Cartographie d’écosystèmes d’affaires liés à l’industrie 4.0 dans le Grand Est à partir de la structure relationnelle issue des traces numériques

Business ecosystems cartography related to Industry 4.0 in the Grand Est region from relational structure derived from digital traces

• Auteur / Autrice : Maxime Guery
• Direction : Francis Rousseaux, Eddie Soulier
• Type : Thèse de doctorat
• Discipline(s) : Info - Informatique
• Date : Soutenance le 04/11/2024
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : École doctorale Mathématiques Physique Sciences du Numérique et de l'Ingénieur (Reims ; 2018-)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Sciences et Technologies de l'Information et de la Communication (Reims, Marne ; 2004-....)
• Partenaire(s) de recherche : Equipe de recherche : Equipe INFO-CRESTIC
• Jury : Président / Présidente : Frédéric Chausse
• Jury : Examinateurs / Examinatrices : Francis Rousseaux, Eddie Soulier, Nada Matta, Marie-Hélène Abel, Adelaïde Kissi, Stéphane Cormier
• Jury : Rapporteur / Rapporteuse : Nada Matta

Mots clés

Mots clés contrôlés

Théorie des graphes

Industrie 4.0

Modèles mathématiques

Traces numériques

Mots clés libres

Écosystème d'affaires

Industrie 4.0

Complexe simplicial

Q-Analyse

Multidimensionnalité

Graphe

Business ecosystem

Industry 4.0

Simplicial complex

Q-Analysis

Multidimensionality

Graph

Résumé

Le concept d’écosystème d’affaires, introduit par James Moore à partir de 1993 et l’industrie 4.0, apparue en Allemagne en 2011, forment ensemble un phénomène encore peu exploré. Ces écosystèmes sont multidimensionnels car des éléments hétérogènes se connectent pour former des ensembles complexes difficiles à analyser et nous n’avons pas identifié d’outils permettant de les étudier sans modèle a priori. Pour pallier cette lacune, nous proposons une méthode de modélisation et d’analyse utilisant les traces numériques du phénomène afin de générer un complexe simplicial. Cette méthode utilise principalement la Q-analyse d’Atkin que nous avons modernisée en développant une version graphe de l’algorithme de la Q-analyse ainsi qu’en repoussant les limites que nous avons identifiées. L’ensemble est automatisé au sein de l’application de calcul Hype. L’avantage principal de la Q-analyse est de pouvoir calculer une similarité entre des éléments hétérogènes, par rapport à des dimensions différentes des unes des autres et sans connaître le modèle du phénomène. Nous utilisons la Q-analyse pour obtenir des candidats d’écosystèmes d’affaires liés à l’industrie 4.0 dans la région Grand Est dont l’objectif final est d’aider les analystes à comprendre comment un écosystème émerge ou disparaît et ainsi faciliter leur création autour de sujets spécifiques. Grâce à une base de données que nous avons construite à partir des données numériques, nous avons obtenu résultats préliminaires encourageant au regard de la qualité du jeu de données. Nous pensons qu’en améliorant la qualité des données avec des dimensions plus riches, nous obtiendrons des résultats encore plus probants.

The concept of the business ecosystem, introduced by James Moore from 1993, and Industry 4.0, which emerged in Germany in 2011, together form a phenomenon that has not yet been fully explored. These ecosystems are multidimensional, as heterogeneous elements connect to form complex sets that are difficult to analyze, and we have not identified any tools for studying them without an a priori model. To overcome this gap, we propose a modeling and analysis method using digital traces of the phenomenon to generate a simplicial complex. This method mainly uses Atkin's Q-analysis, which we have modernized by developing a graph version of the Q-analysis algorithm and pushing back the limits we have identified. The whole process is automated within the Hype calculation application. The main advantage of Q-analysis is its ability to calculate similarity between heterogeneous elements, with respect to dimensions that differ from one another, and without knowing the model of the phenomenon. We use Q-analysis to obtain business ecosystems candidates related to Industry 4.0 in the Grand Est region whose final objective is to help analysts understand how an ecosystem emerges or disappears, and thus facilitate their creation around specific topics. Thanks to a database that we have built up from the digital data, we have obtained encouraging preliminary results despite the poor quality of the dataset. We believe that by improving the quality of the data with richer dimensions, we will obtain even more convincing results.