📈 economics

Digital Financial Literacy and Household Wealth among Financially Disadvantaged Generation Z in Malaysia: Evidence from a UTAUT-Based Model

Cette étude utilise un modèle UTAUT étendu pour analyser 534 répondants de la génération Z malaisiens financièrement défavorisés, révélant que si les niveaux de littératie financière numérique sont élevés et stimulés par l'attente de performance et l'influence sociale, ces compétences exercent de manière surprenante un impact négatif significatif sur la richesse des ménages, mettant en évidence un décalage critique entre l'adoption du numérique et les résultats financiers chez les jeunes vulnérables.

Auteurs originaux : SF Syed Abdul Rahman

Publié 2026-08-10

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : SF Syed Abdul Rahman

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez le monde de l'argent comme un jeu vidéo géant en pleine expansion. Pendant des décennies, les joueurs ont appris les règles en utilisant de l'argent physique et des visites à la banque, mais récemment, le jeu a totalement basculé dans un royaume numérique. Dans cette nouvelle version, vous ne transportez pas seulement des pièces, mais des applications, des mots de passe et des portefeuilles numériques. Pour bien jouer, vous avez besoin d'une Littératie Financière Numérique — ce qui revient essentiellement à savoir naviguer dans l'interface du jeu, repérer les objets contrefaits (arnaques) et comprendre les règles pour ne pas perdre votre score.

Mais voici la partie délicate : avoir un score élevé au guide « comment faire » ne signifie pas toujours que vous avez un inventaire rempli de pièces d'or. Dans le monde réel, nous supposons souvent que si vous savez utiliser les outils, vous deviendrez naturellement plus riche. Cette étude plonge précisément dans cette question, en observant un groupe spécifique de joueurs : de jeunes adultes en Malaisie qui commencent tout juste leur parcours mais qui jouent en mode « difficile » avec un budget serré. Elle pose une question simple, mais surprenante : si ces jeunes joueurs sont super doués pour utiliser les applications d'argent numérique, cela les aide-t-il réellement à bâtir une pile de richesse plus importante, ou cela mène-t-il parfois à un résultat totalement différent ?

Les Joueurs et l'Énigme

Les chercheurs ont décidé de se concentrer sur la Génération Z en Malaisie — spécifiquement le groupe « B40 », qui représente les 40 % des ménages ayant les revenus les plus faibles. Ce sont de jeunes gens, âgés de 18 à 23 ans, qui travaillent mais vivent encore avec des budgets serrés (gagnant moins de 4 000 MYR par mois). Considérez-les comme des natifs du numérique ; ils ont grandi avec des smartphones entre les mains, donc utiliser la technologie leur semble aussi naturel que de respirer.

L'étude a utilisé un cadre appelé UTAUT (Théorie unifiée de l'acceptation et de l'utilisation de la technologie). Vous pouvez voir l'UTAUT comme une recette pour comprendre pourquoi les gens décident d'utiliser un nouveau gadget. La recette comprend généralement :

Attente de performance : « Est-ce que cet outil va vraiment m'aider à accomplir ma tâche ? »
Attente d'effort : « Est-ce que cet outil est facile à utiliser ? »
Influence sociale : « Est-ce que mes amis et ma famille pensent que je devrais l'utiliser ? »
Intention comportementale : « Est-ce que j'ai l'intention de l'utiliser ? »

Les chercheurs voulaient voir si ces facteurs poussaient les jeunes Malaisiens à utiliser la finance numérique, et si cette utilisation menait réellement à une Richesse des Ménages (avoir plus d'argent épargné ou d'actifs). Ils ont interrogé 534 de ces jeunes travailleurs dans les régions Nord, Centrale et Sud de la Malaisie péninsulaire.

La Grande Surprise : Le « Piège des Compétences »

C'est ici que l'histoire prend un tournant. Les chercheurs ont découvert que ces jeunes sont en fait très doués en finance numérique. Grâce à la pandémie et à l rise du coût de la vie, ils ont dû apprendre rapidement à utiliser les services bancaires mobiles, les portefeuilles numériques et les systèmes de paiement en ligne. Ils sont confiants, utilisent les applications quotidiennement et les utilisent même pour de petites activités secondaires comme l'e-commerce.

Cependant, lorsque les chercheurs ont relié les points entre « être bon en finance numérique » et « avoir plus de richesse domestique », ils ont trouvé quelque chose qui va à l'encontre de ce que l'on attend habituellement.

La conclusion principale est un peu contre-intuitive : L'étude a découvert une relation négative significative entre le comportement de littératie financière numérique et la richesse des ménages. En clair, plus ces jeunes utilisaient activement les outils financiers numériques, plus leur richesse domestique avait tendance à être basse.

C'est l'opposé de ce qui se passe dans de nombreux pays développés, où en savoir plus sur l'argent mène généralement à avoir plus d'argent. Le document suggère que pour ces jeunes Malaisiens aux ressources financières limitées, être « numériquement lettré » pourrait agir comme une épée à double tranchant. Il est possible que leur confiance dans l'utilisation des applications les ait poussés à :

Souscrire à des prêts numériques risqués.
Effectuer des achats impulsifs en ligne.
Se lancer dans des investissements spéculatifs sans en comprendre pleinement les risques.

C'est comme un joueur qui maîtrise parfaitement toutes les commandes mais qui dépense toute sa monnaie de jeu pour des apparences (skins) clinquantes au lieu d'économiser pour le boss final. Ils ont les compétences pour jouer au jeu, mais l'économie du jeu (hausse du coût de la vie, bas revenus) et leur propre comportement (excès de confiance) font qu'ils ne construisent pas de réserve de richesse.

Qu'est-ce qui les motive réellement ?

L'étude a également examiné pourquoi ces jeunes utilisent ces applications. Les résultats ont montré que :

L'influence sociale (ce que pensent les amis et la famille) et l'attente de performance (croire que l'application les aidera) étaient les principaux moteurs. Si leurs pairs utilisent l'outil, ou s'ils pensent que cela facilite la vie, ils l'utiliseront.
L'attente d'effort (la facilité d'utilisation) n'avait pas beaucoup d'importance. Comme ils sont des natifs du numérique, tout est déjà facile pour eux, donc ce n'était pas un facteur décisif.
L'éducation et l'expérience professionnelle jouaient un rôle de « modérateur ». Cela signifie qu'avoir plus d'éducation ou plus de temps sur le marché du travail changeait la force avec laquelle ces facteurs influençaient leur comportement. Par exemple, ceux ayant plus d'expérience professionnelle étaient parfois moins confiants quant à la confidentialité numérique, même s'ils étaient bons pour utiliser les applications.

La Conclusion à Retenir

Le document conclut que, bien que ces jeunes Malaisiens soient technophiles et avides d'utiliser les outils numériques, les compétences numériques seules ne suffisent pas pour les rendre riches. En fait, sans un accompagnement approprié sur la gestion budgétaire et la gestion des risques, leur fluidité numérique pourrait même les mener dans des gouffres financiers.

Les chercheurs soutiennent que nous devons cesser de supposer que l'enseignement de l'utilisation d'une application bancaire est la même chose que l'enseignement de la construction de richesse. Pour ce groupe, la solution n'est pas seulement « plus de littératie numérique ». Il s'agit de combiner ces compétences numériques avec une gestion de l'argent pratique — leur apprendre à budgétiser, à éviter les pièges de la dette et à épargner. Tant que cela n'est pas fait, être un pro de l'application pourrait simplement signifier être un pro de la dépense, plutôt qu'un pro de l'épargne.

L'étude admet avoir des limites — c'était un instantané temporel (2024) et ne regardait que les jeunes employés, nous ne pouvons donc pas affirmer avec certitude comment cela se passe pour les étudiants ou les chômeurs. Mais le message est clair : à l'ère numérique, savoir cliquer sur les boutons n'est que la moitié de la bataille ; savoir où va réellement l'argent est l'autre moitié.

Résumé technique : Littératie financière numérique et richesse des ménages chez la Génération Z financièrement défavorisée en Malaisie

Énoncé du problème et contexte
La numérisation rapide des services financiers, accélérée par la pandémie de COVID-19, a établi la littératie financière numérique (LFN) comme une compétence critique pour naviguer dans les environnements financiers en ligne. Bien que la littératie financière soit largement reconnue comme une pierre angulaire du bien-être des ménages dans les économies développées, les preuves empiriques concernant son impact sur les populations financièrement défavorisées dans les contextes en développement de l'Asie du Sud-Est restent rares. Plus précisément, il existe une lacune dans la compréhension de la manière dont la LFN influence la richesse des ménages chez les individus de la Génération Z (Gen Z) appartenant au groupe de revenus les plus bas (B40) en Malaisie. Cette cohorte, caractérisée comme étant composée de natifs du numérique tout en opérant sous des ressources limitées, est confrontée à un jeu complexe entre une haute familiarité technologique et une éducation financière formelle limitée. L'étude répond à la nécessité de déterminer si les compétences numériques au sein de ce groupe vulnérable se traduisent par une amélioration de l'accumulation de richesse ou si des facteurs structurels et comportementaux créent un décalage.

Méthodologie
La recherche emploie un design quantitatif, positiviste et transversal pour tester un modèle étendu de la Théorie unifiée de l'acceptation et de l'utilisation de la technologie (UTAUT).

Échantillon : Les données ont été collectées en 2024 auprès de 534 répondants de la Gen Z employés (âgés de 18 à 23 ans) appartenant au groupe de revenus B40 (revenu mensuel du ménage ≤ 4 000 MYR). L'échantillon a été extrait par échantillonnage en grappes à travers trois clusters régionaux en Malaisie péninsulaire (Nord, Centre et Sud), produisant un taux de réponse d'environ 53,4 %.
Instrument : Un questionnaire structuré comprenant 40 items mesurait les caractéristiques démographiques, les connaissances et le comportement en matière de LFN, les construits d'acceptation technologique (Attente de performance, Attente d'effort, Influence sociale), l'intention comportementale et les indicateurs de richesse des ménages. Les items ont été adaptés de modèles établis (ex. : Venkatesh et al., 2003 ; Pinto et al., 2021) et validés par un examen d'experts et un test pilote.
Analyse : L'analyse des données a utilisé SPSS version 29 et SmartPLS 4. L'approche comprenait des statistiques descriptives, des tests de chi-carré, des corrélations de Spearman, une régression linéaire multiple et la modélisation par équations structurelles à moindres carrés partiels (PLS-SEM). L'évaluation PLS-SEM a examiné la fiabilité des indicateurs, la cohérence interne, la validité convergente et discriminante (via HTMT), ainsi que les coefficients de chemin structurel avec bootstrapping pour les tests de signification.

Principales contributions
L'étude introduit un nouveau modèle conceptuel qui étend le cadre UTAUT spécifiquement pour le domaine des services financiers numériques chez les jeunes défavorisés.

Intégration théorique : Le modèle intègre les construits clés de l'UTAUT (Attente de performance, Attente d'effort, Influence sociale) comme prédicteurs de l'Intention comportementale, qui stimule le Comportement de LFN effectif, reliant finalement ces derniers à la Richesse des ménages.
Variables modératrices : Il incorpore le Niveau d'éducation et l'Expérience professionnelle comme modérateurs pour rendre compte des ressources individuelles et des facteurs de stade de vie.
Adaptation contextuelle : La Politique gouvernementale est incluse comme une condition facilitatrice supplémentaire pour refléter l'environnement institutionnel.
Lacune empirique : La recherche fournit des preuves empiriques rares sur la relation LFN-richesse au sein d'une cohorte de jeunes à faibles revenus en développement, remettant en question les hypothèses dérivées de la littérature des économies développées.

Résultats

Niveaux de LFN : L'échantillon a démontré des niveaux relativement élevés de LFN, attribués à l'adoption numérique induite par la pandémie et à la nécessité de rechercher des solutions financières à faible coût et des revenus supplémentaires via les plateformes numériques.
Résultats des chemins structurels :
- Comportement de LFN → Richesse des ménages : Contrairement aux attentes et aux conclusions des économies développées, le comportement de LFN a exercé un effet négatif significatif sur la richesse des ménages ( $\beta = -0,450, p < 0,001$ ).
- Intention comportementale → Comportement de LFN : L'intention comportementale a fortement prédit le comportement de LFN effectif ( $\beta = 1,148, p = 0,031$ ).
- Prédicteurs de l'intention : L'Attente de performance ( $\beta = 0,994, p < 0,001$ ) et l'Influence sociale ( $\beta = 0,221, p = 0,003$ ) ont influencé de manière significative et positive l'Intention comportementale. L'Attente d'effort n'était pas significative.
- Politique gouvernementale : Le chemin direct de la Politique gouvernementale vers le Comportement de LFN était non significatif.
Effets de modération : Le niveau d'éducation et l'expérience professionnelle ont modéré de manière significative plusieurs chemins. Notamment, l'expérience professionnelle a modéré négativement le chemin Politique gouvernementale–Comportement de LFN.
Aperçus démographiques : Les femmes ont montré un engagement en LFN plus élevé que les hommes, inversant l'écart de genre traditionnel. Les répondants plus jeunes (18–19 ans) ont montré des connaissances numériques plus fortes, tandis que les répondants plus âgés et plus expérimentés affichaient une confiance moindre dans les mesures de protection de la vie privée numérique.
Ajustement du modèle : Le modèle a expliqué la quasi-totalité de la variance du Comportement de LFN ( $R^2 = 0,998$ ) et de l'Intention comportementale ( $R^2 = 1,000$ ), mais n'a expliqué qu'une variance modeste de la Richesse des ménages ( $R^2 = 0,201$ ).

Signification et affirmations
L'article soutient que bien que la Gen Z B40 malaisienne possède une haute compétence numérique, cela ne se traduit pas automatiquement par une accumulation de richesse ; au contraire, une association négative significative existe. L'auteur affirme que ce résultat met en évidence un décalage où les compétences numériques, sans compétences de gestion financière pratique complémentaires (ex. : budgétisation, évaluation des risques), peuvent mener à un excès de confiance, à des dépenses impulsives ou à l'engagement dans des emprunts numériques risqués.

L'étude conclut que pour que l'autonomisation financière numérique réalise une richesse durable des ménages dans le cadre de la Vision 2030 de la Malaisie, les initiatives de littératie doivent aller au-delà des campagnes de sensibilisation. Au lieu de cela, elles nécessitent des programmes intégrés combinant les compétences numériques avec une gestion de l'argent fondamentale et une atténuation des risques, adaptés aux contraintes spécifiques de la population B40. La recherche souligne que les construits d'acceptation de la technologie sont des prédicteurs robustes du comportement, mais insuffisants pour prédire les résultats de richesse dans les environnements à ressources limitées, nécessitant une approche politique plus large qui traite les limitations économiques structurelles parallèlement aux interventions éducatives.

Les Joueurs et l'Énigme

La Grande Surprise : Le « Piège des Compétences »

Qu'est-ce qui les motive réellement ?

La Conclusion à Retenir

Résumé technique : Littératie financière numérique et richesse des ménages chez la Génération Z financièrement défavorisée en Malaisie

Articles similaires