Comment stimuler la performance opérationnelle à travers le management basé sur l'Intelligence artificielle ? Une étude des enjeux de l'IA pour les fonctions managériales traditionnelles et des déterminants stratégiques du management basé sur l'IA

How to stimulate operational performance through AI-based management? A study of AI stakes for the traditional managerial functions and the strategic determinants of AI-based management

• Auteur / Autrice : Mohamed-Nedjib Benleulmi
• Direction : Milie Theodora Miere-Pélage, Nicholas Paparoidamis
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'information et de la communication
• Date : Soutenance le 29/11/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : Sciences Sociales et Humanités
• Partenaire(s) de recherche : référent : Université de Versailles-Saint-Quentin-en-Yvelines (1991-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Humanités-Sciences du patrimoine (2020-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de recherche en management (Guyancourt, Yvelines)
• Jury : Président / Présidente : Christophe Assens
• Jury : Examinateurs / Examinatrices : Alain Kiyindou, Raluca Descotes, Elizabeth Gardère
• Jury : Rapporteurs / Rapporteuses : Alain Kiyindou, Raluca Descotes

Mots clés

Mots clés contrôlés

Méthode des moindres carrés

Simulation numérique

Modèles d'équations structurales

Agents intelligents (logiciels)

Connexionnisme

Intelligence artificielle

Systèmes d'information -- Gestion

Mots clés libres

Management basé sur l'IA

Approche connexionniste

Simulation multiagent

Approche PLS-SEM

AI-Based management

Connectionist approach

Multi-Agent simulation

PLS-SEM approach

Résumé

Cette recherche doctorale a pour objectif de contribuer aux connaissances en management des systèmes d'information et en marketing à travers l'étude des enjeux de l'IA pour les fonctions managériales traditionnelles, ainsi que des déterminants stratégiques du management basé sur l'intelligence artificielle (IA) du point de vue des top managers à l'échelle internationale. Dotée d'un ancrage scientifique croisant les sciences de l'information et de la communication avec les sciences de gestion, cette recherche mobilise une méthodologie mixte : tout d'abord, une approche connexionniste pour traiter la question des enjeux de l'IA pour les fonctions managériales traditionnelles, puis une approche PLS-SEM (Partial Least squares—structural equation modeling) pour identifier et mesurer l'importance des déterminants stratégiques du management basé sur l'IA afin de stimuler les performances opérationnelles. Ainsi, cette recherche offre aux managers une vision holistique du management basé sur l'IA et explique comment le mobiliser efficacement pour stimuler la performance opérationnelle. De plus, elle met en évidence à la fois la portée et les limites des théories utilisées, notamment la théorie institutionnelle, la théorie des échelons supérieurs et la théorie de l'orchestration. Enfin, cette recherche fournit des preuves empiriques solides concernant le management basé sur l'IA grâce à l'analyse croisée de données.

This doctoral research aims to contribute to the knowledge of information systems management and marketing through the study of the challenges of AI for traditional managerial functions and the strategic determinants of AI-based management from the perspective of top managers on an international scale. With a scientific grounding at the intersection of information and communication sciences and management sciences, this research employs a mixed methodology: firstly, a connectionist approach to address the challenges of AI for traditional managerial functions, and then a PLS-SEM (Partial least squares—structural equation modeling) approach to identify and measure the importance of strategic determinants of AI-based management in order to stimulate operational performance. Thus, this research provides managers with a holistic vision of AI-based management and how to effectively leverage it to stimulate operational performance. Additionally, it highlights both the scope and limitations of the theories used, including institutional theory, upper echelons theory, and orchestration theory. Finally, this research provides strong empirical evidence regarding AI-based management through cross-data analysis.