FICHE DE LECTURE

Référence (format APA)

Srinivasan, R., & Sarial-Abi, G. (2021). When Algorithms Fail: Consumers’ Responses to Brand Harm Crises Caused by Algorithm Errors. Journal of Marketing, 85(5), 74-91. https://doi.org/10.1177/0022242921997082

Mots-clés

Erreurs algorithmiques ; crise de marque ; perception de l’esprit ; agentivité ; anthropomorphisation ; apprentissage automatique ; marketing algorithmique ; satisfaction client ; responsabilité perçue ; comportement du consommateur

Synthèse

Cet article s’inscrit dans la littérature sur les crises de marque et le marketing algorithmique en proposant un cadre théorique original pour comprendre comment les consommateurs réagissent à une marque lorsque la crise est causée par une erreur d’algorithme plutôt que par une erreur humaine. En mobilisant la théorie de la perception de l’esprit, les auteurs démontrent que les consommateurs réagissent moins négativement envers une marque lorsque le préjudice résulte d’une défaillance algorithmique, dans la mesure où ils attribuent aux algorithmes une agentivité morale plus faible qu’aux humains, ce qui réduit leur perception de la responsabilité de l’algorithme dans le dommage causé. Huit études expérimentales valident ces résultats et identifient quatre modérateurs clés liés aux caractéristiques de l’algorithme et de la tâche dans laquelle l’erreur survient. L’article génère également des recommandations managériales concrètes sur la manière de gérer l’après-crise. Ces apports sont particulièrement pertinents dans un contexte où la digitalisation des processus de gestion client, y compris dans les secteurs B2B, s’accompagne d’un risque croissant de défaillances algorithmiques susceptibles d’affecter la relation et la fidélité client.

Développement

1. Objectifs et cadre théorique

L’article part du constat que les algorithmes sont désormais omniprésents dans le marketing, mais que leurs défaillances, en augmentation fréquente, constituent une source croissante de crises de marque encore largement ignorée par la littérature académique. Les auteurs se distinguent des travaux antérieurs sur l’aversion aux algorithmes et l’appréciation algorithmique en se concentrant non pas sur la décision d’utiliser un algorithme, mais sur les réactions du consommateur à la marque à la suite d’une crise causée par une erreur algorithmique, décision prise par le gestionnaire de marque et non par le consommateur.

Le cadre théorique mobilisé est la théorie de la perception de l’esprit, qui postule que les individus attribuent des capacités mentales à d’autres entités, humaines ou non, en termes d’agentivité (capacité d’agir et d’avoir des intentions) et d’expérience (capacité de ressentir). Les auteurs s’appuient spécifiquement sur la dimension d’agentivité pour expliquer pourquoi les consommateurs tendent à tenir les algorithmes moins responsables des préjudices causés que des acteurs humains.

2. L’effet principal : une moindre sévérité envers la marque en cas d’erreur algorithmique

La première hypothèse centrale, validée par trois études expérimentales complémentaires aux designs variés (donation incitative, comportement de contribution, intention de ré-engagement), établit que les consommateurs réagissent moins négativement à une crise de marque lorsque l’erreur est causée par un algorithme plutôt que par un humain. Cette asymétrie s’explique par la médiation en série de deux variables psychologiques : une perception plus faible de l’agentivité de l’algorithme dans la commission de l’erreur, qui réduit à son tour la perception de la responsabilité de l’algorithme dans le préjudice subi. Ces résultats sont robustes à travers des contextes variés, des services financiers à la plateforme numérique en passant par le rappel de véhicules, ce qui renforce leur validité externe.

3. Quatre modérateurs qui humanisent l’algorithme et renforcent la sévérité des jugements

L’article identifie quatre conditions qui annulent ou inversent l’effet principal en rendant l’algorithme plus semblable à un humain aux yeux des consommateurs. L’anthropomorphisation de l’algorithme, c’est-à-dire le fait de lui attribuer un nom humain ou des caractéristiques humaines comme le fait IBM avec Watson ou Amazon avec Alexa, augmente la perception d’agentivité et conduit à des réactions aussi négatives que si l’erreur avait été commise par un humain. L’utilisation d’algorithmes d’apprentissage automatique, capables de se modifier de façon autonome et d’apprendre de leurs expériences passées, produit un effet similaire en signalant des capacités cognitives supérieures proches de celles d’un humain. L’utilisation de l’algorithme dans une tâche subjective, fondée sur le jugement et l’interprétation personnelle plutôt que sur des critères objectifs et mesurables, accentue également la perception d’agentivité et donc la responsabilité perçue. Enfin, l’interactivité de la tâche, c’est-à-dire la nature contingente et bidirectionnelle des échanges entre l’algorithme et le consommateur, produit le même effet d’humanisation et de durcissement du jugement.

4. Implications managériales et limites

Sur le plan managérial, l’article fournit une grille d’action concrète pour gérer l’après-crise. Les marques dont les erreurs algorithmiques n’impliquent pas les quatre modérateurs peuvent tirer parti du fait que les consommateurs leur accordent davantage de clémence. À l’inverse, lorsque ces modérateurs sont présents, les responsables marketing doivent maintenir une vigilance accrue dans le déploiement et la surveillance des algorithmes. L’étude managériale complémentaire révèle un résultat contre-intuitif important : suite à une crise causée par un algorithme, communiquer sur l’instauration d’une supervision humaine aggrave les réponses des consommateurs, alors que mettre en avant une supervision technologique les améliore. Ce résultat suggère que le maintien du cadrage algorithmique, cohérent avec la faible agentivité perçue, est préférable à une appropriation humaine de la responsabilité dans la communication de crise.

Les limites identifiées portent sur l’absence de prise en compte des erreurs répétées et des crises à très haute gravité, sur le fait que l’article se concentre exclusivement sur des erreurs en marketing algorithmique sans considérer d’autres domaines comme la santé, et sur la non-différenciation entre la marque, le concepteur de l’algorithme et le décideur qui a choisi de le déployer, distinctions pourtant susceptibles de modifier significativement les attributions de responsabilité des consommateurs.

Conclusion

Cet article constitue une contribution pionnière à l’intersection des crises de marque et du marketing algorithmique. En montrant que les consommateurs jugent différemment les erreurs selon qu’elles sont humaines ou algorithmiques, et en identifiant précisément les conditions qui amplifient ou atténuent cet effet, il offre aux praticiens un cadre d’action nuancé pour anticiper et gérer les risques réputationnels liés à la digitalisation des processus client.

Dans le cadre du mémoire, ces résultats enrichissent la réflexion sur la transformation du traitement des réclamations dans le secteur du BPE. Ils suggèrent que l’introduction d’outils algorithmiques dans la gestion des réclamations, qu’il s’agisse de classification automatique ou de génération de réponses, ne génère pas nécessairement de défiance accrue si le déploiement est maîtrisé et si l’outil n’est pas anthropomorphisé de façon excessive. En revanche, dans des contextes interactifs ou subjectifs, tels que la discussion d’un litige commercial complexe, la vigilance s’impose car l’erreur algorithmique y est jugée aussi sévèrement qu’une erreur humaine. La distinction entre supervision technologique et supervision humaine dans la communication de crise constitue également une recommandation directement opérationnalisable pour les entreprises du BPE engagées dans cette transformation.

Références bibliographiques

Srinivasan, R., & Sarial-Abi, G. (2021). When Algorithms Fail: Consumers’ Responses to Brand Harm Crises Caused by Algorithm Errors. Journal of Marketing, 85(5), 74-91. https://doi.org/10.1177/0022242921997082