Management stratégique et intelligence artificielle : une nouvelle approche pour l'optimisation de la performance à l'heure du digital
Auteur / Autrice : | Samir Medrouk |
Direction : | Hubert Tondeur, Hervé Laroche, Jean-Yves Eglem |
Type : | Thèse de doctorat |
Discipline(s) : | Sciences de gestion. Comptabilité, contrôle, audit |
Date : | Soutenance le 28/11/2018 |
Etablissement(s) : | Paris, CNAM |
Ecole(s) doctorale(s) : | École doctorale Abbé Grégoire (Paris) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire interdisciplinaire de recherche en sciences de l'action (Paris) |
Entreprise : KPMG SA - SAP France | |
institut de recherche : ESCP Europe (2009-....) | |
Jury : | Président / Présidente : Alain Burlaud |
Examinateurs / Examinatrices : Cécile Dejoux | |
Rapporteur / Rapporteuse : Gérard Dreyfus, Michel Kalika |
Mots clés
Mots clés contrôlés
Résumé
Cette recherche a pour objectif clé de créer un modèle conceptuel et numérique, basé sur le machine learning, permettant aux académiques et praticiens de repenser le management stratégique mais aussi de prédire l’évolution de la performance organisationnelle (e.g., la profitabilité) en fonction de la variation des facteurs organisationnels étudiés (alignement stratégique, capacités stratégiques).Cette thèse compare et intègre deux approches conceptuelles (approche par les ressources et la théorie de la contingence) et deux approches analytiques (linéaire et non linéaire).Le modèle développé appelé MSM (Modèle de Management Stratégique) est basé sur les données recueillies auprès de 239 hauts dirigeants, les résultats montrent que le MSM capture la non-linéarité (complexité) de l’organisation et offre une bonne capacité de prédiction des performances de l’entreprise basée sur les variables du MSM. De plus, les résultats suggèrent que les approches basées sur les ressources et la contingence devraient être considérées comme complémentaires plutôt que comme des approches concurrentes.