ISSN: 2658-8455

Volume 2, Issue 5 (September, 2021), pp.60-77.

www.ijafame.org

Les déterminants de l’achat en ligne en période de la Covid-19 :

Approche quantitative « Une étude Post confinement »
The determinants of online purchasing during the Covid-19
period: A quantitative approach “post containment study”

Ayoub Bourchich, (Doctorant)

Laboratoire de recherche en compétitivité économique et performance managériale
(LARCEPEM)
Université Mohamed V de Rabat, Maroc

Boubker Nejjar, (Professeur habilité à diriger les recherches)

Laboratoire de recherche en compétitivité économique et performance managériale
(LARCEPEM)
Centre Interdisciplinaire de Recherche en Performance et Compétitivité
(CIRPEC)
Université Mohamed V de Rabat, Maroc

Faculté des sciences Juridiques, économiques et sociales

Avenue Mohamed Ben Abdallah Ragragui Al Irfane
Université Mohamed V- Souissi
Adresse de correspondance
Maroc (Rabat)
0537671755
Ayoub.bourchich@um5r.ac.ma
Les auteurs n’ont pas connaissance de quelconque financement qui
Déclaration de divulgation
pourrait affecter l’objectivité de cette étude.
Conflits d’intérêts Les auteurs ne signalent aucun conflit d’intérêts.
Bourchich, A., & Nejjar, B. (2021). Les déterminants de l’achat en
ligne en période de la Covid-19 : Approche quantitative « Une étude
Citer cet article Post confinement ». International Journal of Accounting, Finance,
Auditing, Management and Economics, 2(5), 60-77.
https://doi.org/10.5281/zenodo.5348339
Cet article est publié en open Access sous licence
Licence
CC BY-NC-ND

DOI: 10.5281/zenodo.5348339
Received: July 08, 2021 Published online: September 01, 2021

International Journal of Accounting, Finance, Auditing, Management and Economics - IJAFAME

ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021)
ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021), pp.60-77.
www.ijafame.org

Les déterminants de l’achat en ligne en période de la Covid-19 : Approche

quantitative « Une étude Post confinement »

Résumé
Dans cette recherche, nous envisageons la proposition d’un modèle qui comporte les facteurs ayant un
pouvoir explicatif dans les intentions comportementales, à l’égard des achats via le canal Web,
particulièrement en période épidémiologique (Covid-19). Ainsi, les variables : attitude, utilité perçue,
risque perçu de contagion, et intention comportementale ont été retenues par la littérature, auxquelles nous
avons ajouté le risque perçu de contagion, qui est un facteur lié au contexte de la Covid-19. Nous avons
mené une étude empirique et réalisé une série d’analyses statistiques en recourant au modèle de régression
linéaire multiple, qui nous a permis de déterminer le pouvoir explicatif de l’utilité perçue et l’attitude sur
l’intention de réaliser des achats via le canal Web en période de la Covid-19. Aussi, un autre résultat atteint,
le facteur risque perçu de contagion agit faiblement sur l’intention de réaliser les achats sur le Web en
période de la crise sanitaire.

Mots-clés : Comportement de consommateur, Commerce électronique, Covid-19.

Classification JEL : M31
Type de l’article : Recherche appliquée

Abstract
In this research, we consider the proposal of a model that includes the factors that have explanatory power
in the behavioral intentions, with regard to purchases via the web channel, especially in epidemiological
periods (Covid-19). Thus, the variables: attitude, perceived usefulness, perceived risk of contagion, and
behavioral intention, were retained by the literature, to which we added the perceived risk of contagion,
which is a factor related to the context of the Covid-19. We carried out an empirical study and a series of
statistical analyses using the multiple linear regression model, which allowed us to determine the
explanatory power of perceived usefulness and attitude with the intention to make purchases via the web
channel during the Covid-19. Also, another result reached, the factor perceived risk of contagion acts
weakly on the intention to realize purchases on the Web in the period of the sanitary crisis.

Keywords: Consumer’s behavior, E-commerce, Covid-19.

Classification JEL: M31
Paper type: Empirical research

61
Ayoub Bourchich & Boubker Nejjar. Les déterminants de l’achat en ligne en période de la Covid-19 : Approche quantitative
« Une étude Post confinement »

1. Introduction
L’évolution des technologies Web que le monde a connue depuis le début des années 1990,
a contribué à l’avènement d’un nouveau canal de distribution qui est le commerce
électronique. Ce dernier est une notion qui est rarement définie de manière précise, ce
problème est particulièrement épineux lorsqu’on cherche à le mesurer (Piaptie, 2008). Selon
le programme E-business Measurement Program de United States Census Bureau1, le
commerce en ligne, est défini comme étant « toute transaction réalisée par un réseau
d’ordinateurs, et qui implique un transfert de droits de propriété ou de droit d’usage de biens
ou de services » (Mesenbourg, 2001). Autrement dit, l’achat électronique regroupe toute
activité commerciale dans le Business to Business (B to B) et le Business to Costumer (B to
C) même si le paiement ne s’effectue pas en ligne.
Notons aussi que le taux d’accès à internet est devenu très élevé dans le monde entier,
même constat pour le Maroc. Selon le cabinet de conseil NIEME2, nous comptons
25,32 millions d’internautes3 en 2020 avec une progression de 13 % entre 2019 et 2020. Cette
évolution a favorisé le climat aux praticiens pour se développer et se lancer dans plusieurs
secteurs d’activité, à travers la création des sites web spécialisés par gamme de produits. Ceci
se traduit dans le nombre des vitrines électroniques actif au Maroc, selon le cabinet Sunergia4,
plus de 1000 sites marchands ont été créés en 2019. Cette tendance est appelée à se consolider
dans l’avenir. En effet, selon les statistiques du rapport d’activité du 1er semestre 2020, établi
par le CMI (Centre Monétique Interbancaire), l'e-commerce est resté sur un trend ascendant
durant le 1er semestre 2020, au niveau des opérations de paiement en ligne par cartes
bancaires marocaines et étrangères, avec une progression de +31.3 % en nombre et de +23.6
% en montant par rapport au 1er semestre 2019.
Avec les millions d’utilisateurs du Web, dont une catégorie importante qui est
difficilement quantifiable achète sur les sites électroniques. Pour cette raison, nous avons
pensé qu’il est plus judicieux d’étudier l’intention d’achat en ligne dans le contexte de la
pandémie, au lieu du comportement réel d’achat. En effet, Ajzen (1991) et Triandis (1979) ont
réalisé des travaux scientifiques sur le même phénomène (Adoption et utilisation de la
technologie). Ces auteurs se sont focalisés sur les intentions comportementales, car à travers
la compréhension des déterminants de l’achat en ligne on pourra d’une part, apporter des
éléments de décisions au profit des responsables marketing. D’autre part, l’élaboration de
notre modèle s’est déroulée en période épidémique, ceci va aider les entreprises souhaitant se
lancer dans le secteur du commerce en ligne de mieux comprendre le comportement des
clients potentiels.
Par ailleurs, dans cet article nous envisageons de répondre à la question qui s’articule
comme suit : quels sont les facteurs qui ont favorisé l’adoption des achats en ligne chez le
consommateur depuis l’annonce de l’alerte sanitaire ? Pour ce faire, nous avons fixé comme
objectif de recherche, de proposer un modèle montrant les déterminants de l’intention d’achat
en ligne pendant la période de crise sanitaire (Covid19), en mettant l’accent sur les différents
modèles théoriques de l’acceptation des technologies, qui rentrent dans le domaine marketing
et précisément au niveau d’étude du comportement des consommateurs. Ainsi, notre apport
scientifique réside dans l’insertion d’un nouveau facteur que nous appellerons « risque perçu

1
U S Census Bureau : est un bureau situé dans différentes régions aux états unis ( Atlanta, Chicago, Denver,
Los Angeles, New York, Philadelphia), le bureau a pour mission de servir le principal fournisseur des pays en
terme de donnés sur leurs populations et économies et d’autres sujets
2
NIEM : cabinet de conseil situé à Rabat, spécialisé dans le Web marketing
3
https://www.niemeconseil.ma/rapport-digital2020-pour-le-maroc/
4
Sunergia : est un bureau d’étude créé en 1989, spécialisé en étude de marché Marketing au niveau national et
Afrique

62
www.ijafame.org
ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021), pp.60-77.
www.ijafame.org

de contagion » dans notre modèle de recherche. Ce facteur a été inspiré de la théorie du risque
perçu de Bauer (1960).
Dans ce qui suit, nous allons présenter tout d’abord les différentes théories qui expliquent
le comportement du consommateur quant à l’achat en ligne, et puis nous allons annoncer les
hypothèses de la recherche avec le modèle conceptuel et sa mise en application. Ensuite, on
va présenter les résultats obtenus de la régression. Au final, nous allons conclure avec la
discussion des résultats et les implications managériales.
2. Fondements théoriques
2.1 La théorie de l’action raisonnée (Théorie of Reasoned Action)
Fishbein et Ajzen (1975), les précurseurs de la théorie de l’action raisonnée (TAR), ont
proposé un modèle qui a pour but d’expliquer et comprendre le comportement des individus
dans plusieurs situations. Cette théorie considère que chaque comportement est déterminé de
façon directe par l’intention de l’individu d’émettre ce comportement. À son tour, l’intention
comportementale est déterminée par deux variables : l’attitude envers le comportement et la
norme subjective.
Le premier déterminant est l’attitude envers le comportement, comme c’est justifié dans
l’ouvrage de Fishbein et Ajzen (1975), l’attitude est déterminée par les croyances des
individus envers les conséquences d’un tel comportement multiplié par l’évaluation de ces
conséquences. En ce qui concerne le deuxième déterminant de l’intention comportementale,
c’est la norme subjective, elle se traduit dans l’influence qu’exercent les référents d’un
individu pour adopter un comportement. Autrement dit, quand un individu pense que les
personnes référentes dans son entourage croient qu’il doit adopter un comportement, son
intention d’adopter ce comportement sera plus grande.
En effet, dans sa méta-analyse5 Sutton (1998) confirme que la TRA a une bonne validité,
sauf qu’elle est sous-contrôlée par le comportement intentionnel seulement, et que cela
manque de facteurs situationnels. Cette théorie écarte tout comportement irrationnel ou
inconscient chez les individus.
C’est ce qui a poussé plusieurs chercheurs à tester d’autres pistes d’améliorations de cette
théorie (Doll & Ajzen, 1992). Alors pour ces raisons, Ajzen (1991) a été amené à revoir la
théorie de l’action raisonnée tout en proposant la théorie dérivée de la TRA qui est la théorie
du comportement planifié (TCP).
2.2 La théorie du comportement planifié (theory of planned behavior)
Dans le but d’améliorer la théorie de l’action raisonnée (TRA), Ajzen (1991) a développé
la nouvelle théorie dérivée de la TRA, qui est la théorie du comportement planifié (TCP),
dans laquelle un déterminant complémentaire a été ajouté : le contrôle comportemental perçu
(Ajzen, 1991; Emin, 2004), « the theory of planned behavior differs from the theory of
reasoned action in its addition of perceived behavioral control » (Ajzen, The Theory Of
Planned Behavior, 1991).
Selon la théorie du comportement planifié d’Ajzen (1991), tout comportement qui
demande une certaine réflexion et/ou planification telle que la réalisation d’un achat en ligne
est affecté directement par l’intention, cette dernière est déterminée par trois variables :
✓ L’attitude envers le comportement
✓ La norme subjective
✓ Le contrôle comportemental perçu

5
Predicting and Explaining Intentions and Behaviors : How Well Are We Doing

63
Ayoub Bourchich & Boubker Nejjar. Les déterminants de l’achat en ligne en période de la Covid-19 : Approche quantitative
« Une étude Post confinement »

Les deux premières variables sont précédemment définies. Concernant la troisième, le

contrôle comportemental perçu correspond aux facteurs qui facilitent ou qui inhibent
l’exécution d’un comportement donné. Selon le modèle du comportement planifié, ce
nouveau concept de contrôle comportemental perçu peut affecter le comportement
directement, ou bien indirectement via l’intention comportementale.
2.3 Le modèle de l’acceptation de la technologie (Technology Acceptance Model)
En s’inspirant du modèle de l’action raisonnée de Fishbein et Ajzen (1975), Davis (1989)
propose le modèle de l’acceptation de la technologie (TAM), qui a pour objectif de prédire
l’acceptation des technologies de l’information, ainsi qu’identifier les améliorations pour
rendre une telle technologie ou SI (Système d’information) acceptable aux utilisateurs.
Comme les théories expliquées en haut (TRA), (TCP), le TAM soutient l’hypothèse que
l’adoption d’un système d’information est déterminée par l’intention d’utilisation. Sauf que
cette intention est affectée concurremment par l’attitude et l’utilité perçue.
L’attitude envers l’utilisation ou l’adoption d’un système dépend de deux facteurs : l’utilité
perçue et la facilité d’utilisation. L’utilité perçue se réfère au degré auquel l’individu croit
qu’un certain système peut améliorer ses performances pour accomplir une tâche donnée. La
facilité d’utilisation réside dans la croyance de l’individu que l’utilisation d’un système
d’information demande peu d’effort.
3. Variables d’étude
3.1 Attitude envers l’achat en ligne
L’attitude est une variable clé dans la compréhension du processus de prise de décision.
Elle correspond principalement aux sentiments de plaisir, de joie, de satisfaction ou
insatisfaction qu’un consommateur relie à un comportement donné. Plusieurs auteurs dans
leurs travaux en Marketing, considèrent l’attitude comme variable importante dans la
compréhension du comportement d’achat (Ajzen & Madden, 1986; Ajzen, 1991; Venkatesh &
Brown, 2001). Généralement, l’attitude est l’estimation positive ou négative d’un individu
vers l’adoption d’un comportement en associant les conséquences liées à ce comportement et
les résultats probables à travers l’évaluation desdites conséquences.
Selon une étude réalisée dans le contexte marocain sur la base de 114 répondants,
Hajraoui, K & Chalabi, H (2021) ont démontré que seulement 4% des consommateurs
interrogés ont adopté l’achat en ligne pour réaliser leurs achats en période de la crise sanitaire
Covid-19, contre 96 % qui préfèrent toujours effectuer leurs achats dans les magasins
physiques (GMS, Souks municipaux, magasin de proximité...etc.), ceci explique que le
consommateur marocain a une orientation encore faible envers le commerce électronique, et
c’est ce que nous cherchons a confirmé à travers notre étude, tout en soutenant l’idée que plus
le consommateur s’oriente vers les achats en ligne sur les sites e-commerces et e-marchands
(en raison de la pandémie en le considérant comme alternative efficace), plus il développera
une attitude positive vis-à-vis des achats en ligne pendant et après la crise sanitaire, et nous
proposons l’hypothèse suivante :
H1 : il existe une relation, positive et significative entre l’attitude (favorable,
défavorable) envers les sites marchands et l’intention d’achat en ligne pendant la
période de la crise sanitaire. Hypothèse validée par Sabik. S en 2014 dans le contexte
canadien et Oueslati. H ; El Louadi. M en 2014 dans le contexte tunisien.
3.2 Le risque perçu de contagion
Compte tenu de la situation épidémiologique que nous vivons actuellement, l’une des
variables les plus importantes, qui nous permettra par la suite de mieux expliquer les freins
que les consommateurs peuvent avoir avant de s’engager dans un acte d’achat, est le risque

64
www.ijafame.org
ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021), pp.60-77.
www.ijafame.org

perçu. Bauer (1960) a initié la théorie du risque perçu en expliquant que le comportement du
consommateur implique un risque dans le sens où toute action produira des conséquences
qu’un individu ne peut anticiper avec certitude.
Bauer (1960) a introduit le concept de risque perçu (Gronhaug & Stone, 1995), et il l’a
décomposé en 5 types de risques : financier, de performance, physique, psychologique et
finalement social. Ces deux derniers risques sont souvent traités de manière fusionnée en une
seule variable qui est le risque psychosocial (Kaplan & Jacoby, 1974). Nous citons aussi
Murray (1991), qui a défini le risque perçu comme l’incertitude perçue par le consommateur
quant aux pertes ou aux gains d’une transaction particulière, dans le même sens, Garbarino et
strahilevitz (2004) décomposent le risque perçu en deux composantes : l’incertitude quant à
l’efficacité de la décision, et les pertes probables subies à l’occasion de l’achat ou bien de la
consommation, tout en formant le risque global (Gabarino & Strahilevitz, 2004).
Avec l’apparition du Corona virus, une autre dimension du risque a été identifiée qui est le
risque de contagion. Il s’agit du risque d’être contaminé à travers la promiscuité sociale, par
exemple dans des endroits comme les magasins, les bus, les écoles…et, ce constat nous
pourrons le fondé sur l’étude qui a été réalisée par le cabinet Criteo6 en Mars 2020. L’étude
montre que 52% des consommateurs en US et UK préfèrent le Web comme canal d’achat,
nous trouvons aussi plus de 70% des consommateurs au niveau de la Corée du Sud
privilégient l’achat en ligne et le Brésil avec un pourcentage important de 67%. Au final les
pays qui présentent un taux modéré, nous trouvons l’Espagne avec un pourcentage de 42% et
la France 36%7. Nous constatons alors que la peur de choper du virus pousse le
consommateur d’adopter le Web comme canal d’effectuer les achats. Donc, nous souhaitons
étudier cette dimension du risque en partant de l’idée que le risque perçu (risque de contagion)
a un impact sur les intentions de réaliser des achats sur internet. Alors, pour vérifier ce fait
nous proposons l’hypothèse suivante :
H2 : il existe une relation positive et significative entre le risque perçu de contagion et
l’intention comportementale quant aux achats sur le Web en période de crise sanitaire.
3.3 Intention comportementale d’utilisation
Selon Limayem et al. (2000), l’intention comportementale se traduit dans le désir, le
souhait, la détermination et la volonté de réaliser un comportement. Plusieurs auteurs ont
prouvé qu’il y’ a de fortes dyades entre l’intention comportementale, dans le cadre
d’utilisation et d’adoption des systèmes d’information, et le comportement lui-même (Davis
& al, 1989; Ajzen, 1991; Venkatesh & Brown, 2001). Dans le cas des achats sur internet,
Heijdein et al. (2001) définissent l’intention d’achat en ligne par le seuil à partir duquel le
consommateur est disposé à acheter un produit d’un site internet spécifique. Limayem et al.
(2000) ont réalisé une étude qui porte sur le comportement d’achat sur le Web, et qui vérifie
empiriquement que le comportement d’achat à partir du Web est déterminé par les intentions
(Limayem & al, 2000).
À la base de ce soubassement théorique, la variable « intention d’utilisation dans la durée
des achats en ligne pendant et après la crise sanitaire du Covid-19 » constitue la variable
dépendante de notre modèle de recherche.
3.4 L’utilité perçue
Le concept de l’utilité perçue peut être défini comme l’évaluation des récompenses
probables en réalisant un comportement donné. Selon Triandis (1980), la probabilité de

6
Criteo : une société fondée en 2005, qui œuvre dans le commerce marketing
7
Lien vers les résultats de l’étude réalisé par Criteo : Coronavirus Consumer Trends: Consumer Electronics, Pet
Supplies, and More | Criteo, Consulté le 27 juillet 2021

65
Ayoub Bourchich & Boubker Nejjar. Les déterminants de l’achat en ligne en période de la Covid-19 : Approche quantitative
« Une étude Post confinement »

réaliser un comportement est relative à la valeur attendue. Par exemple, dans notre cas (les
achats en ligne pendant la période de crise sanitaire), le consommateur peut évaluer les
avantages, en passant par le WEB, tels que l’évitement de la foule, gains de temps en période
de crise...
Alors, nous suggérons l’idée que le consommateur qui pense que l’achat en ligne pendant
la période de crise sanitaire est utile, ceci peut augmenter la probabilité de réaliser ce
comportement via l’intention comportementale. Nous formulons notre dernière
hypothèse ainsi :
H3 : il existe une relation positive et significative entre l’utilité perçue de l’achat en
ligne en période de la Covid-19 et l’intention d’achat comportementale d’effectuer les
achats à partir du Web. Hypothèse validée par Oueslati. H ; El Louadi. M en 2014 dans le
contexte tunisien
4. Modèle conceptuel des déterminants de l’achat en ligne en période de
la Covid-19
Nous nous sommes basés sur des construits issus des travaux antécédents de Fishbein et
Ajzen (1975), Ajzen (1991) et Davis (1989), en gardant les mêmes items vu leurs validités et
leurs fiabilités sauf qu’on les a adaptés avec la situation de la Covid-19, puis nous avons
inséré à notre modèle le facteur Covid-19 « Risque perçu de contagion ».
Figure 1 : les déterminants de l’achat en ligne en période de la crise sanitaire (Covid-19)

Source : Auteurs de l’article

5. Méthodologie de recherche et déroulement d’étude

Nous avons mené la méthodologie de recherche hypothético-déductive, cela dépend
principalement de notre objectif qui est de détecter les variables ayant un pouvoir explicatif
sur le comportement d’achat en ligne en période de la crise sanitaire (Covid-19). Le choix des
variables a été effectué sur la base du modèle de l’acceptation, en intégrant le facteur
épidémiologique « risque perçu de contagion ». Pour affirmer ou infirmer nos hypothèses de
recherche, nous nous sommes basés sur une approche quantitative, à travers l’administration
d’un questionnaire en ligne durant le mois d’avril 2021 et des analyses statistiques avec le
modèle de régression multiple sur le logiciel SPSS statistique.

66
www.ijafame.org
ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021), pp.60-77.
www.ijafame.org

5.1 L’échantillon
La technique d’échantillonnage que nous avons adoptée dans notre étude, est la technique
non probabiliste, particulièrement la méthode de boule neige qui consiste à identifier un
groupe de notre entourage, auquel nous avons adressé des courriels contenant le lien du
questionnaire. Dès qu’ils répondent à notre enquête, ils procèdent au recrutement de nouveaux
répondants de leurs entourages. Donc, c’est suite à un recrutement continu que nous avons
collecté les réponses.
Notre échantillon comprend deux principales typologies de consommateurs, situées dans
différentes régions du Maroc, ceux qui ont déjà réalisé des achats sur des sites e-commerces
pendant et après le confinement (66.8%) et ceux qui n’ont jamais effectué des achats sur des
sites marchands (33.2%) (Voir annexe, p23). Ainsi, nous trouvons parmi cet échantillon des
promeneurs web qui se divisent en trois catégories : ceux que leur navigation sur internet est
quotidienne (85%) et c’est la catégorie majoritaire de l’échantillon. Ensuite, nous trouvons
une autre partie qui fréquente internet trois fois par semaine (14.5 %) et le reste (0.5%) pour
ceux qui naviguent une seule fois par semaine. Le tableau ci-dessous présente le profile
sociodémographique des répondants.
Tableau 1 : Analyse descriptive : profile des répondants

Effectifs Pourcentages
Homme 103 46.8 %
Sexe
Femme 117 53.2 %
18-24 ans 30 13.6 %
25-35 ans 133 60.5 %
Tranche 35-45 ans 48 21.8 %
d’âge 45-55 ans 5 2.3 %
55 ans et plus 4 1.8 %
Marié 68 30.9 %
Divorcé 10 4.5 %
Situation
Célibataire 141 64,1 %
familiale
Veuf (ve) 1 0.5 %
Primaire 1 0.5 %
Secondaire 30 13.6 %
Niveau de Universitaire (1er cycle) 120 54.5 %
scolarité Maitrise / doctorat 69 31.4 %
Salarié 78 35.5 %
Fonctionnaire 36 16.4 %
Etudiant 72 32.7 %
Sans emploi 16 7.3 %
Profession
Travailleur autonome 17 7.7 %
Retraité 1 0.5 %
Tous les jours 187 85.0 %
Fréquence
1 à 3 fois par semaine 32 14.5 %
d’utilisation
Au moins une fois par 1 0.5 %
d’internet
semaine
Source : Auteurs de l’article

67
Ayoub Bourchich & Boubker Nejjar. Les déterminants de l’achat en ligne en période de la Covid-19 : Approche quantitative
« Une étude Post confinement »

5.2 La fidélité et la validité des échelles de mesure

Avant de passer aux analyses statistiques, il est nécessaire de vérifier la fidélité interne des
échelles de mesure que nous avons adoptée à travers l’Alpha de Cronbach, vu que c’est un
indice qui estime la cohérence interne des items de nos construits.
Tableau 2 : Analyse de fiabilité

Échelles de mesure /
Alpha de Cronbach Alpha de Cronbach en cas de
Concepts Auteurs
(Voir annexe) suppression de l’élément
(Voir annexe)
Attitude (6 items) Limayem and Rowe (2006) 0.519 Attitude 5 Exclu (0.731)

Risque perçu de
Auteurs du présent article 0.875
contagion (2 items)

Utilité perçue (6 items) Limayem and Rowe (2006) 0.679 Utilité 4 Exclu (0.728)

Intention (4 items) Limayem and Rowe (2006) 0.869

Source : Auteurs de l’article
Selon Robert A. Peterson (1994), Nunnally en 1978 a proposé dans la 2ème edition de
« psychometric theory » une règle de base à savoir qu’il faut obtenir au moins une valeur
d’alpha de Cronbach entre 0.70 et 0.79 pour que l’échelle soit acceptable, entre 0.80 et 0.90
l’échelle est « parfaitement cohérente » et au-delà de 0.95 signifie qu’il y’a probablement
« des redondances des items ». En revanche, une valeur entre 0.60 et 0.69 sera dite
« questionnable », entre 0.50 et 059 elle est qualifiée de pauvre et lorsque la valeur d’Alpha
est inférieure à 0.50, l’échelle est « inacceptable ».
Comme présenté dans le tableau (2), on a obtenu pour la variable « Attitude » un alpha de
Cronbach de 0.519 qui représente une valeur très faible. Donc, nous avons retiré un seul item
(Attitude 5) pour pouvoir améliorer la qualité du modèle, pour enfin avoir une valeur de
0.731. La même chose pour la variable « Utilité perçue », nous avons obtenu une valeur de
0.679, mais avec la suppression de l’item (Utilité 4) le score de l’Alpha de Cronbach devient
0.728.
Au final, pour les deux variables « Risque perçu de contagion » et « Intention », nous
avons gardé tous les items attribués puisque nous avons obtenu pour le risque perçu de
contagion un Alpha de Cronbach de 0.875 et l’intention 0.869. Alors, les deux valeurs sont
supérieures à 0.70, ce qui signifie qu’ils ont un bon indice de fiabilité. Sur ce qui suit, nous
allons passer au test des hypothèses de recherche.
6. Résultats
6.1.Test des hypothèses
Sur cette partie, nous allons faire un rappel des hypothèses de recherche, ensuite nous
allons les tester sur la base des analyses de corrélation de Pearson.
H1 : il existe une relation, positive et significative entre l’attitude (favorable, défavorable)
envers les sites marchands et l’intention d’achat en ligne pendant la période de la crise
sanitaire (Covid-19).
L’hypothèse suppose que, plus le consommateur a une attitude positive envers les achats
en ligne en période de la crise sanitaire (Covid-19), plus il aura l’intention de réaliser un achat
sur internet.

68
www.ijafame.org
ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021), pp.60-77.
www.ijafame.org

Tableau 3 : Corrélation de Pearson entre l’attitude et l’achat en ligne pendant la période de la crise sanitaire
Covid19
Coefficient de corrélation
Variable Significativité
de Pearson
Attitude envers les achats en ligne
0.464 0.000
pendant la crise sanitaire (Covid-19)
Source : Auteurs de l’article
L’examen du tableau 3 montre qu’il existe une relation significative entre l’attitude et
l’intention (Sig = 0,000 ; P < 5%) et, en ce qui concerne le coefficient de corrélation (Pr =
0,464). Donc, les deux variables (Attitude, intention) sont corrélées positivement avec une
intensité moyenne. Nous pouvons conclure que l’hypothèse H1 est validée.
H2 : il existe une relation positive et significative entre le risque perçu de contagion et l’intention
d’achat en ligne pendant la période de la crise sanitaire
Notre deuxième hypothèse suppose que plus le risque perçu de contagion par le Corona virus est
élevé, plus l’intention de réaliser les achats sur internet est élevée.
Tableau 4 : Corrélation de Pearson entre le risque perçu de contagion et l’achat en ligne pendant la période de
la crise sanitaire Covid19
Coefficient de corrélation
Variable Significativité
de Pearson
Risque perçu de contagion quant aux achats
en ligne en période de crise sanitaire 0.453 0.000
(Covid-19)
Source : Auteurs de l’article
L’examen des résultats présentés dans le tableau 4 ci-dessus montre qu’il y a une relation
très significative entre le concept risque perçu de contagion et l’intention (Sig = 0.000 ; P <
5%), pour le coefficient de corrélation (Pr = 0.453). Donc, les deux variables sont corrélées
positivement avec une intensité moyenne. Nous pouvons conclure que l’hypothèse H2 est
validée.
H3 : il existe une relation positive et significative entre l’utilité perçue de l’achat en ligne
en période de la Covid-19 et l’intention d’achat comportementale d’effectuer les achats à
partir du Web
L’hypothèse suppose que, plus le consommateur ne perçoit les avantages et l’utilité quant à
l’achat en ligne pendant la crise sanitaire (Cobid-19), plus l’intention d’effectuer les achats en
ligne n’est élevée.
Tableau 5 : Corrélation de Pearson entre l’utilité perçue et l’achat en ligne pendant la période de la crise
sanitaire Covid19
Coefficient de corrélation
Variable Significativité
de Pearson
L’utilité perçue envers les
achats en ligne en période de 0.582 0.000
crise (Covid-19)
Source : Auteurs de l’article
L’examen des résultats présentés dans le tableau 4 indique qu’il y a une relation très
significative entre la variable utilité perçue et l’intention (Sig = 0,000 P < 5%). En effet, le
coefficient de corrélation de Pearson (Pr = 0,582; P < 5%), ce qui explique que les deux
variables sont corrélées positivement avec une forte intensité. Nous pouvons conclure que
l’hypothèse H3 est validée.
En parallèle avec l’analyse de la corrélation, nous allons nous assurer qu’il n’existe pas
d’effet de multi-colinéarité entre les variables. Pour ce faire, nous devons examiner
l’indicateur de la multi-colinéarité qui est le VIF (voir tableau 6).
69
Ayoub Bourchich & Boubker Nejjar. Les déterminants de l’achat en ligne en période de la Covid-19 : Approche quantitative
« Une étude Post confinement »

Tableau 6 : Statistiques de colinéarité

Statistiques de
Variables colinéarité
VIF
ATTITUDE 1.198
RISQUE 1.195
UTILITÉ 1.379

Source : Auteurs de l’article

Le tableau au-dessus nous affiche les résultats suivants : la variable Attitude envers les
achats en ligne en période de la Covid-19 (VIF = 1.198 < 10), pour la variable risque perçu de
contagion en période de la crise sanitaire (VIF= 1.195 < 10). Enfin, pour l’utilité perçue
envers les achats en ligne pendant la période de la Covid-19 (VIF= 1.379 < 10).
Suite à ces résultats, nous constatons que toutes les valeurs de la VIF sont inférieures à 10,
ce qui explique qu’il n’y a pas une inflation de variance élevée. Nous pouvons conclure
qu’aucune variable n’est redondante, ainsi qu’il n’existe pas d’effet de multi-colinéarité entre
les variables étudiées. Par conséquent, on peut continuer l’analyse.
6.2.Test du modèle (régression linéaire multiple)
Précédemment, nous avons testé la relation de chacune des variables explicatives avec la
variable à expliquer de façon indépendante. Dans cette partie, nous allons tester l’intégralité
du modèle de recherche à travers la régression linéaire multiple, en utilisant la méthode « pas
à pas ». Cette dernière, permet d’analyser l’influence d’une sélection de variables explicatives
(indépendantes) sur une variable à expliquer (dépendante), aussi de garder le modèle le plus
économique en maintenant seulement les variables significatives et moins importantes dans
notre modèle de recherche.
Le tableau 7 affiche un récapitulatif de l’analyse de régression multiple selon la méthode
«pas à pas».
Tableau 7 : Récapitulatif des modèles
Erreur Sig.
R-deux
Modèle R R-deux standard de Variation de
ajusté
l’estimation F
Modèle 1 ,582a ,339 ,336 ,520 ,000
Modèle 2 ,633b ,401 ,396 ,496 ,000
Modèle 3 ,674c ,455 ,447 ,474 ,000
a. Valeurs prédites : (constantes), AVANTAGE, Source : Auteurs de l’article
b. Valeurs prédites : (constantes), AVANTAGE, ATIITUDE,
c. Valeurs prédites : (constantes), AVANTAGE, ATIITUDE, RISQUE
Dans l’analyse de la qualité du modèle, nous avons opté pour la méthode pas à pas afin de
garder seulement les variables significatives et puis éliminer les variables redondantes et peu
importantes. Nous retenons alors le 3ème modèle (voir tableau 7) avec un coefficient de
détermination R² = 0.455, signifiant que le modèle retenu explique 45.5% de la variance totale
de la variable dépendante « intention ». En ce qui concerne la significativité de Fisher, nous
avons obtenu un meilleur niveau de significativité qui est de SIG.F change = 0.000. C’est-à-
dire que l’équation de régression est très bonne et nous permet de conclure que les trois
variables explicatives (attitude, risque perçu de contagion, utilité perçue) contribuent de façon
très significative dans les scores de la variable dépendante (intention), nous n'avons pas retenu
le modèle 1 et 2 pour la simple raison que le bloc a et b ont fait entrer seulement deux
variables Avantage et Attitude alors que nous cherchons un modèle significatif et qui
regroupe l’ensemble des variables d’étude y compris risque de contagion cette dernière

70
www.ijafame.org
ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021), pp.60-77.
www.ijafame.org

variable a amélioré de façon significative le modèle 2 avec un R carré de 0.40 à 0.45 au

niveau du bloc c. Dans le tableau ci-dessous (tableau 8) nous allons présenter l’importance de
chaque variable explicative de notre modèle de recherche en analysant les coefficients
standardisés.
Tableau 8 : Coefficients
Coefficients non Coefficients Statistiques de
standardisés standardisés colinéarité
Modèle t Sig.
Erreur
A Bêta Tolérance VIF
standard
(Constante) ,101 ,304 -- ,331 ,741 -- --
Attitude .372 ,077 ,265 4,825 ,000 ,835 1,198
Utilité perçue ,427 ,068 ,372 6,312 ,000 ,725 1,379
Risque perçu
,216 ,047 ,253 4,603 ,000 ,837 1,195
de contagion
Source : Auteurs de l’article
Le coefficient standardisé bêta est interprété de la même manière que le coefficient de
régression de Pearson, si bêta en valeur absolue est inférieure à 0.29 l’effet est faible, puis si
bêta est situé entre 0,30 et 0.49 l’effet est moyen. Enfin, si bêta en valeur absolue est
supérieur à 0,50 l’effet est fort.
Rappelons que l’objectif de cette étape est d’extraire les variables qui contribuent le plus
dans l’explication du phénomène étudié. Suite à l’analyse du tableau 7, nous constatons que le
coefficient standardisé 0.372 de la variable « utilité perçue » est le plus haut coefficient,
ensuite vient la variable « attitude » avec un coefficient standardisé bêta de 0.265 et
finalement la variable « risque perçu de contagion » vient en dernier avec un coefficient
standardisé bêta 0.253.
Les résultats obtenus dans le tableau 8 nous permettent de conclure que la variable « utilité
perçue » vis-à-vis les achats en ligne en période de la crise sanitaire (Covid19), contribue le
plus sur les intentions des consommateurs vis-à-vis les achats en ligne pendant la même
période. Cette conclusion rejoint parfaitement l’analyse de coefficient de corrélation de
Pearson, puisque la variable « utilité perçue » a obtenu le coefficient de Pearson le plus élevé
(Pr = 0.582) suivi de l’attitude avec un coefficient de corrélation (Pr = 0.265).
7. Discussion et implications managériales
Les résultats de l’analyse statistique menée auprès de 220 consommateurs (acheteurs en
ligne / non acheteurs) nous ont permis d’expliquer l’intention d’adoption du Web comme
canal d’achat en période de la crise sanitaire de la covid-19 à travers trois facteurs.
7.1.Influence de l’attitude envers l’achat en ligne en période Covid-19
L’hypothèse qui suppose une relation entre l’attitude et l’intention d’achats en ligne a été
validée au niveau de notre échantillon. Ce constat est conforme avec la théorie de l’action
raisonnée (Fishbein et Azjen, 1975), du comportement planifié (Ajzen, 1991), et le modèle de
l’acceptation de la technologie (Davis, 1989). Plusieurs auteurs ont pu confirmer les mêmes
résultats, Limayem et Rowe (2006) dans leur étude comparative, ont vérifié l’influence de
l’attitude sur deux échantillons de la France et Hong Kong. Notre résultat reste en accord avec
les travaux antérieurs, sauf que l’objectif d’inclure l’attitude dans notre modèle conceptuel est
de tester son effet sur les intentions de magasinage en ligne dans le nouveau contexte de la
Covid-19. Il s’est avéré que même avec ce climat de la pandémie, l’attitude reste un des
déterminants qui peuvent prédire le comportement des consommateurs dans l’adoption du
Web pour faire des achats, même si plusieurs études ont été réalisées, confirment que le
consommateur marocain a toujours des freins vis-vis du commerce électronique prenant le cas

71
Ayoub Bourchich & Boubker Nejjar. Les déterminants de l’achat en ligne en période de la Covid-19 : Approche quantitative
« Une étude Post confinement »

de l’étude de El Haraoui, I et al. (2018) démontrent que le consommateur marocain n’a

toujours pas la culture d’achat en ligne, ce dernier concept qui a été traduit dans l’habitude de
voir et toucher le produit ainsi le pouvoir de négociation, prend la première place au niveau
des freins d’achat en ligne avec un taux de 51.5% en suite les raisons liées aux siteWebs à
savoir (la sécurité de paiement, la qualité de produit et la facilité de paiement) occupent la
deuxième place avec un pourcentage de 31 % . On peut recommander alors aux acteurs d’e-
commerces à offrir un contenu original et transparent. Puis, il est recommandé de se focaliser
sur l’expérience des internautes, en proposant une fluidité dans tout le processus de la
passation des commandes, en vue de rendre la visite et l’achat agréable. Notons aussi que les
épidémies ne sont plus des épiphénomènes, elles posent de véritables défis managériaux
(Nejjar, 2020). Alors le pôle marketing des entreprises doit consacrer ses efforts
essentiellement sur la communication média et hors média, afin de former une attitude
favorable chez les visiteurs des sites marchands.
7.2.L’influence de l’utilité perçue
L’hypothèse qui suppose une relation positive et significative entre l’utilité perçue et
l’intention d’achat en ligne en période de la Covid-19 est vérifiée. L’analyse de régression
montre que l’utilité perçue a le plus grand effet sur les intentions comportementales à l’égard
des achats à partir du WEB en période de la Covid-19. Ce constat obéit au modèle de
l’acception de la technologie (TAM) de Davis (1989), qui montre que l’intention est affectée
par l’utilité perçue à travers l’attitude (variable médiatrice), mais aussi l’utilité perçue affecte
l’intention de façon directe. Ceci signifie que le consommateur ne développe une intention
quant aux achats en ligne durant cette période épidémiologique, que lorsqu’il aperçoit un
avantage à l’égard du magasinage en ligne ; comme le fait d’éviter la foule, la livraison à
domicile et le gain du temps…etc. Nous suggérons aux praticiens du domaine de mettre en
avant les avantages mentionnés précédemment sur leurs vitrines électroniques, à travers les
différents outils de communication. Afin de développer le sentiment et la volonté de réaliser
les achats sur le Web, pour finalement avoir un bon niveau de conversion dans leurs sites e-
commerces.
7.3.L’influence du risque perçu (risque perçu de contagion)
L’hypothèse suppose une relation entre le risque perçu de contagion et l’intention d’achat
en ligne en période de la Covid-19. L’analyse de corrélation confirme qu’il y a une relation
positive significative, sauf que l‘analyse de régression donne à cette variable la dernière place
en matière d’effet (effet faible). Ce résultat a été inattendu, vu qu’on a prévu que cette
variable aura l’effet le plus élevé, suite à la situation épidémiologique qui s’empire jour après
l’autre. En effet, ce constat rejoint les résultats des recherches antérieures, notamment les
résultats de l’étude du cabinet Criteo en 2020 sur la base de 5 pays à savoir la France,
l’Espagne, la Corée du Sud, US et UK (voir p7,8), cette dernière confirme avoir chez la
plupart des consommateurs des orientations envers les achats électroniques pour des raisons
épidémiologiques, ceci approuve que la perception des risques influence l’intention
comportementale quant à l’achat en ligne (Vijayasarathy & Jones, 2000). Donc, pour appuyer
sur le sentiment d’assurance chez le consommateur, les gestionnaires des sites Web en ligne
sont amenés à communiquer clairement les gestes et les mesures protectionnistes qu’ils
adoptent dans le processus de la préparation de la commande jusqu’à son arrivée.
8. Conclusion et limites de recherche
L’objectif de cet article consiste à déterminer les facteurs qui influencent les achats en
ligne dans le contexte actuel de la pandémie. Pour ce faire, nous avons développé notre
modèle conceptuel en nous référant au modèle de l’acceptation de la technologie (TAM) de

72
www.ijafame.org
ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021), pp.60-77.
www.ijafame.org

Davis (1989). Nous avons introduit dans notre modèle conceptuel les construits « Attitude »,
« utilité perçue », « intention » et la variable que nous avons nous-mêmes proposé « risque
perçu de contagion ». Les résultats obtenus stipulent que l’attitude et l’utilité perçue agissent
favorablement sur l’intention d’achat en ligne en période de la crise sanitaire (Covid19).
Le coefficient standardisé bêta entre le risque perçu de contagion et l’intention affiche le
coefficient le plus faible par rapport à l’attitude et l’utilité perçue. Ce résultat explique que la
progression du secteur e-commerce au Maroc depuis le début 2020 n’est pas due seulement à
la crise sanitaire, mais nous pouvons dire que mis à part le risque d’attraper le virus,
l’évolution des achats sur les vitrines électroniques est influencée par d’autres facteurs.
Comme nous avons pu démontrer, l’attitude et l’utilité perçue prennent la première place dans
l’analyse de régression, ce qui signifie que le consommateur marocain développe de plus en
plus une attitude favorable vis-à-vis les sites web marchands. Ainsi, il est devenu conscient
des avantages qu’il peut tirer, à travers ce choix de magasinage (gain de temps, moins de
promiscuité sociale, livraison, promotions). Par ailleurs, le fait que la variable « risque perçu
de contagion » a un effet faible, cela peut s’expliquer par la période durant laquelle nous
avons entamé notre enquête qui s’est déroulée quelques mois après le confinement. Ceci dit
que la panique et la peur vis-à-vis la pandémie (Covid-19) ont visiblement diminué chez le
consommateur, et nous pouvons dire en fin de compte que l’étude que nous avons menée nous
a montré que la pandémie n’a contribué que faiblement dans l’évolution du pôle achats
électroniques au Maroc.
Toutefois, ce travail comprend quelques limites, comme tous les travaux scientifiques, dus
en premier lieu à la méthode de collecte de données. La méthode de boule de neige que nous
avons adoptée dans cet article présente un certain nombre de limites. Même si cette méthode
s’adapte le plus à notre recherche, nous n’avons pas eu accès à une base de données solide.
Ainsi, l’enquête en ligne présente un obstacle qui réside dans l’absence de l’enquêteur qui
pourra répondre et clarifier aux éventuels points d’ombre dans le questionnaire. Cela peut être
expliqué par les parties du questionnaire qui n’ont pas été remplies, ce qui nous a permis de
ne pas les prendre en considération dans l’étude statistique. Notant aussi que notre modèle de
recherche a été validé sur le plan statistique, mais nous ne pourrons pas le généraliser, vu que
la taille de notre échantillon est relativement faible pour mieux prédire l’usage du Web
comme canal d’achat dans le contexte marocain, et particulièrement en période de la
pandémie.
Par ailleurs, toutes les échelles de mesure ont été retenues de la littérature, excepte
l’échelle mesurant la variable « risque perçu de contagion » que nous avons proposée nous-
mêmes et qui n’a jamais été utilisée dans d’autres travaux. Rappelons que la variable « risque
perçu de contagion » a eu le plus faible score dans l’analyse de corrélation, chose qui remet en
question la fidélité interne de l’échelle utilisée même si nous avons obtenu un Alpha de
Cronbach élevé.

73
Ayoub Bourchich & Boubker Nejjar. Les déterminants de l’achat en ligne en période de la Covid-19 : Approche quantitative
« Une étude Post confinement »

Références
(1) Ajzen, I. (1991). ORGANIZATIONAL BEHAVIOR AND HUMAN DECISION
PROCESSES, 50, 179-211.
(2) Ajzen, I. (1991). The Theory Of Planned Behavior. Organizational Behavior and
human decision processes (No.50, 179-211), 183.
(3) Ajzen, I., & Madden, T. J. (1986). Prediction of Goal-Directed Behavior: Attitudes,
Intentions,. 22, 453-474.
(4) Davis, F., & al. (1989). User Acceptance of Computer Technology : A Comparison of
Two Theorical Models. Management Science, Vol 35(No. 8).
(5) Doll, J., & Ajzen, I. (1992, Novembre). Accessibilty and stability of predictors in
theory of planned behavior Journal of Personality and Social Psychology, No. 5, 754-
765.
(6) Emin, S. (2004). Les facteurs déterminant la création d'entreprise par les chercheurs
public : Application des modèles d'entention . Revue de l'entrepreneuriat, Vol.3(n°1),
1 à 20.
(7) El haraoui, I.,& Qmichchou, M. et Azouaoui (2018 April).Réticence du
consommateur Marocain a acheter en ligne (revisitée): Une culture d'achat sous-
estimée. (RePeMCo, 2018), Marketing durable : entre stratégies responsables et
création de valeur, Ecole Nationale de Commerce et de Gestion (ENCGK), Université
Ibn Tofail, Kénitra, le 23 et 24 Mars 2018.
(8) Gabarino, E., & Strahilevitz, M. (2004). Gender differences in the perceived risk of
buying online and the effects of receiving a site recommendation. Journal of Business
Research(No. 57).
(9) Gronhaug, K., & Stone, R. (1995). Why perceived risk failed to achieve middle range
theory status : A retrospective reaserch note. European Advances in Cosumer
Research, Vol 2, PP 412-417.
(10) Hajraoui, K., & Chalabi, H. (2021). Impact du confinement du a la pandemie du
SARS-COV-2 sur le comportement d'achat et la fréquentation des points de vente des
produits alimentaire au Maroc. Revue d'étude en management et finance
d'organisation.
(11) Kaplan, L. B., & Jacoby, J. (1974, June). components of perceived risk in product
purchase : a cross validation. Journal of Applied Psychology.
(12) Keith B. Murray. (1991, January). A Test of Services Marketing Theory : Consumer
Information Acquisition Activities. Journal of Marketing Vol. 55, No 1, pp 10 - 25
(13) Limayem, & al. (2000). What Makes Consumers Buy from Internet ? A Longitudinal
Study of Online Shopping. IEEE TRANSACTIONS ON SYSTEMS, MAN, AND
CYBERNETICS—PART A: SYSTEMS AND HUMANS.
(14) Limayem, M., & Rowe, F. (Comparaison des facteurs influençant les intentions
d'achat à partir du Web à Hong Kong et en France: influence sociale , risques et
aversion pour la perte du contact). Revue française du marketing
(15) Mesenbourg, T. (2001, August). Measuring Electronic Business. Consulté le Mai 01,
2021.
(16) Nejjar, B. (2020, Septembre). SUPPLY CHAIN ET CRISES SYSTEMIQUES :
L'APPORT DES METHODES DE MODELISATION ET DE SIMULATION POUR
AMELIORER LA RESILIENCE- CAS DE LA PANDEMIE DE COVID-19.
International Journal of Accounting, Finance, Auditing, Management and Economics,
1, 2-22.

74
www.ijafame.org
ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021), pp.60-77.
www.ijafame.org

(17) Oueslati, H ., & El Louadi, M. (2014). Caractéristiques individuelles et intention

d'achat sur internet. Association Tunisienne des Sciences de Gestion, 6ème Colloque
International de la recherche en sciences de gestion
(18) Piaptie, G. (2008). Le commerce electronique: Opportunités de développement dans
les pays pauvres. Terminal.
(19) Robert, P. (1994, september). A Meta-analysis of Cronbach's Coefficient alpha.
Journal of Consumer Research, Vol. 21, No. 2, pp. 381-191.
(20) Sabik, S. (2014, May). Les facteurs déterminants de l'intention de l'achat en ligne :
cas des maghrébins immigrés au canada. Mémoir de fin d'étude soutenu à l'université
du Québec à Montréal.
(21) Triandis, H. (1979). Values, attitudes, and interpersonal behavior. Nebreska
Symposium on motivation,. University of Nebreska Press, Lincoln.
(22) Venkatesh, & Brown, S. (2001, March). A longitudinal investigation of personal
computers in homes : adoption determinants and emerging challenges. MIS Quarterly.
(23) Venkatesh, V., & al. (2003, Septembre). USER ACCEPTANCE OF
INFORMATION TECHNOLOGY: TOWARD A UNIFIED VIEW. MIS Quarterly,
Vol. 27(No. 3).
(24) Vijayasarathy, L. R., & Jones, J. M. (2000). Print and Internet catalog shopping :
assessing attitudes and intention. Internet Research: Electronic Networking
Applications and Policy, 10(3), 191-202.
(25) Zaoui, I. (2009, May). Orientation de shopping et intention d'achat en ligne. Actes du
25ème Congrès international de l'AFM

75
Ayoub Bourchich & Boubker Nejjar. Les déterminants de l’achat en ligne en période de la Covid-19 : Approche quantitative
« Une étude Post confinement »

Annexes
Annexe1 : Achats les 12 derniers mois
Effectifs Pourcentage Pourcentage Pourcentage
valide cumulé

Oui 147 66,8 66,8 66,8

Valide Non 73 33,2 33,2 100,0

Total 220 100,0 100,0

Annexe 2 : Fiabilité

Statistiques de fiabilité
(Risque perçue de contagion)
Statistiques de fiabilité (Utilité
perçue)
Alpha de Nombre
Alpha de Nombre
Cronbach d'éléments
Cronbach d'éléments
,875 2
,697 6

Statistiques de fiabilité (Intention

Statistiques de fiabilité (Attitude) d’achat sur internet)

Alpha de Nombre Alpha de Nombre

Cronbach d'éléments Cronbach d'éléments

,519 6 ,869 4

Annexe 3 : Corrélations
ATIITUDE RISQUE INTENTION UTILITE
PERCUE
Corrélation de Pearson 1 ,189** ,464** ,406**
ATIITUDE Sig. (bilatérale) ,005 ,000 ,000
N 220 220 220 220
Corrélation de Pearson ,189** 1 ,453** ,403**
RISQUE Sig. (bilatérale) ,005 ,000 ,000
N 220 220 220 220
Corrélation de Pearson ,464** ,453** 1 ,582**
INTENTION Sig. (bilatérale) ,000 ,000 ,000
N 220 220 220 220
Corrélation de Pearson ,406** ,403** ,582** 1
UTILITE PERCUE Sig. (bilatérale) ,000 ,000 ,000
N 220 220 220 220
**. La corrélation est significative au niveau 0.01 (bilatéral).

76
www.ijafame.org
ISSN: 2658-8455
Volume 2, Issue 5 (September, 2021), pp.60-77.
www.ijafame.org

Annexe 4 : Récapitulatif des échelles de mesure

Concept Auteur Items

Attitude • l'achat à partir du Web est agréable.

envers • j'aime faire des achats à partir du Web
l’utilisation • l'achat à partir du Web est excitant.
Limayem et •
d’internet en j'apprécie les achats à partir du Web.
Rowe (2006) • Je déteste faire des achats à partir du Web.
période la
Covid-19 • l'achat à partir du Web est ennuyeux.
• l'achat en ligne permet de gagner du temps
• l'achat en ligne est moins fatiguant que d'aller sur place
Utilité perçue • l'achat en ligne permet de choisir les produits
AKermi et
de l’achat en tranquillement
zaoui (2003) et • l'achat en ligne offre des promotions non disponibles en
ligne en
repris par magasin
période de la
Zaoui, I
Covid19 • l'achat en ligne permet de bénéficier de la livraison à
(2009)
domicile
• l'achat en ligne permet d’éviter la foule
• En achetant en ligne, je diminue le risque de choper le
Risque perçue Auteur du virus
contagion présent article • En achetant en ligne, je diminue le risque de propager
le virus, si je suis contaminé

Intention • J'ai l'intention de faire des achats à partir du Web,

d’achat en • Il est probable que je fasse des achats à partir du Web
Limayem et • Je compte faire des achats à partir du Web durant la
ligne en
Rowe (2006) crise sanitaire
période de la
Covid-19 • J'achèterai à partir du Web durant la crise sanitaire

77