LE MODELE EXPLICATIF

Cette première section est consacrée à la conception d’un modèle explicatif du choix d’investissement des investisseurs individuels en equity crowdfunding. Nous commençons par identifier les variables et construits du modèle (1), l’analyse du matériau qualitatif nous permet ensuite de confirmer ces variables et construits mais aussi d’explorer les dimensions des construits (2), dans un troisième temps, nous opérationnalisons les construits (3) avant de les relier causalement par des hypothèses (4), enfin nous proposons plusieurs grilles de lecture du modèle explicatif obtenu en invoquant plusieurs théories de notre cadre conceptuel (5). 1. Choix des variables du modèle par approche combinée hypothético-déductive et inductive / abductive Comme nous l’avons précisé dans l’exposition de la méthodologie adoptée pour ce travail, les variables du modèle explicatif (ici, variables doit être pris au sens large, signifiant indifféremment variable observables ou construits) résultent d’une démarche mêlant raisonnements abductif, inductif et déductif et cela en raison de deux processus concomitants : la première phase de revue de littérature et l’analyse d’un corpus de données qualitatives. Dans cette première sous partie de la section, nous précisons tout d’abord le cas de deux variables d’abord identifiées par induction (pure ou associée à une abduction préalable) par lecture puis analyse du corpus de données (1.1) avant d’apporter une justification théorique à l’ensemble des variables du modèle quel que soit le mode de raisonnement ayant conduit à leur identification (1.2).

Variables issues d’inférence inductive / abductive par lecture flottante associée à une analyse de contenu manuelle

Avant de présenter les deux variables identifiées par inférence inductive et / ou abductive, rappelons que le corpus qualitatif est constitué de 3020 verbatim d’investisseurs justifiant ex post leur choix d’investissement en equity crowdfunding. Ces témoignages publics ont été collectés manuellement (par copier / coller) sur le site internet de Wiseed.com en deux étapes antérieures au 31 juillet 2017. L’extrait du corpus qualitatif fourni à la fin de ce document expose les témoignages des investisseurs de la société Algo Paint, l’une des 43 startups du corpus. Concernant l’étude de ce corpus, nous avons successivement procédé à une lecture flottante, puis à une analyse thématique manuelle (en recourant au tableur Excel pour des comptages d’occurrences). Notre démarche d’analyse de contenu était essentiellement exploratoire et visait à faire émerger des thèmes (les variables déterminantes des choix des investisseurs) qui ne se seraient pas ressortis de la première revue de littérature sur le crowdfunding. Une pré-analyse par lecture flottante a permis l’identification d’un thème récurrent, l’’Intérêt’ pour le projet (plus spécialement pour son domaine d’activité ou son concept). Un second thème, centré sur les ‘valeurs’ était ressorti de discussions antérieures à l’analyse des données, nous avons donc cherché une confirmation empirique de son importance. L’analyse d’un échantillon de verbatim de ces deux thèmes a fait émerger des codages qui ne reposent pas sur des à priori théoriques selon l’approche de la théorie ancrée dans les données ou ‘grounded theory’ (Glaser et Strauss, 1967). Précisons également que si nous n’avons pas confronté ces codages à ceux d’un second chercheur (dans l’optique de garantir la qualité et la validité de l’analyse effectuée), nous avons triangulé le thème obtenu par une revue de littérature complémentaire offrant un support théorique aux deux variables concernées.

Pour ces deux variables, nous présentons successivement une série de verbatim illustrant leur pertinence puis donnons une mesure de leur intensité dans le texte (par une mesure analogue à l’intensité lexicale) calculée manuellement par analyse thématique sous Excel. Précisons que l’intensité lexicale est une mesure du poids d’un thème dans un texte, elle se calcule comme le pourcentage d’occurrences de mots du texte associés au thème. L’intensité lexicale est un outil de la lexicométrie que l’on peut définir comme une approche d’analyse statistique du lexique d’un texte et s’inscrit dans les courants d’analyse du discours. Il s’agit donc d’une approche quantitative du texte fondée sur un postulat de pertinence des phénomènes récurrents. Ainsi, les outils de la lexicométrie reposent sur le dénombrement et le calcul de la fréquence de mots, le plus souvent lemmatisés, la lemmatisation consistant à regrouper les variations d’un mot sous une même ‘forme’, par exemple en associant les différentes occurrences d’un même verbe conjugué à leur infinitif à l’aide d’un dictionnaire (Lejeune, 2010).

Dans notre cas, la mesure de l’intensité des deux variables est le résultat du rapport entre le nombre d’occurrences des formes associées aux variables (ou thèmes) sur le nombre de verbatim du corpus et non pas sur le nombre total de mots du texte. Cette mesure d’intensité et l’intensité lexicale traditionnelle sont proportionnelles, le passage de l’une à l’autre se faisant par le produit du nombre moyen de mots par verbatim (ou de son inverse). Cette mesure nous semble plus significative dans le cas particulier de notre corpus car celui-ci agrège un grand nombre (3020) de témoignages courts (19 mots par témoignage en moyenne). Ainsi une intensité de 10% signifie que la variable (plus précisément les mots associés) apparaît dans 10% des témoignages, soit chez au plus 10% des investisseurs (car certains investisseurs ont pu investir successivement plusieurs fois au cours d’une même levée, ce phénomène n’est cependant pas fréquent). 1.1.2.1 Une première variable en lien avec la ‘Congruence aux valeurs’ des investisseurs Le thème des ‘valeurs’ ne découle pas directement de l’état de l’art sur le crowdfunding mais est issu d’une inférence abductive de mon directeur de thèse à propos des travaux du sociologue.