Stress au travail et créativité individuelle : un protocole de modélisation structurelle des moindres carrés partiels basé sur l’écran pour les lieux de travail compatibles avec l’IA

Résumé

Cette recherche présente un protocole de modélisation structurelle par sondage à moindres carrés partiels (PLS-SEM) basé sur écran pour tester la médiation et la modération, réaliser des diagnostics par méthode commune, interpréter des pentes simples et évaluer la pertinence prédictive dans la recherche en milieu de travail intégrée par IA.

Résumé

L’utilisation croissante de l’intelligence artificielle (IA) dans les organisations remodele les exigences professionnelles, les perceptions du leadership et les opportunités de créativité des employés. S’appuyant sur le modèle Demand Job–Resources (JD–R) et la théorie de l’apprentissage social, cette étude examine si la perception du leadership éthique par les employés médiatise la relation entre le stress au travail et la créativité individuelle, et si l’intégration de l’IA organisationnelle amplifie cette relation. En utilisant la modélisation structurelle des moindres carrés partiels (PLS-SEM) avec 5 000 rééchantillons bootstrap, les résultats montrent que le stress au travail influence négativement la perception du leadership éthique, tandis que la perception du leadership éthique affecte positivement la créativité. Le stress au travail n’était pas directement lié à la créativité ; au contraire, la perception éthique du leadership a constitué une voie indirecte importante. De plus, l’intégration de l’IA organisationnelle a renforcé la relation entre la perception du leadership éthique et la créativité. Ces résultats suggèrent que la créativité dans les milieux de travail habilités par l’IA est moins façonnée par la technologie elle-même que par les mécanismes psychologiques organisationnels. Les organisations souhaitant stimuler la créativité lors de la transformation numérique devraient donc gérer le stress au travail et favoriser des environnements de leadership éthiques, plutôt que de se concentrer uniquement sur la mise en œuvre de l’IA. Ce protocole utilise le modèle empirique comme exemple concret pour démontrer un flux de travail reproductible d’enquête vers PLS-SEM.

Introduction

L’intelligence artificielle (IA) a transformé la manière dont les employés accomplissent leur travail, comprennent la nature de leurs exigences professionnelles et identifient les opportunités de créativité, alors que les organisations commencent à adopter l’IA pour le soutien à la décision, l’automatisation et^{la coordination 1,2,3,4}. Les capacités habilitées par l’IA peuvent élargir la portée des informations accessibles et soutenir l’expérimentation, mais elles ne parviennent pas à encourager les gens à adopter un comportement créatif ^5,6. Au contraire, le comportement créatif des employés dépend de leur perception de la légitimité de l’expérimentation, de l’équité dans le traitement des erreurs et du soutien à leurs dirigeants ^7,8. Ce protocole définit la créativité comme un processus basé sur la perception en psychologie organisationnelle plutôt qu’un produit basé sur la technologie, tout en permettant que le processus du recrutement à l’inférence soit répétable et transparent⁹. La procédure ne filme pas ni n’observe les participants dans un laboratoire, mais le phénomène d’intérêt reste le comportement, car les employés réagissent au stress au travail, comprennent les informations sociales et développent des réponses créatives à une situation de travail imprégnée d’IA. La portée comportementale est donc abordée à travers des comportements mesurables en milieu de travail et des constructions interprétatives liées à la créativité, à la perception du leadership et à la réponse contextuelle liée à l’IA, plutôt qu’à un comportement^{physique 6,10}.

Les lieux de travail intégrés par l’IA sont définis comme des environnements de travail où les employés perçoivent l’IA comme une partie récurrente de la coordination au travail, du soutien à la décision, de l’évaluation et de la résolution de problèmes, plutôt que comme un outil optionnel occasionnel. Cette construction est plus étroite que la transformation numérique large, différente de l’adoption de l’IA en tant qu’introduction, différente de la maturité de l’IA en tant que stade de mise en œuvre, et différente de la capacité de l’IA en tant que compétence technique. Comme les employés ne connaissent pas l’étendue objective de l’utilisation de l’IA dans toutes les fonctions, ce concept est traité comme une intégration organisationnelle perçue, ce qui convient à un modèle basé sur la perception du leadership éthique et de la créativité^individuelle 1,4,11,12.

Ce protocole répond à trois lacunes mutuellement renforcées. Tout d’abord, on en sait moins sur ce qui constitue un leadership éthique dans les environnements de travail intégrés à l’IA et sur la façon dont les perceptions du leadership éthique se rapportent au stress au travail en ce qui concerne la créativité. Cette relation est importante car les effets du stress au travail sur la créativité varient une fois contextualisés et^{interprétés 13,14}. Deuxièmement, bien que la recherche sur la créativité dans les environnements de travail intégrés par l’IA ait souvent considéré l’IA comme un outil ou une mesure de l’adoption de l’IA, il existe moins de preuves de la manière dont l’intégration de l’IA à l’échelle de l’organisation influence les réponses comportementales aux indices des leaders ou aux interprétations de l’incertitude liée à^{l’IA 4,11,12}. Troisièmement, les études utilisant des données basées sur des enquêtes en psychologie organisationnelle condensent souvent tout, du recrutement et du dépistage à la mesure des constructions, la préparation des données, et les analyses ultérieures de médiation et modération par modélisation structurelle des moindres carrés partiels (PLS-SEM) en descriptions courtes, même si la validité de la mesure, la validité discriminante, la linéarité et la pertinence prédictive sont toutes importantes à^{considérer 15, 16, 17,18}. Les auteurs rendent ce flux de travail visible dans cette procédure en réduisant 342 départs d’enquête à 310 cas utilisables, en séparant les blocs construct, en testant la collinéarité complète avec VIF et un seuil de 3,3, en testant les effets directs, indirects et d’interaction avec 5 000 rééchantillons bootstrapés, et enfin en incluant PLSpredict comme écran de pertinence^{prédictive 15, 16, 18, 19}.

La contribution principale est donc méthodologique. Le modèle Stress du poste-Leadership éthique-Créativité est conservé comme exemple résolu, mais la principale contribution est de rendre visibles les décisions analytiques normalement cachées : filtrage d’éligibilité, conservation des codes d’item, séparation des constructs, validation des mesures, colinéarité et diagnostic par méthode commune, bootstrapping, décomposition d’effets, interprétation simple de pente, et évaluation PLSpredict^{15, 18, 19}. Suivant le modèle Exigences Emploi-Ressources^20,21, le stress professionnel est une exigence qui consomme les ressources cognitives et émotionnelles nécessaires pour s’engager de manière créative, affectant ainsi la^{créativité 9}. Les employés concentrent leurs efforts discrétionnaires sur la génération de solutions nouvelles et uniques grâce à la flexibilité cognitive, à l’expérimentation et à de nouvelles méthodes de travail. Ils ont moins de temps pour générer des idées lorsqu’ils font face à de longs délais dans un environnement de travail turbulent, et ont tendance à se concentrer sur la prévention des erreurs et l’accomplissement^{des tâches 13,14}. Tout stress n’est pas nuisible à la créativité, et certains niveaux de défi peuvent favoriser la génération d’idées chez les individus qui bénéficient d’une autonomie dans la tâche et bénéficient d’un soutien social au^{travail 13,22.} En revanche, une pression soutenue peut mener à une relation négative.

En conséquence, les auteurs avancent l’hypothèse que le stress professionnel est négativement associé à la créativité individuelle (H1). Le stress au travail peut également influencer la façon dont certains employés perçoivent leur environnement social. Lors des périodes de fluctuation et de stress, les employés peuvent développer une sensibilité accrue aux signaux d’équité, de soutien et de réactivité⁸. Une réponse tardive de la direction ou une prise de décision incohérente, sous cet angle, peut être perçue comme une mauvaise coordination dans un contexte et comme de la négligence dans un autre. L’essentiel est que lorsque les gens sont sous pression, ils ont tendance à accorder plus d’importance à ce que les dirigeants leur signalent et, de ce fait, dans des situations sans équité et soutien visibles, ils sont plus susceptibles de formuler des interprétations^{négatives 8,10}. Ensuite, les auteurs avancent l’hypothèse que le stress au travail est négativement associé à la perception du leadership éthique (H2) des employés. La perception éthique du leadership est la façon dont les employés perçoivent leur leader comme juste, honnête, ouvert et possédant de bonnes valeurs^morales 10,23,24. Du point de vue de la théorie de l’apprentissage social, la perception éthique du leadership indique si les employés utiliseront leur voix, prendront des risques en essayant de nouvelles choses ou^{expérimenteront 7}. Les employés seront plus enclins à donner leur avis sur de nouvelles façons de travailler et à essayer de nouvelles idées lorsqu’ils perçoivent leur leader comme éthique. Des leaders justes et dignes de confiance créeront davantage d’opportunités pour les employés d’adopter des comportements créatifs^{discrétionnaires 6,7,10}.

En conséquence, les auteurs avancent l’hypothèse que la perception du leadership éthique par les employés est positivement associée à la créativité individuelle (H3). Le modèle introduit également une voie indirecte dans laquelle la perception éthique du leadership médiatise l’effet du stress au travail sur la créativité individuelle. Les influences liées au stress sur la créativité semblent incohérentes et impliquent que la relation n’est pas simple^14,22. Deux employés peuvent être exposés au même niveau de stress, mais l’un peut continuer à percevoir le leader comme éthique et le lieu de travail comme suffisamment sûr pour partager des idées. L’autre employé peut cesser de partager des idées lorsqu’il perçoit le leader comme contraire à l’éthique ou se sent traité^{injustement 6,7}. Cette voie indique l’influence de l’interprétation sociale et suggère que se concentrer uniquement sur l’effet direct du stress au travail sur la production créative peut être insuffisant.

Les auteurs émettent également l’hypothèse que la perception du leadership éthique par les employés médiatise la relation entre le stress au travail et la créativité individuelle (H4). L’intégration de l’IA organisationnelle est associée aux environnements de travail où l’IA est utilisée pour médiatiser, évaluer et soutenir le travail^{des employés 1, 25, 26}. Les environnements organisationnels intégrés par IA élargissent l’accès des employés à l’information, réduisent le temps nécessaire pour accomplir certains travaux et offrent une plus grande possibilité de recombiner les idées. En même temps, ils peuvent soulever des questions sur qui ou quoi sera tenu responsable, quels types d’évaluations auront lieu, et quelles formes d’expérimentation sont^{acceptables 27}. Dans ce genre de situations, les employés sont susceptibles de faire davantage attention aux indices éthiques du leadership lorsqu’ils évaluent si l’expérimentation habilitée par l’IA, la tolérance à l’erreur et la génération d’idées assistée par l’IA sont légitimes et^sûres 11,30,31. Ainsi, les auteurs prédisent que l’intégration de l’IA organisationnelle augmentera la pertinence des perceptions du leadership éthique pour la créativité individuelle.

En conséquence, les auteurs avancent l’hypothèse que l’intégration de l’IA organisationnelle modère la relation entre la perception du leadership éthique par les employés et la créativité individuelle, de sorte que la relation positive est plus forte lorsque l’intégration de l’IA organisationnelle est élevée (H5). Ce protocole est conçu pour les chercheurs en comportement étudiant le comportement auto-déclaré au travail et leur interprétation sociale lorsque l’observation directe est impraticable ou éthiquement injustifiée. Le manuscrit contribue de trois façons. Premièrement, il s’éloigne des conceptions traditionnelles de la créativité dans les milieux de travail habilités par l’IA comme manifestation des résultats technologiques et des connaissances technico-scientifiques, et présente ce processus comme étant fondé par la perception comme un processus de psychologie^{organisationnelle 6,9}. Deuxièmement, il étend cet argument en démontrant que les perceptions du leadership éthique médiatisent la relation entre le stress au travail et la créativité individuelle, et que la relation entre la perception du leadership éthique et la créativité est modérée par l’intégration organisationnelle^{de l’IA 4,10,14}. Troisièmement, une enquête basée sur l’écran et une procédure PLS-SEM sont introduites pour évaluer les processus de médiation et^{de modération 15, 18, 19}. Son avantage est de rendre visibles les décisions cachées, notamment le criblage de l’emploi, la séparation des constructs, les vérifications de validité et de collinéarité, le bootstrapping, la décomposition des effets, l’interprétation par modération, l’analyse PLSpredict et l’interprétation prudente des relations transversales.

Protocole

Le processus de recherche a suivi tous les protocoles éthiques pour la recherche avec des participants humains. Toutes les informations des participants ont été collectées anonymement via la technologie d’enquête en ligne et les procédures numériques de consentement éclairé. Aucune information identifiant un participant n’a été collectée, et aucune vidéo n’a été enregistrée. Tous les participants ont reçu un écran numérique de consentement éclairé avant d’arriver à l’enquête. L’écran expliquait l’objectif académique de l’étude, que la participation était volontaire, que les réponses seraient gardées confidentielles et que les données seraient utilisées uniquement à des fins de recherche. Les participants qui n’avaient pas reconnu activement le consentement éclairé ont été retirés de l’enquête avant la présentation d’un item de l’étude. Les informations sur l’approbation éthique ou les exemptions doivent être indiquées dans la déclaration d’éthique conformément aux exigences de l’institution soumise. L’élément visuel de ce protocole vise à présenter ces étapes sous forme de démonstration vidéo à écran du recrutement, du consentement, du filtrage, du traitement des données désidentifiées, de la création de modèles SmartPLS, du bootstrapping, de la décomposition d’effets et de l’évaluation PLSpredict, plutôt que comme une figure supplémentaire de workflow. La séquence des tables imite la séquence d’étapes dans la démonstration vidéo. Le tableau 1 identifie l’échantillon conservé après le recrutement, le consentement, le dépistage et les contrôles qualité. La base pour mesurer les blocs constructifs est présentée dans le Tableau 2. Les tableaux 3 à 5 rapportent la qualité de la mesure, la validité discriminante et les diagnostics de colinéarité. Le tableau 6 rapporte les résultats du test d’hypothèse. Le tableau 7 présente la décomposition des effets directs et indirects. Le tableau 8 correspond au point de contrôle PLSpredict. Les tableaux 1 à 8 représentent donc la trajectoire des résultats de l’entrée de l’enquête à l’inférence statistique pour le flux de travail basé sur^{l’écran 15,18}. Toutes les plateformes/outils utilisés dans cette étude sont listés dans le tableau des matériaux.

Modèle de recherche

Dans l’exemple résolu, la perception éthique du leadership médie les effets du stress au travail sur la créativité individuelle, et l’intégration de l’IA organisationnelle modère l’effet de la perception éthique du leadership sur la créativité individuelle. La Figure 1 présente le modèle conceptuel, dans lequel H4 fait référence à l’impact de la perception éthique du leadership comme voie indirecte, et H5 à la modération de la perception éthique du leadership par l’intégration de l’IA organisationnelle. L’objectif du modèle n’est pas de représenter un modèle causal, mais de représenter un flux de travail de médiation et de modération à l’écran.

Figure 1 : Modèle conceptuel. Le diagramme présente le stress au travail (JS) comme prédicteur, la perception éthique du leadership (EL) comme médiateur, la créativité individuelle (IC) comme résultat, et l’intégration organisationnelle de l’IA (OA) comme modérateur de la relation EL–IC. Des flèches solides indiquent les chemins directs hypothétisés, la voie médiatisée est JS > EL > IC, et le terme d’interaction représente EL × OA > IC. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Données de recherche

Un système de recrutement de participants basé sur Internet et un système d’enquêtes en ligne sont utilisés pour collecter des réponses anonymes auprès des employés à temps plein de la population cible du travail. Des filtres doivent être définis avant le lancement, et un élément de sélection basé sur une enquête doit être utilisé pour confirmer l’éligibilité avant l’affichage des blocs construct. Les réponses des participants non consentants, des répondants non éligibles et des réponses qui échouent aux contrôles de contrôle qualité sont exclues avant l’analyse. Dans l’exemple résolu, les auteurs se sont retrouvés avec 310 enquêtes valides complétées sur un total initial de 342 débuts après un contrôle de contrôle du statut d’emploi et des contrôles de qualité. Le tableau 1 présente les informations démographiques pour l’échantillon final valide.

Tableau 1 : Caractéristiques descriptives de l’échantillon (n = 310). Le tableau résume les répondants retenus par caractéristiques démographiques et d’emploi après consentement, contrôle d’éligibilité et exclusions de contrôle qualité ; n indique la taille de l’échantillon. Veuillez cliquer ici pour télécharger ce tableau.

Mesures

Une échelle de Likert à sept points est utilisée pour tous les items (1 = fortement en désaccord ; 7 = fortement d’accord). L’enquête inclut des blocs de mesure du stress au travail, de la perception éthique du leadership, de la créativité individuelle et de l’intégration de l’IA organisationnelle. Conservez les codes d’article lors de la conception et de l’exportation de l’enquête afin de garantir que chaque indicateur mesuré puisse être mappé à sa variable latente correspondante lors de la spécification du modèle. L’ensemble complet des éléments de mesure et des sources est fourni dans le tableau 2.

Tableau 2 : Éléments et sources de mesure. Ce tableau présente les items du questionnaire, les devoirs de construction et les sources d’échelle. Abréviations : JS = stress professionnel ; EL = perception éthique du leadership ; IC = créativité individuelle ; OA = intégration organisationnelle de l’IA. Veuillez cliquer ici pour télécharger ce tableau.

Avant d’importer des données dans le logiciel PLS-SEM, les chercheurs doivent exporter le jeu de données complété dans .csv format. Les noms, adresses e-mail, adresses IP et autres identifiants directs doivent être retirés de l’exportation afin d’éviter toute divulgation involontaire des informations des participants. Le fichier exporté doit être inspecté pour détecter des valeurs manquantes, des réponses de filtrage infructueuses, des lignes droites, des échecs de vérification d’attention et des erreurs de noms de variables. Seules les variables indicatrices nettoyées et les variables de contrôle requises par le modèle doivent être conservées. Les débuts de l’enquête initiale, l’échantillon final valide, les plages de fiabilité, la plage AVE, la plage VIF structurelle et le réglage de rééchantillonnage bootstrap doivent être enregistrés pour un rapport ultérieur.

Flux de travail analytique PLS-SEM

Pour analyser les hypothèses, les chercheurs devraient utiliser le PLS-SEM. Dans SmartPLS 4.1, un nouveau projet doit être créé en important le fichier .csv nettoyé. Les constructions latentes doivent être placées sur la toile du modèle, et les indicateurs conservés doivent être assignés à JS, EL, IC et OA. Ces chemins directs peuvent être tracés sur la toile du modèle ; le chemin indirect peut être spécifié comme JS > EL > IC, et le terme d’interaction produit-indicateur peut également être créé comme OA × EL > IC. Les chercheurs doivent exécuter l’algorithme PLS avant d’évaluer les chemins structurels. Dans SmartPLS, allez dans Calculer > algorithme PLS et notez les paramètres d’estimation, y compris le schéma de pondération du chemin, le nombre maximal d’itérations, et le critère d’arrêt si nécessaire. Une fois l’algorithme PLS exécuté, les chercheurs devraient évaluer l’alpha de Cronbach, la fiabilité composite, l’AVE, les charges externes, le rapport de Fornell-Larcker, le ratio HTMT et les valeurs VIF^{17, 18, 19}. Les résultats pour évaluer la fiabilité, la validité et la colinéarité sont présentés dans les tableaux 3 à 5. Il est conseillé aux auteurs de réaliser un test complet de collinéarité pour vérifier un biais potentiel envers la méthode commune. Les valeurs structurelles de VIF doivent être considérées comme un indicateur diagnostique d’un biais potentiel de source similaire, et non comme un indicateur que le biais de source même a été supprimé.

Le protocole distingue les VIF modèles externes des VIF structurelles/collinéarités complètes. Si un VIF externe dépasse 3,3 mais reste inférieur à 5,0, la valeur doit être reconnue comme un risque potentiel de collinéarité au niveau de l’indicateur plutôt que traitée comme un diagnostic de biais de méthode courante. Les VIF à collinéarité complète sont interprétés séparément comme un écran de diagnostic à la même source, et non comme preuve que le biais de méthode courant a été^{éliminé 15,18,19}. Les diagnostics de la qualité de la mesure et de la collinéarité doivent être réalisés avant d’interpréter les coefficients de chemin, les effets indirects et les termes d’interaction. Pour calculer les chemins directs, les effets indirects spécifiques et l’effet de modération, les chercheurs doivent effectuer la procédure de bootstrapping avec 5 000 rééchantillons. Avec 5 000 sous-échantillons, effectuez un test à deux queues à α = 0,05, et laissez les options de changement de signe et d’intervalle de confiance telles que dans le projet. Le tableau 6 présente le coefficient de chemin, l’effet indirect spécifique et les résultats d’interaction. Après avoir testé les hypothèses, les sections pour les effets indirects spécifiques et les effets totaux dans la sortie doivent être examinées afin d’évaluer la relation direct JS > IC par rapport au chemin indirect à travers EL et de capturer la décomposition d’effets dans le tableau 7. Cette procédure évite d’interpréter le chemin direct-stress–créativité non significatif isolément du chemin indirect significatif basé sur la perception. Il est recommandé que les chercheurs utilisent PLSpredict pour les constructions endogènes et rapportent les statistiques de prédiction^Q2, RMSE et MAE comme une évaluation prédictive de pertinence bornée. Les résultats présents pour Q²prédisent, RMSE et MAE pour les constructions endogènes EL et IC, ainsi que ceux pour le benchmark du modèle linéaire, si fournis, dans le tableau 8. Ces résultats doivent être interprétés comme des preuves prédictives de pertinence bornées plutôt que comme des preuves complètes de prévision¹⁸.

Le protocole est intentionnellement ciblé plutôt que statistiquement complexe. Les chercheurs qui comparent ensuite pays, professions ou niveaux managériaux peuvent ajouter des tests d’invariance de mesure, des analyses multigroupes, de la segmentation ou une cartographie importance-performance une fois le flux de travail de médiation et modération de référence établi. Les chemins indirects ou d’interaction statistiquement significatifs ne doivent pas être interprétés comme des effets causaux lorsque les données sont transversales. Elles doivent être présentées comme des associations cohérentes en théorie, sauf si des preuves longitudinales, expérimentales ou multisources sont disponibles. Cette mise en garde est répétée dans les Résultats et Discussions, de sorte que les voies de médiation et de modération sont présentées comme des associations cohérentes en théorie plutôt que des effets^{causaux 15,18}. Si les labels exacts des menus diffèrent selon les versions SmartPLS, les chercheurs doivent utiliser le chemin de menu équivalent et enregistrer la version logicielle, les paramètres de l’algorithme et les paramètres de rééchantillonnage dans le Table of Materials ou dans une note de reproductibilité.

Résultats

Évaluation du modèle de mesure

Le modèle de mesure a ensuite été utilisé pour évaluer la fiabilité et la validité des constructions. La fiabilité, la validité convergente, les charges des items et les diagnostics de colinéarité sont présentés dans le tableau 3. Les valeurs alpha de Cronbach allant de 0,877 à 0,932 dépassent la coupure de 0,70. Les estimations de fiabilité composite étaient acceptables, avec CR (ρ_a) allant de 0,880 à 0,959 et ...

Discussion

Le protocole propose une méthode transférable basée sur une enquête pour comprendre comment les exigences psychologiques, les perceptions du leadership et les conditions contextuelles liées à l’IA influencent les résultats des employés dans des contextes de travail numériquement ^{transformés 1,2,4}. Sa principale contribution n’est pas une manipulation filmée, mais un flux de travail analytique tr...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
ChatGPT (Modèle de langage IA)	OpenAI	N/A	Utilisé uniquement pour l'édition linguistique, la vérification de la grammaire et l'amélioration structurelle lors de la préparation du manuscrit. L'outil n'a pas été utilisé pour la collecte de données, l'analyse statistique ou l'interprétation des résultats empiriques. Les auteurs ont examiné, édité et approuvé le manuscrit final et en assument l'entière responsabilité. URL: https://chatgpt.com/
Prolific (Plateforme de recrutement de participants en ligne)	Prolific Academic Ltd.	N/A	Plateforme en ligne utilisée pour recruter des participants à l'enquête pour l'exemple travaillé. Les participants ont été sélectionnés en fonction de critères d'éligibilité prédéfinis, y compris l'emploi à temps plein et la pertinence pour la population cible du lieu de travail. URL: https://www.prolific.com/
Qualtrics (Plateforme de sondage en ligne)	Qualtrics, LLC	N/A	Plateforme de sondage en ligne utilisée pour la conception du questionnaire, le consentement éclairé numérique, le dépistage, la présentation en blocs de construction, la collecte des données de réponse et l'exportation de jeux de données anonymes. Les éléments de mesure ont été administrés à l'aide d'une échelle de Likert de 7 points allant de 1 = fortement en désaccord à 7 = fortement d'accord. URL: https://www.qualtrics.com/
SmartPLS 4.1 (Logiciel PLS-SEM)	SmartPLS GmbH	Version 4.1	Utilisé pour la modélisation d'équations structurelles par moindres carrés partiels (PLS-SEM), y compris la spécification du modèle, l'estimation de l'algorithme PLS, l'évaluation du modèle de mesure, les diagnostics de collinéarité, le bootstrapping avec 5 000 rééchantillonnages, le test d'effet indirect spécifique, l'estimation des termes d'interaction, la décomposition des effets et l'évaluation PLSpredict. URL: https://smartpls.com/