Méthodologie scientifique

Méthode AIGR

L'AIGR est un indice composite à cinq construits réflexifs, mesuré par 24 items Likert (1–5) et agrégé par des poids issus d'une modélisation par équations structurelles (PLS-SEM) sur N = 390 répondants à l'Université Mohammed V de Rabat.

Formule de calcul (4 étapes)

  1. 1Score brutPour chaque construit C, moyenne des 4 items (échelle 1–5).
  2. 2Normalisationraw → ((raw − 1) / 4) × 100, soit un score sur 100.
  3. 3Pondération PLS-SEMApplication des poids β normalisés (somme = 1).
  4. 4Score AIGRΣ(wC × C_norm). Catégorisation en 4 niveaux.

Coefficients empiriques

β bruts, t-statistiques et poids normalisés (somme = 1) issus de la modélisation PLS-SEM (Hair et al., 2022). Tous significatifs à p < 0,001.

Construitβ brutt-statPoids normalisé
DIRDonnées & Infrastructure
0.42312.7828.7%
OACCapacité organisationnelle
0.38711.0926.3%
RAIIA responsable
0.2927.9219.8%
ESTSensemaking éthique
0.2507.0917.0%
PVOOrientation valeur publique
0.1213.568.2%

Les cinq construits

Données & InfrastructureDIR · Data, Information & Infrastructure Readiness

Adéquation des données institutionnelles, des systèmes d'information et de l'infrastructure numérique pour soutenir l'usage de l'IA en gouvernance.

Poids normalisé28.7%
Capacité organisationnelleOAC · Organisational AI Capacity

Compétences numériques, structures dédiées et apprentissage organisationnel mobilisables pour l'IA.

Poids normalisé26.3%
IA responsableRAI · Responsible AI

Principes éthiques, redevabilité et supervision humaine encadrant l'usage de l'IA.

Poids normalisé19.8%
Sensemaking éthiqueEST · Ethical Sensemaking & Trust

Capacité collective de mise en sens des implications éthiques de l'IA dans la gouvernance institutionnelle.

Poids normalisé17.0%
Orientation valeur publiquePVO · Public Value Orientation

Orientation institutionnelle vers la valeur publique comme finalité de l'intégration de l'IA.

Poids normalisé8.2%

Catégorisation du score (0–100)

0–39Émergent

Préparation institutionnelle insuffisante. Les fondations de gouvernance, données et capacités sont absentes ou très partielles.

40–59En développement

Fondations partielles. Certains leviers sont mobilisés, mais l'engagement collectif et le sensemaking éthique restent à construire.

60–79Avancé

Préparation solide. L'institution dispose des conditions structurelles et cognitives pour intégrer l'IA. UM5 se situe à ce niveau (médiane 70).

80–100Mature

Institution prête à intégrer l'IA en gouvernance. Tous les antécédents sont alignés. Cible recommandée pour les institutions publiques marocaines à 2030.

Cycle de re-calibration en 3 phases

Une institution adoptante passe progressivement des paramètres UM5 par défaut à ses propres paramètres validés, au fur et à mesure que les contributions vérifiées s'accumulent.

  1. Phase 11 ≤ N ≤ 99 contributeurs

    Bootstrap

    Utilisation des β normalisés figés issus du pilote UM5 (DIR 0,287 · OAC 0,263 · RAI 0,198 · EST 0,170 · PVO 0,082). Le score est calculable dès le premier contributeur.

    β figés UM5
  2. Phase 2N ≥ 100 contributeurs vérifiés

    Re-estimation institution-spécifique

    Re-estimation des outer loadings et des coefficients structurels β sur la base de l'institution adoptante.

    Test MICOM transversal pour valider la divergence empirique vis-à-vis du modèle UM5.

    Pourquoi le seuil N = 100 ?
    • · Kock & Hadaya (2018) — méthode de la racine carrée inverse (inverse square root).
    • · Bentler & Chou (1987) — ratio cas/paramètres minimal de 5:1.
    • · Henseler et al. (2016) — taille minimale par groupe pour le test MICOM.
    MICOM transversal
  3. Phase 3À partir de la 2ᵉ vague de mesure

    Monitoring longitudinal

    Test MICOM temporel entre vagues annuelles consécutives.

    Si l'invariance est rejetée → recalibration des paramètres. Si elle est confirmée → conservation des paramètres existants.

    MICOM temporel

MICOM en application duale

Le test MICOM (Measurement Invariance of Composite Models) est appliqué selon deux modalités complémentaires dans la thèse.

Modalité transversale

Axe horizontal
UM5institution n

Comparabilité inter-institutions : UM5 vs institution n. Usage classique du test.

Henseler, Ringle & Sarstedt (2016)

Modalité temporelle

Axe vertical
t1t2 / t3 / tn

Comparabilité longitudinale intra-institution : t1 vs t2 / t3 / tn. Transposition méthodologique originale de la thèse.

Transposition originale (thèse, 2026)

Les trois étapes du test MICOM

  1. 1

    Configural invariance

    Mêmes indicateurs et même structure des construits.

  2. 2

    Compositional invariance

    Corrélation des composites permutés au-dessus du percentile 5.

  3. 3

    Equality of composite means

    Différence des moyennes et variances dans les intervalles de confiance.

Indice annuel — protocole de recompute

L'AIGR est conçu comme un indicateur de monitoring institutionnel. À chaque vague annuelle, le même instrument (24 items) est administré, l'invariance MICOM est testée (configural + compositional + means/variances), puis les paramètres validés en t₀ = 2025 sont réutilisés si l'invariance est confirmée. À défaut, les paramètres sont ré-estimés et l'index est ré-ancré.

Bootstrap PLS-SEM

B = 5 000

Vague de référence

t₀ = 2025 (UM5, N = 390)

Prochaine vague

t₁ = 2026

Seuils psychométriques (Hair et al., 2022)

  • Cronbach's α≥ 0.70
  • Composite ρ≥ 0.70
  • AVE≥ 0.50
  • HTMT max≤ 0.90
  • Loadings min≥ 0.70
  • R² (modèle structurel)= 0.495