Stratégies coopératives startups-grandes entreprises dans les industries de haute technologie.

Startups-Incumbents Cooperative Strategies in high-tech Industries.

• Auteur / Autrice : Mohamad Najib Tarhini
• Direction : Anne-Sophie Fernandez
• Type : Projet de thèse
• Discipline(s) : Sciences de gestion et du management
• Date : Inscription en doctorat le 02/07/2024
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École doctorale Economie Gestion de Montpellier
• Partenaire(s) de recherche : Laboratoire : MRM - Montpellier Recherche en Management

Mots clés

Mots clés libres

Stratégies coopératives

Écosystèmes

Accélérateurs

Startups

Grandes entreprises

Cooperative strategies

Ecosystems

Accelerators

Startups

Incumbents

Résumé

A l'heure actuelle, les technologies numériques sont devenues des moteurs clés de rupture et de changements stratégiques (Vial, 2021). Même si faire de l'innovation radicale constitue un défi significatif pour les entreprises (Christensen, 2013 ; Kodama et Shibata, 2014), les entreprises de toutes tailles cherchent en continu des stratégies pour rester compétitives à l'ère du numérique. L'une des principales technologies numériques de cette époque est l'intelligence artificielle (IA). Les recherches révèlent que les petites entreprises sont à en retard dans la production d'IA par rapport aux grandes entreprises (Kinkel et al., 2022). De nombreux obstacles existent, tels que les coûts élevés de création et de formation de modèles d'IA (Sharir et al., 2020), l'incertitude quant aux avantages de l'IA, la qualité des données, les risques en matière de confidentialité/sécurité et la pénurie d'experts qualifiés en IA (OCDE, 2021 ; Ransbotham et al., 2017). En plus, les petites entreprises souffrent de ressources et de capacités financières limitées avec des quantités restreintes de données de qualité (Baabdullah et al., 2021 ; Benitez et al., 2020 ; Masood et Sonntag, 2020). Cependant, avoir accès à des sources de données uniques offre un avantage concurrentiel aux entreprises productrices d'IA (Agrawal et al., 2020 ; Bessen et al., 2022). Ainsi, en d'autres termes, les petites entreprises ne peuvent souvent pas rassembler, gérer et protéger leurs données et même si elles y parviennent, ces données pourraient ne pas avoir la qualité ou la quantité nécessaire pour en tirer des informations significatives (Bianchini et Michalkova, 2019). D'un autre côté, l'avancement continus et rapides de l'IA et d'autres technologies numériques indiquent que les grandes entreprises établies doivent élargir leur perspective stratégique pour assimiler de nouvelles connaissances et innovations afin de conserver un avantage concurrentiel à long terme (Vial, 2021). Cependant, les recherches montrent que ces entreprises ont généralement du mal à suivre tous les changements rapides et perturbateurs qui surviennent dans le secteur (Lucas et Goh, 2009 ; Winter, 2004). En outre, l'émergence de ces technologies numériques a considérablement augmenté la concurrence de nouveaux entrants, perturbant considérablement le secteur avec de nouveaux produits ou services innovants qui pourraient changer ou élargir le potentiel du marché (Vial, 2021). Ainsi, de nombreuses grandes entreprises établies cherchent à mettre en œuvre des mécanismes sans précédent pour se protéger contre cette nouvelle vague d'innovations disruptives (Cozzolino et al., 2018). L'objectif principal de ces mécanismes est de rester vigilant face aux changements et de se renouveler en innovant constamment au niveau des produits, des services et des processus. Une approche déclarée consiste à consolider leurs ressources et capacités internes avec des sources externes pour récolter les bénéfices des développements innovants et maintenir un avantage concurrentiel (Chowdhury et Audretsch, 2023 ; Weiblen et Chesbrough, 2015). La rivalité croissante entre les entreprises pour obtenir les premiers avantages des technologies numériques émergentes soulève d'importantes questions quant aux stratégies que ces entreprises pourraient adopter pour obtenir et maintenir leurs sources d'avantages concurrentiels. Ces questions sont principalement liées aux ressources et capacités potentielles nécessaires, aux stratégies possibles à suivre et au contexte associé (par exemple, orchestrer ou rejoindre des écosystèmes ou s'ouvrir stratégiquement). Ainsi, dans notre recherche, nous étudierons les stratégies mises en œuvre par les petites entreprises dans le contexte d'écosystèmes d'affaires pour la production d'IA, ensuite, nous examinerons les stratégies suivies par ces petites entreprises pour collaborer avec de grandes entreprises dans plusieurs régions, enfin notre objectif est d'explorer les mécanismes suivis par les grandes entreprises traditionnelles pour créer et maintenir un avantage concurrentiel et se protéger contre les perturbations futures venant de ces nouveaux entrants.

In the current state, digital technologies have emerged as key drivers for disruption and strategic shifts (Vial, 2021). While, achieving radical innovation poses a significant challenge for firms (Christensen, 2013; Kodama and Shibata, 2014), firms of all sizes continuously investigate strategies to remain competitive in this digital age. One of the main digital technologies for this age is artificial intelligence (AI). Research reveals that small firms lag in the production of AI compared to large ones (Kinkel et al., 2022). Many barriers exist such as the high costs of building and training AI models (Sharir et al., 2020), the uncertainty about AI benefits, data quality, privacy/security risks and the shortage of qualified AI experts (OECD, 2021; Ransbotham et al., 2017). Moreover, small firms suffer from limited financial resources and capabilities with restricted amounts of quality data (Baabdullah et al., 2021; Benitez et al., 2020; Masood and Sonntag, 2020). However, having access to unique data sources provides a competitive advantage for AI-producing firms (Agrawal et al., 2020; Bessen et al., 2022). Thus, in other words, small firms cannot often collate, manage, and protect their data and even if they do so, this data might lack the quality or quantity needed to derive meaningful insights out of it (Bianchini and Michalkova, 2019). On the other hand, the continuous and rapid advancement in AI and other digital technologies indicates that large established firms must broaden their strategic perspective to assimilate novel insights and innovations to maintain a long-term competitive edge (Vial, 2021). However, research shows that these firms usually struggle to catch up with all the fast-paced disruptive changes happening in the industry (Lucas and Goh, 2009; Winter, 2004). In addition, the emergence of these digital technologies has augmented the competition from new entrants significantly disrupting the industry with new innovative products or services that could change or expand market potential (Vial, 2021). Thus, many large established firms have been looking to implement unprecedented mechanisms to hedge against this new wave of disruptive innovations (Cozzolino et al., 2018). The main purpose of these mechanisms is to remain vigilant to change and renew themselves by constantly innovating at the products, services, and process levels. One stated approach is consolidating their internal resources and capabilities with external sources to reap benefits for innovative developments and maintain a competitive advantage (Chowdhury and Audretsch, 2023; Weiblen and Chesbrough, 2015). The escalating rivalry among companies to secure early advantages from emerging digital technologies raises significant questions regarding the strategies these companies might adopt to achieve and sustain their sources of competitive advantage. These questions are mainly related to the potential resources and capabilities needed, the possible strategies to follow, and the related context (e.g., orchestrating or joining ecosystems or strategically opening up). Thus, in our research, firstly, we will purposely investigate the strategies implemented by small firms in the context of business ecosystems for AI production, secondly we will survey the strategies followed by these small firms to collaborate with large ones across multiple regions, and then we aim to explore the mechanisms followed by large traditional firms to create and sustain a competitive advantage and hedge against future disruptions coming for these new entrants.