçue 0,282 0,290 0,051 0,000 5,522
R² = 0,539
Les résultats obtenus nous permettent de vérifier la relation directe entre nos variables
explicatives : qualité du site Web et qualité du point de retrait sur la valeur globale perçue
d’un Drive.

53,9% de la variabilité de la valeur globale perçue a été expliquée par la qualité du site Web et
la qualité du point de retrait du Drive.
L’examen de la significativité confirme, d’une part, que la relation entre la qualité de site Web
du Drive et la valeur globale perçue est significative et forte, parce que le coefficient
structurel est de 0,503 et le ratio critique est de 9,591 avec│t│=0,000. D’autre part, le lien
entre la qualité du point de retrait du Drive et la valeur globale perçue est également positif
avec un coefficient structurel moyen 0,282 et significatif (le ratio critique= 5,522 ;
│t│=0,000). À partir de ces résultats nous pouvons conclure que :
 La qualité de service perçue du site Internet du Drive a une influence positive

directe sur la valeur perçue globale d’un Drive. Ce résultat permet de corroborer
l’hypothèse H3.
 La qualité de service perçue du point de retrait a une influence positive directe sur
la valeur perçue globale d’un Drive. Ce résultat permet de corroborer l’hypothèse H4.
1.2.1.3 Test des influences directes sur la fidélité à un Drive (H8, H10, H11)
Les hypothèses H8 et H10 et H11 concernent l’effet exercé sur la fidélité à un Drive par la
valeur globale perçue, la satisfaction et la confiance à l’enseigne. Le test de ces trois
hypothèses est présenté au tableau 66 ci-dessous.
Tableau 66 : Effets directs de la valeur globale perçue, la satisfaction et confiance à l’enseigne

sur la fidélité à un Drive
Relations structurelles Valeur Valeur Erreur Pr > Ratio critique

(Bootstra) standard |t|
(Bootstrap)
Valeur globale perçue 
Fidélité 0,266 0,268 0,043 0,000 6,181
Satisfaction Fidélité
0,421 0,414 0,051 0,000 8,203
Confiance Fidélité
0,284 0,289 0,039 0,000 7,261
R² = 0,843

Les résultats montrent que les trois variable (la valeur globale perçue, la satisfaction et la
confiance ç l’enseigne) expliquent fortement la fidélité du consommateur à un Drive à plus
de 84% (R²=0,843).
Il semble que les influences de la valeur globale perçue, la satisfaction de l’expérience et la

confiance à l’enseigne sur la fidélité sont toutes les trois positives et significatives au seuil
1% avec des coefficients structurels de 0,266, de 0,421 et de 0,284 respectivement. Leurs
ratios critiques sont supérieurs au seuil de 1,96 avec│t│=0,000.
Par conséquence, nous concluons que
 La valeur perçue globale a une influence positive et significative directe sur la

fidélité du consommateur à un Drive. Ce résultat permet de corroborer l’hypothèse
H8.
 La satisfaction de l’expérience avec un Drive a une influence positive et
significative directe sur la fidélité du consommateur à un Drive. Ce résultat permet
de corroborer l’hypothèse H10.
 La confiance à l’enseigne a une influence positive directe sur la fidélité du
consommateur à un Drive. Ce résultat permet de corroborer l’hypothèse H11.
Il convient de souligner que la discussion et l’interprétation de l’ensemble de ces résultats

sont effectuées dans la deuxième section de ce chapitre. Avant de passer au test des relations
indirectes dans notre modèle de recherche, nous présentons notre modèle conceptuel dans la
figure 22 en intégrant les différents coefficients structurels :

Figure 22: Liens structurels du modèle conceptuel
0,768
Satisfaction
1,0 0,161**
0,125* 0,421**
0,663**
du Drive
0,503**
0,843
0,539
Valeur globale 0,266**
1,0 perçue d’un Drive
00
0,282**
retrait du Drive
0,284**
Confiance à
l’enseigne
Légende :
- Sur les flèches sont placés les path coefficients
- La présence d’une seule étoile auprès des path coefficients indique qu’ils sont significatifs au seuil de
5%
- La présence de deux étoiles auprès des path coefficients indique qu’ils sont significatifs au seuil de
1%
- Le chiffre en caractère gras est le R² de chaque variable endogène

1.2.2 Le test des hypothèses relatives aux relations indirectes (effets médiateurs)
Dans notre modèle, nous avons deux types d’effets médiateurs : simples et multiples. Les
effets médiateurs multiples se déclinent en médiation multiple en étape et en chaine.
Afin de tester les effets médiateurs, nous avons utilisé les macros développés par Preacher et
Hayes (2004, 2008) et Hayes et al. (2011).
1.2.2.1 Test des effets indirects simples (H5a, H5b, H6a, H6b, H9)
Il y a quatre relations avec une médiation simple dans notre modèle de recherche :
H5a : La satisfaction du consommateur a un effet médiateur dans la relation entre la qualité

de service perçue du site Internet du Drive et la fidélité du consommateur à un Drive (Qualité
de site  Satisfaction  Fidélité).
H5b : La valeur globale perçue a un effet médiateur dans la relation entre la qualité de
service perçue du site Internet du Drive et la fidélité du consommateur à un Drive (Qualité de
site  Valeur globale perçue  Fidélité).

de service perçue du point de retrait du Drive et la fidélité du consommateur à un Drive
(Qualité du point  Valeur globale perçue  Fidélité).
H6b : La valeur globale perçue a un effet médiateur dans la relation entre la qualité de
service perçue du point de retrait du Drive la fidélité du consommateur à un Drive (Qualité
du point  Satisfaction  Fidélité).
H9 : La satisfaction du consommateur a un effet médiateur dans la relation entre la valeur

perçue globale et la fidélité du consommateur à un Drive (Valeur globale perçue 
Satisfaction  Fidélité).
Afin de tester ces relations indirectes, nous utilisons la procédure proposée par Preacher et
Hayes (2004). Selon cette méthode, nous recourons au test de SOBEL BOOTSTRAP à travers
la macro SPSS en utilisant le script suivant :
Sobel Y= Yvar/X= Xvar/M= Mvar/Boot=Z
Yvar est la variable dépendante (à expliquer), Xvar est la variable indépendante (explicative,
Mvar est la variable médiatrice et Z souligne le nombre de nouveaux échantillons de

bootstrap souhaités. La valeur de Z varie entre 1000 et 1000 000. Dans notre recherche nous
avons fixé la valeur de Z par défaut de la macro au niveau de 5000.
Nous avons conservé la valeur par défaut de la macro au niveau du nombre de ré-
échantillonnage (5000). Nous considérons l’effet médiateur significatif si le zéro n’existe pas
dans l’intervalle de confiance à 95%. Mais, Hair et al. (2017) recommandent, avant de
déclarer s’il y a une relation indirecte de médiation, de calculer l’indice VAF (Variance
Accounted For) pour savoir si cette médiation est partielle ou totale. Selon Hair et al. (2017),
la médiation est considérée totale, si la valeur de VAF>0,8, alors que la médiation est partielle
quand la valeur de VAF varie entre 0,2 et 0,8. Cependant, si la valeur de VAF inférieure à 0,2,
la médiation n’existe pas. Le calcul de VAF se fait avec la formule suivante :
VAF = (a x b) / (a x b) + c’
(a= effet de X sur M ; b= effet de M sur Y ; c’= effet de X sur Y)

Ainsi, ces cinq scripts sont utilisés pour tester H5a, H5b, H6a, H6b, H9 respectivement :
Sobel Y = Fidélité/X = Qualité de site / M = Satisfaction/ BOOT = 5000.
Sobel Y = Fidélité/X = Qualité de site / M = Valeur globale/ BOOT = 5000.
Sobel Y = Fidélité/X = Qualité du point de retrait / M = Valeur globale / BOOT = 5000.
Sobel Y = Fidélité/X = Qualité du point de retrait / M = Satisfaction/ BOOT = 5000.
Sobel Y = Fidélité/X = Satisfaction / M = Valeur globale / BOOT = 5000.
Le tableau 67 ci-dessous montre les résultats du test des hypothèses relatives aux effets
indirectes par les deux médiations: la satisfaction et la valeur globale perçue. L’output de la
macro est présenté en annexe 13.
Tableau 67 : Les résultats de test de Sobel Bootstrap pour l’effet indirect

Relations structurelles Estimation Borne inférieure Borne supérieure
(conf. 95%) (conf. 95%)
H5a : Qualité de site  Satisfaction 0,5315 0,4572 0,6021
 Fidélité
H5b : Qualité de site  Valeur perçue 0,4734 0,4007 0,5420
 Fidélité
H6a : Qualité du point de retrait  0,4968 0,4203 0,5736
Valeur perçue  Fidélité
H6b : Qualité du point de retrait  0,5620 0,4724 0,6546
Satisfaction  Fidélité.
H9 : Valeur globale  Satisfaction 0,4932 0,4134 0,5736
 Fidélité

A travers le tableau ci-dessus, nous constatons que l’intervalle de confiance à 95% ne contient
pas le zéro pour les cinq relations indirectes dans notre recherche. Cela signifie que les effets
indirects sont significatifs avec des valeurs estimées respectivement à 0,5315 ; 0,4734 ;
0,4968 ; 0,5620 ; 0,4932.
Par ailleurs, nous avons calculé le VAF (Variance Accounted For) afin de savoir si cette
médiations est partielle ou totale (Hair et al., 2014, 2017). Le tableau 68 ci-dessous qui
présente le VAF calculé pour chacune des cinq relations confirme qu’il y a un effet médiateur
significatif avec une médiation totale sur la relation qualité de service du point de retrait et la
fidélité du consommateur à un Drive via la satisfaction du consommateur (VAF>0,80), alors
qu’il y a un effet médiateur significatif avec une médiation partielle sur les autres relations
qualité de service de site web du Drive  fidélité via la valeur globale perçue/satisfaction ;
qualité de service du point de retrait du Drive  fidélité via la valeur globale perçue et valeur
globale perçue  fidélité via la satisfaction ( 20 < VAF < 80).
Tableau 68 : La VAF (Variance Accounted For) calculée pour l’effet indirect

Relations structurelles VAF (Variance Accounted For) Médiation
H5a : Qualité de site  Satisfaction  0,72 Médiation partielle
Fidélité
H5b : Qualité de site  Valeur perçue 0,64 Médiation partielle
 Fidélité
H6a : Qualité du point de retrait  0,78 Médiation partielle
Valeur perçue  Fidélité
H6b : Qualité du point de retrait  0,88 Médiation totale
Satisfaction  Fidélité
H9 : Valeur globale  Satisfaction  0,57 Médiation partielle
Fidélité
Ces résultats nous permettent de corroborer les hypothèses suivantes :

de service perçue du site Internet du Drive et la fidélité du consommateur à un Drive. Il s’agit
d’un cas de médiation partielle.
H5b : La valeur globale perçue a un effet médiateur dans la relation entre la qualité de service
perçue du site Internet du Drive et la fidélité du consommateur à un Drive. Il s’agit d’un cas
de médiation partielle.
de service perçue du point de retrait du Drive et la fidélité du consommateur à un Drive. Il
s’agit d’un cas de médiation partielle.

H6b : La valeur globale perçue a un effet médiateur dans la relation entre la qualité de service
perçue du point de retrait du Drive la fidélité du consommateur à un Drive. Il s’agit d’un cas
de médiation totale.
H9 : La satisfaction du consommateur a un effet médiateur dans la relation entre la valeur
perçue globale et la fidélité du consommateur à un Drive. Il s’agit d’un cas de médiation
partielle.
A ce stade, nous pouvons procéder au test de la médiation multiple supposée entre la qualité
de service du site Web du Dive et la fidélité du consommateur à un Drive, ainsi qu’entre la
qualité de service du point de retrait du Drive et la fidélité du consommateur à un Drive.
1.2.2.2 Test des effets indirects multiple (H5c, H6c)

Notre modèle de recherche contient deux relations avec une médiation multiple :
 La médiation de la valeur globale perçue et de la satisfaction du consommateur entre

la qualité de service du site web du Drive et la fidélité du consommateur à un Drive.
 La médiation de la valeur globale perçue et de la satisfaction du consommateur entre

la qualité de service du point de retrait du Drive et la fidélité du consommateur à un
Drive.
Il est nécessaire de distinguer deux types de médiation multiple : la médiation multiple en une
étape et la médiation multiple en chaîne. La médiation multiple en chaîne correspond au fait
que les deux variables médiatrices jouent conjointement sans considération la relation causale
supposée entre eux : 1) qualité de service du site web du Drive  valeur globale perçue,
satisfaction du consommateur fidélité du consommateur à un Drive ; 2) qualité de
service du point de retrait du Drive  valeur globale perçue, satisfaction du consommateur
fidélité du consommateur à un Drive.
Alors que la médiation multiple en chaîne correspond au fait que les deux variables
médiatrices jouent conjointement en prenant en compte la relation causale supposée entre eux.
Autrement dit, la médiation multiple en chaîne dans notre recherche fait référence au
cheminement causal « qualité de service du site web du Drive valeur perçue
globalesatisfaction du consommateur fidélité du consommateur à un Drive ; qualité
de service du point de retrait du Drive valeur perçue globalesatisfaction du
consommateur fidélité du consommateur à un Drive ».

Pour tester la médiation multiple en une étape, nous avons recouru à la démarche adoptée
auparavant dans le test de médiation simple en utilisant la macro INDIRECTE proposée par
Preacher et Hayes (2008). Tout d’abord, nous avons testé l’effet indirect total des deux
médiateurs, puis les effets indirects spécifiques pour chaque médiateur. Pour ce faire, nous
avons tourné la macro INDIRECT avec les scripts suivants :
 indirect Y = Fidélité du consommateur à un Drive/X = Qualité de service du site

web du Drive/ M = Valeur satisfaction/CONTRAST = 1/NORMAL = 1/BOOT =
5000.
 indirect Y = Fidélité du consommateur à un Drive/X = Qualité de service du

point de retrait du Drive/ M = Valeur satisfaction/CONTRAST = 1/
Nous avons fixé la valeur par défaut de la macro au niveau du nombre de re-échantillonnage
(5000). L’output de la macro est présenté dans l’annexe 14. Cependant, nous avons synthétisé
les résultats des effets indirects totaux par les deux médiations (valeur et satisfaction) dans le
tableau 69 ci-dessous.
Tableau 69 : Les résultats du test des effets indirects totaux par les deux médiateurs
Relations structurelles Coefficient Borne Borne
inférieure supérieure
(conf. 95%) (conf. 95%)
Qualité de service du site web du Drive 

Valeur globale perçue, Satisfaction du
0,5907 0,5226 0,6586
consommateur  Fidélité du consommateur
à un Drive
Qualité de service du point de retrait du Drive

 Valeur globale perçue, Satisfaction du
0,6091 0,5236 0,7011
consommateur  Fidélité du consommateur
à un Drive
A travers les résultats montrés ci-dessus, nous pouvons confirmer que l’effet indirect total par
les deux médiateurs (valeur globale perçue et satisfaction du consommateur) est significatif
pour les deux relations. Cela explique par le fait que son intervalle de confiance à 95% ne
contient pas zéro. Aves des valeurs estimées respectivement à 0,5907 et 0,6091.
Concernant les effets indirects spécifiques en une étape, le tableau 70 ci-dessous expose ces
résultats intéressants.

Tableau 70 : Les résultats du test des effets indirects spécifiques en une étapeTableau
Relations structurelles Valeur globale perçue
Borne inférieure Borne supérieure
(conf. 95%) (conf. 95%)
Qualité de service du site web du Drive  Valeur globale

perçue, Satisfaction du consommateur  Fidélité du
0,1619 0,2912
Qualité de service du point de retrait du Drive  Valeur

globale perçue, Satisfaction du consommateur  Fidélité
0,1689 0,2993
du consommateur à un Drive
Relations structurelles Satisfaction du consommateur

Borne inférieure Borne supérieure
(conf. 95%) (conf. 95%)
Qualité de service du site web du Drive  Valeur globale

perçue, Satisfaction du consommateur  Fidélité du
0,2952 0,4453
Qualité de service du point de retrait du Drive  Valeur

globale perçue, Satisfaction du consommateur  Fidélité
0,3016 0,4614
Les deux médiateurs ont chacun un effet indirect spécifique significatif car l’intervalle de
confiance à 95% des deux effets spécifiques ne contient pas le zéro. De ce fait, la médiation
multiple en étape des deux relations : Qualité de service du site web du Drive  Valeur
globale perçue, Satisfaction du consommateur  Fidélité du consommateur à un Drive ;
Qualité de service du point de retrait du Drive  Valeur globale perçue, Satisfaction du
consommateur  Fidélité du consommateur à un Drive a été mise en évidence.
Concernant la médiation multiple en chaîne, nous avons utilisé la macro MEDTHREE37

proposée par Hayes et al. (2011). Il s’agit des relations :1) Qualité de service du site web du
Drive Valeur globale perçue  Satisfaction du consommateur  Fidélité du
consommateur à un Drive ; 2) Qualité de service du point de retrait du Drive  Valeur
globale perçue  Satisfaction du consommateur  Fidélité du consommateur à un Drive.
Pour ce faire, nous avons tourné la macro MERDTHREE avec les scripts suivants :
37
Cette macro fournie des estimations des effets indirects et leurs intervalles de confiances Bootstrappés pour les
modèles à multiples étapes (X →M1 →M2 →Y).

MEDTHREE y = Fidélité/X = Qualité de service du site/M1 = Valeur/M2 =

Satisfaction/Boot = 5000.
MEDTHREE y = Fidélité/X = Qualité de service du point /M1 = Valeur/M2 =

Satisfaction/Boot = 5000.
En tournant la macro MERDTHREE, nous pouvons identifier trois effets indirects spécifiques
concernant la relation 1 : Qualité de service du site web du Drive Valeur globale perçue
 Satisfaction du consommateur  Fidélité du consommateur à un Drive (voir la figure 23,
relation 1). Le premier effet progresse par la valeur et se termine à la fidélité comme le
produit d’a1 et b1. Quant au deuxième effet indirect spécifique, il progresse à travers la
satisfaction du consommateur et se définit à la fidélité comme le produit d’a2 et b2. Le
troisième effet indirect spécifique passe par la valeur globale perçue, puis par la satisfaction
du consommateur pour se terminer à la fidélité du consommateur à un Drive comme le
produit d’a1, a3, b2. Lorsque les trois effets indirects spécifiques sont ajoutés ensemble,
l’effet indirect total de la qualité du site sur la fidélité de consommateur à un Drive se produit
(a1b1+a2b2+a1a3b2) (Figure 23, relation 1).
Le tableau 71 ci-dessous illustre le test de la médiation en chaîne reliant la qualité de service

du site web du Drive, la valeur globale perçue, la satisfaction et la fidélité ; rappelons en
outre que les résultats du test réalisé par la macro MEDTHREE sont détaillés en annexe 15.
Tableau 71: Les résultats du test des effets indirects spécifiques en chaîne Qualité de service
du site Web du Drive -Valeur globale perçue - Satisfaction du consommateur - Fidélité du
Relations structurelles Valeur Borne Borne Résultat du
inférieure supérieure test
(95%) (95%)
Effet indirects total (médiation en

0,5907 0,5176 0,6595 Significatif
chaîne en 2 étapes)
Effet indirect spécifique (a1b1)

0,2220 0,1614 0,2855 Significatif
qualité du site → valeur →Fidélité

0,1176 0,0769 0,1613 Significatif
qualité du point → satisfaction→
Fidélité)
Effet indirect spécifique (a1a3b2)

0,2511 0,1983 0,3105 Significatif
qualité du site → valeur globale
perçue→ satisfaction → Fidélité)

D’après les résultats obtenus, nous pouvons constater que le zéro n’est pas dans l’intervalle de
confiance à 95% pour l’effet indirect total ainsi que pour tous les trois effets indirects
spécifiques. Ce qui nous conduit à confirmer que les quatre effets indirects sont significatifs.
Cela nous permet de mettre en évidence l’effet indirect entre la qualité de service du site web
du Drive et la fidélité du consommateur à un Drive par la valeur globale perçue et la
satisfaction du consommateur en passant de façon séquentielle.
Concernant la relation 2 : Qualité de service du point de retrait du Drive Valeur globale

perçue  Satisfaction du consommateur  Fidélité du consommateur à un Drive (voir la
figure 23, relation 2). Le premier effet progresse par la valeur et se termine à la fidélité
comme le produit d’a1 et b1. Quant au deuxième effet indirect spécifique, il progresse à
travers la satisfaction du consommateur et se rattache à la fidélité comme le produit d’a2 et
b2. Le troisième effet indirect spécifique passe par la valeur globale perçue, puis par la
satisfaction du consommateur pour terminer à la fidélité du consommateur à un Drive comme
le produit d’a1, a3, b2. Lorsque les trois effets indirects spécifiques sont ajoutés ensemble,
l’effet indirect total de la qualité du point de retrait sur la fidélité de consommateur à un Drive
se produit (a1b1+a2b2+a1a3b2) (Figure 23, relation 2).
Le tableau 72 ci-dessous illustre le test de la médiation en chaîne reliant la qualité de service

du point de retrait du Drive, la valeur globale perçue, la satisfaction et la fidélité. Les résultats
du teste réalisé par la macro MEDTHREE sont détaillés en annexe 16.
Tableau 72: Les résultats du test des effets indirects spécifiques en chaîne Qualité de service
du point de retrait du Drive -Valeur globale perçue - Satisfaction du consommateur - Fidélité
Relations structurelles Valeur Borne Borne Résultat du
inférieure supérieure test
(95%) (95%)
Effet indirects total (médiation en 0,6091 0,5180 0,7001 Significatif

chaîne en 2 étapes)

0,2309 0,1696 0,2996 Significatif
qualité du site → valeur →Fidélité
Effet indirect spécifique (a2b2) qualité 0,1124 0,0717 0,1580 Snignificatif

du point → satisfaction→ Fidélité)
Effet indirect spécifique (a1 a3 b2)

0,2659 0,2081 0,3266 Significatif
qualité du site → valeur globale
perçue→ satisfaction → Fidélité)

A travers les résultats montrés dans le tableau ci-dessus, nous pouvons voir que l’intervalle de
confiance à 95% ne contient pas le zéro pour l’effet indirect total ainsi que pour tous les trois
effets indirects spécifiques ainsi que pour l’effet indirect total. Ce qui nous conduit à
confirmer que les quatre effets indirects sont significatifs. Cela nous permet de mettre en
évidence l’effet indirect entre la qualité de service du point de retrait du Drive et la fidélité du
consommateur à un Drive par la valeur globale perçue et la satisfaction du consommateur en
passant de façon séquentielle.
Figure 23: Un modèle de médiation multiple en deux étapes de l’effet indirect de la qualité du
site/ point sur la fidélité
Satisfaction
Relation 1 b2
a2
c’
Qualité du Fidélité
site
a3
a1
b1
Valeur
globale
Satisfaction
Relation 2 a2 b2
c’
Qualité du Fidélté
point
a3
a1
b1
Valeur
globale

Nous pouvons alors conclure que :
 avec une médiation multiple en une étape significative et une médiation multiple en
chaîne significative également => la qualité de service du site web du Drive a un effet
indirect significatif sur la fidélité du consommateur à un Drive par la médiation de la
valeur globale perçue et la satisfaction du consommateur. Ce résultat permet de corroborer
l’hypothèse H5c.
 avec une médiation multiple en une étape significative et une médiation multiple en
chaîne significative également => la qualité de service du point de retrait du Drive a un
effet indirect significatif sur la fidélité du consommateur à un Drive par la médiation de la
valeur globale perçue et la satisfaction du consommateur. Ce résultat permet de corroborer
l’hypothèse H6c.
L’interprétation et la discussion de ces résultats sont faites à la section 2. Nous passons

maintenant au test des hypothèses concernant les variables sociodémographiques.
1.2.3 Le test des hypothèses relatives aux effets modérateurs

Après tester nos hypothèses sous-jacentes les relations directes et indirectes entre les variables
latentes centrales, il convient à présent de vérifier les effets modérateurs des variables
sociodémographique (sexe, âge, taille de la famille) sur l’ensemble des relations structurelles.
En effet, nous cherchons à vérifier si les relations entre nos construits du modèle changent en
fonction de l’âge, du sexe et de la taille de famille.
Pour cela, nous utilisons l’analyse multi-groupe sous PLS pour tester l’effet modérateur de
ces trois variables sur les liens structurels de notre modèle sous XLSTAT2017 avec le nombre
de permutation = 5000.
1.2.4 L’effet modérateur de l’âge du répondant (H12)

L’hypothèse que nous souhaitons tester est :
H12 : L’âge modère les liens entre les variables du modèle conceptuel.
Selon l’âge, notre échantillon final se répartie en cinq groupes comme le tableau suivant 73 ;

Tableau 73: Description de l’échantillon selon l’âge

Âge Effectifs Pourcentage Pourcentage cumulé
Moins de 30 ans 21 6,0 6,0

Entre 30 et 40 ans 79 22,6 28,6
Entre 40 et 50 ans 123 35,1 63,7
Entre 50 et 60 ans 103 29,4 93,1
60 ans et plus 24 6,9 100,0
Total 350 100,0
Afin d’effectuer une analyse multi-groupe, nous avons constitué deux groupes de taille
acceptable. Le premier groupe est constitué des individus ayant moins de 50 ans (223
individus), alors que le deuxième groupe comprend les individus ayant plus de 50 ans (127
individus). Étant donné que nous avons deux groupes de répondants, nous avons recouru au
test de permutation pour réaliser l’analyse multi-groupe. Ce test combine les avantages des
autres approches38 qui ont été développées pour l’approche PLS, et permet d’obtenir des
informations fiables sur la significativité de la différence entre les coefficients structurels. Le
tableau 74 ci-dessous présente les résultats obtenus :
Tableau 74: Test de permutation pour l’effet modérateur de l’âge de répondant

Path coefficient (groupe 1 vs groupe 2)
Variables latentes Différence p-value Significatif
Qualité du site Valeur 0,088 0,440 Non
Qualité du point  Valeur 0,044 0,681 Non
Qualité du site  Satisfaction 0,124 0,170 Non
Qualité du point  Satisfaction 0,072 0,396 Non
Valeur Satisfaction 0,008 0,902 Non
Valeur  Fidélité 0,150 0,085 Non
Confiance  Fidélité 0,061 0,461 Non
Satisfaction  Fidélité 0,123 0,204 Non
Les résultats du test de permutation montrent que la différence entre les deux groupes n’est
pas significative pour toutes les relations étudiées. Nous avons donc accepté l’hypothèse
d’égalité des paramètres dans les deux groupes. Les résultats du test t exposés dans l’annexe
17 confirment également ce constat ; qu’aucun path coefficient n’est associé au lien entre les
38
L’approche paramétrique classique ; l’approche par effet de modération ; l’approche par test non paramétrique
et approche basée sur les permutations.

variables de notre modèle. L’âge ne modère donc aucune relation structurelle. Ceci nous
conduit à rejeter l’hypothèse H12.
1.2.4.1 L’effet modérateur du genre du répondant (H13)

Notre hypothèse à tester est :
H13 : Le genre a une influence modératrice sur l’ensemble des relations entre les
Un test de permutation a été utilisé pour réaliser l’analyse multi-groupe. Le tableau 75 ci-
dessous présente les résultats du test de permutation ;
Tableau 75 : Test de permutation pour l’effet modérateur du sexe de répondant

Qualité du site  Valeur 0,021 0,849 Non
Qualité du point  Valeur 0,135 0,206 Non
Qualité du site  Satisfaction 0,004 0,966 Non
Qualité du point  Satisfaction 0,059 0,460 Non
Valeur  Satisfaction 0,075 0,266 Non
Le test de permutation indique que la différence entre les deux groupes n’est pas significative
pour tous les liens étudiés. Les résultats du test t montrés dans l’annexe 18 confirment que le
genre ne modère donc aucune relation structurelle. Ce résultat nous conduit donc à rejeter
l’hypothèse H13.
1.2.4.2 L’effet modérateur de la taille de famille (H14)

Notre hypothèse à tester est :
H14 : La taille de famille modère les liens entre les variables du modèle conceptuel.
Selon la taille de famille, notre échantillon se répartie en cinq groupes comme le tableau
suivant 76.

Tableau 76: Description de l’échantillon selon la taille de famille

Taille de la famille Effectifs Pourcentage Pourcentage cumulé
1 20 5,7 5,7
2 79 22,6 28,3
3 138 39,4 67,7
4 97 27,7 95,4
5 16 4,6 100,0
Total 350 100,0
Afin d’effectuer une analyse multi-groupe, nous avons constitué deux groupes de taille
acceptable. Le premier groupe est constitué des familles ayant moins de quatre personnes
(237), alors que le deuxième groupe comprend les familles ayant 4 personnes ou plus (113).
Un test de permutation a été utilisé pour réaliser l’analyse multi-groupe. Le tableau 77 ci-
dessous présente les résultats du test de permutation.
Tableau 77: Test de permutation pour l’effet modérateur de la taille de famille

Qualité du site  Valeur 0,241 0,041 Oui
Qualité du point  Valeur 0,255 0,024 Oui
Qualité du site  Satisfaction 0,329 0,001 Oui
Qualité du point  Satisfaction 0,232 0,007 Oui
Valeur  Satisfaction 0,100 0,164 Non
Le test de permutation montre que la différence entre les deux groupes est significative pour
les relations suivantes : Qualité du site Valeur globale perçue, Qualité du point Valeur
globale perçue, Qualité du site Satisfaction, Qualité du point Satisfaction. Le t test
présenté en annexe 19 confirme ce résultat.
Selon le tableau 78, lorsque le modèle intègre la taille de la famille comme une variable
modératrice, la valeur globale perçue est mieux prédite par la qualité de service du site web du
Drive chez les familles ayant 4 personnes ou plus que chez les familles ayant moins de 4
personnes (le coefficient structurel est de 0,659 vs 0,481, contribution au R² est de 52,2% vs
16,7%).

Tableau 78: Coefficients structurels et R² concernant l’effet de la qualité de service du site sur
la valeur globale perçue selon la taille de la famille
Relations Les familles ayant moins de 4 Les familles ayant 4 personnes ou
structurelles personnes plus
Valeur Pr > |t| Contribution Valeur Pr > |t| Contribution au

au R² % R² %
Qualité du site 
Valeur globale
perçue 0,481 0,000 0,167 0,659 0,000 0,522
Le tableau 79 ci-dessous montre que la valeur globale perçue est mieux prédite par la qualité
de service du point de retrait du Drive chez les familles ayant moins de 4 personnes que chez
les familles ayant 4 personnes ou plus (le coefficient structurel est de 0,372 vs 0,116,
contribution au R² est de 13,2%% vs 1,6%).
Tableau 79: Coefficients structurels et R² concernant l’effet de la qualité de service du point

de retrait sur la valeur globale perçue selon la taille de la famille

au R² % R² %
Qualité du point 
Valeur globale perçue 0,372 0,000 0,132 0,116 0,184 0,016
Selon le tableau 80 ci-dessous, la satisfaction du consommateur est mieux prédite par la

qualité de service du site web du Drive chez les familles ayant 4 personnes ou plus que chez
les familles ayant moins de 4 personnes (le coefficient structurel est de 0,339 vs 0,069,
contribution au R² est de 26,9% vs 0,8%).
Tableau 80: Coefficients structurels et R² concernant l’effet de la qualité de service du site sur
la satisfaction selon la taille de la famille

au R² % R² %
Qualité du site 
Satisfaction 0,069 0,181 0,008 0,339 0,000 0,269

Le tableau 81 ci-dessous montre que satisfaction du consommateur est mieux prédite par la
qualité de service du point de retrait du Drive chez les familles ayant moins de 4 personnes
que chez les familles ayant 4 personnes ou plus (le coefficient structurel est de 0,187 vs 0,045,
contribution au R² est de 5,8%% vs 0,5%).
Tableau 81: Coefficients structurels et R² concernant l’effet de la qualité de service du point

de retrait sur la satisfaction selon la taille de la famille
Relations Les familles ayant moins de 4 Les familles ayant 4 personnes
structurelles personnes ou plus
Valeur Pr > |t| Contribution Valeur Pr > |t| Contribution

au R² % au R² %
Qualité du point 
Satisfaction 0,187 0,000 0,058 0,045 0,454 0,005
En résumé, Il convient d’indiquer que l’influence de la qualité de service du site web du Drive
sur la valeur globale perçue et sur la satisfaction du consommateur est positive et significative
au seuil de 1% uniquement pour les familles ayant 4 personnes ou plus. Mais, l’influence de
la qualité du point de retrait du Drive sur la valeur globale perçue ainsi que sur la satisfaction
du consommateur est positive et significative au seuil de 1% uniquement pour les familles
ayant moins de 4 personnes. Ces résultats nous conduisent à corroborer partiellement
l’hypothèse H14.
Cette section nous a permis de valider notre modèle et de tester les hypothèses de notre
recherche. Tout d’abord, la qualité d’ajustement du modèle global a été estimée par le GoF
(Goodness-of-Fit).
Plusieurs analyses ont ensuite été effectuées pour tester les relations directes entre les
variables latentes de notre recherche. Puis, en utilisant les méthodes de Preacher et Hayes
(2004, 2008) et de Hayes et al. (2011), nous avons pu confirmer les relations indirectes entre
la qualité de service site/ point de retrait et la fidélité par la médiation de la valeur globale
perçue/ satisfaction, et entre la valeur globale perçue et la fidélité par la médiation de la
satisfaction. Concernant les effets modérateurs, nous avons mobilisé des variables
sociodémographiques dont la taille de la famille est retenue comme une variable partialement
modératrice de notre modèle de recherche.
Le tableau 82 récapitulatif présente la synthèse des résultats relatifs aux hypothèses de notre
recherche.

Tableau 82: Récapitulatif du test des hypothèses de recherche

Hypothèses concernant les construits centraux Confirmation
H1 La qualité de service perçue du site Internet du Drive a une influence Oui
H2 La qualité de service perçue du point de retrait du Drive a une influence Oui
H3 La qualité de service du site Internet du Drive a une influence positive Oui
directe sur la valeur globale perçue
H4 La qualité de service du point de retrait de Drive a une influence positive Oui
directe sur la valeur globale perçue
H5a La satisfaction du consommateur a un effet médiateur dans la relation Oui
entre la qualité de service perçue du site Internet du Drive et la fidélité (Partiellement)
H5b La valeur globale perçue a un effet médiateur dans la relation entre la Oui
qualité de service perçue du site Internet du Drive et la fidélité du (Partiellement)
H5c La valeur globale perçue et la satisfaction exercent ensemble un effet Oui
médiateur dans la relation entre la qualité de service perçue du site
Internet du Drive et la fidélité du consommateur à un Drive
H6a La satisfaction du consommateur a un effet médiateur dans la relation Oui
entre la qualité de service perçue du point de retrait du Drive et la (Partiellement)
fidélité du consommateur à un Drive
H6b La valeur globale perçue a un effet médiateur dans la relation entre la Oui
qualité de service perçue du point de retrait du Drive la fidélité du (Totale)
H6c La valeur globale perçue et la satisfaction exercent ensemble un effet Oui
médiateur dans la relation entre la qualité de service perçue du point de
retrait du Drive et la fidélité du consommateur à un Drive
H7 La valeur globale perçue a une influence positive directe sur la Oui
satisfaction du consommateur
H8 La valeur globale perçue a une influence positive directe sur la fidélité Oui
H9 La satisfaction du consommateur a un effet médiateur dans la relation Oui
entre la valeur perçue globale et la fidélité du consommateur à un Drive (Partiellement)
H10 La satisfaction du consommateur a une influence positive directe sur la Oui
fidélité du consommateur à un Drive
H11 La confiance à l’enseigne a une influence positive directe sur la fidélité Oui
Hypothèses concernant les variables individuelles Confirmation
H12 L’âge modère les liens entre les variables du modèle conceptuel Non
H13 Le genre modère les liens entre les variables du modèle conceptuel Non
H14 La taille de famille modère les liens entre les variables du modèle Oui
conceptuel (partiellement)

A ce stade, nous pouvons maintenant procéder à la discussion, interprétation des résultats

obtenues dans notre recherche afin de les mettre en perspective.
2 Discussion, interprétation et mise en perspective des résultats

Nous avons présenté dans la première section de ce chapitre les résultats du test de nos
différentes hypothèses de recherche. Nous allons à présent proposer de synthétiser les
principaux résultats en les discutant et en les mettant en perspective.
D’abord, nous discuterons les résultats du test du modèle de mesure des construits ; les
échelles de mesure des construits de notre modèle. Ensuite, nous mettrons en évidence les
résultats du modèle structurelle. Enfin, nous conclurons la discussion des résultats relatifs au
rôle des variables modératrices.
2.1 Discussion sur les échelles de mesure

L’objectif de ce paragraphe est de comparer les échelles validées dans notre recherche avec
celles-ci existant dans la littérature pour consolider la validation des échelles de mesure.
Le test de notre modèle global et de nos hypothèses de recherche a nécessité la construction et

la validation de six échelles de mesure : la qualité de service du site, la qualité de service du
point de retrait, la valeur globale perçue, la satisfaction, la confiance à l’enseigne et la fidélité
du consommateur à un Drive.
2.1.1 L’échelle de la qualité de service du site Web du Drive

La qualité de service du site web du Drive est opérationnalisée dans notre recherche par
l’échelle de Bressolle (2006), l’échelle de Rolland (2003). A partir de ces deux échelles et en
nous basant sur notre étude qualitative auprès de consommateurs, nous avons identifié sept
dimensions clé de la qualité de service du site web du Drive formées de vingt-six items : la
facilité d’utilisation, l’information, la personnalisation, le design, la sécurité/confidentialité
l’offre et la fiabilité. Certes, la littérature dispose de plusieurs instruments de mesure pour
évaluer la qualité de service du site web. Une série d’analyse factorielle exploratoire avec le
maximum de vraisemblance (MV) a été effectuée afin d’éliminer les items présentant des
qualités psychrométriques insatisfaisantes sous SPSS23. Le coefficient α de Cronbach a été
retenu comme mesure de la cohérence interne.
Cependant, la phase d’analyse exploratoire n’a pas permis de retenir ces sept dimensions. Les
deux dimensions : la personnalisation et la fiabilité, supposées conceptuellement distinctes,

ont été éliminé en phase d’épuration du fait de leurs faibles qualités psychométriques et de
leur factorisation sur différents dimensions. La justification théorique de ces éliminations s’est
appuyée sur les travaux de Bressolle (2006). En effet, cette suppression se base sur le fait que
notre recherche s’intéresse à une expérience précise d’achat sur Drive et non à une série
d’expériences. Or, les items relatifs à la personnalisation nécessitent des expériences répétées
afin que les consommateurs puissent facilement identifier la personnalisation.
L’échelle de la qualité de service du site web du Drive validée au final se compose de 13

items, divisés en cinq dimensions :
Dimension 1 : Facilité d’utilisation (Alpha de Cronbach = 0,857), Dimension 2 : Information

(Alpha de Cronbach = 0,902), Dimension 3 : Assortiment (Offre) (Alpha de Cronbach =
0,931), Dimension 4 : Sécurité / Confidentialité (Alpha de Cronbach = 0,750) et Dimension
5 : Design (Alpha de Cronbach = 0,915).
Ensuite, les cinq dimensions mises à jour par les analyses factorielles exploratoires avec le
maximum de vraisemblance (MV) ont été validées par une analyse factorielle confirmatoire
sous AMOS23. De plus, un test de la fiabilité et de la validité de l’échelle a été réalisé comme
montré dans le tableau 83 ci-dessous.

Tableau 83: Fiabilité et validité de l’échelle de mesure de la qualité du site Web du Drive
ρ > 0,7 ; rhô vc > 0,5 stand.
Dimension « Facilité d’utilisation » : ρ = 0,877 ; rhô vc = 0,704 0,872

FAUTIL1: Ce site de Drive est facile à utiliser 0,796
FAUTIL2: L’organisation et la mise en page de ce site facilitent la recherche
d’informations 0,888
FAUTIL3: C’est très facile d’ajouter ou de retirer des articles de mon panier 0,830
Dimension « Information » : ρ = 0,896 ; rhô vc = 0,741 0,892
INFO1: Ce site fournit sur les produits ou services des informations utiles 0,872
INFO2: Ce site fournit sur les produits ou services des informations suffisamment 0,883
INFO3: Ce site fournit sur les produits ou services des informations Suffisamment 0,827
précises et détailléeS
Dimension « Assortiment » : ρ = 0,937 ; rhô vc = 0,882 0,937
ASSORT1 : Ce site de Drive offre un rapport bon qualité-prix. 0,913
ASSORT2 : Ce Drive offre des produits de bonne qualité. 0,965
Dimension « Sécurité / Confidentialité » : ρ = 0,821; rhô vc = 0,696 0,815
SECONF1 : Ce site de Drive offre un excellent niveau de sécurité. 0,793
SECONF2 : Ma vie privée est bien protégée sur ce site de Drive. 0,874
Dimension « Design » : ρ = 0,897; rhô vc = 0,744 0,894
DESIG1 : Ce site de Drive est visuellement plaisant. 0,895
DESIG2 : Ce site de Drive est visuellement orignal. 0,874
DESIG3 : La mise en page de ce site de Drive est claire et simple. 0,816
Facilité Information Assortiment Sécurité / Design Rhô vc
d’utilisation Confidentialité
Facilité 1 0,704
Information 0,536 1 0,741
Assortiment 0,444 0,515 1 0,882
Sécurité 0,141 0,192 0,520 1 0,636
Design 0,336 0,378 0,468 0,190 1 0,744
2.1.2 L’échelle de la qualité de service du point de retrait du Drive

L’échelle de mesure de la qualité de service du point de retrait du Drive dans notre recherche
est adaptée de l’échelle de SERVQUAL de Parasuraman et al. (1988) et de l’échelle de
Dabholkar et al. (1996). A partir de ces deux échelles et en nous basant sur notre étude
qualitative auprès de consommateurs du Drive, nous avons identifié trois dimensions clés de
la qualité de service du point de retrait du Drive de 15 items : les aspects tangibles (5 items),
l’accessibilité (5 items) et la dimension relationnelle (personnel) (5 items).

Ces 15 items sont ensuite examinés par la méthode d’analyse exploratoire avec le maximum
de vraisemblance (MV) sous SPSS23. Les résultats du test nous ont permis de retenir les trois
dimensions avec 9 items sur un ensemble de 15 items initiaux. Les 6 items ont été éliminés en
phase d’épuration du fait de leurs faibles qualités psychométriques et de leur factorisation sur
différentes dimensions. Nous retrouvons ces trois dimensions dans l’échelle de SERVQUAL de
Parasuraman et al. (1988) et dans l’échelle de Dabholkar et al. (1996) qui comptent en plus la
dimension fiabilité. En effet la fiabilité du point de retrait n’est présente qu’indirectement dans
notre échelle.
Ensuite, les trois dimensions mises à jour par les analyses factorielles exploratoires avec le
maximum de vraisemblance (MV) ont été validées par une analyse factorielle confirmatoire
sous AMOS23. Dimension 1 : Tangibilité (Alpha de Cronbach = 0,840), Dimension 2 :
Accessibilité (Alpha de Cronbach = 0,789), Dimension 3 : Personnel (Alpha de Cronbach =
0,917). De plus, un test de la fiabilité et de la validité de l’échelle a été réalisé (tableau 84).
Tableau 84: Fiabilité et validité de l’échelle de mesure de la qualité du point de retrait du

Drive
ρ > 0,7 ; rhô vc > 0,5 stand.
Dimension « Tangibilité » : ρ = 0,873 ; rhô vc = 0,698 0,752

TANG1 : La décoration et l’esthétique de ce Drive sont agréable. 0,894
TANG2 : L’agencement de ce Drive est très efficace. 0,878
TANG4 : Ce Drive est propre. 0,723
Dimension « Accessibilité » : ρ = 0,895 ; rhô vc = 0,741 0,892
ACCESS3 : J’apprécie la proximité de ce Drive. 0,888
ACCESS4 : Une fois arrivé au point retrait, je reçois ma commande rapidement. 0,874
ACCESS5 : Je me sens en sécurité dans ce Drive. 0,818
Dimension « Personnel » : ρ = 0,922 ; rhô vc = 0,798 0,916
PERSO3 : Le personnel est très disponible. 0,762
PERSO4 : Le personnel est poli et aimable. 0,940
PERSO5 : Le personnel est serviable. 0,965
Tangibilité Accessibilité Personnel Rhô vc
Tangibilité 1 0,698
Accessibilité 0,472 1 0,741
Personnel 0,271 0,339 1 0,798

2.1.3 L’échelle de la valeur globale perçue d’un Drive

Notre étude qualitative exploratoire nous a amené à définir le concept de la valeur globale
perçue d’un Drive comme l’association entre les sacrifices et les bénéfices obtenus par le
consommateur quand il utilise le Drive.
Dans notre recherche, les items de l’échelle de mesure de la valeur globale perçue utilisée
sont empruntés à Aurier, Evrard et N’Goala, (2004) et à Ruiz et al. (2008), et adaptés à la
suite de notre étude exploratoire qualitative. Après les analyse factorielles, exploratoire et
confirmatoire, nous avons conservé tous les quatre items de notre échelle. Les indicateurs de la
qualité psychométriques sont très satisfaisants. De plus, un test de la fiabilité et de la validité de
l’échelle a été réalisé (Alpha de Cronbach = 0,949 ; P= 0,924, Rhô vc = 0,758).
2.1.4 L’échelle de la satisfaction de consommateur

Dans notre recherche, les items de l’échelle de mesure de la satisfaction utilisée sont
empruntés à Oliver (1981) et Llosa (1996), et adaptés à la suite de notre étude exploratoire
qualitative.
Une analyse factorielle exploratoire avec le maximum de vraisemblance (MV) a été effectuée
afin d’éliminer les items présentant des qualités psychrométriques insatisfaisantes sous
SPSS23. Le coefficient α de Cronbach a été retenu comme mesure de la cohérence interne.
Après cette analyse, nous avons conservé tous les quatre items de notre échelle. Les
indicateurs de la qualité psychométriques sont très satisfaisants. De plus, un test de la fiabilité et
de la validité de l’échelle a été réalisé (Alpha de Cronbach = 0,926 ; P= 0,930, Rhô vc =
0,768).
2.1.5 L’échelle de la confiance à l’enseigne

L’échelle de mesure de la confiance à l’enseigne dans notre recherche est évaluée à l’aide de
quatre items, deux items inspirés par Cissé-Depardon et N’Goala (2009), deux items inspirés
de Vesal et Zabkar (2010). Après les analyse factorielles, exploratoire et confirmatoire, nous
avons conservé tous les quatre items de notre échelle. Les indicateurs de la qualité
psychométriques sont très satisfaisants. De plus, un test de la fiabilité et de la validité de
l’échelle a été réalisé (Alpha de Cronbach = 0,917 ; P= 0,906, Rhô vc = 0,707).
2.1.6 L’échelle de la fidélité à un Drive

Dans notre recherche, L’échelle de mesure de la fidélité à un Drive est empruntée à l’échelle
de Zeithaml et al (1996) qui a été adoptée par plusieurs recherches dans le contexte français.

Une analyse factorielle exploratoire avec le maximum de vraisemblance (MV) a été effectuée
afin d’éliminer les items présentant des qualités psychrométriques insatisfaisantes sous
SPSS23. Le coefficient α de Cronbach a été retenu comme mesure de la cohérence interne.
Après cette analyse, nous avons conservé tous les quatre items de notre échelle. Les
indicateurs de la qualité psychométriques sont très satisfaisants. De plus, un test de la fiabilité
et de la validité de l’échelle a été réalisé (Alpha de Cronbach = 0,935 ; P= 0,935, Rhô vc =
0,782).
Sur le plan conceptuel, cette échelle nous a permis de mesurer la fidélité du consommateur à
travers l’intention de faire les courses dans ce Drive, l’intention de recommander ce Drive et
de produire un bouche à oreille positif de ce Drive.
2.2 Discussion des résultats du modèle structurel

L’objectif ultime de notre recherche est de comprendre les déterminants de la fidélité du
consommateur à un Drive dans un contexte de distribution cross canal. Il s’agit aussi de
comprendre dans quelle mesure les variables sociodémographiques sont susceptibles de faire
varier l’importance des déterminants de la fidélité du consommateur.
Dans un premier temps, nous avons discuté la fiabilité et la validité des échelles de mesure
des construits dont il est nécessaire de s’assurer avant toute évaluation des relations entre les
construits. Pour ce faire, nous avons utilisé le logiciel AMOS23. Ensuite, en recourant à des
modélisations sous XLSTAT2017, nous avons pu tester nos 18 hypothèses de recherche. La
confrontation aux données recueillies conduit à rejeter 2 hypothèses et les 16 autres s’en
trouvent corroborées. Toutes les relations du modèle structurel sont acceptées par les données
et seules deux hypothèses portant sur les effets modérateurs de l’âge et du genre sont rejetées.
Nous présentons et discutons ces résultats pour chaque hypothèse en commençant par les
déterminants les plus en amont, qui définissent la qualité de service perçue du Drive et leurs
effets sur les représentations mentales du consommateur (satisfaction ou valeur perçue) ainsi
que sur ses décisions futures se traduisant par sa plus ou moins grande fidélité. Enfin, la
confiance du consommateur envers l’enseigne obéit à une logique un peu différente de la
qualité de service propre au Drive, mais elle a été prise en compte car elle contribue aussi à la
construction des intentions de fidélité du consommateur.

2.2.1 L’effet de la qualité de service du Drive

La qualité de service constitue un élément très important de l’évaluation du consommateur.
Dans notre recherche, la qualité de service dans un contexte de distribution cross canal inclut
la qualité de service du site web du Drive, ainsi que la qualité de service du point de retrait du
Drive. Nous mettons, donc, en perspective les effets directs et indirects de la qualité de
service du Drive sur la satisfaction, puis sur la valeur globale perçue, et enfin sur la fidélité du
consommateur à un Drive.
2.2.1.1 Qualité de service du Drive et satisfaction

Les résultats de notre recherche montrent que, dans l’ensemble, la qualité de service du site
web du Drive a un impact significatif et positif sur la satisfaction du consommateur (H1 :
Valeur effet-direct = 0,161, p = 0,000). De plus, la qualité de service du point de retrait du Drive
exerce également une influence significative et positive sur la satisfaction du consommateur
(H2 : Valeur effet-direct = 0,125, p = 0,002). Les valeurs des ratios critiques établis par bootstrap
sont bonnes car supérieures au seuil de 1,96. Ces deux liens significatifs sont d’intensités
comparables, l’effet de la qualité de service du site web étant un peu plus forte.
Ce résultat va dans le même sens que celui des travaux précédents en confirmant que la
qualité de service virtuelle et physique influe positivement sur la satisfaction du
consommateur.
Plusieurs constats peuvent être faits de ces résultats :

 Ces résultats confirment les relations causales entre la qualité de service du Drive et la
satisfaction du consommateur : certains chercheurs (Parasuraman et al., 1994 ; Rolland,
2003 ; Zeithaml et al., 2006 ; Seck, 2009 ) montrent que l’évaluation de la qualité perçue
par le consommateur est considérée comme un antécédent à la satisfaction du
consommateur. D’ailleurs, dans notre étude qualitative exploratoire, nous avons remarqué
que les consommateurs qui utilisent le Drive pour leurs courses fondent leur évaluation
globale sur la qualité de service perçue au niveau de l’ensemble des canaux utilisés (site
Web comme point du retrait). En bref, ces résultats viennent conforter l’idée du rôle
essentiel de la qualité de service du Drive pour construire la satisfaction du
consommateur.
 Il ressort aussi de nos résultats que la qualité du site web aurait un impact légèrement plus
fort sur la satisfaction que celle du point de retrait. Cela peut tenir au fait que les
consommateurs, choisissent d’acheter en Drive pour sa praticité : c’est un gain de temps et

l’accès au site web est continu. On peut passer commande de chez soi, directement sur le
site web du Drive, en quelques clics de souris et à tout moment, grâce à une connexion
Internet. Il semble évident que le comportement du consommateur s’en trouve
transformé : aujourd’hui, le consommateur a recours au matériel qui lui convient, au
moment où il en a besoin, et accessible presque partout où il se trouve. Trois dimensions
de la qualité de service jouent un rôle clé pour les sites web de Drive : leur design, les
informations qu’ils fournissent et leur facilité d’utilisation. Ces trois aspects contribuent à
la qualité de service du site web avec des coefficients de 0,301 , 0,283 et 0,259
respectivement, loin devant les deux autres dimensions que sont la sécurité (0,180) et
l’assortiment (0,175). Ces résultats sont en cohérence avec ceux relevés par les travaux de
Seck (2009), Bressolles (2004) et Montoya-Weiss et al. (2003) qui identifient les mêmes
aspects (design du site, la facilité d’utilisation et la qualité de l’information) comme des
dimensions-clé de la qualité de service d’un site web telle qu’elle est évaluée par
l’utilisateur et conditionnant, à terme, sa satisfaction. L’effet plus faible de la qualité de
l’assortiment peut être expliqué par la difficulté de juger les produits et par l’étroitesse
relative de l’offre dans le système Drive, ce que notre analyse exploratoire a identifié
comme étant les principaux freins à l’achat en Drive.
 En ce qui concerne la qualité du point de retrait, la relation avec le personnel est la
dimension la plus influente pour les consommateurs du Drive. Elle est suivie d’assez loin
par les aspects tangibles et la facilité d’accès qui sont pourtant à la base du concept. Ce
résultat est cohérent avec la recherche de Rolland (2003) qui indique que la relation avec
le personnel et l’accessibilité sont les dimensions qui comptent le plus pour les
consommateurs. En effet, dès qu’il arrive au point de retrait, le consommateur voit arriver
en moins de cinq minutes un employé qui lui amène ses achats et les range dans le coffre
de sa voiture. Cette fluidité et cette économie d’efforts sont une source de satisfaction
pour le consommateur.
Ces résultats corroborent donc l’idée qu’une bonne qualité de service du Drive est une source
de satisfaction du consommateur.
2.2.1.2 Qualité de service du Drive et valeur globale perçue

Comme nous l’avons mentionné auparavant, la valeur d’un service, telle qu’elle est perçue par
les consommateurs occupe une place significative dans les réflexions actuelles des praticiens
et des chercheurs en marketing. Dans un contexte de distribution cross canal, chacun des

canaux utilisé peut apporter de la valeur pour le consommateur et contribuer à une valeur
globale perçue comme plus élevée pour lui.
Dans notre recherche, nous observons un effet positif direct de la qualité de service du site
web du Drive sur la valeur globale perçue (H3: Valeureffet-direct = 0,503, p = 0,000), ainsi qu’un
effet positif direct de la qualité de service du point de retrait du Drive sur la valeur globale
perçue (H4: Valeureffet-direct = 0,282, p = 0,000).
Les effets positifs directs de la qualité de service du Drive sur la valeur globale perçue sont
cohérents avec les résultats obtenus par plusieurs travaux antérieurs (Van Birgelen, De Jong et
De Ruyter, 2006 ; Vanheems et collin-Lachaud, 2011 ; Diallo et Seck, 2012 ; Paché et Babei,
2015). En effet, une bonne perception par le consommateur de la qualité de service du site
web du Drive, combinée à celle du point de retrait est une source de la valeur globale du
système Drive perçue par les consommateurs.
Nos résultats signalent que la valeur globale perçue serait nettement plus sensible à la qualité
du site web qu’à celle du point de retrait du Drive. Cela peut provenir de ce que l’essentiel de
l’interaction entre le consommateur et le commerçant se situe au niveau du site web : c’est là
que le consommateur prend connaissance des offres, compare les produits et leurs prix, choisit
son créneau de récupération et passe commande. Sa présence sur le point de retrait est brève
et reste une simple formalité pour lui. Sauf dans le cas où le retrait des courses se passerait
mal, l’essentiel des avantages offerts par le système Drive est perçu au niveau du site web où
le consommateur peut prendre son temps et s’informer avant de commander ce qui lui
convient. Passer commande de chez soi permet aussi de mieux maîtriser son budget et ses
dépenses. En bref, une bonne qualité globale des services du système Drive crée de la valeur
pour le client.
2.2.1.3 L’effet indirect de la qualité de service du Drive sur la fidélité du consommateur

D’après les résultats empiriques, la qualité de service du site web dédié et la qualité de service
du point de retrait du Drive exercent aussi un effet indirect significatif sur la fidélité du
consommateur par la médiation de la valeur globale perçue et de la satisfaction du
consommateur :
H5a (Qualité du site  Satisfaction  Fidélité) : Estimation effet-indirect = 0,5315, IC (95%) :

de 0,4572 à 0,6021. Avec une médiation partielle.

H5b (Qualité de site  Valeur perçue  Fidélité) : Estimation effet-indirect = 0,4734, IC (95%) :
de 0,4007 à 0,5420. Avec une médiation partielle.
H6a (Qualité du point de retrait  Valeur perçue  Fidélité) : Estimation effet-indirect = 0,4968,
IC (95%) : de 0,4203 à 0,5736. Avec une médiation partielle.
H6b (Qualité du point de retrait  Satisfaction  Fidélité) : Estimation effet-indirect = 0,5620,

IC (95%) : de 0,4724 à 0,6546. Avec une médiation totale.
Ces effets indirects ont déjà été observés dans des recherches antérieures (Ladhari, 2008 ; Lai
et al., 2009 ; Haghighi et al., 2012) qui montrent que la qualité de service n’influence la
fidélité du consommateur que via la valeur globale perçue ou la satisfaction. De plus, les
travaux de Huang (2012) suggèrent que la satisfaction du consommateur serait responsable de
l’influence de la qualité de service sur la fidélisation du consommateur. Face à une situation
cross-canal, le consommateur a tendance à élaborer une évaluation globale, tant en termes de
satisfaction qu’en termes de valeur perçue, évaluations qui vont déterminer ses décisions
futures. En d’autres termes, ce ressenti et ce jugement globaux jouent un rôle médiateur
entre la qualité perçue du site web ou du point de retrait et la fidélité du consommateur à un
Drive.
2.2.2 L’effet de la valeur globale perçue d’un Drive

La valeur globale pour le consommateur constitue un attribut d’un service que les enseignes
de distribution doivent cultiver pour établir ou renforcer les relations avec leurs clients. Cette
dimension globale est particulièrement cruciale dans un contexte cross-canal comme le Drive,
car chaque élément doit y être de qualité et leur combinaison doit aussi donner satisfaction
pour pouvoir déboucher sur la fidélisation du client.
2.2.2.1 Valeur perçue d’un Drive et satisfaction du consommateur

Les résultats obtenus soulignent un effet positif direct de la valeur globale perçue d’un Drive
sur la satisfaction du consommateur (H7 : Valeur effet-direct = 0,663, p =0,000). Compte tenu de
coefficient relativement fort, ces résultats confirment ceux des travaux antérieurs selon
lesquels la valeur globale perçue est une variable-clé dans la satisfaction du consommateur
(Najjar et al., 2016 ; Eroglu, Machleit et Barr, 2005 ; Carpenter et Fairhurst, 2005 ; Audrain
et Evrard, 2001 ; Cronin, Brady et Hult, 2000).
En effet, la valeur globale perçue d’un Drive par le consommateur ne se résume pas
seulement à son évaluation des coûts et des avantages. La valeur globale perçue d’un Drive

augmente en fonction des bénéfices et décroît en fonction des sacrifices (Belvaux et

Notebaert, 2015). Le recours au Drive permet au consommateur de réduire à la fois
l’incertitude sur les caractéristiques et le prix du produit grâce au supplément d’informations
accessibles en ligne, ainsi que les sacrifices liés à la perte de temps et d’énergie (Rivière et
Mencarelli, 2012, Marion, 2013, Belvaux et Notebaert, 2015).
Nos résultats conduisent aux commentaires suivants :

 A la commodité temporelle, relative à la gestion du temps des consommateurs lorsqu’ils
effectuent leurs courses en Drive, s’ajoute une commodité physique du fait que les courses
sont chargées directement dans la voiture par les employés. La combinaison d’un site web
bien conçu et d’un point de retrait accessible et fluide permet une expérience d’achat
agréable pour le consommateur.
 La dimension économique de l’utilisation du Drive tient à la meilleure maîtrise et au
meilleur contrôle des achats qu’il permet au consommateur. Les prix y sont équivalents à
ceux pratiqués en magasin et le service du Drive est totalement gratuit pour les
consommateurs. Ces trois éléments créent de la valeur pour le consommateur et tendent à
satisfaire ses besoins et ses désirs en matière d’achats courants.
Ces résultats corroborent donc clairement l’hypothèse que le Drive est capable de créer de la
valeur pour le consommateur au moyen d’une stratégie cross canal. Cette valeur globale
perçue d’un Drive contribue à la satisfaction qu’un consommateur retire de son expérience
d’achat.
2.2.2.2 Valeur perçue et fidélité à un Drive

D’après les résultats empiriques, la valeur globale perçue a un effet direct significatif sur la
fidélité du consommateur à un Drive (H8 : Valeureffet-direct = 0,266, p = 0,000). Par ailleurs,
elle a un effet indirect positif sur la fidélité par la médiation de la satisfaction du
consommateur (H9 : Estimationeffet-indirect = 0,4932, CI (95%) : de 0,4134 à 0,5736 avec une
médiation partielle.
Nos résultats obtenus concernant les liens direct et indirect confirment les résultats des
recherches antérieurs ayant montré un impact direct et indirect de la valeur globale perçue sur
la fidélité du consommateur à un Drive par la médiation de la satisfaction du consommateur
(Najjar et al., 2016 ; Fandos Roig et al., 2013 ; Filser, 2008).

 Comme nous l’avons mentionné auparavant, l’adoption du Drive permet au

consommateur d’augmenter les bénéfices et de réduire les sacrifices (Rivière et
Mencarelli, 2012, Marion, 2013, Belvaux et Notebaert, 2015). Ainsi, le Drive offre au
consommateur un parcours sans couture qui, à son tour, influence sa décision de revenir
dans le Drive et de le recommander.
 Nos résultats corroborent l’hypothèse que la satisfaction joue un rôle médiateur partiel
entre la valeur perçue et la fidélité à un Drive. L’influence directe de la valeur sur la
fidélité serait donc doublée par une relation indirecte d’importance similaire. Ce résultat
est conforme à ce qui est observé par la plupart des travaux modélisant ensemble valeur
perçue, satisfaction d’une expérience et fidélité ou intentions futures de ré-achat.
Nos données empiriques ne contredisent donc pas l’hypothèse selon laquelle la valeur globale
perçue d’un Drive est un déterminant essentiel de la fidélité du consommateur à un Drive.
2.2.3 Satisfaction et fidélité à un Drive

Les résultats obtenus soulignent un effet positif direct de la satisfaction du consommateur sur
la fidélité du consommateur à un Drive (H10 : Valeur effet-direct = 0,421, p =0,000). Compte
tenu de coefficient relativement fort, ces résultats confirment ceux des travaux antérieurs
selon lesquels la satisfaction du consommateur est un déterminant important de la fidélité du
consommateur (Najjar et al., 2016 ; Gallarza et al., 2016 ; Fandos Roig et al., 2013 ; Leila,
2006 ; Carpenter et Fairhurst, 2005 Rust et al, 1995 ; Anderson et al., 1994 ; Bolton et Drew,
1994 ; Fornell, 1992 ; Oliver, 1980 Peterson, 2004 Audrain et Evrard, 2001 ; Cronin, Brady et
Hult, 2000).

 Le Drive permet au consommateur d’acheter en ligne et de récupérer ses courses dans un
point de retrait. Avec l’intégration de ces deux canaux, le consommateur du Drive vit une
expérience à la fois originale, plaisante et intéressante. Ainsi, cette expérience contribue à
entrainer un niveau de satisfaction du consommateur plus grand favorisant une relation à
long terme représenté par l’intention de faire les courses dans ce Drive, l’intention de
recommander ce Drive et de produire un bouche à oreille positif de ce Drive.
 L’expérience acquise de l’adoption du Drive offre plusieurs valeurs au consommateur, ce
qui conduit à accroitre l’efficience du consommateur en termes de son choix et de son
processus de décision d’achat. Cela contribue, d’une part, à la satisfaction du
consommateur du Drive qui résulte du cumul d’expérience vécue dans l’ensemble des

canaux utilisés (site web et point retrait du Drive), et d’autre part, contribue à la création
de la fidélité du consommateur au Drive.
 Afin d’offrir une expérience d’achat cohérente au consommateur et de développer une
nouvelle relation avec le consommateur, le Drive apporte de nombreux avantages au
consommateur comme une meilleure couverture de leur besoin, la réduction des sacrifices.
Ainsi, l’expérience agréable de faire les courses en Drive permet la création de la
satisfaction du consommateur qui favorise la fidélité du consommateur au Drive.
L’hypothèse suivant laquelle la satisfaction de l’expérience vécue avec un Drive serait un

déterminant important de la fidélité des consommateurs à un Drive, est conforme à ce que
décrivent les données recueillies.
2.2.4 Confiance vis-à-vis à l’enseigne et fidélité à un Drive

Outre les éléments tenant à la qualité de service du système Drive et à leur appréciation par le
consommateur, la fidélité d’un client dépend aussi de la confiance qu’il accorde à une
enseigne de distribution. Les résultats que nous avons obtenus corroborent ce point : la
confiance à l’enseigne a un impact significatif et positif sur la fidélité du consommateur à u
Drive (H11 : Valeur effet-direct = 0,284, p = 0,000). En effet, sa fidélité augmente au fur et à
mesure que son niveau de confiance envers l’enseigne s’accroît. Ce résultat converge avec
ceux de travaux antérieurs, selon lesquels la confiance à l’enseigne est un élément important
dans les rapports « entreprise-client » et dans le développement de la fidélité (Diawara,
2017 ; Moulins et Roux, 2008 ; Allagui et Temessek, 2005 ; Reichheld et Schefter, 2000 ;
Garbarino et Johnson, 1999 ; Berry, 1995 ; Berry et Parasuraman, 1991). En effet, la
confiance qu’inspire une enseigne se construit à partir de l’idée que l’on se fait de sa
crédibilité, de sa fiabilité et de la garantie qu’elle offre. Cette crédibilité résulte de la
perception par le consommateur que l’enseigne de Drive va respecter ses engagements, en
termes de délai, de prix et de qualité des produits (Toufaily, 2011) et proposer au
consommateur des offres compétitives.
Un des résultats de cette recherche vient donc corroborer l’hypothèse que la confiance
accordée à une enseigne est, à côté de la valeur perçue et de la satisfaction, un déterminant
partiel de la fidélité du consommateur à un Drive de cette enseigne.
2.3 Les variables individuelles sociodémographiques

Dans notre recherche, nous nous sommes intéressés à l’influence des variables individuelles
sociodémographiques sur l’ensemble des relations structurelles. En effet, nous avons vérifié si

les relations entre nos construits du modèle changent en fonction de l’âge, du sexe et de la
taille de famille. Nous avons choisi ces trois variables qui sont traditionnellement utilisées en
marketing, en raison de leur potentiel pouvoir explicatif. Il en ressort les constats suivants.
2.3.1 Le rôle modérateur de l’âge et du genre du répondant (H12, H13)

Après avoir transformé et regroupé la variable âge en deux catégories : les individus ayant
moins de 50 ans et les individus ayant plus de 50 ans, une analyse multi-groupes a été
effectuée qui a permis de tester l’ensemble des relations des variables du modèle dans les
deux groupes. Les résultats des analyses multi-groupes conduisent à rejeter totalement cette
hypothèse, ainsi que l’hypothèse relative à la variable genre du répondant. Nous avions en
effet supposé que selon l’âge et le genre du répondant, la perception des composantes de
qualité de service du Drive, les représentations mentales du consommateur (valeur perçue et
satisfaction) ainsi que ses décisions sont différentes.
Ces résultats ne corroborent pas nos hypothèses H12 : l’âge modère les relations entre les
variables de notre modèle, H14 : le genre du répondant modère les relations entre les
Dans notre échantillon, la majorité des répondants sont plus de 30 ans dans la vie active et
vivent en couple. D’ailleurs, lors de notre étude qualitative, nous avons aussi souligné que le
Drive est fréquenté par les gens qui travaillent et qui sont en couple. En effet, l’accroissement
du taux de travail des femmes dévoile une égalité entre les hommes et les femmes. De ce fait,
la réduction du temps disponible de faire les courses dans les supermarchés nous conduit
d’annoncer qu’il n’y a aucune différence entre les femmes et les hommes en termes
d’évaluation globale de notre modèle de recherche (Binninger, 2013). Les recherches
antérieures, aboutissent à des conclusions similaires, montrent que les caractéristiques
sociodémographiques de l’individu (âge et genre) ne jouent aucun rôle modérateur (Li et al.,
1999 ; Teo, 2001).
2.3.2 Le rôle modérateur de la taille de famille (H14)

Une analyse multi-groupe a été effectuée après avoir transformé et regroupé la variable taille
de famille en deux catégories : les individus ayant moins de 4 personnes dans leur foyer et les
individus ayant plus de 4 personnes. Les résultats de cette recherche montrent que la taille de
famille pouvait être une variable utile pour expliquer certaines réactions aux composantes de

la qualité de service du Drive. Nous avions postulé que la taille de famille du répondant
modérait les relations entre les variables de notre modèle de recherche. Cette hypothèse n’a
été validée que pour quatre relations : Qualité du site Valeur globale perçue, Qualité du
point Valeur globale perçue, Qualité du site Satisfaction, Qualité du point Satisfaction
(tableau 85).
Tableau 85: Path coefficient de l’analyse multi-groupes de la variable taille de famille

Groupe 1 Groupe 2
« Moins de 4 personnes » « Plus de 4 personnes »
Qualité du site Valeur globale perçue 0,481** 0,659**
Qualité du point Valeur globale perçue 0,372** 0,116 (ns)
Qualité du site Satisfaction 0,089(ns) 0,339**
Qualité du point Satisfaction 0,187** 0,045 (ns)
(** p < 0,01 ; ns = non significatif)
La qualité de service du site web du Drive a un effet positif et significatif sur la valeur globale
perçue (au seuil de 1%) pour les foyers ayant moins de 4 personnes ainsi qu’un effet positif et
significatif plus fort pour les foyers ayant 4 personnes et plus. Par ailleurs, la qualité de
service du site web du Drive a une influence positive et significative sur la satisfaction du
consommateur (au seuil de 1%) pour les foyers ayant 4 personnes et plus, alors que cette
influence est non-significative pour les foyers ayant mois de 4 personnes. Concernant la
qualité du point de retrait du Drive, cette variable a une influence positive et significative sur
la valeur perçue ainsi que sue la satisfaction du consommateur (au seuil de 1%) pour les
foyers ayant moins de 4 personnes, alors que cette influence est non-significative pour les
foyers ayant 4 personnes et plus.
Il semble que les familles nombreuses 4 personnes et plus soient sensibles aux dimensions
temporelles, économique et commodité physique : il en est ainsi lorsqu’elles perçoivent
positivement la facilité d’utilisation du site web du Drive, le design, la qualité de
l’information sur le site du Drive. Alors que les familles ayant moins de 4 personnes
s’intéressent plus à la qualité de service du point de retrait qui influence leur évaluation
globale sur la qualité de service perçue du Drive.
Ces résultats concernant les effets modérateurs demeurent cependant difficiles à interpréter,
mais ils ne remettent pas en cause la validité globale du modèle.

Conclusion du chapitre VII

Dans ce septième et dernier chapitre, nous avons présenté les résultats du test de nos
hypothèses de recherche, afin de les interpréter et de les mettre en perspective avec des
travaux antérieurs. Pour ce faire, dans la première section, nous avons validé le modèle
structurel global en montrant la qualité de son ajustement en prenant en considération des
règles d’identification du modèle global. Ensuite, nous testons les hypothèses relatives aux
relations directes entre les variables de ce modèle. Puis, certaines méthodes statistiques ont été
utilisées pour vérifier l’influence indirecte et modératrice entre nos variables, telles que les
méthodes proposées par Preacher et Hayes (2004, 2008) Hayes et al. (2011) et les analyse
multi-groupes.
Dans l’ensemble, les résultats ont permis de corroborer la grande majorité des hypothèses
proposées. Ils montrent que la qualité de service du site web du Drive, la qualité de service du
point de retrait du Drive, la valeur globale d’un Drive, la satisfaction du consommateur et la
confiance à l’enseigne influencent la fidélité du consommateur à un Drive de façon directe ou
indirecte. Enfin, concernant les variables sociodémographiques, les deux variables « âge » et
« sexe » ne modèrent aucune relation entre les variables du modèle, alors que la variable « la
taille de famille» modère les relations : Qualité du site Valeur globale perçue, Qualité du
point Valeur globale perçue, Qualité du site Satisfaction, Qualité du point
Satisfaction.
Dans la deuxième section, nous avons discuté, interprété et mis en perspective l’ensemble des
résultats issus de la phase empirique avec les recherches précédentes. Tout d’abord, nous
avons montré que les échelles de mesure utilisées dans notre recherche ont des qualités
psychométriques satisfaisantes en général. Ensuite, nous avons montré que les résultats du
modèle structurel confirment ou complètent les recherches existantes sur l’évaluation globale
sur la qualité de service et les représentations mentales du consommateur (valeur perçue et
satisfaction).
En bref, nos résultats confirment que dans un contexte de distribution cross-canal,

l’évaluation globale du consommateur ne dépend pas d’un canal mais de l’intégration des
canaux utilisés qui permet au consommateur de vivre une expérience à la fois originale,
plaisants et intéressante

Avec l’intégration de ces deux canaux, le consommateur du Drive vit une expérience à la fois
originale, plaisante et intéressante. Cette dernière contribue à la création de la fidélité du
consommateur à un Drive.
Les implications des résultats seront développées dans la conclusion générale de ce travail.

Conclusion Générale
CONCLUSION GENERALE

1 Synthèse des réponses aux questions de recherche

A travers ce travail de recherche, nous avons tenté de mieux identifier et comprendre les
facteurs clés qui contribuent à fidéliser le consommateur à un Drive dans un contexte de
distribution cross-canal. Cet objectif principal se décline en trois objectifs correspondant à
trois questions de recherche. Dans cette optique, nous avons effectué des recherches portant
sur la stratégie de distribution, le comportement du consommateur, l’innovation commerciale
et sur la fidélité du consommateur, combiné à une étude qualitative auprès de consommateurs
afin de proposer et tester un modèle de recherche intégrateur, qui permet de répondre aux trois
questions de recherche suivantes :

consommateur suite à une expérience d’achat et quels sont ceux qui influencent sa fidélité à
un Drive ?
Question de recherche 2 : Comment ces déterminants se combinent-ils pour créer la fidélité

du consommateur à un Drive?
Question de recherche 3 : Quel est l’impact des variables sociodémographiques sur le

Afin de répondre à ces trois questions de recherche, nous avons d’abord effectué une revue de
la littérature portant sur trois champs de recherche (le comportement du consommateur dans
un contexte de distribution à plusieurs canaux, l’innovation commerciale et la fidélité du
consommateur), combiné à une étude qualitative exploratoire auprès des consommateurs.
L’objectif de cette étude qualitative était d’avoir une meilleure compréhension du
comportement du consommateur en termes de perception, d’attitude et d’évaluation globale
(la satisfaction et la fidélité). Des entretiens semi-directifs ont été menés auprès de seize
consommateurs qui utilisent le Drive dans leurs courses. En effet, ces entretiens nous
permettent d’explorer le terrain de recherche, ainsi que de comprendre mieux le
comportement des clients dans un nouveau environnement de consommation. D’ailleurs, nous
avons obtenu trois principaux résultats ressortant de notre étude qualitative grâce à une
analyse thématique :

 les caractéristiques des répondants : selon le premier résultat, nous pouvons montrer
que la majorité des consommateurs du Drive appartiennent une catégorie socioprofessionnelle
assez élevée, ainsi qu’ils ont un niveau d’étude supérieur. Par ailleurs, nous avons remarqué
que les répondants les plus présents sont des couples avec des enfants.
 Les motifs d’adoption du Drive par les consommateurs : nous avons facilement
remarqué que le system Drive propose plusieurs avantages aux consommateurs comme le
gain de temps, l’accès continu, la rapidité, la modération du prix, la dimension économique, la
réduction de l’effort physique, la proximité, l’accessibilité routière et la satisfaction.
 Les freins d’achat des consommateurs qui ont adopté le Drive : comme nous l’avons
souligné auparavant, le service Dive offre plusieurs avantages aux consommateurs, mais il a
aussi certains inconvénients qui sont considérés comme freins d’achats des consommateurs
qui ont adopté du Drive. nous avons constaté en analysant le discours des répondants
interrogés que les principaux freins d’achat en drive tournaient autour de la difficulté de juger
les produits, l’étroitesse de l’assortiment (la variété) ainsi que le montant de la commande qui
doit être supérieur à 40 euros.
Ces deux étapes (la revue de littérature et notre étude qualitative exploratoire) nous ont permis
de proposer un modèle conceptuel de la qualité de service perçue du Drive et de ses effets sur
les représentations mentales du consommateur (valeur globale perçue et satisfaction) ainsi que
sur sa fidélité au Drive évalué. Ce modèle de recherche et ses hypothèses ont été testés par
une approche quantitative, avec les données obtenues par enquête auprès de 500 utilisateurs
du Drive. Les répondants ont été subdivisés en deux sous-échantillons (N1 = 150 et N2 = 350)
pour réaliser les analyses factorielles exploratoires et confirmatoires. Le test du modèle
général ainsi que des hypothèses de recherche a été conduit en recourant à la méthode des
équations structurelles, plus précisément à la modélisation PLS-PM (Partial least squares,
pathmodelling) au moyen du logiciel XLSTAT 2017.
1.1 Les réponses aux deux premières questions de recherche

consommateur suite à une expérience d’achat et quels sont ceux qui influencent sa fidélité à
un Drive ?
Question de recherche 2: Comment ces déterminants se combinent-ils pour créer la fidélité du

consommateur à un Drive?

Ces tests nous permettent, d’une part, de valider les facteurs explicatifs de la fidélité du
consommateur dans un contexte de distribution cross-canal à un Drive. D’autre part, ces tests
nous permettent également de retenir des effets significatifs indirects entre les quatre
déterminants de la fidélité et la fidélité du consommateur.
Plus précisément, nous avons obtenu les résultats suivants :
La qualité de service du Drive : la qualité de service constitue un élément très important de

l’évaluation du consommateur. Dans notre recherche, la qualité de service dans un contexte de
distribution cross canal inclut la qualité de service du site web du Drive, ainsi que la qualité
de service du point de retrait du Drive. Nous mettons, donc, en perspective les effets directs et
indirects de la qualité de service du Drive sur la satisfaction, puis sur la valeur globale perçue,
et enfin sur la fidélité du consommateur à un Drive :
 la qualité de service du Drive a un impact significatif et positif direct sur la satisfaction

du consommateur. Ce résultat corrobore donc l’idée qu’une bonne qualité de service du Drive
est source de satisfaction du consommateur.
 La qualité de service du Drive un impact significatif et positif direct sur la valeur
globale perçue. Une bonne qualité globale des services du Drive crée de la valeur pour le
client. Cela corrobore donc clairement que le Drive est capable de créer de la valeur pour le
consommateur au moyen d’une stratégie cross-canal.
 La qualité de service du site web dédié et la qualité de service du point de retrait du
Drive exercent aussi un effet indirect significatif sur la fidélité du consommateur par la
médiation de la valeur globale perçue et de la satisfaction du consommateur. En effet, face à
une situation cross-canal, le consommateur a tendance à élaborer une évaluation globale, tant
en termes de satisfaction qu’en termes de valeur perçue, évaluations qui vont déterminer ses
décisions futures.
La valeur globale perçue : la valeur globale pour le consommateur constitue un attribut d’un
service que les enseignes de distribution doivent cultiver pour établir ou renforcer les relations
avec leurs clients. Cette dimension globale est particulièrement cruciale dans un contexte
cross-canal comme le Drive, car chaque élément doit y être de qualité et leur combinaison
doit aussi donner satisfaction pour pouvoir déboucher sur la fidélisation du client :
 La valeur globale perçue influence directement positivement la satisfaction du

consommateur. Ce résultat corrobore clairement l’hypothèse que le Drive est capable de créer

de la valeur pour le consommateur au moyen d’une stratégie cross canal. Cette valeur globale
perçue d’un Drive contribue à la satisfaction qu’un consommateur retire de son expérience
d’achat.
 La valeur globale perçue a un effet direct significatif sur la fidélité du consommateur à un
Drive, ainsi qu’elle a un effet indirect positif sur la fidélité par la médiation de la satisfaction du
consommateur. En effet, note étude empirique ne contredisent pas l’hypothèse selon laquelle la
valeur globale perçue d’un Drive est un déterminant essentiel de la fidélité du consommateur
à un Drive.
La satisfaction du consommateur : la satisfaction du consommateur est un déterminant

important de la fidélité du consommateur. Dans notre recherche,le Drive permet au
consommateur d’acheter en ligne et de récupérer ses courses dans un point de retrait. Avec
l’intégration de ces deux canaux, le consommateur du Drive vit une expérience à la fois
originale, plaisante et intéressante. De plus, l’expérience acquis de l’adoption du Drive offre
plusieurs valeurs au consommateur, ce qui conduit à accroitre l’efficience du consommateur
en termes de son choix et de son processus de décision d’achat. Ainsi, l’expérience agréable
de faire les courses en Drive permet la création de la satisfaction du consommateur qui
favorise la fidélité du consommateur au Drive :
 La satisfaction de l’expérience vécue avec un Drive serait un déterminant important de

la fidélité des consommateurs à un Drive. Ce résultat corrobore l’hypothèse suivant laquelle,
la satisfaction du consommateur a un effet positif direct sur la fidélité du consommateur à un
Drive. est conforme à ce que décrivent les données recueillies.
Confiance vis-à-vis à l’enseigne : outre les éléments tenant à la qualité de service du système
Drive et à leur appréciation par le consommateur, la fidélité d’un client dépend aussi de la
confiance qu’il accorde à une enseigne de distribution. En effet, la fidélité du consommateur
augmente au fur et à mesure que son niveau de confiance envers l’enseigne s’accroît :
 La confiance à l’enseigne a une influence directe et positive sur la fidélité du

consommateur à un Drive. Ce résultat corrobore l’hypothèse selon laquelle la confiance
accordée à une enseigne est un déterminant partiel de la fidélité du consommateur à un Drive
de cette enseigne.
En synthèse, nous avons présenté et discuté les résultats pour chaque hypothèse en
commençant par les déterminants les plus en amont, qui définissent la qualité de service
perçue du Drive et leurs effets sur les représentations mentales du consommateur (satisfaction

ou valeur perçue) ainsi que sur ses décisions futures se traduisant par sa plus ou moins grande
fidélité. Enfin, la confiance du consommateur envers l’enseigne obéit à une logique un peu
différente de la qualité de service propre au Drive, mais elle a été prise en compte car elle
contribue aussi à la construction des intentions de fidélité du consommateur.
1.2 Les réponses à la troisième question de recherche

Question de recherche 3: Quel est l’impact des variables sociodémographiques sur le
Afin de répondre à cette question de recherche, nous nous sommes intéressés, dans notre
recherche, à l’influence des variables individuelles sociodémographiques sur l’ensemble des
relations structurelles. En effet, nous avons vérifié si les relations entre nos construits du
modèle changent en fonction de l’âge, du sexe et de la taille de famille en utilisant l’analyse
multi-groupes. Nous avons choisi ces trois variables qui sont traditionnellement utilisées en
marketing, en raison de leur potentiel pouvoir explicatif. Nous avons obtenu les résultats
suivants :
 Aucun effet modérateur de l’âge du consommateur du Drive n’a été détecté sur
l’ensemble des relations entre les variables de notre modèle de recherche.
 Le genre du consommateur du Drive ne modère pas les liens entre les variables de
notre modèle de recherche.
 La taille de famille n’exerce un effet modérateur que sur quatre relations : Qualité du
site Valeur globale perçue, Qualité du point Valeur globale perçue, Qualité du site
Satisfaction, Qualité du point Satisfaction.
La qualité de service du site web du Drive a un effet positif et significatif sur la valeur globale
et sur la satisfaction plus forte pour les foyers ayant 4 personnes et plus. Concernant la qualité
du point de retrait du Drive, cette variable a une influence positive et significative sur la
valeur perçue ainsi que sur la satisfaction du consommateur pour les foyers ayant moins de 4
personnes, alors que cette influence est non-significative pour les foyers ayant 4 personnes et
plus.Il semble que les familles nombreuses de 4 personnes et plus soient sensibles aux
dimensions temporelles, économique et commodité physique, elles perçoivent ainsi
positivement la facilité d’utilisation du site web du Drive, le design, la qualité de
l’information sur le site du Drive. Alors que les familles ayant moins de 4 personnes

s’intéressent plus à la qualité de service du point de retrait qui influence leur évaluation
globale sur la qualité de service perçue du Drive.
Après avoir synthétisé le résumé des réponses aux trois questions de recherche, nous pouvons
nous concentre sur les apports principaux de ce travail de recherche.
2 Apports de la recherche
Notre travail doctoral vise à développer les recherches en Marketing et en Management de la
distribution en réalisant une meilleure compréhension du comportement du consommateur
dans un contexte de distribution cross-canal qui marque notre époque.
Au terme de notre recherche, nous présentons successivement les apports théoriques, les
implications managériales et contribution méthodologiques.
2.1 Apports théoriques

Ce travail doctoral s’inscrit dans le cadre d’une meilleure compréhension des facteurs
explicatifs du comportement du consommateur qui contribuent à fidéliser les consommateurs
dans le contexte de distribution cross-canal et c’est le cas du Drive qui nous intéresse ici.
A ce titre. Il propose plusieurs apports sur le plan théorique.
Meilleure compréhension du comportement du consommateur et de stratégie de

distribution dans un contexte de distribution cross canal : le Drive
Les nouvelles pratiques de consommation obligent les enseignes à s’adapter, voire à modeler
et à innover par de nouvelles stratégies de distribution. Il s’agit de comprendre comment ces
stratégies de distribution peuvent être une réponse aux besoins et attentes des consommateurs
qui sont à la fois exigeants et connectés. En plus, depuis cinquante ans, nombreuses sont les
innovations commerciales qui ont vu le jour comme l’hypermarché, le hard discount, les
scannettes, les caisses automatiques, les applications Smartphones et plus récemment le
Drive. De ce fait, l’innovation dans le commerce de détail apparaît comme un moyen efficace
pour répondre à cette exigence et elle a un rôle essential dans le domaine du comportement du
consommateur.
En effet, il est nécessaire d’évaluer le changement du comportement du consommateur induit
par ces innovations notamment le Drive qui est le dernier développement du supermarché : le
consommateur change, connecté et mieux informé en permanence, et devient plus exigeant.

De plus, la position du distributeur, son attitude et ses argumentaires doivent s’adapter avec le
changement du comportement du consommateur afin de maintenir sa crédibilité.
Ainsi, notre apport à ce niveau se trouve dans la revue de la littérature que nous avons
abordée sur la stratégie de distribution cross-canal qui consiste à faciliter le processus d’achat
du consommateur à travers les différents canaux utilisés (physique et virtuel), ainsi que sur
l’état d’avancement des recherches consacrées à l’étude du comportement des consommateurs
dans un environnement à plusieurs canaux (multi-canal et cross-canal).Par ailleurs, cette
recherche vient également appuyer sur les récentes recherches sur la distribution cross-canal
en mettant l’accent sur le Drive. Nous avons expliqué le concept du Drive comme une
innovation commerciale ou un nouveau canal de distribution qui permet aux consommateurs
de rationaliser leurs achats effectués en hypermarché et en supermarché, ainsi que nous avons
exposé les raisons de l’essor et du développement du Drive pour les consommateurs et pour
les distributeurs. Nous avons montré les différentes formes du Drive en expliquant les
caractéristiques, stratégie envisagée et spécificité logistique.
A partir de notre étude exploratoire qualitative, nous avons pu identifier dans premier temps le
profil des consommateurs qui utilisent le Drive et mieux comprendre son comportement.
Cette étude qualitative menée auprès des consommateurs du Carrefour Drive nous permet de
ressortir et comprendre les motifs et les freins d’adoption du Drive par les consommateurs.
Clarification du concept de la fidélité du consommateur dans un contexte de distribution

cross-canal
Le deuxième apport théorique que nous souhaitons souligner concerne la tentative de synthèse
du concept de fidélité du consommateur et de sa mesure dans un nouveau contexte, celui du
Drive, ainsi que l’identification des déterminants du comportement du consommateur dans un
contexte de distribution cross-canal ayant une influence sur la fidélité du consommateur. Cela
contribue à l’avancement des recherches sur la fidélité du consommateur alors qu’il devient
de plus en plus mobile et volatil.
Il nécessaire de mettre en évidence le fait que notre recherche ne crée pas un nouvelle variable
relatif à la fidélité du consommateur. Mais, notre recherche se déroule dans le contexte de
distribution cross-canal, le Drive, où la fidélité est moins exploitée par rapport au secteur du
service ou du produit. Pour cela, nous avons fait le point sur les recherches qui contribuent
une meilleure compréhension de la fidélité des consommateurs dans le contexte de
distribuions cross-canal.

Dans un premier temps, nous avons présenté les différentes approches de la fidélité qui sont
adoptées dans les recherches antérieures. Par la suite, nous avons mis l’accent sur les
manifestations de la fidélité, ainsi que sur l’avantage de la fidélité pour l’entreprise et pour le
consommateur. Enfin, nous nous sommes intéressés à la clarification du terme de la fidélité
du consommateur au point de vente commerciale.
Dans un deuxième temps, nous nous sommes attachés à présenter les évolutions de l’offre et
de la relation client dans un contexte de distribution cross-canal. Il s’agit de clarifier ces
différentes évaluations en fonction de la perception de la qualité de service, de la capacité des
enseignes à créer de la valeur et à faire vivre une expérience de consommation à la fois
originale, plaisante et intéressante pour le consommateur à travers une stratégie cross-canal.
En effet, ces variables, les plus citées dans l’approche relationnelle, sont considérées comme
des facteurs ou des déterminants de la fidélité du consommateur.
Proposition et test empirique d’un modèle intégrateur
Le troisième apport théorique de notre travail doctoral est d’avoir intégré au sein d’un seul
modèle des déterminants de la fidélité du consommateur à un Drive et le test empirique de ce
modèle. Pour cela, en nous basant conjointement sur la revue de la littérature et sur notre
étude qualitative exploratoire, nous avons proposé et testé un modèle conceptuel de la qualité
de service perçue du Drive et de ses effets sur les représentations mentales du consommateur
(valeur globale perçue et satisfaction) ainsi que sur sa fidélité au Drive évalué.
A notre connaissance, ce modèle conceptuel proposé et testé dans ce travail est la première
appliquée au system Drive dans le commerce de détail cross-canal. D’ailleurs, il permet une
meilleure compréhension de l’évaluation du consommateur qui utilise le Drive lorsqu’il fait
ses courses dans un contexte de distribution cross canal.
Les résultats obtenus indiquent une bonne qualité d’ajustement du modèle aux données. La
valeur du GOF absolu est très satisfaitant et supérieur à la valeur référence (0,36) selon les
recherches antérieures (EspositoVinzi et al., 2010 ; Wetzels et al., 2009). Le GOF du modèle
globale et celui du modèle bootstrap sont très proches. Cela signifie la stabilité du modèle. Le
GOF relatif indique une forte variance globale restituée par le modèle. Concernant la valeur
du GOF du modèle externe, elle est élevée (0,998), cela nous montre que les liens entre les
variables de mesure et leurs variables latentes sont de bonne qualité. Quant au modèle interne,
le GOF= 0,972 souligne que les relations structurelles sont de bonne qualité. D’ailleurs, le

pouvoir prédictif statistiquement est significatif39 étant donné que les ratios critiques qui
représentent la valeur absolu du test de student sont supérieurs à seuil de 1,96.
Prise en compte de variables individuelles de nature sociodémographique
Un quatrième apport théorique de notre recherche se situe dans l’étude de l’influence de

certaines variables individuelle de nature sociodémographique dans le processus du choix du
Drive par le consommateur lorsqu’il effectue ses courses.
En montrant qu’uniquement la taille de famille a un effet modérateur sur certaines relations

entre les construits du modèle, ce travail permet de mieux comprendre les différences entre les
foyers ayant 4 personnes et plus et les foyers ayant moins de 4 personne dans leur perception
des facteurs qui contribuent à la création de la fidélité du consommateur. Ceci nous amène à
penser que les familles nombreuses de 4 personnes et plus soient sensibles aux dimensions
temporelles, économique et commodité physique. Ainsi, lorsqu’elles perçoivent positivement
la facilité d’utilisation du site web du Drive, le design, la qualité de l’information sur le site du
Drive. Alors que les familles ayant moins de 4 personnes s’intéressent plus à la qualité de
service du point de retrait qui influence leur évaluation globale sur la qualité de service perçue
du Drive.
2.2 Implication managériales

Le secteur de la grande distribution fait face à un environnement très évolutif difficilement
prévisible par la multiplication des canaux et des formules de distribution. Ce contexte
accentue la concurrence entre les enseignes de distribution et transforme largement les
comportements des consommateurs (Ailawadi et Farris, 2017).
Les résultats obtenus par notre étude empirique (qualitative et quantitative), nous permettent
de proposer des recommandations destinées aux managers et praticiens dans le contexte d’une
distribution cross-canal, le Drive vient modifier de nombreux paramètres et notamment la
façon dont sont perçus la qualité de service, la valeur globale du service offert. Au-delà, c’est
le rôle de la satisfaction du client et sa confiance envers l’enseigne qui sont impactées.
L’influence des profils de clients conduit aussi à envisager ce que peut apporter une stratégie
de segmentation de la clientèle du Drive.
39
La validité discriminante a été vérifiée pour tous les modèles de mesure dans la phase confirmatoire. De façon
complémentaire, la validité discrimination des construits du modèle externe a été examinée sur XLSTAS2017.
Les résultats de ce test sont détaillés dans l’annexe 7-1

Implications managériales dues au rôle de la qualité de service du Drive
Mieux comprendre le comportement cross-canal du consommateur ne constitue pas qu’un

apport théorique, mais intéresse aussi directement les managers, notamment en ce qui
concerne la manière dont il établit son jugement à partir de sa pratique d’achats éclatés dans le
temps et dans l’espace. Dans notre recherche, plusieurs facteurs explicatifs de la fidélité du
consommateur à un Drive ont été identifiés et validés. Parmi ces facteurs, la qualité de service
du Drive (qualité du site et qualité du point du retrait) constitue un élément très important de
l’évaluation du consommateur, et montre son rôle critique parce qu’elle influe positivement
sur toutes les autres variables de notre modèle de recherche, soit directement, soit
indirectement.
Nos résultats ont fait apparaître une influence directe de la qualité de service du Drive sur la
satisfaction du consommateur et sur la valeur globale perçue d’un Drive. Ainsi, la qualité de
service du Drive exerce un effet indirect, mais significatif, sur la fidélité du consommateur,
par la médiation de ces deux variables, valeur et satisfaction.
De manière plus précise, nous avons remarqué que les consommateurs qui utilisent le Drive
pour leurs courses fondent leur évaluation globale sur la qualité de service perçue au niveau
de l’ensemble des canaux utilisés, qu’il s’agisse du site Web ou du point du retrait. Nos
données suggèrent aussi que la qualité du site web du Drive aurait un impact plus fort que
celle du point de retrait, tant pour la satisfaction du client que pour la valeur globale qu’il
accorde au système Drive concerné. Cela peut tenir au fait que le consommateur choisit
d’acheter en Drive pour la praticité de cette formule : le gain de temps lors du retrait, mais
aussi lors de la commande, le site web étant accessible en permanence. En outre, le
comportement du consommateur s’en trouve transformé : il utilise le terminal qui lui
convient, au moment où cela l’arrange et quasiment de n’importe quel endroit où il se trouve.
Trois dimensions de la qualité de service jouent un rôle clé pour les sites web du Drive : leur
design, les informations qu’ils fournissent et leur facilité d’utilisation. Ces trois aspects
contribuent à la qualité de service du site web avec des coefficients de 0,301, 0,283 et 0,259
respectivement, loin devant les deux autres dimensions que sont la sécurité (0,180) et
l’assortiment (0,175). L’effet plus faible de la qualité de l’assortiment peut être expliqué par
l’étroitesse relative de l’offre dans le système Drive qui conviendrait mieux qu’une offre très
large, nécessitant plus de temps pour faire ses choix. Ceci ne remet pas en cause les
conclusions de Mevel et Morvan (2015) qui considèrent que qualité de l’offre est aujourd’hui

le facteur principal permettant de développer le système Drive. Il s’agirait plutôt pour les
managers de proposer en Drive un assortiment de produits offrant des niveaux de qualité
différents plutôt qu’un très large éventail.
En ce qui concerne la qualité du point de retrait, la relation avec le personnel, pourtant très
brève, est la dimension la plus influente pour les consommateurs du Drive. Elle est suivie
assez loin par les aspects tangibles et la facilité d’accès qui sont pourtant à la base du concept.
Notre travail vérifie que la multiplication des canaux de distribution est prise en compte par le
consommateur qui est devenu beaucoup plus volatil et exigeant. Dans ce contexte cross-canal,
les consommateurs cherchent à utiliser les différents canaux de distribution de façon intégrée,
à passer de l’un à l’autre selon les avantages perçues. De plus, notre recherche montre que la
multiplication des canaux ne doit pas diluer la perception de la qualité de service par le
consommateur : la qualité globale impose de veiller à la qualité de chaque maillon de la
chaîne.
Il est, par ailleurs, essentiel que les différents canaux soient bien intégrés et coordonnés de
façon à faire de l’achat en Drive une expérience à la fois originale, plaisante et intéressante.
Ceci indique que les managers ont besoin de mieux connaître la façon dont le consommateur
navigue entre les différents canaux de distribution et de mieux comprendre les raison
profondes des parcours qu’il choisit. Sans doute, les managers devraient-ils insister sur la
qualité de service du Drive afin d’accroître la fidélité du consommateur.
Implications managériales dues au rôle de la valeur globale perçue
Partant de nos résultats, la valeur globale perçue d’un Drive est un des déterminants de la
fidélité du consommateur au système Drive. Le coefficient structurel direct de ce construit
avec la fidélité est égal à 0.266 (Valeureffet-direct = 0,266, p =0,000), ce qui est moins que l’effet
direct de la satisfaction ou de la confiance envers l’enseigne. Cependant, à la différence de ces
deux variables, la valeur globale perçue agit aussi de façon indirecte, via la satisfaction du
consommateur qu’elle contribue à expliquer. De ce fait, cette évaluation globale du
consommateur ne doit pas être négligée.
L’introduction du Drive illustre bien la logique combinatoire à l’œuvre dans les innovations
du secteur du commerce de détail (Djellal et Gallouj, 2005 ; Gallouj, 2007), car le
consommateur bénéficie de la combinaison des atouts d’un magasin « en dur » avec ceux d’un
magasin en ligne (Rouquet, 2014 ; Beck et Rygl, 2015). Le Drive permet au consommateur

d’augmenter les bénéfices et de réduire les sacrifices. La dimension économique de l’utilisation

du Drive tient à la meilleure maîtrise et au meilleur contrôle des achats qu’il permet au
consommateur : les prix y sont équivalents à ceux pratiqués en magasin et le service du Drive
est totalement gratuit pour les consommateurs. Le temps consacré aux courses est réduit et
surtout morcelé pour s’adapter plus aisément au mode de vie de chacun. Autrement dit, le
Drive crée de la valeur pour le consommateur et tend à satisfaire ses besoins et ses désirs en
matière d’achats courants. Mais pour cela, il faut qu’il offre au consommateur un parcours
sans couture : nos résultats montrent que la combinaison d’un site web bien conçu et d’un point
de retrait accessible et fluide permet une expérience positive d’achat qui influence sa décision de
revenir dans le Drive et de le recommander.
Il devient important pour les managers engagés dans cette stratégie cross-canal, de chercher
de nouvelles sources de création de valeur qui puissent être clairement perçues par le
consommateur. Cependant, afin de mieux le satisfaire et le fidéliser, il faut, sans doute, aller
au-delà de la compréhension de l’expérience du consommateur saisie dans un canal
spécifique, pour essayer de la situer dans son expérience globale de consommation. Cette
compréhension approfondie du comportement global, des besoins et des attentes des
consommateurs est nécessaire pour toute stratégie cross-canal qui puisse faire face à un
environnement fortement concurrentiel, où le consommateur est devenu de plus en plus volatil
(Seck, 2008).
Implications managériales dues au rôle de la satisfaction du consommateur
Nos résultats montrent que la satisfaction du consommateur a un effet positif et direct sur la
fidélité du consommateur à un Drive (Valeureffet-direct = 0,421, p =0,000). La valeur
relativement élevée de ce coefficient montre que, dans le contexte du Drive, sont confirmés
les résultats de travaux antérieurs selon lesquels la satisfaction du consommateur est un
déterminant important de la fidélité du consommateur (Gallarza et al., 2016 ; Najjar et al.,
2016 ; Fandos Roig et al., 2013 ; Leila, 2006 ; Carpenter et Fairhurst, 2005 ; Peterson, 2004 ;
Audrain et Evrard, 2001 ; Cronin, Brady et Hult, 2000 ; Rust et al, 1995 ; Anderson et al.,
1994 ; Bolton et Drew, 1994 ; Fornell, 1992 ; Oliver, 1980).
L’intégration des canaux de distribution est un facteur qui est perceptible par le
consommateur et qui influence la satisfaction du consommateur du Drive. Comme nous
l’avons mentionné auparavant, le Drive permet au consommateur d’acheter en ligne et de
récupérer ses courses dans un point de retrait. Avec l’intégration de ces deux canaux, le

consommateur du Drive vit une expérience à la fois originale, plaisante et intéressante. Ainsi,
cette expérience contribue à accroître son niveau de satisfaction, favorisant une relation à long
terme. Cela s’exprime dans son intention de faire, à l’avenir, ses courses dans ce Drive et dans
son intention de recommander ce Drive et de produire un bouche à oreille positif de ce Drive.
Ainsi, la question qui intéresserait les gestionnaires du Drive serait évidemment de veiller à
une bonne perception du consommateur de l’intégration des canaux dans son expérience
cross-canal.
Notons que l’intégration des canaux devient un défi majeur, dans la mesure où elle ne
contribue pas seulement à la satisfaction du consommateur, mais également à fidéliser les
consommateurs à un Drive. Cela permet aux managers et aux professionnels de cibler en
priorité les facteurs qui font naître la confiance et les sentiments favorables des
consommateurs, favorisant ainsi un comportement plus fidèle.
Implications managériales dues au rôle de la confiance envers l’enseigne
Un des résultats de notre recherche vient confirmer que la confiance accordée à une enseigne
est, à côté de la valeur perçue et de la satisfaction, un déterminant partiel de la fidélité du
consommateur à un Drive de cette enseigne (Valeureffet-direct = 0,284, p = 0,000). En effet, la
fidélité du consommateur augmente au fur et à mesure que son niveau de confiance envers
l’enseigne s’accroît. Ce résultat converge avec ceux de travaux antérieurs, selon lesquels la
confiance à l’enseigne est un élément important dans les rapports « entreprise-client » et dans
le développement de la fidélité (Diawara, 2017 ; Moulins et Roux, 2008 ; Allagui et
Temessek, 2005 ; Reichheld et Schefter, 2000 ; Garbarino et Johnson, 1999 ; Berry, 1995 ;
Berry et Parasuraman, 1991).
En effet, l’interaction avec l’enseigne joue un rôle très important dans le développement la
confiance à son égard. Dans notre recherche, l’intégration des canaux de distribution montre
que les distributeurs sont à l’écoute des attentes et des besoins des consommateurs. Par
ailleurs, l’adoption de comportement cross-canal permet au consommateur de se former une
opinion assez claire d’une enseigne. Cette opinion se décline sur différentes dimensions,
comme la crédibilité qu’elle inspire, sa fiabilité et la garantie qu’elle représente pour ses
utilisateurs. La confiance envers l’enseigne du Drive résulte de la perception par le
consommateur de ce que cette enseigne va respecter ses engagements et tenir ses promesses,
en termes de délai, de prix et de qualité des produits. Ainsi, la question qui intéresserait les
gestionnaires du Drive serait de vérifier si les consommateurs du Drive sont conscients des

efforts d’intégration des canaux de distribution (site web du Drive et point du retrait) et s’ils
les valorisent. Plus, le consommateur apprécie les efforts d’intégration des canaux, plus il fait
confiance à l’enseigne du Drive ce qui, à son tour, influence sa décision de revenir dans le
Drive et de le recommander.
Implications managériales liées à la nécessité de segmenter la clientèle
L’introduction des variables individuelles sociodémographiques au sein du modèle permet de

voir s’ils délimitent effectivement des groupes de consommateurs adoptant des
comportements différenciés envers ce nouveau mode de distribution et de préciser où se
situent les seuils pertinents.
Dans notre travail, l’étude de l’effet des variables individuelles (comme l’âge, sexe ou la taille
de la famille) sur les relation entre les variables de notre modèle de recherche nous a permis
d’affiner nos analyses. Nos résultats montrent que l’âge et le sexe ne jouent aucun rôle
modérateur significatif. En revanche, il est apparaît que la taille de la famille joue un rôle
modérateur sur les liens entre Qualité du site Valeur globale perçue, Qualité du point de
retrait Valeur globale perçue, Qualité du site Satisfaction et Qualité du point de retrait
Satisfaction. Notre recherche permet de mieux comprendre les différences entre les familles
ayant 4 personnes et plus et les familles ayant moins de 4 personnes dans leur perception des
facteurs qui contribuent à fidéliser le consommateur à un Drive.
L’impact positif de la qualité du site web du Drive sur la valeur globale perçue est
significativement amplifié pour les foyers de 4 personnes ou plus. En outre, pour ces ménages
nombreux, la qualité du site web influence positivement la satisfaction du consommateur,
alors que cette influence n’est pas significativement perceptible pour les foyers de moins de 4
personnes. C’est l’inverse lorsque l’on considère la qualité du point de retrait du Drive : cette
variable exerce une influence positive et significative sur la valeur perçue ainsi que sur la
satisfaction du consommateur pour les ménages de moins de 4 personnes, alors qu’elle ne
joue plus significativement pour les foyers plus importants. A partir de là, les managers des
enseignes de distribution peuvent envisager de segmenter certains aspects de leur offre afin de
suivre au plus près les différents besoins des catégories de consommateurs identifiées.
2.3 Contributions méthodologiques

Notre recherche a nécessite une étape de validation empirique en parallèle avec la réflexion
théorique.

La première contribution méthodologique est liée au choix du terrain de recherche (le systeme
Drive). La spécificité de notre terrain confère à notre travail une vraie originalité. En effet, les
réseaux de distribution ont développé un nouveau mode de distribution, le Drive, qui s’appuie
sur une stratégie de type cross-canal afin de mieux répondre aux attentes et aux besoins des
consommateurs. En dépit de sa nouveauté, le Drive attire chaque année de plus en plus de
consommateurs.
La deuxième contribution méthodologique concerne la démarche suivie. Deux études, l’une

qualitative et l’autre quantitative, ont été menées de façon couplée, la première avec un
caractère uniquement exploratoire. Ces deux études ont consisté à recueillir les opinions et
évaluations de consommateurs utilisant le système Drive.
Au niveau de l’étude qualitative exploratoire, nous avons mené des entretiens semi-directifs
auprès d’utilisateurs du Drive pour déterminer leurs motivations et faire émerge les raisons
qui les conduiraient à être fidèles à un Drive. En nous basant conjointement sur la revue de la
littérature et sur les observations tirées de cette étude qualitative exploratoire, nous avons
identifié les facteurs explicatifs de la fidélité qui doivent être incorporé dans notre modèle
conceptuel.
Sur le plan quantitatif, nous avons procédé un questionnaire fermé auprès d’utilisateurs du
Drive afin de mesurer les variables retenues pour le modèle conceptuel. Nous avons fait
passer le questionnaire en face-à-face pour collecter nos données.
La troisième contribution méthodologique est relative au fait que nous avons utilisé plusieurs
méthodes afin de traiter nos donnés qualitative. Après avoir décrit les caractéristiques de notre
échantillon, ainsi que les analyse préliminaire de l’adéquation des données à l’analyse multi-
varié, nous présentons l’épuration de nos échelles de mesure, plus particulièrement l’analyse
factorielle exploratoire en utilisant le logiciel SPSS 23 afin d’identifier la structure factorielle
de chaque échelle de mesure de notre modèle de recherche. Ensuite, nous réalisons une
analyse factorielle confirmatoire en utilisant le logiciel AMOS 23 afin de préciser la façon
dont les construits sont mesurés à partir des items. Concernant le modèle structurel et les
relations entre les variables de ce modèle, nous utilisons la modélisation des équations
structurelles avec la méthode PLS à travers le logiciel XLSTAT 2017. Nous testons différents
types d’effets (directs et indirects) avec différentes méthodes (les path coefficients et le
pouvoir prédictif du modèle, les scripts du test de SobelBootstrap et les scripts des effets
indirects à travers la macro SPSS) et en distinguant, pour les relations indirectes, les effets
médiateurs simples et les effets médiateurs multiples (en une étape ou en chaîne). Par

ailleurs, la qualité d’ajustement du modèle global est estimée par l’indice GOF. Les effets
modérateurs des variables individuelles sociodémographiques sont estimés à travers l’analyse
multi-groupes.
3 Limites de la recherche
A côté des apports présentés ci-dessus, notre recherche comporte aussi des limites, qui
ouvrent la voie à des recherches futures. Ces limites sont de trois ordres selon qu’elles sont
relatives à la méthodologie, à la validité interne ou à la validité externe des résultats que nous
avons obtenus.
3.1 Limites d’ordre méthodologique

Des limites doivent être signalées qui découlent d’aspects méthodologiques concernant, d’une
part, l’étude qualitative exploratoire et, d’autre part, l’enquête qui a permis de recueillir les
données quantitatives qui ont permis d’implémenter le modèle.
Une première limite est liée à notre étude qualitative exploratoire qui n’a eu recours qu’à des
entretiens semi-directifs menés auprès d’utilisateurs de Drive. Ce choix tient à un souci
d’économie de moyens et de temps, ainsi qu’à l’objectif limité assigné à cette phase de la
recherche qui cherchait à mettre en évidence des variables clé ainsi que des formulations
typiques employées pas les utilisateurs de Drive de façon à construire un questionnaire
pertinent et bien adapté au contexte. De ce fait, cependant, cette partie de notre analyse a
exclu l’approche qualitative multi-méthode qui aurait consisté à combiner plusieurs moyens
d’étude différents (études documentaires, entretiens avec les manager et expert, etc.). Cette
dernière aurait pu permettre d’approfondir plus avant la compréhension du comportement du
consommateur en termes d’évaluation dans un contexte de distribution cross-canal comme le
Drive.
Une deuxième limite méthodologique se réfère à la taille de notre échantillon. En effet, la

collecte des données s’est déroulée pendant cinq mois, mais, malgré cette longue durée, nous
n’avons obtenu que 517 réponses, dont 500 étaient exploitables. Ceci peut être expliqué par le
fait qu’il a fallu convaincre chaque personne individuellement de répondre à notre
questionnaire en lui expliquant le but et la démarche de la recherche puis, s’il était d’accord,
comment utiliser les échelles proposées pour donner son évaluation personnelle. Cela nous a
pris beaucoup de temps. Après avoir scindé au hasard l’échantillon (N=500) en deux sous-
échantillons, le premier échantillon (N1= 150 répondants) a été consacré à l’analyse

factorielle exploratoire, alors que le deuxième (N2=350 répondants) a servi pour les besoins
de l’analyse factorielle confirmatoire permettant de tester les hypothèses et le modèle de
recherche. Bien que ce deuxième échantillon soit apparu suffisamment grand pour lui
appliquer la méthode LISREL, il ne l’était pas pour tester le modèle global compte tenu du
nombre total de paramètres à estimer (Byrne, 2013). Cela explique pourquoi nous avons
réalisé, d’une part, les analyses factorielles confirmatoires (AFC) en utilisant les méthodes
d’équations structurelles sous AMOS23 pour la phase confirmatoire. D’autre part, pour tester
notre modèle global ainsi que les relations entre les variables de ce modèle, nous avons eu
recours à la modélisation des équations structurelles par la méthode PLS (path modelling) au
moyen du logiciel XLSTAT 2017.
De ce fait, la qualité d’ajustement du modèle global n’a pu être estimée que par seul
indicateur : le GoF (Goodness-of-Fit). Un échantillon plus important que le nôtre (N=500)
aurait pu nous permettre d’appliquer d’autres méthodes pour valider notre modèle de
recherche et l’analyse multi-groupes aurait pu donner des informations plus précises.
3.2 Limites liées à la validité interne

Giannelloni et Vernette (2012) soulignent que la validité interne concerne la validité de la
relation causale testée. Selon Evrard et al., (2009), cette validité se manifeste par l’assurance
que les variations de la variable dépendante sont causées uniquement par la variable
indépendante. De manière générale, il existe certains biais, relatifs ou non à l’échantillon, qui
peuvent affecter la validité interne les résultats. Dans notre recherche, nous examinons les
biais les plus problématiques liés à la sélection des échantillons, à l’instrument de mesure et à
l’effet de halo.
L’effet de sélection se rapporte au fait que l’échantillon doit être représentatif de la population
étudiée. Notre étude qualitative (empirique) ayant été réalisée dans une seule ville Française
(Aix en Provence), la question de la représentativité de l’échantillon peut se poser. Cependant,
l’objectif de cette étape de la recherche n’imposait pas une stricte représentativité, la
variabilité des réponses devant permettre d’envisager l’éventail des possibles plus que les
proportions de chaque occurrence. Afin de limiter, malgré tout, ce biais, nous nous sommes
concentrés sur une sélection aléatoire des répondants lors de l’enquête face en face.
Le problème de la représentativité de l’échantillon se pose à nouveau avec l’enquête

quantitative : les répondants n’ont fait l’objet d’aucune sélection a priori car nous ne

disposions d’aucune statistique permettant de décrire la population visée : les utilisateurs de

Drive. Il s’agit donc d’un échantillon aléatoire dont la représentativité peut être questionnée.
L’effet d’instrument peut se produire lorsque l’instrument de mesure de donnée est mauvais.
En effet, cet effet conduit à des résultats biaisés. Afin de limiter cet effet, nous avons appliqué
la démarche proposée par Churchill (1979) dans le développement et la validation des
échelles (instruments) de mesure. Notre analyse nous permet d’assurer de bonnes qualités
psychométriques de nos instruments de mesure. Cela indique que le biais instrumental est
bien contrôlé dans notre travail.
L’effet de halo se manifeste lorsqu’une série de questions posées sous la forme d’échelles
sont orientées dans la même direction. Les répondeurs peuvent alors avoir tendance à
répondre mécaniquement de la même façon. Pour limiter cet effet, nous avons changé l’ordre
de présentation des questions proposées et trois versions de celui-ci ont été distribuées aux
répondants. Il a ensuite été vérifié que le type de questionnaire n’influait pas significativement
sur les réponses données.
3.3 Limites liées à la validité externe

L’appréciation de la validité externe d’une recherche se manifeste par la possibilité de
généraliser les résultats d’une étude ou de les extrapoler à un domaine plus vaste (Giannelloni
et Vernette, 2012 ; Evrard et al., 2009). Notre étude empirique s’est appuyée sur les données
collectées auprès d’utilisateurs du Drive dans une seule enseigne à Aix en Provence.
Autrement dit, les conclusions présentées ne valent, stricto sensu, que pour cette enseigne, ce
Drive et ce lieu. En ne retenant qu’une seule enseigne, la recherche a opté pour une meilleure
homogénéité des éléments de contexte améliorant la qualité des analyses possibles. Ceci se
fait forcément au détriment de la validité externe et des possibilités de généralisation des
résultats, ce qui explique que nous avons été particulièrement attentifs à confronter nos
observations avec ce qui avait pu être observé par ailleurs.
Le choix de l’enseigne Carrefour a été dicté par deux raisons principales : sa forte présence
sur le marché français et sa politique de distribution. Cette enseigne est actuellement leader
sur le marché en France et elle a très tôt développé son système Drive. En effet, ce nouveau
format de distribution (le Drive), en dépit de sa nouveauté, attire chaque année de plus en plus
de consommateurs, et la majorité des supermarchés sont désormais équipés d’un Drive. Cela
contribue à réduire les biais relatifs à l’enseigne de distribution choisie.

Un seul pays, la France, fait l’objet de cette étude. Nous pouvons donc nous demander si nos
résultats seraient les mêmes ailleurs en Europe. Il serait difficile de généraliser les résultats
obtenus dans notre étude à tous les pays européens. En effet, le système de Drive que nous
étudions s’est développé d’abord en France et le marché français est le lieu le plus mûr pour la
stratégie de distribution cross-canal. Les consommateurs français sont, sans doute, parmi les
européens, ceux qui ont le plus d’expérience avec cette nouvelle formule de distribution
qu’est le Drive. Il ne s’agissait donc pas de rechercher une représentativité au niveau du
continent, mais de comprendre les ressorts à l’œuvre dans un pays leader dans ce domaine.
4 Perspectives de la recherche
Les limites précédentes inhérentes à notre recherche constituent autant des voies de recherche.
Afin de compléter et enrichir notre travail, nous présentons les voies de recherche liées à la
méthodologie, celles relatives à intégrer d’autres variables
4.1 Perspective méthodologiques

Concernant le plan qualitatif, dans notre recherche, nous avons effectué seulement une étude
exploratoire vis des entretiens semi-directifs auprès des clients afin de mieux comprendre
comportement du consommateur en termes d’évaluation dans un contexte de distribution
cross-canal comme le Drive. Il serait intéressant de réaliser une approche multi-méthodes se
basant sur des entretiens approfondis avec des managers et des experts, ainsi que sur une
étude documentaire qui nous permet de ré-exploiter des informations déjà existantes du point
de vue d’acteurs non académiques.
Étant donné un peu de recherches académiques se focalisant sur cette nouvelle forme de
distribution (Drive) et son influence sur le comportement du consommateur, il serait
nécessaire d’amener une étude documentaire à l’aide de sources internes et de sources
externes afin de, d’une part, compléter de la revue de littérature sur le comportement du
consommateur envers le Drive, et d’autre part, avoir le point de vue d’acteurs non
académiques sur les déterminants qui influencent le chois d’utiliser le Drive par les
consommateurs.
En matière du plan quantitatif, nous avons étudié les facteurs explicatifs de la fidélité du
consommateur à un Drive dans une seule enseigne de distribution (Carrefour) à Aix en
Provence. Il conviendrait de répliquer notre étude dans toutes les enseignes de distribution
équipés d’un Drive, et dans autres villes, voire d’autres pays. Par ailleurs, il serait intéressant

de créer une échelle de mesure en suivant la démarche de Churchill (1979) pour la qualité de
service du Drive, et de collecter plus des données quantitatives que les nôtres afin d’effectuer
sans contrainte les analyses appropriées.
4.2 Intégrer d’autres variables

Dans notre modèle de recherche, nous avons examiné l’influence de la qualité de service et de
ses effets sur les représentations mentales du consommateur (valeur globale perçue et
satisfaction) ainsi que sur sa fidélité au Drive évalué. Il serait intéressant de prendre en
compte d’autres variables faisant partie du même réseau nomologique que la valeur globale
perçue et la satisfaction, comme l’engagement qui connu comme un antécédent important de
la fidélité du consommateur.
L’adoption d’une stratégie cross-canal répond à une volonté des enseignes de distribution de
créer une relation dynamique, forte et interactive assurant la confiance et la fidélité du
consommateur. Les facteurs d’influence liés au choix du Drive comme un point de vente
méritent d’être exploiter. Afin de compléter notre modèle, Nous pouvons intégrer d’autres
variables qui ont une influence sur le choix du Drive. Nous proposons d’étudier deux
variables : la perception de l’image du Drive et la familiarité avec le Drive. Notre proposition
pourrait justifier par le fait que bonne image du point de vente est un déterminant de la fidélité
du consommateur, ainsi que la familiarité a un effet important sur la perception du
consommateur.
Parvenu au terme de ce travail doctoral, nombreuses sont les questions en suspens dans le
contexte de distribution cross-canal. Il y a des questions relatives à une meilleure
compréhension du comportement cross-canal du consommateur, d’autres liées à la manière de
combiner et intégrer les canaux de distribution et de gérer efficacement l’enseigne cross-
canal. Tout cela nécessite des recherches plus approfondies sur le comportement cross-canal
du consommateur et sur la stratégie de distribution cross-canal.

Références Bibliographiques
REFERENCES BIBLIOGRAPHIQUES

A
Abbas N. (2014), Le rôle de l’acculturation dans la perception de l'environnement physique
de service : Application au cas des restaurants du vieux Damas en Syrie. Thèse de
doctorat en sciences de gestion. Université Aix-en- Provence.
Abernathy W., Clark k. (1985), innovation: Mapping the winds of creative destruction,
Research Policy, vol.14, pp.3-22.
Ailawadi K L., Farris P W. (2017), Multi- and Omni-Channel Distribution: Metrics and
Research Directions, Journal of Retailing Managing, vo. l93, n°. 1, pp. 120–135.
Ailawadi K L., Neslin S A., and Gedenk K. (2001), Pursuing the value-conscious consumer:
store brands versus national brand promotions, Journal of Marketing, vol. 65, n°. 1,
pp.71-89.
Aksoy L., Buoye A., Aksoy P., Larivière B., and Keiningham T L. (2013), A Cross-national
Investigation of the Satisfaction and Loyalty Linkage for Mobile Telecommunications
Services across Eight Countries, Journal of Interactive Marketing, vol. 27, n°. 1, pp. 74–
82.
Al-Hawari M., Hartley N., et Ward T. (2005), Measuring Bank’s Automated Service Quality:
A Confirmatory Factor Analysis Approach, Marketing Bulletin, n°. 16, pp. 1-19.
Allagui A., et Temessek A. (2005), La fidélité des utilisateurs des services d’un portail
Internet : Proposition et test d’un modèle intégrateur, Recherche et Application en
Marketing, pp. 19-23, Paris.
Anderson E W., Fornell C., and Lehmann D R. (1994), Customer satisfaction, market share
and profitability: findings from Sweden, Journal of Marketing, vol. 58, n°. 2, pp. 112–
122.
Anderson E W., and Fornell C. (1994), A Customer Satisfaction Research Prospectus, Service
Quality, vol. 12, n°. 3, pp. 241-268.
Anderson E W., Eugene W., and Sullivan M W. (1993), The Antecedents and Consequences
of Customer Satisfaction for Firm, Marketing Science, vol. 12, n°. 2, pp. 125-143.

Ansari A., Mela, C F., et Neslin S A. (2008), Customer channel migration, Journal of
Marketing Research, vol.45, n°.1, pp.60-76.
Arnould E J., and Price L P. (1993), River magic: extraordinary experience and the extended
service encounter, Journal of Consumer Research, vol. 20, June, pp. 24-45.
Audrain A F., N’Goala G., and Ponci I. (2013), A good deal online: The Impacts of
acquisition and transaction value on E-satisfaction and E-loyalty, Journal of Retailing
and Consumer Services, vol. 20, pp. 445–452.
Audrain A F. et Evrard Y. (2001), Satisfactions des consommateurs : Précisions

conceptuelles, Actes du 17ème Congrès international de l’AFM, Deauville, Mai.
Aurier P., Evrard Y. et N’Goala G. (2004), Comprendre et mesurer la valeur du point de vue
du consommateur, Recherche et Applications en Marketing, vol. 19, n°. 3, pp. 1-20.
Aydin S., Özer G. (2005), The analysis of antecedents of customer loyalty in the Turkish
mobile telecommunication market, European Journal of Marketing, vol. 39, n°. 7/8, pp.
910-925.
B
Badot O., et Cova B. (1992), Des marketings en mouvement : vers un néo-marketing ? ,
Revue Française du Marketing, n°. 136, pp. 5-27.
Badot O., et Paché G. (2007), Une logistique expérientielle pour la firme de distribution : du
« zéro défaut » au « zéro ennui », Management & Avenir, vol.11, n°.1, pp. 11-28.
Baker J., Parasuraman A., Grewal D., and Voss G B. (2002), The influence of multiple store
environment cues on perceived merchandise value and patronage intentions, Journal of
Marketing, vol. 66, n°. 2, pp. 120-141.
Bandyopadhyay S K., and Martell M. (2007), Does attitudinal loyalty influence behavioral
loyalty? A theoretical and empirical study, Journal of Retailing and Consumer Services,
vol. 14, n°. 1, pp. 35-44.
Bardin L. (2013), L’analyse de contenu, Paris, PUF, 2ème édition (QUADRIGE).

Barnes S J., and Vidgen R T. 2(003), An integrative approach to the assessment of E-

commerce quality, Journal of Electronic Commerce Research, vol. 3, n°. 3, pp. 114-127.
Baron R M., and Kenny D A. (1986), The moderator-mediator variable distinction in social
psychological research: conceptual, strategic and statistical considerations, Journal of
Personality and Social Psychology, vol. 51, n°.6, pp. 1173-1182.
Bartikowski B. (1999), La satisfaction des clients dans les services: une vue situationnelle du
poids fluctuants des éléments, Working Paper, CEROG (IAE d’Aix en Provence), pp. 1-
48.
Bauer H H., Falk T., and Hammerschmidt M. (2006), e-Trans-Qual: A transaction process
based approach for capturing service quality in online shopping, Journal of Business
Research, vol. 59, n°. 7, pp. 866-875.
Beatty S E., Homer P., and Kahle L R. (1988), The involvement-commitment model: Theory
and implications. Journal of business research, vol. 16, n°. 2, pp. 149-167.
Beck N. and Rygl D. (2015), Categorization of multiple channel retailing in Multi-, Cross-,
and Omni-channel for retailers and retailing, Journal of retailing and consumer services,
vol. 27, pp. 170-178.
Belvaux B., et Notebaert J F. (2015), Cross-canal et omni-canal, DUNOD, Paris.
Belvaux B. (2006), Du E-commerce au multi canal: les différentes implications d’Internet

dans le processus d’achat du consommateur, Revue Française du Marketing, 209, PP. 49-
68.
Belvaux B. (2004), Recherche d’information et achat dans un environnement multi-canal. Le

cas du « Click and Mortar », Thèse de doctorat en Sciences de Gestion, Université de
Bourgogne, Dijon.
Benavent C., Crié D., and Meyer W L. (2000), Analysis of the Efficiency of Loyalty
Programs, The 3rd AFM French-German Conference About Retailing and Distribution in
Europe, St. Malo , June.
Benavent C., et Crié D. (1998), Mesurer l'efficacité des cartes de fidélité, Décisions
Marketing, vol. 15, Jan-April. pp. 10-20.

Bennour-Dahech D R. (2007), La stratégie relationnelle comme moyen de fidélisation : une

application aux relations banque-clientèle étudiante, Thèse en Science de Gestion,
Université de Nice Sophia-Antipolis.
Bergeron Jasmin., Line R., et Jean P. (2003), les déterminants de la fidélité des clients
Commerciaux dans l’industrie bancaire canadienne, Canadian journal of administrative
sciences, Revue canadienne des sciences de l’administration, vol. 20, n°. 2 pp. 107-120.
Berry J B., et Dupuis M, (2005), L’innovation commerciale, concepts et Mesures, 10ème

Journées de Bourgogne, IAE de Dijon.
Berry L L. (1995), Relationship Marketing of Service – Growing Interest, Emerging

Perspectives, Journal of the Academy of Marketing Science, vol. 3, n°. 4, pp. 236-245.
Berry L L., and Parasuraman A. (1991), Marketing services: competing through quality, Free
Press, New York.
Bèzes C. (2010), La congruence perçue des magasins et du site Internet : effets sur le choix du
canal d’achat. Le cas de la Fnac, Thèses en science de gestion, université Panthéon-
Assas.
Biboum A D., and Bekolo C. (2008), Relation client- fournisseur dans le secteur bancaire
camerounais : une coexistence des approches transactionnelle et relationnelle, 9ème
Congrès de l’Association Internationale de Recherche en Entrepreneuriat et PME,
Louvain-la-Neuve, 29, 30 et 31 Octobre.
Binninger A S. (2013), La distribution organisation et acteurs, Gualion éditeur, Lextenso

éditions 2013, Paris.
Binninger A S. (2013), La distribution, Gualino.
Bitner M J., and Hubbert A R. (1994), Encounter Satisfaction Versus Overall Satisfaction
Versus Quality, in Rust R. T. and Olivier R. L. (eds), Service Quality.
Bitner M J., Booms B H., and Mohr L A. (1994), Critical Service Encounters: The
Employee’s Viewpoint, Journal of marketing, vol. 58, October, pp. 95-106.
Bitner M J. (1990), Evaluating Service Encounter: The Effects of Physical Surroundings an

Employee Responses, Journal of Marketing, vol. 54, April, pp. 69-82.

Blattberg R C., Thomas J S. and Getz G. (2001), Customer equity: building and managing
relationship as valuable assets, Cambridge: Harvard Business School Press.
Bloemer J., De Ruyter K., and Wetzels M. (1998), Customer Loyalty in a Service Setting,in E
- European Advances in Consumer Research, vol. 3, pp. 162-169.
Bolton R N., Lemon K N. and Verhoef P C. (2004), The theoretical underpinnings of

customer asset management: A framework and propositions for future research, Journal
of the Academy of Marketing Science, vol. 32, n°. 3, pp. 271 – 292.
Bolton R N., and Drew J H. (1994), Linking customer satisfaction to service operations and
outcomes, In R. Rust and R. Oliver (Eds.), Service quality: new directions in theory and
practice, Thousand Oaks: Sage Publications, pp173-201.
Bolton R N., and Drew J H. (1991), A Multistage Model of Customers: Assessments of

Service Quality and Value, Journal of Consumer Research, vol. 17, March, pp. 375-385.
Bove L., Mitzifiris B. (2007), Personality traits and the process of store loyalty in a
transactional prone context, Journal of Services Marketing, vol. 21, n°. 7, pp. 507-519.
Bowen J T., and Chen S L. (2001). The Relationship Between Customer Loyalty and
Customer Satisfaction, International Journal of Contemporary Hospitality Management,
(May), pp. 213-17.
Boyer A., et Bnefzi A. (2009), La perception de la qualité dans le domaine des services : vers
une clarification des concepts, la revue des sciences de gestion, n°. 237-238, pp. 43-54.
Boyer A., et Nefzi A. (2008), Perception de la qualité et fidélité relationnelle : une application
aux sites web commerciaux, Actes de l’International Congress Marketing
Trends, janvier 2008.
Boyer A., et Nefzi A. (2008), La relation entre la perception de la qualité et la fidélité. La

Revue des Sciences de Gestion, vol. 234, n°. 6, pp. 37-48.
Boyer K K. (2001), E-operations: a guide to streamlining with the Internet, Business

Horizons, vol.44, n°.1, pp.47–54.

Bozzo C., Merunka D., Moulins J L. and Valette-Florence P. (2008), Tous les Pratiquants ne
sont pas des Fidèles : Analyses Typologique et Causale des acheteurs réguliers d’une
Marque, 7th International Congrès Marketing Trends, Vénice, Italie.
Brady M K., Robertson C J., and Cronin J J. (2001), Managing behavioral intentions in
diverse cultural environments: An investigation of service quality, service value, and
satisfaction for American and Ecuadorian fast-food customers, Journal of International
Management, vol. 7, n°. 2, pp. 129-149.
Bressolles G. (2006), La qualité de service électronique : Netqu@l, proposition d‟une échelle

de mesure appliquée aux sites marchands et effets modérateurs, Recherche et
Applications en Marketing, vol. 21, n°.3, pp. 19-45.
Bressolles G. (2004), La qualité de service électronique : Netqu@l, mesures, conséquences et

variables modératrices, Thèse de Doctorat en Science de Gestion, Université des Sciences
sociales de Toulouse (IAE).
Burke R R. (2002), Technology and the Customer Interface: what consumers want in the
physical and virtual store, Journal of Academy of Marketing Science, vol. 30, n°. 4, pp.
411- 432.
Byrne B M. (2013), Structural equation modeling with LISREL, PRELIS, and SIMPLIS: Basic
concepts, applications, and programming, Psychology Press.
C
Carpenter J M., Fairhurst A. (2005), Consumer shopping value, satisfaction, and loyalty for
retail apparel brands, Journal of Fashion Marketing and Management, vol. 9, n°. 3, pp.
256-269.
Cassab H., and Maclachlan D L. (2009), A consumer-based view of multi-channel service,

Journal of Service Management, vol. 20, n°. 1, pp. 52-75.
Chanut O., et Bonet D. (2009), Stratégie de distribution multi-canal : le rôle de la forme

organisationnelle du réseau, 14èmes Journées de Recherche de Marketing de Bourgogne,
Dijon.

Chatterjee P. (2010), Multiple-channel and cross-channel shopping behavior: Role of

consumer shopping orientations, Marketing Intelligence & Planning, vol. 28, n°.1, pp. 9-
24.
Chaudhuri A., and Holbrook M B. (2001), The chain of effects from brand trust and brand
affect to brand performance: The role of brand loyalty, Journal of Marketing, vol. 65, n°.
2, pp. 81-93.
Cheikho A. (2015), L’adoption des innovations technologiques par les clients et son impact
sur la relation client : Cas de la banque mobile, Thèse de doctorat en sciences de gestion,
Université Nice Sophia Antipolis.
Chin W W. (2010), How to write up and report PLS analyses, in ESPOSITO VINZI V.,
CHIN W.W., Henseler J. et Wang H. (Ed), Handbook of partial least squares, concepts,
methods and applications, Springer, Heidelberg, pp. 655-690.
Chin W W. (1998), Issues and opinion on structural equation modeling, MIS Quarterly,
vol. 22, n°. 1, pp. 7-16.
Chin W W. (1998), The partial least squares approach for structural equation modeling, in G.
A. MARCOULIDES (Ed), Modern Methods for Business Research, London, Lawrence
Erlbaum Associates, pp.295-236.
Choi N., Fuqua D R., and Newman J L. (2009), Exploratory and confirmatory studies of the
structure of the Bem Sex Role Inventory short form with two divergent samples.
Educational and Psychological Measurement, vol. 69, n°. 4, pp. 696-705.
Chouk I. (2005), Déterminants de la confiance du consommateur vis-à-vis d’un marchand

Internet non familier : une approche par le rôle des tiers. Thèse de doctorat, Université
Paris IX Dauphine.
Choukroun M. (2012), Les dynamiques de succès de la distribution : l’efficacité par le

pragmatisme et l’innovation, octobre 2012, Parution.
Chumpitaz R., et Swaen V. (2004), La qualité perçue comme déterminant de la satisfaction

des clients en B to B : une étude empirique dans le domaine de la téléphonie, Recherche
et Application en Marketing, vol. 19, n°. 2, pp. 31-52.

Churchill G A., and Peter J P. (1984), Research design effects on the reliability of rating
scales: A meta-analysis, Journal of marketing research, pp. 360-375.
Churchill G A., and Surprenant C. (1982), An investigation into the determinants of customer
satisfaction, Journal of Marketing Research, vol. 19, pp. 491-504.
Churchill G A. (1979), A paradigm for developing better measures of marketing constructs,

Journal of Marketing Research, vol. 16, n°.1, pp. 64-73.
Cisse-Depardon K., et N’Goala G. (2009), Les effets de la satisfaction, de la confiance et de

l’engagement vis-à-vis d’une marque sur la participation des consommateurs à un
boycott, Recherche et Applications en Marketing, vol. 24, n°. 1, pp. 43-67.
Coelho P S., Henseler J. (2012), Creating customer loyalty through service customization,
European, Journal of Marketing, vol. 46, n°. 3/4, pp. 331-356.
Colla E., et Lapoule P. (2012), E-commerce: exploring the critical success factors,
International Journal of Retail and Distribution Management, vol. 40, n°. 11, pp. 842-
864.
Colla E., et Laloupe G. (2011), L’essor du drive en France : des synergies à développer et des
avantages compétitifs à créer, Actes du 14ème Colloque Etienne Thill, Lille, France.
Collier J E. and Bienstock C C. (2006), Measuring Service Quality in E- Retailing, Journal of

Service Research, vol. 8, n°. 3, pp. 260-275.
Collin-Lachaud I., et Vanheems R. (2016), Naviguer entre espaces virtuel et réel pour faire
ses achats : exploration de l’expérience de shopping hybride, Recherche et Applications
en Marketing, vol. 31, n°. 2, pp. 43-61.
Collin-Lachaud I., et Vanheems R. (2011), Comment le parcours cross-canal du

consommateur transforme son expérience de shopping?, Actes du 14ème Colloque
Etienne Thil, Lille-Roubaix, 22-23 septembre.
Corbitt B J., Thanasankitet T., and Yi H. (2003), Trust and e-commerce: A study of consumer
perceptions, Electronic Commerce Research and Applications, vol. 2, n°. 3, pp. 203-215.
Cottet P., Lichtlé M C., et Plichon V. (2005), La valeur du comportement de magasinage :

effet et antécédents, Actes de l’AFM.

Cronin J J., Brady M K., and Hult G. (2000), Assessing the effects of quality, value, and
customer satisfaction on consumer behavioral intentions in service environments, Journal
of Retailing, vol. 76, n°. 2, pp. 193-218.
Cronin J J., and Taylor S A. (1992), Measuring Service Quality: A Re-examination and
Extension, Journal of Marketing, vol. 56, n°. 3, pp. 55-68.
Corstjens M., and Lal R. (2000), Building Store Loyalty through Store Brands, Journal of
Marketing Research, vol. 37, n°. 3, pp. 281-291.
Cottet P., Lichtlé M C. et Plichon V. (2012), Fidélité transactionnelle ou relationnelle : une

approche qualitative , Gestion 2000, vol. 29, n°. 3, pp. 63-82.
Crié D. (2005), De l’usage des modèles de mesure réflectifs ou formatifs dans les modèles
’équations structurelles, Recherche et applications en Marketing, vol. 20, n°. 2, pp. 5-28.
Crié D. (2002), Du paradigme transactionnel au paradigme relationnel, une approche par les
produits fidélisants, IIème Congrès International sur les Tendances du Marketing en
Europe, Paris – Venise, 25-26 Janvier.
Crié D. (2001), Un cadre conceptuel d’analyse du comportement de réclamation, Recherche et

Applications en Marketing, vol. 16, n°. 1, pp. 45-63.
Crié D., et Benavent C. (2001), Les produits Fidélisant dans la relation client-Fournisseurs,
Congrès de l’AFM, Deauville, mai 2001.
Cristau C. (2001), Définition, Mesure et Modélisation de l’attachement à la Marque avec

Deux Composantes : la Dépendance et l’amitié vis-à-vis d’une Marque, Thèse de
Doctorat en Sciences de Gestion, IAE Aix-Marseille 3.
Croizean J P., Fady A., et Vyt D. (2009), Fidélité des consommateurs au point devente:
Analyse des facteurs explicatifs par un modèle logit. Colloque Etienne Thil. La Rochelle.
Cronin J J., and Taylor SA. (1992), Measuring Service Quality: A Re-examination and
Extension, Journal of Marketing, vol. 56, n°. 3, pp. 55-68.

D
Dabholkar P A. (1996), Consumer evaluations of new technology-based self-service options:
An investigation of alternative models of service quality, International Journal of
Research in Marketing, vol. 13, n°. 1, pp. 29-51.
Dabholkar P A., Thorpe D I., and Rentz J O. (1996), A measure of service quality for retail
stores: scale development and validation, Academy of Marketing Science Journal, vol. 24,
n°. 1, pp. 3-16.
Dabholkar P A. (1995), A Contingency Framework for Predicting Causality Between

Customer Satisfaction and Service Quality, Advances in Consumer Research, vol. 22,
n°.1, pp. 101-108.
Dabholkar P A. (1993), Customer Satisfaction and Service Quality: Two Constructs or One?,
American Marketing Association Proceedings, Summer, pp. 10-18.
Dano F., Llosa S., et Orsingher C. (2003), Evaluer un service : les mots pour le dire, Actes du
Congrès International de l’AFM, Tunis, 9-10 Mai.
Darpy D., et Guillard V. (2016), Comportements du consommateur, concepts et outils, 4ème

Edition, Paris, Dunod.
Darpy D., et Volle P. (2007), Comportements du consommateur, concepts et outils, 3°

Edition, Paris, Dunod.
David F D., Bagozzi R P., and Warshaw P R. (1989), User acceptance of computer
technology: A comparison of two theoretical models, Management Science, vol. 35, n°. 8,
August, pp. 982-1003.
Davidson W., Bates A., Bass S. (1976), The retail life cycle , Harvard Business Review,
vol.54, n°. 6, pp. 89-96.
Davidson W. (1970), Changes in distributive institutions, Journal of Marketing, vol. 34, n°.1,
pp.7-10.
Dawson J A. (2000), Futures of Patterns of Retailing in Scotland, pp. 52 pages: Central

Research Unit Scottish Executive.

Day G S. (1969). A Two-Dimensional Concept of Brand Loyalty, Journal of Advertising

Research, vol. 9, pp. 29-35.
De Ramecourt M., et Pons F M. (2002), L’innovation à tous les étages, Editions

d’Organisation, France
De Wulf K., Odekerken-Schroder G., and Iaccobucci D. (2001), Investments in consumer

relationships: a cross country and cross industry exploration, Journal of Marketing, vol.
65, n°. 4, pp. 33-50.
Den Hertog P., Erik B., et Sven M. (2000), Innovation in an Adolescent Cluster: the case of
the Dutch Multimedia Cluster, p 9 in Workshop, Do clusters matter in innovation policy.
Deng Z., Lu Y., and Wei K K., Zhang J. (2010), Understanding customer satisfaction and
loyalty: An empirical study of mobile instant messages in China, International Journal of
Information Management, vol. 30, pp. 289-300.
Des Garets V. (2007), Formats et formules, dix ans de recherche, Actes du Xème Colloque
Etienne Thil, La Rochelle, Octobre, 2007.
Diallo M F. (2011), Les déterminants du choix des marques de distributeur : application à un

marché émergent : le Brésil. Thèse de doctorat en science de gestion. Université Aix
Marseille 3.
Diallo M F., et Seck A M. (2012), La qualité de service dans la distribution : effet sur
l’attitude, la valeur perçue et l’intention d’achat de la marque de distributeur, 15ème
Colloque Etienne THIL-Lille, 29-30 Novembre.
Diawara T. (2017), La fidélité à une enseigne de déstockage physique: une analyse de ses
antécédents et processus de formation, Revue française de gestion, vol. 5, n°. 266, pp
127-144.
Dick A S., and Basu K. (1994), Customer Loyalty: Toward an Integrated Conceptual
Framework, Journal of the Academy of Marketing Science, vol. 22, n°. 2, pp. 99-113.
Dholakia U M., Kahn B E., Reeves R., Rindfleisch A., Stewart D., et Taylor E. (2010),
Consumer Behavior in a Multichannel, Multimedia Retailing Environment, Journal of
Interactive Marketing, vol. 24, n°.2, pp. 86-95.

Dholakia R., Zhao M., et Dholakia N. (2005), Multichannel retailing: a case study of early
experiences, Journal of Interactive Marketing, vol.19, Printemps, pp.63-74.
Djellal F., et Gallouj F. (2005), Un modèle d’analyse de la dynamique de l’innovation dans

les services : le cas des services architecturaux, Economies et sociétés, n°. 7, pp. 1973-
2010.
Dodds W B., Monroe K B., and Grewal D. (1991), Effects of price, brand, and store
information on buyers’ product evaluations, Journal of Marketing Research, vol. 28, n°.
3, pp. 307-319.
Donthu N., Thomas B., Kashyap V., and Musante M. (2009), Profiling the Internet Shopper:
Six Country Study, The Journal of Marketing Theory and Practise, vol. 17 n°. 3, pp. 249-
263.
Drèze X., Hoch S J. and Purk M E. (1994), Shelf management and space elasticity, Journal of
Retailing, vol. 70, n°. 4, pp. 301–326.
Dupuis M., et Dioux J. (2009), Stratégies des réseaux et management des enseignes, 2ème
édition, Pearson.
Dupuis M. (2002), Innovation dans la distribution. Les paradoxes de la prospective, Revue

Française du Marketing, ISSN 0035-3051, n°. 188, 2002, pp.61-68.
Durand B. (2010), E-commerce et logistique urbaine: quand le développement durable s’en

mêle, Revue Française de Gestion Industrielle, vol. 29, n°. 2, pp. 7-26.
Durand B., Gonzalez-Feliu J., et Henriot F. (2010), La logistique urbaine, facteur clé de
développement du B to C, Logistique et Management, vol. 18, n°.2, pp. 7-19.
Duroux S. (2009), Confiance du consommateur dans l’enseigne en situation d’incertitude

irrésolue : Le cas de la grande distribution spécialisée, Thèse de doctorat en sciences de
gestion, université François Rabelais de Tours.
Dwyer FR., Schurr, P H. and Oh S. (1987), Developing buyer-seller relationships, Journal of


East R., Harris P., Willson G., Lomax W. (1995), Loyalty to Supermarkets, International
Review of Retail, Distribution and Consumer Research, vol. 5, n°. 1, pp. 99-109.
Eiglier P. (2004), Marketing et Stratégie des Services, Paris, Economica.
Eiglier P., Langeard E., et Dageville C. (1989), La qualité des services. Revue Française du
Marketing, n°. 121, pp. 93-100.
Eiglier P., et Langeard E. (1987), Servuction : le marketing des services, Paris, Mcgraw-Hill.
Emrich O., Paul M. et Rudolph T. (2015), Shopping Benefits of Multichannel Assortment

Integration and the Moderating Role of Retailer Type, Journal of Retailing, vol. 91, n°. 2,
pp. 326-342.
Eroglu S A., Machleit K., and Barr T F. (2005), Perceived retail crowding and shopping
satisfaction: the role of shopping values, Journal of Business Research, vol. 58, pp. 1146-
1153.
Esposito Vinzi V., Trinchera L., and Amato S. (2010), PLS path modeling: from foundations
to recent developments and open issues for model assessment and improvement, In
Handbook of Partial Least Squares: Concepts, methods and applications, Springer, Berlin
Heidelberg, pp. 47–82.
Esposito Vinzi V. (2003), The PLS approach to path modeling, IASC – IFCS Summer
School, Lisbonne.
Evans J R. (2011), Retailing in perspective: the past in a prologue to the future, The
International Review of Retail, Distribution and Consumer Research, vol.21, n°. 1, pp. 1-
31.
Evrard Y., Pras B., et Roux E., et Desmet P. (2009), Market. Fondements et méthodes de
recherche en marketing, Paris, Dunod, 4ème édition.
Evrard Y., Pras B., et Roux E. (2003), Market. Etudes et recherches en marketing, Paris,
Dunod, 3ème édition.
Evrard Y. (1993), La satisfaction des consommateurs : état des recherches, Revue Française
du Marketing, n°. 144-145, pp. 53-65.
F
Fandos-Roig J C., Guillen M E., Coll SF., and Saumell R P. (2013), Social value in retail
banking, International, Journal of Bank Marketing, vol. 31, n°. 5, pp. 348-367.
Fandos-Roig J C., Sánchez-García J., and Moliner M A. (2013), Perceived Value and
Customer Loyalty in Financial Services, Service Industries Journal, vol. 29 n°. 6, pp.775-
789.
Fenneteau H. (2002), Enquête: entretien et questionnaire, 3ème édition, Paris, Dunod.
Fernandes V. (2012), En quoi l’approche PLS est-elle une méthode a (re)-découvrir pour les
chercheurs en management ? Management, vol. 15, n°. 1, pp. 101-123.
Ferraz De Souza R. (2009), L’impact de l’atmosphère du point de vente dans une situation
d’achat utilitaire : le rôle de l’ambiance, du design, du besoin de cognition et de la
centralité de l’esthétique du magasin, Thèse de Doctorat en Sciences de Gestion,
Université Pierre Mendès-France – Grenoble 2.
Filser M. (2012), Intermédiation et création de valeur dans les canaux : une revue de
littérature. Revue Management et Avenir, n° 51, pp.122-36.
Filser M., Des Garets V., Pache G. (2012), La distribution : organisation et stratégie », 2e
édition, édition EMS
Filser M., et Paché G. (2008), La dynamique des canaux de distribution. Approches

théoriques et ruptures stratégiques, Revue Française de Gestion, vol.182, n°.2, pp.109-133.
Filser M. (2008), Décision, expérience et valeur de consommation – esquisse d’un nouveau

cadre théorique pour l’analyse du comportement du consommateur, Sciences de Gestion,
vol. 64, pp. 27-41.
Filser M., et Plichon V. (2004), la valeur du comportement de magasinage: Statut théorique et

apports au positionnement de l'enseigne, Revue française de gestion, vol. 1, n°. 158, pp.
29-43.
Filser M., Plichon V., et Anteblian-Lambrey B. (2003), La valorisation de l’expérience en

magasin : analyse de l’adaptabilité d’une échelle de mesure de la valeur perçue, Actes du
6ième colloque E.Thil, pp. 1-19.
Filser M. 1989, Les canaux de distribution, Vuibert, Paris.

Fischer E., and Arnold S J. (1994), Sex, gender identity, gender role attitudes and consumer
behavior, Psychology and Marketing, vol. 11, n°. 2, pp. 163-179.
Fishbein M A., and Ajzen I. (1975), Belief, attitude, intention and behavior: an introduction to
theory and research, Reading, MA, Addison Wesley.
Fornell C., Johnson M D., Anderson E W., Cha J., and Bryant B E. (1996), The American
customer satisfaction, index: nature, purpose and findings, Journal of Marketing, vol. 58,
pp. 7-18.
Fornell C. (1992), A national customer satisfaction barometer: the Swedish experience,

Journal of Marketing, vol. 56, pp. 6-21.
Fornell C., and Larcker D F. (1981), Evaluating structural equation models with unobservable
variables and measurement error, Journal of Marketing Research, 18, February, pp. 39-
50.
Fournier S., and Mick D G. (1999), Rediscovering Satisfaction, Journal of Marketing, vol.
63(October), pp. 5-23.
Frasquet M., Mollá D A., and Eugenia M. (2017), Understanding loyalty in multichannel
retailing: the role of brand trust and brand attachment, International Journal of Retail &
Distribution Management, vol. 45, n°. 6, pp. 608-625.
Frisou J. (2005), A Trend Approach of Loyalty Behavior: from the Concept to its Measure,
Recherche et Applications en Marketing, vol. 20, n°. 2, pp. 105-125.
Frisou J. (2000), Confiance interpersonnelle et engagement : une réorientation béhavioriste,

G
Galan J P. et Sabadie W. (2001), Les déterminants de la satisfaction de l’internaute : une
étude exploratoire, 17ème Congrès International de l’association Française de
Marketing, Deauville.
Gale B T. (1994), Managing customer value, New York, The Free Press.

Gallarza M G., Ruiz-Molina M E., and Gil-Saura I. (2016), Stretching the value-satisfaction
loyalty chain by adding value dimensions and cognitive and affective satisfactions: a
causal model for retailing, Management Decision, vol. 54, n°. 4, pp. 981-1003.
Gallouj, C. (2007), Innover dans la grande distribution. De Boeck, Bruxelles.
Ganesan S., and Hess R. (1997), Dimensions and Levels of Trust: Implications for
Commitment to a Relationship, Marketing Letters, vol. 8, n°. 4, pp. 439-448.
Ganesh J., Arnold M J. and Reynolds K E. (2000), Understanding the Customer Base of
Service Providers: An Examination of the Difference Between Switchers and Stayers,
Garbarino E., and Johnson M S. (1999), The Different Roles of Satisfaction, Trust, and
Commitment in Customer Relationships, Journal of Marketing, vol. 63, n°. 2, pp. 70-87.
Gavard-Perret M L. et Helme-Guizon A. (2008), Choisir parmi les techniques spécifiques

d'analyse qualitative, in GAVARD-PERRET M.-L., GOTTELAND D., HAON C. et
JOLIBERT A. (Eds), Méthodologie de la recherche, Paris, Pearson Education.
Gensler S., Marnik G. Dekimpe and Bernd S. (2007), Evaluating Channel Performance in
Multi-channel Environments, Journal of Retailing and Consumer Services, vol. 14, n°. 1,
pp. 17-23.
Gerbing D W., and Anderson J C. (1988), An updated paradigm for scale development
incorporating unidimensionality and its assessment, Journal of Marketing Research, vol.
25, n°. 2, pp. 186-192.
Gharbi M P. (1998), Les facteurs qui influencent les processus décisionnels des
consommateurs lors d’un achat par Internet, Thèse en Administration, IHEC, Montréal.
Ghesquière C. (2011), Vers une nouvelle conception de l’assortiment dans la grande

distribution, Gestion 2000, vol. 28, pp. 31-44.
Giannelloni, J L., et Vernette E. (2015), Etudes de marché, Vuibert, 4ème édition.
Giannelloni J L., et Vernette E. (2012), Etudes de marché, Vuibert, 3ème édition.

Gonzalez M., Comesaña L R. and Brea J. (2007), Assessing Tourist Behavioural Intentions
Though Perceived Service Quality and Customer Satisfaction, Journal of Business
Research, vol. 60,n°. 2, pp. 153-160.
González-Benito O., and Martos-Partal M. (2012), Role of Retailer Positioning and Product
Category on the Relationship Between Store Brand Consumption and Store Loyalty,
Journal of Retailing, vol. 88, n°. 2, pp. 236-249.
Grewal D, Roggeveena A L., and Nordfäl J. (2017), The Future of Retailing, Journal of
Retailing, vol. 93, n°. 1, pp. 1-6.
Grewal D., Monroe K B., and Krishnan R. (1998), The Effects of Price-comparison
Advertising on Buyers Perceptions of Acquisition Value, Transaction Value and
Behavioral Intentions, Journal of Marketing, vol. 62 (July), pp. 46-59.
Grewal D., Krishnan R., Baker J. and Borin N. (1998), The effect of store name, brand name
and price discount on consumers’ evaluations and purchase intentions, Journal of
Grönroos C. (1984), A Service Quality Model and its Marketing Implications, European
Journal of Marketing, vol. 18, n°. 4, pp. 37-44.
Guichard N., et Vanheems R. (2004), Comportement du consommateur et de l’acheteur, Bréal

Editions, Paris.
Gurviez P., et Korchia M. (2002), Proposition d’une échelle de mesure multidimensionnelle

de la confiance dans la marque, Recherche et Applications en Marketing, vol. 17, n°. 3,
pp. 41-61.
Gutierrez O., Luciano M C., Rodríguez M., and Fink B. (2004), Comparison between an
Acceptance-based and a Cognitive-Control-Based Protocol for coping with pain,
Behavior Therapy, vol. 35, pp.767-783.
H
Habib N. (2012), La valeur perçue de l'expérience de magasinage : une application aux
enseignes de grande distribution française, Thèse de doctorat en sciences de gestion,
Université Lyon 3.

Haghighi M., Dorosti A., Rahnama A., and Hoseinpour A. (2012), Evaluation of factors
affecting customer loyalty. African Journal of Business Management, vol. 6, n°. 14,
pp.5039-5046.
Hair J F., Hult G T M., Ringle C M., and Sarstedt M. (2017). A Primer on Partial Least
Squares Structural Equation Modeling (PLS-SEM). 2nd Edition. Thousand Oaks: Sage.
Hair J F., Black W C., Babin B J., Anderson R E., and Tatham R L. (2006), Multivariate data
analysis, New Jersey, Pearson Prentice Hall, 6e edition
Hamadi C. (2008), La qualité perçue de l’Internet bancaire : proposition d’une échelle de

mesure, Conférence : Trust Management on the Internet, 27 juin, Aix-en-Provence.
Hart C. (1999), The retail accordion and assortment strategies: an exploratory study, The
International Review of Retail Distribution and Consumer Research, vol.9, n°. 2, pp. 111-
126.
Hartman J B., and Samra Y M. (2008), Impact of personal values and innovativeness on
hedonic and utilitarian aspects of Web-usage: An empirical study among United States
teenagers. International Journal of Management, vol. 25, n°. 1, pp. 77-94.
Hayes A F., Preacher K J., and Myers T A. (2011), Mediation and the estimation of indirect
effects in political communication research, Sourcebook for political communication
research: Methods, measures, and analytical techniques, vol. 23, pp. 434-465.
Heitz M., Douard J P. et Cliquet G. (2015), Analyse des flux d’achat : l’aide à la localisation
commerciale, Recherche et Applications en Marketing, vol. 30, n°. 1, pp. 118-137.
Heitz M., Douard J P., et Clique G. (2011), Grande distribution alimentaire et Drive: une
solution à la mobilité des consommateurs? », in Actes du 14ème Colloque Etienne Thill,
22-23 septembre 2011.
Heitz-spahn S. (2014), Comportement cross-canaux /cross-enseignes de la génération y :

étude comparative avec la génération x et les baby-boomers, Management & Avenir,
vol.6, n°. 72, pp.157-175
Heitz-spahn S., et Filser M. (2014), La place de l’enseigne dans les trajectoires d’achat des
clients en contexte multi-canal, Décisions Marketing, n°.74, pp. 21-36.

Heitz-spahn S. (2011), Comportements multi-canal: exploration de la préparation de la

décision et de l’achat des consommateurs dans un environnement, Thèse de doctorat en
Sciences de Gestion, Université de Bourgogne, Dijon.
Henson R K., and Roberts J K. (2006), Use of exploratory factor analysis in published
research: Common errors and some comment on improved practice. Educational and
Psychological measurement, vol. 6, n°. 3, pp. 393-416.
Holbrook M.B. (1999), Consumer Value. A Framework for Analysis and Research,
Routledge, Londres.
Hollander S C. (1966), Note on the retail accordions, journal of retailing, vol. 42, n°.2, pp.29-
40.
Hollander S C. Omura G S. (1989), Chain store developments and their political, strategic and
social interdependencies, Journal of Retailing, vol. 65, n°.3, pp. 299-325.
Huang C. (2012), The impact of Relationship Quality on Customer Loyalty, Journal of

Contemporary Management, pp. 53-65.
Hübner A., Kühn H., and Wollenburg J. (2016), Last mile fulfilment and distribution in
Omni-channel grocery retailing: a strategic planning framework?, International Journal
of Retail & Distribution Management, vol. 44, n°. 3, pp. 228-247.
Huré E. (2012), L’expérience trans-canal de magasinage alimentaire : le cas du retour en

magasin suite à l’adoption des supermarchés en ligne, Thèse de doctorat en Sciences de
Gestion, Université de Rennes 1, Rennes.
Igalens J., et Roussel P., et Godet M. (1998), Méthodes de recherches en gestion des
ressources humaines, Paris, Economica.
Igbaria M. (1993), User Acceptance of Microcomputer Technology: An Empirical Test.
Omega, vol. 21, n°. 1, pp. 73-90.

Igbaria M., and Parasuraman S. (1989), A Path Analytic Study of Individual Characteristics,
Computer Anxiety and Attitudes Toward Microcomputers, Journal of Management, vol.
15, pp. 373-388.
Ishaq M. (2012), Perceived value, service quality, corporate image and customer loyalty:
empirical assessment from Pakistan, Serbian Journal of Management, vol. 7, n°. 1, pp.
25-36.
Issac H., et Volle P. (2011), E-commerce : De la stratégie à la mise en œuvre opérationnelle,

Pearson Education, Paris, 2ème édition.
Jacoby J., and Kyner D. (1973), Brand Loyalty vs Repeat Purchasing Behavior, Journal of
Marketing Research, vol. 10, pp. 1-9.
Jacoby J. (1971), An attitudinal model of multi-brand loyalty: Preliminary results and

promotional strategies, Journal of Advertising Research, vol. 11, n°. 3, pp. 25-31.
Jakobowicz E. (2010), Les modèles d’équations structurelles à variables latentes, Cours de

statistique multi-variée approfondie.
Jakobowicz E. (2007), Contributions aux modèles d’équations structurelles à variables

latentes. Thèse de doctorat en informatique, Conservatoire national des arts et métiers,
Paris.
Jamal A., and Naser K. (2002), Customer Satisfaction and Retail Banking: An Assessment of
some of the Key Antecedents of Customer Satisfaction in Retail Banking, International
Journal of Bank Marketing, vol. 20, n°. 4, pp. 146-160.
Janda S., Trocchia J P., and Gwinner K P. (2002), Consumer perceptions of Internet retail
service quality, International Journal of Service Industry Management, vol. 13, n°. 5, pp.
412-43.
Jara M., Vyt D., Meval O., Morva T., and Morvan N. (2018), Measuring customers benefits
of click and collect, Journal of Services Marketing, vol. 32, n°. 4, pp. 430-442.
Jarvenppa S., Tractinsky N., and Vitale M. (2000), Consumer trust in an Internet store,
Information Technology and Management, vol. 1, n°. 1-2, pp. 45–71.

Jarvis C B., Mackenzie S B., and Podsakoff P M. (2003), A critical review of construct
indicators and measurement model misspecification in marketing and consumer research,
Journal of Consumer Research, vol. 30, n°. 2, pp. 199-218.
Jazi S. (2006), Proposition d’un modèle intégrateur de la fidélité au point de vente:

application à l’hypermarché, Actes du 22ème congrès Association Française du
Marketing, Nantes.
Jean P., Michel Z, et Michel Z. (1986), Recherche en marketing: méthodes et décision,

Gaëtan Morin éditeur, Canada.
Jin B., and Suh Y G. (2005), Integrating effect of consumer perception factors in predicting
private brand purchase in a Korean discount store context, Journal of Consumer
Johnson D S., and Grayson K. (2005), Cognitive and affective trust in service relationships,
Journal of Business Research, vol. 58, pp. 500-507.
Jolibert A., et Jourdan P h. (2011), Marketing Research : Méthodes de recherche et d’études

en marketing, Paris : Dunod.
Jolibert A., et Jourdan P h. (2006), Marketing Research : Méthodes de recherche et d’études

en marketing, Paris, Dunod.
Jones M A., Mothersbaugh D L., and Beatty S E. (2007), The positive and negative effects of
switching costs on relational outcomes, Journal Service Research, vol. 9, n°. 4, pp. 335-
355.
Jones M A., Beatty SE., and Mothersbaugh D V. (2002), why customers stay: measuring the
underlining dimensions of services switching costs and managing their differential
strategic outcomes, Journal of Business Research, vol. 55, pp. 441-50.
Jöreskog K G. (1970), A general method for analysis of covariance structures, Biomekatri,

vol. 57, n°. 2, pp. 239-251.
Jöreskog K G., and Wold H O. (1982), The ML and PLS technique for modeling with latent
variables: historical and comparative aspects, in JÖRESKOG K. G. et WOLD H.O.
(Eds), Systems under indirect observation, Amsterdam, North-Holland, pp. 263-270.

Kaabach S., et Abidi B A. (2010), Les nouvelles tendences de la grande distribution

alimentaire française, 9ème Congrés International des tendencies du Marketing, Venise, 21-
232 Janvier, 2010.
Kaabachi S. (2007), La valeur perçue : une variable stratégique pour les enseignes de
distribution alimentaire, Acte 2ème Journée du Marketing IRIS, Lyon.
Kamakura W A., Ramaswami S N. and Srivastava R K. (1991), Applying atent trait analysis
in the evaluation of prospects for cross-selling of financial services, International Journal
of Research in Marketing, vol. 8, n°. 4, pp. 329-349.
Kandampully J., and Suhartanto D. (2000), Customer loyalty in the hotel industry: the role of
customer satisfaction and image. International journal of contemporary hospitality
management, vol. 12, n°. 6, pp. 346-351.
Kang J., Brashear Alejandro T., and Groza M. (2015), Customer-company identification and
the effectiveness of loyalty programs, Journal of Business Research, vol. 68, n°. 2, pp.
464-471.
Karayanni D A. (2003), Web Shoppers and non-Shoppers: Compatibility, Relative Advantage

and Demographics. European Business Review, vol. 15, n°. 3, pp. 141-152.
Kashyap R., and Bojanic D C. (2000), A Structural Analysis of Value, Quality, and Price
Perceptions of Business and Leisure Travelers, Journal of Travel Research, vol.
39(Aug.), pp. 45-51.
Kervilier G D. (2013), La fidélité prototypique : une approche de la fidélité perçue par l’auto
catégorisation, Thèse de doctorat en sciences de gestion, centre de recherche UMR-
CNRS- 7088, Université de Paris-Dauphine.
Kim 1., Jin B., and Swinney L. (2009), The role of e-tail quality, e-satisfaction and e-trust in
online loyalty development process. Journal of Retailing and Consumer Services, vol. 16,
pp. 239-247.
Kim W G., and Cha V. (2002), Antecedents and consequences of relationship quality in hotel
industry, Hospitality Management, vol. 21, pp. 321-338.

Kline R B. (2015), Principles and practice of structural equation modeling. Guilford

publications, 4 Edition.
Kline R B. (2010), Principles and practice of structural equation modeling, 3 Edition, The
Guilford Press, New York.
Knox S D., and Denison T J. (2000), Store loyalty: its impact on retail revenue. An empirical
study of purchasing behaviour in the U, Journal of Retailing and Consumer Services, vol.
7, pp. 33-45.
Konus U., Verhoef P C. et Neslin S A. (2008), Multichannel shopper segments and their
covariates, Journal of Retailing, vol. 84, pp. 398–413.
Kumar V., Ghosh A., and Tellis G. (1992), A decomposition of repeat buying, Marketing
Letters, vol. 3, n°. 4, pp. 407-17.
Kushwaha T., and Shankar V. (2013), Are Multichannel Customers Really More Valuable?
The Moderating Role of Product Category Characteristics, Journal of Marketing, vol.
77, pp. 67-85.
L
Lacroux A. (2009), L’Analyse des Modèles de Relations Structurelles par la Méthode PLS :
une Approche Emergente dans la Recherché Quantitative en GRH, 20ème Congrès
International de l’Association de la Gestion des Ressources Humaines, Toulouse.
Ladhari R., and Morales M. (2011), Bank service quality: comparing Canadian and Tunisian
customer perceptions, International Journal of Bank Marketing, vol. 29, n°. 3, pp. 224-
246.
Ladhari R., Brun I. and Morales M. (2008), Determinants of dining satisfaction and post-
dining behavioral intentions. International Journal of Hospitality Management, vol. 27,
n°. 4, pp. 563-573.
Lai F., Griffin M., and Babin B J. (2009), How quality, value, image, and satisfaction create
loyalty at a Chinese telecom , Journal of Business Research, vol. 62, pp. 980-986.

Lamberton C. and Stephen A T. (2016), A Thematic Exploration of Digital, Social Media, and
Mobile Marketing: Research Evolution from 2000 to 2015 and an Agenda for Future
Inquiry. Journal of Marketing, vol. 80, n°. 6, pp. 146-172.
Lavy M., Grewal D., Peterson R., and Connolly B. (2005, The concept of the “Big Middle”,
Journal of Retailing, vol81, n°.2, pp.83-88.
Laukkanen T., and Pasanen M. (2008), Mobile Banking Innovators and Early Adopters: How
They Differ from Other Online Users? , Journal of Financial Services Marketing, vol. 13,
n°. 2, pp. 86-94.
Laukkanen T. (2007), Internet vs mobile banking: comparing customer value perceptions,

Business Process Management Journal, vol. 13, n°. 6, pp. 788–797.
Lazarus R S. (1982), Thoughts on the relations between emotion and cognition, American
Psychologist, vol. 34, pp. 1019-1024.
Lehu J M. (2004), L’encyclopédie du Marketing, Editions d’Organisation, Paris.
Lemon K., and Verhoef P. (2016), Understanding Customer Experience Throughout the
Customer Journey, Journal of Marketing, vol. 80, n°. 6, pp. 69-96.
Lemoine J F. (2003), Vers une approche globale de l’atmosphère du point de vente, Revue
Française du Marketing, n°. 194, pp. 83-101.
Léo P Y., Philippe J., Wassouf K., and Zhang Z. (2017), Innovation in retail: impact on
consumer behavior. Determinants of use M-shopping and loyalty of drive shopper, 27ème
International RESER Conference, September 7th-9th 2017, Bilbao, Spain.
Leroi-Werelds S., Streukens S., Brady M K., and Swinnen G. (2014), Assessing the Value of
Commonly Used Methods for Measuring Customer Value: A Multi-Setting Empirical
Study, Journal of the Academy of Marketing Science, vol. 42, n°. 4, pp. 430-451
Levitt T. (1965), Exploit the product life cycle, Harvard Business Review, vol.43, n°.6, pp.
81-94.
Levy M., Grewal D., Peterson R A., Connolly B. (2005), The concept of the “Big Middle” ,
Journal of Retailing, vol.8, n°.2, pp.83-88.

Lewis B R., and Soureli M. (2006), The antecedents consumer loyalty in retail banking,
Journal of Consumer behavior, vol. 5, n°. 1, pp. 15-31.
Lewis J D., and Weigert A. (1985), Trust as a social reality, Social Forces, vol. 63, pp. 967-
985.
Li H., Kuo C., and Russem M G. (1999), The Impact of perceived Channel Utilities,
Shopping Orientations, and Demographics on the Consumer’s Online Buying Behavior,
Journal of Computer-mediated Communication, vol. 5, n°. 2, pp. 1-23.
Li S., Sun B. et Wilcox R T. (2005), Cross-selling sequentially ordered products: an

application to consumer banking services, Journal of Marketing Research, vol. 42, pp.
233-239.
Li Y M., et Yeh Y S. (2010), increasing trust in mobile commerce through design aesthetics,
Computers in Human Behavior, vol. 26, pp. 673-684.
Lichtlé M C., et Plichon V. (2008), Mieux comprendre la fidélité des consommateurs,

Llosa S., Chandon J L. et Orsingher C. (1998), An Empirical Study of Servqual’s

Dimensionality, The Service Industries Journal, vol. 18, n°. 2, pp. 16-44.
Llosa S. (1997), L’analyse de la contribution des éléments du service à la satisfaction : un

modèle tétraclasse, Décisions Marketing, n°. 10, pp. 81-88.
Llosa S. (1996), Contribution à l’étude de la satisfaction dans les services, Thèse de Doctorat
en Sciences de Gestion, IAE, Aix-Marseille III.
Loonam M., and O’Loughlin D. (2008), Exploring e-service quality: a study of Irish online
banking, Marketing Intelligence and Planning, vol. 26, n°.7, pp. 759-780
M
Macintosh G., and Locksin L S. (1997), Retail relationship and store loyalty: a multi-level
perspective, International Journal of Research in Marketing, vol. 14, pp. 487-497.
Macinnis D., and Price L. (1987), The role of imagery in information of processing: Review
and extensions, Journal of Consumer Research, vol. 18, pp. 473-491.

Macintosh G. and Locksin L S. (1997), Retail relationship and store loyalty: a multi-level
perspective, International Journal of Research in Marketing, vol. 14, pp. 487-497.
Maille V. (2005), Des parfums ambiants dans les points de vente d’un service public : effets
directs et indirects et variables modératrices, Actes du 21ème Congrès International de
l’Association Française du Marketing, Nancy.
Malai V., and Speece M. (2005), Cultural impact on the relationship among perceived
servicequality, brand name value, and customer loyalty, Journal of International
Consumer Marketing, vol. 17, n°. 4, pp. 7-39.
Malhotra N., Décaudin J M., Bouguerra A., and Bories D. (2014), Etudes marketing, Paris:
Pearson Education 6ème édition.
Malhotra N., Décaudin J M., Shahidi N., and Macé S. (2004), Etudes marketing avec SPSS.
Pearson Education.
Mamaun N. (2013), L’intention du consommateur de s’immerger dans les mondes virtuels:

l’influence de la présence d’interactions sociales, de la persistance et de l’avatar. Thèse
de doctorat en sciences de gestion. Université Nice Sophia-Antipolis.
Marion G. (2013), la formation de la valeur pour le client : interaction, incertitudes et cadrage,

Perspectives culturelles de la consommation, vol. 3, n°. 1, pp. 13-46.
Marouseau G. (2013), Drive alimentaire : un service certain mais une rentabilité à

démontrer », 4ème journée thématique SILOGIN- Systèmes d’Informations, Logistique et
Innovation. 7 Novembre 2013, Nantes.
Marouseau G. (2013), Le Click and Collect: La logistique participative du client dans les
drive, Logistique & Management, vol. 21, n°. 3, pp. 31-39.
Martinez J L. (2015), Marketing digital, de Boeck Supérieur.
Mason N. (1991), An investigation into grocery shopping behavior in Britain. Headington,

Oxford.
Mathwick C., Malhotra N., and Rigdon E. (2001), Experiential value: conceptualization,
measurement and application in the catalog and Internet shopping environment, Journal of

McConnell. (1968), The development of brand loyalty: an empirical study, Journal of

Mcgoldrick P. (2002), Retail Marketing, McGraw Hill.
Mcmullan R., and Gilmore A. (2008), Customer loyalty: an empirical study, European
Journal of Marketing, vol. 42, n°. 9-10, pp. 1084-1094.
McMullan R. (2005), A multiple-item scale for measuring customer loyalty development,

Journal of Services Marketing, vol. 19, n°. 7, pp. 470-481.
Mcnair M P., May E G. (1978), The next revolution of the retailing wheel, Harvard Business
Review, vol.56, n°.5, pp.81-91.
Mels G., Boshoff C., and Nel D. (1997), The dimensions of service quality: the original
European perspective revisited, The Service Industries Journal, vol. 17, n°. 1, pp. 173-
189.
Mevel O. et Morvan T. (2015), Drive, entropie et logistique urbaine : qu’attendre de la

nouvelle relation de service initiée par les GMS avec les consommateurs ?, Logistique &
Management, vol. 23, n°. 2, pp. 21-30.
Michaud-Trévinal A., et Hérault-Fournier C. (2017), L’omni-canal a l’épreuve des pratiques

alimentaires des français: vers un nouveau cadre conceptuel pour le shopping des
produits frais?, 20ème Colloque 2017 – IMMD, Roubaix.
Montaguti E., and Neslin S A. (2011), Decision Process Evolution in Customer Channel
Choice, Journal of Marketing, vol. 75, n°. 6, pp. 72-86.
Montoya-Weiss M M., Voss G B., and Grewal D. (2003), Determinants of Online Channel
Use and Overall Satisfaction with a relational, Multichannel Service Provider, Journal of
the Academy of Marketing Science, vol. 31, n°.4, September, pp.448-458.
Moorman C., Deshpande R. and Zaltman G. (1992), Relationship between providers and user
of marketing research: the dynamic of trust with and between organization, Journal of
Morgan R M. and Hunt S D. (1994), The commitment-trust theory of relationship marketing,


Moulins J L, Phan K., et Philippe J. (2012), De la qualité de service à la fidélité des clients.
Une investigation sur le secteur bancaire au Vietnam, Economie et Gestion des Services,
n°. 13, pp. 815-836.
Moulins J L., et Roux E. (2008), Un modèle tridimensionnel des relations à la marque : de

l’image de marque à la fidélité et aux communications de bouche à oreille, Actes du
Congrès Marketing Trends, Janvier, Venise, CD-Rom.
Moulins J L. (1998), Etat de Fidélité et Relation de Fidélité : Eléments de Réflexion pour une
Nouvelle Approche de l’Echange, Décisions Marketing, vol. 13, Janvier-Avril, pp. 67-73.
N
N’Goala G., et Cases A S. (2012), Piloter la relation client dans l’e-commerce : quels leviers
et quelles incidences sur les comportements d’achat, Recherche et Applications en
N’Goala G. (2005), Les effets des incidents critiques sur l’infidélité des consommateurs : une
étude exploratoire dans le secteur bancaire, Journée AFM sur les relations de service,
organisée par l’IRIS, Lyon, 4-5 Avril.
N’Goala G. (2003), Proposition d’une conceptualisation et d'une mesure relationnelle de la

fidélité, Acte du congrès de l’AFM, Gammarth.
N’Goala G. (2000), Une approche fonctionnelle de la relation à la marque : de la valeur

perçue des produits à la fidélité des consommateurs, Thèse de doctorat en sciences de
gestion, Université de Montpellier 2.
Najjar H., Mhay I., et Ben Jannet I. (2016), les conséquences relationnelles de la valeur
sociale perçue par les visiteurs en grandes surfaces, Revue française du marketing, vol.
258, n°. 4, pp. 43-56.
Nefzi A. (2008), Perception de la qualité et fidélité : le cas du secteur hôtelier en Tunisie,

thèse de doctorat en sciences de gestion, Université de Nice.
Neslin S A., Grewal D., Leghorn R., Venkatesh S S., Teerling M L, Thomas J S., et Verhoef P
C. (2006), Challenges and opportunities in multichannel customer management, Journal
of Service Research, vol.9, n°. 2, pp. 95-112.

Ngobo P V. (1997), Qualité perçue et satisfaction des consommateurs: un état des recherches,
Revue Française du Marketing, n°. 163, pp. 67-79.
Nguyen T D, Barrett Nigel J., and Miller Kenneth E. (2011), Brand loyalty in emerging
markets, Marketing Intelligence & Planning, vol. 29, n°. 3, pp. 222-232.
Nicholson M., Clarke I., and Blakemore M. (2002), One brand, three ways to shop: situational
variables and multichannel consumer behaviour, The International Journal Review of
Retail, Distribution and Consumer Research, vol.12, n°. 2, pp. 131-148.
Nicholson P., et Vanheems R. (2009), Orientations d’achat et comportement multi-canal du

client, Revue Management et Avenir, vol.21, n°.1, pp.136-156.
Noble S M., Griffith D A. and Adjei MT. (2006), Drivers of local merchant loyalty:
understanding the influence of gender and shopping motives, Journal of Retailing, vol.
82, n°. 3, pp. 177-188.
O
O’Malley L . (1998), Can loyalty schemes really build loyalty?, Marketing Intelligence &
Planning, vol. 16, n°. 1, pp. 47–55.
Oliver R L. (1999), Whence consumer loyalty?, Journal of Marketing, vol. 63, pp. 33-34.
Oliver R L. (1997), Satisfaction: A Behavioral Perspective on the Consumer, New York, NY:
McGraw-Hill.
Oliver R L. (1989), Processing of the Satisfaction Response in Consumption: A Suggested

Framework and Research Propositions, Journal of Consumer Satisfaction, vol. 2, pp. 1-
16.
Oliver R L. (1981), Measurement and Evaluation of Satisfaction Processes in Retail Settings,

Journal of Retailing, vol. 57, n°. 3, pp. 27-48.
Oliver R L., and Linda G. (1980), Effect of satisfaction and its antecedents on consumer
preference and intention, Advances in Consumer Research, vol. 8, n°. 1, pp. 88-93.
Oliver R L. (1980), A cognitive model of the antecedents and consequences of the satisfaction
decisions, Journal of Marketing Research, vol. 17, n°. 11, pp. 460-469.

Orth U. and Green M T. (2009), Consumer loyalty to family versus non family business: the
roles of store image, trust and satisfaction, Journal of Retailing and Customer Services,
vol. 16, pp. 248-259.
Otto J E., and Ritchie-Brent J R. (1995), The service experience in tourism. Tourism
Management, vol. 17, n°. 3, p. 165-174.
Oueslati H. (2011), L’intégration perçue des canaux de distribution : Du concept à l’échelle

de mesure, 14e Colloque Etienne Thill, Septembre.
P
Paché G., et Babei J. (2015), Création de valeur pour le client en contexte SCM Le cas de la
distribution des produits pharmaceutiques au Cameroun, La Revue des Sciences de
Gestion, vol. 5, n°. 275/276, pp. 173-182.
Paché G,. Seck A M,. et Fulconis F. (2014), Quels bénéfices peut retirer l’entreprise d’un
management multicanal intégratif ?, La Revue des Sciences de Gestion, vol.5 ; n°.269-
270, pp.55-63.
Paché G. (2010), Logistique urbaine mutualisée : quelle stratégie de différenciation pour le

commerce alimentaire en ligne ?, Revue Française de Gestion Industrielle, vol. 29, n°. 2,
pp. 27-48.
Paché G. (1999), La logistique comme technologie des flux : Une source de pouvoir aux
mains des distributeurs », Science et Technologie, regards croisés, L’Harmattan, Paris,
pp. 260-276.
Parasuraman A., Zeithaml V., and Malhotra A. (2005), E-S-QUAL: a multiple-item scale for
assessing electronic service quality, Journal of Service Research, vol. 7, n°.3, pp. 213-
233.
Parasuraman A., Grewal D., and Voss G B. (2002), The influence of multiple store
environment cues on perceived merchandise value and patronage intentions, Journal of

Parasuraman A. (2000), Technology Readiness Index (TRI), A Multiple-Item Scale to

Measure Readiness to Embrace New Technologies, Journal of Service Research, vol. 2,
n°. 4, pp. 307-320.
Parasuraman A. and Grewal D. (2000), The impact of Technology on the Quality- Value-
Loyalty Chain: A Research Agenda, Journal of Academy of Marketing Science, vol. 28,
n°. 1, pp. 168-174.
Parasuraman A., Zeithaml V., and Berry L. (1994), Reassessment of Expectations as a

Comparison Standard in Measuring Service Quality: Implications for Future Research,
Journal of Marketing, vol. 58, January, pp. 111-124.
Parasuraman A., Berry L L, and Zeithaml V A. (1993), Research Note: More on Improving
Service Quality Measurement, Journal of Retailing, vol. 69, n°. 1, pp. 140-147.
Parasuraman A., Zeithaml V A., and Berry L L. (1991), Refinement and Reassessment of the
SERVQUAL Scale, Journal of Retailing, Winter, pp. 39-48.
Parasuraman A., Zeithaml V A., and Berry L L. (1988), SERVQUAL: A Multiple-item Scale
For Measuring Consumer Perceptions of Service Quality, Journal of Retailing, vol. 64,
n°. 1, pp. 12-40.
Parasuraman A., Zeithaml VA., and Berry L.L. (1985), A Conceptual Model of Service
Quality and Its Implications for Future Research, Journal of Marketing, vol. 49, n°. 4, pp.
41-50.
Park C H., and KimYG. (2003), Identifying key factors affecting consumer purchase behavior
in an on1ine shopping context, International Journal of Retail and Distribution
Management, vol. 30, n°. l, pp. 16-29.
Patterson P G., and Smith, T. (2003), A cross- cultural study of switching barriers and
propensity to stay with service providers, Journal Retailing, vol. 79, n°. 2, pp. 107-120.
Picón A., Castro I., et Roldán J. (2014), The relationship between satisfaction and loyalty: A
mediator analysis, Journal of Business Research, vol. 67, n°. 5, pp. 746-751.
Picot Coupey K., Huré E. and Piveteau L. (2016), Channel design to enrich customers’
shopping experiences, International Journal of Retail and Distribution Management, vol.
44, n°. 3, pp. 336-368.

Picot-Coupey K., Huré E., Cliquet G., and Petr C. (2009), Grocery shopping and Internet :
exploring French consumers ‘perceptions of the hypermarket and cybermark et formats,
International, Review of Retail, Distribution and Consumer Research, vol. l9, n°. 4, pp.
437-455.
Piercy N. (2012), Positive and negative cross-channel shopping behavior, Marketing

Intelligence & Planning, vol. 30, n°. 1, pp. 83-104.
Pitta D., Franzak F., and Fowler D. (2006), A strategie approach to building online customer
loyalty, Journal of Consumer Marketing, vol. 23, n°. 7, pp. 421-429.
Phan K N., Ghantous N. (2013), Managing brand associations to drive customers ‘trust and
loyalty in Vietnamese banking, International Journal of Bank Marketing, vol. 31, n°. 6,
pp. 456-480.
Philippe J. (1996), Satisfaction du client et qualité des interactions de service l’ordinateur au

guichet, Thèse de doctorat en Sciences de Gestion, Université d’Aix-Marseille III (IAE).
Plichon V. (1998), La nécessité d’intégrer les états affectifs à l’explication du processus de

satisfaction du consommateur, Actes du 14ème Congrès International de l’Association
Française du Marketing, Bordeaux, pp.671-694.
Poirel C., and Fernandez d B. (2008), La stratégie de distribution multiple à la recherche de

synergie entre canal physique et canal virtuel, Revue française de gestion, vol. 2, n°.182,
pp. 155-170.
Poncin I. (2008), Le comportement multi-canal du consommateur est-il une simple évolution

ou constitue-t-il une véritable révolution, Reflets et Perspective, vol.2, pp. 43-51.
Prahalad C K., and Ramaswamy V. (2004), Co-creating unique value with customers,
Strategy & Leadership, vol. 32, n°. 3, pp. 4-9.
Prayag G., and Ryan C. (2011), The relationship between the push and pull factors of a tourist
destination: The role of nationality–an analytical qualitative research approach. Current
Issues in Tourism, vol. 14, n°. 2, pp. 121-143.
Preacher K J., and Hayes A F. (2008), Asymptotic and resampling strategies for assessing and
comparing indirect effects in multiple mediator models, Behavior Research Methods, vol.
40, n°. 3, pp. 879-891.

Preacher K J., and Hayes A F. (2004), SPSS and SAS procedures for estimating indirect
effects in simple mediation models, Behavior Research Methods, Instruments et
Computers, vol. 36, n°. 4, pp. 717-731.
Prim-Allaz I., et Darpy D. (2007), la propension des consommateurs à la relation: quel

construit? Congrès International de l’ACFAS, May 2007, Trois-Rivières, Canada.
Prim-Allaz I., et Sabadie W. (2003), L’orientation relationnelle des clients : un nouvel outil
de segmentions ?, 8ème Journées de Recherche en Marketing de Bourgogne, Dijon, 6/7
novembre.
Pritchard M P., Havitz M E., and Howard D R. (1999), Analyzing the Commitment-Loyalty
Link in Service Contexts?, Journal of the Academy of Marketing Science, vol. 27, n°. 3,
pp. 333-348.
R
Ranvier M., et Sury R. (2009), La vente de produits alimentaires sur Internet : un état des
lieux en 2009, Cahier de recherche, n°. 262 du CREDOC.
Reda S. (2002), Active multi-channel shoppers may be a liability less loyal than other on-line
shoppers, Stores, 84, Septembre, pp.78-82.
Reeves C A., and Bednar D A. (1994), Defining quality: alternatives and implications,
Academy of Management Review, vol. 19, n°. 3, pp. 25-42.
Reichheld F F., and Schefter P. (2000), E-Ioyalty: Your secret weapon on the Web. Harvard
Business Review, vol. 78, n°. 4, pp. 105-113.
Reichheld F F. (1996), the loyalty effect, the hidden force behind growth, profits and lasting
value, Harvard Business School Press.
Reichheld F F. (1996), The Loyalty Effect: The Force behind Growth, Profit, and
LastingValue, Boston, MA: Bain and Company.
Reinartz W J., Thomas J S. and Kumar V. (2005), Balancing acquisition and retention
resources to maximize customer profitability, Journal of Marketing, vol. 69, pp. 63-79.
Reinartz W J., and Kumar V. (2000), The impact of customer relationship characteristics on
profitable lifetime duration, Journal of Marketing, vol. 67, n°. 1, pp. 77-99.

Richardson P S., Dick A S., and Jain A K. (1994), Extrinsic and intrinsic cue effects on
perceptions of store brand quality, Journal of Marketing, vol. 58, n°. 4, pp. 28-36.
Rieunier S. (2000), L’influence de la musique d’ambiance sur le comportement des

consommateurs sur le lieu de vente, Thèse de Doctorat en sciences de gestion, Université
Paris 9, Dauphine.
Rittinger S., et Zentes J. (2012), Le comportement cross canal des consommateurs : une
comparaison entre les consommateurs français, allemands, italiens et britanniques, Revue
Française du Marketing, n°. 237/238, pp. 43-55.
Rivière A., et Mencarelli R. (2012), Vers une clarification théorique de la notion de valeur
perçue en marketing, Recherche et Applications en Marketing, vol. 27, n°. 3, pp. 97-123.
Rogers E M. (1995), Diffusion of innovations, 4ème edition. New York, Free Press.
Rolland S. (2005), Internet et qualité : Impact de la fréquentation des sites Web sur la qualité
perçue par le consommateur », 2ème Congrès de l’Association française de Marketing,
Nancy.
Rolland S. (2003), L’impact de l’utilisation d’Internet sur la qualité perçue et la satisfaction

du consommateur, Thèse de doctorat en Sciences de Gestion, Université Paris 9
Dauphine.
Rosenbloom B. (2007), Multi-channel strategy in business-to-business markets: Prospects and

problems, Industrial Marketing Management, vol. 36, n°. 1, pp. 4-9.
Rouquet A. (2014), La distribution par «Drive» : définition et typologie, Décisions Marketing,

n°. 75, pp. 65-78.
Rousseau D M., Sitkin S B., Burt R S. and Camerer C. (1998), Not so different after all: a
cross-discipline view of trust, Academy of Management Review, vol. 23, n°. 3, pp. 393-
404.
Roussel P., Durrieu F., Campoy É. et EL Akremi A. (2002), Méthodes d’équations

structurelles, Recherche et applications en gestion, Paris, Economica, Recherche en
gestion.

Ruiz D M., Gremler D D., Washburn J H., and Carrión G C. (2008), Service value revisited:
specifying a higher-order, formative measure, Journal of Business Research, vol. 61, n°.
12, pp. 1278-1291.
Russel J A., and Pratt G. (1980), A description of the affective quality attributed to
environments, Journal of Personality and Social Psychology, vol. 38, n° 2, pp. 311-322.
Rust R T., Zahorik A J., and Keiningham T. (1995), Return on quality (ROQ): Making service
quality financially accountable, Journal of Marketing, vol. 59, n°. 4, pp. 58-70.
S
Sahin A., Zehir C., and Kitapçi H. (2011), The Effects of Brand Experiences, Trust and
Satisfaction on Building Brand Loyalty; An Empirical Research On Global Brands,
Procedia Social and Behavioral Sciences, vol. 24, pp. 1288-1301.
Saunier P L. (2012), Qualité et contrôle dans les services: le cas des services à la personne.
Thèse de doctorat en sciences de gestion. Université d’Orléans.
Savitt R. (1989), Looking back to see ahead: writing the history of American retailing,
Journal of Retailing, vol.65, n°. 3, pp. 326-355.
Schultz M. (2013), Les représentations de la proximité d’un magasin par les distributeurs et
les consommateurs. Une contribution à la stratégie de l’enseigne, Thèse en science de
gestion, Université de Bourgogne.
Seck A M., and Philippe J. (2013), Service Encounter in Multi-Channel Distribution Context:
Virtual and face-to-face interactions and consumer satisfaction, The Service Industries
Journal, vol. 33, n°. 6, pp. 565-579.
Seck A M. (2009), Qualité de service et satisfaction du client dans un contexte de

distribution multi canal des services, Thèse de Doctorat en Sciences de Gestion :
Université Paul Cézanne Aix-Marseille III, CERGAM.
Seck A M. (2008), La Distribution Multi canal des Services en B to C : Caractéristiques et

Challenges. 7th International Marketing Trends Congres- Venise, January, pp. 17-19.

Seck A M. (2008), L’expérience du client dans un contexte de distribution multi canal de

services : sur quoi se fonde la satisfaction globale du client ? 13ème Journée de
Recherche en Marketing de Bourgogne, PP. 13-14 Novembre.
Sharp B., and Sharp A. (1997), Loyalty Programs and Their Impact on Repeat-Purchase
Loyalty Patterns, International Journal of Research in Marketing, vol. 14, n°. 5, pp. 473-
486.
Sheth J N., Gardner D M., and Garett D E. (1988), Marketing theory: evolution and
evaluation, John Wiley & Sons, New York.
Sheth J N. and Parvatiyar A. (1995), Relationship Marketing in Consumer Markets:

Antecedents and Consequences, Journal of the Academy of Marketing Science, pp. 255-
271.
Simon Sheng P Y., and Xie F T. (2012), Antecedents of customer loyalty: An empirical
synthesis and reexamination, Journal of Retailing and Consumer Services, vol. 19, n°. 1,
pp. 150-158.
Singh J., and Srideshmukh D. (2000), Agency and trust mechanisms in consumer satisfaction
and loyalty judgments, Journal of the Academy of Marketing Science, vol. 28, n°. l, pp.
150-167.
Sirdeshmukh D., Singh I., and Sabol B. (2002), Consumer trust, value, and loyalty in
relational exchanges, Journal of Marketing, vol. 66, n°. l, pp. 15-37.
Sirgy M J., and Samli A C. (1985), A path analytical model of store loyalty involving
selfconcept, store image, geographic loyalty and socioeconomic status, Journal of the
Academy of Marketing Science, vol. 13, n°. 3, pp. 265-291.
Sirieix L., et Dubois P L. (1999), Vers un modèle qualité satisfaction intégrant la confiance ?,
Shainesh, G. (2012), Effects of trustworthiness and trust on loyalty intentions: Validating a

parsimonious model in banking, International Journal of Bank Marketing, vol. 30, n°. 4,
pp. 267-279.
Shapiro D L., Sheppard B H., and Cheraskin L. (1992), Business on a Handshake,

Negotiation Journal, pp. 365-377.

Söderlund M. (2006), Measuring customer loyalty with multi-item scales, International

Journal of Service Industry Management, vol. 27, n°. 1, pp. 76-98.
Srinivasan, S S., Rolph A., and Kishore P. (2002), Customer loyalty in ecommerce: an
exploration of its antecedents and consequences, Journal of Retailing, vol. 78, n°. l, pp.
41-50.
Stan V. et Jacobowicz E. (2008), Utilisation du test des tétrades pour caractériser les relations
entre variables manifestes et variables latentes. La relation entre la satisfaction et ses
antécédents, 7th International Congress Marketing Trends, Venice.
Steinfield C., Adelaar T., et Lai Y I. (2002), Integrating brick and mortar locations with
ecommerce: understanding synergie opportunities, Proceedings of the 35th Hawaï
International Conference on System Sciences.
Stone M., Hobbs M., et Khaleeli M. (2002), Multichannel customer management: the benefits
and challenges, Journal of Database Marketing, vol.10, n°. 1, pp. 39-52.
Stuart-Menteth H., Wilson H., and Baker S. (2006), Escaping the channel silo, researcher the
new consumer, International Journal of Market Research, vol.48, n°.4, pp.415-437.
Sudhahar J C., Israel D., Britto A. and Selvam M. (2006), Service Loyalty Measurement
Scale: A Reliability Assessment, American Journal of Applied Sciences, vol. 3, n°. 4, pp.
1814-1818.
Suoranta M., and Mattila M. (2004), Mobile Banking and Consumer Behaviour: New Insights
into the Diffusion Pattern, Journal of Financial Services Marketing, vol. 8, n°. 4, pp. 354-
366.
Swan J., Bowers M., and Richardson D. (1999), Customer trust in the salesperson: an
integrative review and a meta-analysis of the empirical literature, Journal of Business
Research, vol. 44, pp. 93-107.
Sweeney J C., and Soutar G N. (2001), Consumer perceived value: the development of a
multiple item scale, Journal of Retailing, vol. 77, n°. 2, pp. 203-220.

Tan C W., Benbasat I., Cenfetelli R. (2013), IT-Mediated Customer Service Content and
Delivery in Electronic Governments: An Empirical Investigation of the Antecedents of
Service Quality, MIS Quarterly, vol. 37, n°. 1, pp. 77-109.
Tenenhaus M., Esposito Vinzi V., Chatelin Y.-M. and Lauro C. (2005), PLS path modeling,
Computational statistics and data analysis, vol. 48, n°. 1, pp. 159-205.
Tensaout M. (2006), Spécification des modèles de mesure en marketing, Actes du 22ème

Congrès International de l’Association Française du Marketing, Nantes.
Teo S H T. (2001), Demographic and Motivation Variables associated with Internet Usage
Activities, Internet Research, vol. 11, n°. 2, pp. 125-137.
Thiétart R.A. et al., (2014), Méthodes de recherche en management, Dunod, Paris, 4 ème
édition.
Thiétart R.A. et al., (2007), Méthodes de recherche en management, Dunod, Paris, 3ème
édition.
Tsao H Y, and Li-wei C. (2005), Exploring Brand Loyalty from the Perspective of Brand
Switching Cost, International Journal of Management, vo1. 22, n°. 3, pp. 436-442.
Tse D K., and Wilton P C. (1988), Models of Consumer Satisfaction: An Extension, Journal
of Marketing, vol. 25, pp. 204-212.
Toufaily E., Ricard L., and Perrien J. (2013), Customer loyalty to a commercial website:
Descriptive meta-analysis of the empirical literature and proposal of an integrative model,
Journal of Business Research, vol. 66, n°. 9, pp. 1436–1447.
Toufaily E. (2011), La fidélisation des clients à un courtier en valeurs mobilières en ligne :

quels rôles pour les caractéristiques du site web et le marketing relationnel ?, thèse en
science de gestion, université du Québec à Montréal.
Tauber E M. (1972), why do people shop? Journal of Marketing, vol. 36, n°. 4, PP. 46-59.
V
Valette-Florence P. (1988), Spécificités et apports des méthodes d'analyse multi-variée de la
deuxième génération, Recherche et Applications en Marketing, vol. l3, n°. 4, pp. 23-55.

Van Birgelen M., Jong A., and Ruyter K. (2006), Multi-Channel Service Retailing: the effects
of channel performance satisfaction on behavioral intentions. Journal of Retail. vol. 82,
n°.4, pp. 367-377.
Van Birgelen M ., De Jong A., et De Ruyter K. (2006), Multi-channel service retailing: the
effects of channel performance satisfaction on behavioural intentions, Journal of
Van der H H., Verhagen T., et Creemers M. (2003), Understanding online purchase
intentions: Contributions from technology and trust perspectives, European Journal of
information Systems, vol. 12, pp. 41-48.
Vandercammen M, Jospin-pernet N. (2010), La distribution, de boeck, 3° édition.
Vanheems R. (2016), Réussir sa stratégie cross et omni-canal, édition EMS, Cormelles-le-

royal.
Vanheems R., et Bouzid Y. (2014), Comportement cross-canal : vers une nouvelle maîtrise de
soi au sein de l’espace réel?, Mangement & Avenir, n°.71, pp.189-200.
Vanheems R., et Collin-lachaud I. (2011), Comment le parcours cross-canal du consommateur

transformet-il son expérience de shopping ? Colloque Etienne Thill, la Rochelle, Octobre.
Vanheems R., et Collin-lachaud I. (2011), Expérience cross-canal et création de valeur, Actes

du Congrès international de l’Association Française du Marketing, Bruxelles, 18-19
Mai.
Vanheems R. (2010), Comment le site Internet d’une enseigne modifie le comportement de

ses clients en magasin ?, 9ème Journées Normandes de Recherches sur la Consommation,
Rouen, mars.
Vanheems R. (2009), Distribution multi-canal, pourquoi les clients mixtes doivent faire
l’objet d‘une attention particulière, Décisions et Marketing, n°.55, pp. 41-52.
Vanheems R. (2009), Distribution multi-canal : vers une évaluation du rôle du vendeur dans
l’intégration des canaux de distribution, Revue Française du Marketing, Issus.223, pp.
53-65.

Vanheems R. (2007), Stratégie multi-canal : valoriser son capital client grâce à une gestion
judicieuse des flux de clientèles, Revue Française du Marketing, n°.214, pp.61-74
Vanhamme J. (2002), La satisfaction des consommateurs spécifique à une transaction:

définition, antécédents, mesures et modes. Recherche et applications en marketing, vol.
17, n°. 2 p, p. 55-85.
Vargo S L., et Lusch R F. (2008), Service- dominant logic: continuing the evolution, Journal
of the academy of marketing science, vol.36, pp. 1-10.
Verhoef P., Kannan PK., and Inman J J. (2015), From multi-channel retailing to omni-channel
retailing: introduction to the special issue on multi-channel retailing, Journal of Retailing,
vol. 91, n°. 2, pp. 174-181.
Verhoef P C., Neslin S A., and Vroomen B. (2007), Multichannel customer management:
understanding research-shopper phenomenon, International Journal of Research in
Marketing, vol.24, pp.129-148.
Verhoef P., Franses P H. and Donkerd B. (2001), Changing Perceptions and changing beavoir
in customer relationships, Marketing Letters, vol. 13, n. 2, pp. 121-134.
Vesel P., and Zabkar V. (2010), Comprehension of relationship quality in the retail
environment, Managing Service Quality, vol. 20, n°. 3, pp. 213-235.
Viot C. (2009), Le Marketing à l’heure du Web 2.0, 2ème édition, Gualion.
Vinzi V E., Trinchera L., and Amato S. (2010), PLS path modeling: from foundations to
recent developments and open issues for model assessment and improvement. In
Handbook of partial least squares (pp. 47-82). Springer Berlin Heidelberg.
Vyt D., JARA M., Mevel O., Morvan T. et Morvan N. (2017), Des distributeurs toujours plus
proches du consommateur ? Le cas du drive alimentaire, Management & Avenir, n°. 93,
pp.141-160.
Vyt D., et Cliquet G. (2016), Le drive et la couverture territoriale des réseaux de distribution,
Revue française du marketing, vol.12, n°.258, pp. 29-42.

Urban G L., Sultan F., and Qualls W J. (2000), Placing Trust at the Centre of Your Internet
Strategy, MIT Sloan Management Review, vol. 42, n°. 1, pp. 39-48.
W
Wanlin P. (2007), L’analyse de contenu comme méthode d’analyse qualitative d’entretiens :
une comparaison entre les traitements manuels et l’utilisation de logiciels, Recherches
qualitatives, Hors Série, n°. 3, pp. 243-272.
Wallace D W., Giese J L. and Johnson J L. (2004), Customer retailer loyalty in the context of
multiple channel strategies, Journal of Retailing, vol. 80, pp. 249-263.
Wang Y., Lo H P., and Yang Y. (2004), An integrated framework for service quality,
customer value, satisfaction: Evidence from China’s telecommunication industry,
Information Systems Frontiers, vol. 6, n°. 4, pp. 325–340.
Wansink B., Painter J., and Van Ittersum K. (2001), Descriptive menu labels’effect on sales.
The Cornell Hotel and Restaurant Administration Quarterly, vol. 42, n°. 6, pp. 68-72.
Weigran G., and Koth H. (1999), Customer Retention in On-Line Retail. Journal of Internet
Banking and Commerce, vol. 4, n°. 1.
Westbrook R A. (1987), Product/Consumption-Based Affective Responses and Postpurchase

Processes, Journal of Marketing Research, vol. 24, pp. 258-270.
Westbrook R A. (1983), Sources of consumer satisfaction with retail outlets, Journal of

Westbrook R A. and Oliver R L. (1991), The Dimensionality of Consumption Emotion

Patterns and Consumer Satisfaction, Journal of Consumer Research, vol. 18, June, pp.
84-91.
Westbrook R. A., and Oliver R.L., (1981), Developing Better Measures of Consumer
Satisfaction: Some Preliminary Results, Advances in Consumer Research, vol. 8, n°.1,
pp. 94-99.
Westbrook R A., (1980), A Rating Scale For Measuring Product/Service Satisfaction, Journal
of Marketing, vol. 44, pp. 68-72.

Wetzels M., Odekerken-Schröder G., and Van Oppen C. (2009), Using PLS path modeling for
assessing hierarchical construct models: guidelines and empirical illustration, MIS
Quarterly, vol. 33, n°. 1, pp. 177-195.
Wetzels M., De Ruyter K., and Van Birgelen, M. (1998), Marketing service relationships: the
role of commitment, Journal of business et industrial marketing, vol. 13, n°. 4/5, pp. 406-
423.
Wind Y., et Mahajan V. (2002), Convergence marketing, Journal of Interactive Marketing,

vol.16, n°.2, spring
Wold H. (1985), Partial Least Squares, in KOTZ S. et JOHNSON N. L. (Ed), Encyclopaedia

of Statistical Sciences, New York, John Wiley & Sons, vol. 6, pp. 581-591.
Wold H. (1975), Soft modeling by latent variables: The Non-Linear Iterative Partial Least
Squares (NIPALS) approach, in GANI J. (Ed), Perspectives in probability and statistics,
London, pp. 117-142.
Wieringa J E., and Verhoef P C. (2007), Understanding customer switching behavior in a

liberalizing service market, Journal Service Research, vol. 10, n°. 2, pp. 174-186.
Williams R J., Absher K. and Hoffman J J. (1997), Gender positioning of discount stores: key
considerations in appealing to the baby busters generation, Journal of Product and Brand
Management, vol. 6, n° 5, pp. 325-335.
Wolfinbarger M., and Gilly M C. (2003), Etail-Q: dimensionalizing, measuring and predicting
etail quality, Journal of Retailing, vol. 79, n°.3, pp. 183-198.
Woodruff R B. (1996), Customer Value: The Next Source for Competitive Edge, Journal of
the Academy of Marketing Science, vol. 25, n°. 2, pp. 139-153.
Wübben M., et Wangenheim, F V. (2008), Analytical CRM: Developing and Maintaining

Profitable Customer Relationships in Non-Contractual Settings, Wiesbaden, Gabler.
Y
Yi Y. and Hoseong J. (2003), Effects of loyalty programs on value perception, program
loyalty and brand loyalty, Journal of the Academy of Marketing Science, vol. 31, n° 3, pp.
229-240.

Yi Y. (1990), A critical Review of Consumer Satisfaction, in Zeithaml V.A. (eds), Review of

Marketing, American Marketing Association, Chicago, pp. 68-123.
Yoon Y., and Uysal M. (2005), An examination of the effects of motivation and satisfaction
on destination loyalty: a structural model. Tourism management, vol. 26, n°. 1, pp. 45-56.
Yoo B., and Donthu N. (2001), Developing a scale to measure the perceived quality of
internet shopping sites (SITEQUAL), Quarterly Journal of Electronic Commerce, vol. 2,
n°. 1, pp. 31-47.
Yousafzai S., Pallister J., and Foxall G. (2009), Multi-dimensional role of trust in Internet
banking adoption , The Service Industries Journal, vol. 29, n°. 5, pp. 591–605.
Z
Zeithaml V A., Bitner M J.and Gremler D D. (2006), Services Marketing: Integrating
Customer Focus across the Firm, New-York, McGraw-Hill (4 edition).
Zeithaml V A. (2002), Service Excellence in Electronic Channels, Managing service quality,

vol. 12, n°.3, pp. 135-139.
Zeithaml V A., Parasuraman A., and Malhotra A. (2002), Service Quality Delivery Though
Web Sites: A Critical Review of Extant Knowledge, Journal of academy of Marketing
Science, vol. 30, n°. 4, pp. 262-375.
Zeithaml V A., Parasuraman A., et Malhotra A. (2000), A conceptual framework for

understanding e-service quality: implications for future research and managerial practice,
Marketing Science Institute, Cambridge, MA, working paper series.
Zeithaml V A., Berry L L., and Parasuraman A. (1996), The behavioral consequences of
service quality, Journal of Marketing, vol. 60, pp. 31-46.
Zeithaml V A. (1988), Consumer Perceptions of Price, Quality, and Value: A Means–End

Model and Synthesis of Evidence, Journal of Marketing, vol. 52, n°.3, pp. 2-22.
Zeithaml V A. (1981), How consumer evaluation processes differ between goods and
services, in Donnelly J. and George W. (eds), Marketing of Services, American Marketing
Association, Chicago, pp. 186-90.

Zhang J., Fan-is P W., Irvin J.W., Kushwaha T, Steenburgh T.J. et Weitz B.A. (2010),
Crafting Integrated Multichannel Retailing Strategies, Journal of Interactive Marketing, vol.
24, n°.2, pp.168-180.
Zoltan E., and Chapanis A. (1981), What Do Professional Persons Think About Computers?,
Information Technology, vol. 1, pp. 55-68.

Annexes
ANNEXES

Annexes
Annexe 1
Guide d’entretien des consommateurs du Drive
Présentation de l’enquête :
« Bonjour Kenan WASSOUF, doctorant à l’université Aix-Marseille. Je réalise actuellement

une étude sur le commerce de détail principalement sur votre opinion globale à l’égard de
service Drive que la grande distribution (Carrefour) met à votre disposition. Dans le cadre de
cette étude, votre avis nous intéresse particulièrement. Je souhaiterais m’entretenir avec vous
durant quelques minutes afin de recueillir votre opinion sur ce thème. Afin de faciliter le
déroulement de l’entretien, et si vous êtes d’accord, l’entretien sera enregistré. Cet entretien
est anonyme et strictement confidentielle et seule votre opinion compte, il n’y a pas de bonnes
ou de mauvaises réponses».
Consigne de départ : spontanément « faire les courses » ça vous pense à quoi ?
Caractéristiques des consommateurs de Drive :
 Je voudrais tout d’abord savoir : votre âge, votre situation professionnelle, votre lieu
de vie par apport de Drive : Résidence- Travail ?
 Depuis quand vous êtes client de Drive ? (Depuis quand utilisez-vous le Drive ?)
 Comment avez-vous eu connaissance de Drive ?
 Combien de fois par moyenne faites-vous les courses par Drive par mois ?
Motivation et freins d’achat des consommateurs adapté de Drive :
 Quelle sont les aspects qui vous conduisent à juger cette expérience positivement ?
 Quelles sont les choses que vous appréciez ou aimez particulièrement lorsque vous
faites vos courses en Drive ?
 Pensez-vous aux choses qui vous déplaisent quand vous faites vos courses en Drive ?
 Depuis que vous utilisez le Drive, vous trouvez que c’est mieux ou moins bien :
o Au niveau de la qualité de service.
o Au niveau de votre satisfaction globale.
 Pourriez-vous me dire toutes vos perceptions de Drive :
o C’est qui les points forts ?
o C’est qui les points faibles ?
 Voulez-vous rester avec Drive dans les années prochaines ?
 Allez-vous recommandez le Drive aux vos proches ?
Merci

Annexes
Annexe 2
Questionnaire
UTILISATION DU DRIVE POUR LES COURSES…
Ce questionnaire vous prendra une dizaine de minutes.

Je vous remercie sincèrement de votre collaboration qui est essentielle pour ma recherche
doctorale (thèse) à l’université Aix-Marseille.
Répondez le plus spontanément possible, vos réponses restent totalement anonymes. Il n’y a
pas de bonne ou de mauvaise réponse, seul votre avis compte. Merci de répondre
soigneusement à toutes les questions même si elles vous paraissent répétitives ou inadaptées.
1. Faites-vous habituellement (le plus souvent) vos courses de Drive ici ?
Oui, tout à fait Oui, parfois
Non, c’est plutôt rare Non, c’est la première fois, c’est pour essayer
Pour les questions suivantes, merci d’indiquer votre degré d’accord (ou de désaccord) avec
toutes les phrases qui vous sont présentées ci-après. Concernant ce Carrefour Drive, cochez à
chaque ligne la case correspondant le mieux à votre opinion de 6 à 1, comme par exemple :
Exemple : Votre degré d’accord

Tout à fait
Pas du tout Pas d’accord Plutôt pas Plutôt D’accord
d’accord
d’accord d’accord d’accord
1 2 3 4 5 6
Phrase 1
Vous êtes tout à fait d’accord
Phrase 2
Vous n’êtes pas d’accord
Phrase 3
Vous êtes plutôt d’accord

Annexes
Votre degré d’accord
Pas Tout
du à
tout fait
2. Ce Drive se trouve à proximité immédiate…
1 2 3 4 5 6
2-1) …. de votre domicile
2-2) …. de votre lieu de travail.
2-3) …. De vos trajets habituels.

Pas Tout
du à
3. Concernant le POINT DE RETRAIT de ce Drive :
tout fait
1 2 3 4 5 6
1) Ce Drive est propre.
2) La décoration et l’esthétique de ce Drive sont agréables.
3) L’agencement de ce Drive est très efficace.
4) Les jours et les horaires d’ouverture de Drive sont très pratiques.
5) C’est facile d’accéder à ce Drive.
6) Je me sens en sécurité dans ce Drive.
7) J’apprécie la proximité de ce Drive.
8) J’apprécie de ne pas avoir à charger les courses dans le coffre de

la voiture.
9) Une fois arrivé au point de retrait, je reçois ma commande
rapidement.
10) Ce Drive respecte les délais annoncés.
11) Mes achats sont bien rangés dans les sacs.
12) J’obtiens ce que j’ai commandé.
13) Avec ce Drive, je suis sûr de ne pas me retrouver avec des

produits périmés ou à courte durée de consommation.
14) Dans ce Drive le personnel…
14-1) … présente bien.
14-2) … sait exactement ce qu’il a à faire.

14-3) ... est très disponible.
14-4) ... est poli et aimable.

Annexes
14-5) … est serviable.
Pas Tout
4. Quand vous commandez sur le SITE INTERNET de ce du à
Drive: tout fait
1 2 3 4 5 6
1) Ce site internet de Drive est facile à utiliser.
2) L’organisation et la mise en page de ce site facilitent la recherche

d’informations.
3) C’est très facile d’ajouter ou de retirer des articles de mon panier
4) Ce site fournit sur les produits ou services des informations….

4-1) … utiles.
4-2) … toujours très exactes.
4-3) … suffisamment précises et détaillées.
5) Ce site internet m’informe efficacement des promotions.
6) Ce site internet de Drive est visuellement plaisant.
7) Ce site internet de Drive est visuellement original.
8) La mise en page de ce site internet est claire et simple.
9) Ce site de Drive offre un excellent niveau de sécurité.
10) Ma vie privée est bien protégée sur ce site internet de Drive.
11) Les paiements par carte sont très bien sécurisés sur ce site internet
12) Pour mes courses, ce site me permet de ne rien oublier.
13) Ce site internet permet de gagner vraiment du temps.
14) Ce site internet m’informe utilement sur mes achats antérieurs.
15) Ce site internet me permet de maîtriser mes dépenses.
16) Avec ce site internet, je commande vraiment quand ça m’arrange.
17) Les prix sur ce site internet de Drive sont attractifs.
18) Ce site de Drive offre souvent des promotions intéressantes.
19) On trouve souvent de bonnes affaires sur ce site internet de Drive.
20) Ce site internet de Drive propose une grande variété de produits.

Annexes
21) Pour les produits que j’achète, j’ai le choix entre beaucoup de
marques.
22) Ce site internet de Drive offre un bon rapport qualité-prix.
23) Ce Drive offre des produits de bonne qualité.
5. GLOBALEMENT :
Pas Tout
du à
tout fait
1 2 3 4 5 6
1) Ce Drive se soucie de faire gagner du temps aux clients
2) Ce Drive met tout en œuvre pour simplifier la vie des clients.
3) Ce Drive est conçu pour s’adapter aux emplois du temps des

clients
4) Ce Drive offre des services de très bonne qualité.
5) Les services offerts (SAV, garantie, retrait, …) sont efficaces.
6) Les prix de ce Drive me satisfont.
6. EN CONCLUSION :
Pas Tout
du à
tout fait
1 2 3 4 5 6
1) Cela a été une bonne décision de choisir ce Drive.
2) Ce Drive n’a pas déçu mes attentes.
3) Je suis très content(e) de ce Drive.
4) Je recommanderai certainement ce Drive à mes amis.
5) A l’occasion d’une discussion, je n’hésiterai pas à dire du bien de

ce Drive.
6) Quand j’ai besoin de faire des courses, je pense d’abord à ce
Drive.
7) Je vais continuer à faire mes courses avec ce Drive.
8) Ça vaut la peine d’utiliser ce Drive, même si les prix n’y sont pas
toujours les plus bas.

Annexes
9) Avec ce Drive, j’en ai pour mon argent.
10) C’est vraiment mon intérêt d’utiliser ce Drive.
11) Tout bien considéré, ça vaut vraiment le coup d’utiliser ce Drive.
7. L’utilisation de ce Drive vous laisse :

Très insatisfait Très satisfait
1 2 3 4 5 6
8. Votre opinion sur l’ENSEIGNE qui met en œuvre ce Drive :

Pas Tout
du à
tout fait
1 2 3 4 5 6
1) Avant d’utiliser ce Drive, je faisais habituellement mes courses
chez cette même enseigne.
2) Cette enseigne est digne de confiance.
3) Cette enseigne tient ses promesses et ses engagements.
4) J’ai confiance en la qualité des produits vendus par cette

enseigne.
5) Je crois en la sincérité de cette enseigne.

Annexes
Pour mieux vous connaître
1. Vous êtes : Une femme Un homme
2. Vous avez : Moins de 30 ans

De 31 à 40 ans
De 41 à 50 ans
De 51 à 60 ans
Plus de 60 ans
3. Votre situation familiale :
Célibataire Marié(e) Divorcé(e) Veuf(Ve)

- Nombre d’enfants ……….
- Nombre de personnes vivant habituellement avec vous dans votre domicile……..
4. A quelle catégorie socio-professionnelle rattacheriez-vous votre ménage ?
Exploitant agricole Chef d’entreprise, profession libérale

Artisan, Commerçant Ingénieur, Cadre supérieur
Employé, Ouvrier Enseignant
Technicien supérieur, agents de maîtrise Étudiant
Retraité (merci d’indiquer aussi votre ancienne catégorie professionnelle).
En recherche d’emploi (merci d’indiquer aussi votre catégorie professionnelle).
Autre (précisez)…………………………………………
5. Vous arrive-t-il d’utiliser d’autres Drive ?
Non, jamais.
Oui, autres Carrefour Drive.
Oui, Drive d’autres enseignes.

Annexes
6. En général, à quelle fréquence faîtes-vous vous courses :

Merci de cocher une seule case dans chaque colonne
En Drive Autrement
- Une fois par semaine
- Plus d’une fois par semaine
- Toutes les deux semaines
- Deux ou trois fois par mois
- Une fois par mois
- Moins d’une fois par mois
7. En général, votre panier au drive s’élève à :

Moins de 50€ de 50 à 75 € de 75 à 100 €
de 100 à 150 € de 150 à 200 € Plus de 200 €
Merci encore du temps et du soin que vous avez consacré à répondre à

ces questions et je vous rappelle que vos réponses seront très utiles pour
notre recherche.

Annexes
Annexe 3
Les valeurs manquantes par item
Observations
Inclus Exclu Total
N Pourcentage N Pourcentage N Pourcentage
Facilité d'utilisation 1 500 100,0% 0 0,0% 500 100,0%

Information 1 500 100,0% 0 0,0% 500 100,0%
Information 2 500 100,0% 0 0,0% 500 100,0%
Information 3 500 100,0% 0 0,0% 500 100,0%
Information 4 500 100,0% 0 0,0% 500 100,0%
Personnalisation site Web 1 494 98,8% 6 1,2% 500 100,0%
Design 1 496 99,2% 4 0,8% 500 100,0%
Design 2 500 100,0% 0 0,0% 500 100,0%
Design 3 500 100,0% 0 0,0% 500 100,0%
Sécurité / Confidentialité 1 500 100,0% 0 0,0% 500 100,0%
Assortiment 1 500 100,0% 0 0,0% 500 100,0%
Assortiment 2 500 100,0% 0 0,0% 500 100,0%
Assortiment 3 500 100,0% 0 0,0% 500 100,0%
Assortiment 4 500 100,0% 0 0,0% 500 100,0%
Fiabilité 1 500 100,0% 0 0,0% 500 100,0%
Fiabilité 2 494 98,8% 6 1,2% 500 100,0%
Fiabilité 3 482 96,4% 18 3,6% 500 100,0%
Fiabilité 4 458 91,6% 42 8,4% 500 100,0%
Tangibilité 1 500 100,0% 0 0,0% 500 100,0%
Tangibilité 2 500 100,0% 0 0,0% 500 100,0%
Tangibilité 3 500 100,0% 0 0,0% 500 100,0%
Tangibilité 4 498 99,6% 2 0,4% 500 100,0%
Tangibilité 5 500 100,0% 0 0,0% 500 100,0%
Accessibilité 1 500 100,0% 0 0,0% 500 100,0%
Accessibilité 2 500 100,0% 0 0,0% 500 100,0%
Accessibilité 3 500 100,0% 0 0,0% 500 100,0%
Accessibilité 4 498 99,6% 2 0,4% 500 100,0%

Annexes
Accessibilité 5 490 98,0% 10 2,0% 500 100,0%

Personnel 1 496 99,2% 4 0,8% 500 100,0%
Personnel 2 498 99,6% 2 0,4% 500 100,0%
Personnel 3 492 98,4% 8 1,6% 500 100,0%
Personnel 4 498 99,6% 2 0,4% 500 100,0%
Personnel 5 498 99,6% 2 0,4% 500 100,0%
Valeur Globale 1 500 100,0% 0 0,0% 500 100,0%
Valeur Globale 2 498 99,6% 2 0,4% 500 100,0%
Valeur Globale 3 500 100,0% 0 0,0% 500 100,0%
Valeur Globale 4 500 100,0% 0 0,0% 500 100,0%
Satisfaction 1 500 100,0% 0 0,0% 500 100,0%
Satisfaction 2 500 100,0% 0 0,0% 500 100,0%
Satisfaction 3 500 100,0% 0 0,0% 500 100,0%
Satisfaction 4 500 100,0% 0 0,0% 500 100,0%
Fidélité 1 500 100,0% 0 0,0% 500 100,0%
Fidélité 2 500 100,0% 0 0,0% 500 100,0%
Fidélité 3 500 100,0% 0 0,0% 500 100,0%
Fidélité 4 500 100,0% 0 0,0% 500 100,0%
Confiance 1 500 100,0% 0 0,0% 500 100,0%
Confiance 2 494 98,8% 6 1,2% 500 100,0%
Confiance 3 494 98,8% 6 1,2% 500 100,0%
Confiance 4 492 98,4% 8 1,6% 500 100,0%

Annexes
Annexe 4
Valeurs extrêmes ou aberrantes (Boîte à Moustaches)

Annexes
Annexe 5
Résultats des analyses préliminaires de l’adéquation des données à l’analyse
multi-variée
L’échelle de mesure de la qualité de site Web du Drive
 Valeurs extrêmes ou aberrantes : boîte à moustaches

Annexes
 Normalité des données
Tests de normalité
Kolmogorov-Smirnova Shapiro-Wilk
Statistiques Ddl Sig. Statistiques ddl Sig.
Facilité d'utilisation 1 ,200 500 ,000 ,884 500 ,000

Information 1 ,220 500 ,000 ,894 500 ,000
Information 2 ,260 500 ,000 ,881 500 ,000
Information 3 ,210 500 ,000 ,903 500 ,000
Information 4 ,207 500 ,000 ,908 500 ,000
Personnalisation 1 ,256 500 ,000 ,876 500 ,000
Design 1 ,285 500 ,000 ,861 500 ,000
Design 2 ,245 500 ,000 ,877 500 ,000
Design 3 ,257 500 ,000 ,870 500 ,000
Assortiment 1 ,205 500 ,000 ,904 500 ,000
Assortiment 2 ,212 500 ,000 ,899 500 ,000
Assortiment 3 ,214 500 ,000 ,889 500 ,000
Assortiment 4 ,200 500 ,000 ,899 500 ,000
Sécurité / Conf 1 ,266 500 ,000 ,850 500 ,000
Sécurité / Conf 2 ,252 500 ,000 ,853 500 ,000
Sécurité / Conf 3 ,330 500 ,000 ,754 500 ,000
Fiabilité 1 ,258 500 ,000 ,871 500 ,000
Fiabilité 2 ,184 500 ,000 ,896 500 ,000
Fiabilité 3 ,280 500 ,000 ,864 500 ,000
a. Correction de signification de Lilliefors
Les données ne suivent pas une distribution normale (p-value significative).

Annexes
 Statistiques descriptives
Statistiques descriptives
N Minimum Maximum Moyenne Ecart type Skewness Kurtosis
Erreur Erreur
Statistiques Statistiques Statistiques Statistiques Statistiques Statistiques std. Statistiques std.
Facilité
500 2 6 4,65 1,013 -,303 ,109 -,437 ,218
d'utilisation 1
Facilité
500 2 6 4,36 1,040 -,385 ,109 -,269 ,218
d'utilisation 2
Facilité
500 1 6 4,28 1,031 -,341 ,109 -,149 ,218
d'utilisation 3
Information 1 500 2 6 4,41 ,940 -,314 ,109 -,166 ,218
Information 2 500 2 6 4,47 ,942 -,475 ,109 -,146 ,218
Information 3 500 1 6 4,44 1,077 -,506 ,109 ,026 ,218
Information 4 500 2 6 4,23 1,061 ,028 ,109 -,630 ,218
Personnalisation 1 500 1 6 3,76 ,891 -,475 ,109 ,111 ,218
Personnalisation 2 500 2 6 4,62 ,870 -,550 ,109 ,272 ,218
Personnalisation 3 500 1 6 3,95 ,955 -,113 ,109 -,199 ,218
Personnalisation 4 500 1 6 4,28 1,038 -,412 ,109 -,289 ,218
Personnalisation 5 500 2 6 4,62 1,093 -,508 ,109 -,302 ,218
Design 1 500 2 6 4,64 ,864 -,584 ,109 ,357 ,218
Design 2 500 2 6 4,68 ,950 -,566 ,109 ,177 ,218
Design 3 500 2 6 4,78 ,951 -,636 ,109 ,141 ,218
Assortiment 1 500 1 6 3,12 ,945 -,047 ,109 -,132 ,218
Assortiment 2 500 1 5 3,14 ,931 -,117 ,109 -,235 ,218
Assortiment 3 500 1 6 4,10 ,901 -,314 ,109 -,028 ,218
Assortiment 4 500 2 6 4,49 ,980 -,198 ,109 -,485 ,218
Sécurité / Conf 1 500 2 6 4,66 ,760 -,173 ,109 ,017 ,218
Sécurité / Conf 2 500 3 6 4,92 ,829 -,380 ,109 -,446 ,218
Sécurité / Conf 3 500 3 6 5,33 ,836 -,977 ,109 -,064 ,218
Fiabilité 1 500 1 6 4,67 ,922 -,666 ,109 ,780 ,218
Fiabilité 2 500 1 6 4,47 1,050 -,483 ,109 ,384 ,218
Fiabilité 3 500 2 6 4,34 ,836 ,068 ,109 ,195 ,218
N valide (liste) 500
Les items ont dans l’ensemble une évaluation moyenne proche. La quasi-normalité (Kurtosis
et Skewness) des données est satisfaite.

Annexes
L’échelle de mesure de la qualité du point de retrait du Drive
Tests de normalité
Statistiques ddl Sig. Statistiques ddl Sig.
Tangibilité 1 ,198 500 ,000 ,908 500 ,000

Tangibilité 2 ,215 500 ,000 ,892 500 ,000
Tangibilité 3 ,269 500 ,000 ,856 500 ,000
Tangibilité 4 ,231 500 ,000 ,885 500 ,000
Tangibilité 5 ,212 500 ,000 ,868 500 ,000
Accessibilité 1 ,262 500 ,000 ,803 500 ,000
Accessibilité 2 ,282 500 ,000 ,831 500 ,000
Accessibilité 3 ,220 500 ,000 ,894 500 ,000
Accessibilité 4 ,260 500 ,000 ,881 500 ,000
Accessibilité 5 ,210 500 ,000 ,903 500 ,000
Personnel 1 ,273 500 ,000 ,875 500 ,000
Personnel 2 ,228 500 ,000 ,888 500 ,000
Personnel 3 ,211 500 ,000 ,896 500 ,000
Personnel 4 ,221 500 ,000 ,890 500 ,000
Personnel 5 ,218 500 ,000 ,886 500 ,000
a. Correction de signification de Lilliefors
Les données ne suivent pas une distribution normale (p-value significative)

Annexes
StatistiquesStatistiques Statistiques Statistiques Statistiques Statistiques Erreur std. Statistiques Erreur std.
Tangibilité 1 500 2 6 4,07 1,034 -,221 ,109 -,479 ,218

Tangibilité 2 500 2 6 4,06 ,908 -,179 ,109 -,331 ,218
Tangibilité 3 500 2 6 4,44 ,774 ,085 ,109 -,097 ,218
Tangibilité 4 500 2 6 4,68 ,950 -,369 ,109 -,393 ,218
Tangibilité 5 500 1 6 4,78 1,055 -,769 ,109 ,567 ,218
Accessibilité 1 500 3 6 5,20 ,776 -,470 ,109 -,878 ,218
Accessibilité 2 500 3 6 4,57 ,749 ,305 ,109 -,458 ,218
Accessibilité 3 500 2 6 4,41 ,940 -,314 ,109 -,166 ,218
Accessibilité 4 500 2 6 4,47 ,942 -,475 ,109 -,146 ,218
Accessibilité 5 500 1 6 4,44 1,077 -,506 ,109 ,026 ,218
Personnel 1 500 2 6 4,36 1,005 ,186 ,109 -,558 ,218
Personnel 2 500 2 6 4,41 ,896 -,236 ,109 -,279 ,218
Personnel 3 500 2 6 4,55 ,979 -,277 ,109 -,423 ,218
Personnel 4 500 2 6 4,59 1,112 -,505 ,109 -,471 ,218
Personnel 5 500 2 6 4,62 1,127 -,520 ,109 -,509 ,218
et Skewness) des données est satisfaite

Annexes
L’échelle de mesure de la valeur globale perçue d’un Drive
Tests de normalité
Valeur Globale 1 ,243 500 ,000 ,893 500 ,000

Valeur Globale 2 ,209 500 ,000 ,911 500 ,000
Valeur Globale 3 ,203 500 ,000 ,892 500 ,000
Valeur Globale 4 ,219 500 ,000 ,871 500 ,000
Les données ne suivent pas une distribution normale (p-value significative)
Statistique Statistique Statistique Statistique Statistique Statistique Erreur Statistique Erreur
s s s s s s std. s std.
Valeur Globale 1 500 1 6 3,89 1,235 -,687 ,109 -,028 ,218

Valeur Globale 2 500 1 6 4,07 1,025 -,342 ,109 -,003 ,218
Valeur Globale 3 500 1 6 4,49 1,227 -,706 ,109 ,086 ,218
Valeur Globale 4 500 1 6 4,64 1,257 -,787 ,109 -,035 ,218
Les items ont dans l’ensemble une évaluation moyenne proche. La quasi-normalité
(Kurtosis et Skewness) des données est satisfaite.

Annexes
L’échelle de mesure de la satisfaction de consommateur
Tests de normalité
Satisfaction 1 ,209 500 ,000 ,887 500 ,000

Satisfaction 2 ,221 500 ,000 ,885 500 ,000
Satisfaction 3 ,243 500 ,000 ,888 500 ,000
Satisfaction 4 ,222 500 ,000 ,874 500 ,000
Statistiqu Statistique Statistique Statistique Statistique Statistique Erreur Statistique Erreur

es s s s s s std. s std.
Satisfaction 1 500 2 6 4,45 1,022 -,334 ,109 -,042 ,218

Satisfaction 2 500 1 6 4,40 ,981 -,594 ,109 ,456 ,218
Satisfaction 3 500 1 6 4,48 1,020 -,623 ,109 ,233 ,218
Satisfaction 4 500 1 6 4,25 1,078 -,861 ,109 ,825 ,218
N valide
500
(liste)

Annexes
L’échelle de mesure de la confiance à l’enseigne
Tests de normalité
Confiance 1 ,204 500 ,000 ,891 500 ,000

Confiance 2 ,230 500 ,000 ,888 500 ,000
Confiance 3 ,247 500 ,000 ,892 500 ,000
Confiance 4 ,224 500 ,000 ,885 500 ,000
Statistique Statistique Statistique Erreur Statistique Erreur

Statistiques s s Statistiques Statistiques s std. s std.
Confiance 1 500 1 6 4,41 ,950 -,360 ,109 ,225 ,218

Confiance 2 500 2 6 4,40 ,899 -,118 ,109 -,112 ,218
Confiance 3 500 2 6 4,46 1,007 -,421 ,109 -,391 ,218
Confiance 4 500 2 6 4,45 ,890 -,287 ,109 -,037 ,218

Annexes
L’échelle de mesure de la fidélité à un Drive
 Valeurs extrêmes ou aberrantes : boîte à moustaches :
Statistiqu Statistiq Statistique Statistique Statistique Erreur Statistique Erreur

es ues s s Statistiques s std. s std.
Fidélité 1 500 1 6 4,70 1,040 -,713 ,109 ,248 ,218

Fidélité 2 500 1 6 4,49 1,049 -,753 ,109 ,517 ,218
Fidélité 3 500 1 6 4,38 1,340 -,958 ,109 ,314 ,218
Fidélité 4 500 1 6 4,45 1,138 -,976 ,109 ,777 ,218
N valid (liste) 500

Statistiqu Statistiq Statistique Statistique Statistique Erreur Statistique Erreur
es ues s s Statistiques s std. s std.
Fidélité 1 500 1 6 4,70 1,040 -,713 ,109 ,248 ,218
Fidélité 2 500 1 6 4,49 1,049 -,753 ,109 ,517 ,218
Fidélité 3 500 1 6 4,38 1,340 -,958 ,109 ,314 ,218
Fidélité 4 500 1 6 4,45 1,138 -,976 ,109 ,777 ,218
N valid (liste) 500

Annexes
La validation des échelles (Factorisation des données et structure factorielle)
Pour chaque variable, nous procédons à des analyses factorielles exploratoires et

confirmatoires. Ainsi, nous vérifions le caractère factorisables des données, la
dimensionnalité, la fiabilité et la validité de l’échelle.
Annexe 6
L’échelle de la qualité de site web du Drive
 Tests préalables à la factorisation des données de l’échelle de l’échelle de la
qualité de site web du Drive
Indice KMO et test de Bartlett
Indice de Kaiser-Meyer-Olkin pour la mesure de la qualité ,944

d'échantillonnage.
Test de sphéricité de Bartlett Khi-deux approx. 6297,154
Ddl 300
Signification ,000
 Dimensionnalité et cohérence interne de l’échelle de mesure de la qualité de site

Web
Variance totale expliquée

Sommes de rotation
du carré des
Valeurs propres initiales Sommes extraites du carré des chargements chargements
Facteur Total % de la variance % cumulé Total % de la variance % cumulé Total
1 7,576 58,277 58,277 3,490 26,846 26,846 6,402
2 1,384 10,647 68,924 4,959 38,146 64,992 5,404
3 ,853 6,560 75,483 ,630 4,846 69,838 3,724
4 ,666 5,126 80,610 ,471 3,627 73,464 5,511
5 ,513 3,948 84,558 ,415 3,191 76,656 5,806
6 ,390 3,004 87,562
7 ,335 2,579 90,141
8 ,298 2,290 92,431
9 ,270 2,075 94,505
10 ,225 1,729 96,234
11 ,208 1,599 97,834
12 ,177 1,361 99,195
13 ,105 ,805 100,000
Méthode d'extraction : Maximum de vraisemblance.
a. Lorsque les facteurs sont corrélés, impossible d'ajouter la somme du carré de chargement pour obtenir une variance totale.

Annexes
 Teste de la fiabilité
 Fiabilité facilitée d’utilisation
Statistiques de fiabilité
Alpha de Cronbach Nombre d'éléments

,857 3
 Fiabilité Information

,902 3

Annexes
 Fiabilité Design

,915 3
 Fiabilité Sécurité/Confidentiel

,750 2
 Fiabilité Assortiment

,931 2

Annexes
 Poids factoriels non standardisés
Estimate S.E. C.R. P Label

FAUTI3 <--- Facilité 1,000
FAUTI2 <--- Facilité 1,078 ,054 19,880 *** par_1
FAUTI1 <--- Facilité ,934 ,056 16,543 *** par_2
INFO3 <--- Information 1,000
INFO2 <--- Information ,931 ,047 19,968 *** par_3
INFO1 <--- Information ,922 ,047 19,734 *** par_4
DESI3 <--- Design 1,000
DESI2 <--- Design 1,079 ,055 19,449 *** par_5
DESI1 <--- Design 1,022 ,051 19,877 *** par_6
SECONF2 <--- Sécurité 1,000
SECONF1 <--- Sécurité ,809 ,052 15,694 *** par_7
ASSORT2 <--- Assortiment 1,000
ASSORT1 <--- Assortiment ,960 ,048 19,833 *** par_8
 Corrélations multiples au carré
Estimate
FAUTI3 ,830
FAUTI2 ,888
FAUTI1 ,796
INFO3 ,827
INFO2 ,883
INFO1 ,872
DESI3 ,816
DESI2 ,874
DESI1 ,895
SECONF2 ,874
SECONF1 ,793
ASSORT2 ,965
ASSORT1 ,913

Annexes
Annexe 7
L’échelle de mesure de la qualité du point de retrait du Drive
 Tests préalables à la factorisation des données de l’échelle de l’échelle de la
qualité du point de retrait du Drive
Indice de Kaiser-Meyer-Olkin pour la mesure de la qualité d'échantillonnage. ,867

ddl 105
Signification ,000
 Dimensionnalité et cohérence interne de l’échelle de mesure de la qualité du point

de retrait

Sommes extraites du carré des Sommes de rotation du
Valeurs propres initiales chargements carré des chargementsa
% de la
Facteur Total % de la variance % cumulé Total variance % cumulé Total
1 6,952 46,345 46,345 5,827 38,849 38,849 5,037
2 1,718 11,453 57,798 2,071 13,809 52,658 5,161
3 1,114 7,424 65,223 ,728 4,851 57,509 4,992
4 ,858 5,723 70,946
5 ,688 4,586 75,532
6 ,677 4,512 80,044
7 ,566 3,775 83,819
8 ,491 3,273 87,091
9 ,460 3,068 90,160
10 ,385 2,568 92,727
11 ,314 2,092 94,820
12 ,250 1,669 96,489
13 ,246 1,643 98,132
14 ,200 1,331 99,463
15 ,081 ,537 100,000
a. Lorsque les facteurs sont corrélés, impossible d'ajouter la somme du carré de chargement pour obtenir une variance totale.

Annexes
 Test de la fiabilité
 Tangibilité

,840 3
 Accessibilité

,789 3
 Personnel

,917 3

Annexes
 Poids factoriels non standardisés
Estimate S.E. C.R. P Label

Tangibilité <--- Point ,585 ,079 7,438 *** par_7
Accessibilité <--- Point ,801 ,103 7,766 *** par_8
Personnel <--- Point 1,000
TANG4 <--- Tangibilité 1,000
TANG2 <--- Tangibilité 1,173 ,077 15,298 *** par_1
TANG1 <--- Tangibilité 1,369 ,088 15,508 *** par_2
ACCESS5 <--- Accessibilité 1,000
ACCESS4 <--- Accessibilité ,932 ,049 18,867 *** par_3
ACCESS3 <--- Accessibilité ,950 ,050 18,945 *** par_4
PERS5 <--- Personnel 1,000
PERS4 <--- Personnel ,958 ,028 34,392 *** par_5
PERS3 <--- Personnel ,673 ,034 19,939 *** par_6
 Corrélations multiples au carré
Estimate
Tangibilité ,673
Accessibilité ,726
Personnel ,722
TANG4 ,723
TANG2 ,878
TANG1 ,894
ACCESS5 ,818
ACCESS4 ,874
ACCESS3 ,888
PERS5 ,965
PERS4 ,940
PERS3 ,762

Annexes
Annexe 8
L’échelle de la valeur globale perçue d’un Drive
 Factorisation des données et structure factorielle

Ddl 6
Signification ,000
 Dimensionnalité et cohérence interne de l’échelle de mesure de la valeur globale

Valeurs propres initiales Sommes extraites du carré des chargements
% de la % de la
Facteur Total variance % cumulé Total variance % cumulé
1 3,479 86,980 86,980 3,303 82,576 82,576

2 ,249 6,217 93,197
3 ,165 4,116 97,313
4 ,107 2,687 100,000

Annexes

,949 4

Annexes
Annexe 9
L’échelle de mesure de la satisfaction de consommateur


ddl 6
Signification ,000
 Dimensionnalité et cohérence interne de l’échelle de mesure de la valeur globale

Facteur Total % de la variance % cumulé Total % de la variance % cumulé
1 3,280 82,003 82,003 3,041 76,013 76,013

2 ,299 7,476 89,478
3 ,225 5,626 95,104
4 ,196 4,896 100,000

Annexes

,926 4

Annexes
Annexe 10
L’échelle de mesure de la confiance à l’enseigne

Ddl 6
Signification ,000
 Dimensionnalité et cohérence interne de l’échelle de mesure de la confiance à

l’enseigne

1 3,213 80,327 80,327 2,964 74,111 74,111
2 ,395 9,866 90,193
3 ,222 5,547 95,740
4 ,170 4,260 100,000

Annexes
,917 4

Annexes
Annexe 11
L’échelle de mesure de la fidélité à un Drive
 Factorisation des données et structure factorielle (Fidélité)

ddl 6
Signification ,000
 Dimensionnalité et cohérence interne de l’échelle de mesure de la fidélité

1 3,392 84,804 84,804 3,191 79,773 79,773
2 ,323 8,083 92,888
3 ,149 3,737 96,625
4 ,135 3,375 100,000

Annexes
,935 4

Annexes
Annexe 12
Validité discriminate des construits du modèle externe
Facilité Information Design Assortiment Sécurité Tangibilité Accessibilité Personnel Valeur Satisfaction Confiance Fidélité
AVE (x) > Cor² (x, y)

Facilité 0,796
Information 0,536 0,827
Design 0,485 0,578 0,827
Assortiment 0,141 0,192 0,282 0,940
Sécurité 0,336 0,378 0,506 0,190 0,846
Tangibilité 0,230 0,231 0,241 0,138 0,213 0,706
Accessibilité 0,408 0,492 0,416 0,129 0,336 0,472 0,596
Personnel 0,250 0,247 0,273 0,186 0,249 0,271 0,339 0,857
Valeur 0,332 0,361 0,469 0,256 0,276 0,247 0,328 0,337 0,809
Satisfaction 0,313 0,375 0,435 0,345 0,322 0,289 0,327 0,357 0,735 0,824
Confiance 0,329 0,391 0,388 0,259 0,326 0,205 0,310 0,289 0,653 0,700 0,778
Fidélité 0,321 0,431 0,488 0,305 0,312 0,280 0,306 0,292 0,734 0,787 0,725 0,835

Annexes
Annexe 13
L’output de la macro SPSS pour la médiation simple
L’output de la macro pour la relation Qualité de site Satisfaction Fidélité
Macro command line:

sobel Y = Fidélité/X = Qualité de site/ M = Satisfaction/ BOOT = 5000.
Macro output
Run MATRIX procedure:
Preacher and Hayes (2004) SPSS Macro for Simple Mediation
Written by Andrew F. Hayes, The Ohio State University
http://www.comm.ohio-state.edu/ahayes/
For details, see Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS
procedures for estimating indirect effects in simple mediation models
Behavior Research Methods, Instruments, and Computers, 36, 717-731.
VARIABLES IN SIMPLE MEDIATION MODEL

Y Fidélité
X Site
M Satisfaction
DESCRIPTIVES STATISTICS AND PEARSON CORRELATIONS

Mean SD Fidélité Site Satisfaction
Fidélité -,0001 1,0014 1,0000 ,7396 ,8869
Site ,0000 1,0014 ,7396 1,0000 ,7213
Satisfaction ,0000 1,0015 ,8869 ,7213 1,0000
SAMPLE SIZE
350
DIRECT AND TOTAL EFFECTS

Coeff s.e. t Sig(two)
b(YX) ,7395 ,0361 20,4966 ,0000
b(MX) ,7213 ,0371 19,4273 ,0000
b(YM.X) ,7368 ,0340 21,6630 ,0000
b(YX.M) ,2080 ,0340 6,1168 ,0000
INDIRECT EFFECT AND SIGNIFICANCE USING NORMAL DISTRIBUTION

Value s.e. LL95CI UL95CI Z Sig(two)
Effect ,5315 ,0368 ,4594 ,6035 14,4547 ,0000
BOOTSTRAP RESULTS FOR INDIRECT EFFECT

Data Mean s.e. LL99 CI LL95CI UL95CI UL99CI
Effect ,5315 ,5303 ,0370 ,4345 ,4572 ,6021 ,6255
NUMBER OF BOOTSTRAP RESAMPLES

5000

Annexes
********************************* NOTES **********************************
------ END MATRIX ----
L’output de la macro pour la relation Qualité de site Valeur Fidélité
Macro command line:

sobel Y = Fidélité/X = Qualité de site/ M = Valeur/ BOOT = 5000.
Macro output

Y Fidélité
X Site
M Valeur

Mean SD Fidélité Site Valeur
Fidélité -,0001 1,0014 1,0000 ,7396 ,8568
Site ,0000 1,0014 ,7396 1,0000 ,7085
Valeur ,0000 1,0014 ,8568 ,7085 1,0000
SAMPLE SIZE
350

b(YX) ,7395 ,0361 20,4966 ,0000
b(MX) ,7084 ,0378 18,7281 ,0000
b(YM.X) ,6682 ,0365 18,2897 ,0000
b(YX.M) ,2661 ,0365 7,2842 ,0000

Effect ,4734 ,0362 ,4024 ,5444 13,0755 ,0000

Effect ,4734 ,4724 ,0361 ,3797 ,4007 ,5420 ,5704

5000
********************************* NOTES **********************************

Annexes
------ END MATRIX -----
L’output de la macro pour la relation Qualité du point Valeur Fidélité
Macro command line:

sobel Y = Fidélité/X = Qualité du point/ M = Valeur/ BOOT = 5000.
Macro output

Y Fidélité
X Point
M Valeur

Mean SD Fidélité Point Valeur
Fidélit -,0001 1,0014 1,0000 ,6370 ,8568
Point ,0000 1,0014 ,6370 1,0000 ,6487
Valeur ,0000 1,0014 ,8568 ,6487 1,0000
SAMPLE SIZE
350

b(YX) ,6370 ,0413 15,4157 ,0000
b(MX) ,6487 ,0408 15,9023 ,0000
b(YM.X) ,7658 ,0356 21,5167 ,0000
b(YX.M) ,1402 ,0356 3,9394 ,0001

Effect ,4968 ,0389 ,4206 ,5730 12,7797 ,0000

Effect ,4968 ,4967 ,0394 ,3959 ,4203 ,5736 ,6046

5000

Annexes
********************************* NOTES **********************************
------ END MATRIX -----
L’output de la macro pour la relation Qualité du point Satisfaction Fidélité
Macro command line:

sobel Y = Fidélité/X = Qualité du point/ M = Satisfaction/ BOOT = 5000.
Macro output

Y Fidélité
X Point
M Satisfaction

Mean SD Fidélité Point Satisfaction
Fidélité -,0001 1,0014 1,0000 ,6370 ,8869
Point ,0000 1,0014 ,6370 1,0000 ,6718
Satisfaction ,0000 1,0015 ,8869 ,6718 1,0000
SAMPLE SIZE
350

b(YX) ,6370 ,0413 15,4157 ,0000
b(MX) ,6719 ,0397 16,9207 ,0000
b(YM.X) ,8365 ,0332 25,1710 ,0000
b(YX.M) ,0750 ,0332 2,2561 ,0247

Effect ,5620 ,0400 ,4835 ,6405 14,0351 ,0000

Effect ,5620 ,5619 ,0460 ,4454 ,4724 ,6546 ,6854

5000
********************************* NOTES **********************************
------ END MATRIX -----

Annexes
L’output de la macro pour la relation Valeur Satisfaction Fidélité
Macro command line:

sobel Y = Fidélité/X = Valeur/ M = Satisfaction/ BOOT = 5000.
Macro output

Y Fidélité
X Valeur
M Satisfaction

Mean SD Fidélité Valeur Satisfaction
Fidélité -,0001 1,0014 1,0000 ,8568 ,8869
Valeur ,0000 1,0014 ,8568 1,0000 ,8575
Satisfac ,0000 1,0015 ,8869 ,8575 1,0000
SAMPLE SIZE
350

b(YX) ,8568 ,0276 30,9919 ,0000
b(MX) ,8575 ,0276 31,0875 ,0000
b(YM.X) ,5751 ,0441 13,0537 ,0000
b(YX.M) ,3636 ,0441 8,2512 ,0000

Effect ,4932 ,0410 ,4129 ,5736 12,0304 ,0000

Effect ,4932 ,4925 ,0406 ,3861 ,4134 ,5736 ,6006

5000
********************************* NOTES **********************************
------ END MATRIX -----

Annexes
Annexe 14
L’output de la macro SPSS pour la médiation multiple
L’output de la macro pour la relation Qualité du site Valeur, Satisfaction Fidélité

(multiple médiation en une étape)
Macro command line:
indirect Y = Fidélité/X = Qualité du site/ M = Valeur Satisfaction/CONTRAST =

1/NORMAL = 1/BOOT = 5000.
Macro output
Preacher and Hayes (2008) SPSS Macro for Multiple Mediation

http://www.afhayes.com/
For details, see Preacher, K. J., & Hayes, A. F. (2008). Asymptotic

and resampling strategies for assessing and comparing indirect effects
in multiple mediator models. Behavior Research Methods, 40, 879-891.
*****************************************************************
Dependent, Independent, and Proposed Mediator Variables:

DV = Fidélit
IV = Site
MEDS = Valeur
Satisfac
Sample size
350
IV to Mediators (a paths)
Coeff se t p
Valeur ,7089 ,0378 18,7548 ,0000
Satisfac ,7226 ,0371 19,4983 ,0000
Direct Effects of Mediators on DV (b paths)

Coeff se t p
Valeur ,3131 ,0443 7,0690 ,0000
Satisfac ,5104 ,0452 11,2974 ,0000
Total Effect of IV on DV (c path)

Coeff se t p
Site ,7403 ,0360 20,5442 ,0000
Direct Effect of IV on DV (c' path)

Coeff se t p
Site ,1495 ,0330 4,5364 ,0000
Model Summary for DV Model

Annexes
R-sq Adj R-sq F df1 df2 p

,8317 ,8302 569,7607 3,0000 346,0000 ,0000
******************************************************************
NORMAL THEORY TESTS FOR INDIRECT EFFECTS
Indirect Effects of IV on DV through Proposed Mediators (ab paths)

Effect se Z p
TOTAL ,5907 ,0375 15,7467 ,0000
Valeur ,2220 ,0334 6,6409 ,0000
Satisfac ,3688 ,0376 9,8103 ,0000
C1 -,1468 ,0605 -2,4252 ,0153
*****************************************************************
BOOTSTRAP RESULTS FOR INDIRECT EFFECTS

Data Boot Bias SE
TOTAL ,5907 ,5897 -,0010 ,0352
Valeur ,2220 ,2207 -,0013 ,0323
Satisfac ,3688 ,3690 ,0003 ,0382
C1 -,1468 -,1484 -,0015 ,0614
Bias Corrected Confidence Intervals

Lower Upper
TOTAL ,5226 ,6586
Valeur ,1619 ,2912
Satisfac ,2952 ,4453
C1 -,2666 -,0238
*****************************************************************
Level of Confidence for Confidence Intervals:

95
Number of Bootstrap Resamples:

5000
*****************************************************************
INDIRECT EFFECT CONTRAST DEFINITIONS: Ind_Eff1 MINUS Ind_Eff2
Contrast IndEff_1 IndEff_2

C1 Valeur Satisfac
********************************* NOTES **********************************
Bootstrap confidence intervals are preferred to normal theory tests for

inference about indirect effects. See Hayes, A. F. (2009). Beyond Baron
and Kenny: Statistical mediation analysis in the new millennium.
Communication Monographs, 76, 408-420, or Hayes, A. F. (2013). Introduction
to mediation, moderation, and conditional process analysis: A regression-
basedapproach. New York: The Guilford Press
------ END MATRIX -----

Annexes
L’output de la macro pour la relation Qualité du point Valeur, Satisfaction Fidélité

(multiple médiation en une étape)
Macro command line:
indirect Y = Fidélité/X = Qualité du point/ M = Valeur Satisfaction/CONTRAST =

1/NORMAL = 1/BOOT = 5000.
Macro output
*****************************************************************
Preacher and Hayes (2008) SPSS Macro for Multiple Mediation

http://www.afhayes.com/
For details, see Preacher, K. J., & Hayes, A. F. (2008). Asymptotic

and resampling strategies for assessing and comparing indirect effects
in multiple mediator models. Behavior Research Methods, 40, 879-891.
*****************************************************************
Dependent, Independent, and Proposed Mediator Variables:

DV = Fidélit
IV = Point
MEDS = Valeur
Satisfac
Sample size
350
IV to Mediators (a paths)
Coeff se t p
Valeur ,6487 ,0408 15,9023 ,0000
Satisfac ,6718 ,0397 16,9206 ,0000
Direct Effects of Mediators on DV (b paths)

Coeff se t p
Valeur ,3560 ,0449 7,9284 ,0000
Satisfac ,5630 ,0461 12,2056 ,0000
Total Effect of IV on DV (c path)

Coeff se t p
Point ,6370 ,0413 15,4157 ,0000
Direct Effect of IV on DV (c' path)

Coeff se t p
Point ,0278 ,0312 ,8926 ,3727
Model Summary for DV Model

R-sq Adj R-sq F df1 df2 p
,8221 ,8205 532,7906 3,0000 346,0000 ,0000

Annexes
******************************************************************
NORMAL THEORY TESTS FOR INDIRECT EFFECTS

Effect se Z p
TOTAL ,6091 ,0406 15,0091 ,0000
Valeur ,2309 ,0324 7,1220 ,0000
Satisfac ,3782 ,0381 9,9320 ,0000
C1 -,1473 ,0580 -2,5389 ,0111
*****************************************************************
BOOTSTRAP RESULTS FOR INDIRECT EFFECTS

Data Boot Bias SE
TOTAL ,6091 ,6076 -,0016 ,0455
Valeur ,2309 ,2299 -,0010 ,0334
Satisfac ,3782 ,3777 -,0006 ,0408
C1 -,1473 -,1478 -,0004 ,0591
Bias Corrected Confidence Intervals

Lower Upper
TOTAL ,5236 ,7011
Valeur ,1689 ,2993
Satisfac ,3016 ,4614
C1 -,2623 -,0300
*****************************************************************
Level of Confidence for Confidence Intervals:

95
Number of Bootstrap Resamples:

5000
*****************************************************************
INDIRECT EFFECT CONTRAST DEFINITIONS: Ind_Eff1 MINUS Ind_Eff2
Contrast IndEff_1 IndEff_2

C1 Valeur Satisfac
********************************* NOTES **********************************
Bootstrap confidence intervals are preferred to normal theory tests for

inference about indirect effects. See Hayes, A. F. (2009). Beyond Baron
and Kenny: Statistical mediation analysis in the new millennium.
Communication Monographs, 76, 408-420, or Hayes, A. F. (2013). Introduction
to mediation, moderation, and conditional process analysis: A regression-
based approach. New York: The Guilford Press
------ END MATRIX -----

Annexes
L’output de la macro SPSS pour la médiation multiple en chaîne
Annexe 15
L’output de la macro pour la relation Qualité du site Valeur  Satisfaction
Fidélité (multiple médiation en chaîne)
Macro command line:

medthree y = Fidélité/X = Site/M1 = Valeur/M2 = Satisfaction/Boot = 5000
Macro output
VARIABLES IN MEDIATION MODEL

Y Fidélit
X Site
M1 Valeur
M2 Satisfac

Mean SD Fidélit Site Valeur Satisfac
Fidélit -,0001 1,0014 1,0000 ,7403 ,8568 ,8869
Site ,0000 1,0014 ,7403 1,0000 ,7090 ,7226
Valeur ,0000 1,0014 ,8568 ,7090 1,0000 ,8574
Satisfac ,0000 1,0014 ,8869 ,7226 ,8574 1,0000
SAMPLE SIZE
350
Model Path Estimates

Coeff SE t p
a1 : ,7089 ,0378 18,7548 ,0000
a2 : ,2305 ,0372 6,2023 ,0000
a3 : ,6941 ,0372 18,6741 ,0000
b1 : ,3131 ,0443 7,0690 ,0000
b2 : ,5104 ,0452 11,2974 ,0000
c : ,7403 ,0360 20,5442 ,0000
c' : ,1495 ,0330 4,5364 ,0000
Indirect Effects (with bootstrap 95%CI and standard errors)

Effect LL95%CI UL95%CI BootSE
Total : ,5907 ,5176 ,6595 ,0358
M1 : ,2220 ,1614 ,2855 ,0322
M2 : ,1176 ,0769 ,1613 ,0218
M1&M2 : ,2511 ,1983 ,3105 ,0284
-------------------- NOTES ---------------------
Number of Bootstrap Samples:

5000
------ END MATRIX -----

Annexes
Annexe 16
L’output de la macro pour la relation Qualité du point Valeur  Satisfaction
Fidélité (multiple médiation en chaîne)
Macro command line:

medthree y = Fidélité/X = Point/M1 = Valeur/M2 = Satisfaction/Boot = 5000
Macro output
VARIABLES IN MEDIATION MODEL

Y Fidélit
X Point
M1 Valeur
M2 Satisfac

Mean SD Fidélit Point Valeur Satisfac
Fidélit -,0001 1,0014 1,0000 ,6370 ,8568 ,8869
Point ,0000 1,0014 ,6370 1,0000 ,6487 ,6718
Valeur ,0000 1,0014 ,8568 ,6487 1,0000 ,8574
Satisfac ,0000 1,0014 ,8869 ,6718 ,8574 1,0000
SAMPLE SIZE
350
Model Path Estimates

Coeff SE t p
a1 : ,6487 ,0408 15,9023 ,0000
a2 : ,1996 ,0347 5,7548 ,0000
a3 : ,7280 ,0347 20,9905 ,0000
b1 : ,3560 ,0449 7,9284 ,0000
b2 : ,5630 ,0461 12,2056 ,0000
c : ,6370 ,0413 15,4157 ,0000
c' : ,0278 ,0312 ,8926 ,3727
Indirect Effects (with bootstrap 95%CI and standard errors)

Effect LL95%CI UL95%CI BootSE
Total : ,6091 ,5180 ,7001 ,0461
M1 : ,2309 ,1696 ,2996 ,0332
M2 : ,1124 ,0717 ,1580 ,0220
M1&M2 : ,2659 ,2081 ,3266 ,0304
-------------------- NOTES ---------------------
Number of Bootstrap Samples:

5000
------ END MATRIX -----

Annexes
Annexe 17
Test t des effets modérateurs d’âge
Path coefficient (Qualité du site -> Valeur) :

t (Valeur
Groupes Différence t (Valeur observée) critique) DDL p-value Significatif
2 vs 1 0,088 0,785 1,967 348 0,433 Non
Path coefficient (Qualité du point -> Valeur) :

t (Valeur
2 vs 1 0,044 0,420 1,967 348 0,675 Non
Path coefficient (Qualité du site -> Satisfaction) :

t (Valeur
2 vs 1 0,124 1,373 1,967 348 0,171 Non
Path coefficient (Qualité du point -> Satisfaction) :

t (Valeur
2 vs 1 0,072 0,814 1,967 348 0,416 Non
Path coefficient (Valeur -> Satisfaction) :

t (Valeur
2 vs 1 0,008 0,103 1,967 348 0,918 Non
Path coefficient (Valeur -> Fidélité) :

t (Valeur
2 vs 1 0,150 1,774 1,967 348 0,077 Non
Path coefficient (Confiance -> Fidélité) :

t (Valeur
2 vs 1 0,061 0,821 1,967 348 0,412 Non
Path coefficient (Satisfaction -> Fidélité) :

t (Valeur
2 vs 1 0,123 1,287 1,967 348 0,199 Non

Annexes
Annexe 18
Test t des effets modérateurs du genre

t (Valeur
2 vs 1 0,021 0,195 1,967 348 0,846 Non

t (Valeur
2 vs 1 0,135 1,321 1,967 348 0,187 Non

t (Valeur
2 vs 1 0,004 0,052 1,967 348 0,959 Non
Path coefficient (Qualité du point -> Satisfaction) :

t (Valeur
2 vs 1 0,059 0,701 1,967 348 0,484 Non

t (Valeur
2 vs 1 0,075 1,094 1,967 348 0,275 Non

t (Valeur
2 vs 1 0,051 0,656 1,967 348 0,512 Non

t (Valeur
2 vs 1 0,048 0,620 1,967 348 0,535 Non

t (Valeur
2 vs 1 0,004 0,045 1,967 348 0,964 Non

Annexes
Annexe 19
Test t des effets modérateurs de la taille de famille :

t (Valeur
2 vs 1 0,241 2,128 1,967 348 0,034 Oui

t (Valeur
2 vs 1 0,255 2,440 1,967 348 0,015 Oui

t (Valeur
2 vs 1 0,329 3,424 1,967 348 0,001 Oui
Path coefficient (Qualité du point -> Satisfaction)

t (Valeur
2 vs 1 0,232 2,756 1,967 348 0,006 Oui

t (Valeur
2 vs 1 0,100 1,278 1,967 348 0,202 Non

t (Valeur
2 vs 1 0,141 1,607 1,967 348 0,109 Non

t (Valeur
2 vs 1 0,047 0,521 1,967 348 0,603 Non

t (Valeur
2 vs 1 0,184 1,797 1,967 348 0,073 Non

Table des figures
TABLE DES FIGURES

Table des figures
Figure 1: Structure générale de la thèse ................................................................................................................ 18

Figure 2: Modèle de la roue de la distribution de Mc Nair (1958) ........................................................................ 46
Figure 3: Le modèle de l’accordéon ...................................................................................................................... 48
Figure 4: Le modèle du cycle de vie ..................................................................................................................... 50
Figure 5: L modèle du Big Middle ........................................................................................................................ 53
Figure 6: Le nombre des Drives en 2017 .............................................................................................................. 56
Figure 7: Démarche générale de la phase qualitative exploratoire ...................................................................... 103
Figure 8: Etapes de l'analyse de contenu ............................................................................................................. 108
Figure 9: La démarche générale d’élaboration du modèle conceptuel ................................................................ 126
Figure 10: Modèle conceptuel et hypothèses de la recherche ............................................................................. 139
Figure 11: Exemple d’un graphique associé à un modèle d’équations structurelles (MES) ............................... 168
Figure 12: Types de relations dans les modèles de mesure (modèles externes) .................................................. 172
Figure 13: Représentation de l’effet médiateur M entre les variables X et Y ..................................................... 193
Figure 14: Représentation d’une relation de modération de M entre X et Y ...................................................... 195
Figure 15: Modèle de mesure final de la qualité de site web du Drive ............................................................... 218
Figure 16: Modèle de mesure final de la qualité du point de retrait .................................................................... 224
Figure 17: Modèle de mesure final de la valeur globale perçue .......................................................................... 227
Figure 18: Modèle de mesure final de satisfaction .............................................................................................. 230
Figure 19: Modèle de mesure final de la confiance à l’enseigne ........................................................................ 232
Figure 20: Modèle de mesure final de la fidélité à un Drive ............................................................................... 235
Figure 21: Modèle conceptuel à tester ................................................................................................................ 242
Figure 22: Liens structurels du modèle conceptuel ............................................................................................. 248
Figure 23: Un modèle de médiation multiple en deux étapes de l’effet indirect de la qualité du site/ point sur la
fidélité ................................................................................................................................................................. 257

Liste des tableaux
LISTE DES TABLEAUX

Liste des tableaux
Tableau 1: Croissance du e-commerce en milliards d’euros en France ................................................................ 24

Tableau 2 : Les différences entre une stratégie multi- et cross-canal .................................................................... 32
Tableau 3 : La typologie de Gallouj (2007) .......................................................................................................... 42
Tableau 4 : La part du Drive du marché (PDM) ................................................................................................... 55
Tableau 5 : Les différentes formes du Drive ......................................................................................................... 60
Tableau 6 : Les types de fidélité............................................................................................................................ 68
Tableau 7 : Les différentes manifestations de la fidélité ....................................................................................... 70
Tableau 8 : Dimensions de la qualité de service des sites marchands proposées par les praticiens ...................... 83
Tableau 9 : Dimensions de la qualité de service des sites marchands proposées par les chercheurs .................... 84
Tableau 10 : La confiance dans le contexte offline ............................................................................................... 95
Tableau 11 : La confiance dans le contexte online................................................................................................ 96
Tableau 12 : Profil des répondants ...................................................................................................................... 107
Tableau 13 : Les différents types d’analyse de contenu ...................................................................................... 109
Tableau 14 : Synthèse des hypothèses de la recherche ....................................................................................... 140
Tableau 15 : Paradigme de Churchill (1979) ...................................................................................................... 142
Tableau 16 : Les items retenus de la dimension « Facilité d’utilisation » ........................................................... 146
Tableau 17 : Les items retenus de la dimension « Information » ........................................................................ 147
Tableau 18 : Les items retenus de la dimension « Information » ........................................................................ 148
Tableau 19 : Les items retenus de la dimension « Design »................................................................................ 148
Tableau 20 : Les items retenus de la dimension « Sécurité / Confidentialité» .................................................... 149
Tableau 21: Les items retenus de la dimension « Offre » ................................................................................... 150
Tableau 22 : Les items retenus de la dimension « Fiabilité ».............................................................................. 151
Tableau 23 : Les items retenus de la dimension « Tangibilité » ......................................................................... 152
Tableau 24 : Les items retenus de la dimension « Accessibilité » ...................................................................... 153
Tableau 25 : Les items retenus de la dimension « Relation personnelle » .......................................................... 154
Tableau 26 : Les items retenus de la « Valeur Globale Perçue » ........................................................................ 155
Tableau 27 : Les items retenus de la «Satisfaction de l’expérience avec un Drive » .......................................... 156
Tableau 28 : Les items retenus de la « Confiance à l’enseigne » ........................................................................ 157
Tableau 29 : Les items retenus de la « Fidélité à un Drive » .............................................................................. 158
Tableau 30 : Comparaison entre l'approche PLS et l’approche LISREL ............................................................ 170
Tableau 31: Synthèse des étapes du développement d’un modèle d’équations structurelles .............................. 183
Tableau 32 : Synthèse des indices retenus de la qualité d’ajustement ................................................................ 186
Tableau 33 : Critères d’évaluation des résultats de l’approche PLSPM ............................................................. 192
Tableau 34 : Distribution du genre des répondants ............................................................................................. 201
Tableau 35 : Distribution des âges des répondants ............................................................................................. 202
Tableau 36 : Distribution de la situation familiale des répondants ..................................................................... 202
Tableau 37 : Distribution des catégories socioprofessionnelle ........................................................................... 203
Tableau 38 : Distribution de la taille de famille .................................................................................................. 203
Tableau 39 : Distribution de nombre d’enfants ................................................................................................... 204

Liste des tableaux
Tableau 40 : La fréquentation du Drive .............................................................................................................. 205

Tableau 41 : Les valeurs manquantes par répondant........................................................................................... 209
Tableau 42 : Matrice de corrélation factorielle des dimensions de l’échelle de mesure de la Qualité de site Web
du Drive .............................................................................................................................................................. 214
Tableau 43 : Les poids factoriels et les communalités des items de l’échelle de mesure de la qualité de site
Internet avec rotation Promax ............................................................................................................................. 215
Tableau 44 : Indices d’ajustement du modèle de mesure de la qualité de site web du Drive .............................. 217
Tableau 45 : Fiabilité et validité de l’échelle de mesure de la qualité de site Web du Drive .............................. 219
Tableau 46 : Matrice de corrélation des facteurs................................................................................................. 220
Tableau 47 : Les poids factoriels et les communalités des items de l’échelle de la qualité du point de retrait ... 222
Tableau 48 : Indices d’ajustement du modèle de mesure de la qualité du point de retrait du Drive ................... 223
Tableau 49: Fiabilité et validité de l’échelle de mesure de la qualité du point de retrait du Drive .................... 225
Tableau 50 : Les poids factoriels et les communalités des items de l’échelle de la valeur globale perçue d’un
Drive ................................................................................................................................................................... 226
Tableau 51 : Indices d’ajustement du modèle de mesure de la valeur globale perçue ........................................ 227
Tableau 52 : Fiabilité et validité de l’échelle de mesure de la valeur globale perçue d’un Drive ....................... 228
Tableau 53 : Les poids factoriels et les communalités des items de l’échelle de la satisfaction de l’expérience
avec un Drive ...................................................................................................................................................... 229
Tableau 54 : Indices d’ajustement du modèle de mesure de la satisfaction ........................................................ 229
Tableau 55 : Fiabilité et validité de l’échelle de mesure de la satisfaction de l’expérience avec un Drive ......... 230
Tableau 56 : Les poids factoriels et les communalités des items de l’échelle de la confiance à l’enseigne ........ 231
Tableau 57 : Indices d’ajustement du modèle de mesure de la confiance à l’enseigne ....................................... 232
Tableau 58 : Fiabilité et validité de l’échelle de mesure de la confiance à l’enseigne ........................................ 233
Tableau 59 : Les poids factoriels et les communalités des items de l’échelle de la Fidélité à un Drive ............. 234
Tableau 60 : Indices d’ajustement du modèle de mesure de la fidélité ............................................................... 235
Tableau 61 : Fiabilité et validité de l’échelle de mesure de la fidélité à un Drive .............................................. 236
Tableau 62 : Récapitulatif des qualités psychométriques des échelles de mesure .............................................. 237
Tableau 63 : Qualité de l'ajustement du modèle global ....................................................................................... 243
Tableau 64 : Effets directs qualité de site, qualité du pont de retrait du Drive et valeur globale perçue sur la
satisfaction de l’expérience avec un Drive .......................................................................................................... 244
Tableau 65 : Effets directs de la qualité de site, la qualité du pont de retrait du Drive sur la valeur globale perçue
d’un Drive ........................................................................................................................................................... 245
Tableau 66 : Effets directs de la valeur globale perçue, la satisfaction et confiance à l’enseigne sur la fidélité à un
Drive ................................................................................................................................................................... 246
Tableau 67 : Les résultats de test de Sobel Bootstrap pour l’effet indirect ......................................................... 250
Tableau 68 : La VAF (Variance Accounted For) calculée pour l’effet indirect .................................................. 251
Tableau 69 : Les résultats du test des effets indirects totaux par les deux médiateurs ........................................ 253
Tableau 70 : Les résultats du test des effets indirects spécifiques en une étapeTableau ..................................... 254
Tableau 71: Les résultats du test des effets indirects spécifiques en chaîne Qualité de service du site Web du
Drive -Valeur globale perçue - Satisfaction du consommateur - Fidélité du consommateur à un Drive ............ 255

Liste des tableaux
Tableau 72: Les résultats du test des effets indirects spécifiques en chaîne Qualité de service du point de retrait
du Drive -Valeur globale perçue - Satisfaction du consommateur - Fidélité du consommateur à un Drive ....... 256
Tableau 73: Description de l’échantillon selon l’âge .......................................................................................... 259
Tableau 74: Test de permutation pour l’effet modérateur de l’âge de répondant................................................ 259
Tableau 75 : Test de permutation pour l’effet modérateur du sexe de répondant ............................................... 260
Tableau 76: Description de l’échantillon selon la taille de famille ..................................................................... 261
Tableau 77: Test de permutation pour l’effet modérateur de la taille de famille ................................................ 261
Tableau 78: Coefficients structurels et R² concernant l’effet de la qualité de service du site sur la valeur globale
perçue selon la taille de la famille ....................................................................................................................... 262
Tableau 79: Coefficients structurels et R² concernant l’effet de la qualité de service du point de retrait sur la
valeur globale perçue selon la taille de la famille ............................................................................................... 262
Tableau 80: Coefficients structurels et R² concernant l’effet de la qualité de service du site sur la satisfaction
selon la taille de la famille .................................................................................................................................. 262
Tableau 81: Coefficients structurels et R² concernant l’effet de la qualité de service du point de retrait sur la
satisfaction selon la taille de la famille ............................................................................................................... 263
Tableau 82: Récapitulatif du test des hypothèses de recherche ........................................................................... 264
Tableau 83: Fiabilité et validité de l’échelle de mesure de la qualité du site Web du Drive ............................... 267
Tableau 84: Fiabilité et validité de l’échelle de mesure de la qualité du point de retrait du Drive ..................... 268
Tableau 85: Path coefficient de l’analyse multi-groupes de la variable taille de famille .................................... 279

Table des matières
TABLE DES MATIERES

Table des matières
Table des matières
SOMMAIRE .......................................................................................................................................................... 1
INTRODUCTION GENERALE ......................................................................................................................... 4
I. Contexte de la recherche ................................................................................................................... 5

II. Problématique et objectifs de la recherche .................................................................................... 8
III. Démarche de la recherche ........................................................................................................... 13
IV. Contributions de la recherche ..................................................................................................... 13
V. Architecture de la recherche ....................................................................................................... 16
PARTIE I : CADRE CONCEPTUEL DE LA RECHERCHE ........................................................................22
CHAPITRE I : STRATEGIE DE DISTRIBUTION ET COMPORTEMENT DU CONSOMMATEUR DANS

UN CONTEXTE CROSS-CANAL : DRIVE .................................................................................................. 23
Introduction au chapitre I ............................................................................................................................ 23
1 Stratégies de distribution et études des comportements des consommateurs dans un
environnement à plusieurs canaux de distribution ............................................................................... 23
1.1 Les différents types de stratégie de distribution ................................................................. 23
1.1.1 La stratégie de distribution multi-canal ......................................................................... 25
1.1.1.1 La définition de la stratégie de distribution multi-canal ......................................... 25
1.1.1.2 Les principes de la stratégie de distribution multi-canal ........................................ 26
1.1.2 La stratégie de distribution cross-canal.......................................................................... 28
1.1.2.1 La définition de a stratégie de distribution cross-canal .......................................... 28
1.1.2.2 Les fonctions des canaux de distribution dans le contexte cross-canal : ................ 29
1.2 Etudes des comportements des consommateurs dans un environnement à plusieurs canaux
de distribution.................................................................................................................................. 32
1.2.1 Le comportement multi-canal ........................................................................................ 33
1.2.1.1 La définition du comportement multi-canal du consommateur ............................. 33
1.2.1.2 Le comportement multi-canal Mortar and Click .................................................... 34
1.2.1.3 Le comportement multi-canal Click and Mortar .................................................... 35
1.2.2 Le comportement cross-canal ........................................................................................ 36
1.2.2.1 La définition du comportement cross-canal du consommateur .............................. 36
1.2.2.2 Préachat cross canal (le comportement ROPO) ..................................................... 38
1.2.2.3 Le comportement Click & Collect : ....................................................................... 38
2 Les théorisations de l’innovation dans le commerce de détail : Drive ........................................ 39
2.1 L’innovation dans le commerce de détail ........................................................................... 40
2.1.1 La typologie de Dawson (2000) : innovation et compétitivité dans le commerce ......... 40
2.1.2 La typologie de Dupuis .................................................................................................. 40
2.1.3 La typologie de Den Hertog et al. (2000) ...................................................................... 41
2.1.4 La typologie de Gallouj ................................................................................................. 41

Table des matières
2.1.5 La typologie de Choukroun (2012) ................................................................................ 44

2.2 L’analyse de la dynamique des formes de distribution dans le commerce de détail .......... 44
2.2.1 Les modèles de l’innovation dans le commerce de détail selon l’analyse mécaniste .... 45
2.2.1.1 Le modèle de la roue de la distribution .................................................................. 45
2.2.1.2 Le modèle de l’accordéon fondé sur l’assortiment: ............................................... 47
2.2.2 Les analyses stratégiques de l’évolution des formes de vente dans le commerce de détail
…………………………………………………………………………………………51
2.2.2.1 Le modèle stratégique de Filser ............................................................................. 51
2.2.2.2 Le modèle du Big Middle ...................................................................................... 52
2.3 Le Drive nouveau moteur de la grande distribution ........................................................... 54
2.3.1 La définition du Drive ................................................................................................... 54
2.3.2 Les raison de l’essor et du développement du Drive ..................................................... 56
2.3.3 Les différents modèles du Drive .................................................................................... 58
2.3.3.1 Le Drive accolé ...................................................................................................... 58
2.3.3.2 Le Drive solo (déporté) .......................................................................................... 59
2.3.3.3 Le Drive piéton ...................................................................................................... 59
Conclusion du chapitre I .............................................................................................................................. 61
CHAPITRE II : FIDELITE DU CONSOMMATEUR : CONCEPT, MESURES ET DETERMINANTS ...... 64
Introduction au chapitre II ........................................................................................................................... 64
1 La fidélité : un concept central du comportement du consommateur ......................................... 65
1.1 Fidélité à travers les approches principales ........................................................................ 65
1.1.1 L’approche comportementale / béhavioriste .................................................................. 65
1.1.2 L’approche attitudinale .................................................................................................. 66
1.1.3 L’approche composite/mixte ......................................................................................... 67
1.1.4 L’approche relationnelle ................................................................................................ 68
1.1.5 L’approche processuelle ................................................................................................ 70
1.2 Les manifestations de la fidélité du consommateur............................................................ 70
1.2.1 La relation dans la durée ................................................................................................ 71
1.2.2 La relation approfondie.................................................................................................. 72
1.2.3 La relation entendue ...................................................................................................... 72
1.3 L’avantage de la fidélité ..................................................................................................... 72
1.4 La fidélité au point de vente ............................................................................................... 73
1.4.1 La définition de la fidélité au point de vente ................................................................. 73
1.4.2 Les déterminants de la fidélité au point de vente ........................................................... 74
2 La relation client dans un contexte de distribution cross-canal................................................... 76
2.1 La qualité de service ........................................................................................................... 76
2.1.1 La qualité de service traditionnelle ................................................................................ 77
2.1.1.1 La qualité de service perçue ................................................................................... 78
2.1.1.2 Modèles et dimensionnalité de la qualité de service .............................................. 78
2.1.2 La qualité de service électronique ................................................................................. 81

Table des matières
2.1.2.1 Définition de la qualité de service électronique ..................................................... 81

2.1.2.2 Les différentes façons de mesurer la qualité de service électronique ..................... 82
2.1.2.3 Les dimensions de la qualité de service électronique ............................................. 82
2.1.3 La qualité de service dans un contexte cross-canal........................................................ 85
2.1.3.1 La qualité de service virtuel et la qualité de service traditionnel, quelles différences
et similitudes ? ........................................................................................................................ 86
2.1.3.2 La qualité d’intégration .......................................................................................... 86
2.2 La valeur globale perçue .................................................................................................... 87
2.2.1 La réduction des sacrifices dans le contexte cross-canal ............................................... 89
2.2.1.1 Réduire les sacrifices liés aux caractéristiques du service ou du produit .............. 89
2.2.1.2 Réduire les sacrifices associés à l’incertitude du prix ............................................ 90
2.2.1.3 Réduire les sacrifices associés à la perte de temps et d’énergie ............................. 90
2.2.2 La création d’expérience ................................................................................................ 90
2.2.3 La stratégie cross-canal et le processus d’achat et de consommation ............................ 91
2.3 La satisfaction du consommateur ....................................................................................... 91
2.3.1 La définition de la satisfaction ....................................................................................... 92
2.3.2 La satisfaction et la qualité de service ........................................................................... 93
2.4 La confiance à l’enseigne ................................................................................................... 94
2.4.1 Définition de la confiance à l’enseigne (offline/ online) ............................................... 95
2.4.2 Les dimensions de la confiance à l’enseigne ................................................................. 96
Conclusion du chapitre II ............................................................................................................................ 99
CHAPITRE III : ETUDE QUALITATIVE EXPLORATOIRE ..................................................................... 102
Introduction au chapitre III ........................................................................................................................ 102
1 Méthodologie de l’étude qualitative exploratoire ..................................................................... 103
1.1 Les objectifs de l’étude qualitative exploratoire............................................................... 103
1.2 Le lieu de collecte des données ........................................................................................ 104
1.3 La période de collecte des données .................................................................................. 105
1.4 La procédure de recueil des données qualitatives ............................................................ 105
1.4.1 Le guide d’entretien ..................................................................................................... 105
1.4.2 La nature, la taille et la constitution de l’échantillon ................................................... 106
2 L’analyse des données : analyse de contenu thématique .......................................................... 108
3 Les résultats de la phase qualitative exploratoire ...................................................................... 110
3.1 Les caractéristiques des répondants ................................................................................. 110
3.2 Les motifs d’adoption de drive par les consommateurs ................................................... 112
3.3 Les freins d’achat des consommateurs adapté de Drive ................................................... 119
Conclusion du chapitre III ......................................................................................................................... 120
PARTIE II : DU MODÈLE CONCEPTUEL A L’ÉTUDE EMPIRIQUE ET RÉSULTATS DE LA
RECHERCHE ....................................................................................................................................................125
CHAPITRE IV : MODELE CONCEPTUEL, HYPOTHESES DE LA RECHERCHE ET MESURE DES

VARIABLES ................................................................................................................................................. 126

Table des matières
Introduction au chapitre IV ........................................................................................................................ 126

1 Hypothèses de la recherche et modèle conceptuel .................................................................... 127
1.1 Les hypothèses relatives aux variables centrales .............................................................. 127
1.1.1 L’effet de la qualité de service ..................................................................................... 127
1.1.1.1 L’effet de la qualité de service sur la satisfaction ................................................ 127
1.1.1.2 L’effet de la qualité de service sur la valeur globale perçue ................................ 129
1.1.1.3 L’effet de la qualité de service sur la fidélité du consommateur .......................... 130
1.1.2 L’effet de la valeur globale perçue .............................................................................. 131
1.1.2.1 L’effet de la valeur perçue globale sur la satisfaction .......................................... 131
1.1.2.2 L’effet de la valeur perçue globale sur la fidélité ................................................. 133
1.1.3 L’effet de la satisfaction du consommateur ................................................................. 134
1.1.3.1 L’effet de la satisfaction sur la fidélité à un Drive ............................................... 134
1.1.4 L’effet de la confiance à l’enseigne ............................................................................. 134
1.1.4.1 L’effet de la confiance à l’enseigne sur la fidélité à un Drive .............................. 134
1.2 Les hypothèses relatives aux variables individuelles ....................................................... 135
1.2.1 L’influence de l’âge du répondant ............................................................................... 136
1.2.2 L’influence du sexe du répondant :.............................................................................. 137
1.2.3 L’influence de la taille de famille : .............................................................................. 138
2 Procédure d’opérationnalisation des variables .......................................................................... 141
2.1 Le paradigme de Churchill ............................................................................................... 142
2.1.1 Définir le domaine du construit ................................................................................... 143
2.1.2 L’opérationnalisation des construits ............................................................................ 143
2.2 La mesure des construits centraux.................................................................................... 145
2.2.1 La mesure de la qualité de service du site Web du Drive ............................................ 145
2.2.1.1 La Facilité d’Utilisation ....................................................................................... 145
2.2.1.2 L’information ....................................................................................................... 146
2.2.1.3 La Personnalisation .............................................................................................. 147
2.2.1.4 Le Design ............................................................................................................. 148
2.2.1.5 La Sécurité / Confidentialité ................................................................................ 149
2.2.1.6 L’offre (Assortiment) ........................................................................................... 149
2.2.1.7 La fiabilité ............................................................................................................ 150
2.2.2 La mesure de la qualité du point de retrait ................................................................... 151
2.2.2.1 Les aspects tangibles ............................................................................................ 152
2.2.2.2 L’accessibilité ...................................................................................................... 153
2.2.2.3 La relation personnelle ......................................................................................... 153
2.2.3 La mesure de la valeur globale perçue d’un Drive ...................................................... 154
2.2.4 La mesure de la satisfaction du consommateur ........................................................... 155
2.2.5 La mesure de la confiance à l’enseigne ....................................................................... 156
2.2.6 La mesure de la fidélité du consommateur à un Drive ................................................ 157
Conclusion du chapitre IV ......................................................................................................................... 159

Table des matières
Chapitre V : Méthodologie et conception de l’étude quantitative .................................................................. 161

Introduction au chapitre V ......................................................................................................................... 161
1 Choix méthodologiques pour le recueil des données ................................................................ 161
1.1 Choix du terrain de l’étude quantitative : le Carrefour Drive à Aix en Provence ............ 161
1.2 La méthode de collecte des données ................................................................................ 162
1.2.1 L’élaboration du questionnaire .................................................................................... 162
1.2.2 L’administration du questionnaire ............................................................................... 164
1.2.2.1 Le mode d’administration du questionnaire ......................................................... 165
1.2.2.2 L’échantillonnage et le ciblage des répondants .................................................... 165
2 La méthodologie de validation des instruments de mesure ....................................................... 167
2.1 Le choix des méthodes d’équations structurelles ............................................................. 168
2.2 Les études préliminaires à l’analyse des données ............................................................ 173
2.2.1 Les valeurs manquantes ............................................................................................... 173
2.2.1.1 Les méthodes de traitement des données manquantes ......................................... 173
2.2.1.2 Le caractère aléatoire ou systématique des données manquantes ........................ 174
2.2.2 Les valeurs extrêmes ou aberrantes ............................................................................. 174
2.2.3 La normalité/ la quasi-normalité de la distribution des données et l’absence de la multi-
colinéarité ................................................................................................................................. 175
2.2.4 Le partage de l’échantillon .......................................................................................... 175
2.3 L’analyse factorielle exploratoire sous SPSS ................................................................... 177
2.3.1 Le choix de la matrice à factoriser ............................................................................... 177
2.3.2 Les critères de la pertinence de l’AFE ......................................................................... 177
2.3.3 Le choix de la méthode de l’analyse factorielle exploratoire ...................................... 178
2.3.4 Le nombre de facteurs à extraire.................................................................................. 179
2.3.5 Le choix de la rotation des facteurs ............................................................................. 180
2.3.6 L’épurations des énoncés et interprétation des axes .................................................... 181
2.3.7 La fiabilité des instruments de mesure......................................................................... 181
2.4 L’analyse factorielle confirmatoire sous AMOS : AFC ................................................... 182
2.4.1 Estimation du modèle .................................................................................................. 184
2.4.2 Identification du modèle .............................................................................................. 184
2.4.3 Interprétation des résultats ........................................................................................... 184
2.4.3.1 Evaluation du modèle........................................................................................... 184
2.4.3.2 Modification du modèle et interprétation des résultats ........................................ 186
2.4.4 Estimation de la fiabilité et de la validité de mesure ................................................... 187
2.4.4.1 La fiabilité ............................................................................................................ 187
2.4.4.2 La validité ............................................................................................................ 187
2.4.5 Le principe de l’analyse factorielle confirmatoire de second ordre ............................. 189
3 La méthodologie de test du modèle structurel et des hypothèses de recherche ........................ 190
3.1 La qualité de l’ajustement du modèle global .................................................................... 191
3.2 La méthodologie de test d’hypothèses ............................................................................. 192

Table des matières
3.2.1 La méthodologie du test d’hypothèses relatives aux effets directs .............................. 192
3.2.2 La méthode de test des effets indirects (les médiations) .............................................. 193
3.2.3 La méthode de test des effets de modération ............................................................... 194
Conclusion du chapitre V .......................................................................................................................... 197
CHAPITRES VI : VALIDATION DES INSTRUMENTS DE MESURE DES CONSTRUITS .................. 200
Introduction au chapitre VI ........................................................................................................................ 200
1 Description de l’échantillon obtenu et analyses préliminaires .................................................. 200
1.1 Description de l’échantillon ............................................................................................. 201
1.1.1 Caractéristiques de l’échantillon obtenu ...................................................................... 201
1.1.2 La comparaison entre les répondants sur la base de leur fréquentation du Drive ........ 204
1.1.2.1 Le genre des répondants et leur fréquentation du Drive ...................................... 205
1.1.2.2 L’âge de répondants et leur fréquentation du Drive : ........................................... 206
1.1.2.3 La situation familiale des répondants et leur fréquentation du Drive : ................ 206
1.1.2.4 Le nombre d’enfants des répondants et leur fréquentation du Drive : ................. 207
1.1.2.5 La catégorie socioprofessionnelle des répondants et leur fréquentation du Drive :
…………………………………………………………………………………. 207
1.2 Résultats des analyses préliminaires de l’adéquation des données à l’analyse multi-variée
…………………………………………………………………………………………..208
1.2.1 Les valeurs manquantes ............................................................................................... 209
1.2.2 Les valeurs aberrantes ou extrêmes ............................................................................. 210
1.2.3 La normalité des données ............................................................................................ 210
2 La validation des échelles de mesure des variables latentes du modèle .................................... 212
2.1 Validation de l’échelle de mesure de la qualité perçue de site Web du Drive.................. 213
2.1.1 L’analyse factorielle exploratoire sous SPSS : ............................................................ 213
2.1.2 L’analyse factorielle confirmatoire sous AMOS ......................................................... 216
2.1.3 Fiabilité et validité de l’échelle de mesure de la qualité de site Web du Drive ........... 218
2.2 Validation de l’échelle de mesure de la qualité du point de retrait du Drive ................... 220
2.2.1 L’analyse factorielle exploratoire sous SPSS .............................................................. 220
2.2.2 L’analyse factorielle confirmatoire sous AMOS : ....................................................... 222
2.2.3 Fiabilité et validité de l’échelle de mesure de la qualité du point de retrait du Drive : 224
2.3 Validation de l’échelle de mesure de la valeur Globale perçue d’un Drive .................... 225
2.3.1 L’analyse factorielle exploratoire sous SPSS : ............................................................ 225
2.3.3 Fiabilité et validité de l’échelle de mesure de la valeur globale perçue d’un Drive .... 227
2.4 Validation de l’échelle de mesure de la satisfaction de consommateur ........................... 228
2.4.3 Fiabilité et validité de l’échelle de mesure de la satisfaction de l’expérience avec un
Drive ………………………………………………………………………………………..230
2.5 Validation de l’échelle de mesure de la confiance à l’enseigne ....................................... 230

Table des matières

2.5.2 L’analyse factorielle confirmatoire sous AMOS : ....................................................... 232
2.5.3 Fiabilité et validité de l’échelle de mesure de la satisfaction de consommateur .......... 233
2.6 Validation de l’échelle de mesure de la fidélité à un Drive .............................................. 233
2.6.3 Fiabilité et validité de l’échelle de mesure de la fidélité à un Drive ............................ 235
Conclusion du chapitre VI ......................................................................................................................... 238
CHAPITRES VII : TEST DES HYPOTHESES ET DISCUSSION DES RESULTATS .............................. 240
Introduction au chapitre VII ...................................................................................................................... 240
1 Le test des hypothèses de recherche.......................................................................................... 240
1.1 Ajustement du modèle global ........................................................................................... 241
1.2 Test des hypothèses de recherche ..................................................................................... 243
1.2.1 Le test des hypothèses relatives aux influences directes .............................................. 244
1.2.1.1 Test des influences directes sur la satisfaction de consommateur (H1, H2, H3).. 244
1.2.1.2 Test des influences directes sur la valeur globale perçue d’un Drive (H3, H4) ... 245
1.2.1.3 Test des influences directes sur la fidélité à un Drive (H8, H10, H11) ................ 246
1.2.2 Le test des hypothèses relatives aux relations indirectes (effets médiateurs) .............. 249
1.2.2.1 Test des effets indirects simples (H5a, H5b, H6a, H6b, H9) ............................... 249
1.2.2.2 Test des effets indirects multiple (H5c, H6c) ....................................................... 252
1.2.3 Le test des hypothèses relatives aux effets modérateurs .............................................. 258
1.2.4 L’effet modérateur de l’âge du répondant (H12) ......................................................... 258
1.2.4.1 L’effet modérateur du genre du répondant (H13) ................................................ 260
1.2.4.2 L’effet modérateur de la taille de famille (H14) .................................................. 260
2 Discussion, interprétation et mise en perspective des résultats ................................................. 265
2.1 Discussion sur les échelles de mesure .............................................................................. 265
2.1.1 L’échelle de la qualité de service du site Web du Drive .............................................. 265
2.1.2 L’échelle de la qualité de service du point de retrait du Drive .................................... 267
2.1.3 L’échelle de la valeur globale perçue d’un Drive ........................................................ 269
2.1.4 L’échelle de la satisfaction de consommateur ............................................................. 269
2.1.5 L’échelle de la confiance à l’enseigne ......................................................................... 269
2.1.6 L’échelle de la fidélité à un Drive ............................................................................... 269
2.2 Discussion des résultats du modèle structurel .................................................................. 270
2.2.1 L’effet de la qualité de service du Drive ...................................................................... 271
2.2.1.1 Qualité de service du Drive et satisfaction ........................................................... 271
2.2.1.2 Qualité de service du Drive et valeur globale perçue ........................................... 272
2.2.1.3 L’effet indirect de la qualité de service du Drive sur la fidélité du consommateur
…………………………………………………………………………………..273
2.2.2 L’effet de la valeur globale perçue d’un Drive ............................................................ 274
2.2.2.1 Valeur perçue d’un Drive et satisfaction du consommateur ................................ 274

Table des matières
2.2.2.2 Valeur perçue et fidélité à un Drive ..................................................................... 275

2.2.3 Satisfaction et fidélité à un Drive ................................................................................ 276
2.2.4 Confiance vis-à-vis à l’enseigne et fidélité à un Drive ................................................ 277
2.3 Les variables individuelles sociodémographiques ........................................................... 277
2.3.1 Le rôle modérateur de l’âge et du genre du répondant (H12, H13) ............................. 278
2.3.2 Le rôle modérateur de la taille de famille (H14) .......................................................... 278
Conclusion du chapitre VII ........................................................................................................................ 280
CONCLUSION GENERALE ...........................................................................................................................283
1 Synthèse des réponses aux questions de recherche ................................................................... 283

1.1 Les réponses aux deux premières questions de recherche ................................................ 284
1.2 Les réponses à la troisième question de recherche ........................................................... 287
2 Apports de la recherche ............................................................................................................ 288
2.1 Apports théoriques ........................................................................................................... 288
2.2 Implication managériales ................................................................................................. 291
2.3 Contributions méthodologiques ....................................................................................... 296
3 Limites de la recherche ............................................................................................................. 298
3.1 Limites d’ordre méthodologique ...................................................................................... 298
3.2 Limites liées à la validité interne ...................................................................................... 299
3.3 Limites liées à la validité externe ..................................................................................... 300
4 Perspectives de la recherche ..................................................................................................... 301
4.1 Perspective méthodologiques ........................................................................................... 301
4.2 Intégrer d’autres variables ................................................................................................ 302
REFERENCES BIBLIOGRAPHIQUES .........................................................................................................303
ANNEXES ..........................................................................................................................................................348
TABLE DES FIGURES .....................................................................................................................................399
LISTE DES TABLEAUX ..................................................................................................................................401
TABLE DES MATIERES .................................................................................................................................405

LES DETERMINANTS DE LA FIDELITE DES CONSOMMATEURS AU COMMERCE DE
DETAIL CROSS-CANAL
Cette thèse a pour l’objectif principal d’identifier et de comprendre les facteurs clés qui contribuent à
fidéliser le consommateur à un Drive dans un contexte de distribution cross-canal. Elle se compose de
deux parties.
Dans la première partie, nous avons d’abord mené une revue de littérature tournant autour de quatre
champs de recherche : l’innovation commerciale, la stratégie de distribution cross-canal, le
comportement cross-canal et la fidélité du consommateur. Elle a été combinée à une étude qualitative
exploratoire (entretiens approfondis réalisés auprès de consommateurs). Ces deux étapes nous ont
permis de proposer un modèle conceptuel de la qualité de service perçue du Drive et de ses effets sur
les représentations mentales du consommateur (valeur globale perçue et satisfaction) ainsi que sur sa
fidélité au Drive évalué.
La deuxième partie est consacrée au teste les hypothèses, le modèle de recherche et à l’analyse des
résultats. Pour cela, une enquête quantitative a été réalisée auprès de 500 utilisateurs du Drive. Les
répondants ont été subdivisés en deux sous-échantillons (N1 = 150 et N2 = 350) pour réaliser les
analyses factorielles exploratoires et confirmatoires. Le test du modèle général ainsi que des
hypothèses de recherche a été conduit en recourant à la méthode des équations structurelles, plus
précisément à la modélisation PLS-PM (Partial least squares, path modelling) au moyen du logiciel
XLSTAT 2017. Nos résultats confirment que dans un contexte de distribution cross-canal, l’évaluation
globale du consommateur ne dépend pas d’un canal mais de l’intégration des canaux utilisés qui
permet au consommateur de vivre une expérience à la fois originale, plaisants et intéressante. Avec
l’intégration des canaux, le consommateur du Drive vit une expérience à la fois originale, plaisante et
intéressante. Cette dernière contribue à la création de la fidélité du consommateur à un Drive.
Mots-clés : Drive, Cross-canal, Fidélité, Qualité de service, Valeur globale perçue, Satisfaction.
DETERMINANTS OF CONSUMER LOYALTY IN CROSS-CHANNEL RETAILING:

APPLICATION TO DRIVE-IN STORES
The main objective of this thesis is to identify and understand the key factors that contribute to
consumer loyalty to a Drive-in in a cross-channel distribution context. It consists of two parts.
In the first part, we present a literature review around four fields of research: commercial innovation,
cross-channel distribution strategy, cross-channel behavior and consumer loyalty. We complete this
part with an exploratory qualitative study (in-depth interviews with consumers). These two steps
allowed us to propose a conceptual model of the perceived quality of service of the Drive-in and its
effects on the mental representations of the consumer (perceived overall value and satisfaction) as well
as on its fidelity to the evaluated Drive-in.
The second part is devoted to testing the hypotheses, the research model, and the analysis of the
results. For this, a quantitative survey was conducted among 500 consumers of Drive-in. Respondents
were divided into two sub-samples (N1 = 150 and N2 = 350) to perform exploratory and confirmatory
factor analyzes. The general model test and research hypotheses were conducted using the structural
equations method. In detail, to run the PLS-PM (Partial least squares) modeling, we employed
XLSTAT 2017 software. Our results confirm that in a context of cross-channel distribution, the overall
evaluation of a consumer does not depend on a channel, but it is related to the integration of the used
channels which creates an original, pleasant and interesting experience for consumers. With the
integration of channels, Drive-in consumers have an original, pleasant and interesting experience
which contributes to the creation of consumer loyalty.
Keywords: Drive-in, Cross-channel, Loyalty, Quality of service, Overall perceived value,
Satisfaction.

WASSOUF 966x438m822etl643n TH

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

WASSOUF 966x438m822etl643n TH

Transféré par

Droits d'auteur :

Formats disponibles

Aix-Marseille Université

École Doctorale de Sciences Economiques et

LES DETERMINANTS DE LA FIDELITE DES CONSOMMATEURS

Thèse pour l’obtention du doctorat en Sciences de Gestion

Présentée et soutenue publiquement le 26 septembre 2018 par

Directeur de recherche Monsieur Jean PHILIPPE

Rapporteurs Monsieur Mbaye Fall DIALLO

Suffragants Madame Marie-Christine MONNOYER

LES DETERMINANTS DE LA FIDELITE DES CONSOMMATEURS

Thèse pour l’obtention du doctorat en Sciences de Gestion

Présentée et soutenue publiquement le 26 septembre 2018 par

Directeur de recherche Monsieur Jean PHILIPPE

Kenan WASSOUF 1 Thèse en Sciences de Gestion

Kenan WASSOUF 2 Thèse en Sciences de Gestion

Kenan WASSOUF 3 Thèse en Sciences de Gestion

Aujourd’hui, avec les développements technologiques dans un environnement concurrentiel

Cette évolution pose cependant question concernant le comportement du consommateur dont

Kenan WASSOUF 4 Thèse en Sciences de Gestion

Kenan WASSOUF 5 Thèse en Sciences de Gestion

canaux traditionnels physiques et canaux technologiques, ce qui débouche sur de nouvelles

Aujourd’hui, dans un environnement fortement concurrentiel, le consommateur est devenu de

Kenan WASSOUF 6 Thèse en Sciences de Gestion

En dépit de sa nouveauté, le Drive attire chaque année de plus en plus de consommateurs : en

Kenan WASSOUF 7 Thèse en Sciences de Gestion

II. Problématique et objectifs de la recherche

Dans ce contexte, le consommateur a le choix entre deux modes de livraison. Le premier, le

Kenan WASSOUF 8 Thèse en Sciences de Gestion

La multiplication des canaux de distribution et de communication s’est accompagnée d’une

Dans un contexte de distribution cross-canal, l’analyse de la fidélisation devient un défi pour

Kenan WASSOUF 9 Thèse en Sciences de Gestion

Le concept de fidélité du consommateur a été décliné en termes de fidélité à une enseigne, à

Wallace et al. (2004) suggèrent que l’intégration et la complémentarité des canaux de

Kenan WASSOUF 10 Thèse en Sciences de Gestion

Ainsi, un premier objectif de notre recherche est de clarifier la façon dont le

Le second objectif de cette recherche est de proposer et tester empiriquement un modèle

Kenan WASSOUF 11 Thèse en Sciences de Gestion

Question de recherche 1 : Quel aspects sont pris en considération et évalués par le

Kenan WASSOUF 12 Thèse en Sciences de Gestion

III. Démarche de la recherche

IV. Contributions de la recherche

Kenan WASSOUF 13 Thèse en Sciences de Gestion

Notre recherche souhaite contribuer à l’avancement des travaux en Marketing et en

Au niveau managérial, notre recherche doctorale a le souci d’aboutir à des préconisations en

Au niveau méthodologique, cette recherche a fait appel à des méthodes aujourd’hui

L’étude quantitative a consisté à exploiter des données recueillies auprès d’utilisateurs de

Kenan WASSOUF 15 Thèse en Sciences de Gestion

 Au niveau des instruments de mesure des construits, des analyses factorielles

Après le développement du contexte, la problématique théorique, les objectifs, les questions,

Kenan WASSOUF 16 Thèse en Sciences de Gestion

compréhension du comportement du consommateur en termes d’évaluation dans un contexte

La deuxième partie de ce travail doctoral vise à tester empiriquement le modèle proposé et

Kenan WASSOUF 17 Thèse en Sciences de Gestion

Figure 1: Structure générale de la thèse

Chapitre I Chapitre II Chapitre III

Stratégie de distribution et Fidélité du Etude qualitative

comportement du consommateur : exploratoire

Méthodologie et Validation des

Kenan WASSOUF 18 Thèse en Sciences de Gestion

PARTIE I : CADRE CONCEPYUEL

Kenan WASSOUF 19 Thèse en Sciences de Gestion

PARTIE I : CADRE CONCEPTUEL DE LE

Chapitre I Chapitre II Chapitre III

Stratégie de distribution et Fidélité du Etude qualitative