Objectif : comprendre dans quelles conditions les consommateurs acceptent ou refusent des robots humanoïdes dans trois contextes (robot cuisinier en restauration collective, robot serveur en restauration hôtelière, robot réceptionniste en hôtellerie). La démarche a été construite étape par étape : revue ciblée → cartographie des résultats → construction du cadre théorique → modèle intégratif testable par questionnaire.
1) Périmètre : revues marketing analysées
Recherche limitée aux revues de ta liste, avec un focus sur service robots / humanoid service robots et les réactions / intentions des consommateurs.
Cat. 1 / 1g
- Journal of Marketing
- Journal of Marketing Research (JMR)
- Journal of the Academy of Marketing Science (JAMS)
- Journal of Consumer Research
- Journal of Consumer Psychology
Cat. 2
- Journal of Service Research (JSR)
- Journal of Business Research (JBR)
- Journal of Retailing
- Extension thématique Journal of Retailing and Consumer Services (hors liste, mais central sur les robots de service)
- + autres revues de la liste (ex. Journal of Public Policy & Marketing, Journal of International Marketing, etc.)
Cat. 3
- Psychology & Marketing
- European Journal of Marketing
- Marketing Theory
- etc.
2) Pourquoi une cartographie d’articles “clés” ?
Pour passer d’une littérature dispersée à un modèle testable, nous avons sélectionné des articles représentatifs afin de repérer les variables récurrentes et les relations causales les plus robustes.
- Comparer les résultats selon les contextes (retail, services, hospitality).
- Identifier des concepts centraux (ex. anthropomorphisme, présence sociale, risque, confiance).
- Préparer la sélection d’échelles de mesure validées (questionnaire L3).
Point de vigilance : les DOI ci-dessous permettent une vérification fiable des références.
3) Tableau synthétique — Principaux articles marketing sur les robots de service
Sélection de travaux mobilisés pour faire émerger les déterminants et stabiliser le modèle final.
| Article (auteurs, titre) | Année | Revue | Cat. | Méthode | Objet / contexte | Résultats clés (très synthétiques) | DOI |
|---|---|---|---|---|---|---|---|
| Mende, Scott, van Doorn, Grewal & Shanks — “Service Robots Rising: How Humanoid Robots Influence Service Experiences and Elicit Compensatory Consumer Responses” | 2019 | Journal of Marketing Research | 1 | Série d’expériences + scénarios | Robots humanoïdes vs employés humains | Peut améliorer l’expérience mais déclenche des réactions compensatoires (besoin de contrôle). L’acceptation dépend aussi du ressenti de menace / déshumanisation. | 10.1177/0022243718822827 |
| Schepers, Belanche, Casaló & Flavián — “How Smart Should a Service Robot Be?” | 2022 | Journal of Service Research | 2 | Expériences | Niveaux d’intelligence (mécanique / cognitive / émotionnelle) | Effets non linéaires : trop de “feeling AI” peut générer malaise ; un certain niveau de “thinking AI” est apprécié. | 10.1177/10946705221107704 |
| McLeay, Osburg, Yoganathan & Patterson — “Replaced by a Robot: Service Implications in the Age of the Machine” | 2021 | Journal of Service Research | 2 | Expériences + enquêtes | Remplacement d’employés par des robots | Le remplacement peut menacer l’image éthique / réputation sociétale et peser sur l’intention, surtout pour des services perçus comme “humains”. | 10.1177/1094670520933354 |
| Choi, Mattila & Bolton — “To Err Is Human(-oid): How Do Consumers React to Robot Service Failure and Recovery?” | 2021 | Journal of Service Research | 2 | Expériences | Service failure & recovery | Tolérance variable aux erreurs ; la stratégie de recovery et l’anthropomorphisme modulent satisfaction et intentions. | 10.1177/1094670520978798 |
| Song & Kim — “The Role of the Human–Robot Interaction in Consumers’ Acceptance of Humanoid Retail Service Robots” | 2022 | Journal of Business Research | 2 | Enquête + SEM | Robots humanoïdes en retail | L’HRI structure l’acceptation : anthropomorphisme → perceptions sociales & présence → plaisir → intention. | 10.1016/j.jbusres.2022.03.087 |
| Mahr, Odekerken-Schröder & van Doorn — “Evolution of Service Robots in Marketing: A Relational Framework and Future Research Agenda” | 2025 | Journal of Business Research | 2 | Conceptuel / agenda | Cadre relationnel | Cadre relationnel pour comprendre comment les robots reconfigurent les relations de service ; agenda (acceptation, confiance, éthique, bien-être). | 10.1016/j.jbusres.2025.115204 |
| Holthöwer & van Doorn — “Robots Do Not Judge: Service Robots Can Alleviate Embarrassment in Service Encounters” | 2023 | Journal of the Academy of Marketing Science | 1 | Expériences lab + terrain | Services embarrassants | Les robots réduisent le sentiment d’être jugé → moins d’embarras → préférence pour robot et intention accrue. | 10.1007/s11747-022-00862-x |
| Zheng, Wang, Wei, Zhang & Huo — “The Impact of Service Robots on Consumer Response: Examining the Roles of Consumers’ Service Expertise and Technology Expertise” | 2023 | Psychology & Marketing | 3 | Quasi-expérimental | Restauration + télécom | Effets selon expertise de service/technologique ; rôle médiateur de l’emotional trust. | 10.1002/mar.21878 |
| Zhang, Slade & Pantano — “Humanlike Service Robots: A Systematic Literature Review and Research Agenda” | 2024 | Psychology & Marketing | 3 | Revue systématique | Robots “humanlike” | Synthèse des dimensions d’humanité perçue et agenda (acceptation, confiance, co-création, éthique). | 10.1002/mar.22099 |
| Li & Larivière — “The More Extroverted the Better? Unraveling the Complex Relationship Between Service Robots’ Personality and the Service Robot Experience” | 2023 | Psychology & Marketing | 3 | Expériences | Personnalité perçue du robot | Extraversion perçue améliore l’expérience avec effets conditionnels (type de tâche, attentes) sur satisfaction et intention. | 10.1002/mar.21896 |
4) De la revue de littérature au modèle de recherche : la procédure suivie
L’objectif n’était pas de juxtaposer des concepts, mais de construire un cadre théorique cohérent expliquant l’intention d’accepter un robot humanoïde (cuisine, salle, réception).
- Repérage des déterminants récurrents (anthropomorphisme, chaleur, compétence, présence sociale, plaisir, facilité, utilité, risque, confiance, attitude, intention).
- Regroupement en blocs : perceptions sociales (design), expérience interactionnelle (présence/plaisir), valeur fonctionnelle (facilité/utilité) et freins (risque).
- Vérification des relations causales rapportées par les études (antécédents → médiateurs → intention), pour éviter des liens “intuitifs” non fondés.
- Intégration raisonnée des cadres (anthropomorphisme, SCM chaleur/compétence, confiance, TAM/UTAUT), sans adopter un modèle unique “clé en main”.
- Formalisation du modèle intégratif : design & perceptions → expérience & évaluations → attitude/confiance → intention.
👉 Résultat : un modèle scientifiquement justifié et opérationnalisable via un questionnaire (échelles validées).
À retenir : les robots humanoïdes sont des acteurs hybrides.
L’acceptation dépend de perceptions sociales (anthropomorphisme, chaleur, présence),
affectives (plaisir), fonctionnelles (facilité, utilité) et de freins
(risque), via deux médiateurs centraux : confiance et attitude.
Application L3 : le même modèle est mobilisé dans 3 scénarios (cuisine, salle, réception),
en adaptant uniquement le contexte d’interaction et certains outils de mesure (ex. sécurité alimentaire pour la cuisine).
5) Les prochaines étapes du projet de recherche (L3)
Une fois le modèle théorique stabilisé, le projet entre dans sa phase opérationnelle :
- 🎥 Finalisation des vidéos de stimuli : validation des scénarios (robot cuisinier, robot serveur, robot réceptionniste) pour assurer une compréhension homogène de la situation par tous les répondants.
- 📏 Finalisation des outils de mesure : sélection, adaptation (FR) et vérification des échelles (anthropomorphisme, chaleur/compétence, présence sociale, plaisir, facilité, utilité, risque, confiance, attitude, intention).
- 🧩 Orchestration des sections du questionnaire : ordre logique (stimulus → perceptions → évaluations → intention → profil), consignes, items inversés, puis paramétrage et test sur LimeSurvey.
🎓 Enjeu pédagogique : comprendre comment une littérature scientifique se transforme en hypothèses testables,
puis en questionnaire et en recommandations managériales.
