«MEANS-END CHAIN MODEL» AND AUTOMATIC NETWORK DRAWING AS COMMERCIAL AWARENESS TOOLS.

Transcription

1 «MEANS-END CHAIN MODEL» AND AUTOMATIC NETWORK DRAWING AS COMMERCIAL AWARENESS TOOLS. E.ric Boutin *, Jean-Marc Ferrrandi**, Pierre. Vaette Forence*** L ANALYSE DES CHAINAGES COGNITIFS ET LA CONSTRUCTION AUTOMATIQUE DE RESEAUX COMME OUTILS DE VEILLE COMMERCIALE. * Dr. Eric Boutin, Le Pont, IUT, TC, BP 132, La Garde Cedex. France boutin@univ-tn.fr **Dr. Jean Marc Ferrandi, Centre de recherche de ESA Grenobe France centrerecherch@demeter.fr *** Pr. Pierre Vaette Forence, Centre de recherche de ESA Grenobe France. vaette@esa.grenet.fr Keywords: network, data anaysis, marketing. Résumé: L objet de cette recherche appiquée est de découvrir es aspirations et es pratiques reatives à a consommation d énergie. Ces attentes en matière de service énergétique ont été appréhendées à travers a méthode des chaînages cognitifs et déterminées grâce à une technique originae de traitement des données: anayse de réseaux. La concusion dresse e bian de cette étude, ses apports et imites respectives et dégage un certain nombre de voies de recherche futures. Summary: The aim of this appied research is to discover aspirations and practices inked with energy consumption. These expectations as regards energy services have been apprehended through the «Means-End Chain Mode» and determined thanks to network anaysis. The concusion gives an overview of this study and points at various research directions in the future. Internationa Journa of Information Sciences for Decision Making Page 19

2 L ANALYSE DES CHAINAGES COGNITIFS ET LA CONSTRUCTION AUTOMATIQUE DE RESEAUX COMME OUTILS DE VEILLE COMMERCIALE. Eric Boutin *, Jean-Marc Ferrrandi**, Pierre. Vaette Forence*** «MEANS-END CHAIN MODEL» AND AUTOMATIC NETWORK DRAWING AS COMMERCIAL AWARENESS TOOLS. * Dr. Eric Boutin, Le Pont, IUT, TC, BP 132, La Garde Cedex. FRANCE boutin@univ-tn.fr **Dr. Jean Marc Ferrandi, ESA Grenobe *** Pr. Pierre Vaette Forence, ESA Grenobe. vaette@esa.grenet.fr L objet de ce travai est de porter à a connaissance de a communauté académique une pratique de veie commerciae originae. Cette originaité réside en deux points: - Le recours à a méthode des chaînages cognitifs comme mode de recuei de information. - L utiisation de anayse en terme de réseaux, comme outi de traitement et de visuaisation des données coectées. Cette méthode a été utiisée par une société de distribution d énergie d une vie du Sud de a France qui s interrogeait sur es attentes et es aspirations de ses cients en matière de consommation d énergie. L objectif était d identifier, au deà de a seue satisfaction d un besoin primaire, se chauffer, des pratiques de consommation d énergie spécifiques. Les choix méthodoogiques seront présentés en début de cet artice. Les résutats principaux qui découent des anayses effectuées seront ensuite exprimés. A titre de synthèse, a concusion dressera e bian de cette étude, ses apports et imites respectives et dégagera es voies de recherche futures. I. METHODOLOGIE EMPLOYEE A- L anayse seon es chaînages cognitifs. Introduite en 1988 par Reynods et Gutman, [GUT 82],[REY et aii 88], anayse seon es chaînages cognitifs a connu depuis d ampes déveoppements, tant conceptues, que méthodoogiques. Le ecteur intéressé trouvera dans Vaette-Forence [VAL 94] un panorama assez compet des caractéristiques propres à cette démarche. Nous présenterons brièvement cidessous ses principaes spécificités. 1. Caractéristiques principaes de a méthode. Tout individu, orsqu i consomme un produit (ou un service) cherche à satisfaire des besoins immédiats, parfois primaires, comme a faim ou a soif, directement iés aux caractéristiques propres au produit, mais aussi un ensembe de conséquences pratiques ou pus personnees qu i va en retirer (eg: e confort), ainsi que des vaeurs pus motrices dans sa vie, tees que par exempe, une vie aisée et confortabe ou a sécurité famiiae. Page 20 Internationa Journa of Information Sciences for Decision Making

3 Reconstituer ces iens entre attributs, conséquences et vaeurs, au niveau d un même segment de cientèe, s appee un chaînage cognitif. Ceui-ci représente ensembe des iens existants entre certains attributs, conséquences et vaeurs, iens qui sont partagés conjointement par pusieurs individus. En d autres termes, un chaînage cognitif est a résutante, à un niveau agrégé, des aspirations personnees (ou attentes) partagées par un même groupe de consommateurs. Ces aspirations individuees, coectées de manière quaitative et en face à face, s appeent des chaînes individuees faisant expicitement e ien entre un attribut d un produit et es conséquences d ordre fonctionne ou psychoogique, ainsi que es vaeurs qui en découent. Concrètement a phase d enquête met à jour, pour chaque individu pusieurs chaînes de type: A C 1 C 2 V 1 V 2, où A représente attribut choisi, C 1 et C 2 deux conséquences qui en découent, et V 1 et V 2 deux vaeurs directement reiées aux deux conséquences précédentes. Comme e recuei quaitatif de information met directement en jeu des processus d ordre cognitif, e terme de chaînages cognitifs s est tout natureement imposé. En résumé, a démarche procède en deux étapes successives: - tout d abord, à un niveau individue, expression de pusieurs chaînes individuees (toutes du type A C V) au moyen d un protocoe spécifique de recuei d information présenté pus oin, - ensuite, une série d anayses basées sur a construction automatique de réseaux. I s agit d une démarche originae, présentée pus oin qui a fait objet de récents déveoppements. 2. Les caractéristiques de a coecte des données. Comme nous avons souigné dans e paragraphe précédent, anayse seon es chaînages cognitifs est une démarche en essence quaitative, bien que es traitements statistiques soient de nature quantitative. De ce fait, a coecte se déroue en deux étapes successives: - a première, basée sur une réunion de groupe quaitative, est nécessaire pour vaider es ééments hiérarchiques (attributs - conséquences - vaeurs) qui seront utiisés dans a deuxième phase, - a seconde est réaisée au moyen d entretiens individues en face à face, d une trentaine de minutes environ, utiisant information obtenue à étape précédente. L originaité de a coecte des données réside dans utiisation d un jeu de «cartes» préétabies sur esquees sont notées en cair es différents ééments constituant es istes d attributs, conséquences et vaeurs. L enquêteur demande tout d abord au répondant de casser en pusieurs pies (deux ou trois) es attributs suivant qu i es perçoit comme «important», «moyennement important» ou «pas important» pour caractériser sa pratique de consommation quotidienne. L enquêteur ui demande aors de séectionner dans a pie des attributs importants ceui qu i considère comme étant e pus. Cet attribut va servir de point «d ancrage» pour a réaisation de a suite de entretien. On demande aors au répondant de séectionner parmi a pie des conséquences cee(s) (une ou deux, rarement pus) qui sont es pus importantes pour ui et qui découent directement de attribut (ou caractéristique) qu i vient de séectionner. Ce ou ces cartes sont donc séectionnées et mises devant enquêté, par exempe A 2 - C 1 - C 6. On recommence ensuite a même opération avec es vaeurs pour aboutir à a première chaîne individuee du répondant, par exempe 2 A- C 1 - C 6 - V 2 - V 8. On recommence après cea a même opération avec e deuxième attribut jugé e pus important (dans a première pie des attributs jugés «importants») et ainsi de suite jusqu à ce que e répondant ne puisse (ou ne désire) pus évoquer des chaînes individuees suppémentaires. L entretien se termine aors avec un court recuei d informations pus cassiques, concernant queques variabes socio-démographiques simpes, ainsi que des renseignements caractérisant e Internationa Journa of Information Sciences for Decision Making Page 21

4 chauffage actue du répondant et son degré de satisfaction correspondant. Souignons aussi que ors de entretien par cartes, à chaque niveau hiérarchique (attributs, conséquences, vaeurs) des cartes vierges sont aissées à a disposition de enquêté au cas où ceui-ci désirerait noter un éément, non disponibe dans a iste, et qu i jugerait très important pour ui. Cette procédure, qui n est pratiquement jamais utiisée, comme ici, permet d éviter de passer à côté d ééments qui ne seraient pas apparus ors de a phase quaitative préiminaire. Au tota, enquête effectuée sur 79 personnes a conduit à obtention de 184 chaînes individuees, faisant es iens entre es attributs recherchés, es conséquences qu on en retire et es vaeurs qu is satisfont (soit une moyenne de 2,3 chaînes par personne). B. Les réseaux: un outi origina d anayse des chaînages cogn itifs. Notre objectif est de présenter un nouve outi d anayse de données: anayse de réseaux et d asseoir sa pertinence [BOUT et aii 96 1]. Cependant, avant d appiquer cette méthode dans un cadre concret, e comportement en matière d énergie, nous préciserons ses spécificités par rapport aux techniques cassiques d anayse de données. 1. Les spécificités de anayse de réseau. L anayse en termes de réseaux présente trois spécificités: e point de départ, e point d arrivée et es présupposés de a méthode. 1- Le point de départ de a méthode. Le point de départ de a méthode est, dans e cas présent, une succession de n chaînes individuees exprimées par m individus, chacun d entre eux ayant expicité une ou pusieurs chaînes. Raisonnons pour simpifier sur cinq chaînes. Individu 1 chaîne 1: Prix; Economie; Maîtrise de a chaeur; Vie confortabe aisée. Individu 1 chaîne 2: Paisir; Confort; Sécurité; Sécurité famiiae. Individu 2 chaîne 1: Indispensabe; Maîtrise de a chaeur; Quaité de a vie; Vie confortabe aisée. Individu 2 chaîne 2: Température constante; Tranquiité; Indépendance; Confort; Sécurité famiiae. Individu 2 chaîne 3: Puissant; Maîtrise de a chaeur; paisir. Tabeau 1: Exempes de chaînes. Tabe 1: Exampes of chains. Cette information peut être retranscrite sous forme de tabeau binaire comme iustre a matrice 1. Cette matrice étabit a présence ou absence de chaque variabe pour chacune des chaînes exprimées. La matrice 1 préserve toute a richesse de information contenue dans es chaînes exprimées. Prix Economie Maîtrise chaeur Vie confortab Paisir Confort Sécurité Sécu. famiia Indispensabe Quaité de vie Temp. cste Tranquiité Indépendant Puissant Ind1 ch Page 22 Internationa Journa of Information Sciences for Decision Making

5 Ind1 ch Ind2 ch Ind2 ch Ind2 ch Matrice 1: Matrice visuaisant es chaînes exprimées Matrix 1: Matrix visuaizing expressed chains Dans es techniques cassiques d anayse de données, information contenue dans a matrice 1 est manipuée mathématiquement pour donner ieu à une matrice qui exprime pour chaque coupe de variabes (ou chaque coupe de chaînes) a distance existant entre ces deux variabes ou ces deux chaînes. Si on retient par exempe indice de Jaccard pour apprécier intensité de a iaison entre es variabes prises deux à deux, on obtient, en appication de a formue ci dessous un indice qui mesure intensité de a reation entre es variabes «prix» et «économie». Variabe Prix Présence Absence Variabe Economie Présence N A N B Absence N C N D N A désigne e nombre de chaînes dans esquees «Prix» et «Economie» sont présents. Ici, N A =1 N B désigne e nombre de chaînes pour esquees «Prix» est un descripteur de a chaîne mais pas «Economie». En suivant e même principe on trouve N C =2 et N D =2 indice de Jaccard apprécie association entre es deux variabes par expression: NA ce qui donne un indice de 0.33 dans exempe considéré entre es descripteurs NA + N B + NC «Prix» et «Economie». De proche en proche, i est possibe de construire a matrice de Jaccard associé au probème. Ces matrices de distance garantissent a projection des variabes ou des chaînes dans un espace réduit. Toutefois, e recours à de tees matrices de distance introduit un biais en ce sens que ce n est pus information brute de départ qui est manipuée mais un construit mathématique. Dans approche réseau, on priviégie au contraire une démarche pus pragmatique en raisonnant tout e ong de a chaîne de traitement sur information brute initiae sans a transformer. L information brute est aors traduite sous forme matriciee de deux façons différentes mais compémentaires. - Si nous centrons anayse sur es chaînes exprimées par es consommateurs, a matrice résutante va exprimer e nombre de variabes que partagent ces chaînes prises deux à deux. En reprenant exempe précédent, nous obtenons a matrice présentée dans e tabeau 2 et connue sous e nom de «matrice de Condorcet». Individu 1 chaîne 1 Individu 1 chaîne 2 Individu 2 chaîne 1 Individu 2 chaîne 2 Individu 2 chaîne 3 Individu chaîne 1 Individu chaîne 2 Individu Internationa Journa of Information Sciences for Decision Making Page 23

6 chaîne 1 Individu 2 chaîne 2 Individu 2 chaîne Tabeau 2: Matrice de Condorcet réaisée à partir des cinq chaînes. Tabe 2: Condorcet matrix reaized up five chains. Ce tabeau nous fournit donc une information reative à a proximité des chaînes prises deux à deux en fonction du nombre d ééments qu ees partagent. Par exempe, a chaîne 1 de individu 1 et a chaîne 1 de individu 2 ont deux ééments en mmun. co L information présentée ici est pus pauvre que cee proposée dans e tabeau 1, parce que nous ne pouvons pus préciser ques sont es ééments partagés par es chaînes prises deux à deux. - Si, en revanche, nous centrons anayse sur es variabes, nous exprimons e nombre de chaînes dans esquees deux variabes sont présentes. En reprenant exempe précédent, nous obtenons a matrice présentée dans e tabeau 3 et connue sous e nom de «matrice de Burt». Page 24 Internationa Journa of Information Sciences for Decision Making

7 Prix Economie Maîtrise chaeur Vie confortab Paisir Confort Sécurité Sécu. famiia Indispensabe Quaité de vie Temp. cste Tranquiité Indépendant Puissant Prix Economie Maîtrise de a chaeur Vie confortabe paisir Confort Sécurité Sécurité famiiae Indispensabe Quaité de a vie Température constante Tranquiité Indépendance Puissant Tabeau 3: Tabeau de Burt réaisé à partir des cinq chaînes. Tabe 3: Burt matrix reaized up five chains. Les variabes «Vie confortabe» et «Maîtrise de a chaeur», par exempe, sont co-présentes dans deux chaînes. Cette matrice nous fournit une information sur intensité de a reation qui existe entre es variabes sur a base du nombre de chaînes dans esquees ees sont présentes ensembe. L information obtenue dans ce tabeau est pus pauvre que cee du tabeau 1, parce que nous ne pouvons pas préciser quees sont es deux chaînes dans esquees es variabes «Vie confortabe» et «Maîtrise de a chaeur» sont co-présentes. Les matrices de Condorcet et de Burt retransmettent en fait intégraité de information contenue dans es données brutes et doivent être comprises comme es deux facettes d une même réaité. En termes mathématiques, a seconde anayse correspond au dua de a emière. pr L anayse que nous aons déveopper va consister à considérer successivement chacune de ces matrices. Ces «aer-retour» entre matrice de Condorcet et matrice de Burt garantiront a restitution de intégraité de information contenue dans es chaînes exprimées. I n y a pas de perte d information entre information brute et information matriciee qui est manipuée mathématiquement. 2- Le point d arrivée de a méthode. Internationa Journa of Information Sciences for Decision Making Page 25

8 L objectif de a méthode consiste à construire des réseaux à partir des matrices éaborées ors de étape précédente. Ceux-ci sont susceptibes d être interprétés très simpement [BOUT et aii 96 2]. comme e montrent es réseaux ci-dessous éaborées à partir des deux matrices de exempe précédent. Figure 1: Réseau des reations entre variabes Figure 1: Reationships network between variabes Figure 2: Réseau des reations entre individus Figure 2:Reationships network between peope Considérons e réseau présenté dans a figure 1. En son sein, chaque sommet correspond à une variabe et chaque ien entre deux sommets indique existence d une co-présence entre es deux variabes dans au moins une des chaînes. Cette figure est a transcription visuee rigoureuse de a matrice de Burt. Chaque éément présent dans a première coonne de a matrice est représenté en tant que sommet et chaque ceue différente de zéro à intersection de deux variabes se traduit par un ien entre ces deux variabes. Le raisonnement est identique pour a construction du réseau figure 2, à partir de a matrice de Condorcet. La figure 1 fait apparaître un certain nombre d ééments caractéristiques. Les variabes sont regroupées au sein de sous-groupes. On remarque que attribut «puissant» joue un rôe particuier en tant qu interface ou pivot entre deux d entre eux. Une tee variabe est appeée isthme [AHO et aii 87].. Si nous retirions cette variabe de a matrice initiae, es deux sousgroupes seraient disjoints. Le processus par eque est généré automatiquement ce genre de réseau dépasse objet de cette communication. Simpement, e passage d une matrice à une représentation cartographique utiise certains agorithmes tes que es agorithmes génétiques [BICK et aii 94] ou e recuit simué [BOUT et aii 96 3]. Le but est d optimiser e positionnement des sommets sur un graphe compte tenu de certaines contraintes d esthétisme. Ce type de recherches fait objet de déveoppements au sein du aboratoire «Le Pont» de Université de Touon et du Var. Nous pouvons mettre en avant, à ce stade, trois quaités de cette méthode d anayse de données. - Tout d abord, cette approche donne ieu à une représentation graphique visuee qui peut être interprétée sans formation préaabe aux techniques d anayse de données. Cette quaité est fondamentae et constitue un point fort de a méthode en comparaison des anayses de données traditionnees. Ces dernières tirent souvent eur compexité du fait qu ees transforment es matrices de départ en matrices de distance entre es variabes pour pouvoir Page 26 Internationa Journa of Information Sciences for Decision Making

9 effectuer des projections en espaces réduits. Or, e choix de a métrique conditionne e résutat fina. Ceci fait des techniques d anayse de données cassiques des anayses entre es mains d experts souvent ma comprises de utiisateur néophyte. - Cette technique présente égaement avantage d une grande soupesse. Ee peut être conduite sur toute matrice, pourvu que cee-ci soit carrée et symétr ique. - Enfin, cette méthode présente avantage non négigeabe de autodétermination des sous-groupes sans intervention préaabe humaine. 3- Les hypothèses de a méthode. L exempe précédent est séduisant mais trop imité pour être suffisamment convaincant quant à utiité de a méthode. I sembe en effet difficie de comparer es techniques d anayses de données cassiques qui synthétisent une information massive pouvant comporter des miiers d enregistrements avec une anayse iustrée seuement à partir de cinq chaînes. Si e réseau présenté figure 1 est si simpe, c est parce que es associations entre es variabes sont suffisamment peu nombreuses pour garantir sa isibiité. Toutefois, si d autres individus avaient émis des chaînages suppémentaires, de nouvees associations entre es chaînes auraient été exprimées et a représentation simutanée de ce genre de reations sur un réseau aurait donnée ieu à un graphe surchargé voire inextricabe. La réaité d un phénomène compexe et nuancé ne peut pas être a priori représentée par un réseau cair et impide. Partant de ce constat, e réseau doit être simpifié pour gagner en isibiité. Cette simpification va consister à supprimer du réseau certains iens entre variabes. Le but de ces suppressions est d accepter de perdre de information pour gagner en visuaisation et en significativité. Toutefois, une tee simpification du réseau obéit à une ogique qui peut être cairement énoncée et échappe ainsi à toute forme d arbitraire. Lorsqu on anayse une information massive, quee qu en soit a forme, i est en effet possibe de a décomposer en trois composantes quaifiées respectivement d information triviae, d information intéressante et de bruit au sens statistique du terme. - L information triviae se compose des associations de variabes es pus fréquentes. Cees-ci constituent e dénominateur commun de ensembe considéré. En tant que te, ce genre d association apporte une information très générae. Si nous enevons du réseau de tes iens, non seuement nous écaircissons e réseau, mais nous ui donnons aussi une sensibiité dominante correspondant au sens des sommets ôtés. - A opposé, information quaifiée de bruit est constituée de ensembe des associations entre variabes qui sont es moins fréquemment obtenues. Ces associations correspondent soit à une information émergente, soit à une information reative ici à une chaîne atypique. Le fait de supprimer de tees reations du réseau va accroître sa isibiité. - Le reste des associations entre es variabes est quaifié d information utie. Des anayses entreprises à partir du concept d entropie [LHE et aii 95] ont permis de dégager des seuis permettant de séparer automatiquement ces trois types d informations. Ainsi dispose-t-on, orsque e réseau est trop fourni, de critères cairs permettant de e simpifier. II. ILLUSTRATION DE LA DEMARCHE: Internationa Journa of Information Sciences for Decision Making Page 27

10 Nous proposons d iustrer a technique à partir d un jeu de 184 chaînes exprimant es réponses énoncées par 79 individus. Chaque chaîne associe au maximum cinq variabes correspondant à des associations attributs - conséquences - vaeurs, faites par es personnes interrogées. Ces chaînes se rapportent à une étude reative au comportement de a popuation grenoboise en matière de consommation d énergie. 1- Le point de départ de a méthode. Considérons dans un premier temps a matrice de Condorcet associée à appication. Cette matrice a été obtenue automatiquement à aide du ogicie Dataview déveoppé au Centre de Recherche et de Rétrospective de Marseie [ROS 93]. Cette matrice exprime e nombre de variabes que partagent deux chaînes. Une extraction des neuf premières chaînes de cette matrice est présentée figure 3 pour iustrer a démarche. Les ééments qui figurent en première igne et première coonne correspondent pour e chiffre des unités au numéro de a chaîne exprimée et pour e reste au numéro de individu interrogé Figure 3: Extrait de a matrice de Condorcet associée au probème. Figure 3: Extract from Condorcet matrix inked to the probem. On voit ainsi par exempe que a chaîne 3 de individu 3 et a chaîne 1 de individu 1 ont trois ééments en commun. 2- Le réseau obtenu à partir de a matrice de Condorcet. Comme a représentation de ensembe des reations entre es chaînes est confuse, e choix a été fait de ne visuaiser que es iens associés aux chaînes qui partagent au moins quatre variabes en commun. Le chiffre 4 correspond au nombre de degré de iberté du système, chaque chaîne n étant associée qu à cinq variabes maximum. Ce seui reativement éevé permet de imiter a variété du système. Le réseau obtenu est présenté igure f 4. Ce réseau, bien que compexe et embrouié permet de faire ressortir cairement pusieurs groupes de chaînes indépendants. Nous pouvons distinguer es groupes à structure forte: A, B et C, ceui à petites structures situé en bas du réseau et es structures isoées amassées au coin sud-est. Chaque groupe identifié ors de cette phase correspond à des chaînes voisines, qui partagent au moins quatre des cinq variabes es définissant pour es quatre premiers, et moins de quatre pour a structure isoée. Chaque groupe ainsi identifié a un poids proportionne au nombre de chaînes qui e caractérisent. Par conséquent, e groupe B défini par cinquante chaînes aura pus de poids que Page 28 Internationa Journa of Information Sciences for Decision Making

11 e groupe C défini par trente chaînes. En exprimant ces poids en pourcentages, nous pouvons répartir a quantité d information du réseau entre es diverses composantes de a façon suivante: - Le groupe A: % - Le groupe B: % - Le groupe C: 16.3 % - Le groupe des isoés: % - Le groupe des petits: %. A B C Figure 4: Le réseau obtenu à partir de a matrice de Condorcet en ne retenant que es fréquences de paires supérieures ou égaes à 4. Figure 4: Nework obtained from Condorcet matrix by retaining ony frequencies superiors or equa to 4. Structure faibe L objectif est maintenant de caractériser chacun de ces groupes. Pour chacun d entre eux, i est possibe de construire un réseau des variabes en reconstituant a matrice de Burt associée. Le réseau résutant met en évidence es reations entre es variabes partagées par es individus du groupe. Nous aons iustrer cette démarche en anaysant e groupe C. 3- Du réseau des chaînes au réseau des variabes. structure isoée Le groupe C est composé de trente chaînes présentées dans annexe 2. Par définition, chacune de ces chaînes comporte au minimum quatre variabes en commun avec toutes es autres. Nous pouvons construire à partir de cette iste une matrice variabe - variabe Internationa Journa of Information Sciences for Decision Making Page 29

12 qui associe à chaque coupe de variabes e nombre de références dans esquees ees sont coprésentes. Cette matrice de Burt est présentée dans a figure Individue (3) Indépendance / immeube (20) Indépendance (38) Tranquiité (25) Vie aisée, confortabe (39) Liberté (35) Maîtrise de a chaeur (28) Economie (21) Sécurité famiiae (34) Quaité de environnement (36) Paisir (33) Confort (22) Quaité de a vie (17) Figure 5: Matrice de Burt associée au groupe C. Figure 5: Burt matrix associated with group C On remarque que e groupe C est parfaitement défini à partir de treize variabes: un attribut (chauffage individue), six conséquences (quaité de a vie, indépendance par rapport aux autres habitants de immeube, économie, confort et maîtrise de a chaeur) et six vaeurs (paisir, sécurité famiiae, tranquiité, iberté, indépendance, et vie aisée et confortabe). Nous avons choisi d éiminer un ien entre es variabes orsque ceui-ci avait une fréquence inférieure à deux. Supprimer ces iens a pour but, comme nous avons vu précédemment, d éiminer du réseau e bruit statistique et donc de c arifier e réseau. Après suppression des iens de fréquence inférieure à deux, nous obtenons e réseau suivant: Figure 6: Réseau associé au groupe C. Figure 6: Network associated with group C Page 30 Internationa Journa of Information Sciences for Decision Making

13 Dans ce réseau, i reste neuf variabes en interreations. Parmi ces dernières, trois d entre ees sont en reation avec ensembe des huit autres: chauffage individue (3), indépendance par rapport aux autres habitants de immeube (20) et indépendance (38). De tees variabes jouent un doube rôe. D une part, ees permettent de donner a sensibiité dominante du groupe: indépendance. D autre part, ees gênent par eur présence sur e réseau a mise en évidence de phénomènes pus fins. La figure suivante correspond au réseau de base auque ont été soustraites ces trois variabes. Figure 7: Réseau associé au groupe C en enevant es isthmes. Figure 7: Network associated with group C obtained by removing isthmuses. La variabe 25 (tranquiité) peut être considérée comme un isthme du système. Si nous enevons, nous faisons apparaître deux associations indépendantes: - 21, 35 correspondant aux variabes Economie, iberté - 28, 39 correspondant aux variabes maîtrise de a chaeur, vie aisée et confortabe. Ces deux associations correspondent à deux sous-orientations du groupe C. Une anayse simiaire peut être conduite sur chacune des grandes structures identifiées à a figure 4. Ceci permet de mettre en évidence trois dominantes par rapport au chauffage : Groupe A: économie Groupe B: e confort utiitariste Groupe C: indépendance. Dans e cas présent nous avons considéré es isthmes comme es ééments permettant de déterminer a sensibiité de chacun des groupes. Ceci n est pus e cas pour es groupes des petites structures et des isoés. Ces groupes étant divisés en pusieurs segments, e retrait des isthmes va nous permettre de es segmenter. Les isthmes sont aors envisagés comme des ééments perturbants qui viennent brouier information. Leur retrait permet de segmenter es chaînes émises par a popuation. L anayse des petits groupes situés en bas du réseau de a figure 4 permet de faire ressortir des comportements mineurs. Ceux ci correspondent à quatre dominantes: efficace, écoogique, «pépère» et pratique. L anayse des isoés situés au sud-est de a figure 4 permet de retrouver ensembe des structures énoncées précédemment. Ces chaînes sont constituées de trois ou quatre ééments. Pour cette raison, ees n avaient pu être intégrées dans es structures précédentes. Comme précédemment, nous avons choisi de ne retenir sur a matrice de Burt que es ééments ayant une fréquence d occurrence supérieure à deux. Ceci nous permet d éiminer e bruit au sens Internationa Journa of Information Sciences for Decision Making Page 31

14 statistique du terme. Grâce à ceci et suite au retrait des isthmes par itérations successives, nous avons pu identifier sept sous-groupes: es propres, es «température constante», es économes, es individuaistes, es quaitatifs, es sécuritaires et es prat iques. Concusion. L anayse des réseaux fait ressortir cinq groupes de consommateurs en matière de comportement énergétique. Les trois premiers indiquent es tendances généraes de a popuation: confort, indépendance et économie. Le groupe des petites structures a permis identification de comportements émergents comme écoogie, tandis que ceui des isoés permettait de retrouver de façon pus étroite es tendances dégagées préaabement dans es trois premiers groupes. La synthèse des résutats est présentée en Annexe 3. L étude réaisée accuse queques imites. Tout d abord, cette démarche est centrée tantôt sur es variabes en perdant information reative aux chaînes, tantôt sur es chaînes en perdant information reative aux variabes. De pus, nous n avons pas pu déterminer pour chaque groupe une chaîne type attribut - conséquences - vaeurs qui serait représentative du groupe considéré. En effet, a méthode ne distingue pas ors de a construction du réseau es attributs des conséquences et des vaeurs. Rien ne garantit a priori que es variabes ôtées appartiennent à ces trois catégories. Diverses voies de recherche sembent se dégager. I serait intéressant de comparer cette méthode avec approche spatiae, anayse canonique généraisée, déveoppée par Vaette- Forence. Ceci permettrait d asseoir a vaidité conjointe des deux méthodes et de vérifier qu ees aboutissent bien à des résutats sembabes en matière de segmentation. De pus, i serait utie d intégrer à étude entreprise des informations compémentaires comme es variabes socio-démographiques pour avoir une vision pus compète de a réaité. Enfin, i conviendrait de passer de a notion de chaîne à a notion d individu, un individu ayant pu citer pusieurs chaînes. On pourrait ainsi étabir une typoogie des individus et es distinguer seon que es chaînes qu is ont exprimées appartiennent aux mêmes groupes ou à des groupes distincts. Nous aurions ainsi trois degrés de finesse dans anayse: e premier au niveau des variabes, e deuxième au niveau des chaînes et e dernier au niveau des individus. Annexe 1: Liste des attributs - conséquences - vaeurs et occurrence correspondante. Attributs Conséquences Vaeurs - Quaité de vie - Gain de pace - Pas de probème d approvisionnement - Indépendance par rapport aux autres habitants de immeube - Economie - Confort (bien-être) - Gain de temps - Sécurité - Tranquiité - Préservation de environnement - Propre - Pas de stockage - Individue - Coectif - Puissant (chauffe rapidement) - Pas de danger (fiabe) - Pas de coupure (disponibe) - Pratique (facie à utiiser) - Indispensabe - Température constante - Paisir - Sécurité famiiae - Liberté - Quaité de environnement - Propreté - Indépendance - Vie aisée, confortabe - Un monde de beauté Page 32 Internationa Journa of Information Sciences for Decision Making

15 - Préserve un taux idéa d humidité de air - Prix - Pas d odeur, de fumée - Maîtrise de a chaeur Annexe 2. Les chaînages exprimés par es membres du groupe C. N de Variabe chaîne 1 71 individue 91 individue 113 individue 142 individue 192 individue 222 individue 232 individue 261 individue 271 individue 301 individue 322 individue 332 individue 363 individue 401 individue 421 individue 443 individue 521 individue 533 individue 541 individue 571 individue Variabe 2 Variabe 3 Variabe 4 Variabe 5 indépendance / immeube maîtrise de a chaeur vie aisée confortabe indépendance indépendance / tranquiité indépendance sécurité famiiae immeube indépendance / tranquiité iberté indépendance immeube indépendance / tranquiité indépendance iberté immeube indépendance / tranquiité iberté indépendance immeube indépendance / tranquiité iberté indépendance immeube indépendance / tranquiité iberté indépendance immeube indépendance / maîtrise de a vie aisée immeube chaeur confortabe indépendance / tranquiité indépendance sécurité famiiae immeube confort maîtrise de a indépendance vie aisée chaeur confortabe quaité de vie indépendance iberté indépendance indépendance / immeube maîtrise de a chaeur indépendance indépendance / économie iberté indépendance immeube indépendance / économie iberté indépendance immeube indépendance / tranquiité quaité de indépendance immeube environnement indépendance / économie indépendance immeube tranquiité indépendance indépendance vie aisée confortabe indépendance / tranquiité iberté indépendance immeube indépendance / tranquiité indépendance vie aisée immeube confortabe indépendance / tranquiité indépendance immeube Internationa Journa of Information Sciences for Decision Making Page 33

16 592 individue 601 individue 611 individue 632 individue 661 individue 691 individue 702 individue 712 individue 732 individue 794 individue tranquiité indépendance indépendance vie aisée confortabe indépendance / tranquiité indépendance vie aisée immeube confortabe indépendance / tranquiité iberté indépendance immeube tranquiité indépendance indépendance vie aisée confortabe indépendance / tranquiité indépendance vie aisée immeube confortabe tranquiité indépendance indépendance vie aisée confortabe indépendance / tranquiité indépendance vie aisée immeube confortabe indépendance / iberté indépendance immeube indépendance / tranquiité vie aisée immeube confortabe indépendance / tranquiité paisir vie aisée immeube confortabe Page 34 Internationa Journa of Information Sciences for Decision Making

17 Bibiographie: AHO A., HOPCRAFT J. et ULLMAN J.(1987), Structure des données et agorithmes, Interéditions, France. BICKING F., FONTEIX C.,CORRIOU J.P. et MARC I. (1994), «Goba Optimization by Artificia Life: A New Technique Using Genetic Popuation Evoution», R.A.I.R.O Recherche Opérationnee, 28, BOUTIN E., FERRANDI J.M. et VALETTE-FLORENCE P. (1996-1), «Les réseaux comme outi d anayse des chaînages cognitifs: une iustration expérimentae», Papier de Recherche 96-06, CERAG, Ecoe Supérieure des Affaires, Grenobe. BOUTIN E, DUMAS P, ROSTAING H. et QUONIAM L. (1996-2), «Les réseaux comme outi d anayse en bibiométrie. Un cas d appication: es réseaux d auteurs», Les cahiers de a documentation Bege, Vo 50, N 1, 1996, p 3-13 BOUTIN E. et FERRANDI J.M. (1996-3),«La construction automatique de réseaux sociaux: étude exporatoire», Actes du Cooque Nationa de Recherches en IUT en Mathématiques, Statistiques, Informatique», Cermont-Ferrand. GUTMAN J. (1982), «A Means-End Chain Mode Based on Categorization Processes», Journa of Marketing Research, 46, 1, LHEN J., LAFOUGE T.,ELSKENS Y., QUONIAM L. et DOU H. (1995), «La statistique des ois de Zipf», Acte du cooque: «Les systèmes d information éaborés», Ie Rousse. REYNOLDS T.J. et GUTMAN J. (1988), «Laddering Theory, Method, Anaysis and Interpretation», Journa of Advertising Research, 28, 1, ROSTAING H.,(1993), Veie technoogique et bibiométrie: concepts, outis et appications, Thèse: Aix Marseie III, 353p. VALETTE-FLORENCE P. (1994), «Introduction à anayse des chaînages cognitifs», Recherche et Appications en Marketing, 9, 1, Internationa Journa of Information Sciences for Decision Making Page 35