Le fonctionnement optimal psychologique : validation d’echelle, profils latents et classification par machine learning

Les organisations du travail sont de plus en plus confrontées aux environnements VICA (i.e., volatilité, incertitude, complexité et ambiguïté) qui induisent des changements rapides, l'absence de normes ou l'actualisation constante des plans et des projets ainsi que la transformation des modèles de compétences (Nowacka et Rzemieniak, 2021). Cela a conduit à mettre l'accent sur les compétences non techniques des individus qui doivent se montrer des apprenants très agiles s'adaptant à des situations changeantes et ambiguës. De plus les compétences techniques n'ont qu'une pertinence éphémère dans ce type d'environnement (Horstmeyer, 2020). Si diverses ressources personnelles positives peuvent être identifiées dans la littérature (e.g., capital psychologique ; Luthans et Youssef, 2004), Jaotombo (2019) a mis en évidence qu'il était pertinent de s'appuyer sur le cadre théorique intégratif du modèle tripartite de l'esprit humain (Kurczewska et al., 2017) afin de prendre en compte les aspects cognitifs, affectifs et conatifs des individus dans un même construit psychologique. Ainsi, le fonctionnement optimal psychologique (FOP) est un construit multidimensionnel regroupant les émotions positives, les émotions négatives, le flow (ou expérience optimale), l'auto-efficacité, la satisfaction des besoins psychologiques de base ainsi que l'usage des forces. L'outil de mesure du FOP a été initialement validé suivant une modélisation bifactorielle en équations structurelles exploratoires (Jaotombo, 2019). Notamment, le facteur général de FOP était négativement associé à plusieurs facteurs de risques psychosociaux (e.g., absentéisme, turnover ; Jaotombo, 2019). La présente étude a été réalisée auprès d'une population de militaires de l'armée de l'Air et de l'Espace (N = 3928), ces professionnels évoluant par nature dans des contextes imprévisibles et exigeants nécessitant de disposer de solides ressources personnelles (Choisay et al., 2021). En plus de la validation d'une version révisée du FOP (FOP-R), incluant l'invariance de mesure sur des données biodémographiques (e.g., genre, grade), les enjeux de cette recherche étaient : 1) de mettre au jour des profils latents mettant en évidence une typologie de classification du personnel ; 2) de mettre en évidence l'association de certains profils à des conséquences stimulantes ou, à l'inverse, délétères pour les individus ; et 3) de mettre en œuvre une procédure de prédiction des profils de FOP à l'aide d'un apprentissage supervisé par Machine Learning. En termes de principaux résultats, cette étude a tout d'abord mis en évidence qu'il existait cinq profils de FOP (i.e., fonctionnement moyen ; fonctionnement optimal émotionnel ; dysfonctionnement résilient ; dysfonctionnement total et fonctionnement optimal total) et que ces derniers montraient des liens différenciés avec différents antécédents (e.g., contraintes stimulantes et délétères) et conséquences (e.g., burnout). Ensuite, l'application d'un apprentissage supervisé grâce à des méthodes avancées de Machine Learning permet de réaliser des prédictions fiables des profils tout en sélectionnant les variables prédictrices les plus pertinentes (parcimonie). Les perspectives découlant de cette recherche peuvent se décliner suivant deux axes. Tout d'abord, il s'agit de poursuivre l'étude du FOP en vérifiant sa validité incrémentale sur d'autres construits pour prédire des conséquences aux niveaux individuel, groupal et organisationnel. Ensuite, on propose une illustration de l'utilisation de l'IA en psychologie, notamment d'un point de vue méthodologique en complétant les approches classiques de modélisation hypothético-déductive par une approche inductive et prédictive. Les conséquences opérationnelles et éthiques de cette démarche sont ensuite discutées en conclusion.