OpenPLS
FR
Commencer gratuitement
PLS-SEM · Moteur open-source

Modélisation par équations structurelles.
Enfin moderne.

La plateforme ouverte pour les modèles d’équations structurelles : éditeur visuel de diagrammes, pipeline PLS-SEM complet et rapports prêts à publier. Directement dans le navigateur. Ou auto-hébergé, lorsque vos données sont sensibles.

Commencer gratuitement Comment ça marche

Aucune installation, aucune carte bancaire · Moteur open-source · Validé face aux valeurs de référence établies

Aperçu en direct

Un vrai modèle, entièrement calculé.

Voici ce que renvoie openpls-engine pour une petite chaîne Qualité → Satisfaction → Fidélité. Trajectoires, R², HTMT et IC bootstrap en une seule vue.

Project › ECSI Demo › Results

Échantillon de satisfaction client ECSI (n = 250), 5 000 rééchantillonnages bootstrap. Reproductible dans le projet de démonstration.

Fonctionnalités

Tout ce qu’il vous faut pour un PLS-SEM rigoureux.

Statistiques éprouvées, outillage moderne, standards ouverts.

Éditeur visuel

Variables latentes, indicateurs et chemins en glisser-déposer. Pas de YAML, pas de code, pas de friction.

Pipeline PLS-SEM complet

Loadings, poids, coefficients de chemin, R², GoF, validés face aux valeurs de référence établies de la littérature PLS-SEM.

Rapports soignés

PDF, XLSX, LaTeX et un bundle JSON prêt pour la publication, à intégrer directement dans votre article. Tableaux, graphiques, section méthodologie, chacun en un clic.

Auto-hébergement pour données sensibles

Image Docker pour l’enseignement, le clinique et l’entreprise. Vos données ne quittent jamais votre réseau.

Formats d’export ouverts

Modèles, poids et rapports dans des standards ouverts (JSON, CSV, LaTeX). Migrez vers et depuis d’autres outils PLS, sans verrouillage.

Équipes et versions

Co-auteurs, relecteurs et comparaison de versions pour les groupes de recherche. Sans interminables fils d’e-mails.

Analyses avancées Nouveau

Au-delà du pipeline standard.

Dix analyses PLS-SEM modernes, en un clic dans le même éditeur, sans second outil.

Quantifiez l’incertitude des effets et transformez le modèle en prédictions hors échantillon.

Results › IPMA
Performance Importance Service (priority) Pricing (keep) Brand (low prio) Convenience

  • IPMA

    Carte importance-performance : met en évidence les construits à la fois très importants et peu performants. Une priorité de gestion d’un coup d’œil.

  • PLSpredict

    Évaluation hors échantillon par validation k-fold avec le panel complet de Shmueli : RMSE, MAE et MAPE face à un benchmark de modèle linéaire, plus un tableau d’ajustement intra-échantillon pour le contexte.

  • Effets indirects spécifiques

    Chaque chaîne de médiation de votre modèle avec estimations ponctuelles et intervalles de confiance bootstrap, valeurs t et valeurs p. Ne vous contentez plus de rapporter uniquement l’effet indirect total.

  • FIMIX-PLS

    La segmentation par mélange fini révèle des sous-groupes non observés dans votre échantillon. Rendez visibles les effets hétérogènes.

Méthodes, visualisées

À quoi ressemblent vraiment les sorties.

Quatre exemples de ce qu’OpenPLS produit pour vos analyses. Directement issus des panneaux explicatifs de l’app.

Results › Bootstrap
0.32 β̂ ≈ 0.40 0.48 5 000 resamples, 95 % CI
01

Distribution Bootstrap

5 000 rééchantillonnages, estimation ponctuelle et CI à 95 %. Voilà à quoi ressemble l’incertitude autour d’un coefficient de trajectoire.

Results › IPMA
Performance Importance Service (priority) Pricing (keep) Brand (low prio) Convenience
02

Carte importance / performance

Quels construits sont importants et sous-performent ? Une vue en quatre quadrants pour prioriser les décisions de management.

Results › FIMIX-PLS
Segment 1 (60 %) Segment 2 (40 %)
03

Segmentation FIMIX

Repérez des sous-groupes non observés. Mettez en évidence les effets hétérogènes avant qu’ils ne biaisent vos résultats.

Results › Moderation
β = 0.25 β = 0.40 β = 0.55 Trust Loyalty
04

Simple Slopes

Comment un coefficient de trajectoire évolue-t-il avec un modérateur faible, moyen et élevé ? Trois courbes en disent plus qu’un seul p-value.

Déroulement

Quatre étapes des données au modèle.

  1. 01

    Importer les données

    CSV, XLSX, SPSS ou Stata : nous lisons ce que vous avez.

  2. 02

    Dessiner le modèle

    Construits et chemins en glisser-déposer. Aperçu en direct de la structure du modèle.

  3. 03

    Calculer

    Un clic. plspm calcule : loadings, chemins, intervalles bootstrap.

  4. 04

    Exporter

    Rapport en PDF, tableaux en XLSX, modèle en JSON ou extrait LaTeX, le tout dans des formats ouverts.

Pour qui

Applications concrètes du terrain.

PLS-SEM est utilisé partout où il s’agit d’estimer des relations entre construits latents, non directement mesurables : de la thèse de doctorat au département études de marché d’une entreprise du Fortune 500.

Recherche et enseignement

Recherche empirique sans obstacles de licence

Thèses, soumissions à des revues et séminaires : pas de licence commerciale, pas de compte de laboratoire partagé. Moteur ouvert, méthodologie documentée, rapports reproductibles.

  • Modèles d’acceptation (TAM / UTAUT) pour l’adoption de la santé numérique
  • Qualité de service et fidélité (ACSI / ECSI) en recherche hôtelière
  • Modèles de réputation et de confiance (Corporate Reputation Model)
Marketing et CX

Qu’est-ce qui fait vraiment bouger vos KPI clients ?

Plutôt que de corréler des points de contact isolés, OpenPLS estime l’ensemble du système simultanément. Vous voyez quel levier déplace réellement la fidélité et le NPS, et lequel n’est que du bruit.

  • Modèles de drivers du NPS et du CSAT à partir de données d’enquête
  • Modèles d’impact du parcours client (Notoriété → Confiance → Conversion)
  • Études de capital de marque avec indices formatifs
Industrie et opérations

Rendre mesurables les drivers latents de processus complexes

OpenPLS est particulièrement performant avec un N réduit et de nombreux indicateurs, configuration typique des enquêtes auprès des collaborateurs, des fournisseurs et sur l’innovation.

  • Engagement des collaborateurs et culture de sécurité (modèles de safety-climate)
  • Performance fournisseurs et résilience de la supply chain
  • Capacité d’innovation (absorptive capacity, dynamic capabilities)
Santé et secteur public

Données sensibles, méthodologie claire

L’auto-hébergement sous forme de conteneur Docker garde les données patients et collaborateurs dans votre propre réseau. Méthodologiquement identique à la version cloud, documenté pour les comités d’éthique.

  • Modèles de patient-reported outcomes en rééducation et soins
  • Adoption d’offres de santé numérique (DTx, télémédecine)
  • Modèles de confiance citoyenne pour les initiatives d’e-gouvernement
Cas d’usage

Reproductibles en 60 secondes.

Quatre modèles PLS-SEM publiés, disponibles en clone d’un clic dans votre espace OpenPLS. Chaque cas inclut des données originales synthétiques, la définition complète des chemins et des métriques clés reproductibles.

ECSI

European Customer Satisfaction Index

Customer Experience

Six construits réflexifs (Image → Attentes → Qualité → Valeur → Satisfaction → Fidélité), le modèle canonique de la recherche en marketing des services.

N
250
LVs
6
R²(SAT)
0.71

Fornell et al. (1996)

Ouvrir le cas d’étude
UTAUT2 + Trust

Acceptation e-commerce avec confiance

Marketing / E-commerce

Performance expectancy, effort expectancy, influence sociale et confiance expliquent l’intention d’achat et l’usage effectif. Inclut des variables sociodémographiques pour l’analyse multi-groupes.

N
400
LVs
6
MGA
Age · Device

Venkatesh et al. (2012)

Ouvrir le cas d’étude
JD-R

Engagement au travail (Job Demands-Resources)

RH / Comportement organisationnel

Job demands et job resources agissent sur la satisfaction et la performance via l’engagement. Un modèle médiateur classique à cinq construits.

N
350
LVs
5
R²(JP)
0.40

Bakker & Demerouti (2017)

Ouvrir le cas d’étude
TAM + Privacy

Adoption d’applis de santé numérique

Santé / mHealth

PEOU, utilité perçue, health consciousness et risque perçu en matière de vie privée déterminent attitude et intention comportementale. Le chemin négatif de la confidentialité offre un bon exemple de tailles d’effet f².

N
380
LVs
6
Effect
PR → BI negative

Davis (1989); Sun et al. (2013)

Ouvrir le cas d’étude

Le clonage nécessite un compte OpenPLS gratuit.

Open Source

Un moteur que vous avez le droit d’inspecter.

Les relecteurs et jurys de thèse veulent savoir exactement comment vos chiffres ont été produits. Avec OpenPLS, la réponse est simple : voici le code.

Moteur sur GitHub Bases scientifiques

Moteur open source

Le moteur de calcul (loadings, chemins, bootstrap, fit) est ouvert : GPL-3.0, reproductible, auditable. Aucun verrouillage fournisseur pour votre section méthodologie.

Étendu en continu

IPMA, PLSpredict, modération, segmentation FIMIX ainsi que les schémas de pondération interne Newton et PCA sont livrés. Chaque extension arrive d’abord dans le moteur, puis dans l’application.

Validé face aux références

Une matrice croissante de modèles d’exemple est confrontée aux valeurs de référence établies de la littérature PLS-SEM : loadings, chemins, R², SRMR. Le statut par cas est public.

Bases scientifiques

Méthodologiquement ancré dans deux décennies de recherche PLS-SEM.

OpenPLS met en œuvre les standards sur lesquels la communauté PLS-SEM s’accorde depuis deux décennies : de Wold et Lohmöller à Hair, Henseler, Sarstedt et Ringle, en passant par Tenenhaus. Les méthodes sont documentées, les sources sont traçables.

Voir toutes les références
  • Hair, Hult, Ringle & Sarstedt
    A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM)
    Sage Publications, 3rd ed., 2022
  • Henseler, Ringle & Sarstedt
    A new criterion for assessing discriminant validity in variance-based SEM (HTMT)
    Journal of the Academy of Marketing Science, 2015
  • Tenenhaus, Vinzi, Chatelin & Lauro
    PLS path modeling, including the GoF index
    Computational Statistics & Data Analysis, 2005
Tarifs

Ouvert aujourd’hui. Ouvert pour toujours.

L’application web est gratuite. Le moteur est open source sous GPL-3.0 et le restera toujours.

Cloud
Gratuit

Tout ce qu’il vous faut pour votre recherche. Hébergé par nos soins.

  • Modèles et jeux de données illimités
  • Tous les rapports et exports
  • Éditeur visuel de diagrammes
  • Comparaison de versions
Commencer gratuitement
Self-host
$0 GPL-3.0

Moteur sous forme de conteneur Docker et bibliothèque Python. Sur votre serveur, dans votre réseau.

  • Fonctionnalité complète du moteur hors ligne
  • CLI et API Python
  • Souveraineté des données pour la clinique et l’industrie
  • Support communautaire sur GitHub
Moteur sur GitHub
Consulting
Sur demande Sur mesure

Adaptations sur mesure, formations et conseil méthodologique pour les groupes de recherche.

  • Accompagnement méthodologique
  • Modèles et plugins sur mesure
  • Ateliers sur site
  • Support prioritaire
Réserver un échange