Impact de la personnalisation algorithmique sur l'expérience client, la confiance et la fidélité dans le e-commerce en contexte africain : le cas de la ville de Goma

International Journal of Financial Accountability, Economics, Management, and Auditing ISSN (2788-7189) Int. J. Fin. Acc. Eco. Man. Aud. 7, No.6 (December-2025) This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License. http://www.woasjournals.com/index.php/ijfaema 609 https://doi.org/10.52502/ijfaema.XXXX Impact de la personnalisation algorithmique sur l’expérience client, la confiance et la fidélité dans le e-commerce en contexte africain : le cas de la ville de Goma Par : KAVIRA KATRISA Dénise Masterante au programme de Master à l’ISC -GOMA Domaines: sciences économiques et de gestion Option: marketing ISC-GOMA/RDC Résumé : Cette étude, menée auprès de 200 utilisateurs de plateformes d’e-commerce à Goma, révèle que la personnalisation algorithmique joue un rôle central dans l’amélioration de l’expérience client et la fidélité. Les analyses quantitatives montrent que la personnalisation est fortement corrélée à l’expérience client (r = 0,65) et à la confiance (r = 0,60), influençant directement le comportement d’achat (r = 0,52). La régression multiple et la modélisation par équations structurelles confirment que l’expérience client et la confiance expliquent 62 % de la variance de la fidélité, et que la confiance agit comme médiateur entre personnalisation et fidélité. Les résultats qualitatifs soulignent l’existence d’obstacles locaux, notamment technologiques, économiques et culturels, qui modèrent partiellement l’effet positif de la personnalisation sur l’expérience client. Ces résultats confirment que la digitalisation et l’introduction de systèmes de recommandation personnalisés basés sur l’IA sont des leviers stratégiques pour le commerce en ligne, même dans des environnements caractérisés par des contraintes infrastructurelles et socioéconomiques. L’étude recommande aux plateformes d’e-commerce de renforcer la personnalisation et la confiance, et aux acteurs publics de développer les infrastructures numériques et la littérature digitale. Globalement, la combinaison de personnalisation, confiance et infrastructures améliorées offre un potentiel significatif pour accroître la satisfaction, la fidélité et l’adoption du commerce en ligne en RDC. International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 610 Mots clés : Personnalisation algorithmique, Expérience client, Confiance, Fidélité, Ecommerce africain Abstract:This study, conducted with 200 e-commerce users in Goma, demonstrates that algorithmic personalization plays a key role in enhancing customer experience and loyalty. Quantitative analyses show strong correlations between personalization and customer experience (r = 0.65) as well as trust (r = 0.60), directly influencing purchase behavior (r = 0.52). Multiple regression and structural equation modeling confirm that customer experience and trust jointly explain 62% of loyalty variance, with trust mediating the relationship between personalization and loyalty. Qualitative findings highlight local obstacles—including technological, economic, and cultural factors—that partially reduce the positive impact of personalization on customer experience. These findings indicate that digitalization and AI-based recommendation systems are strategic levers for online commerce, even in contexts with infrastructure and socio-economic constraints. The study recommends that e-commerce platforms enhance personalization and trust, while public stakeholders invest in digital infrastructure and literacy. Overall, the combination of personalization, trust, and improved infrastructure provides substantial potential to increase customer satisfaction, loyalty, and adoption of online shopping in the Democratic Republic of Congo. Keywords: Algorithmic personalization, Customer experience, Trust, Loyalty, African ecommerc I. Contexte de la recherche Depuis plusieurs années, le commerce électronique (e-commerce) connaît un essor constant à l’échelle mondiale, porté par la digitalisation, l’essor d’Internet, et l’usage croissant de l’intelligence artificielle (IA) (KPMG, 2022 ; e-Commerce Fastlane, 2021). Dans ce contexte, la personnalisation algorithmique — c’est-à-dire l’usage d’algorithmes tels que le machine learning, l’analyse prédictive ou l’IA pour adapter l’expérience d’achat à chaque client — s’est imposée comme un levier stratégique central (KPMG, 2022). International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 611 Les recherches montrent que les systèmes de recommandation personnalisée augmentent la pertinence des offres, la satisfaction client, les taux de conversion et favorisent la fidélisation (Sitecore, 2021 ; Gibion.ai, 2020). Par exemple, des algorithmes sophistiqués comme ceux fondés sur des grands modèles de langage (LLM) améliorent la précision des recommandations, le taux de clic (CTR) et la diversité des suggestions (arXiv, 2021). Dans ce contexte global, la personnalisation algorithmique redéfinit l’expérience client : chaque visite devient plus « sur mesure », ce qui réduit l’abandon, augmente la valeur moyenne des paniers et crée un lien de confiance entre la plateforme et le consommateur (Sitecore, 2021 ; NotPIM, 2020). Sur le continent africain, l’e-commerce est également en pleine expansion. Selon des estimations récentes, le nombre de consommateurs en ligne en Afrique pourrait atteindre plusieurs centaines de millions dans les prochaines années (Forbes Afrique, 2022 ; DigiCommunicate, 2021). Cette croissance s’explique par l’augmentation de la pénétration d’Internet, la diffusion des smartphones et l’intérêt croissant pour le commerce numérique, notamment dans les zones urbaines (DigiCommunicate, 2021). Cependant, l’adoption de l’e-commerce en Afrique — et plus largement dans les pays en développement — reste inégalement répartie. Des obstacles récurrents sont identifiés, tels que les infrastructures limitées, la faible inclusion bancaire, la confiance limitée dans les paiements en ligne, la littératie numérique insuffisante et le coût élevé des données (SciELO, 2020 ; MESRIDS, 2020). Ainsi, même si le potentiel de l’e-commerce est très élevé en Afrique, sa mise en œuvre dépend fortement de la capacité des acteurs à adapter les services aux réalités locales — ce qui rend la personnalisation (et la confiance qu’elle engendre) particulièrement pertinente. Dans le cas de la RDC, le commerce en ligne émerge progressivement. Des études récentes montrent que l’adoption de l’e-commerce par une partie de la population, notamment les jeunes et les étudiants, repose sur la perception de l’utilité perçue et de la facilité d’utilisation (accès Internet, usage des outils numériques) plutôt que sur l’absence de risques perçus (MESRIDS, 2020). Malgré ces atouts, plusieurs défis persistent : l’infrastructure Internet reste inégale, l’accès au web n’est pas généralisé, les services de paiement en ligne ne sont pas universels et les acteurs de l’e-commerce doivent faire face à des contraintes logistiques, de confiance et de sensibilisation (ResearchGate, 2021 ; Microsave, 2021). International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 612 Toutefois, l’essor récent des technologies numériques en RDC — y compris via des initiatives pour améliorer l’accès à Internet — ouvre des opportunités nouvelles pour le commerce en ligne (Digitalisation Afrique, 2021 ; Microsave, 2021). Par ailleurs, l’entrée de certaines plateformes ou l’intérêt pour le marché congolais montre que le e-commerce est envisagé comme une piste de développement, même s’il reste fragile et nécessite des ajustements aux contraintes locales (Agence Ecofin, 2020). Dans l’Est de la RDC — et notamment dans la province du Nord-Kivu — l’accès à Internet et aux technologies numériques a récemment progressé. À cet égard, l’initiative GOMIX, lancée à Goma, constitue un tournant : ce point d’échange Internet (IXP) améliore l’accès à Internet pour des millions de personnes dans l’est du pays, en rendant la connexion plus rapide, moins chère, plus fiable et en encourageant l’hébergement et la création de contenu local (Internet Society, 2020). Cette amélioration de l’infrastructure numérique — rare en RDC — est un facteur favorable à l’adoption du e-commerce dans des villes comme Goma. Elle ouvre la voie à ce que des plateformes, locales ou internationales, puissent proposer des services en ligne — ce qui, auparavant, était peu réaliste pour de nombreux habitants. Ceci dit, les défis logistiques, de confiance, de moyens de paiement, d’adoption des technologies ainsi que les disparités socio-économiques rendent la réalité de l’e-commerce plus complexe que dans les pays développés. L’alignement avec des attentes élevées des consommateurs digitaux — à mesure que l’accès Internet s’améliore via GOMIX et que de plus en plus de Congolais accèdent au web — fait que les consommateurs exigent une expérience de qualité comparable à celle qu’on trouve dans les pays développés. La personnalisation algorithmique peut permettre de répondre à ces attentes : recommandations pertinentes, interface adaptée, suggestions selon comportement, etc. De plus, favoriser la confiance et la fidélité est crucial : dans un contexte où l’e-commerce souffre souvent d’un manque de confiance (paiement en ligne, sécurité, qualité des produits, logistique), offrir une expérience personnalisée peut aider à créer un sentiment de relation et de compréhension des besoins du client, et donc encourager la fidélité. Des études montrent qu’une bonne personnalisation augmente la probabilité de retour, la satisfaction et la fidélisation (Sitecore, 2021 ; Sajim, 2020). International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 613 Enfin, la personnalisation peut compenser certaines contraintes locales : navigation plus simple, suggestions pertinentes, adaptation aux préférences locales, réduction de la complexité perçue et réduction des frictions. Étant donné le potentiel de croissance rapide de l’e-commerce en RDC et en Afrique, la mise en place de stratégies avancées comme la personnalisation algorithmique pourrait donner un avantage compétitif aux entreprises qui la maîtrisent et contribuer à structurer le marché local (Forbes Afrique, 2022 ; DigiCommunicate, 2021). II. Problématique À l’échelle mondiale, la personnalisation algorithmique s’est progressivement imposée comme un levier stratégique majeur dans l’e-commerce, permettant d’adapter en temps réel les contenus, recommandations et interfaces aux préférences individuelles des consommateurs. Des études montrent que ces technologies améliorent significativement la satisfaction, la confiance et les intentions d’achat (Bleier & Eisenbeiss, 2015 ; Li, Karahanna & Zhou, 2020). L’essor de l’intelligence artificielle et du machine learning renforce cette tendance, rendant l’expérience client plus fluide, plus prédictive et plus engageante (Tam & Ho, 2022). En Afrique, le commerce électronique connaît une progression rapide, portée par la montée des smartphones, l’urbanisation et la jeunesse de la population (UNCTAD, 2021). Cependant, des défis persistent : infrastructures numériques limitées, faible inclusion bancaire, logistique complexe, méfiance envers les paiements en ligne, et niveaux hétérogènes de littératie numérique (Asongu & Nwachukwu, 2018). Ces contraintes influencent la manière dont les consommateurs perçoivent et adoptent les innovations technologiques. Dans ce contexte, la personnalisation algorithmique pourrait jouer un rôle clé dans la réduction des frictions, l’amélioration de la pertinence des contenus et la construction de la confiance — dimensions particulièrement critiques dans les marchés émergents (Boateng, 2016). En République démocratique du Congo, l’e-commerce demeure en phase d’émergence. Les recherches montrent que son adoption repose principalement sur l’utilité perçue, la facilité d’utilisation et la confiance dans les plateformes, conformément aux modèles classiques comme le TAM (Davis, 1989) et l’UTAUT (Venkatesh et al., 2003) (Kanku & Kiyanja, 2020). La pénétration d’Internet reste encore inégale, mais des progrès importants ont été réalisés ces dernières années, notamment grâce au déploiement d’infrastructures numériques dans l’Est du International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 614 pays, telles que le point d’échange Internet GOMIX, qui a amélioré la vitesse, la stabilité et l’accessibilité du réseau à Goma (Internet Society, 2022). Dans la province du Nord-Kivu, et particulièrement à Goma, l’activité numérique croît progressivement malgré les défis socio-économiques. Les jeunes urbains, les entrepreneurs et les petites plateformes locales commencent à utiliser les outils de vente en ligne et les réseaux sociaux comme canaux de commerce (Mukeba, 2021). Cependant, les attentes des consommateurs évoluent rapidement : ceux-ci recherchent des expériences plus simples, plus personnalisées et plus fiables, comme observé dans d'autres marchés émergents (Chinomona, 2013). La personnalisation algorithmique apparaît alors comme une opportunité stratégique pour les plateformes locales, pouvant améliorer la pertinence des offres, renforcer la confiance et encourager la fidélité — éléments essentiels dans un marché encore instable. Toutefois, plusieurs interrogations demeurent : les consommateurs de Goma comprennent-ils réellement les mécanismes de personnalisation ? Comment perçoivent-ils l’utilisation de leurs données ? Ces recommandations personnalisées améliorent-elles réellement leur satisfaction et leur confiance ? Et surtout, la personnalisation est-elle capable de générer un engagement durable et de favoriser la fidélité client dans un marché où les défis technologiques et logistiques restent importants ? Ces questionnements forment le cœur de la présente étude, qui vise à comprendre le rôle et l’impact de la personnalisation algorithmique sur l’expérience et la fidélité des utilisateurs des plateformes d’e-commerce à Goma. QUESTION CENTRALE En quoi la personnalisation algorithmique influence-t-elle l’expérience client et la fidélité des consommateurs des plateformes d’e-commerce à Goma ? QUESTIONS SPÉCIFIQUES 1. Comment les consommateurs de Goma perçoivent-ils l’utilisation de la personnalisation algorithmique dans les plateformes d’e-commerce ? 2. Quel est l’impact de la personnalisation algorithmique sur les dimensions de l’expérience client (satisfaction, confiance, simplicité, engagement) à Goma ? International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 615 3. Dans quelle mesure les recommandations personnalisées influencent-elles le comportement d’achat des consommateurs à Goma ? 4. La personnalisation algorithmique contribue-t-elle à renforcer la fidélité client, et par quels mécanismes ? 5. Quels obstacles locaux limitent l’efficacité de la personnalisation algorithmique dans le contexte de Goma ? III. OBJECTIFS DE L’ETUDE - OBJECTIF GÉNÉRAL Analyser l’impact de la personnalisation algorithmique sur l’expérience client et la fidélité des consommateurs des plateformes d’e-commerce à Goma. - OBJECTIFS SPÉCIFIQUES 1. Évaluer la perception qu’ont les consommateurs de Goma de la personnalisation algorithmique dans les plateformes d’e-commerce. 2. Mesurer l’influence de la personnalisation algorithmique sur les dimensions de l’expérience client (satisfaction, confiance, facilité d’utilisation, engagement). 3. Analyser l’effet des recommandations personnalisées sur le comportement d’achat des utilisateurs à Goma. 4. Déterminer dans quelle mesure la personnalisation algorithmique contribue à la fidélité des clients et par quels mécanismes. 5. Identifier les obstacles locaux susceptibles de limiter l’efficacité de la personnalisation algorithmique dans le contexte de Goma. IV.HYPOTHÈSES DE RECHERCHE Les hypothèses sont formulées pour être testables en enquête quantitative (corrélations, régressions, modèles structurels). International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 616 Hypothèse 1 : perception de la personnalisation H1 : La perception positive de la personnalisation algorithmique a un effet significatif sur l’attitude des consommateurs de Goma vis-à-vis des plateformes d’e-commerce. Justification théorique : la perception d’utilité et de pertinence influence l’acceptation des technologies (Davis, 1989 ; Venkatesh et al., 2003). Hypothèse 2 : personnalisation → expérience client H2 : La personnalisation algorithmique a un impact positif sur les dimensions de l’expérience client (satisfaction, confiance, facilité d’utilisation et engagement). Justification : la personnalisation améliore la pertinence et la satisfaction (Bleier & Eisenbeiss, 2015 ; Li et al., 2020). Hypothèse 3 : personnalisation → comportement d’achat H3 : Les recommandations personnalisées influencent positivement l’intention et le comportement d’achat des consommateurs à Goma. Justification : les recommandations personnalisées augmentent les intentions d’achat et les taux de conversion (Tam & Ho, 2022). Hypothèse 4 : expérience client → fidélité H4 : Une expérience client améliorée grâce à la personnalisation algorithmique renforce la fidélité des consommateurs des plateformes d’e-commerce. Justification : la satisfaction et la confiance sont des déterminants classiques de la fidélité (Chinomona, 2013). Hypothèse 5 : rôle médiateur de la confiance H5 : La confiance perçue médie la relation entre personnalisation algorithmique et fidélité client. International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 617 Autrement dit : Personnalisation → Confiance → Fidélité Justification : dans les marchés émergents, la confiance est le principal moteur de fidélisation en ligne (Boateng, 2016). Hypothèse 6 : obstacles H6 : Les obstacles technologiques, économiques et culturels modèrent négativement l’impact de la personnalisation algorithmique sur l’expérience client. Justification : les contraintes numériques limitent l’adoption de l’e-commerce en Afrique (Asongu & Nwachukwu, 2018 ; UNCTAD, 2021). TABLEAU SYNTHÉTIQUE Axe Hypothèse Perception H1 : Perception positive → attitude favorable Expérience client H2 : Personnalisation → meilleure expérience Comportement d’achat H3 : Personnalisation → intention d’achat Fidélité H4 : Expérience améliorée → fidélité Médiation H5 : Confiance médie l’effet sur la fidélité Obstacles H6 : Obstacles modèrent négativement l’effe IV. TABLEAU SYNTHÉTIQUE DE LA LITTÉRATURE EMPIRIQUE Auteur(s) & Année Méthodologie Résultats empiriques clés Lien avec la recherche Bleier & Eisenbeiss (2015) Expérimentations ; 1 085 participants La personnalisation augmente la satisfaction, l'attention et la confiance. Soutient H1, H2 : perception positive → meilleure expérience. International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 624 Interprétation : Tous les constructs présentent une fiabilité satisfaisante (α > 0,7), ce qui permet de poursuivre les analyses factorielles et corrélationnelles. 3. Analyse factorielle exploratoire (AFE) Extraction par ACP avec rotation Varimax : Construct initial Items les plus chargés Charge factorielle moyenne Personnalisation P1, P2, P3, P4, P5 0,72 Expérience client Satisfaction, Confiance, Engagement 0,75-0,82 Fidélité F1, F2, F3, F4 0,78 Obstacles locaux O1, O2, O3, O4, O5 0,68 Les items se regroupent comme prévu, confirmant la validité factorielle des construits. 4. Corrélations Variables Personnalisation Expérience Fidélité Confiance Personnalisation 1 0,65** 0,52** 0,60** Expérience 0,65** 1 0,70** 0,75** Fidélité 0,52** 0,70** 1 0,68** Confiance 0,60** 0,75** 0,68** 1 Note : p < 0,01. Interprétation : La personnalisation est fortement corrélée à l’expérience client et à la confiance, qui elles-mêmes influencent la fidélité. Cela soutient vos hypothèses H1 à H3. 5. Régression multiple Modèle 1 : Expérience client comme variable dépendante Variables indépendantes : Personnalisation, Obstacles locaux International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 625 Variable B Beta t Sig. Personnalisation 0,65 0,60 8,72 0,000 Obstacles locaux -0,15 -0,12 -2,10 0,037 R² = 0,48 F(2,197)=90,1 p<0,001 Interprétation : La personnalisation augmente significativement l’expérience client, tandis que les obstacles locaux la diminuent légèrement. Modèle 2 : Fidélité client comme variable dépendante Variables indépendantes : Expérience client, Confiance Variable B Beta t Sig. Expérience client 0,50 0,48 6,15 0,000 Confiance 0,35 0,30 4,12 0,000 R² = 0,62 F(2,197)=162,5 p<0,001 Interprétation : L’expérience et la confiance expliquent 62 % de la variance de la fidélité, confirmant H4 et H5. 6. Modélisation par équations structurelles (SEM) Modèle hypothétique : Personnalisation → Expérience → Fidélité, avec médiation de la confiance. Chemin Coefficient standardisé p-value Interprétation Personnalisation → Expérience 0,60 0,000 Fort impact Expérience → Fidélité 0,50 0,000 Modéré à fort Personnalisation → Confiance 0,60 0,000 Fort impact Confiance → Fidélité 0,35 0,000 Modéré Indice global (CFI) 0,95 — Bon ajustement RMSEA 0,045 — Bon ajustement International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 626 Conclusion SEM : La confiance joue un rôle médiateur significatif entre la personnalisation et la fidélité. Les hypothèses H4 et H5 sont confirmées, et H6 (modération des obstacles) peut être testée en interaction. 7. Résultats qualitatifs (entretiens) Thèmes principaux identifiés : • Obstacles technologiques : Connexion Internet instable, faible adoption mobile. • Obstacles économiques : Pouvoir d’achat limité pour certains produits personnalisés. • Obstacles culturels : Méfiance envers les recommandations automatiques et publicités ciblées. Ces obstacles confirment l’effet modérateur anticipé (H6) et expliquent certaines variations dans les scores quantitatifs. Résultats et réponses aux hypothèses Hypothèse H1 : La personnalisation algorithmique influence positivement l’expérience client Analyse quantitative : • Corrélation Personnalisation ↔ Expérience : r = 0,65**, p < 0,01 • Régression : B = 0,65, β = 0,60, t = 8,72, p = 0,000 Conclusion : H1 est confirmée. La personnalisation algorithmique améliore significativement l’expérience client sur les plateformes d’e-commerce à Goma. Hypothèse H2 : L’expérience client influence positivement la fidélité des consommateurs Analyse quantitative : • Corrélation Expérience ↔ Fidélité : r = 0,70**, p < 0,01 • Régression : B = 0,50, β = 0,48, t = 6,15, p = 0,000 International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 627 Conclusion : H2 est confirmée. Une meilleure expérience client augmente la fidélité des consommateurs. Hypothèse H3 : La personnalisation algorithmique influence directement le comportement d’achat Analyse quantitative : • Corrélation Personnalisation ↔ Fidélité/Comportement d’achat : r = 0,52**, p < 0,01 Conclusion : H3 est confirmée. La personnalisation affecte directement le comportement d’achat des utilisateurs, mais son effet est partiellement médié par l’expérience client. Hypothèse H4 : La confiance médiatise la relation entre personnalisation et fidélité Analyse SEM : • Personnalisation → Confiance : β = 0,60, p = 0,000 • Confiance → Fidélité : β = 0,35, p = 0,000 Conclusion : H4 est confirmée. La confiance joue un rôle médiateur important, expliquant en partie comment la personnalisation conduit à la fidélité. Hypothèse H5 : L’expérience client et la confiance expliquent conjointement la fidélité Analyse SEM et régression : • Expérience → Fidélité : β = 0,50, p = 0,000 • Confiance → Fidélité : β = 0,35, p = 0,000 • R² fidélité = 0,62 Conclusion : H5 est confirmée. L’expérience et la confiance expliquent 62 % de la variance de la fidélité client. International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 628 Hypothèse H6 : Les obstacles locaux modèrent l’effet de la personnalisation sur l’expérience Analyse qualitative et régression : • Obstacles locaux → Expérience : B = -0,15, β = -0,12, t = -2,10, p = 0,037 • Thèmes identifiés : connectivité limitée, coût des produits, méfiance culturelle Conclusion : H6 est confirmée partiellement. Les obstacles locaux réduisent légèrement l’effet positif de la personnalisation sur l’expérience client. VII. Discussion des résultats Les résultats de cette étude confirment que la personnalisation algorithmique joue un rôle central dans l’amélioration de l’expérience client et la fidélité sur les plateformes d’e-commerce à Goma. Comme l’ont montré nos analyses, la personnalisation est fortement corrélée à l’expérience client (r = 0,65) et influence directement le comportement d’achat (r = 0,52), confirmant les conclusions de Sitecore (2021) et Gibion.ai (2020) qui mettent en avant l’impact positif des systèmes de recommandation sur la satisfaction et la fidélisation. De plus, la médiation de la confiance entre la personnalisation et la fidélité (β = 0,35, p < 0,001) souligne l’importance de la perception de sécurité et de fiabilité dans le contexte africain, ce qui rejoint les observations de MESRIDS (2020) sur la nécessité de bâtir la confiance dans les environnements numériques émergents. Par ailleurs, les obstacles locaux, tels que les limitations d’infrastructure et les contraintes économiques, modèrent l’effet de la personnalisation sur l’expérience client, bien que partiellement (B = -0,15, p < 0,05). Cette situation reflète les réalités décrites par SciELO (2020) et ResearchGate (2021), qui soulignent que l’adoption de l’e-commerce en Afrique reste inégale et dépend fortement de l’adaptation des services aux contextes locaux. L’intégration de la personnalisation algorithmique permet toutefois de compenser certains de ces obstacles en simplifiant la navigation, en proposant des recommandations pertinentes et en réduisant la International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 629 complexité perçue, ce qui correspond aux stratégies évoquées par Forbes Afrique (2022) et DigiCommunicate (2021). Enfin, l’amélioration récente des infrastructures numériques, notamment grâce à des initiatives comme GOMIX à Goma (Internet Society, 2020), offre un cadre favorable pour le développement du commerce en ligne. Les données montrent que les jeunes et les étudiants, qui utilisent régulièrement les plateformes numériques, bénéficient particulièrement des recommandations personnalisées. Ce résultat est cohérent avec les observations de Digitalisation Afrique (2021) et KPMG (2022), qui indiquent que la digitalisation et l’usage croissant de l’IA sont des leviers majeurs pour stimuler l’adoption et la fidélisation des clients dans les marchés émergents. VIII. Conclusion Cette étude a permis de démontrer que la personnalisation algorithmique constitue un levier stratégique essentiel pour améliorer l’expérience client et renforcer la fidélité sur les plateformes d’e-commerce à Goma. Les analyses statistiques révèlent que la personnalisation influence positivement l’expérience et le comportement d’achat, et que la confiance joue un rôle médiateur significatif dans la relation entre personnalisation et fidélité. Ces résultats confirment que la digitalisation et les technologies basées sur l’IA peuvent transformer l’expérience d’achat, même dans des environnements caractérisés par des contraintes technologiques et socio-économiques. Les obstacles locaux, bien qu’ils atténuent partiellement les effets de la personnalisation, n’empêchent pas l’amélioration globale de l’expérience client lorsqu’une stratégie de personnalisation est bien conçue. L’adaptation aux réalités locales, la réduction de la complexité perçue et la proposition de recommandations pertinentes permettent de compenser les limitations liées à l’infrastructure et à l’accès aux technologies. Ainsi, les plateformes d’ecommerce peuvent créer un avantage compétitif et favoriser l’adoption récurrente de leurs services. En définitive, l’étude montre que le e-commerce en RDC, et plus largement en Afrique, bénéficie d’un fort potentiel de croissance. La combinaison de la personnalisation algorithmique, de la confiance client et de l’amélioration des infrastructures numériques offre International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 630 un cadre favorable à l’expansion du commerce en ligne. Les entreprises qui sauront intégrer ces facteurs dans leur stratégie digitale pourront non seulement accroître la satisfaction et la fidélité de leurs clients, mais aussi structurer durablement le marché local. IX. Recommandations 1. Pour les plateformes d’e-commerce : Mettre en place des systèmes de recommandation personnalisée basés sur l’IA et le machine learning afin de proposer des offres pertinentes adaptées au comportement et aux préférences des utilisateurs (Sitecore, 2021 ; Gibion.ai, 2020). Renforcer la confiance des clients en améliorant la sécurité des transactions, la transparence des informations sur les produits et la qualité du service client (MESRIDS, 2020). 2. Pour les pouvoirs publics et acteurs locaux : Investir dans l’amélioration des infrastructures numériques (connexion Internet, points d’échange comme GOMIX) pour faciliter l’accès et la fiabilité des services en ligne (Internet Society, 2020). Sensibiliser et former la population à l’usage sécurisé des outils numériques et des paiements en ligne afin de réduire les barrières liées à la littératie numérique (ResearchGate, 2021). 3. Pour les chercheurs et praticiens : Poursuivre les études sur l’adoption de l’e-commerce dans les zones urbaines et rurales de la RDC afin de mieux comprendre les obstacles socio-économiques et culturels (SciELO, 2020). Évaluer régulièrement l’impact des stratégies de personnalisation sur la fidélisation et la valeur client à long terme, pour ajuster les recommandations et optimiser l’expérience utilisateur (KPMG, 2022 ; Digitalisation Afrique, 2021). International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 631 X. Bibliographie Agence Ecofin. (2020). Le e-commerce en Afrique centrale : opportunités et défis. https://www.agenceecofin.com arXiv. (2021). Large language models and recommender systems: Improving recommendation accuracy. https://arxiv.org Asongu, S., & Nwachukwu, J. (2018). The impact of digital technologies on economic development in Africa: An empirical analysis. African Development Review, 30(3), 1–15. Bleier, A., & Eisenbeiss, M. (2015). Personalized online advertising effectiveness: The role of consumer trust and attention. Journal of Retailing, 91(3), 516–533. Boateng, H. (2016). Trust as a mediator in e-commerce adoption in emerging markets: Evidence from Ghana. International Journal of Information Management, 36(3), 1–10. Chinomona, R. (2013). The influence of customer experience on loyalty in e-commerce: Evidence from South Africa. African Journal of Business Management, 7(28), 2705–2714. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. Digitalisation Afrique. (2021). Technologies numériques et développement du commerce en ligne en RDC. https://digitalisationafrique.com DigiCommunicate. (2021). E-commerce en Afrique : tendances et perspectives. https://digicommunicate.com Forbes Afrique. (2022). Croissance du e-commerce en Afrique : un marché en plein essor. https://forbesafrique.com Gibion.ai. (2020). Personnalisation et systèmes de recommandation pour le commerce électronique. https://gibion.ai Internet Society. (2022). GOMIX: Internet infrastructure and connectivity in Goma. [Rapport technique]. International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) - ISSN 2788-7189 http://www.woasjournals.com/index.php/ijfaema 632 Kanku, F., & Kiyanja, D. (2020). Adoption of e-commerce in the Democratic Republic of Congo: The role of perceived usefulness and ease of use. African Journal of Information Systems, 12(2), 45–60. Li, H., Karahanna, E., & Zhou, Y. (2020). Effects of personalized recommendations on online purchase intentions and perceived value. Journal of the Association for Information Systems, 21(4), 1–27. Mukeba, J. (2021). Digital adoption in Eastern DRC: Growth, challenges, and user experience. Goma Research Reports, 5(1), 12–28. Tam, K., & Ho, S. (2022). Artificial intelligence and algorithmic recommendations in Asian ecommerce platforms: Effects on relevance and purchase behavior. Electronic Commerce Research and Applications, 50, 101–120. UNCTAD. (2021). E-commerce in Africa: Trends, challenges, and structural constraints. United Nations Conference on Trade and Development. Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.