Notes
-
[11]
La théorie des sous-ensembles flous est une théorie mathématique du domaine de l’algèbre abstraite.
-
[22]
Le modèle de Kirkpatrick a été étendu par Philips (1994) qui y ajoute un niveau additionnel et notamment le calcul du rendement de la formation.
-
[33]
Il faut souligner que ce modèle prête le flanc à quelques critiques : sur ce point voir par exemple Kraiger et al. (1993), Holton (1996), Alliger et Janak (1989).
-
[44]
Historiquement, la théorie des ensembles flous a été initiée par L.A. Zadeh (1965), puis développée par D. Dubois et H. Prade (1980).
-
[55]
Voir par exemple L. A. Zadeh (1989).
-
[66]
La théorie bi-factorielle stipule que la satisfaction et l’insatisfaction constituent deux construits indépendants et non pas contraires.
-
[77]
Cette présentation emprunte beaucoup à. F. Pittaluga et al., (2002) et F. Pittaluga et al. (2004).
-
[88]
Malgré de nombreux développements théoriques intéressants, les travaux empiriques achoppent sur un problème méthodologique de taille et notamment la difficulté de déterminer une spécification de la fonction d’appartenance. Il semble bien en tout cas que les auteurs se sont attelés, dans la pratique, au fond à résoudre le moins mal possible un problème méthodologique qui n’a pas une seule solution. Plusieurs méthodes et plusieurs variantes permettent de calculer les fonctions d’appartenance.
-
[99]
9 S. Lelli (2001) présente bien ces différentes formes : linéaires, trapézoïdales, gaussiennes, sigmoïdes.
-
[1010]
F. Pittaluga et al. (2002), puis F. Pittaluga, N. Salvati et C. Seghieri (2004) s’intéressent à la pauvreté dans les communautés de pêche artisanale en Afrique noire.
-
[1111]
Le mot a pour origine le latin aggregatio qui signifie réunion d’éléments. Tel est le but ultime de l’agrégation : assembler plusieurs types d’information dans une seule et unique mesure.
-
[1212]
C’est une formation présentielle, c’est-à-dire qui se fait en présence des formateurs.
1. Introduction
1 Sans entrer dans le débat relatif à l’évaluation, il est possible de trouver dans les travaux de Posavac et Carey, (1980), une formulation définitionnelle simple et adaptée à notre sujet. Posavac et Carey (1980) estiment que l’évaluation est un ensemble des méthodes, des techniques de qualités et de perspicacité, à travers lesquelles on peut déterminer si un service, offert naturellement à des personnes, est nécessaire et susceptible d’être utilisé, et s’il est dispensé de la façon prévue.
2 La formation est un objet qui a soulevé dans le passé et continue de soulever tant de questions ouvertes, qui mérite d’être étudié avec force précautions. Une importance est reconnue par les scientifiques et les experts à la formation, qu’il s’agisse de la définir ou même de faire son apologie : se former est un processus d’acquisition de connaissances, de savoir-faire, de comportements, permettant l’essor désirable ou désiré des compétences ( capacités remarquables).
3 Cela est d’autant vrai que les normes ISO soutiennent fortement le développement de la formation, et deux d’entre elles, nommément la norme ISO 9001 et la norme ISO 29990, se démarquent dans leur influence sur le développement des pratiques d’évaluation des formations (cf. Pottiez, 2013). La norme ISO 9001:2000 remplaçant les trois premières normes (9001, 9002 et 9003) depuis le 15 décembre 2000, date à laquelle le Comité européen de normalisation (CEN) l’a adoptée, qui comprend un chapitre (6.2.2) intitulé « Compétence, sensibilisation et formation » dans lequel il est notifié que l’entreprise certifiée doit évaluer l’efficacité de ses actions de formation. Et, la norme ISO 29990, créée en octobre 2010, dédiée aux organismes de formation, qui revêt un objectif ambitieux : celui de certifier « la qualité des services des prestataires de formation ».
4 Aussi, beaucoup d’intellectuels s’accordent sur l’importance de l’évaluation de l’efficacité de la formation : par exemple Kirkpatrick (1998), Phillips (1997) et Russ-Eft et Preskill (2001).
5 Mais, dans les faits cette évaluation est peu réalisée. Les études appliquées qui visent à évaluer l’efficacité de la formation, trouvent généralement leur inspiration dans le cadre d’analyse du modèle de Kirkpatrick (1959), lequel, dans sa version la plus simple, définit de façon claire quatre niveaux qui illustrent la hiérarchie existant entre quatre critères d’évaluation. Tout d’abord, le premier niveau résout un problème double : il doit identifier des participants à la formation les réactions et apprécier leur degré de satisfaction. Le deuxième niveau s’ingénie à fournir la mesure de l’apprentissage des utilisateurs, apprentissage approuvé par l’amélioration des attitudes, l’élargissement du champ des connaissances, les compétences étendues et fortifiées. Ensuite, le troisième niveau s’attache à l’explication des changements comportementaux des individus survenant après une action de formation. Et enfin, le quatrième niveau a la tâche délicate de mesurer les résultats finals, de mettre en évidence les effets induits de la formation dans la société. Tout bien considéré, ceci revient à se demander, en fait, si l’individu a finalement apprécié la formation (niveau 1), ce qu’il en a réellement retenu (niveau 2), s’il projete de changer ses comportements au travail (niveau 3) et quels changements cela pourrait amener dans l’organisation du travail (niveau 4).
6 Un des objectifs des travaux empiriques centrés sur cette approche est d’évaluer la satisfaction des bénéficiaires de la formation. Les leçons à tirer des travaux empiriques sur l’étude de l’efficacité de la formation et sur cette évaluation de la satisfaction sont, certainement, dans le point de vue de Gérard (2003), très clair et nuancé, que le questionnaire de satisfaction est parfois traité de manière plus intuitive que systématique et, par ainsi, ne fournit réellement que peu d’informations intéressantes. L’observation des méthodes pratiques de l’évaluation de la satisfaction, ou de l’insatisfaction, dans ce contexte, revêt un intérêt particulier.
7 La question de la satisfaction offre une réalité différente selon l’angle d’analyse considéré et soulève un intérêt croissant dans les sciences sociales. Celle-ci peut être traitée à partir du paradigme en termes de confirmation des attentes (expectations), en supposant que la satisfaction est un état émotionnel positif (Locke, 1969), ou état psychologique (Oliver, 1981), ou sentiment éprouvé par quelqu’un à partir d’une perception (Noyé, 2000).
8 Le modèle de non-confirmation des attentes, proposé par Oliver (1980) et couramment utilisé, conceptualise la satisfaction à partir des trois notions que sont la comparaison, les attentes préalables (formées avant la transaction) et les perceptions. Il postule que la satisfaction est le résultat de la comparaison entre les attentes préalables et la performance perçue du bien ou du service. Lorsque la qualité perçue est inférieure à la qualité attendue, il en résulte de l’insatisfaction (non-confirmation négative). Contrairement, lorsque la qualité perçue est supérieure à la qualité attendue, le client ressent une forte satisfaction (non-confirmation positive). Enfin, lorsque la qualité perçue est égale à la qualité attendue, l’individu éprouve une simple satisfaction (ce sentiment se situe dans une zone de normalité). Telle configuration considère la satisfaction comme une variable latente ; c’est dire que la satisfaction ne peut être évaluée directement et pour l’atteindre, il est nécessaire d’évaluer des concepts intermédiaires, lesquels peuvent être également des variables latentes, telles que la qualité perçue ou les attentes. En outre, les résultats du modèle de non-confirmation sont testés dans la cadre de la théorie des ensembles classiques, laquelle suppose la certitude complète et la précision dans le jugement humain des phénomènes.
9 Depuis le début des années 2000, d’autres outils d’analyse, en lien avec le développement et les applications de la théorie des ensembles flous [11], sont mis en œuvre pour évaluer le degré de satisfaction. Ces modèles sont fondés sur la notion de satisfaction en tant que représentation mentale et sociale (voir sur ce point par exemple Jouandeau, 2004). Cette réorientation de la définition au profit d’une logique de représentation, a trouvé, en effet, avec la théorie des ensembles flous un cadre formel particulièrement bien adapté pour la détermination des indices de satisfaction, ou de l’insatisfaction. La réflexion présente privilégie cette approche.
10 Même si l’intérêt d’une telle approche est évident, sa mise en œuvre est délicate dans la mesure où le choix d’une fonction d’appartenance est très discuté dans la littérature existante sur les ensembles flous. Cette fonction présente des difficultés de réalisation en pratique, du fait qu’il n’existe pas de règle parfaite.
11 Dans les applications, on caractérise la forme de la fonction d’appartenance de chaque variable considérée soit par le concept de distance (voir par exemple l’étude de Jouandeau, 2004), soit par le concept de fréquence (Cheli et Lemmi, 1995). Pour dériver les fonctions d’appartenance des variables, cette étude utilise le concept de fréquence et plus précisément, la démarche décrite dans Cheli et Lemmi (1995). Au centre de l’intérêt qu’offre cette perspective se trouve ce fait majeur que le degré d’appartenance de chaque individu dans l’ensemble flou considéré, est fonction de sa position dans la distribution de l’indicateur dont il est question.
12 La problématique étudiée dans cet article est issue du processus de travail de ceux qui tentent de mesurer la satisfaction, ou l’insatisfaction, des bénéficiaires d’une action de formation. Et, l’objectif de cette étude est d’œuvrer à l’enrichissement de la littérature sur l’étude de l’efficacité de la formation, en proposant, dans l’estimation de la satisfaction, ou de l’insatisfaction, des participants l’utilisation de la logique floue. Il importe de dire que l’objet principal de notre propos qui suit, n’est pas de proposer une critique approfondie à l’approche de Kirkpatrick (1959). Mais celui-ci veut, en l’évoquant, uniquement montrer en quoi la logique floue contribue à la réflexion sur l’évaluation des formations.
13 Pour donner plus de portée à notre réflexion nous avons vérifié notre approche avec une étude concrète des données provenant d’une enquête de satisfaction relative à une formation initiale réalisée en France, et plus précisément en Loire-Atlantique, dans un centre privé de formation de professionnels de taxis.
14 Cette présentation consiste en trois points. La littérature sur le thème de l’évaluation de l’efficacité d’une formation fait l’objet du premier point. Le deuxième point permet d’identifier et de détailler la méthodologie de la recherche adoptée. Enfin, l’analyse et la discussion des résultats constituent le troisième point.
2. Cadre conceptuel
15 D’un point de vue analytique, le modèle de Kirkpatrick (1959) qui a souvent été utilisé depuis, définit quatre niveaux dans l’évaluation de la formation. La revue de la littérature permet d’identifier les outils pour évaluer l’efficacité d’une formation.
2.1. Nécessité d’évaluer la satisfaction des participants
16 L’apport méthodologique du modèle Kirkpatrick (1959) semble important car, c’est un des premiers qui essaient de prendre en considération tant de façon théorique qu’empirique l’évaluation de la formation [22]. Ce modèle est parvenu à établir quatre niveaux qui illustrent la hiérarchie existant entre quatre critères d’évaluation remarquables et fondés sur le plan pratique [33].
17 Niveau 1 – Mesure des réactions initiales des participants
18 Il existe des réactions des participants (ce qu’ils pensent du programme ou de l’activité) qu’il sied de cerner. Kirkpatrick (1998) associe ce niveau à une évaluation de la satisfaction : si la formation se veut efficace, elle doit générer des réactions favorables de la part des bénéficiaires. Plus fondamentalement, ces réactions sont contingentes aux questions touchant leur perception et leur satisfaction, et sont le plus souvent recueillies par l’entremise d’un questionnaire post-cours où les participants donnent leur niveau de satisfaction à l’égard de différents aspects de l’activité.
19 Niveau 2 – Mesure de l’apprentissage et des connaissances des participants
20 Il faut dépasser l’analyse des réactions pour déterminer ce que les participants ont acquis en termes de connaissances et de compétences en fonction des objectifs visés (c’est l’évaluation de la progression des bénéficiaires d’une formation), dans quelle mesure l’apprentissage et les connaissances des participants correspondent aux objectifs du programme. L’évaluation, détaillée et beaucoup plus approfondie, lorsqu’elle est amendée au niveau 2 pour pouvoir prendre en compte, non seulement, la progression des connaissances et des compétences des bénéficiaires, mais aussi, l’adéquation entre l’apprentissage des bénéficiaires et les objectifs du programme, permet d’obtenir une pertinence notable et d’éviter de conclure hâtivement que s’il n’y a pas eu de bons résultats en termes de modification de comportement, c’est parce qu’il n’y a pas eu apprentissage.
21 Plusieurs méthodes peuvent être utilisées à ce niveau, savoir : les évaluations avant et après les cours, les observations formulées par les tuteurs, les gestionnaires et/ou les pairs, les évaluations en équipe et les autoévaluations, les entrevues et les sondages.
22 Niveau 3 – Mesure du changement comportemental
23 Cette mesure ne prend tout son sens qu’avec l’examen des questions posées : l’apprentissage affecte-t-il le comportement des bénéficiaires d’une action de formation ? Dans leur quotidienneté, ceux-ci utilisent-ils les nouvelles connaissances acquises ? La réponse à ces questions permet l’appréhension du transfert des connaissances et, en effet, la conception d’une mesure de l’atteinte des objectifs de rendement. L’approche tente surtout, et selon ce raisonnement, de déterminer la contribution nette du programme suivi dans le changement de comportement des bénéficiaires.
24 Mais, il est possible de nuancer l’optimisme de cette conceptualisation au moyen d’une mise en pleine lumière de ses défaillances par Khezri (2008) que la mesure est absolument difficile à réaliser et qu’il est souvent difficile, voire impossible, de prédire le moment où les changements de comportement se produiront ; de sorte que le choix de la méthode d’évaluation ainsi que celui du moment (l’évaluation devrait se situer environ deux à trois mois après la formation) constituent des décisions importantes.
25 Pour faire face aux difficultés évoquées, les études du genre utilisent une kyrielle de méthodes : les évaluations avant et après les cours, les observations, les groupes de discussion, les entrevues, ...
26 Niveau 4 – Mesure des résultats finals
27 L’importance de ce niveau est de voir l’intérêt des résultats finaux associés à la formation, en exposant, sans prétendre à l’exhaustivité, les caractéristiques les plus importantes. Ce niveau s’offre à apprécier, non seulement, les résultats finaux obtenus à la suite de l’apprentissage, tant dans son application ou ses incidences sur la société, mais aussi, inclut une évaluation finale en ce qui concerne les attendus et les objectifs du programme. C’est, à coup sûr, l’évaluation la plus délicate. L’évaluateur a rivalisé de talents pour développer des indicateurs susceptibles de saisir cette réalité : l’accroissement de la productivité, la satisfaction des citoyens, la réduction des coûts, une plus grande satisfaction de la part des employés et une diminution du roulement du personnel.
28 D’un point de vue appliqué, il est difficile d’atteindre un tel objectif, d’autant plus que la détermination de ces résultats s’avère difficile, et ils n’ont pas toujours de relation de cause à effet avec la formation. Bien que la construction de la mesure et les applications numériques explicitement définies, soient compliquées, que les résultats du niveau 4 soient mesurés moins souvent que les autres, la qualité intrinsèque du modèle n’est pas en cause. L’optique de Kirkpatrick (1959) assure que, avec l’adoption de ce cadre logique, des résultats positifs aux évaluations d’un niveau donné augurent des résultats positifs au niveau suivant. « C’est parce qu’il y aura eu satisfaction qu’il y aura apprentissage ; c’est parce qu’il y aura eu apprentissage qu’il y aura changement de comportement ; et c’est parce qu’il y aura eu changement de comportement qu’il y aura résultats sur l’entreprise. » (Dunberry et Péchard, 2007, p. 8)
2.2. La mesure de l’impact de la formation
29 Dans le même esprit, l’habitude actuelle est pour beaucoup d’auteurs, calés sur ce courant d’analyse, de décomposer le problème posé en trois dimensions de recherches, et complémentaires inéluctablement, et hiérarchisées absolument, recourant chacune à des méthodologies, différentes, dont le choix est presque entièrement expliqué par des difficultés spécifiques (cf. Gérard, 2003 ; Khezri, 2008). Ces dimensions sont bien interprétées et justifiées par plusieurs auteurs, par exemple Gérard (2003) et Khezri (2008), dont cette présentation s’inspire :
30 - un premier niveau est celui concernant uniquement l’évaluation des acquis, ou encore l’efficacité pédagogique ;
31 - un deuxième niveau est celui qui concerne le transfert ;
32 - un troisième niveau proposé insiste de ce point du vue sur l’impact de la formation : la connaissance de l’efficacité pédagogique et l’application des acquis par les participants permet une meilleure compréhension des impacts de la formation.
33 L’inventaire de la littérature montre que la notion théorique de l’impact de la formation est constamment évoquée. Cependant, l’appréhension de cet impact soulève des difficultés importantes qui sont très étudiées.
34 Gérard (2003), émettant l’hypothèse qu’une action de formation dont il serait possible de prouver à la fois, et la pertinence des objectifs de formation, et l’atteinte de ceux-ci, et la mise en œuvre sur le terrain des compétences acquises, pourrait être considérée comme ayant un impact, même si celui-ci n’est ni observable ni observé, formule une lecture renouvelée sur cet impact et discute une spécification où l’impact de la formation est supposé être mesuré avec une formule d’application :
35 Impact = Pertinence × Acquis × Transfert.
36 À l’appui de ces considérations, Khezri (2008) applique, dans l’évaluation de l’impact de la formation, une méthode fondée sur les acquis du principe du test du Khi-deux. En effet, Khezri (2008) qui évalue l’efficacité de la formation dans le cas de la Poste tunisienne, au fond d’après l’argumentaire de Gérard (2003), considère trois dimensions : le déroulement de l’action de formation en d’autres termes la pertinence des plans de formation ; la satisfaction des participants (il estime les réactions des participants en fonction de leur satisfaction à l’égard de la formation, de leurs perceptions de la pertinence des plans et programmes de formation et de leurs perceptions de l’opportunité offerte pour le transfert des acquis) ; l’influence de leur vécu concret au sein de la Poste pour stimuler le transfert. Il procède au calcul du khi-deux pour comparer les résultats obtenus aux résultats prévus afin de déterminer la cohérence interne de chacune de ces dimensions, puis teste le degré de dépendance de ces trois variables, grâce au coefficient de contingence et au coefficient de corrélation. Ce principe est l’atout des interactions qui peuvent exister entre les trois dimensions.
37 Même si les méthodologies pour étudier l’efficacité de la formation se multiplient, on peut remarquer une faiblesse dans le traitement et l’évaluation de la satisfaction de participation associée à la formation. Globalement, les études se placent dans l’approche de non-confirmation et semblent partager l’idée que la satisfaction est basée sur des attentes et des perceptions.
38 Une définition de la satisfaction comme représentation mentale et sociale (Jouandeau, 2004) peut être aujourd’hui retenue, et les outils d’évaluation y afférents doivent, dans ce cas, prendre aussi cette forme ainsi que les échelles d’évaluation (cf. Jouandeau, 2004).
2.3. Des indicateurs de satisfaction flous
39 « La représentation se construit petit à petit, à partir d’expériences personnelles et collectives, avec une grande variabilité d’un individu à l’autre » (Jouandeau, 2004, p. 69). De façon générale, « l’appréciation que nous pouvons formuler sur une situation, un fait, une observation, un phénomène, une proposition… (tout sujet pouvant intervenir dans la satisfaction) est imparfaite à plusieurs titres » (Jouandeau, op. cit, p. 70), est imprécise et incertaine. En calculant un indice global de satisfaction, Jouandeau (2004) est parvenu à montrer l’intérêt de l’évaluation de la satisfaction par la logique floue.
40 Zadeh (1965 [44]) a introduit les ensembles flous comme une extension de la notion des ensembles classiques. Dans ses origines conceptuelle et mathématique, la théorie des ensembles flous est basée sur une présupposition que l’élément peut appartenir partiellement, non pas absolument, à une catégorie donnée. Au centre de l’intérêt qu’offre cette approche, se trouve ce fait majeur surtout qu’elle permet d’appréhender en un même formalisme imprécisions, incertitudes et ce qui est vague. La théorie des ensembles flous paraît très utile dans la compréhension du raisonnement humain [55] et permet :
41 - de démontrer que la satisfaction, qui excite le système du plaisir et la non-satisfaction (ou dissatisfaction), laquelle excite le système du déplaisir, ne seraient point d’une même échelle les deux extrémités [66], échelle qui faciliterait la tâche d’évaluation de la satisfaction ;
42 - de conceptualiser et de mesurer la satisfaction, ou même l’insatisfaction, comme un continuum des niveaux d’appartenance.
3. Méthodologie de la recherche
43 Préalablement, les spécifications formelles des ensembles classiques et des ensembles flous, quelques différences essentielles sont présentées. Ensuite, nous motivons la méthodologie, en particulier celle de la logique totalement floue et relative floue (TFR).
3.1. De la théorie des ensembles classiques à la théorie des ensembles flous
44 La différence fondamentale entre la théorie des ensembles classiques et la théorie des ensembles flous réside, en effet, dans la nature de l’inclusion des éléments de l’ensemble considéré. Dans la première théorie, les éléments sont soit inclus, soit exclus de l’ensemble. Alors que dans la deuxième théorie, ils ne sont pas exclus mais inclus normalement selon un degré de validité compris entre 0 et 1. Les théories de la logique floue permettent donc à un élément d’appartenir à plus qu’un seul ensemble exclusif selon divers degrés d’appartenance ou de validité. Chaque ensemble possède sa propre fonction d’appartenance déterminant le degré de certitude qu’un élément appartient à l’ensemble.
45 Afin de disposer d’un point de référence, la théorie des ensembles classiques est rapidement exposée avant celle des ensembles flous [77].
3.1.1. La théorie des ensembles classiques
46 Il est possible d’inférer que la performance du centre de formation considéré est optimale et provoque une faible insatisfaction globale (soit 0,19) auprès des bénéficiaires de la formation..
47 Soient Ξ un ensemble d’éléments x (x∈Ξ) et A un sous-ensemble classique de Ξ (A⊂Ξ) ; A est caractérisée par une application de Ξ dans [0, 1]. Cette application est appelée fonction d’appartenance. Désignons par µA(x) la fonction d’appartenance de x au sous-ensemble A (encore appelée le degré d’appartenance à A). x a deux statuts différents bien définis et incompatibles vis-à-vis du sous-ensemble A :
48 - soit x∉A, alors µA(x) prend la forme : µA(x) = 0 ;
49 - soit x∈A, alors µA(x) prend la forme : µA(x) = 1.
50 A est un sous-ensemble classique, si nous savons exactement quel élément appartient au sous-ensemble A et lequel n’y appartient pas. La théorie des ensembles classiques repose sur la logique binaire, à deux valeurs de vérités : 0 et 1 (non ou oui, faux ou vrai, satisfait ou non). Elle n’accepte que deux états possibles : un élément est inclus dans un ensemble ou il ne l’est point.
3.1.2. La théorie des ensembles flous
51 Un ensemble flou est totalement déterminé, défini par sa fonction d’appartenance. On attribue à chaque élément un « degré d’appartenance » à un ensemble au moyen d’une fonction d’appartenance.
52 Étant donnés un ensemble Ξ et x un élément de Ξ, et soit A un sous-ensemble flou de Ξ. A est caractérisé par le couple : [x, µA(x)]. Pour tout x∈Ξ, µA(x) est une fonction d’appartenance qui prend ses valeurs dans l’intervalle fermé [0, 1], c’est-à-dire que µA(x)∈[0, 1].
53 Les valeurs de µA(x) qui représente le degré d’appartenance de x à Ξ, peuvent être fixées dans une forme très intuitive :
54 - µA(x) = 0, si et seulement si x n’appartient pas à A ;
55 - 0 <µA(x)< 1, si et seulement si x appartient partiellement à A et son degré d’appartenance est donné par la valeur de µA(x) ;
56 - µA(x) = 1, si et seulement si x appartient complètement à A.
57 Telle théorie n’est pas facile à appliquer, le concept de fonction d’appartenance qui présente un grand intérêt pour la compréhension des indicateurs, n’étant pas exactement défini. Un fait, la littérature [88] n’a trouvé aucun consensus sur la manière d’évaluer dans la pratique les degrés d’appartenance, d’assigner des valeurs positives à la fonction d’appartenance, un nombre des techniques ont été adoptées, et à l’évidence, c’est un des points de la distinction centrale entre les différentes approches de logique floue proposées. Bref, la détermination des valeurs pratiques de la fonction d’appartenance a tourné à une discussion de méthodologies. Deux outils principaux ont été expérimentés pour le calcul des fonctions d’appartenance et notamment : la distance et la fréquence.
58 Le concept de distance est de différents abords mathématiques et de différentes formes fonctionnelles [99]. Ces représentations exigent la définition préalable, pour caractériser la fonction d’appartenance de chaque variable, de deux valeurs limites de l’« intervalle flou » et d’utiliser, dans cet intervalle, des approximations fonctionnelles, sous forme soit d’une fonction linéaire, soit d’une fonction triangulaire, ou trapézoïdale, ou gaussienne, ou sigmoïdale, qui amortit mieux les variations des valeurs résultats, par rapport à une fonction linéaire. Ce qui, du coup, donne prise à la critique sur les principales raisons qui, précisément, justifient le choix des seuils, qui n’est certainement pas neutre. La synthèse des constations permet de comprendre que les croyances subjectives du chercheur qui effectue l’analyse, représenteraient, en règle générale, la justification de la discrimination parmi les données des modalités, introduisant ainsi des hypothèses normatives dans toute la procédure (cf. S. Lelli, 2001).
59 C’est en opposant, à la première proposition ci-dessus, l’intérêt de définir les qualités d’adhésion, dans une direction différente, en référence à la distribution de l’élément considéré dans la société donnée que d’autres auteurs, tels que Cheli et Lemmi (1995), et par la suite Filippone et al. (2001), Betti et al. (2004), Betti et al. (2005), en sont arrivés à appliquer la notion de fréquence qui constitue un moyen utile de sortir plus facilement de la question des choix aprioristes (cf. Lelli, 2001). Cheli et Lemmi (1995) partagent inéluctablement ce point de vue inspiré de Desai et Shah (1988), que l’environnement social joue un rôle essentiel dans la mesure de la privation.
3.2. La logique TFR
60 Cheli et Lemmi (1995) ont proposé une approche qui sert à définir la fonction d’appartenance dans le cas d’indicateurs qualitatifs polytomiques et continus, qu’ils ont eux-mêmes considérée de « totalement floue et relative ». Totalement floue, car l’approche évite la spécification des seuils critiques inférieur et supérieur (comme dans les approches trapézoïdale et sigmoïde, par exemple). Totalement relative, car, pour un indicateur donné, le degré d’appartenance de chaque individu est sous la dépendance statistique de sa position dans la distribution de l’indicateur.
61 Pour mémoire, l’intention de Cheli et Lemmi (1995) était de suivre Cerioli et Zani (1990) qui visaient à surclasser l’approche traditionnelle en termes de seuils de pauvreté dans les premières tentatives d’utiliser les ensembles flous dans l’appréhension multidimensionnelle du phénomène de la pauvreté mais, en apportant des améliorations dans la conceptualisation de la fonction d’appartenance. Beaucoup des travaux, par la suite, ont utilisé cette fonction d’appartenance pour affiner leur esprit et enrichir l’intelligence sur la résolution des problèmes associés aux concepts sociaux et économiques : voir par exemple Betti, Cheli et Verma (2006), Betti et al. (2005), Betti et al. (2004), Pittaluga, Salvati et Seghieri (2004) [1010], Pittaluga et al. (2002). Bien sûr que cette liste n’est pas exhaustive.
62 La fonction d’appartenance TFR a une formulation forte. La démarche de Cheli et Lemmi (1995) peut être appliquée sans réserve à l’estimation de la satisfaction, ou l’insatisfaction, des bénéficiaires d’une action de formation.
63 À supposer que pour chaque unité statistique nous observons un vecteur X de k caractéristiques : X1, X2, …, Xn. µ( ) représente la fonction spécifique d’appartenance pour l’indicateur Xj (µ(xij) illustre une mesure de l’insatisfaction - nous nous intéressons ici à l’insatisfaction - spécifique pour la variable j).
64 L’approche TFR définit une spécification normalisée de la fonction d’appartenance, reflétant une relation monotone non linéaire entre Xj et µ( ), ce qui signifie que µ( ) dépend de la distribution de l’indicateur Xj et non seulement des valeurs extrêmes de l’indicateur (
65 Celle-ci prend en compte et est fondamentalement définie en termes de sa fonction de distribution, qui est notée ici H( ) :
66 (1) µ(xij) = H(xij) si l’insatisfaction en unité j croît quand Xj augmente
67 µ(xij) = 1 - H(xij) si l’insatisfaction en unité j croît quand Xj diminue
68 dont la forme normalisée est donnée par l’une des expressions et avec les significations suivantes :
69 (2) g(xij) = 0 dans le cas de l’hypothèse que xij =
71 De cette spécification, il est déduit une forme plus explicite et relativement générale de g(xij) :
72 (2’)
73 où les h( ) désignent les fréquences relatives de la distribution Xj.
74 La variable Xj joue un rôle crucial dans les résultats de répartition. En prenant l’ensemble des catégories (ou des valeurs que Xj illustrent, si elle est quantitative et discrète), nous avons :
75 La spécification de µ(xij) en termes de fonction de distribution Xj, permet d’attribuer un score d’insatisfaction à chaque individu. Ce score est fonction, d’une part, du nombre de d’individus qui ont obtenu un score plus élevé et d’autre part, du nombre de ceux qui ont enregistré un score plus bas relativement à la valeur de l’individu considéré.
76 ● Procédure d’agrégation [1111] et systèmes de poids
77 La théorie des ensembles flous alloue à chaque individu une mesure de niveau relatif d’insatisfaction ; mesure l’insatisfaction relative et l’insatisfaction correspondant à chaque attribut inclus dans Xj ; estime l’indice général d’insatisfaction des individus de la population étudiée.
78 ● Indice individuel d’insatisfaction multiple
79 Des indicateurs d’insatisfaction localement spécifiques, I(xi), basés sur des moyennes pondérées, sont calculés. La ième unité de la fonction d’appartenance dans le sous-ensemble flou des insatisfaits est définie comme suit :
80 (3)
81 Les w1, w2, …, wn décrivent un système générique de moyennes. I(xi) est un indice individuel d’insatisfaction multiple, basé sur l’ensemble des variables obtenues à partir du questionnaire.
82 Un point délicat est la façon de déterminer les poids (wj) de la formule (3). Ces poids peuvent être définis comme une fonction décroissante de la proportion des individus insatisfaits dans l’indicateur Xj (notée ici pdj). La plus simple formulation en la matière est d’utiliser le rapport :
83 (4)
84 Mais, le TFR peut mener à des résultats biaisés, lorsqu’elle est appliquée sur un échantillon de petite taille (petit nombre d’observations). Dans ce cas, il importe de recourir à une modification de la fonction g( ) pour prendre en compte la variabilité possible dans la distribution des items au sein de la population.
85 Dans cette perspective, la fonction de la proportion des insatisfaits peut être spécifiée de la façon suivante :
86 (5)
87 où Me illustre le 50ème centile de la distribution de fréquence de l’item.
88 Cette spécification prend en compte la distance de chaque item à la valeur centrale de la distribution et permet de mesurer la variabilité dans la distribution des items. Le poids obtenu par un item est conditionné par les différents déséquilibres dans la distribution des fréquences : il varie naturellement suivant les déséquilibres enregistrés dans la distribution des fréquences. Ces nouveaux poids wj amènent des valeurs d’autant plus importantes dans la correspondance des distributions asymétriques que l’on va vers les personnes plus insatisfaites. Plus déséquilibrée la distribution est, plus grand le poids accumulé par les plus insatisfaits est, quel que soit le type d’asymétrie.
89 Indice général d’insatisfaction
90 L’indice général d’insatisfaction, noté I, est la moyenne arithmétique simple des indices d’insatisfaction que chaque unité statistique a obtenue. C’est-à-dire :
91 (6)
92 avec ni illustrant l’importance de chaque item dans l’indice général d’insatisfaction, de sorte que
93 À noter que cet indice peut être calculé en utilisant soit des groupes particuliers d’attributs, soit tous les attributs. Dans le premier cas, une mesure collective est obtenue pour un type spécifique d’insatisfaction, tandis que dans le second cas une mesure collective d’insatisfaction est formulée.
4. Application et résultats
94 Pour donner plus de portée à notre article nous avons vérifié notre approche avec une étude concrète des données provenant d’une enquête de satisfaction relative à une formation [1212] initiale réalisée en France, et plus précisément en Loire-Atlantique, dans un centre privé de formation de professionnels de taxis, pour l’année 2013. Par souci de discrétion, et parce que la dénomination du centre de formation en question n’apporte à l’évidence quoi que ce soit à notre débat, cette information est volontairement masquée. Cette enquête de satisfaction à l’égard de la formation considérée a été réalisée sur place, au centre de formation, à la fin de la formation. Le questionnaire utilisé pour documenter la circonstance est donné en annexe.
95 En France, l’appellation de taxi est définie par l’article L3121-1 du code des transports. Les taxis sont des véhicules automobiles comportant, en outre le siège du conducteur, huit places assises au maximum, munis d’équipements spéciaux obligatoires (taximètre, dispositif lumineux) et dont le propriétaire ou l’exploitant est titulaire d’une autorisation de stationnement sur la voie publique (ADS) ou licence de taxi, en attente de la clientèle, afin d’effectuer, à la demande de celle-ci et à titre onéreux, le transport particulier des personnes et de leurs bagages. L’accès à la profession est subordonné à l’obtention de trois documents, savoir : le chauffeur d’un taxi doit être titulaire d’un certificat de capacité professionnelle de conducteur de taxi, ou CCPCT (ce faisant, il doit suivre une formation qui dure 2-3 mois) mais, cela ne suffit pas, il doit, en outre, obtenir une carte professionnelle délivrée par la préfecture après la réussite de l’examen et posséder ou louer une ADS. Depuis le 1er juillet 2009 (décret 2009-72), un dispositif de formation continue obligatoire est mis en place : le chauffeur de taxis doit suivre un stage de deux à trois jours, tous les 5 ans (délivrance d’une attestation de validité de 5 ans).
96 Quelques obligations légales pour devenir professionnel de taxi il faut impérativement : i) être titulaire d’un permis de conduire hors période probatoire 3 ans ; ii) avoir un casier judiciaire niveau B2 vierge (aucun délit ni crime) ; iii) avoir un certificat médical tel que défini au II de l’article R.221-11 du code de la route, en cours de validité (délivré par un médecin agréé par la préfecture). L’activité des taxis est gérée par le ministère de l’intérieur pour assurer la sécurité des individus.
97 Depuis 1995, le CCPCT est obligatoire et sanctionné par un examen. Au chapitre III de l’arrêté du 03 mars 2009 du Ministère de l’intérieur, relatif aux conditions d’organisation de l’examen du CCPCT, l’article 6 stipule que l’examen est constitué de deux unités de valeur (UV) de portée nationale (UV1 et UV2) et de deux unités de valeur de portée départementale ou locale (UV3 et UV4), comprenant chacune une ou plusieurs épreuves. Le CCPCT s’obtient au terme d’un examen en deux parties, savoir : l’épreuve d’admissibilité et l’épreuve d’admission. L’épreuve d’admissibilité est constituée par deux UV de portée nationale et une UV de portée départementale : UV1 (réglementation nationale ; sécurité routière), UV2 (la gestion ; le français ; l’anglais est facultatif) et UV3 (réglementation locale ; tarification). L’épreuve d’admission est constituée par une UV à portée locale : UV4 (conduite et repérage ; accueil et commercialisation). À l’évidence, seuls les candidats déclarés admissibles à la première partie, peuvent passer la seconde partie de l’examen.
98 Au chapitre II du même arrêté, l’article 2 stipule que cet examen est organisé au moins une fois par an dans chaque département par le Préfet.
99 L’investigation empirique se réfère donc à un cas d’analyse constitué par l’institution de formation de professionnels de taxis. Ce centre possédait, lors de cette formation 6 formateurs (dont : cinq hommes et une femme) permanents, tous professionnels de taxis, et recourait, aux finalités d’apporter relativement plus d’éclairages aux stagiaires sur certaines thématiques (juridiques, comptabilité, gestion de la carrière,…), à la contribution des intervenants externes, non professionnels de taxis. Il organise deux sessions de formation initiale par année et plusieurs sessions de formation continue. L’enquête citée en référence concerne la première formation de l’année 2013, la promotion de 2013A. Cette promotion comptait 11 stagiaires (10 hommes et 1 femme) venant des horizons différents. Et, sur 11 questionnaires distribués, 9 sont revenus, soit un taux de sondage de 82 %.
4.1. Choix des éléments constitutifs et cohérence interne des dimensions
100 D’un point de vue analytique, comme le souligne à juste titre Jouandeau (2004, p. 65), s’il est nécessaire, pour tenter d’obtenir une évaluation globale de la satisfaction, de fusionner les évaluations d’un certain nombre de composantes ; ce type de démarche pose cependant la question de l’identification des composantes pour lesquelles le modèle des représentations sociales devraient nous fournir une aide précieuse.
101 Quatre attributs spécifiques ont été construits : « Centre de formation et accueil » (qui comprend 4 variables d’entrée : « Qualité d’accueil général », « Amabilité du personnel administratif », « Disponibilité des formateurs », « Infrastructures »), « Pédagogie » (« Progression du stage logique et cohérente », « Rythme adapté », « Outils pédagogiques efficients », « Efficacité du programme »), « Formateurs » (3 variables d’entrée pour chaque UV : « Clarté des explications », « Pertinence dans les réponses aux questions », « A rendu la formation intéressante et agréable »), « Intervenants externes ».
102 Préalablement au calcul des indicateurs, l’étude cherche à savoir si les sous-dimensions retenues pour chaque indicateur, sont valides. Pour ce faire, un test de validité interne a été réalisé au sein de chaque groupe de sous-dimensions. Ce test de validité est effectué par le biais des fréquences des variables, des corrélations (linéaires simples) entre ces variables et le calcul du coefficient de Cronbach.
103 Le coefficient de Cronbach, parfois appelé simplement coefficient α, est une statistique qui permet d’estimer la consistance ou la cohérence interne d’un instrument d’évaluation composé d’un ensemble d’items, ou de variables, lesquels devraient contribuer à appréhender la même entité. C’est un indice qui traduit le degré d’homogénéité interne au sein d’un groupe, d’un attribut, lorsque sa valeur est proche de l’unité. Sa valeur s’établit entre 0 et 1 ; et dans la pratique, un coefficient supérieur ou égal à 0,7 est « acceptable », supérieur ou égal à 0,9 « satisfaisant ». Ce coefficient est défini par la formule ci-après :
104 (7)
105 où k est le nombre d’items de l’instrument du groupe,
106 Il vaut :
107 (7’)
108 avec ρm illustrant le coefficient de corrélation moyenne entre tous les couples d’items. Pour k items, on a :
Tableau 1. Nombre d’ensemble flous associés à chaque attribut
| Attributs (ou dimensions) | Nombre d’ensembles flous | Coefficient α |
| Centre formation et accueil | 4 | 0,90 |
| Pédagogie | 4 | 0,90 |
| Formateurs UV1 | 3 | 0,99 |
| Formateurs UV2 | 3 | 0,97 |
| Formateurs UV3 | 3 | 0,97 |
| Formateurs UV4 | 3 | 0,92 |
| Intervenants externes | 1 | - |
Tableau 1. Nombre d’ensemble flous associés à chaque attribut
110 Le tableau 1 précédent donne le nombre d’ensembles flous par indicateurs ainsi que la valeur du α de Cronbach. Les coefficients de Cronbach obtenus permettent de dire que, pour chaque indicateur, les variables (sous-ensembles flous) considérées mesurent effectivement la même chose.
4.1. Indices d’insatisfaction à l’égard de la formation
111 Au total, 7 indices spécifiques d’insatisfaction ont été calculés. Ceci correspond aux principaux niveaux de précision des informations fournies par le questionnaire.
112 En plus des indices spécifiques, deux indices thématiques et un indice général sont calculés. Un indicateur thématique est, par définition, une valeur de synthèse de quelques indices spécifiques. Les indices thématiques peuvent être variés. Le premier indice thématique, l’indice « Formateurs UV1-2-3-4 » qui ne prend en compte que les intervenants internes et le second, l’indice « Formateurs UV1-2-3-4 et intervenants externes » qui, lui, prend en compte tant les intervenants internes qu’externes.
113 Chacun des indicateurs retenus par l’analyse a été divisé en quatre classes ordonnées par ordre croissant de l’insatisfaction : [0 – 0,25[ correspond aux stagiaires dont le degré d’insatisfaction peut être considéré très faible (Ceux qui ne sont pas insatisfaits), alors que, la classe [0,75 – 1,00[ : prend en compte tous les stagiaires présentant un grand risque d’insatisfaction par rapport à l’indicateur considéré (Très insatisfaits). Les classes : [0,25 – 0,50[ et [0,50 – 0,75[, respectivement (Moyennement insatisfaits) et (Insatisfaits), sont des classes intermédiaires.
4.1.1. Les indices spécifiques
114● Centre de formation et l’accueil
115 Les résultats consignés dans le tableau 2 mettent en évidence une situation très favorable.
Tableau 2. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Centre de formation et l’accueil
Tableau 2. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Centre de formation et l’accueil
116 Cet indicateur mesure l’insatisfaction associée au « Centre de formation et l’accueil » : 78 % se retrouvent la première classe, littéralement près de 78 % des stagiaires ne sont pas insatisfaits.
117 ● Pédagogie
118 Dans le tableau 3 ci-dessous est représentée une série statistique où l’effectif de l’échantillon est regroupé selon l’indice « Pédagogie ». C’est par la pédagogie que s’expriment les compétences des formateurs tant inernes qu’externes au centre de formation.
119 Selon cette distribution, 56,0 % des effectifs interrogés sont dans la classe 0,00 – 0,25, cela permet de dire qu’une bonne partie des stagiaires ne sont pas insatisfaits.
Tableau 3. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Pédagogie
Tableau 3. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Pédagogie
120 ● Formateurs
121 Les calculs numériques effectués autour des formateurs de l’UV1 et reportés dans le tableau 4, permettent de constater une situation un peu défavorable.
Tableau 4. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Formateurs UV1
Tableau 4. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Formateurs UV1
122 Près de 33 % de l’échantillon se retrouvent dans les classes intermédiaires, cela signifie qu’ils sont insatisfaits, quoique cette insatisfaction soit modérée. On rencontre tout de même des individus insatisfaits, près de 11,0 %.
Tableau 5. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Formateurs UV2
Tableau 5. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Formateurs UV2
Tableau 6. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Formateurs UV3
Tableau 6. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Formateurs UV3
123 L’UV2 fait ressortir une situation loin d’être intéressante (cf. tableau 5 ci-dessus), sans être comparable à celle de l’UV1. L’indice relatif à cette variable montre que près de 33 % se trouve dans la classe 0,50 – 0,75. Ce constat est associé à des conditions de compréhension (il s’agit d’un cours volumineux qui nécessite quelque connaissance scientifique), d’une part, et à un très fort engagement des stagiaires, d’autre part.
124 Or, lorsqu’on considère les UV3 et 4, on ne peut pas, ne pas être frappé par la différence des résultats enregistrés. En ce qui concerne ces UV, la situation est très encourageante. Cela veut dire que la connaissance de la ville (revoir le tableau 6) et la pratique de la conduite (cf. tableau 7) ne présentent pas un problème au sein de cette promotion.
Tableau 7. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Formateurs UV4
Tableau 7. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Formateurs UV4
125 Les stagiaires ont été insatisfaits des prestations des intervenants extérieurs dans leur globalité (voir tableau ci-après).
Tableau 8. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Intervenants externes
Tableau 8. Répartition des bénéficiaires de la formation selon l’indicateur de l’insatisfaction relative à la dimension Intervenants externes
4.1.2. Les indices thématiques, l’indice général d’insatisfaction
126 La conception de la formalisation et de l’interprétation de ces indicateurs a généré les notions suivantes.
127 ● Indices thématiques
128 Les indices thématiques calculés sont : l’indice « Formateurs UV1-2-3-4 » et l’indice « Formateurs UV1-2-3-4 et intervenants externes ».
129 L’indice « Formateurs UV1-2-3-4 » présente une situation d’insatisfaction modérée (tableau 9 ci-dessous). Et, l’analyse de la distribution de l’indice « Formateurs UV1-2-3-4 et intervenants externes » montre une situation presqu’identique, puisque près de 56 % des stagiaires interrogés sont dans une situation de non-insatisfaction (tableau 10).
Tableau 9. Répartition des bénéficiaires de la formation selon l’indice pondéré Formateurs UV1-2-3-4
Tableau 9. Répartition des bénéficiaires de la formation selon l’indice pondéré Formateurs UV1-2-3-4
Tableau 10. Répartition des bénéficiaires de la formation selon l’indice pondéré Formateurs UV1-2-3-4 et intervenants externes
Tableau 10. Répartition des bénéficiaires de la formation selon l’indice pondéré Formateurs UV1-2-3-4 et intervenants externes
130 ● Indice général d’insatisfaction par individu
131 C’est en calculant l’indice général d’insatisfaction par individu au niveau de l’échantillon que l’on peut se faire une idée plus exacte. Un résultat entre 0,00 et 0,25 reflète un niveau intéressant de non-insatisfaction ; 55,6 % des stagiaires obtiennent ce résultat (tableau 11).
132 Le stagiaire qui enregistre la valeur minimale de cet indice obtient 0,04.
Tableau 11. Répartition des bénéficiaires selon l’indice général d’insatisfaction
Tableau 11. Répartition des bénéficiaires selon l’indice général d’insatisfaction
133 Ci-dessous, est donné un récapitulatif des résultats obtenus par cette méthode. La valeur moyenne de l’indice général d’insatisfaction pour les stagiaires est de 0,19.
Tableau 12. Récapitulatif des résultats des indicateurs d’insatisfaction
Tableau 12. Récapitulatif des résultats des indicateurs d’insatisfaction
134 Il est rationnel, avant de conclure cette étude empirique, de présenter, pour information, le succès des stagiaires de cet échantillon aux examens préfectoraux : le taux de réussite est 90 %. En clair, ces résultats semblent corroborer l’hypothèse que « c’est parce qu’il y aura eu satisfaction qu’il y aura apprentissage ».
135 Au terme de cette étude empirique, il convient de retenir ce qui semble être, en effet, l’enseignement principal de cette recherche : la performance du centre de formation considéré est optimale et, par ainsi, provoque une faible insatisfaction globale (soit 0,19) auprès des bénéficiaires de la formation.
Figure 1. Réponse de l’insatisfaction à la performance du centre
Figure 1. Réponse de l’insatisfaction à la performance du centre
136 Ce résultat se passe d’explications quand son interprétation se fait à la lumière des différentes notions tirées et des précisions supplémentaires fournies dans la figure précédente. Elle fait bien apparaître l’extrême complexité de la réponse de l’insatisfaction à la performance du centre de formation. Lorsque le centre de formation entreprend des efforts d’amélioration de la performance, l’insatisfaction s’inscrit en baisse. La relation entre l’insatisfaction et la performance du centre de formation serait curvilinéaire, mais non pas linéaire. L’accroissement de la performance d’un certain degré n’entrainera pas une baisse proportionnelle de l’insatisfaction.
137 Pour enrichir la compréhension, il sied d’ajouter un élément d’explication : la réponse de l’insatisfaction à l’amélioration de la performance est plus dynamique dans les trois dernières classes d’insatisfaction. Dans cette zone, la performance de centre de formation serait sous-optimale et l’insatisfaction des apprenants importante. La conséquence de cette situation est que, dans cette zone, toute amélioration de performance aura un effet positif sur le degré d’insatisfaction.
138 En ce sens, la théorie des ensembles flous, notamment : le TFR, pour analyser la problématique de l’insatisfaction des bénéficiaires d’une action de formation est bien appropriée et peut être défendue avec force convictions. Toutefois, il faut dépasser l’analyse de l’insatisfaction pour obtenir une évaluation l’efficacité de ce centre de formation.
Conclusion
139 Cet article visait, s’inscrivant dans le cadre logique d’analyse de Kirkpatrick (1959), à enrichir la littérature sur l’étude de la satisfaction, ou l’insatisfaction, des bénéficiaires d’une action de formation, en proposant l’utilisation de la logique floue. Par ailleurs, nous avons vérifié notre approche avec une étude concrète de formation de professionnels de taxis, en Loire-Atlantique (France). Les indices flous obtenus, en privilégiant l’approche à la logique totalement floue et relative, ou TFR, permettent d’appréhender les niveaux de risques d’insatisfaction individuelle et de groupe, des participants à cette formation.
140 De fait, les estimations de l’insatisfaction sont satisfaisantes et pertinentes ; les valeurs des indices illustrent dans leur globalité une insatisfaction très modéré. Il est possible d’inférer que la performance du centre de formation considéré est optimale et provoque une faible insatisfaction globale (soit 0,19) auprès des bénéficiaires de la formation.
Bibliographie
Références bibliographiques
- ALADENISE, N., BOUCHON-MEUNIER B., 1997, « Acquisition de connaissances imparfaites : mise en évidence d’une fonction d’appartenance », Revue Internationale de Systémique, Vol. 11, 2, pp. 109-127.
- ALLIGER, G. M., JANAK E. A., 1989, « Kirkpatrick’s Levels of Training Criteria : Thirty Years Later », Personnel Psychology, vol. 42, 2, p. 331.
- BETTI, G., CHELI B., VERMA V., 2006, « On Longitudinal Analysis of Poverty Conceptualised as a Fuzzy State », Ecineq Working Paper Series 2006-32, 24 p. Ce document est disponible sur : http://www.ecineq.org/milano/WP/ECINEQ2006-32.pdf
- BETTI, G., CHELI B., LEMMI A., VERMA V., 2005, « On the Construction of Fuzzy Measures for the Analysis of Poverty and Social Exclusion », International Conference to Honour Two Eminent Social Scientists C. GINI and M. LORENZ, University of Siena 23-26 May 2005.
- BETTI, G., VERMA V., 1999, « Measuring the Degree of Poverty in a Dynamic and Comparative Context : a Multidimensional Approach using Fuzzy Set Theory », Proceedings, ICCS-VI, Vol. 11, pp. 289-301, Lahore, Pakistan.
- BETTI, G., CHELI B., CAMBINI R., 2004, « A Statistical Model for the Dynamics between two Fuzzy States : Theory and an Application to Poverty Analysis », METRON - International Journal of Statistics, vol. LXII, n. 3, pp. 391-411. Ce document est disponible sur: ftp://luna.sta.uniroma1.it/RePEc/articoli/2004-3-391-411.pdf
- BOUCHON-MEUNIER, B., 1993, La logique floue, Paris, Puf.
- BOUCHON-MEUNIER, B., MARSALA C., 2003, Logique floue, principes, aide à la décision, Hermes.
- CAVAGNA, E., DUMAZERT J.-P., MONINO J.-L., 2004, « Construction d’un indice de satisfaction : une réflexion autour de la question de la mesure », Revue française du marketing, mai, n°197 - 2/5, pp. 61-77.
- CERIOLI, A., ZANI S., (1990), « A Fuzzy Approach to the Measurement of Poverty », in C. DAGUM and M. ZENGA (eds), Income and Wealth Distribution, Inequality and Poverty, (proc. Pavia, Italy), Studies in Contemporary Economics, Berlin : Springer Verlag, pp. 272-284.
- CHELI, B., BETTI G., 1999, « Fuzzy Analysis of Poverty Dynamics on an Italian Pseudo Panel 1985 - 1994 », in Metron, june, pp. 86-105. Disponible sur :
- https://www.researchgate.net/publication/248121403_Fuzzy_Analysis_of_Poverty_Dynamics_on_an_Italian_Pseudo_Panel_1985_-1994
- CHELI B., BETTI G., 1999, « Fuzzy Analysis of Poverty Dynamics on an Italian Pseudo Panel », Metron, 57, 1-2, p. 83-103.
- CHELI B., GHELLINI G., LEMMI A., PANNUZI N., 1994, « Measuring Poverty in the Countries in Transition via TFR Method: the Case of Poland 1990-1991 », Statistics in Transition, 1-5, pp.585-636.
- CHELI B., LEMMI A., 1995, « A « Totally » Fuzzy and Relative Approach to the Multidimensional Analysis of Poverty », Economic Notes, vol. 24, n°1, pp. 115-134.
- CHIUPPESI, M., 2008, « Problems Connected with the Determination of Membership Values in Fuzzy Applications in Social Research », Il Trimestrale, The Lab's Quarterly, 1. Ce document est disponible sur : http://serraweb.unipi.it/dsslab/trimestrale/
- DESAI, M., SHAH A., 1988, « An Econometric Approach to the Measurement of Poverty », Oxford Economic Papers, 40, p. 505-522.
- DI PAOLA, V., MOULLET S., VÉRO J., 2003, « Le déclassement dans les fonctions publiques d’État et territoriale, une mesure à partir de la logique floue », 10èmes journées d’études Céreq-Lasmas-Idl, Caen, 21, 22 et 23 mai.
- DUBOIS, D., PRADE H., 1980, Fuzzy Sets and Systems : Theory and Applications, Boston, New York, London, Academic Press.
- DUNBERRY, A., CÉLINE P., 2007, L’évaluation de la formation dans l’entreprise : état de la question et perspectives, UQÀM-CIRDEP, 47 p.
- FILIPPONE, A., CHELI B., D’AGOSTINO A., 2001, Adressing the interpretation and the agregation problems in totally fuzzy and relative poverty measures, ISER Working Paper 2001-22, University of Essex, 31 p.
- FUSCO, A., 2003, « On the Definition and Measurement of Poverty : The Contribution of Multidimensional Analysis », 3rd Conference on the Capability Approach : From Sustainable Development to Sustainable Freedom, 7-9 September, University of Pavia. Ce document est disponible sur : http://www.unice.fr/CEMAFI.
- GERARD, F.-M., 2003, « L’évaluation de l’efficacité d’une formation », Gestion 2000, Vol. 20, N°3, p. 13-33.
- HOLTON, E. F. (1996), « The Flawed Four-Level Evaluation Model », Human Resource Development Quarterly, vol. 7, No 1, p. 5-21.
- JOUANDEAU, A., 2004, « Contribution à la modélisation de la satisfaction client par la logique floue », Thèse de doctorat, INSA de Lyon (ESCHIL), 268 p.
- KHEZRI, N., 2008, « L’évaluation de l’efficacité de la formation. Cas de la Poste tunisienne », Mémoire de Master en Sciences sociales, Université du 7 Novembre et des Travailleurs à l’Étranger.
- KIRKPATRICK, D. L., 1998, Evaluating Training Programs, Second Edition. San Francisco, CA : Berrett-Koehler Publishers Inc.
- KIRKPATRICK, D. L., 1996, « Invited Reaction : Reaction to Holton Article », Human Resource Development Quarterly, vol. 7, No 1, p. 23-25.
- KIRKPATRICK, D. L., 1959, « Techniques for Evaluating Training Programs », Journal of ASTD, vol. 13, No 11, p. 3-9.
- KRAIGER, K., FORD J. K., SALAS E., 1993, « Application of Cognitive Skill-Based and Affective Theories of Learning Outcomes to New Methods of Training Evaluation », Journal of Applied Psychology, vol. 78, No 2, p. 311-328.
- LELLI, S., 2001, « Factor Analysis vs Fuzzy Sets Theory : Assessing the Influence of Different Techniques on Sen’s Functioning Approach », Center for Economic Studies, Discussions Paper Series (DPS) 01.21, November, 36 p.. Disponible sur :
- http://www.econ.kuleuven.be/ces/discussionpapers/default.htm
- LOCKE, E. A., 1969, « What is Job Satisfaction ? », Organizational behavior and Human Performance, Vol. 4, pp 309-336
- MONINO, J.-L., CAVAGNA E., (sans année), « Indice de satisfaction : conceptualisation et mise en application dans le cadre de la Chambre de commerce et d’industrie de Montpellier », disponible sur :
- http://www.modulad.fr/archives/numero-22/Monino-22/Indicedesatisfactiion.pdf
- NOYÉ, D., 2000, Pour fidéliser les clients, Paris : INSEP Éditions, 118 p.
- OLIVER, R. L., 1977, « Effect of Expectation and Disconfirmation on Postexposure Product Evaluations - an Alternative Interpretation », Journal of Applied Psychology, 62(4), p. 480.
- OLIVER, R. L., 1981, « Measurement and Evaluation of Satisfaction Processes in Retail Settings », Journal of Retailing, Vol. 57, N° 3, pp. 25-48.
- OLIVER, R. L., 1980, « A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions », Journal of Marketing Research, 17(4), p. 460.
- PHILLIPS, J. J., 1994, Handbook of Training and Evaluation and Measurement, Methods. Houston:Gulf Publishing.
- PHILLIPS, J. J., 1997, Return on Investment in Training and Performance Improvement programs. A Step-by-step Manual for Calculating the Financial Return (Gulf Publishing ed.). Houston, TX : Gulf Publishing.
- PHILLIPS, J. J., 1996, « ROI : The Search for best Practices », Training & Development, vol. 50, n°2, p. 42-47.
- PHILLIPS, J. J., 1996, « Was it the Training ? », Training & Development, vol. 50, n°3, p. 28-32.
- PI ALPERIN, M. N., BERZOSA G., 2011, « A fuzzy logic approach to measure overweight », CEPS - INTEAD, Working Paper No 2011-55, november, 21 p.
- PITTALUGA, F. et al., 2002, Profil de pauvreté des communautés riveraines du lac de Kossou en Côte d’Ivoire, FAO/DFID, Programme pour des moyens d’existence durables dans la peche, GCP/INT/735/UK, novembre, 90 p.
- PITTALUGA, F., NICOLA S., CHIARA S., 2004, Livelihood Systems Profiling : Mixed Methods for the Analysis of Poverty and Vulnerability, SIFAR.
- POSAVAC, E. J., CAREY RAYMOND G., 1980, Program Evaluation : Methods and Case Studies. Englewood Cliffs, N.J. : Prentice-Hall Inc.
- POTTIEZ, J., 2013, L’évaluation de la formation. Piloter et maximiser l’efficacité des formations, Dunod, Paris.
- RAY, D., 2001, Mesurer et développer la satisfaction de la clientèle, Paris, Éditions d’Organisations, p. 9-10.
- RUSS-EFT, D., PRESKILL H., 2001, Evaluation in Organizations : A Systematic Approach to Enhancing Learning Performance and Change, Cambridge, MA : Basic Books.
- SCHOKKAERT, E., VAN OOTEGEM L., 1990, « Sen’s Concept of the Living Standard Applied to the Belgian Unemployed », Recherches économiques de Louvain, 56, p. 429-450.
- ZADEH, L. A., 1989, « Knowledge Representation in Fuzzy Logic », In IEEE Trans. on Knowledge & Data Engineering, 1 (1), pp. 89-100.
- ZADEH, L. A., 1978, « Fuzzy Sets as a Basis for a Theory of Possibility », Fuzzy sets and Systems, Vol. 1, pp. 3-28.
- ZADEH, L. A., 1973, « Outline of a New Approach to the Analysis of Complex Systems and Decision Process », IEEE Trans. Sytem, Man and Cybernetics, Vol. 3, pp 28-44.
- ZADEH, L. A., 1965, « Fuzzy Sets », Information and Control, n°8, pp. 338-353.
Mots-clés éditeurs : Loire-Atlantique, logique totalement floue et relative, Insatisfaction, logique floue, formation de professionnelle, taxis, indicateurs de satisfaction
Mise en ligne 24/04/2018
https://doi.org/10.3917/rcg.024.0093Notes
-
[11]
La théorie des sous-ensembles flous est une théorie mathématique du domaine de l’algèbre abstraite.
-
[22]
Le modèle de Kirkpatrick a été étendu par Philips (1994) qui y ajoute un niveau additionnel et notamment le calcul du rendement de la formation.
-
[33]
Il faut souligner que ce modèle prête le flanc à quelques critiques : sur ce point voir par exemple Kraiger et al. (1993), Holton (1996), Alliger et Janak (1989).
-
[44]
Historiquement, la théorie des ensembles flous a été initiée par L.A. Zadeh (1965), puis développée par D. Dubois et H. Prade (1980).
-
[55]
Voir par exemple L. A. Zadeh (1989).
-
[66]
La théorie bi-factorielle stipule que la satisfaction et l’insatisfaction constituent deux construits indépendants et non pas contraires.
-
[77]
Cette présentation emprunte beaucoup à. F. Pittaluga et al., (2002) et F. Pittaluga et al. (2004).
-
[88]
Malgré de nombreux développements théoriques intéressants, les travaux empiriques achoppent sur un problème méthodologique de taille et notamment la difficulté de déterminer une spécification de la fonction d’appartenance. Il semble bien en tout cas que les auteurs se sont attelés, dans la pratique, au fond à résoudre le moins mal possible un problème méthodologique qui n’a pas une seule solution. Plusieurs méthodes et plusieurs variantes permettent de calculer les fonctions d’appartenance.
-
[99]
9 S. Lelli (2001) présente bien ces différentes formes : linéaires, trapézoïdales, gaussiennes, sigmoïdes.
-
[1010]
F. Pittaluga et al. (2002), puis F. Pittaluga, N. Salvati et C. Seghieri (2004) s’intéressent à la pauvreté dans les communautés de pêche artisanale en Afrique noire.
-
[1111]
Le mot a pour origine le latin aggregatio qui signifie réunion d’éléments. Tel est le but ultime de l’agrégation : assembler plusieurs types d’information dans une seule et unique mesure.
-
[1212]
C’est une formation présentielle, c’est-à-dire qui se fait en présence des formateurs.
