Bibliometric Mapping of Research on Purchase Intention (2020-2025): Trends, Networks, and Perspectives

Prepared by the researche : DADAOUA Oumaima¹ ; ELHADERI Kaoutar²

• ¹ PhD Researcher; Faculty of Economics and Management, Ibn Tofail University, Kenitra, Morocco
• ² University Professor; Faculty of Economics and Management, Ibn Tofail University, Kenitra, Morocco

DAC Democratic Arabic Center GmbH

Journal of Strategic and Military Studies : Twenty-Eighth Issue – September 2025

A Periodical International Journal published by the “Democratic Arab Center” Germany – Berlin

:To download the pdf version of the research papers, please visit the following link

https://democraticac.de/wp-content/uploads/2025/09/%D9%85%D8%AC%D9%84%D8%A9-%D8%A7%D9%84%D8%AF%D8%B1%D8%A7%D8%B3%D8%A7%D8%AA-%D8%A7%D9%84%D8%A5%D8%B3%D8%AA%D8%B1%D8%A7%D8%AA%D9%8A%D8%AC%D9%8A%D8%A9-%D9%88%D8%A7%D9%84%D8%B9%D8%B3%D9%83%D8%B1%D9%8A%D8%A9-%D8%A7%D9%84%D8%B9%D8%AF%D8%AF-%D8%A7%D9%84%D8%AB%D8%A7%D9%85%D9%86-%D9%88%D8%A7%D9%84%D8%B9%D8%B4%D8%B1%D9%88%D9%86-%D8%A3%D9%8A%D9%84%D9%88%D9%84-%E2%80%93-%D8%B3%D8%A8%D8%AA%D9%85%D8%A8%D8%B1-2025.pdf

1:  ORCID identifier 1 :0009-0008-2758-0910

• 1: ORCID identifier 1 ; 0009-0008-2758-0910

1– Introduction

L’essor des technologies immersives, de l’intelligence artificielle générative et de la modélisation 3D a favorisé l’apparition d’une nouvelle figure dans l’univers du marketing digital : l’influenceur virtuel (Virtual Influencer, VI). Ces entités numériques, conçues pour simuler des comportements humains, interagir avec les internautes et représenter des marques, transforment les codes traditionnels de l’influence en ligne (Kuo & Le, 2025 ; Yao et al., 2025). Contrairement aux influenceurs humains, les VIs offrent aux entreprises un contrôle intégral sur l’image, le récit et les valeurs projetées, ce qui en fait des leviers attractifs pour assurer la cohérence, l’efficacité persuasive et la maîtrise réputationnelle (Belanche et al., 2024).

Dans ce contexte, la question de l’intention d’achat suscitée par ces avatars numériques prend une importance croissante. De quelle manière influencent-ils les décisions des consommateurs ? Quels facteurs – émotionnels, cognitifs, technologiques, culturels ou éthiques – conditionnent leur efficacité persuasive ? Alors que les premiers travaux se sont attachés à examiner la nouveauté du phénomène, les recherches récentes s’orientent vers une analyse plus avancé des déterminants, médiateurs et modérateurs de l’intention d’achat dans ce nouveau cadre communicationnel (Franke & Groeppel-Klein, 2024).

Face à la montée en puissance de ces dispositifs, il apparaît essentiel de dresser une cartographie des contributions scientifiques afin de comprendre comment la recherche académique s’est structurée autour de la thématique de l’intention d’achat. La bibliométrie constitue ici un outil particulièrement pertinent, car elle permet non seulement d’identifier les tendances, mais aussi de révéler les réseaux de collaboration et de mettre en évidence les axes émergents.

La présente étude s’appuie donc sur une analyse bibliométrique des publications récentes (2020–2025), afin de :

(a) cartographier les tendances scientifiques sur l’intention d’achat ;
(b) identifier les auteurs, sources et travaux les plus influents ;
(c) analyser l’évolution des thématiques structurantes.

En mobilisant des outils de performance et de cartographie tels que la co-citation, la co-rédaction et la co-occurrence, cette recherche propose un panorama actualisé des dynamiques intellectuelles du champ. Elle met ainsi en lumière cinq axes principaux : (1) les facteurs émotionnels et l’engagement affectif ; (2) la confiance, la crédibilité et l’influence sociale ; (3) le marketing durable et l’intention d’achat éthique ; (4) l’approche technologique et la personnalisation algorithmique ; (5) la diversité culturelle et les différences générationnelles.

1.1- Cadrage théorique

L’intention d’achat est classiquement définie comme la probabilité perçue d’accomplir un achat dans un horizon temporel donné. Héritière des modèles socio-cognitifs (TRA/TPB), elle est expliquée par l’attitude, les normes et le contrôle perçu (Ajzen, 1991). Toutefois, l’environnement numérique a déplacé le centre de gravité théorique : aux déterminants rationnels s’ajoutent désormais des affects, des mécanismes de confiance et des architectures technologiques qui reconfigurent la persuasion.

(i) Affects et expérience. Les travaux récents soulignent la puissance des émotions dans la formation de l’intention d’achat en ligne : l’immersion, les récits et les indices sensoriels amplifient l’engagement affectif et la mémorisation, ce qui renforce l’intention (Ladhari et al., 2023 ; Kim & Johnson, 2022). L’UX devient alors un levier stratégique où l’évaluation n’est pas uniquement utilitaire mais hédonique.

(ii) Confiance, crédibilité, influence. Dans des environnements informationnels denses, la confiance agit comme médiateur entre exposition et intention. La crédibilité de la source, l’authenticité perçue, le bouche-à-oreille électronique (eWOM) et la réputation orientent fortement la conversion (Chu & Chen, 2022 ; Lou & Yuan, 2019 ; Soh et al., 2022).

(iii) Durabilité et éthique. La littérature post-2020 met en avant l’alignement valeurs personnelles – valeurs de marque : la RSE, la transparence et la promesse de durabilité accroissent l’intention d’achat éthique, notamment chez les jeunes consommateurs (Papista et al., 2021 ; Li et al., 2022 ; Delafrooz & Paim, 2020).

(iv) Technologies et personnalisation. L’IA (systèmes de recommandation, chatbots), la réalité augmentée et les influenceurs virtuels (VIs) introduisent une personnalisation algorithmiquement médiée capable de moduler l’intention en temps réel via la saillance, la saillie sociale et la réduction de l’effort cognitif (Chatterjee et al., 2022 ; Belanche et al., 2024 ; Kuo & Le, 2025).

(v) Contextes culturels et générationnels. Les antécédents de l’intention varient selon les cultures (normes, gestion du risque, attentes vis-à-vis des marques) et selon les cohortes (digital natives vs seniors), ce qui justifie des analyses comparatives et pluridisciplinaires (Sharma et al., 2021 ; Lim et al., 2023).

En somme, la théorie s’éloigne d’une lecture strictement cognitive pour intégrer des logiques affectives, relationnelles et sociotechniques. Cette pluralité appelle des cadres intégratifs (combinant TPB, confiance, émotions, durabilité et affordances technologiques) et une attention soutenue aux modérateurs contextuel

En effet, L’étude de l’intention d’achat a donné lieu à une pluralité d’approches théoriques qui, loin d’être convergentes, révèlent de nombreuses tensions. Le premier débat oppose les perspectives cognitives aux perspectives affectives. Selon les approches issues de la théorie du comportement planifié (Ajzen, 1991), l’intention demeure fondamentalement déterminée par des croyances rationnelles, des normes sociales et le contrôle perçu. Cependant, de nombreux travaux contemporains (Kim & Johnson, 2022 ; Ladhari, Gonthier & Lajante, 2023) montrent que, dans les environnements numériques, les émotions ressenties lors de l’exposition à un produit ou à un message peuvent précéder, colorer, voire supplanter l’évaluation rationnelle. Plutôt que d’opposer frontalement ces perspectives, il paraît plus juste de considérer que les dimensions cognitives et affectives interagissent dans un processus de co-détermination, où les émotions guident l’attention et l’attitude, tandis que les croyances contribuent à stabiliser l’intention.

Un second débat traverse la littérature à propos de la personnalisation algorithmique. D’un côté, certains auteurs défendent son rôle persuasif en soulignant que la personnalisation accroît la pertinence perçue et réduit l’incertitude, renforçant ainsi l’intention d’achat (Chatterjee et al., 2022). De l’autre, plusieurs recherches insistent sur les risques liés à la perception d’intrusion et au sentiment de surveillance, susceptibles de générer une réaction de méfiance ou de rejet. Le cas des influenceurs virtuels illustre cette tension : leur artificialité peut produire un sentiment d’« authenticité artificielle » favorable à l’engagement (Belanche et al., 2024), mais également susciter des résistances liées à l’effet de vallée dérangeante et aux doutes éthiques qu’ils soulèvent (Kuo & Le, 2025). L’hypothèse d’une relation non linéaire, où la personnalisation renforce l’intention jusqu’à un certain seuil avant de devenir contre-productive, émerge ainsi comme piste de recherche féconde.

Le troisième débat concerne la durabilité et l’intention d’achat éthique. Si de nombreuses études (Papista, Chrysochou & Krystallis, 2021 ; Li, Wang & Zhang, 2022) montrent que la responsabilité sociale des entreprises et l’engagement écologique renforcent l’intention déclarée d’achat, le passage à l’acte reste marqué par un « attitude–behavior gap » bien documenté (Delafrooz & Paim, 2020). Cette divergence interroge la stabilité de l’intention éthique et suggère que son activation dépend de facteurs modérateurs tels que la congruence entre valeurs personnelles et marque, les contraintes de prix et d’accessibilité, ou encore l’influence de normes sociales plus ou moins contraignantes.

Le rôle de la confiance et de l’influence sociale constitue un quatrième point de tension. Les travaux centrés sur la crédibilité de la source soulignent que la qualité perçue d’un influenceur, d’un site ou d’une plateforme constitue le déterminant central de l’intention via la confiance (Lou & Yuan, 2019 ; Chu & Chen, 2022). À l’inverse, d’autres recherches insistent sur la nécessité de considérer l’écosystème relationnel dans son ensemble : agrégation d’avis, micro-influenceurs, pairs et signaux de réputation interagissent pour façonner la décision (Soh, Leong & Teh, 2022). Ce déplacement théorique suggère d’aborder la confiance non plus comme une propriété individuelle mais comme une construction émergente d’un réseau de sources.

Enfin, la question des variations culturelles et générationnelles interroge l’universalité des mécanismes identifiés. Alors que certains auteurs considèrent que des déterminants comme la confiance ou l’engagement affectif relèvent de processus transversaux, d’autres démontrent des différences marquées selon les cultures et les cohortes (Sharma, Al-Mamun & Rana, 2021 ; Lim, Hew & Wong, 2023). Les jeunes générations, en particulier les digital natives, paraissent plus sensibles à la fluidité technologique et aux valeurs éthiques, tandis que les consommateurs plus âgés privilégient la fiabilité et la sécurité. Ces divergences plaident pour une approche comparative et pluridisciplinaire qui tienne compte des contextes socioculturels dans lesquels s’inscrit la décision d’achat.

Dans l’ensemble, ces controverses mettent en évidence la nécessité d’un cadre intégratif capable d’articuler les apports cognitifs, affectifs, technologiques, éthiques et contextuels. L’intention d’achat ne peut être comprise uniquement à travers un modèle linéaire ; elle s’inscrit dans un système complexe où interagissent émotions, croyances, confiance, valeurs sociales et affordances technologiques. Le défi théorique consiste désormais à dépasser les clivages pour proposer des modèles hybrides et situés, aptes à rendre compte de la diversité des comportements d’achat dans un environnement globalisé et numérisé

2- Méthode et outils

Source des données et période :

L’étude adopte une approche bibliométrique articulée autour de l’analyse de performance et de la cartographie scientifique. Les données ont été extraites de la base Scopus pour la période 2020–2025.

Stratégie de recherche documentaire (Scopus) :

La requête annoncée dans le manuscrit est la suivante :

TITLE-ABS KEY ( purchase AND intention ) AND PUBYEAR > 2019 AND PUBYEAR < 2026  AND ( LIMIT-TO ( DOCTYPE , “ar” ) OR LIMIT-TO ( DOCTYPE , “ch” ) OR LIMIT-TO ( DOCTYPE , “bk” ))AND ( LIMIT-TO ( LANGUAGE , “English” ) )  AND ( LIMIT-TO ( EXACTKEYWORD , “Purchase Intention” ) )

Les éléments de filtrage appliqués portent sur l’année de publication, le type de document, la langue et le mot-clé exact.

Tableau 1: Paramètre de recherche retenu

Source : Élaboré par les auteurs

 Critères d’inclusion / exclusion : Ont été retenus les documents en anglais, publiés sous forme d’articles scientifiques, chapitres d’ouvrages et livres, avec statut de publication finalisé, et correspondant au mot-clé exact. Les doublons et publications hors sujet ont été écartés.

Nettoyage et préparation des données : Une analyse descriptive (tris à plat) a été réalisée sous Microsoft Excel afin de structurer les variables bibliométriques (année, pays, auteurs, citations).

Indicateurs, techniques et logiciels : Les analyses relationnelles ont été conduites avec VOSviewer, couvrant :

• la co-authorship (réseaux de co-auteurs et pays),
• la cooccurrence des mots-clés (clusters thématiques),
• le couplage bibliographique (proximité intellectuelle entre documents).

Pour ce dernier, un seuil minimal de huit citations communes a été retenu afin d’assurer la robustesse des liens.

Tableau 2:Indicateurs et outils mobilisés

Source : Élaboré par les auteurs

2.6. Sorties et représentations
Les résultats sont présentés sous forme :

• de séries temporelles (production annuelle 2020–2025),
• de répartition géographique par pays,
• d’un tableau Top-10 des articles les plus cités,
• de visualisations VOSviewer : réseaux de co-rédaction, cartes de cooccurrence, Network visualization et Overlay visualization pour le couplage bibliographique.

2.7. Limites déclarées
La section Méthodologie reflète les deux chiffres de corpus mentionnés (255 vs 3 219) tels qu’écrits dans le manuscrit, appelant une vérification ultérieure des exports Scopus.

3- Résultats et discussions

Axe 1. Résultats issus des tris à plat

1. Cadence des publications scientifiques (2020–2025)

La dynamique de la production scientifique autour de l’intention d’achat révèle une évolution soutenue au cours de la période 2020–2025. Après une base initiale de 344 publications en 2020, le volume connaît une progression continue, atteignant 468 articles en 2021, puis 546 en 2022. Une accélération notable est observée en 2024 avec un sommet de 766 publications, avant une légère baisse à 511 documents en 2025. Ce pic enregistré en 2024 témoigne d’un intérêt académique particulièrement marqué pour cette thématique, probablement en lien avec la transformation des comportements de consommation dans un contexte numérique en mutation (cf. Annexe 1).

1. Répartition géographique des publications scientifiques

L’analyse géographique met en lumière une forte concentration des travaux scientifiques sur l’intention d’achat en Asie et en Amérique du Nord. La Chine domine très largement avec 818 publications, suivie de l’Inde (463) et des États-Unis (297), soulignant le rôle central de ces pays dans la production académique sur le sujet. D’autres pays asiatiques comme la Malaisie (277), l’Indonésie (236) et Taïwan (185) affichent également une activité soutenue, illustrant une dynamique de recherche régionale marquée. En Europe, le Royaume-Uni (124), l’Espagne (114) et la France (55) occupent des positions notables, bien que modestes comparées aux puissances asiatiques. L’Afrique reste globalement en retrait, avec des contributions ponctuelles, notamment de l’Afrique du Sud (26), de la Tunisie (11) et du Maroc (10). Cette répartition témoigne d’un déséquilibre global en matière de production scientifique, au profit des pays fortement impliqués dans la transformation digitale des comportements d’achat (cf. Annexe 2).

1. Dix articles les plus cités

En Annexe 3, l’article le plus cité porte sur une étude analysant l’effet de la crédibilité perçue et des interactions parasociales avec les blogueurs sur Instagram et YouTube, totalisant 854 citations. D’autres travaux influents explorent des thématiques complémentaires telles que le live streaming commercial et son impact sur l’intention d’achat (435 citations), l’acceptation des technologies basées sur l’IA (411 citations), ou encore les comportements d’achat responsables dans le secteur de l’habillement durable (349 citations). Plusieurs publications s’intéressent également au rôle des influenceurs dans le marketing numérique, à travers les notions d’attractivité, de transparence publicitaire ou de crédibilité perçue. Ce corpus d’articles hautement cité reflète une forte attention scientifique portée aux mécanismes psychologiques et socio-techniques qui influencent les intentions d’achat à l’ère du numérique.

Axe 2. Résultats issus des traitements via VOSviewer

1. Analyse de co-authorship

L’analyse des co-auteurs (seuil : un document/auteur) met en évidence un seul cluster de collaboration scientifique, composé de cinq auteurs ayant publié ensemble sur la thématique de l’intention d’achat (cf. Annexe 3). Ce réseau reflète une structure collaborative concentrée, sans fragmentation en sous-groupes.

Cluster 1 (Rouge) : intention d’achat

Ce cluster regroupe Chan Tak Jie, Fadzilah Asmaul Husna Haris, Huam Hon Tat, Samson Jessica, et Wong Shien Ying. Leurs travaux communs explorent des problématiques liées aux facteurs influençant l’intention d’achat, en particulier dans des environnements numériques et technologiques. Les publications de ce groupe mobilisent fréquemment des approches quantitatives (modèles d’équations structurelles, modélisation des comportements d’achat) et s’inscrivent dans le champ du marketing digital et du comportement du consommateur.

La densité des liens au sein du cluster traduit une forte cohésion académique, soulignant une collaboration récurrente sur des thématiques partagées, sans ouverture vers d’autres pôles scientifiques visibles dans ce réseau.

1. Analyse de co-authorship entre pays

L’analyse géographique (via VOSviewer) identifie sept clusters de collaboration scientifique, traduisant des approches différenciées de l’intention d’achat à travers des contextes culturels et économiques variés (cf. Annexe 4).

Cluster 1. Marron : Chine, Sri Lanka, Tanzanie, positionné au cœur du réseau, avec la Chine comme acteur dominant. Ce cluster explore principalement les déterminants psychologiques et technologiques de l’intention d’achat en ligne, notamment dans les environnements numériques immersifs.

Cluster 2. Vert : Inde, Arabie Saoudite, France, Jordan, axé sur les pratiques de consommation digitale dans les économies émergentes, avec un intérêt marqué pour la confiance perçue, les avis électroniques (eWOM) et le rôle des croyances culturelles dans la décision d’achat.

Cluster 3. Bleu : Turquie, Iran, Pays-Bas, centré sur l’expérience utilisateur, les interfaces mobiles et le marketing d’influence comme leviers de l’intention d’achat, dans des contextes multilingues et multiculturels.

Cluster 4. Violet : États-Unis, Corée du Sud, Japon, Ghana, orienté vers les innovations technologiques (IA, réalité augmentée), examinant comment ces dispositifs modifient la perception de valeur et stimulent l’achat impulsif ou programmé.

Cluster 5. Jaune : Royaume-Uni, Canada, Danemark, pôle européen mettant l’accent sur les dimensions éthiques, la durabilité perçue et la responsabilité sociale des marques dans la construction de l’intention d’achat.

Cluster 6. Rouge clair : Espagne, Italie, Pologne, Nouvelle-Zélande, focalisé sur les modèles prédictifs de comportement d’achat, les émotions digitales et les environnements de consommation virtuels dans des marchés matures.

Cluster 7. Turquoise : Indonésie, Thaïlande, Taiwan, articulé autour de la culture du mobile shopping, des plateformes sociales (notamment TikTok et Instagram) et de l’effet des micro-influenceurs sur l’intention d’achat des jeunes consommateurs.

1. Cooccurrence des mots-clés

L’analyse des cooccurrences de mots-clés a permis d’identifier six clusters thématiques structurant la recherche autour de l’intention d’achat. Ces clusters reflètent les grandes orientations théoriques et empiriques de la littérature actuelle. Une visualisation de ces cooccurrences figure en Annexe X.

Le cluster rouge se situe au cœur du réseau et regroupe les termes centraux tels que purchase intention, brand attitude, social media et digital marketing. Il renvoie aux travaux portant sur l’impact des marques et des stratégies numériques (influenceurs, publicité ciblée, contenu généré par les utilisateurs) dans la formation de l’intention d’achat, en mobilisant notamment les modèles du marketing persuasif et des émotions numériques.

Le cluster vert articule les notions de sales, consumer purchase, e-commerce et social commerce, explorant les mécanismes transactionnels liés à l’intention d’achat. Ce champ s’intéresse à la performance commerciale des plateformes numériques, à l’optimisation des ventes et aux effets de la fluidité technologique sur la conversion des intentions en comportements effectifs.

Le cluster jaune regroupe des termes tels que consumer behavior, consumer attitude, organic food, survey et young adult, focalisant sur les spécificités sociodémographiques des consommateurs, notamment les jeunes, et les méthodologies mobilisées (expérimentation, questionnaires, études quantitatives) pour évaluer leurs attitudes et intentions.

Le cluster violet met l’accent sur les variables psychologiques et émotionnelles influençant l’intention d’achat, comme attitude, emotions, satisfaction et trust. Ce courant s’appuie sur la théorie du comportement planifié et les théories des émotions pour modéliser les facteurs internes du consommateur.

Le cluster bleu regroupe les recherches sur la durabilité, la consommation responsable et l’impact des valeurs personnelles, du green marketing et de la RSE sur l’intention d’achat. Il combine une approche éthique et cognitive, mettant en lumière l’influence de la sensibilité environnementale et des connaissances écologiques dans les décisions d’achat.

1. Couplage bibliographique

L’analyse du couplage bibliographique, réalisée avec un seuil de huit citations communes, a permis d’identifier cinq clusters thématiques structurants dans la recherche sur l’intention d’achat entre 2020 et 2025. Les visualisations issues de VOSviewer (voir Annexe 6 : Network Visualization et Annexe 7 : Overlay Visualization) mettent en évidence les connexions intellectuelles entre auteurs ainsi que l’évolution temporelle des publications.

Le cluster rouge se concentre sur les facteurs émotionnels et cognitifs de l’intention d’achat. Il regroupe des auteurs travaillant sur la crédibilité perçue, la confiance, l’attitude envers les marques et le rôle de l’affect dans les décisions d’achat en ligne. L’accent est mis sur la narration persuasive, l’expérience utilisateur et l’engagement affectif.

Le cluster vert fait émerger une approche techno-psychologique, articulée autour de l’adoption des technologies, du marketing digital et des plateformes sociales. Il explore l’effet des applications mobiles, de l’UX design et de l’intelligence artificielle sur le comportement d’achat, en lien avec des modèles comme UTAUT ou TAM.

Le cluster bleu s’inscrit dans une dynamique cognitive et durable, focalisée sur la consommation responsable, le green marketing et la volonté de payer pour des produits durables. Il mobilise des concepts liés aux valeurs environnementales, à la RSE, et à la construction d’une intention d’achat éthique.

Le cluster jaune interroge les dimensions interculturelles et sociodémographiques de l’intention d’achat. Les contributions de ce groupe analysent les variations générationnelles (notamment les jeunes adultes), les différences culturelles dans la perception des marques, et les stratégies d’adaptation marketing.

Le cluster violet, enfin, regroupe des travaux méthodologiques et expérimentaux, souvent fondés sur des approches quantitatives robustes (PLS-SEM, modélisations structurelles, enquêtes multi-pays). Ce groupe permet de stabiliser les variables clés dans l’explication de l’intention d’achat, à travers des validations empiriques récurrentes.

Axe 3. Discussion des Résultats

À partir des résultats du couplage bibliographique, des réseaux de cooccurrence et de l’analyse des publications les plus influentes entre 2020 et 2025, cinq thématiques structurantes émergent dans les recherches sur l’intention d’achat :

(a) Facteurs émotionnels et engagement affectif

(b) Confiance, crédibilité et influence sociale

(c) Marketing durable et intention d’achat éthique

(d) Approche technologique et personnalisation algorithmique

(e) Diversité culturelle et différences générationnelles

1. Facteurs émotionnels et engagement affectif

Une part importante des études récentes souligne le rôle central des émotions dans la formation de l’intention d’achat, notamment dans les environnements numériques. L’émotion ressentie lors de l’exposition à une marque, un produit ou un contenu influence directement la décision du consommateur (Kim & Johnson, 2022 ; Jalilvand & Samiei, 2021). L’utilisation de récits immersifs, de visuels émotionnels ou encore de musique contextuelle renforce cet engagement affectif, contribuant à une intention d’achat plus forte (Ladhari et al., 2023). L’expérience utilisateur (UX) devient ainsi un levier stratégique de persuasion.

1. Confiance, crédibilité et influence sociale

La littérature post-2020 a mis en lumière l’influence de la crédibilité perçue des sources, qu’il s’agisse d’influenceurs, de sites de vente ou de plateformes sociales. La confiance agit comme un médiateur clé entre les stimuli marketing et l’intention d’achat (Chu & Chen, 2022 ; Lou & Yuan, 2019). Par exemple, le bouche-à-oreille électronique (eWOM) fiable, les avis clients détaillés et l’authenticité perçue des contenus influencent fortement la décision d’achat, notamment dans les segments jeunes (Soh et al., 2022).

1. Marketing durable et intention d’achat éthique

Le développement du marketing vert et des engagements RSE des entreprises alimente un courant de recherche centré sur l’achat responsable. Plusieurs études démontrent que les consommateurs, notamment les Millennials et la génération Z, développent une intention d’achat plus forte pour les marques engagées dans des pratiques durables et transparentes (Li et al., 2022 ; Papista et al., 2021). La volonté de payer davantage pour des produits éthiques (willingness to pay) est corrélée à la conscience environnementale et à la congruence perçue entre marque et valeurs personnelles (Delafrooz & Paim, 2020).

1. Approche technologique et personnalisation algorithmique

Les recherches récentes montrent une montée en puissance des technologies de personnalisation dans l’orientation de l’intention d’achat. Les algorithmes de recommandation, les chatbots, la réalité augmentée ou l’IA générative personnalisent l’expérience d’achat et modulent l’intention d’achat en temps réel (Pantano et al., 2021 ; Chatterjee et al., 2022). Ces dispositifs technologiques permettent de créer un parcours consommateur fluide et contextuellement pertinent, ce qui renforce l’engagement cognitif et la conversion.

1. Diversité culturelle et différences générationnelles

Les études interculturelles et sociodémographiques révèlent que les antécédents de l’intention d’achat varient significativement selon les contextes culturels, les normes sociales et les générations (Sharma et al., 2021 ; Alalwan, 2022). Par exemple, la perception du risque, l’importance accordée aux recommandations sociales ou la sensibilité à l’image de marque diffèrent entre consommateurs asiatiques, européens et moyen-orientaux. Par ailleurs, les digital natives développent une relation plus intuitive et émotionnelle à l’achat en ligne, tandis que les générations plus âgées privilégient la sécurité et la fiabilité (Lim et al., 2023).

4- Conclusion

Cette étude a proposé une cartographie bibliométrique des recherches sur l’intention d’achat publiées entre 2020 et 2025, à partir d’un corpus extrait de Scopus et analysé au moyen de Microsoft Excel et VOSviewer. Les résultats révèlent une croissance soutenue de la production scientifique, dominée par les contributions asiatiques et nord-américaines, et structurée autour de cinq axes à savoir : les facteurs émotionnels et l’engagement affectif, la confiance et l’influence sociale, le marketing durable et éthique, l’approche technologique et la personnalisation algorithmique, ainsi que la diversité culturelle et générationnelle.

Ces résultats mettent en évidence un passage progressif des modèles comportementaux classiques vers des approches pluridisciplinaires, intégrant des dimensions sociotechniques, culturelles et éthiques. Ils offrent ainsi un panorama actualisé de l’état de la recherche, utile autant aux chercheurs qu’aux praticiens désireux de mieux comprendre les dynamiques en cours dans ce champ en pleine mutation.

Toutefois, cette recherche comporte certaines limites. Le recours exclusif à Scopus et la restriction linguistique aux publications en anglais réduisent la représentativité mondiale du corpus. De plus, l’approche adoptée, essentiellement bibliométrique et descriptive, ne permet pas d’analyser les fondements théoriques et méthodologiques des travaux d’une manière très avancée. Enfin, l’horizon temporel restreint (2020–2025) constitue une contrainte, dans un domaine où l’innovation technologique et les comportements de consommation évoluent rapidement.

Ces limites ouvrent autant de perspectives de recherche. Il serait pertinent d’élargir le champ documentaire en mobilisant d’autres bases (Web of Science, Google Scholar) et en intégrant des publications multilingues, afin de rendre compte de la diversité culturelle et géographique des travaux. Sur le plan méthodologique, la combinaison de la bibliométrie avec des analyses qualitatives de contenu permettrait d’approfondir l’étude des modèles explicatifs de l’intention d’achat. Enfin, de futures recherches pourraient se concentrer sur l’impact des technologies émergentes (IA générative, réalité augmentée, métavers) et sur les modérateurs contextuels (générationnels, culturels, éthiques), afin de mieux cerner les transformations en cours et leurs implications pour le marketing stratégique.

 Supplément de tableaux et graphiques :

Annexe 1. Évolution annuelle de la production scientifique sur l’intention d’achat (2020–2025)

Annexe 2. Répartition géographique des publications par pays

Annexe 3. Tableau des dix articles les plus cités

Tableau 3 : TOP 10 des articles les plus cités dans l’intention d’achat

Annexe 4. Réseau de co-authorship entre auteurs sur l’intention d’achat (2020–2025)

Annexe 5. Réseau de co-authorship entre pays sur l’intention d’achat (2020–2025)

Annexe 6. Visualisation des co-occurrences de mots-clés (VOSviewer)

 Annexe 7. Visualisation du couplage bibliographique par documents (Network Visualization)

Annexe 8. Visualisation du couplage bibliographique par documents (Overlay visualization)

Liste Bibliographique :

• Books
• Fishbein, M., & Ajzen, I. (1980). Understanding attitudes and predicting social behavior. Englewood Cliffs, NJ: Prentice-Hall.
• Journal & Magazine Articles
• Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
• Alalwan, A. A. (2022). Mobile marketing and consumer buying behavior: A systematic review. Journal of Retailing and Consumer Services, 64, 102767. https://doi.org/10.1016/j.jretconser.2021.102767
• Belanche, D., Flavián, C., Pérez-Rueda, A., & Torres, P. (2024). Virtual influencers: When artificiality generates real engagement in marketing. Journal of Interactive Marketing, 65, 45–59. https://doi.org/10.1016/j.intmar.2023.10.003
• Belanche, D., Flavián, C., Pérez-Rueda, A., & Torres, P. (2024). Virtual influencers: When artificiality generates real engagement in marketing. Journal of Interactive Marketing, 65, 45–59. https://doi.org/10.1016/j.intmar.2023.10.003
• Chatterjee, S., Rana, N. P., Tamilmani, K., & Sharma, A. (2022). Augmented reality and purchase intention: A meta-analytic review. Technological Forecasting and Social Change, 176, 121444. https://doi.org/10.1016/j.techfore.2021.121444
• Chu, S.-C., & Chen, H.-T. (2022). Influencer marketing and trust: A meta-analytic review. Journal of Interactive Marketing, 58, 71–90. https://doi.org/10.1016/j.intmar.2022.01.001
• Delafrooz, N., & Paim, L. H. (2020). The effect of green marketing on purchase intention and brand loyalty. Asian Social Science, 16(5), 56–67.
• Franke, N., & Groeppel-Klein, A. (2024). The persuasive power of virtual influencers: Exploring their impact on purchase intentions and brand attitudes. Journal of Consumer Behaviour. Advance online publication. https://doi.org/10.1002/cb.2183
• Jalilvand, M. R., & Samiei, N. (2021). The impact of emotions on consumer decision making in e-commerce. Journal of Retailing and Consumer Services, 61, 102579.
• Kim, H., & Johnson, K. K. (2022). Emotional engagement and online shopping behavior: A psychological approach. Psychology & Marketing, 39(2), 300–315
• Kuo, Y. F., & Le, L. (2025). Artificial authenticity? Consumer perception of virtual influencers and their effects on trust and engagement. Computers in Human Behavior, 147, 107832. https://doi.org/10.1016/j.chb.2024.107832
• Ladhari, R., Gonthier, J., & Lajante, M. (2023). The role of sensory and emotional cues in online purchase behavior. Journal of Business Research, 156, 113469
• Li, G., Wang, S., & Zhang, Y. (2022). The impact of corporate social responsibility on consumers’ green purchase intentions. Journal of Cleaner Production, 368, 132969
• Lim, X. J., Hew, T. S., & Wong, L. W. (2023). Digital generation gaps in online buying: A generational comparative study. Internet Research, 33(1), 210–229.
• Lou, C., & Yuan, S. (2019). Influencer marketing: How message value and credibility affect consumer trust and purchase intention. Journal of Interactive Advertising, 19(1), 58–73.
• Pantano, E., Pizzi, G., Scarpi, D., & Dennis, C. (2021). Competing during a pandemic? Retailers’ ups and downs during the COVID-19 outbreak. Journal of Business Research, 116, 209–213.
• Papista, E., Chrysochou, P., & Krystallis, A. (2021). The interplay of CSR, consumer values and purchase intention in ethical consumption. Journal of Consumer Marketing, 38(3), 263–275.
• Sharma, G., Al‐Mamun, A., & Rana, N. P. (2021). Cross-cultural variation in consumer responses to social commerce. Information Systems Frontiers, 23(3), 633–649.
• Soh, C., Leong, L. Y., & Teh, P. L. (2022). Social media influencers and purchase intention: The mediating role of trust. Telematics and Informatics, 69, 101837.
• Yao, M., Zhang, Y., & Li, S. (2025). Human-like or too perfect? Investigating the uncanny valley effect in virtual influencer marketing. Psychology & Marketing, 42(2), 315–330. https://doi.org/10.1002/mar.2199