Professional Documents
Culture Documents
Auteur :
Olivier Mermet
Directeur de recherche :
Faculté d’administration
Université de Sherbrooke
18 Novembre 2010
ii
Sommaire de l’étude
aux internautes de partager des contenus de façon aussi simple que naturelle.
Les variables liées au contexte dans lequel se trouvent les utilisateurs s’avèrent
l’individu tout comme les aspects cognitifs du médium utilisé se révèlent être
iii
Remerciements
La lourde tâche que représente la rédaction d’un mémoire est tout simplement
impossible sans l’intervention de celles et ceux qui ont contribué au projet.
Je remercie du fond du cœur mes parents pour leur soutien, leur amour et leur
présence morale malgré la distance. J’espère que vous serez fier quoi qu’il
advienne. Enfin, Mélanie, pour qui cette simple ligne aura plus d’importance
que tout le reste et dont le soutien et la simple présence auront été vital. Merci.
iv
v
Table des matières
CHAPITRE 1 : Introduction ............................................................ 1
1.1.2 Facebook........................................................................................................3
vi
2.1.1 La tradition du bouche-à-oreille ....................................................................22
2.2.2 Réseaux sociaux : Petit monde, lien forts et liens faibles ............................35
2.4 Conclusion............................................................................................... 54
3.3.2 Comportement..............................................................................................61
vii
3.3.3 Lien entre les deux dépendantes .................................................................62
CHAPITRE IV : Méthodologie....................................................... 76
4.2 Échantillon............................................................................................... 81
viii
4.2.1 Population cible : les utilisateurs de Facebook ............................................81
4.4 Pré-test.................................................................................................... 92
CHAPITRE V : Résultats............................................................... 95
ix
5.3.1 Création des index .....................................................................................109
5.4.2.1 ß1 Centralité.........................................................................................116
5.5.2.1 ß1 Centralité.........................................................................................127
x
5.5.2.2 ß2 Centralité 2......................................................................................127
5.5.4 Analyse de la colinéarité avec les VIF pour la 2nde régression ...................130
5.6.2 Inférence des paramètres et analyse des β pour la 3ème régression .......135
5.6.2.1 ß1 Centralité.........................................................................................136
xi
5.6.2.8 ß8 Valeur du gain collectif [VGCT] .......................................................138
5.6.4 Analyse de la colinéarité avec les VIF pour la 3ème régression ..................139
xii
6.4 Limites ................................................................................................... 163
xiii
Liste des figures
Figure 4 : Représentation du réseau biologique de maladies et de leurs gènes communs connus. ......... 38
xiv
Liste des tableaux
xv
régression ............................................................ 121
ère
Tableau 27 : tests de normalité des résidus de la 1
régression...................................................................................... 125
nde
Tableau 28 : R2 et p-value de la 2
régression.................................................................................................. 140
ème
Tableau 36 : VIF pour la 3
régression........................................................... 141
ème
Tableau 37 : tests de normalité des résidus de la 3
xvi
CHAPITRE
1
:
Introduction
1.1 Contexte
Malgré la crise économique de 2008 et les difficultés qu’ont connu tous les
1
Source : PR Newswire, 21 avril 2010 : http://www.prnewswire.com/news-releases/publicis-
groupe-first-quarter-2010-revenue---back-to-growth-91790689.html
2
Source : Emarketer : http://www.emarketer.com/Reports/All/Emarketer_2000615.aspx
1
Parmi les nouveaux usages en vogue sur la toile, il en est un qu’il est difficile
néologisme, aux vues des discussions ayant encore lieu à ce sujet, chez les
Grannovetter (1973) sur les réseaux sociaux, où celui-ci décrivait la façon dont
Les outils considérés comme étant des médias sociaux peuvent avoir des buts
nécessaire à la construction d’un réseau. Ces types de liens portent des noms
2
Facebook, « collègues » sur LinkedIn, « Followers/Followed » sur Twitter
FlickR.
1.1.2 Facebook
plusieurs raisons : que ce soit grâce à l’attention médiatique qu’on lui porte
depuis bientôt trois ans, que ce soit parce que sa courbe d’adoption fulgurante
sociaux.
milliards de dollars. 3 4
3
http://www.facebook.com/press
4
http://www.allfacebook.com/report-facebook-now-worth-35-billion-2010-03
3
locale que globale, afin de bénéficier des services offerts par la plate-forme,
Comme pour tout média réunissant une audience massive, Internet est depuis
des informations entre les individus, et est devenu en quelques mois la plate-
4
20% du trafic du journal en ligne le Huffington Post provient de Facebook5, ce
qui souligne bien que l’information y est non seulement présente, mais qu’elle y
circule.
marketing viral, réside dans le fait que le marketing viral suggère que les
5
http://www.allfacebook.com/huffington-post-thanks-facebook-for-massive-growth-2009-10
5
personne à une autre, sans engendrer nécessairement la volonté de
une croissance exponentielle, finirait par s’évanouir petit à petit. Aucun écrit de
que c’est une des caractéristiques de celle sur le marketing viral. Les effets et
marketing viral, mais ces deux pratiques ont en commun d’être motivées par
Facebook, l’attention portée par les annonceurs sur les consommateurs et leur
« partager ceci » fleurissent autour des contenus produits par les annonceurs,
6
spot « Evolution » de Dove (Lion d’or du grand prix international de la publicité
de Cannes en 2007)6.
aujourd’hui 1,5 milliards de dollars, et les prévisions annoncent qu’en 2014, plus
les usages, le format vidéo reste le format favori pour le divertissement en ligne
aux États Unis, avec une moyenne de plus de 4 heures et demie par mois, et
vidéo Youtube reste leader incontesté sur ce marché, alors que Facebook s’est
placé en seconde position des sites les plus fréquentés pour consommer de la
6
Archive du site Canneslions.com
7
Source : Adweek et emarketer :
http://www.adweek.com/aw/content_display/news/digital/e3i2a62321a15dd65d8a686bcb4cb2e5
2c8
7
Ces statistiques varient en fonction des instituts d’études, de par la
liées aux médias sociaux, et plus de 70% des internautes utilisent des sites de
partage de vidéo, de photo, lisent des blogs, ou sont membres d’un réseau
Facebook annonçait que les utilisateurs allaient échanger sur son site deux fois
“I would expect that next year, people will share twice as much information as
they share this year, and next year, they will be sharing twice as much as they
did the year before,” he said. “That means that people are using Facebook, and
8
La « loi de Zuckerberg est une référence ironique à la loi de Moore parue dans la version en
ligne du New York Times après la citation sus-mentionnée.
http://bits.blogs.nytimes.com/2008/11/06/zuckerbergs-law-of-information-sharing/
8
1.2
Problématique
marketing viral est qu’elles ne sont pas absolues. Même si il existe quelques
facteurs évidents concernant le fait qu’un contenu suscitera ou non l’intérêt des
internautes, comme les émotions transmises (Dobele et al. 2005), il est pour
propagera ou non.
Leskovek et al. 2007), mais il n’existe que très peu de cas académiques où le
sociaux fait qu’à l’heure actuelle, la plupart des productions «virales» ont été
9
relevant des relations publiques, il était possible donner aux messages un élan
de départ en faisant en sorte que ceux-ci se retrouvent sur des sites à forte
Une autre problématique liée au marketing viral, qui a déjà été abordée par la
devenir viral peut finalement se trouver être digne de l’intérêt des internautes, et
se propager sur le Web. Le cas typique concerne les publicités diffusées lors de
En second lieu, il est à noter qu’un contenu qui deviendrait viral n’est pas
pour qui le ton de la vidéo était trop accablant. Le message a ensuite pris de
Twitters les plus actifs dans le monde (David Armano) pour au final, susciter
10
l’incompréhension et parfois l’indignation de certains blogueurs. Les
conséquences ont été assez dramatiques : la publicité qui avait coûté plusieurs
milliers de dollars a été retirée des ondes, l’achat d’espace publicitaire payé
millions de dollars), le pire restant les appels aux boycotts des produits de
campagne de marketing viral, que le Web et de façon plus précise, les réseaux
sociaux en ligne, sont des réseaux larges et « sans échelle ». Autrement dit, les
liens composant le réseau ne suivent pas une loi de distribution normale, et leur
réseau sans échelle, lorsque l’on étudie les réseaux sociaux en ligne.
que la topologie des réseaux sans échelle est constituée de nœuds (la plupart
du temps des pages HTML ou des URL) ayant un nombre plus important de
liens (liens pointant vers ces pages), de connexions, que les autres. Ainsi, les
liens entre les membres d’une communauté virtuelle ne sont pas répartis de
d’autres.
9
http://www.web-strategist.com/blog/2008/11/17/motrin-mothers-groundswell-by-the-numbers/
11
Dans un contexte de média social, ces « hubs » sont des utilisateurs au centre
clairement considérer que David Armano est un « hub » sur Twitter. Le fait qu’il
ait endossé la cause des mères en colère a permis au message d’atteindre une
masse d’internautes plus éloignée dans le réseau, lui donnant ainsi une
exposée à leurs propos est généralement plus massive, en plus du fait qu’ils
processus est plus ou moins connu et que certains mécanismes ont su faire
leurs preuves dans la facilitation du procédé, d’autres restent encore des zones
12
Par exemple, on sait que les vidéos choquantes, très drôles, les informations
politiques ou tout ce qui fait référence à un aspect particulier d’une culture, sont
force des liens faibles, ont mis en exergue des contextes sociaux plus ou moins
Burgee 2008).
13
1.3
Limites
des
recherches
existantes
des études sur le phénomène. Celles-ci ont permis de tracer les premières
digitale Danah Boyd (Boyd 2008). La Science des réseaux, et ses chefs de file
Les études les plus populaires menées sur les intentions de transmission d’un
message dit « viral », ont pour la plupart été menées en prenant comme
Huang et al. 2008). Ainsi il a été possible d’identifier des facteurs déterminants,
14
l’effet de surprise (Lindgreen et Vanhamme 2005) ou les dimensions sociales
En revanche, il n’y a à ce jour aucune étude portant sur les utilisations des
médias sociaux comme support au marketing viral. Or, de par leur nature
message.
est aujourd’hui possible d’affirmer que web social et marketing viral coïncident
claire, pour les gestionnaires elle est loin d’être définie. Ce terme emprunté à
diffusion au sein d’un réseau, un virus et une information utilisent les membres
du dit réseau pour se propager, la manière dont ils se propagent et les lois
15
Suite à la création du terme, le qualificatif « viral » a également été utilisé,
bouche-à-oreille.
vers son service à chaque fois qu’un courriel était envoyé. Hors, Hotmail ne
ont fait avancer cette science des réseaux de façon à démontrer plusieurs
16
similarités structurelles entre la propagation des maladies et celles des
La forme du message (choquant, drôle…) ayant déjà été abordée, il n’a pas été
récepteur d’un message déjà engagé auprès d’une marque ou d’un produit,
publiquement.
17
1.4
Objectifs
de
cette
étude
Aux vues des précédentes pages, il apparaît clairement que les nouvelles
perspective individuelle, cette étude a pour but d’identifier les facteurs qui
En premier lieu, le but de cette recherche est d’identifier les facteurs qui
de média social.
Question de recherche 1 : Quels sont les facteurs qui influencent une intention
social ?
18
La seconde question à se poser, afin de répondre à celle-ci, tient dans la
Par la suite, la nécessité de prouver quels facteurs sont les plus efficaces pour
Question de recherche 3 : Les facteurs identifiés dans les théories ont-ils tous
l’intention.
19
CHAPITRE
II
:
Revue
de
littérature
Dans le but d’identifier et mesurer les facteurs qui influencent une intention de
s’intéresser aux disciplines qui ont exploré et tenté d’expliquer, avec plus ou
publicitaire par les internautes est un Graal que certaines entreprises tentent de
potentiel amené par Internet, depuis que la technologie permet de plus en plus
20
structure des relations mais également la circulation des informations au sein
général), est un outil qui a suscité un phénomène d’une rare ampleur dans cette
représentatives et les plus utiles pour cette étude (Wasko et Faraj 2005). En
marketing viral.
21
2.1
La
littérature
en
Marketing
l’étude étant de mesurer les facteurs qui influencent les intentions des
réseau social en ligne, un retour aux notions de base, sur la première forme de
L’influence mutuelle exercée par les hommes sur leurs pairs est un fait
millénaire, qui attirait déjà l’attention des penseurs grecs, plusieurs siècles
Réthorique », et les 2400 ans nous séparant de l’époque du philosophe ont fait
marketing depuis les années 60. L’un des pionniers de la discipline, Arndt
propos d’une marque, produit ou d’un service, que le récepteur ne perçoit pas
22
de l’usage, de la propriété ou des caractéristiques d’un produit. Le vecteur de
1994).
bénéfices que ce récepteur pourra en retirer. C’est une des raisons pour
lesquelles ce phénomène est plus crédible aux yeux des consommateurs que
23
Malgré certaines divergences sur le sujet, comme les motivations à générer des
consommateurs.
Thurau et al. 2004). Plusieurs dimensions ont dès lors été renforcées par ces
24
lorsque les deux sources ne se connaissent pas ou que l’une d’entre elles est
de façon négative. Par exemple, sur les commentaires des applications pour
l’auteur (ou une autre personne intéressée) n’est pas le contributeur (Steffes et
spécialisés sont un bon exemple. Le lien social pré-existant n’est donc plus une
résultats de certaines études (Steffes et Brugee 2008) ont démontré que lors du
lorsqu’un membre de son réseau a pris l’initiative de lui en faire part, parce qu’il
a jugé que le message lui serait utile, ou agréable. Ces formes de transmission
25
bouche-à-oreille, où le récepteur cherche à être influencé dans son processus
Lilien 2008). Depuis, plusieurs chercheurs se sont penchés sur cet aspect de la
26
Plusieurs experts (Klopper 2002) ont prétendu que le terme viral n’était qu’un
d’un contenu, le caractère social des outils en ligne et la volonté spontanée des
termes, même si la ligne entre les deux pratiques est encore floue (Welker
2002 ; Phelps et al. 2004 ; Porter et Golan 2006). Une définition de cette
bouche-à-oreille électronique est celle donnée par Welker, qui affirme que :
(Modzelewski 2000, Shirky 2000), les motivations des émetteurs d’un message
27
exposent l’exemple du service de paiement PayPal, qui offrait un incitatif
connexions entre individus est encore considérée plus comme un art que
Porter et Golan 2006) ont partagé le point de vue de l’importance d’un contenu
viral, et c’est une des raisons pour lesquelles les professionnels faisant appel à
28
2.2
La
littérature
sur
les
réseaux
et
réseaux
sociaux
Cette section présente la littérature sur les réseaux sociaux et l’impact qu’ils ont
s’ouvrent à la recherche.
recherche sur les réseaux en soi, peut être parce qu’avant de chercher l’impact
à sa structure.
liens entre ces nœuds (Newman 2003). Le système de nœuds et de liens est
appelé un graphe, ou réseau. Les liens entre deux nœuds peuvent être non
dirigés, indiquant une relation symétrique ou réciproque entre deux pôles (par
l’intervention d’un seul des deux nœuds connectés (par exemple un lien d’un
29
Des systèmes comme ceux décrits ci-dessus (Figure 2) abondent dans le
monde, et peuvent être catégorisés dans quatre groupes : Les réseaux sociaux,
(Newman 2003). Dans cette section, nous nous intéresserons plus aux deux
premiers, mais présenterons les deux derniers de façon succincte, puis il sera
Dans les réseaux sociaux, les nœuds, les acteurs du réseau, peuvent
que les liens représentent les interactions ou relations sociales entre les acteurs
(Newman 2003). Les sciences sociales ont été les premières à utiliser le
(2003) mentionne même que certains réseaux sociaux d’animaux comme les
dessinées Marvel (Alberich et al. 2002) ont été étudiés. À l’heure actuelle,
30
précision des données recueillies, car les méthodes de collecte habituelles (par
l’étude basée sur la collaboration des acteurs d’Hollywood, tirant ses données
Le second type de réseau sur lequel il est utile de se pencher, est appelé
les liens entre les deux sources. Cette forme de réseau inclut une dimension
temporelle, puisque qu’aucune source ne pourrait citer une source qui lui soit
postérieure dans le temps (Newman 2003). Les deux cas d’études les plus
utilisés sont les citations académiques entre articles scientifiques (Price 1965 ;
Seglen 1997 ; Redner 1998), et les pages et adresses URL du World Wide
Web, sujet de nombreuses études depuis la fin des années 1990 (Albert et al.
10
http://www.imdb.com
31
1999, Kleinberg et al. 1999,). Un réseau de connaissance intègre dans sa
nature, une dimension sociale : par exemple le fait que deux auteurs puissent
se connaître, ou qu’un lien social puisse se créer entre eux suite à une citation
(Newman 2003).
Les deux derniers types de réseaux mentionnés par Newman sont les réseaux
exemples les plus connus sont les réseaux téléphoniques, les connections
ferroviaires.
Hongrois Paul Erdős et son collaborateur Alfréd Rényi avaient à l’époque, dans
les années 1950, conceptualisé des réseaux en reliant des nœuds par des
32
peu près similaire au reste des nœuds présents dans le réseau. La distribution
des liens dans le graphe suivait une loi de Poisson, en forme de cloche.
(1999), découvrirent que les nœuds et les liens constituant le réseau des pages
Web étaient répartis de façon très peu démocratique, et qu’ils suivaient une loi
seraient retrouvés face à des personnes mesurant plus de cent pieds de haut.
Figure 3 : Différences entre réseaux aléatoires et réseaux sans échelle : Structure et distribution des liens.
Tiré de Barabási et Bonabeau (2003)
33
La particularité d’un réseau sans échelle (Figure 3) tient en la présence de
“hubs” dans sa structure. Les “hubs” (ou pivots, terme non reconnu) sont des
nœuds obtenant un nombre de liens beaucoup plus important que les autres, et
qui dominent le réseau. Appliqués aux réseaux sociaux, des chercheurs ont
majorité des habitants d’une ville n’avaient que quelques partenaires durant leur
l’existence des Hubs a été révélée dans les réseaux de citations universitaires :
très ironiquement, Paul Erdős, l’initiateur des réseaux aléatoires, est un “hub”
longtemps que les autres auront tendance à attirer plus de “nouveaux” nœuds
Internet. Les plus anciens routeurs reçoivent les connexions des nouveaux
la création des hubs est appelé “attachement préférentiel”. Plus les nœuds
34
obtiennent de liens, plus ils sont une source crédible ou efficace. Dans un
réseau de citations académiques : les articles les plus cités… seront les
Depuis les progrès qui ont été fait dans l’analyse des réseaux à grande échelle,
séparation entre deux individus d’un réseau, où un degré de distance est égal à
Une des premières expériences à avoir tenté d’évaluer la distance entre des
1967 par Stanley Milgram, socio psychologue d’Harvard. Dans son expérience,
de faire passer une lettre à une de leur connaissance, qui soit en moyen de la
transmettre à son tour à d’autres personnes, dans le but final de faire parvenir
était que la moyenne des lettres arrivées à destination avaient transigées par
35
six individus, donnant ainsi naissance à la théorie des « six degrés de
séparation ».
Monde », pour caractériser des réseaux dont la première caractéristique fut que
la distance moyenne entre deux nœuds était très réduite. Dans un schéma
planète entière. Hors, une approche nécessairement plus réaliste démontre que
parmi les contacts les plus proches d’un individu beaucoup sont interconnectés,
sont inter-reliés) au sein d’un réseau. Cette propriété est appelée densité et ce
36
sont observables aussi bien dans les réseaux sociaux que dans les réseaux
1998).
close, uniquement entre membres d’un petit monde, mais permet justement la
grâce aux « hubs » (voir Figure 4 et 5). En effet, dans un système social réel,
des individus peuvent entretenir des relations directes avec leur entourage
37
Figure 4 : Représentation du réseau biologique de maladies et de leurs gènes communs connus. (tiré de
Goh et al. 2007) – Chaque nœud du réseau est gène connu, et chaque lien représente la présence
du gène dans une maladie connue. Les grappes sont modélisées par des couleurs différentes,
représentant le champ médical auquel elles sont reliées. On observe clairement que chaque couleur
représente une grappe, un « petit monde » et que certains gènes peuvent être considérés comme
des « hubs » car recevant un nombre de connexion bien supérieur au reste.
crucial dans la compréhension des réseaux sans échelles et des petits mondes.
Dans une étude portant sur la propension des individus à faire appel à leur
réseau social pour trouver du travail dans une banlieue ouvrière de la ville de
réseau social avait tendance à venir non pas des sources les plus proches
38
Figure 5 : Représentation du réseau formé par la blogosphère francophone, par thématiques, en fonction
des liens entrants et sortants. Chaque couleur représente une thématique abordée : politique, high-
tech, cuisine, marketing etc. On remarque clairement que les grappes se créent en fonction de la
thématique abordée par le blogue, et que des liens menant de sous-groupe à sous-groupe sont
11
nombreux. Graphe fourni par les services Linkfluence et Wikiopole .
homogène : tous les membres d’un réseau formé de liens forts sont au courant,
valeur aura donc tendance à venir de sources plus éloignées des grappes. Ces
acteurs extérieurs sont considérés comme des « ponts » entre deux sous-
11
http://labs.wikio.net/wikiopole/
39
2.2.3 Réseaux-sociaux, influence et Marketing Viral
membre est directement relié aux autres (Webster et Morrison 2004). Ainsi, il
est de coutume de considérer que des réseaux denses, composés de liens forts
tendances et les comportements sont propices à être imités entre les membres.
notion de « clique ». Une clique est, au sens strict du terme, une part d’un
réseau dans lequel tous les membres sont connectés entre eux, sans degré de
séparation et il n’est pas possible pour un nœud de faire partie d’une clique s’il
n’est pas en relation avec tous les acteurs de la clique. La forme la plus
d’un réseau, un nombre élevé de cliques composées de peu d’acteurs, qui sont
accentuées. Reingen et al (1984) ont démontré que les relations amicales d’une
clique avaient, par exemple, un impact important sur le choix d’une marque.
40
Appliquant les concepts des réseaux sociaux au Marketing, Brown et Reingen
(1987) ont démontré que les liens faibles étaient en effet des « ponts » entre
En revanche cette étude a également démontré que les liens forts, lorsqu’ils
travaux de Steffes et Brugee (2008) ont démontré que la force d’un lien (fort ou
faible) n’avait pas d’influence sur la décision d’un individu, mais que
l’homophilie était plus à même d’être une source d’influence. Dans une
perspective plus élargie, Kiss et Blicher (2008) ont démontré que l’influence, la
propension d’un individu à avoir un effet sur les agissements de son entourage,
propagation d’un message dans un réseau social est le modèle S-I-R, tiré de la
41
Chaque nœud du réseau est considéré comme étant Susceptible avant d’être
Le potentiel infectieux (I) d’un individu n’est en général déterminé que par sa
puis infecté, alors les conséquences seront plus importantes. En effet plusieurs
points : les utilisateurs qui ont une position centrale ont une tendance à être
(Freeman 1979 ; Bonnacich 1987 ; Webster et Morrison 2004), à être plus actifs
au sein de leur réseau (Kiss et Bichler 2008 ), à être des adopteurs plus
Faraj 2005).
demander si la centralité d’un individu dans son réseau aurait une influence sur
(Le concept de centralité sera donc décrit plus précisément dans le cadre
42
2.3
Capital
Social,
Management
et
Technologies
de
l’Information
(Constant et al. 1996 ; Cabrera et Cabrera 2002 ; Kalman et al. 2002 ; Wasko et
Faraj 2005).
Bien que de manière générale, les études portent sur le comportement des
Constant et al. 1996), certaines théories comme celle du Capital Social nous
marketing viral.
43
individu passerait-il du temps à aider un autre individu, alors qu’il pourrait
ensuite de ce savoir sans que ceux-ci n’aient rien offert en échange ? (Thibaut
et Kelley 1959 ; Kalman et al. 2002 ; Cabrera et Cabrera 2002 ; Wasko et Faraj
2005).
théories ont toutes pour point commun d’impliquer une action collective, une
réflexion orientée vers une communauté, ou le réseau social d’un individu, pour
(Wellman 1999) précise. Wasko et Faraj (2005) établissent que dans une
souvent amenés à collaborer dans le cadre de leur travail, et ont des liens
44
Dans le cas, d’une communauté, les contributeurs ont un but commun
réseau, bien que n’ayant aucune ambition ou but final partagé, certains
Dans leur définition d’un réseau de pratique, Wasko et Faraj (2005) soulignent
organisé » suggère que les contributions sont créées par des individus
raisons pour lesquelles les individus font le choix de ne pas simplement profiter
du contenu généré par leurs pairs, en devenant à leur tour des contributeurs.
45
2.3.2 Le capital social
communes, mais sont aussi unis par des liaisons permanentes et utiles. »
(Bourdieu 1980).
individu accède ou qu’il mobilise dans un but donné ». (Lin 2001, Wasko et
Faraj 2005)
(et non pas aux caractéristiques de l’individu) et dans le fait que les ressources
1980 ; Coleman 1988) lorsque celui-ci désire mener à bien une action. Le
Capital Social n’est pas constitué d’une seule entité mesurable, mais de
46
(Coleman 1988). Le Capital Social est la résultante d’actions menées entre
comme un bien possédé de façon collective par les membres d’un réseau
possibilité d’examiner un lot de diamants, dont la valeur est souvent très élevée,
sans qu’aucune assurance formelle ne lui soit fournie. La plupart des membres
de cette communauté de diamantaires sont juifs, font partie d’un cercle très
qui lui était confié, il perdrait trop d’affection de certains membres de sa famille,
risque. La présence de tels liens permet alors aux deux parties de s’accorder
une confiance totale, sans laquelle des assurances seraient nécessaires, et des
écoles constituent une autre forme de Capital Social, non pas basé uniquement
47
d’anciens élèves envers leur établissement, qui seront prêt à embaucher de
Au niveau individuel, le Capital Social, a été une source fiable dans l’explication
a été décrit par Fukuyama (1995), qui l’utilisa pour étudier des groupuscules
48
chercheurs (Yuan et al. 2006). Au travers de ses différentes dimensions, cette
49
soit : les caractéristiques de groupe, les normes généralisées, le
et Goshal (1998), qui, au travers d’une revue massive d’articles ayant attrait à la
50
approche a permis d’unifier la théorie autour de la collaboration entre individus
Capital Social, a démontré que le capital relationnel (la longévité des relations
résultat, en précisant que la longévité des relations en ligne n’est pas similaire à
celle qui existe dans la vie réelle. De même, les attentes de réciprocité (capital
par le fait que, dans un réseau virtuel, l’échange est « généralisé ». L’attente de
utiliser les réseaux et connections existants entre les individus, afin que ceux-ci
deviennent vecteurs d’un message. (Datta et al. 2005). Selon Huang et al.
(2008) les deux facteurs clés du succès résident dans la volonté des individus à
51
transférer un message, et sont dictés par deux influences : premièrement le
et al. 2008).
par sa nouveauté (Dellarocas 2003) et que certaines études ont pu analyser les
2001 ; De Bruyn et Lilien 2008) très peu d’études se sont centrées sur la
al. 2006 ; Henning-Thurau et al. 2004 ; Huang et al. 2008). De même quasiment
aucune étude, à l’exception notable de Huang et al. (2008), n’a utilisé le Capital
contenu. Enfin, l’utilisation de réseaux sociaux en ligne tels que Facebook n’a
le contexte entre ces deux comportements est très variable. En effet, dans le
52
Dans le cadre d’un partage informel de contenu, le contenu n’est pas
2002 ; Wasko et Faraj 2005) devient une règle fondamentale et un atout dans le
De par le fait que les réseaux sociaux en ligne comme Facebook soient
53
Wasko et Faraj (2005), à savoir les motivations individuelles, le capital
2.4 Conclusion
individuelles décrites par Wasko et Faraj (2005) ont été retenues pour cette
étude. En effet, le manque de définition stricte de cette approche, est aussi une
de ses forces. Le Capital Social est une théorie flexible, ce qui est nécessaire
pour l’adapter à un contexte aussi nouveau que les médias sociaux. Les
au partage de contenu sur les médias sociaux, ont posé de solides bases
L’étude utilise également des construits issus des travaux de Kalman et al.
54
informative efficacy , qui seront traduits par efficacité informative et connective),
ont su prouver leur juste fondement dans des contextes similaires à celui de
aux potentiels évalués par un émetteur qu’un message posté en ligne saura a)
être retrouvé par les récepteurs potentiels b) être compris par les récepteurs,
55
CHAPITRE
III
:
Modèle
de
recherche
et
Hypothèses
Le modèle théorique principal utilisé pour cette étude est celui qu’ont utilisé
Wasko et Faraj (2005) dans leur étude sur les communautés de pratique en
ligne (voir Figure 6). Il est nécessaire de résumer les conditions et les
étude.
De même que Nahapiet et Goshal (1998), Wasko et Faraj (2005) ont articulé
(appréciation et réputation).
d’autres membres du forum), s’est révélée être un facteur ayant une influence
56
sur la contribution : plus une personne interagissait, plus elle était en mesure de
l’expertise des membres du réseau. Ces derniers devaient ainsi s’auto évaluer,
ce qui a probablement biaisé les résultats (« self rated expertise » n’y est
Enfin, contre toute attente, leur modèle a démontré la faiblesse des construits
Figure 6 : Modèle théorique de Wako et Faraj (2005). Le Capital Social y est exploré au travers de 5
variables distribuées au travers du Capital Structurel, du Capital Cognitif et du Capital Relationnel.
Les motivations individuelles sont ajoutées au modèle dans le premier groupe de variables.
57
3.2
Différences
par
rapport
au
modèle
original
De même, les variables du capital cognitif ont été remplacées par des variables
du même ordre, basée sur l’anticipation de l’efficacité d’une action, et non pas
sur une expertise quelconque, puisqu’on sort ici du milieu professionnel. Les
menée par Kalman et al. (2002) ont donc remplacé l’expérience et l’expertise
partager un contenu sur Facebook fait partie d’un processus de réciprocité non
Faraj (2005), dont l’étude avait démontré la faiblesse d’une telle variable en
gain collectif ».
qui offre une perspective plus adaptée au contexte de réseau social en ligne.
58
Figure 7 : Modèle théorique de la présente étude, inspiré de Wasko et Faraj (2005)
Tel que le modèle le propose, les sept variables antécédentes du modèle ont
une influence directe sur la variable dépendante clé du modèle, soit l’intention
l’intention en premier lieu. D’une manière générale, les modèles théoriques dont
comportement.
La prochaine section décrit ces variables de façon plus détaillée, et présente les
59
3.3
Variables
dépendantes
potentiellement auprès de tous les amis d’un individu sur la plate-forme, via le
sur son « mur » n’ajoute aucune valeur tangible au contenu, si ce n’est une
De même, il faut considérer que, sans être réfractaires à une telle pratique, les
qu’il existe une forme d’accord tacite entre des individus fréquentant le réseau
De fait, nous nous accordons avec Modzelewski (2000) pour qui, dans le
12
Le « mur » est une des fonctionnalités de base de Facebook, permettant à un utilisateur de
mettre à jour son profil. Quand une modification est faite sur le « mur », les «amis » de
l’utilisateur en sont notifiés par le flux de nouvelles.
60
l’internaute, n’est pas liée uniquement au contenu, mais potentiellement au
individu, est ici similaire à celle développée par Huang et al. (2008), et nous
vidéo à caractère publicitaire dans son réseau social. Nous nous plaçons dans
3.3.2 Comportement
(Ajzen 1991) ont démontré la validité de cette hypothèse. Dans le domaine des
(1989) et ses adaptations (Venkatesh et Al. 2003) ont su, sur ce point du
Bien que quelques similarités entre les théories énoncées ci-dessus et notre
61
Cependant, nous considérons comme logique que l’intention engendre un
de la technologie ayant conduite à une version unifiée, ont souligné que dans la
(dépendamment de l’innovation).
par Nahapiet et Goshal (1998), mais ont été étudiées par Wasko et Faraj (2005)
62
contribueraient à aider d’autres individus qu’ils ne connaissaient pas dans un
réseau numérique/électronique.
doit être significatif, au point d’être perçu comme utile pour la personne ayant
Or, sur Facebook, il est de coutume d’avoir eu au moins un lien préalable, fort
ou faible, avec ses amis. De fait, il est logique de penser que le profit social
Ainsi, nous appliquons ici le modèle de Wasko et Faraj (2005) et utilisons les
individuelles.
3.4.1 Réputation
La théorie de l’échange social (Blau 1964) admet que les individus qui
comparer à celles qui sont pratiquées sur les réseaux sociaux en ligne,
63
La Réputation se définit comme la conséquence pour un individu résultant de
3.4.2 Appréciation
une source de satisfaction suffisante, plus que le fait de savoir que le contenu
64
L’appréciation se définit donc comme le simple fait d’aimer partager un contenu
à caractère publicitaire. Cette notion très altruiste, se traduit par le fait qu’un
individu aime divertir, surprendre, susciter divers types d’émotions (peur, joie,
doute…), non pas parce qu’il pense en tirer des bénéfices, mais simplement
est la suivante :
3.4.3 Centralité
contribution. Que l’action soit collective ou individuelle, les individus ayant une
65
position centrale dans un réseau sont plus enclins à collaborer, partager et
Faraj 2005 ; Ahuja et al. 2003), le nombre de « followers » sur un site comme
interactions créé un lien social avec d’autres personnes, plaçant l’individu plus
entretient avec les membres de son réseau social, pour la simple raison que
plus fiable (même si moins précis) que la force d’un lien social qui nécessite
et dont le nombre d’amis est élevé, seraient donc plus enclins à contribuer sous
66
différentes formes. Ainsi, le partage de vidéo à caractère publicitaire pourrait
H4 : Le degré de centralité d’un individu dans son réseau social a une influence
Facebook.
utilisé, le contenu qu’il partage sera susceptible d’atteindre les membres de son
partagé (Kalman et al. 2002). L’efficacité connective tient compte à la fois des
67
indiquant le lien où elle se trouve, possibilité de poster un contenu directement
Ainsi, seraient plus à même d’être des contributeurs actifs les individus ayant
l’habitude d’utiliser l’outil, et dont les membres de leur réseau social seraient
procuré à son réseau social, par les contenus qu’il partage, si ces derniers sont
aux contenus qu’il partage. Les individus, en général, seront plus enclins à
68
partager un contenu s’ils perçoivent que celui-ci générera une réaction positive
saura satisfaire les membres de son réseau social, basé sur sa propre
premier temps au message se formera une idée, afin d’évaluer si oui ou non
social.
par un individu, a une influence positive sur son intention de partager le dit
69
3.4.6 Engagement
comme une forme d’obligation d’un individu, auprès des membres composant
dernier.
degré de force dans un lien social créé lors d’un échange, mais bien une
Dans un cadre collectif, l’engagement est donc représenté par une obligation
son propre blogue. De même, Constant et al. (1996), dans leur construit
70
Dans le cadre de l’utilisation de Facebook, l’activité générale et la sensation
d’engagement envers son réseau social (défini par ses amis). Même si
probable que certains individus voient l’action de partager comme une forme de
eux même reçu (Wasko et Faraj 2005). Un individu qui utilise Facebook de
façon à créer un lien social avec son réseau, pour en tirer des bénéfices
sociaux, et ressentir une forme d’engagement, sera plus enclin à y partager des
la façon suivante :
d’un partage de contenu régulier, par les membres composant son réseau
social en ligne.
71
La réciprocité des actions est une forme de règle de politesse mutuelle et
implicite, qui suppose qu’une action bénéfique engendrée par un individu, lui
potentiellement. Ainsi, il n’est pas possible d’utiliser au cas par cas la norme de
Ajzen 1975) qui visent à prendre en considération les valeurs anticipées d’une
Si, dans le cadre d’une réciprocité directe, il est question de l’attente d’un retour
éventuel pour une action donnée, dans le cadre de la valeur perçue du gain
appréciera le geste, et que, parce qu’il apprécie déjà le fait de recevoir de tels
contenus du genre, et qu’il encourage ainsi son réseau à contribuer par la suite.
72
Même si ce construit est encore fondé sur des bases exploratoires, il est
forme suivante :
réseau social d’un individu, a une influence positive sur l’intention de ce dernier
73
Tableau 1 : Récapitulatif des hypothèses
Hypothèse Énoncé
Le degré de centralité d’un individu dans son réseau social a une influence
H4 positive sur son intention de partager un contenu à caractère publicitaire sur
Facebook.
Le degré d’engagement ressenti par un individu a une influence positive sur son
H7
intention de partager un contenu à caractère publicitaire sur Facebook.
74
Le prochain chapitre présente la méthodologie de cette étude. On y explore le
75
CHAPITRE
IV
:
Méthodologie
rapprochant (Wasko et Faraj 2005), ont largement été utilisées dans le domaine
caractère cross-sectionnel.
76
4.1.2 Description du design de recherche
qui permet de créer des sondages en ligne tout en permettant d’y intégrer des
contenus extérieurs. Deux vidéos y ont été intégrées, afin de mesurer plusieurs
fois les habitudes, intentions et comportements des internautes. Les vidéos ont
Les variables permanentes sont des variables qui ne changent pas, peu
générale) ;
13
Unipark.de
14
Youtube.com
77
La centralité (la position d’un individu dans un réseau et la fréquence
contenu, au sein de son réseau social (ici sur son « profil » Facebook). Ces
mettant en scène un cascadeur devant retirer la nappe d’une table sans en faire
tomber les couverts, pour BMW, B) Une vidéo mettant en scène de façon
78
organisme de sécurité routière britannique. Chacun de ces spots a connu plus
ou moins de succès mais étaient suffisamment peu connus du public cible, pour
directement après avoir visionné les vidéos. Le questionnaire mis en place pour
cette étude a été divisé en sept parties. La première partie avertissait les
soumise. Cette section a permis de récolter les données pour les construits
sur les variables contextualisées ont été proposées aux répondants. Chacune
aux deux vidéos différentes (l’une avec un penchant drôle et divertissant, l’autre
avec une vidéo à caractère informatif ou instrumental, voir figure 8). Ces deux
sections ont permis de récolter les données pour les construits de réputation,
79
section a permis de récolter des données socio-démographiques (âge, sexe,
forme Facebook, quelles étaient les vidéos qui s’étaient le plus propagées
(cette section était la plus exploratoire de l’étude ; elle sera décrite plus loin).
Figure 8 : Intégration de la vidéo, et décompte du nombre de fois qu'elle a été partagée sur la période de
l'étude. Le fait de savoir si la vidéo a été partagée a été mesuré grâce à un bout de code dynamique
qui changeait une valeur par défaut de 0 en 1 si l’internaute cliquait sur l’onglet « partager cette
vidéo sur Facebook ».
80
4.2
Échantillon
Le but de cette étude étant de mesurer les intentions des internautes à partager
des vidéos sur Facebook, la seule restriction imposée aux répondants de cette
disposer d’un profil. Une phrase avertissait les répondants, dès la première
page, qu’ils ne se qualifiaient pas pour l’étude s’ils ne disposaient pas d’un profil
sur le service.
Les 500 millions de membres de Facebook (parmis lesquels 50% sont actifs,
c’est à dire qu’ils se connectent une fois par mois au moins) partagent et créent
sociaux existants dans la vie réelle. Ce qui se passe sur Facebook peut avoir
individus par items est nécessaire afin de posséder un échantillon valide dans
15
Source : Facebook.com rubrique « statistics » :
http://www.facebook.com/press/info.php?statistics
16
Source : Universal McCann, étude Wave 4, une étude longitudinale annuelle menée sur plus
de 20000 personnes.
81
la réalisation d’une analyse en composante principale (Cadieux et Lévesque
2008).
Les questions posées pour mesurer le construit de réputation ont été adaptées
ou inspirées des questions posées par Wasko et Faraj (2005), face au fait que
individu auprès de son réseau social sur Facebook. D’autres études (Huang et
al. 2008) ont utilisé avec succès des mesures similaires dans le cadre d’études
Les questions ont été mesurées sur une échelle de Likert à sept points (1 = tout
à fait en désaccord et 7 = tout à fait d’accord) , après que les internautes aient
82
Tableau 2 : Mesure du construit "Réputation" [REP]
construite par Wasko et Faraj (2005). Les données ont été récoltées dans la
n’est pas strictement le même dû au changement de cadre d’étude, les items ci-
83
activité appréciée. Le tableau 3 présente les questions posées dans le but de
mesurer ce construit.
Pour la première [centralité] les répondants indiquaient leur nombre d’amis sur
84
Moins de 50 = 1, entre 51 et 100 = 2, entre 101 et 300 = 3, entre 301 et 500 =
Wasko et Faraj (2005) suggèrent que le nombre de liens sociaux directs (ici le
individu dans son réseau. Cependant, dans leur étude, ils délimitent dans le
temps la présence de ces liens sociaux (au moins une interaction dans une
Facebook avec lesquels il avait des interactions fréquentes, sur une échelle de
construit.
85
Tableau 4 : Mesure du construit "Centralité" [CENT]
Dans leur utilisation du capital cognitif, Wasko et Faraj (2005) ont utilisé les
moyens par lesquels une contribution serait ou non perçue correctement par les
récepteurs. Puisque la présente étude s’attache aux relations sociales plus que
professionnelles, ces deux construits ont été remplacés par ceux développés
86
d’accord). Le tableau 5 présente les questions posées dans le but de mesurer
ce construit.
[EfC4] Il sera facile pour moi de partager du contenu. Kalman et al. (2002)
échelle dans le cadre de l’étude a pris en compte le fait que cette variable est
partage.
87
Une échelle de Likert à sept points, (1 = tout à fait en désaccord et 7 = tout à
fait d’accord), sur chacune des pages, a permis de collecter les données en
fonction du contenu.
construit.
[EfI2] Mes amis accorderaient de l’attention à cette vidéo. Kalman et al. (2002)
[EfI3] Mes amis auraient de l'intérêt pour cette vidéo. Kalman et al. (2002)
Cette vidéo susciterait des réactions auprès de mes Kalman et al. (2002)
[EfI4]
amis.
Il est possible que mes amis veuillent échanger à Kalman et al. (2002)
[EfI5]
leur tour cette vidéo.
Mes amis reparleraient de cette vidéo dans un avenir Kalman et al. (2002)
[EfI6]
proche.
Mes amis auraient un souvenir marquant de cette Kalman et al. (2002)
[EfI7]
vidéo.
88
Ainsi, l’échelle a été adaptée, et mesurée avec une échelle de Likert à sept
construit.
(2005), la valeur du gain collectif a été adaptée pour les besoins de cette
qui décident de partager un contenu le font dans une perspective globale, ils
89
s’adressent à leur réseau tout entier et pas seulement à un individu en
particulier.
Ici encore, la valeur du gain collectif est une variable contextualisée par rapport
à un contenu. Les données ont été récupérées dans les sections quatre et cinq,
après que le répondant ait visualisé les deux vidéos. Les répondants ont utilisé
une échelle de Likert à sept points (1 = tout à fait en désaccord et 7 = tout à fait
ce construit.
90
4.3.8 Mesure de l’Intention
caractère publicitaire sur Facebook, est une variable contextualisée. Aussi, les
Les items de mesure sont inspirés de la plupart des études mesurant des
Les répondants ont utilisé une échelle de Likert à sept points (1 = tout à fait en
construit.
91
4.3.9 Mesure du Comportement (expérimental)
affecter son libre-arbitre d’action. Pour cela, une page a été construite dans le
désirait, utiliser un bouton de partage automatisé pour poster la vidéo sur son
base de donnée si le contenu avait été ou non partagé. Par défaut, la valeur
4.4 Pré-‐test
questionnaire.
92
(sphéricité de la matrice de corrélation), les charges factorielles et les valeurs
Il est à noter que l’étude s’est faite sur deux vidéos pour calculer certaines
dimensions (EfI, VGC, Int). Ainsi, dans un premier temps, nous effectuons
l’analyse du pré-test sur les dimensions communes aux deux vidéos (Eng, App,
Bien que les résultats n’indiquaient aucun problème majeur, certains items ont
Les données ont été récoltées à l’aide d’un questionnaire en ligne développé
ayant une forte audience afin qu’ils répondent et retransmettent l’adresse URL
poster l’adresse du questionnaire sur leur profil Facebook a été intégrée. Ainsi
la plupart des répondants ont incité leur réseau social à remplir le sondage à
leur tour.
17
Voir les résultats des ACP du pré-test en annexe.
93
l’information sur Twitter, et les pages du sondage ont été visitées plus d’un
avril et a obtenu 466 participants, parmi lesquels 250 ont décroché avant d’avoir
avérées être amplement suffisantes pour les besoins de l’étude, et 202 on été
exploitées après avoir ôté de la base de données les réponses comportant trop
de valeur manquantes.
94
CHAPITRE
V
:
Résultats
avons pu observer que les réponses obtenues, en mesurant si oui ou non les
partagé le dit contenu, mais sans utiliser le système mis en place pour cette
étude. Leur réponse a été considérée comme nulle alors que le comportement
avait pourtant bien eu lieu. Ainsi, afin d’éviter d’éventuelles complications liées
95
Tableau 10 : Statistiques socio-démographiques et usage de Facebook
Femme 44,1 87
14-17 0,5 1
18-25 47 95
26-30 19,8 40
36-40 7,9 16
41-50 5,9 12
+50 4 8
Secondaire 1 2
Moins de 1h 11,4 23
Entre 1h et 4h 41,1 83
Usage de Facebook
hebdomadaire Entre 5h et 10h 23,3 47
96
5.2
Validité
des
échelles
de
mesure
Afin de mesurer la validité des échelles de mesure, il a été décidé d’utiliser les
données rattachées à la seconde vidéo, car celle-ci s’est révélée être la plus
variable d’intention, ont été évaluées d’après les réponses qui ont été apportées
De même, les construits de centralité ne sont pas pris en compte pour les
été mesurés que par un seul item chacun, de la même façon que l’ont traité
97
5.2.1 Analyse de la fidélité des variables
chacune des variables, à part. Cette analyse n’a révélé aucun défaut majeur
dans la construction des échelles, avec des alphas de Cronbach compris entre
Les chiffres énoncés ci-dessus sont disponibles dans les tableaux 11 et 12, et
ici mesurées. Cela signifie que tous nos concepts mesurent la même entité.
À ce stade de l’analyse, tous les items peuvent être conservés et l’on peut
98
Tableau 11 : Alpha de Cronbach par construit
Correlation Alpha si
Item N Moyenne Écart-type
de Pearson Extraction
99
Tableau 12 : Alpha de Cronbach par Construit (suite)
Correlation Alpha si
Item N Moyenne Écart-type
de Pearson Extraction
100
5.2.2 Analyses en composantes principales
Sept facteurs sont effectivement identifiés par cette ACP qui explique 74,87%
N 202
KMO .918
À première vue tout laisse présager de bons résultats, mais il est nécessaire de
regarder la matrice des facteurs obtenue après rotation pour se rendre compte
que certains items ne se chargent pas sur le bon facteur, nous permettant ainsi
d’identifier ceux qu’il est nécessaire d’éliminer avant de passer aux analyses
facteurs.
101
Tableau 14 : Matrice après rotation de la première ACP
Items Facteurs
102
Tableau 15 : Matrice après rotation de la première ACP (suite)
Items Facteurs
103
Les tableaux 14 et 15 posent un plusieurs problèmes. Premièrement, les
problèmes de forte corrélation sur des facteurs avec lesquels ils ne devraient
pas être corrélés. Parmi ceux-ci, les items EFI6, EFI7, VGC1, VGC4, ENG1,
APP6 et APP4 ont été extraits car trop corrélés, ou car ils se chargeaient en
dessous de 0,7 (à l’exception de EFI7, qui a été extrait car sa présence avait
La variable de valeur du gain collectif se montrant très faible, et tous ses items
104
Tableau 16 : Résultats de la seconde APC
N 202
KMO .914
Items Facteurs
EFI VGC
105
La matrice des corrélations de la seconde ACP démontre qu’après l’extraction
de mesure.
N 202
KMO .907
variance expliquée de 76,216%, cette dernière ACP remplit elle aussi les
106
Tableau 19 : Matrice après rotation de l’ACP confirmatoire
Items Facteurs
107
Tableau 20 : Matrice après rotation de l’ACP confirmatoire (suite)
Items Facteurs
108
Même si certains problèmes persistent, comme la faiblesse de la mesure de la
valeur du gain collectif, cette ACP confirmatoire permet d’affirmer que chaque
Dès lors, les items présents dans les tableaux 19 et 20 sont ceux qui seront
contextualisées sont traitées de façon séparée, pour chacune des deux vidéos,
des index ont été construits, en faisant la moyenne des items retenus après
moyenne des items des variables contextualisées pour la seconde vidéo puis la
somme des moyenne des items de toutes les variables contextualisées, des
globalité.
109
Régression avec les résultats de la première vidéo
Index de la variable
MINT1 MINT2 INTT
Dépendante
110
Tableau 22 : Statistiques descriptives par index
Variables permanentes
111
5.3.2 Écriture du modèle de régression et structure des résultats
Où :
« explicatives ».
∈ = l’erreur. Elle représente la partie aléatoire non observable qui pourrait être
Il faut noter que tous les seuils de significations sont fixés à α = 0.05.
112
5.4
Régression
et
analyse
de
la
vidéo
1
nappe d’une table dressée, à la façon des magiciens de cabaret, pour souligner
l’efficacité des moteurs des motos de BMW.18 Cette vidéo possède un fort
caractère hédoniste.
moins un ßj ≠ 0)
18
La vidéo est disponible à l’adresse suivante : www.youtube.com/user/mermetudes
113
Le tableau 23 présente le R2 ainsi que la p-value de l’ANOVA cette régression.
peu faible (interrelation modérée, puisque comprise entre 0.3 et 0.5) reste
satisfaisant car nous sommes dans le cadre d’une étude exploratoire mettant
= 0.05, l’hypothèse H0 est rejetée au risque de se tromper une fois sur 20. Ainsi,
poursuivre.
Cette étape consiste à voir quels sont les ßi significatifs dans le modèle en ce
H0 : ßi = 0
H1 : ßi ≠ 0
114
Règle de décision : L’hypothèse H0 est rejetée si la p-value est inférieure à α =
0.05.
115
5.4.2.1 ß1 Centralité
Comme la p-value est de 0, 091 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
5.4.2.2 ß2 Centralité 2
Comme la p-value est de 0,342 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
Comme la p-value est de 0,664 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
116
5.4.2.4 ß4 Efficacité connective [EFC]
Comme la p-value est de 0,344 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
suite des autres variables explicatives du modèle, est non significative. Son
Comme la p-value est de 0,456 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
117
5.4.2.7 ß7 Efficacité informative [EFI1]
Comme la p-value est de 0,004 < α = 0.05, l’hypothèse H0 est rejetée au risque
de se tromper une fois sur 20. Ainsi, il est possible d’affirmer que la variable
Comme la p-value est de 0,000 < α = 0.05, l’hypothèse H0 est rejetée au risque
de se tromper une fois sur 20. Ainsi, il est possible d’affirmer que la variable
Il est possible de ranger les variables indépendantes selon leur influence sur la
d’importance.
118
Tableau 25 : Classement des effets pour la première régression
Ainsi, dans notre étude la variable la plus importante est « valeur du gain
La statistique VIF est utile pour vérifier s’il y a multi colinéarité entre plusieurs
L’inconvénient d’une forte colinéarité entre plusieurs variables rend instable les
119
Une règle du pouce tend à montrer qu’un VIF supérieur à 10 ne peut être
retenu à cause d’une trop grande multi colinéarité (Cadieux et Lévesque 2008).
Ici, les VIF (tableau 26) sont compris entre [1.261; 3,047]. Ainsi, nous pouvons
affirmer que le modèle ne souffre pas de multi colinéarité et que les tests sur les
Variable VIF
Centralité 1.456
Centralité 2 1.594
APP 2.019
EFC 1.261
ENG 2.353
REP1 1.993
EFI1 2.341
VGC1 3.047
L’analyse des résidus est nécessaire dans tout modèle de régression multiple
120
L’utilisation du test de Normalité (Kolmogorov-Smirnov et Shapiro-Wilk) permet
population
de la population
Kolmogorov-Smirnov Shapiro-Wilk
Ici, comme la p-value est inférieure à α = 0.05 pour les deux tests de normalité,
l’hypothèse H0 est rejetée au risque de se tromper une fois sur 20. Ainsi, il est
admis que les résidus ne se distribuent pas selon une loi normale, ce qui est
121
Les résidus sont présentés dans les figures suivantes on observe effectivement
9), et que les résidus se distribuent pas uniformément autour du zéro (figure
10).
Figure 9
122
Figure 10
123
5.5
Régression
et
analyse
de
la
vidéo
2
venaient alors l’enlacer, pour représenter le fait que l’influence de la famille sur
moins un ßj ≠ 0)
19
La vidéo est disponible à l’adresse suivante : www.youtube.com/user/mermetudes
124
Le tableau 28 présente le R2 ainsi que la p-value de l’ANOVA cette régression.
peu faible (interrelation modérée, puisque comprise entre 0.3 et 0.5) reste
satisfaisant car nous sommes dans le cadre d’une étude exploratoire mettant
= 0.05, l’hypothèse H0 est rejetée au risque de se tromper une fois sur 20. Ainsi,
poursuivre.
Cette étape consiste à voir quels sont les ßi significatifs dans le modèle en ce
H0 : ßi = 0
H1 : ßi ≠ 0
125
Règle de décision : L’hypothèse H0 est rejetée si la p-value est inférieure à α =
0.05.
126
5.5.2.1 ß1 Centralité
Comme la p-value est de 0,227 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
5.5.2.2 ß2 Centralité 2
Comme la p-value est de 0,113 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
Comme la p-value est de 0,837 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
127
5.5.2.4 ß4 Efficacité connective [EFC]
Comme la p-value est de 0,082 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
suite des autres variables explicatives du modèle, est non significative. Son
Comme la p-value est de 0,776 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
128
5.5.2.7 ß7 Efficacité informative [EFI2]
Comme la p-value est de 0,000 < α = 0.05, l’hypothèse H0 est rejetée au risque
de se tromper une fois sur 20. Ainsi, il est possible d’affirmer que la variable
Comme la p-value est de 0,000 < α = 0.05, l’hypothèse H0 est rejetée au risque
de se tromper une fois sur 20. Ainsi, il est possible d’affirmer que la variable
Il est possible de ranger les variables indépendantes selon leur influence sur la
d’importance.
129
Tableau 30 : Classement des effets pour la 2nde régression
Ainsi, dans notre étude la variable la plus importante est « valeur du gain
Ici, les VIF (tableau 31) sont compris entre [1,279; 2,448]. Ainsi, nous pouvons
affirmer que le modèle ne souffre pas de multi colinéarité et que les tests sur les
Variable VIF
Centralité 1.455
Centralité 2 1.627
APP 1.998
EFC 1.279
ENG 2.448
REP1 1.668
EFI1 1.831
VGC1 2.409
130
5.5.5 Analyse des résidus pour la 2nde régression
population
de la population
Kolmogorov-Smirnov Shapiro-Wilk
*
.031 202 .200 .995 202 .737
Ici, comme la p-value est supérieure à α = 0.05 pour les deux tests de
normalité, l’hypothèse H0 n’est pas rejetée. Ainsi, il est admis que les résidus se
distribuent selon une loi normale, ce qui est bon. Cela traduit une bonne
131
Les résidus sont présentés dans les figures suivantes on observe effectivement
Figure 11
132
Figure 12
Ainsi, il est tout à fait légitime de penser que pour cette régression, le modèle ici
133
5.6
Régression
et
analyse
des
deux
vidéos
combinées
moins un ßj ≠ 0)
134
Dans notre cas, le R2 ajusté est de .460. C’est-à-dire que la régression explique
peu faible (interrelation modérée, puisque comprise entre 0.3 et 0.5) reste
satisfaisant car nous sommes dans le cadre d’une étude exploratoire mettant
= 0.05, l’hypothèse H0 est rejetée au risque de se tromper une fois sur 20. Ainsi,
poursuivre.
Cette étape consiste à voir quels sont les ßi significatifs dans le modèle en ce
H0 : ßi = 0
H1 : ßi ≠ 0
à α = 0.05.
135
Tableau 34 : p-value cote t et VIF de la 3ème régression
5.6.2.1 ß1 Centralité
Comme la p-value est de 0,093 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
136
5.6.2.2 ß2 Centralité 2
Comme la p-value est de 0,151 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
Comme la p-value est de 0,754 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
Comme la p-value est de 0,603 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
suite des autres variables explicatives du modèle, est non significative. Son
137
5.6.2.5 ß5 Engagement [ENG]
Comme la p-value est de 0,480 > α = 0.05, l’hypothèse H0 n’est pas rejetée au
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
autres variables explicatives du modèle, est non significative. Son ajout est
superflu.
Comme la p-value est de 0,002 < α = 0.05, l’hypothèse H0 est rejetée au risque
de se tromper une fois sur 20. Ainsi, il est possible d’affirmer que la variable
Comme la p-value est de 0,000 < α = 0.05, l’hypothèse H0 est rejetée au risque
de se tromper une fois sur 20. Ainsi, il est possible d’affirmer que la variable
138
« valeur du gain collectif » apporte une contribution significative au modèle
Il est possible de ranger les variables indépendantes selon leur influence sur la
d’importance.
Ainsi, dans notre étude la variable la plus importante est « valeur du gain
Ici, les VIF (tableau 35) sont compris entre [1,277 ; 3,061]. Ainsi, nous pouvons
affirmer que le modèle ne souffre pas de multi colinéarité et que les tests sur les
139
Tableau 36 : VIF pour la 3ème régression
Variable VIF
Centralité 1.455
Centralité 2 1.614
APP 2.023
EFC 1.277
ENG 2.398
REP1 1.970
EFI1 2.265
VGC1 3.061
population
de la population
140
Tableau 37 : tests de normalité des résidus de la 3ème régression
Kolmogorov-Smirnov Shapiro-Wilk
l’hypothèse H0 est rejetée au risque de se tromper une fois sur 20. Ainsi, il est
admis que les résidus ne se distribuent pas selon une loi normale, ce qui est
Les résidus sont présentés dans les figures suivantes on observe effectivement
13), et que les résidus se distribuent pas uniformément autour du zéro (figure
14).
141
Figure 13
142
Figure 14
143
5.7
Récapitulatif
des
résultats
cette étude. Ainsi, on observe que seules deux variables émergent réellement
Figure 15 : illustration des hypothèses validées par le modèle. Les lignes représentés par des pointillés
indiquent que l’impact de la variable indépendante est marginale, tandis que les lignes pleines
indiquent une relation significative
144
Tableau 38 : récapitulatif de la validation des hypothèses
145
5.7.2 Récapitulatif de l’analyse des VIF
Les VIF de chacune des régressions n’indiquent aucun écart majeur, et sont
tous situés entre 1 et 10, ce qui tend à prouver qu’aune des régressions
Le tableau 39 récapitule les VIF les plus bas et les plus hauts de chacune des
régressions.
Après l’analyse des résidus des trois régressions, une seule, la seconde,
146
Tableau 40 : récapitulatif des analyses des résidus
147
CHAPITRE
VI
:
Discussion
des
résultats
Le but principal de cette étude était d’identifier les facteurs influençant l’intention
Après une revue de littérature, il a été décidé que la théorie du Capital Social
ont joué un rôle clé dans l’adaptation de la théorie initiale au contexte de notre
étude.
Cette étude répond à la majorité des objectifs fixés au départ dans le premier
partager.
148
6.2
Résultats
clés
Avec une p-value inférieure au seuil de signification alpha = 0,05 dans les trois
régressions effectuées dans l’analyse (0,000 dans les trois analyses), la valeur
contenu.
création de la valeur du gain collectif a suivi les conseils prodigués par ces deux
et non pas individuelle. Dans un contexte en ligne, et dans la plupart des études
du temps entre deux personnes (l’emploi du terme « ami » n’est pas anodin
149
« réciprocité généralisée » : une forme de réciprocité différente que celle ayant
contenu car il sait que certaines personnes l’aimeront, mais il ne sait pas
personne qui partage est ouverte à recevoir ou être exposée à des contenus du
même genre.
la littérature (avec respect pour les auteurs), au profit d’une notion plus altruiste.
Une personne peut aimer le fait de recevoir un contenu, mais ne sent pas
fait que le partage d’un contenu plaira aux membres de son réseau.
Ainsi, cette étude a révélé que cette motivation altruiste était incontestablement
150
« j’aime », des commentaires ou des partages successifs. Ces interactions
Avec une p-value de 0,02 à la première analyse, et de 0,00 dans les deux
non le contenu atteindra les objectifs qu’il fixe, pour son réseau social, s’il le
mesure de le consulter.
Cette variable fortement instable, car dépendante d’un contexte (le contenu)
s’avère pourtant être une explication très cohérente dans le cadre de partage
provoquées sont essentielles (Dobele et al. 2007) on peut dès lors supposer
que la «charge émotionnelle» transmise par une vidéo sur un individu joue un
entourage, tout en estimant de lui même le fait que la vidéo saura créer des
151
Ainsi, le fait qu’une relation antérieure existe entre un individu et son réseau,
comme c’est souvent le cas sur Facebook, permet d’affirmer que l’émetteur
possède déjà une opinion lui permettant de juger de l’efficacité d’un contenu,
émotions que pourra créer un contenu sur une communauté d’amis sur
Facebook.
De même, Facebook permet à un individu de voir lesquels parmi ces amis sont
consommés par certains membres de son réseau peuvent être des facteurs
expliquer la propension d’un individu à juger bon ou non un contenu pour son
s’adressent à une sphère très particulière. Par exemple, les références à Star
Wars dans une publicité pour Adidas Originals, durant la coupe du monde, a
permis de cibler précisément une certaine masse d’internautes dont les centres
152
d’intérêts n’étaient pas nécessairement portés sur le soccer. De même, la
des contenus qui ont pour principale vertu d’être facilement réplicables, et dont
c’est la propriété première. Les célèbres « lolcats », ces images de chats dans
les réactions de son réseau face à ce contenu, car il sait que les membres
Figure 16 : "I can haz cheezburger" est reconnu pour être le tout premier « lolcat ». Aujourd’hui une
entreprise porte le nom du phénomène, et recence chaque jour des milliers d’autres illustrations du
genre.
153
Plusieurs millions d’images du genre sont postées aujourd’hui sur le Web. Les
personnes qui les retransmettent savent sans aucune hésitation que celles-ci
Parmi les variables non significatives, c’est à dire celles n’ayant pas obtenu de
deux construits peut s’expliquer par leur insertion par Wasko et Faraj (2005),
rapide d’un individu, mais si le réseau social existait avant d’avoir été
est le seul indice accessible pour se faire une opinion de quelqu’un. Si l’on avait
eu fort à parier que la réputation eut été un facteur clé. L’appréciation, pour sa
154
part, n’est pas ressortie comme significative pour plusieurs raisons potentielles.
Le fait d’aimer utiliser Facebook, ne veut pas nécessairement dire que l’on aime
y partager des vidéos dites virales. Il est probable également, que le fait de
partager une vidéo ne soit pas lié au simple fait d’aimer utiliser la plate-forme,
mais que la plate-forme soit une déterminant dans l’accès à un public potentiel.
Le fait d’aimer utiliser l’outil est une conception égoïste, tandis que le partage
est une conception altruiste, motivée avant tout par les conséquences sur
significatives par aucune des régressions, tend à prouver que l’aspect structurel
partage n’a pas d’impact sur l’intention de partager. Le fait que l’intégralité, ou
presque, d’un réseau, soit potentiellement exposé un contenu, peut être un frein
rejoindre le réseau social, d’un individu, n’a pas non plus été considéré comme
réseau. S’il est facile de jauger les goûts, sensibilités et préférences des
155
des compétences techniques, et des fonctionnalités du medium, peuvent être
Enfin, l’engagement, le fait de se considérer actif au sein d’un réseau, n’est pas
variables significatives a fait ressortir le fait que partager une vidéo permettait
considère déjà comme étant active dans ses réseaux d’amis Facebook, au
travers des autres fonctionnalités du site (partage de photo, tags, «like » etc.),
présent dans les deux vidéos utilisées pour cette étude. En termes de chiffres,
la vidéo ayant un caractère instrumental a été partagés plus de fois (112) que
celle ayant un caractère hédoniste (Humour et « Wow effect »), qui a été
partagé 68 fois.
On peut expliquer ce phénomène par le fait que dans une optique altruiste,
routière, sera plus valorisant pour un individu, qu’une simple vidéo « drôle ».
156
d’efficacité connective. On peut expliquer ce phénomène de la façon suivante :
son réseau social, alors, c’est le nombre de connections qu’il possède qui
jouera un rôle important, car ce dernier n’aura d’intérêt que la simple exposition
de son réseau social au message. Dans une optique de partage pour entraîner
message.
(2000) : le degré de satisfaction d’un individu qui partage est toujours relié au
sein, demandant aux participants de modifier leur image de profil pour une
157
photo avec u calque rose, symbole de la lutte. Le succès a été fulgurant (plus
entendu attribuer cette observation au hasard du fait que les deux variables
publicitaires, sur Facebook. Les réseaux sociaux en ligne sont de très bons
2010) affirme qu’il est plus difficile de faire naître des comportements nouveaux
à l’information, par les pairs membres d’un réseau proche, est nécessaire pour
cela.
20
http://www.facebook.com/telus
158
Si l’on prend en considération que le marketing viral a avant tout un objectif de
profonde de l’individu ne jouera pas un rôle décisif, et ne sera pas modifiée par
joue donc un rôle plus important que la nature de l’individu, dans la propagation
6.3 Implications
preuve empirique amenée par les résultats des analyses, mais également dans
neuf (les médias sociaux) et dans un objectif précis (le partage de vidéo
publicitaire).
capital social sont à la fois adaptables mais surtout pertinentes dans l’étude des
159
son lot d’évolutions, notamment autour des construits qui ont démontré leur
praticiens, un média social comme Facebook ou une sphère privée comme les
n’est pas un des facteurs qui motive l’envie de partager une information. Ces
Enfin, la notion de centralité, même si sa signification n’est pas aussi forte que
viralité. Certes, l’accès aux données n’est pas aisée, mais il serait possible
communes avec certains des liens forts constituant le réseau social d’un
individu. Ces données sont fournies par exemple, par Facebook ou Twitter. Il
160
serait ainsi possible d’observer la centralité à un degré de séparation
transmission virale, mais surtout les résultantes de telles actions, dans les
du marketing en ligne.
l’action de partager pour l’internaute, qui est le vecteur de son message. Ainsi,
des lignes directrices claires, un objectif de création précis, qui amènera son
équipe à comprendre les raisons pour lesquelles une vidéo se partage. Cela
permettra sans doute d’atténuer le côté « déjà-vu » de bien des productions, qui
ne se basent que sur ce qui a fonctionné auparavant (par exemple, une image
161
action). De même, il sera bon pour un stratège ou pour un créatif, de
message s’adresse. Faire en sorte que le message soit non seulement compris
par une cible définie, mais surtout qu’il soit suffisamment compréhensible, pour
que les cibles puissent identifier les membres de leur réseau plus ou moins
les « hubs », les personnalités à forte audience. Même si ces derniers ont un
rôle clé à jouer, ils ne sont pas nécessairement les meilleurs premiers relais.
de regarder les grappes d’internautes gravitant autour des dits « hubs » afin
162
que ceux-ci prennent conscience de l’existence du message de façon
campagne.
6.4 Limites
savoir avec précision si la vidéo n’a pas été partagée par la suite, ou autrement
que grâce au système mis en place (en collant l’adresse URL de la vidéo
directement sur leur profil par exemple). Ainsi, même si de manière générale,
rien de prouve ici de façon empirique que l’intention potentielle déclarée par un
certains d’entre eux, de férus utilisateurs des outils sociaux, et qu’ils étaient
163
certainement plus enclins qu’un échantillon totalement aléatoire, à juger
Une autre limite de cette étude est un biais théorique, dans le modèle de
Wasko et Faraj (2005), ainsi que dans celui de Nahapiet et Goshal (1998). En
effet, ces chercheurs ont bâti et exploité la théorie du capital social, dans le but
Ainsi, il est légitime de penser que la fondation même de ce modèle n’est pas
l’élaboration des échelles de mesures. L’adaptation qui a été faite des échelles
164
CHAPITRE
VIII
:
Conclusion
contenus dits viraux. En revanche, il offre de par ses résultats empiriques, une
approche intéressante pour les personnes qui s’intéressent aux raisons pour
Trop longtemps, le marketing est resté une discipline où le dialogue était absent
désormais d’être un des sujets des interactions sociales des individus, et se doit
consommateurs.
Le phénomène de viralité en ligne, comme son nom ne l’indique pas, n’est pas
165
traditionnelle a toujours eu l’ascendant sur le consommateur, les rôles sont
aujourd’hui inversés.
« Si je parle de votre marque à mes amis sur Facebook, ce n’est pas parce que
j’aime votre marque, mais plutôt parce que j’aime mes amis. » (Arauz 2009)-
Lorsqu’on sait que Facebook est l’outil préféré de la génération X pour rester en
contact avec leurs amis, que 200 millions d’utilisateurs y accèdent depuis un
douloureuses. Ce n’est pas un portrait futuriste, mais plutôt une vision d’un
venir très proche : il faut se rendre à l’évidence. S’il est encore temps pour les
166
CHAPITRE
IX
:
Bibliographie
167
BAMPO, Mauro, EWING, Michael T., MATHER Dineli R., STEWART, David &
JAI Press.
(2003)
BLAU, P. M. « Exchange and Power in Social Life ». New York: John Wiley &
Sons (1964).
BOASE, Jeffrey, HORRIGAN, John B., WELLMAN, Barry & RAINIE, Lee, « The
strength of internet ties, the internet and email aid users in maintaining their
social networks and provide pathways to help when people face big décisions »,
168
BONACICH Phillip, « Power and Centrality: A Family of Measures » The
American Journal of Sociology, Vol. 92, No. 5 (Mar., 1987), pp. 1170-1182
BROWN, Jacqueline Jonhson, REINGEN, Peter H., « Social Ties and Word-of-
Mouth Referral Behavior », The Journal of Consumer Research, Vol. 14, No. 3
(1987).
BROWN, Jo, BRODERICK, Amanda J., & LEE, Nick, « Word of mouth
169
BURKE, Moira, MARLOW, Cameron & LENTO, Thomas, « Feed Me: Motivating
Newcomer Contribution in Social Network Sites », CHI 2009, April 4–9, 2009,
CADIEUX, Jean and LEVESQUE, Jessica, Note de cours MQG 800, (2008).
170
CHIU, Chao-Min Chiu, HSU, Meng-Hsiang & WANG, Eric T.G.,
social capital and social cognitive théories », Decision Support Systems, Vol.
COLLINS, James J. et CHOW Carson C., « It’s a small world », Nature, Vol.
393, (1998).
171
COURTOIS, C., MECHANT, P., DE MAREZ, L. & VERLEYE, G.,
CRANE, R. & SORNETTE, D., « Viral, Quality, and Junk Videos on YouTube:
172
DAVIS F, « Perceived usefulness, perceived ease of use, and user acceptance
challenges of online feedback », Management Science, Vol. 49, No. 10, (2003),
pp. 1407-1424.
173
DOBELE, Angela, TOLEMAN, David, BEVERLAND, Michael, « Controlled
Joëlle, and VAN WIJK, Robert, « Why pass on viral messages? Because they
connect emotionally », Business Horizons, Vol. 50, No. 4, (2007), pp. 291-304.
DUAN, Wenjing, GU, Bin, WHINSTON, Andrew B., « The dynamics of online
DWYER, Paul, « Measuring the value of electronic word of mouth and its impact
174
FERGUSON, Rick, « Word of mouth and viral marketing: taking the temperature
175
GODIN Seth, (web) « Is viral marketing the same as word of
mouth? » http://sethgodin.typepad.com/seths_blog/2007/10/is-viral-market.html,
(2007)
GOH, Kwang-Il, CUSICK, Michael E., VALLE, David, CHILDS, Barton, VIDAL,
pp. 3‐14.
176
GRUEN, Thomas W., OSMONBEKOV, Talai, . CZAPLEWSKI, Andrew J.,
customer value and loyalty », Journal of Business Research, Vol. 59, (2006),
HEAN, Sarah, COWLEY Sarah, ANGUS Forbes. « The M-C-M' cycle and social
internet ? », Journal of Interactive marketing, Vol 18, No. 1, (2004), pp. 38-52.
information science and technology, Vo. 58, No. 14, (2007), pp. 2310–2324.
177
HSU, Chin-Lung and LIN, Judy Chuan-Chuan, « Acceptance of blog usage:
motivation », Information & management, Vol. 45, No. 1, (2008), pp. 65-74.
pass-along email intentions (PAEIs): Integrating the social capital and social
JANSEN, Bernard J., SOBEL, Mimi ZHANG Kate & CHOWDURY, Abdur,
American Society for Information and technology, Vol. 60, No. 11, (2009), pp.
2169–2188.
JAVA, Akshay, SONG, Xiaodan, FININ, Tim, and TSENG, Belle, « Why we
and 1st SNA-KDD 2007 workshop on Web mining and social network analysis,
(2007).
178
JURVETSON, Steve, « From the ground floor, exactly is viral marketing? », Red
KALMAN, Michael E., MONGE, Peter, FULK, Janet & HEINO, Rebecca,
KANE, Gerald C., FICHMAN, Robert G., « The shoemaker’s children : using
KAPLAN Andreas M., HAENLEIN Michael, « Users of the world, unite! The
Issue 1
KATZ, Elihu and, LAZARSFELD, Paul F., Personal Influence, the Part Played
179
KEEGAN, Brian & GERGLE, Darren, « Egalitarians at the Gate: One-Sided
180
KLEINBERG Jon M. « Authoritative sources in a hyperlinked environment »
KOZINETS, Robert V., DE VALCK, Kristine, WOJNICKI, Andrea C., & WILNER,
LAM, Desmond, LEE, Alvin, & MIZERSKI, Richard, « The Effects of Cultural
LEVIN, Daniel Z. & CROSS, Rob, « The Strength of Weak Ties You Can Trust:
181
LESKOVEC, Jure, ADAMIC, Lada A., HUBERMAN, Bernardo A. « The
http://www.hpl.hp.com/research/scl/papers/viral/viral.pdf
LIN N, « Social capital: A theory of social structure and action » livre - New
share information on weblogs », Internet Research, Vol. 17, No. 4, (2007), pp.
345-361.
MCCRAKEN, Grant, Culture and consumption II: markets, meaning, and brand
MCLURE WASKO, Molly & FARAJ, Samer, « Why should I share ? examing
182
MCPHERSON, Miller, SMITH-LOVIN, Lynn, & COOK, James, « Birds of a
Feather : Homophily in Social Networks », Annu. Rev. Sociol, Vol. 27, (2001),
pp. 415–44.
MODZELEWSKI Mark, « Finding a cure for viral marketing ills » Article en ligne
(2000)
Internet Interfaces », OR/MS and E-Business, Vol. 31, No. 2, (2001), pp. 90-
108.
183
NARAYAN, Deepa & CASSIDY, Michael F., « A Dimensional Approach to
Spreading in Scale-Free Networks », Phisical Review Letters, Vol. 86, No. 14,
(2001).
PHELPS, Joseph E., LEWIS, Regina, MOBILIO, Lynne, PERRY, David, and
184
PORTER, Lance & GOLAN, Guy J., « From subservient chickens to brawny
Anonymity on Group Behavior », PSPB, Vol. 27, No. 10, (2001), pp. 1243-1254.
(1965)
185
REINGEN Peter H, FOSTER, Brian L., BROWN, Jonhson and, SEIDMAN,
Analysis », The Journal of Consumer Research, Vol. 11, No. 3 (1984), pp. 771-
783
SEGLEN Per O., “Why the Impact Factor of Journals Should Not Be Used for
1018-1021.
186
STEFFES, Erin M. & BURGEE, Lawrence E., « Social ties and online word of
Multiple Dimensions of the Source, the Message, and the Recipient », Journal
187
VENKATESH, V., MORRIS, M.G., DAVIS, F.D., DAVIS, G.B. “User
63‐77.
WASKO, Molly McLure, and FARAJ, Samer, « Why should I share ? Examining
social capital and knowledge contribution », MIS Quartely, Vol. 29, No. 1,
(2005).
188
WATTS, Duncan, « Six Degrees: The Science of A Connected Age » Yahoo!
http://cdg.columbia.edu
Marketing », Australasian Marketing Journal, Vol. 12, No. 2; (2004), pp. 8-18.
(1987).
189
YOOK, Soon-Hyung, JEONG, Hawoong, & BARABASI, Albert-Lászlo,
« Modeling the Internet’s large-scale topology », Vol. 99, No. 21, (2002), pp.
13382–13386.
190
Annexes
191
Annexe I (page 193) : Résultats détaillés de l’analyse en composantes
principales du pré-test
192
Annexe
I
:
Résultats
détaillés
de
l’analyse
en
composantes
principales
du pré-‐test
Sig. ,000
Communalities
Initial Extraction
J'accorde de l'importance
à mon activité sur 1,000 ,678
Facebook
193
Lorsque je consulte
Facebook, j'ai la
1,000 ,599
sensation de faire partie
d'un groupe
Je cherche à maintenir
des relations positives
1,000 ,624
avec mes amis sur
Facebook
Je me considère comme
quelqu'un d'actif sur le 1,000 ,679
réseau Facebook
a
Component Matrix
Component
194
Mes interactions avec
mes amis sur Facebook ,859
sont fréquentes
J'accorde de l'importance
à mon activité sur ,824
Facebook
Lorsque je consulte
Facebook, j'ai la
,774
sensation de faire partie
d'un groupe
Je cherche à maintenir
des relations positives
,790
avec mes amis sur
Facebook
Je me considère comme
quelqu'un d'actif sur le ,824
réseau Facebook
a. 1 components extracted.
195
Nouveaux résultats de la dimension engagement (Eng) – 5 items
Sig. ,000
Communalities
Initial Extraction
J'accorde de l'importance
à mon activité sur 1,000 ,696
Facebook
Lorsque je consulte
Facebook, j'ai la
1,000 ,594
sensation de faire partie
d'un groupe
Je me considère comme
quelqu'un d'actif sur le 1,000 ,678
réseau Facebook
196
Initial Eigenvalues Extraction Sums of Squared Loadings
Compo
nent Total % of Variance Cumulative % Total % of Variance Cumulative %
a
Component Matrix
Component
J'accorde de l'importance
à mon activité sur ,834
Facebook
Lorsque je consulte
Facebook, j'ai la
,771
sensation de faire partie
d'un groupe
Je me considère comme
quelqu'un d'actif sur le ,824
réseau Facebook
a. 1 components extracted.
197
Résultats de la dimension Appréciation (App) – 7 items
Sig. ,000
Communalities
Initial Extraction
198
J'apprécie le fait d'utiliser
Facebook pour partager 1,000 ,583
du contenu
a
Component Matrix
Component
199
Il est agréable de voir
qu’un contenu partagé
,604
suscite l’intérêt de mes
amis sur Facebook
a. 1 components extracted.
Sig. ,000
Communalities
Initial Extraction
200
J'aime le simple fait de
partager des contenus sur 1,000 ,655
Facebook
201
a
Component Matrix
Component
a. 1 components extracted.
202
Résultats de la dimension de l’Efficatité Connective (EfC) – 8 variables
Sig. ,000
Communalities
Initial Extraction
203
Certains de mes amis
partageront le contenu Ã
1,000 ,376
leur tour après l'avoir
consulté
a
Rotated Component Matrix
Component
1 2
204
Mes amis auront de la
difficulté à consulter le -,104 ,883
contenu partagé
205
Nouveaux résultats pour la dimension Efficacité Connective (EfC après le
retrait de EfC3
Sig. ,000
Communalities
Initial Extraction
206
Total Variance Explained
a
Component Matrix
Component
207
Il sera facile pour moi de
,808
partager du contenu
a. 1 components extracted.
Aucun autre retrait. La corrélation entre les items est acceptable et le KMO
reste toujours de qualité incroyable. EfC8 pourrait être supprimé mais comme il
s’agit de l’étape du pré-test, cette variable est conserver pour éviter le risque de
perte d’information pour la suite des analyse. Au besoin, cet item sera supprimé
lors de l’étude principale.
208
Résultats de la dimension Réputation (Rep) de la vidéo 1 – 7 items
Sig. ,000
Communalities
Initial Extraction
...contribuerait de façon
positive à mon image 1,000 ,738
auprès de mes amis
...contribuerait à améliorer
mes relations avec mes 1,000 ,821
amis
209
Initial Eigenvalues Extraction Sums of Squared Loadings
Compo
nent Total % of Variance Cumulative % Total % of Variance Cumulative %
a
Component Matrix
Component
...contribuerait de façon
positive à mon image ,859
auprès de mes amis
...contribuerait à améliorer
mes relations avec mes ,906
amis
210
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.
211
Résultats de la dimension Efficacité informative (EfI) de la vidéo 1 – 7
items
Sig. ,000
Communalities
Initial Extraction
212
Total % of Variance Cumulative % Total % of Variance Cumulative %
a
Component Matrix
Component
213
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.
214
Résultats pour la dimension Valeur du Gain Collectif (VGC) de la vidéo 1 –
6 items
Sig. ,000
Communalities
Initial Extraction
215
2 ,401 6,680 90,961
a
Component Matrix
Component
a. 1 components extracted.
216
Résultats de la dimension Intention (Int) de la vidéo 1 – 3 Items
Sig. ,000
Communalities
Initial Extraction
Il y aurait de bonnes
chances pour que je la 1,000 ,934
partage via Facebook
Je vais certainement
partager cette vidéo sur 1,000 ,940
Facebook
a
Component Matrix
Component
217
1
Il y aurait de bonnes
chances pour que je la ,966
partage via Facebook
Je vais certainement
partager cette vidéo sur ,969
Facebook
a. 1 components extracted.
Aucun retrait sur la dimension Intention malgré un KMO de qualité moyenne car
la corrélation entre les items est acceptable et nous expliquons plus de 94% de
la variance.
218
Résultats de la dimension Réputation (Rep) de la vidéo 2 – 7 items
Sig. ,000
Communalities
Initial Extraction
...contribuerait de façon
positive à mon image 1,000 ,788
auprès de mes amis
...contribuerait Ã
améliorer mes relations 1,000 ,841
avec mes amis
219
Initial Eigenvalues Extraction Sums of Squared Loadings
Compo
nent Total % of Variance Cumulative % Total % of Variance Cumulative %
a
Component Matrix
Component
...contribuerait de façon
positive à mon image ,888
auprès de mes amis
...contribuerait Ã
améliorer mes relations ,917
avec mes amis
220
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.
221
Résultats de la dimension Efficacité Informative (EfI) de la vidéo 2 – 7
items
Sig. ,000
Communalities
Initial Extraction
222
Total % of Variance Cumulative % Total % of Variance Cumulative %
a
Component Matrix
Component
223
a
Component Matrix
Component
a. 1 components extracted.
224
Résultats de la dimension Valeur du Gain Collectif de la vidéo 2 – 6 items
Sig. ,000
Communalities
Initial Extraction
...permettraient à mes
amis de le partager à leur 1,000 ,776
tour
225
2 ,278 4,634 90,586
a
Component Matrix
Component
...permettraient à mes
amis de le partager à leur ,881
tour
a. 1 components extracted.
226
Résultats de la dimension Intention (Int) de la vidéo 2 – 3 Items
Sig. ,000
Communalities
Initial Extraction
Il y aurait de bonnes
chances pour que je la 1,000 ,915
partage via Facebook
Je vais certainement
partager cette vidéo sur 1,000 ,895
Facebook
a
Component Matrix
Component
227
1
Il y aurait de bonnes
chances pour que je la ,956
partage via Facebook
Je vais certainement
partager cette vidéo sur ,946
Facebook
a. 1 components extracted.
Aucun retrait sur la dimension Intention malgré un KMO de qualité médiocre car
la corrélation entre les items est acceptable et nous expliquons plus de 92% de
la variance.
228
Annexe
II
Sorties techniques de l’analyse des alphas de Cronbach du modèle
définitif
Reliability Statistics
Cronbach's Alpha
Based on
Standardized
Cronbach's Alpha Items N of Items
.866 .867 6
229
Item Statistics
230
Item-Total Statistics
Cronbach's
Squared Multiple Alpha if Item
Correlation Deleted
231
RELIABILITY /VARIABLES=Vid4Rep1 Vid4Rep2 Vid4Rep3 Vid4Rep4
VARIANCE CORR.
Reliability Statistics
Cronbach's
Alpha Based on
Cronbach's Standardized
Alpha Items N of Items
.957 .957 6
232
Item Statistics
233
Item-Total Statistics
Cronbach's
Squared Multiple Alpha if Item
Correlation Deleted
234
RELIABILITY /VARIABLES=EfC1 EfC2 EfC3 EfC4 EfC5 EfC6 /SCALE('ALL
Reliability Statistics
Cronbach's
Alpha Based on
Cronbach's Standardized
Alpha Items N of Items
.876 .880 6
235
Item Statistics
236
Item-Total Statistics
Cronbach's
Squared Multiple Alpha if Item
Correlation Deleted
237
RELIABILITY /VARIABLES=Vid2Efi1 Vid2Efi2 Vid2Efi3 Vid2Efi4 Vid2Efi5
VARIANCE CORR.
Reliability Statistics
Cronbach's
Alpha Based on
Cronbach's Standardized
Alpha Items N of Items
.938 .942 7
238
Item Statistics
239
Item-Total Statistics
Cronbach's
Squared Multiple Alpha if Item
Correlation Deleted
240
RELIABILITY /VARIABLES=eng1 eng2 eng3 eng4 eng5 /SCALE('ALL
Reliability Statistics
Cronbach's
Alpha Based on
Cronbach's Standardized
Alpha Items N of Items
.876 .876 5
241
Item Statistics
242
Item-Total Statistics
Cronbach's
Squared Multiple Alpha if Item
Correlation Deleted
243
RELIABILITY /VARIABLES=Vid2VGC1 Vid2VGC2 Vid2VGC3 Vid2VGC4
VARIANCE CORR.
Reliability Statistics
Cronbach's
Alpha Based on
Cronbach's Standardized
Alpha Items N of Items
.943 .943 6
244
Item Statistics
245
Item-Total Statistics
Cronbach's
Squared Multiple Alpha if Item
Correlation Deleted
246
RELIABILITY /VARIABLES=Vid2INT1 Vid2INT2 Vid2INT3 /SCALE('ALL
Reliability Statistics
Cronbach's
Alpha Based on
Cronbach's Standardized
Alpha Items N of Items
.959 .959 3
Item Statistics
247
Item-Total Statistics
Cronbach's
Squared Multiple Alpha if Item
Correlation Deleted
248
Annexe
III
FACTOR /VARIABLES eng1 eng2 eng3 eng4 eng5 App1 App2 App3 App4
App5 App6 EfC1 EfC2 EfC3 EfC4 EfC5 EfC6 Vid4Rep1 Vid4Rep2 Vid4Rep3
eng1 eng2 eng3 eng4 eng5 App1 App2 App3 App4 App5 App6 EfC1 EfC2
/METHOD=CORRELATION. - - - - - - - - - - - - - - - - - - - - - - - - F A C T O R
ANALYSIS ------------------------
249
df 741
Sig. .000
250
a
Rotated Component Matrix
Component
1 2 3 4 5 6 7
Mes amis ressentiraient des .892 .185 .090 -.022 .084 -.048 .090
émotions après avoir vu
cette vidéo
Mes amis accorderaient de .880 .215 .103 .070 .019 -.047 .118
l^attention à cette vidéo
Cette vidéo susciterait des .845 .143 .041 .092 .094 .172 .061
réactions auprès de mes
amis
Mes amis auraient de .844 .168 .081 .085 .030 -.004 .097
l'intérêt pour cette vidéo
Il est possible que mes amis .818 .170 .050 .038 .014 .161 .088
veuillent échanger à leur
tour cette vidéo
Mes amis auraient un .708 .095 -.005 .067 .000 .294 .240
souvenir marquant de cette
vidéo
Mes amis reparleraient de .687 .222 -.003 .143 -.001 .378 .263
cette vidéo dans un avenir
proche
251
...permettraient à mes amis .626 .201 .130 .055 .098 .461 .245
de le partager à leur tour
...aurait de la valeur pour .552 .412 .091 .058 .170 .492 .074
mes amis
...ferait en sorte que mes .162 .896 .008 .113 .104 .153 .081
ami(e)s me témoignent
plus de considération
...ferait en sorte que mes .181 .871 .018 .086 .071 .059 .082
ami(e)s m'accordent plus
d'attention
...ferait en sorte que mes .178 .859 -.010 .079 .166 .113 .125
ami(e)s m'apprécient
d'avantage
...donnera une bonne image .272 .850 .026 .058 .106 .110 -.034
de moi auprès de mes
ami(e)s
...serait un bon moyen pour .259 .817 .061 .137 .023 .181 .084
entretenir des relations
positives avec mes amis
Mes amis sauront que j'ai .052 .027 .805 .127 .060 .050 -.088
partagé du contenu
Mes amis seront en mesure .010 .028 .793 .005 .066 .065 .144
de le consulter quand ils le
voudront
252
Mes amis seront en mesure .106 -.035 .790 .163 .188 -.039 .122
de consulter facilement le
contenu que je partage
Il sera facile pour moi de .216 .044 .771 .101 .219 -.103 .108
partager du contenu
Mes amis pourront -.015 .008 .759 .161 .070 .131 .072
facilement retrouver le
contenu partagé sur mon
profil
Certains de mes amis .051 .064 .651 .283 .107 .084 -.070
partageront le contenu Ã
leur tour après l'avoir
consulté
Je considère que la mise à .149 .140 .196 .747 .248 .058 .033
jour de mon profil Facebook
a de l'importance
Mes interactions avec mes .153 .065 .356 .639 .206 -.178 .114
amis sur Facebook sont
fréquentes
253
J'apprécie le fait d'utiliser .025 -.036 .276 .516 .403 .020 .270
Facebook pour partager du
contenu
J'aime le simple fait de .060 .116 .120 .258 .770 -.085 .188
partager des contenus sur
Facebook
J^aime divertir mes amis en .082 .010 .313 .187 .744 .035 .090
partageant du contenu avec
eux sur Facebook
J'aime susciter des .142 .110 .174 .393 .659 .129 -.077
sentiments positifs chez mes
amis en partageant du
contenu sur Facebook
J^aime me rendre utile .000 .220 .173 .309 .658 .143 -.034
auprès de mes amis en
partageant du contenu sur
Facebook
Je trouve valorisant le fait de .038 .182 .020 .453 .612 .221 -.049
partager du contenu avec
mes amis sur Facebook
...permetrait de créer une .461 .290 .037 .168 .097 .639 .221
discussion avec plusieurs de
mes amis
...serait apprécié car mes .469 .270 .136 .133 .122 .613 .257
amis le font déjÃ
...aurait un intérêt collectif .512 .341 .071 .105 .131 .569 .177
pour les membres de mon
réseau
254
...serait bénéfique car .491 .407 .113 .101 .122 .551 .236
j'apprécie que mes amis
partagent des vidéos du
même type
J'ai l'intention de partager .406 .161 .122 .107 .072 .181 .826
cette vidéo sur mon profil
Facebook
255
Annexe
IV
Vid2VGC2 Vid2VGC3 Vid2VGC5 Vid2VGC6 eng1 eng2 eng3 eng4 eng5 App1
App2 App 3 App4 App5 EfC1 EfC2 EfC3 EfC4 EfC5 EfC6 Vid4Rep1
eng4 eng5 App1 App2 App3 App4 App5 EfC1 EfC2 EfC3 EfC4 EfC5 EfC6
/METHOD=CORRELATION.
256
KMO and Bartlett's Test
df 561
Sig. .000
257
a
Rotated Component Matrix
Component
1 2 3 4 5 6 7
258
[EfC3] .022 .009 .792 .002 .055 .145 .065
259
[INT1] .229 .459 .163 .098 .110 .720 .215
260
Annexe
V
MÉMOIRE\dataset final.sav
261
Descriptive Statistics
262
SREPT 202 12.00 84.00 34.0347 15.49559
263
Annexe
VI
/SAVE ZRESID.
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 MVGC1, . Enter
Centralité 2 ,
MEFC, MAPP,
Centralité ,
MREP1, MEFI1,
a
MENG
264
b
Model Summary
a
1 .675 .456 .433 1.33204
b
ANOVA
a
1 Regression 286.696 8 35.837 20.198 .000
265
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
266
a
Coefficients
Collinearity Statistics
267
268
269
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
270
Annexe
VII
/SAVE ZRESID.
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 MVGC2, . Enter
Centralité ,
MEFC, MAPP,
Centralité 2 ,
MREP2, MEFI2,
a
MENG
271
b
Model Summary
a
1 .710 .504 .484 1.44124
b
ANOVA
a
1 Regression 407.588 8 50.948 24.528 .000
a
Coefficients
272
Standardized
Unstandardized Coefficients Coefficients
a
Coefficients
Collinearity Statistics
273
MAPP .501 1.998
274
275
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
*
Standardized Residual .031 202 .200 .995 202 .737
276
Annexe
VIII
ZRESID.
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 SVGCT, . Enter
Centralité ,
EFC, APP,
Centralité 2 ,
SREPT, SEFIT,
a
ENG
277
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 SVGCT, . Enter
Centralité ,
EFC, APP,
Centralité 2 ,
SREPT, SEFIT,
a
ENG
b
Model Summary
a
1 .694 .482 .460 7.06323
b
ANOVA
278
a
1 Regression 8951.494 8 1118.937 22.428 .000
a. Predictors: (Constant), SVGCT, Centralité , EFC, APP, Centralité 2 , SREPT, SEFIT, ENG
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
279
SEFIT .220 .070 .246 3.150 .002
a
Coefficients
Collinearity Statistics
280
281
282
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
283
Annexe
IX
284