Conseils proactifs par onglet
Un coup d'œil par onglet
Ouvrez Results, Editor, MGA ou Advanced et voyez 1 à 3 suggestions en haut de l'onglet. Chaque conseil lit votre modèle en direct et cite vos propres chiffres.
PLS-SEM · Moteur open-source Modélisation par équations structurelles.
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.
Ou commencez avec le Guide utilisateur (76 pages, PDF)
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.
Échantillon de satisfaction client ECSI (n = 250), 5 000 rééchantillonnages bootstrap. Reproductible dans le projet de démonstration.
Déroulement
Quatre étapes des données au modèle.
- 01
Importer les données
CSV, XLSX, SPSS ou Stata : nous lisons ce que vous avez.
- 02
Dessiner le modèle
Construits et chemins en glisser-déposer. Aperçu en direct de la structure du modèle.
- 03
Calculer
Un clic. plspm calcule : loadings, chemins, intervalles bootstrap.
- 04
Exporter
Rapport en PDF, tableaux en XLSX, modèle en JSON ou extrait LaTeX, le tout dans des formats ouverts.
Assistant de recherche IA Nouveau · Bêta
IA ambiante qui connaît votre projet.
Des conseils contextuels apparaissent en cours de travail. Un panneau de chat répond aux questions ouvertes sur votre modèle, toujours ancrés dans les chiffres déjà calculés.
Panneau de chat IA
Posez, obtenez des réponses fondées
Ouvrez le robot en bas à droite pour poser n'importe quelle question sur votre modèle, vos données ou vos résultats. Quatre outils en lecture seule donnent accès à la structure du projet, jamais aux lignes brutes.
Deux concepteurs, un flux connecté.
Transformez une question de recherche en modèle de départ en secondes. Obtenez un questionnaire validé à partir des LVs du modèle. Collectez des données, puis interprétez avec le même assistant.
1
Concepteur de modèles IA
LiveTapez votre question de recherche. L'assistant propose 3-6 variables latentes avec modes (réflexif/formatif), chemins hypothétiques avec citations et 2-3 références de la littérature PLS-SEM. Un clic crée un nouveau modèle avec LVs et chemins déjà dessinés.
Question de recherche
"Qu'est-ce qui motive la fidélité client dans les courses alimentaires en ligne ?"
↓
Trust · Réflexif Perceived Quality · Réflexif Satisfaction · Réflexif Loyalty · Réflexif
2
Constructeur de questionnaires
LiveÉtant donné le modèle, l'assistant génère 4-6 items validés par LV avec citations (Davis TAM, Zeithaml SERVQUAL, Cronin & Taylor …). Ou commencez de zéro et écrivez les items vous-même. Modifiez inline, ajoutez la démographie, exportez en CSV / Markdown / JSON pour Qualtrics, LimeSurvey ou SoSci Survey.
Trust · Davis (1989)
trust1Je fais confiance à cette boutique pour tenir ses promesses.trust2Cette boutique paraît fiable dans ses transactions.trust3La boutique traite mes données personnelles avec soin. Boîte à outils complète Nouveau
Tout ce que la littérature demande.
Quinze méthodes PLS-SEM modernes (MGA, IPMA, PLSpredict, HOC, FIMIX, PLSc, HTMT2, modération, CVPAT et plus) dans le même éditeur. Pas de second outil. Pas de marketplace de plugins.
Quantifiez l’incertitude des effets et transformez le modèle en prédictions hors échantillon.
-
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.
-
CVPAT (capacité prédictive)
Cross-Validated Predictive Ability Test d’après Liengaard et al. 2021. Comparaison directe face à un benchmark de moyenne d’indicateurs ou de modèle linéaire, test t apparié, validation croisée k-fold.
-
FIMIX-PLS
La segmentation par mélange fini révèle des sous-groupes non observés dans votre échantillon. Rendez visibles les effets hétérogènes.
-
MICOM
Test en trois étapes de Henseler–Ringle–Sarstedt pour l’invariance de mesure : configurale, compositionnelle et scalaire. Prérequis indispensable avant toute comparaison multi-groupes entre pays, segments ou périodes.
Soumettez le modèle de mesure et les équations structurelles aux biais les plus courants.
-
PLSc (PLS cohérent)
Correction de biais de Dijkstra-Henseler pour la mesure réflective. ρ_A par LV, corrélations désatténuées, coefficients de chemin et R² corrigés.
-
Validité discriminante
HTMT avec le raffinement par moyenne géométrique HTMT2 (Roemer et al. 2021) et le test de Fornell-Larcker, côte à côte. Trois perspectives indépendantes sur la distinction entre construits, réunies dans un seul panneau.
-
Copule gaussienne
Test d’endogénéité de Park-Gupta / Hult et al. pour les prédicteurs structurels. Détecte le biais sans variables instrumentales, avec contrôle d’admissibilité intégré.
-
Validité nomologique
Pré-enregistrez les signes attendus des corrélations entre construits et testez chaque hypothèse avec des tests t unilatéraux. Le chapitre théorique devient un panneau vérifiable avec un verdict clair par relation.
-
Biais de méthode commune (Lindell-Whitney)
Ajustement par corrélation partielle avec variable marqueur pour détecter la variance de méthode commune. Choisissez un marqueur théoriquement indépendant, comparez corrélations ajustées et brutes, jugez si le CMB pose problème.
-
Modération (Two-Stage)
Testez des termes d’interaction dans votre modèle structurel. Approche en deux étapes selon Henseler & Chin, en un clic.
Construisez des topologies plus riches et choisissez l’algorithme de convergence adapté à vos données.
-
Construits d’ordre supérieur (HOC)
Procédure disjoint two-stage pour les modèles hiérarchiques. Les quatre types canoniques (R-R, R-F, F-R, F-F) et les HOC imbriqués, sans modifier l’éditeur.
-
Schéma Newton
Pondération interne quasi-Newton pour une convergence plus stable et plus rapide sur les modèles complexes.
-
Schéma PCA
Schéma de pondération interne PCA de Lohmöller comme alternative au centroïde et au path. Liberté algorithmique par modèle.
Nouveau · Enquêtes publiques
Du questionnaire au jeu de données. Avec un lien.
Publie ton questionnaire sur une URL partageable, regarde les réponses anonymes arriver en direct, importe-les comme jeu de données en un clic. Tout ce dont les chercheurs ont besoin, intégré.
Découvrir les enquêtes publiques Snapshots de version Intro publique vs notes internes Anti double-envoi Réponses lisibles par le propriétaire seulement Import dataset en un clic Page répondant multilingue
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.
01
Distribution Bootstrap
5 000 rééchantillonnages, estimation ponctuelle et CI à 95 %. Voilà à quoi ressemble l’incertitude autour d’un coefficient de trajectoire.
02
Carte importance / performance
Quels construits sont importants et sous-performent ? Une vue en quatre quadrants pour prioriser les décisions de management.
03
Segmentation FIMIX
Repérez des sous-groupes non observés. Mettez en évidence les effets hétérogènes avant qu’ils ne biaisent vos résultats.
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.
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’étudeLe clonage nécessite un compte OpenPLS gratuit.
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
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
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