L`intention de réservation en ligne d`un produit - URAM
Transcription
L`intention de réservation en ligne d`un produit - URAM
Proceedings of the Marketing Spring Colloquy (MSC) Unit of Research & Applications in Marketing (URAM) Special Volume: May, 2016. Vol. (4), pp: 31-44 E-ISSN: 2490-4376 Conference Paper L’intention de réservation en ligne d’un produit touristique : Une comparaison entre deux modèles : TAM (Technology Acceptance Model) versus TPB (Theory of Planned Behaviour) Alia Besbes Sahli ¹, Patrick Legohérel ² ¹ Doctorante à l’Université d’Angers - Assistante à l’ENIM. ² Granem - UFR ITBS - Université d’Angers. L’intention de réservation en ligne d’un produit touristique : Une comparaison entre deux modèles : TAM (Technology Acceptance Model) versus TPB (Theory of Planned Behaviour) Résumé: Cette étude se focalise sur la détermination du meilleur modèle permettant l’explication de l’intention de réservation en ligne des produits touristiques, en comparant deux modèles, à savoir le modèle TAM (Technology Acceptance Model) et le modèle TPB (Theory of Planned Behaviour). Les données ont été collectées auprès de 158 personnes puis analysées à travers la régression linéaire multiple. Les résultats de cette recherche confirment que les deux modèles expliquent l’intention de réservation en ligne, mais à différents degrés. Nous concluons cette recherche par les limites et proposons des voies futures de recherche. Mots-clés : intention de réservation en ligne, e-tourisme, TAM, TPB, régression linéaire mul-tiple Intention to book online a tourism product: A comparison between two models: TAM versus TPB Abstract: This study focuses on determining the best model for explaining the intention of online booking of tourist products, comparing two models, namely the model TAM and TPB model. Data were collected from 158 individuals and analyzed through multiple linear regressions. The results of this research confirm that both models explain the intention of booking on line but to different degrees. We conclude this research by the limitations and propose future avenues of research. Keywords: intention to book online, e-tourism, TAM, TPB, multiple linear regressions *Paper presented at the 4th Conference of URAM. Hammamet, Tunisia. 10-11 May, 2013 Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 31 Alia Besbes Sahli, Patrick Legohérel L’intention de réservation en ligne d’un produit touristique : Une comparaison entre deux modèles : TAM (Technology Acceptance Model) versus TPB (Theory of Planned Behaviour) Introduction Récemment, les technologies de l’information et de la communication-TIC- ont bouleversé les habitudes et les mœurs des individus. En effet, depuis les années 1980, les TIC se sont développées d’une manière exponentielle, engendrant des modifications profondes aux diverses structures de l’industrie dans le monde (Buhalis, Ma et Song, 2003). La prolifération de l’outil internet ainsi que le développement des technologies de l’information et de la communication ont engendré de nombreux changements dans les divers secteurs économiques. L’adoption des TIC et plus particulièrement de l’internet dans l’industrie touristique s’est fait progressivement. En 1970, les systèmes de réservation informatisés-SIR- sont apparus. Par la suite, dans les années 1980, les Global Distribution Systems ont été développés afin de faciliter la circulation de l’information entre les professionnels (information produit et tarifaire, disponibilité, distribution et réservation). Enfin, à partir des années 1990, l’outil internet commence à être utilisé par les acteurs de l’industrie du tourisme (Buhalis, 1998). L’adoption de l’internet dans le domaine touristique a fait émerger la notion de tourisme en ligne ou encore e-tourisme, qui se réfère selon Petr (2009) : « à toutes les activités menées sur le web ou sur les mobiles par les consommateurs en relation avec les décisions touristiques ». Ainsi, il devient primordial de tirer avantage de l’avancée technologique dans le secteur touristique avec l’utilisation et l’application des nouvelles technologies qui ont bouleversé le comportement du consommateur en ligne. L’objectif de notre recherche est d’étudier le comportement du consommateur et plus particulièrement son intention de réserver en ligne un produit touristique en identifiant les déterminants les plus saillants de l’intention à travers une comparaison de deux modèles d’explication et de prédiction du comportement d’acceptation des technologies d’information, à savoir le modèle d’acceptation de la technologie –TAM, Technology Acceptance Model- élaboré par Davis en 1989 et le modèle de comportement planifié-TPB, Theory of Planned Behaviour-. L’intérêt de ce papier est donc double : nous allons enrichir le domaine de recherche, par l’identification d’un modèle d’explication du comportement en ligne dans un contexte particulier l’e-tourisme (qui diffère des autres secteurs entre autres par la nature intangible des produits). Par ailleurs, notre présente recherche permettra d’apporter des éléments de réponses aux professionnels dans le but d’améliorer leur site web touristique. Selon Matheison (1991) il existe trois divergences entre ces deux modèles : la première est la différence entre ces deux modèles par rapport au degré de généralité. La seconde différence réside dans le fait que le modèle TAM ne prend pas en considération les variables sociales pour expliquer et prédire l’intention comportementale. Enfin, ces deux modèles traitent le contrôle du comportement d’une manière différente. Cette différence et supériorité du TAM par rapport au modèle TPB a aussi été relevé par Huh, Kim et Law (2009) qui ont souligné le fait que peu de recherches empiriques se sont focalisées sur l’étude de l’intention comportementale dans un contexte touristique. Nous allons par ailleurs, vérifier si cette différence de supériorité du modèle TAM par rapport au modèle TPB est aussi observable dans cette étude. Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 32 Alia Besbes Sahli, Patrick Legohérel 1. le Modèle d’acceptation de la technologieTAM Le TAM a été développé pour la première fois par Davis en 1989 (Davis, 1989 ; Davis, Bagozzi et Warshaw, 1989 ; Shih, 2004 b). L’objectif du TAM est d’identifier les déterminants de l’adoption des systèmes d’information dans le but d’expliquer le comportement d’utilisation quel que soit la nature de la technologie utilisée en se basant sur l’aspect cognitif (Bruner II & al., 2007). C’est l’un des modèles les plus utilisés pour sa simplicité et son intelligibilité (He et King, 2006). « Le TAM constitue un instrument qui prédit la probabilité qu’une nouvelle technologie sera adoptée au sein du groupe ou d’une organisation » (Brereton & al., 2010, p 464). Davis (1989) a introduit une adaptation de la théorie de l’action raisonnée-TRA, Theory of Reasoned Action, pour développer le modèle TAM (figure 1) qui sert à expliquer le comportement des utilisateurs de l’ordinateur. Le TAM utilise la TRA comme une base théorique pour expliquer les relations de causalités entre deux postulats : l’utilité et la facilité d’utilisation perçue d’un côté et l’attitude et l’intention des utilisateurs ainsi que le comportement d’adoption de l’outil informatique, de l’autre côté. Bien que le TAM soit moins généraliste que la TRA, il demeure le modèle le plus approprié pour illustrer l’acceptation des ordinateurs du fait qu’il est la résultante de recherches sur plus d’une décennie. La différence entre TAM et TRA, est que le modèle TAM n’inclut pas les normes subjectives comme déterminant de l’intention comportementale (Davis, Bagozzi et Warshaw, 1989). Figure 1: Le modèle TAM (Davis, 1989, In Davis, Bagozzi et Warshaw 1989) Pour déterminer le comportement d’utilisation des systèmes, Davis a identifié deux construits qualifiés de croyances cognitives : l’utilité perçue et la facilité d’utilisation perçue. Ces construits s’avèrent être les déterminants fondamentaux de l’acceptation de l’utilisation pour une large variété de technologies d’information- TI (Kim et Moon, 2001). En d’autres termes, ces construits expliquent le comportement d’adoption des systèmes d’information ou des technologies d’information. Ils sont définis comme suit : - L’utilité perçue est définie comme étant «la mesure par laquelle une personne croit que l'utilisation d'un système particulier pourrait améliorer sa performance au travail » (Davis, 1989, p320). La perception de l'utilité est la mesure par laquelle une personne croit que l'utilisation d'une technologie permettra d'améliorer sa productivité (Venkastesh, 1999). - La facilité d’utilisation est « la mesure par laquelle une personne croit que l'utilisation d'un système particulier serait libre d'effort » (Davis, 1989, p320). La facilité d’utilisation perçue est définie en termes d'effort, ce qui conduit à la percevoir comme une espérance de processus (Venkatesh, 1999). Le TAM postule que l’utilisation de l’outil informatique est la résultante de l’intention comportementale d’usage qui n’est autre que l’association de l’attitude envers l’utilisation du système et les croyances cognitives (Davis, Bagozzi et Warshaw, 1989 ; Matheison, 1991 ; Kim et Moon, 2001 ; Shih, 2004 b ; Lin, 2007 ; Bruner II & al., 2007 ; Lu, Wang et Zhou, 2009 ; Hwang ; Lin et Wang, 2010). Ceci étant, le comportement d’utilisation est une fonction directe des intentions d’utilisation qui est à son tour fonction de l’attitude à l’égard de l’utilisation qui peut être soit favorable, soit non favorable envers l’utilisation des technologies. D’après, Lee (2009) : « l’intention comportementale est une mesure de la force de la volonté d'exercer un effort dans l'exercice de certains comportements » (Lee, 2009, p 132). Selon, Davis, Bagozzi et Warshaw (1989) l’utilité perçue et la facilité d’utilisation perçuevariables prédominantes du TAM-, influencent l’intention comportementale d’utilisation des technologies à des degrés différents. Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 33 Alia Besbes Sahli, Patrick Legohérel Subramania (1994) soutient que l’étude de l’utilité perçue et de la facilité d’utilisation perçue comme prédiction d’un futur usage permet non seulement de mesurer les intentions d’utilisations des technologies mais aussi de prédire les intentions futures d’utilisation des technologies. Ainsi, le TAM constitue le modèle le plus robuste et le plus utilisé pour l’explication et la prédiction du comportement du consommateur et de l’utilisateur des technologies de l’information. menée par Lu, Wang et Zhou (2009) a mis en évidence le fait que l’utilisation de cette technologie est reliée positivement à l’attitude à l’égard des messageries instantanées et à l’intention d’utilisation. Lee (2009) confirme le double effet de l’utilité sur l’intention dans le cadre de l’utilisation des sites bancaires ; soit directement soit indirectement via l’attitude. Ainsi, nous pouvons émettre les hypothèses suivantes sur la base de ce qui a été développé ci-dessus : Pour développer nos hypothèses de recherches, nous nous basons sur la littérature puisque plusieurs recherches empiriques supportent les résultats du modèle TAM (Divett et Henderson, 2003 ; Karjaluoto & al., 2004 ; Chen, Shang et Shen, 2005 ; Ermy & al., 2009). H1 : l’utilité perçue influence positivement l’attitude à l’égard des sites touristiques de réservation en ligne La recherche menée par Davis, Bagozzi et Warshaw (1989) a démontré que l’utilité perçue est un déterminant important de l’intention d’usage. Ce résultat a été confirmé à travers plusieurs études (Subramanian, 1994 ; Davis et Venkatesh, 2000 ; Cheng, Lou, Sheen et 2006 ; Lin, 2007). Dans l’essai d’explication de l’adoption des sites web d’une compagnie aérienne, Kim, Kim et Shin (2009) ont conclu que l’utilité perçue de ce type de sites web affecte positivement l’attitude envers leur utilisation ainsi que l’intention de les réutiliser. Toutefois, cette dernière relation est indirecte et se produit à travers l’attitude. En adoptant le modèle TAM à un contexte d’Internet, Kim et Moon (2001) ont pu identifier le rôle de l’utilité sur les différents construits de ce dit modèle. Il s’est avéré que l’utilité perçue est positivement corrélée à l’attitude et à l’intention comportementale d’utiliser Internet, en usant du TAM original. Klopping et Mc Kinney (2004) ont trouvé que l’utilité perçue a un impact direct sur l’intention d’achat en ligne et que cet effet sur l’adoption est plus important que celui du deuxième construit du TAM. ChaunChaun et Lu (2000) ont étudié les motifs d’acceptation ou de rejet des sites web. Ils ont conclu que l’utilité perçue a une influence positive sur l’intention d’utiliser les sites web. De même, l’étude de l’adoption par les consommateurs des messageries instantanées D’après le TAM, plus la technologie est perçue comme étant facile d’utilisation et plus elle est utile. La perception de l'utilité devrait être influencée par la facilité d'utilisation perçue parce que plus une technologie est facile d'utilisation, plus elle peut être utile (Venkatesh, 1999). En effet, plus le système est facile à utiliser plus il devient utile (Davis et Venkatesh, 2000). Tel est le cas des résultats affichés par Lu, Wang et Zhou (2009) qui ont constaté que plus les messageries instantanés sont faciles à utiliser plus les individus les utilisent. H2 : l’utilité perçue influence positivement l’intention d’utiliser les sites touristiques pour réserver. H3 : La facilité d’utilisation des sites touristiques de réservation influence positivement la perception de l’utilité de ces sites. Selon le modèle TAM, l’attitude est la résultante des croyances : utilité perçue et facilité d’utilisation perçue (Davis, 1989 ; Davis, Bagozzi et Warshaw, 1989). Toutefois, l’attitude a un effet direct sur l’intention comportementale (Matheison, 1991). Elle a aussi un effet de médiateur entre l’utilité et l’intention d’utiliser les systèmes (Davis, Bagozzi et Warshaw, 1989). Selon, Bagozzi et Yi (1989) : l’attitude a un effet significatif sur l’intention comportementale. Une étude menée par Koufaris (2002) a démontré que l’attitude envers l’achat en ligne détermine fortement la volonté d’utiliser Internet pour Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 34 Alia Besbes Sahli, Patrick Legohérel effectuer l’achat de produits physiques ou numériques ou même pour acquérir des services en ligne, requérir un service après vente ou de livraison, et procéder au paiement. Cette conclusion est aussi approuvée par Vijayasarathy (2004) qui a aussi mis en évidence que l’attitude a une influence sur l’intention d’utiliser Internet. H 4 : l’attitude à l’égard des sites touristiques a un effet positif sur l’intention de réserver en ligne La facilité d’utilisation a un impact significatif sur l’attitude et sur l’intention comportementale, dans un contexte WWW. Cet impact significatif sur l’attitude est plus important que celui de l’utilité perçue (Kim et Moon, 2001). D’après Shih, (2004 b), la facilité d’utilisation a l’effet positif le plus élevé sur l’attitude envers l’utilisation de l’outil internet dans un contexte de travail. H 5 : la facilité d’utilisation des sites touristiques de réservation en ligne a un impact direct ou indirect sur l’attitude du type de site (H 5 a) et une influence indirecte sur l’intention d’utiliser ce site (H 5 b) 2. La théorie du comportement planifié- TPB « La théorie du comportement planifié constitue une extension de la théorie de l'action raisonnée (Fishbein & Ajzen, 1975) permettant de prédire les comportements sur lesquels les gens n'ont pas le plein contrôle volontaire. La théorie du comportement planifié (figure 2) atteint cet objectif en incluant un indice de prédiction de l'intention comportementale et le comportement désigné par le contrôle comportemental perçu » (Notani, 1998, p 248). La théorie du comportement planifié d’Ajzen (1991) considère que le comportement de l’individu est guidé à la fois par ses intentions comportementales et par la perception du contrôle comportementale. L’intention comportementale, quant à elle, est déterminée à partir de l’attitude, des normes subjectives et de la perception du contrôle comportementale (Chen, Liao et Yen 2007). Figure2 : La théorie du planifié -TPB- (Notani, 1998) comportement Ainsi, La TPB met en avant l’influence des caractéristiques personnelles et des normes subjectives. Elle a pour origine la théorie de l’action raisonnée -TRA. Rappelons que d’après la TRA, le comportement réel d’une personne est directement conduit par son intention comportementale qui est déterminée conjointement par l’attitude et par les normes subjectives (Chen, Liao et Yen, 2007). Par conséquent, la différence entre la TPB et la TRA réside dans le fait que la variable perception du contrôle comportementale ne fait pas partie de la TRA. Autrement dit, le modèle TPB met en avant les variables exogènes qui influencent directement l’acceptation à travers la variable : perception du contrôle comportementale. « La TPB assume que le comportement est une fonction indirecte de l’intention comportementale et de la perception du contrôle comportementale qui reflète les croyances concernant l'accès aux ressources et aux opportunités nécessaires pour effectuer un comportement à des facteurs internes et externes qui peuvent entraver l'exécution et que l’intention comportementale est une fonction de l’attitude, des normes subjectives et de la perception du contrôle comportemental » (Kim, Kim et Ma, 2006, pp. 470471). Autrement dit, la TPB postule que l'intention comportementale à utiliser les SI ou les TI est déterminée conjointement par trois facteurs : l'attitude envers l'utilisation, les normes subjectives et le contrôle comportemental perçu. Chaque antécédent est à son tour, généré par un certain nombre de croyances et d’évaluations. D’après le TPB, plus l’individu évalue favorablement un comportement donné, plus il aura l’intention de l’adopter (Huh, Kim et Law, 2009). A la lumière de ce qui a été présenté, nous pouvons émettre les hypothèses suivantes : Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 35 Alia Besbes Sahli, Patrick Legohérel H 6 : l’attitude influence positivement l’intention de réserver en ligne des produits touristiques H 7 : les normes subjectives sont supposées avoir un impact significatif sur l’intention de réservation en ligne dans un contexte etourisme H 8: la perception comportementale influe sur réservation en ligne du contrôle l’intention de 3. Méthodologie de la recherche Pour identifier les déterminants les plus pertinents permettant d’expliquer et prédire l’intention de réserver en ligne un produit touristique, et donc montrer quel est le meilleur modèle de prédiction de l’intention de réservation en ligne dans un contexte d’etourisme, nous allons comparer deux modèles à savoir le TAM (figure1) ainsi que le TPB (figure 2). L’intérêt de comparer ces deux modèles réside dans le fait qu’il existe selon Matheison (1991) trois différences principales entre ces deux modèles : la première est la différence entre ces deux modèles par rapport au degré de généralité. La seconde différence réside dans le fait que le modèle TAM ne prend pas en considération les variables sociales pour expliquer et prédire l’intention comportementale. Enfin, ces deux modèles traitent le contrôle du comportement d’une manière différente. Figure1 : Modèle 1 : le modèle TAM (M1) Figure2 : Modèle 2 : le modèle TPB (M 2) (voir annexe) 3.1. Collecte des données Le questionnaire a été administré auprès de 158 personnes ayant ou non eu recours à internet pour réserver en ligne un produit touristique en Tunisie. L’enquête a été effectuée en ligne durant le mois de décembre 2012 sur le site : www.sondageonline.com. Nous avons collecté 184 questionnaires. Toutefois, uniquement 158 ont été retenus (nous avons enlevé les questionnaires incomplets ou inachevés) soit un taux de complétude de 85. 7%. Le tableau suivant décrit notre échantillon. Nous constatons que l’échantillon est constitué essentiellement d’homme soit 55.1 %. La grande majorité (101 répondants) des répondants ont un âge compris entre 26 et 35 ans. Ces répondants utilisent tous les jours internet et occupent le poste de cadre ou profession intellectuelle supérieure (48.1 %). Tableau 1 : Description de l’échantillon (voir annexe) 3.2. Echelles de mesure Pour mesurer les construits de chaque modèles, nous avons eu recours aux échelles suivantes. Pour les échelles relatives aux deux construits : utilité perçue ainsi que la facilité d’utilisation perçue, nous avons utilisé celles adaptées par Alda´s-Manzano, Ruiz-Mafé et Sanz-Blas (2009) comprenant pour chacune 4 items. L’échelle proposé par Kim et Moon (2001) a été utilisée pour mesurer le construit attitude. Nous avons retenu l’échelle de Taylor et Todd (1995) pour mesurer la perception du contrôle comportemental. L’échelle à deux items de Lin (2007) est retenue pour mesurer les normes subjectives. Et enfin, le construit intention comportementale sera mesuré à travers l’échelle établie par Kim et Moon (2001). Ces échelles de mesure ont été pré testées pour améliorer la compréhension du questionnaire. Par ailleurs, nous avons apporté quelques modifications mineures de vocabulaire. Le résultat du pré test effectué auprès de 34 individus confirme les bonnes qualités psychométriques de nos échelles quant à la fiabilité et la validité. Tableau 2 : les échelles de mesure (voir annexe) 3.3 Analyse des données: test des hypothèses et comparaison des deux modèles Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 36 Alia Besbes Sahli, Patrick Legohérel Après avoir conduit l’analyse factorielle en composante principale pour vérifier les qualités psychométriques de nos échelles et construits, nous avons entamé l’analyse de régression multiple dans le but de tester nos hypothèses de recherche donc tester la relation entre les variables indépendantes et la variable dépendante (dans cette recherche, il s’agit de l’intention de réservation en ligne). En effet, ce type d’analyse nous permet de déterminer le poids de chaque variable dans l’explication de la variable dépendante Enfin, nous allons comparer les deux modèles retenus dans cette recherche, à savoir le TAM et le TPB. 3.3.1. L’explication de l’intention réservation en ligne selon le modèle TAM de Pour expliquer l’intention de réserver en ligne un produit touristique, nous allons étudier l’impact des variables du modèle TAM sur cette variable dépendante, au moyen d’une analyse de régression linéaire multiple. Cette analyse a bien démontré l’impact des variables : utilité perçue, facilité d’utilisation perçue ainsi que l’attitude sur l’intention comportementale. Nous constatons que l’impact de l’utilité perçue sur l’intention est considérable par rapport à celui de l’attitude ou encore de la facilité d’utilisation perçue sur la variable dépendante. Le tableau suivant illustre la relation entre les construits du modèle TAM. Toutes les relations entre les variables ont été validées. Ceci confirme le résultat du modèle TAM de Davis (1989). En effet, l’utilité ainsi que la facilité d’utilisation perçue influencent conjointement l’attitude à l’égard de la réservation en ligne qui influe significativement sur l’intention de réservation sur les sites web touristiques. Tableau 3 : Validation des hypothèses relatives au modèle M 1 : TAM (voir annexe) 3.3.2. L’explication de l’intention réservation en ligne selon le modèle TPB de Pour illustrer la relation des variables du modèle M 2, à savoir le TPB sur l’intention de réservation en ligne, nous avons conduit une analyse de régression multiple. Les résultats de cette analyse confirment la validité des trois hypothèses H6, H7 et H 8, démontrant ainsi l’impact significatif au seuil de 0.000 des variables: perception du comportement planifié et normes subjectives sur l’intention de réservation en ligne. Toutefois, nous remarquons que les normes subjectives ont un poids important dans l’explication de l’intention de réservation en ligne, suivies de la variable perception du comportement planifié. L’attitude admet aussi un impact significatif sur l’intention de réserver en ligne dans un contexte etourisme, d’où H 6 est confirmée au seuil de 0.05. Tableau 4 : Validation des hypothèses relatives au modèle TPB (voir annexe) 3.3.3. Comparaison des deux modèles TAM versus TPB La comparaison des deux modèles TAM /TPB permet de se prononcer sur les variables les plus pertinentes pour expliquer et prédire l’intention de réservation en ligne dans le contexte e-tourisme. En effet, il s’avère que le modèle TPB est meilleur que le modèle TAM dans l’explication de l’intention comportementale Tableau 5 : Comparaison des deux modèles TAM versus TPB (voir annexe) 4. Discussion Cette recherche contribue à déterminer quel modèle explique mieux l’intention de réservation en ligne dans le contexte d’etourisme. Les travaux antérieurs comparant des modèles (Matheison, 1991 ; Lin, 2007 ; Bhattacherjee et Premkumar, 2008 ; Huh, Kim et Law, 2009) ont démontré la supériorité d’un modèle par rapport à l’autre dans l’explication et la prédiction de l’intention comportementale. Bien que le modèle TPB soit plus difficile à appliquer dans certains contextes d’étude (Matheison, 1991) que le modèle Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 37 Alia Besbes Sahli, Patrick Legohérel TAM, il a affiché dans notre contexte d’étude (e-tourisme) de meilleurs résultats que le TAM quant à l’explication de l’intention comportementale. Toutefois, les résultats confirment l’impact des variables du TAM sur l’intention : en effet, la facilité d’utilisation influence positivement l’utilité. Ces variables exercent conjointement une influence positive sur l’attitude qui entraine favorablement l’intention de réservation en ligne. Ceci a été confirmé aussi par Davis (1989), Davis, Bagozzi et Warshaw (1989) et Lin (2007). Ainsi le modèle TAM demeure un modèle de base. Cependant, ce modèle n’inclut pas la variable sociale, normes subjectives, qui s’est avérée un facteur de prédiction de l’intention de réservation en ligne le plus significatif dans le modèle TPB. Aussi la variable : perception du comportement planifié présente un impact plus significatif sur l’intention que les variables du modèle TAM (voir tableau 4). Nos résultats démontrent que l’intention de réservation en ligne des produits touristiques par les consommateurs tunisiens n’est guère influencée par des facteurs élémentaires tels que ceux élaboré par Davis (1989), à savoir l’utilité perçue, la facilité d’utilisation perçue et l’attitude envers la réservation en ligne. Ces facteurs sont dépassés et nous devons tenir compte d’autres facteurs plus déterminants dans l’explication de l’intention comportementale et qui permettent d’expliquer une proportion élevée de la variance de l’intention. Par ailleurs, d’avantage d’effort de la part des professionnels du tourisme doit être fait par rapport à l’influence des autres personnes (normes subjectives) sur le comportement et l’intention de réservation en ligne du consommateur, en intégrant des espace d’échange de commentaires, d’expériences et de recommandations, en offrant la possibilité de publier des photos, des vidéos. Egalement, les individus qui jugent qu’ils ont la capacité financière, les moyens ainsi que les ressources nécessaires pour s’engager dans l’acte de réservation en ligne affichent une intention de réservation conséquente, d’où l’importance de la variable perception du contrôle comportementale dans l’explication de l’intention dans un contexte d’e-tourisme. 5. limites et voies futures de recherche En termes de limites, cette recherche présente un problème de généralisation des résultats d’une part sur d’autres champs d’étude et d’autre part sur d’autres populations : cette généralisation est sujette au biais culturel envers le comportement du consommateur d’achat en ligne. Ajoutons aussi, le fait que presque tous les répondants (93%) utilisent quotidiennement l’outil internet. Il sera opportun de refaire la recherche en sélectionnant un nouveau échantillon composé de non utilisateur d’internet. Aux voies futures de recherche qui découlent de ces limites, viennent s’ajouter de nouvelles perspectives : ainsi, plusieurs chercheurs ont démontré l’apport significatif et supérieur du modèle TPB décomposé (TPBD) dans l’explication de l’intention comportementale (Lin, 2007 ; Huh, Lin et Law, 2009). L’étude de l’apport de ce modèle au contexte d’e-tourisme pourrait être envisagée. Par ailleurs, il faudrait aussi penser à intégrer une composante aussi importante qui est l’enjouement perçue issue de la théorie des flux pour approfondir l’explication l’intention comportementale et augmenter la variance expliquée de cette dernière. (Koufaris, 2002 ; Lu, Wang et Zhou, 2009). Bibliographie : Ajzen I. et Fishbein M. (1975), Belief, Attitude, Intention and Behavior: An Introduction to Theory and Research, Reading, MA: Addison-Wesley. Ajzen, I. et Fishbein, M. (1980), Understanding Attitude and Predicting Social Behavior, Prentice-Hall, New Jersey Ajzen I. (1991), The Theory of Planned Behavior, Organizational behavior and human decision processes, 50, 179-211 Aldás-Manzano J., Ruiz-Mafé C. et Sanz-Blas S. (2009), Drivers and barriers to online airline Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 38 Alia Besbes Sahli, Patrick Legohérel ticket purchasing, Journal of Air Transport Management, 15, 294-298 Bagozzi R.P. et Yi Y. (1989), The Degree of Intention Formation as a Moderator of the AttitudeBehavior Relationship, Social Psychology Quarterly, 52, 4, 266-279 Brenner W., Keil M. et Straub D. (1997), Testing the technology acceptance model across cultures: A three country study, Information & Management, 33, 1-11 Brereton P., Budgen D., Charters S., Kitchenham B. et Turner M. (2010), Does the technology acceptance model predict actual use? A systematic literature review, Information and Software Technology, 52, 5, 463-479 Buhalis D. (1998), Strategic use of information technologies in the tourism industry, Tourism Management, 19, 5, 409-421 Buhalis D., Ma J.X. et Song H. (2003), ICTs and Internet adoption in China’s tourism industry, International Journal of Information Management, 23, 451-467 Chuan-Chuan Lin J., Lu H. (2000), Towards an understanding of the behavioural intention to use a web site, International Journal of Information Management, 20, 197-208 Chen J-L., Liao C. et Yen D.C. (2007), Theory of planning behavior (TPB) and customer satisfaction in the continued use of eservice: An integrated model, Computers in Human Behavior, 23, 2804-2822 Chen Y-C., Shang R-A. et Shen L. (2005), Extrinsic versus intrinsic motivations for consumers to shop on-line, Information & Management, 42, 401–413 Cheng J.M-S., Lou G-C. et Sheen G-J. (2006), Consumer acceptance of the internet as a channel of distribution in Taiwan- a channel function perspective, Technovation, 26, 856-864 Davis F.D., (1989), « Perceived usefulness, perceived ease of use, and user acceptance of information technology », MIS Quarterly, 319- 340 Davis F.D., Bagozzi R.P., Warshaw P.R, (1989), « User acceptance of computer technology: A comparison of two theoretical models », Management science, n° 8, Vol. 35, 9821003 Davis F.D. et Venkatesh V. (2000), A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies, Management Science, 46, 2, 186-204 Divett M.J. et Henderson R. (2003), Perceived usefulness, ease of use and electronic supermarket use, International Journal of Human-Computer Studies, 59, 383–395 Ermy S.P, Mohd Salehuddin M.Z., Robert E., Yusliza M.Y. et Zikri M. (2009), Individual Differences, Perceived Ease of Use, and Perceived Usefulness in the E-Library Usage, Computer and information science, 2, 1, 7683 He J. et King W.R. (2006), A meta-analysis of the technology acceptance model, Information & Management, 43, 740-755 Huh H.J., Kim T.T. et Law R. (2009), A comparison of competing theoretical models for understanding acceptance behavior of information systems in upscale hotels, International Journal of Hospitality Management, 28, 121–134 Hwang K.P., Lin W-B et Wang M-K. (2010), The combined model of influencing on-line consumer behavior, Expert Systems with Applications, 37, 3236–3247 Karjaluoto H., Pahnila S., Pikkarainen K. et Pikkarainen T. (2004), Consumer acceptance of online banking, Internet Research, 14, 3, 224–235 Kim D.J., Kim W.G. et Ma X. (2006), Determinants of Chinese hotel customers’ e-satisfaction and purchase intentions, Tourism Management, 27, 890–900 Kim H.-B., Kim T. et Shin S.W. (2009), Modeling roles of subjective norms and e Trust in customers’ acceptance of airline B2C e Commerce websites, Tourism Management, 30, 266–277 Kim Y-G. et Moon J-W. (2001), Extending the TAM for a World-Wide-Web context, Information & Management, 38, 21-230 Klopping I.M. et McKinney E. (2004), Extending the Technology Acceptance Model and the Task-Technology Fit Model to Consumer ECommerce, Information Technology, Learning, and Performance Journal, 22, 1, 35- 48 Lee M-C. (2009), Factors influencing the adoption of internet banking: An integration of TAM and TPB with perceived risk and perceived benefit, Electronic Commerce Research and Applications, 8, 130–141 Lin H-F. (2007), Predicting consumer intentions to shop online: An empirical test of competing theories, Electronic Commerce Research and Applications, 6, 433-442 Lu Y., Wang B. et Zhou T. (2009), Exploring Chinese users’ acceptance of instant messaging using the theory of planned behavior, the technology acceptance model, and the flow theory, Computers in Human Behavior, 25, 29–39 Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 39 Alia Besbes Sahli, Patrick Legohérel Mathieson K. (1991), Predicting User Intentions: Comparing the Technology Acceptance Model with the Theory of Planned Behavior, Information Systems Research, 2, 3, 173-191 Notani A.S. (1998), Moderators of Perceived Behavioral Control's Predictiveness in the Theory of Planned Behavior: A MetaAnalysis, Journal of Consumer Psychology, 7, 3, 247-271 Petr C. (2009), E-tourist behavior: The influence of IT on consumer behavior in a tourism context, in Handbook of Tourist Behavior: Theory & Practice, (eds.) Metin Kozak & Alain Decrop, Edition: Routledge, 26 pages Sheppard B.H., Hartwick J. et Warshaw P.R. (1988), The Theory of Reasoned Action: A MetaAnalysis of Past Research with Recommendations for Modifications and Future Research, The Journal of Consumer Research, 15, 3, 325-343 Shih H-P. (2004 b), Extended technology acceptance model of Internet utilization behavior, Information & Management, 41,719-729 Subramanian G.H. (1994), A replication of perceived usefulness and perceived ease of use measurement, Decision Sciences, 25, 5/6, 863-874 Taylor S. et Todd P. A. (1995), Understanding information technology usage: A test of competing models, Information System Research, 6, 2, 144-176 Venkatesh V. (1999), Creation of Favorable User Perceptions: Exploring the Role of Intrinsic Motivation, MIS Quarterly, 23, 2, 239-260 Venkatesh V. (2000), Determinants of Perceived Ease of Use: Integrating Control, Intrinsic Motivation, and Emotion into the Technology Acceptance Model, Information Systems Research, 11, 4, 342–365 Vijayasarathy L.R. (2004), Predicting consumer intentions to use on-line shopping: the case for an augmented technology acceptance model, Information & Management, 41, 747-762 Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 40 Alia Besbes Sahli, Patrick Legohérel Les Annexes: Figure 1: Le modèle TAM (Davis, 1989, In Davis, Bagozzi et Warshaw 1989) Figure2 : La théorie du comportement planifié -TPB- (Notani, 1998) Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. 41 Alia Besbes Sahli, Patrick Legohérel Tableau 1 : Description de l’échantillon Caractéristiques [18-25] Age Genre Catégorie socio professionnelle Effectif (%) 17 (10.8 %) [26-35] 101 (63.9 %) [36-45] [45-60] 21 (13.3 %) 10 (6.3 %) >60 ans 9 (5.7 %) Homme Femme 87 (55.1 %) 71 (44.9 %) Cadre ou profession intellectuelle supérieure 76 (48.1 %) Profession libérale 25 (15.8 %) Employé 35 (22.2 %) Retraité 10 (6.3 %) Etudiant, lycéen 6 (3.8 %) 3 (1.9 %) 3 (1.9 %) 5 (3.2 %) Homme/femme au foyer Demandeur d'emploi Une fois par semaine Fréquence d’utilisation d’internet Deux fois par semaine - Trois fois par semaine 6 (3.8 %) Chaque jour 147 (93 %) Tableau 2 : les échelles de mesure Concepts/ variables Auteur Kim et Moon (2001) Attitude Items L’utilisation des sites web touristiques pour la réservation d’un séjour est une idée (bonne / mauvaise) L’utilisation des sites web touristiques pour la réservation d’un séjour est une idée (sage / folle) L’utilisation des sites web touristiques pour la réservation d’un séjour est une idée (agréable / désagréable) L’utilisation des sites web touristiques pour la réservation d’un séjour est une idée (positive / négative) Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. Alpha de Cronbach 0.845 42 Alia Besbes Sahli, Patrick Legohérel Utilité perçue Facilité d’utilisation perçue Alda´sManzano J., Ruiz-Mafé C. et Sanz-Blas S., 2009 Utiliser internet rend la réservation en ligne d’un produit touristique facile Utiliser internet rend la réservation d’un produit touristique plus rapide Utiliser internet serait utile pour la réservation d’un produit touristique Utiliser internet aide à réserver plus efficacement un produit touristique 0.871 Alda´sManzano J., Ruiz-Mafé C. et Sanz-Blas S., 2009 C’est facile pour moi d’apprendre à utiliser internet pour la réservation d’un produit touristique Utiliser internet pour réserver serait facile à faire Utiliser internet pour réserver un produit touristique, n'exige pas beaucoup d'effort mental utiliser internet pour réserver un produit touristique, serait facile en suivant les instructions sur le site en question Je pense que je suis capable d’utiliser internet pour réserver un produit touristique en ligne Je pense que la réservation en ligne d’un produit touristique est entièrement sous mon contrôle Je pense avoir les ressources et la capacité de réserver en ligne un produit touristique 0.876 Les gens qui ont une influence sur mon comportement m'encouragent à réserver en ligne des produits touristiques Les gens qui sont importants pour moi m'encouragent à utiliser internet pour réserver des produits touristiques Je vais régulièrement réserver en ligne des produits touristiques, à l'avenir Je vais souvent utiliser le site web touristique à l’avenir pour la réservation en ligne Je vais fortement recommander à d'autres de réserver sur les sites web touristiques 0.842 Taylor et Todd (1995) Contrôle comportemen tal perçu Lin (2007) Normes subjectives Intention comportemen tale Kim & Moon (2001) 0.663 0.902 Tableau 3 : Validation des hypothèses relatives au modèle M 1 : TAM Relation entre les construits Utilité = facilité d’utilisation +ε attitude = utilité +ε Attitude = facilité d’utilisation +ε Intention = attitude +ε Intention = utilité +ε R² Beta 0.423 tvalue 5.828 0.179 Sig. 0.000 H3 validée 0.002 0.024 0.041 0.154 0.516 1.947 0.607 0.053 H1 validée (p < 0.01) H 5 a : validée (p < 0.05) 0.016 0.092 0.128 0.312 1.616 4.105 0.108 0.000 H 4 : validée (p < 0.01) H2 : validée Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. Hypothèses 43 Alia Besbes Sahli, Patrick Legohérel Intention = facilité d’utilisation +ε 0.063 0.251 3.245 0.001 H 5 b : validée (p <0.001) Tableau 4 : Validation des hypothèses relatives au modèle TPB Relation entre les R² Beta tSig. construits value Intention = attitude + ε 0.016 0.128 1.616 0.108 Intention = perception du 0.113 0.336 4.456 0.000 contrôle comportementale +ε Intention = normes 0.271 0.52 7.609 0.000 subjectives + ε Tableau 5 : Comparaison des deux modèles TAM versus TPB Modèle R² R² ajusté TAM Intention = utilité + facilité d’utilisation + 0.124 0.107 attitude Utilité Facilité d’utilisation attitude TPB Intention = attitude + perception du 0.329 0.316 contrôle comportementale + normes subjectives Attitude Normes subjectives Perception du contrôle comportementale Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016. Hypothèses H 6 : validée (p < 0.05) H 8 : validée H 7 : validée Beta Seβ tvalue 0.254 0.129 0.098 0.083 0.084 0.076 3.046 1.534 1.283 0.161 0.461 0.204 0.066 0.07 0.07 2.426 6.617 2.925 44