Modéliser l’effet des biais cognitifs sur les dynamiques industrielles

Le changement de nature des processus industriels suscite aujourd’hui de nombreux enjeux quant à la compréhension de la croissance économique, de ses composantes ainsi que des leviers d’action qui peuvent la stimuler. En effet, les activités d’innovation appelant créativité et renouvellement des métiers et des compétences sont aujourd’hui au cœur des problématiques industrielles. La maîtrise des dynamiques industrielles dans un contexte d’innovation devient une préoccupation légitime et de nombreuses actions sont menées dans ce sens, qu’elles soient conduites par un industriel cherchant un avantage compétitif dans le pilotage de son écosystème d’affaires ou par des instances publiques ayant pour vocation de stimuler l’économie via l’innovation. La tendance à étudier ces processus selon les coûts de production et de la rationalité des agents dans les prises de décision semble trop limitée aux vues des enjeux contemporains. L’enjeu scientifique aujourd’hui est d’intégrer dans l’étude des dynamiques industrielles les raisonnements de conception et les biais cognitifs dans les raisonnements créatifs.

L’étude des dynamiques industrielles et des processus d’innovation dépassant le cadre de l’entreprise 

Depuis de nombreuses années, les chercheurs en gestion se sont penchés sur les processus d’innovation qui permettent à différents acteurs de renouveler leur offre de produits ou de services, et de faire évoluer les modèles d’affaires et les valeurs associés. L’étude de ces processus d’innovation s’est fait généralement au niveau du projet (Henderson & Clark, 1990 ; Garel, 1998 ; Lenfle, 2008 ; Hooge, 2010) ou de l’entreprise (Le Masson, Weil & Hatchuel, 2006). Cependant, une entreprise n’est pas un élément isolé. Elle s’inscrit dans un écosystème d’acteurs, un réseau incluant par exemple le fournisseur, le client, le prescripteur. Elle n’est donc pas une structure indépendante, mais un élément d’un ensemble de collectifs en interaction, que ce soit par exemple sous des formes de compétition, de complémentarité ou de symbiose. Il apparaît donc pertinent d’étudier les processus d’innovation à une maille d’analyse dépassant le cadre strict de l’entreprise. Divers angles ont déjà été adoptés pour décrire une dynamique industrielle, au sens de l’ensemble des interactions entre un acteur économique et son environnement, du point de vue de la compétitivité et de la productivité.

La notion de cluster développée par Porter (1998) désigne des concentrations géographiques d’acteurs − académiques, industriels, institutionnels − autour d’une thématique spécifique. Ainsi, le district italien du cuir et de la confection (Becattini, 2002), la Silicon Valley (Saxenian, 1994) ou encore le cluster du vin californien (Porter, 1998) sont devenus des exemples emblématiques d’un phénomène pourtant connu depuis des années, à savoir que la proximité et la localisation ont une importance forte dans les dynamiques industrielles (Marshall, 1920; Becattini, 1979; Krugman, 1991). Cette notion de cluster permet de souligner les impacts de la co localisation sur la productivité des entreprises en facilitant notamment l’accès à la main d’œuvre et aux fournisseurs. La co-localisation impacte également les capacités individuelles à innover en facilitant les stratégies de codéveloppement impliquant les partenaires et les fournisseurs, ainsi qu’en fluidifiant les échanges de biens, de technologies mais aussi de connaissances tacites par des mécanismes de débordement de connaissances (ou knowledge spillover) (Audretsch & Feldman, 1996).

Approfondissant ce focus sur les modalités de la circulation de la connaissance au sein de collectifs, les travaux de Cohendet, Créplet, et Dupouët (2003) ont amené à la caractérisation des communautés de pratique et des communautés épistémiques, structures construites sur une adhésion de l’ensemble des membres à une passion commune ou à une autorité procédurale. Ces communautés peuvent s’incarner dans différentes structures, et sont alors des espaces qui déclenchent « le processus de création de connaissance » (ibid.). La communauté de pratique se distingue de la communauté épistémique dans les modalités structurelles et organisationnelles : la communauté épistémique est structurée dans le but explicite de produire de nouvelles connaissances, alors que ces nouvelles connaissances se développent informellement dans la communauté de pratique via les pratiques et les retours d’expérience sur celles-ci. Les écrits sur les communautés de pratiques montrent ainsi comment les interactions entre acteurs exécutant une même activité contribuent à faire évoluer leurs connaissances respectives (Cohendet, Grandadam & Simon 2008).

Lorsque ces communautés dépassent le cadre de l’entreprise, la question du partage de la valeur et du partage des tâches peut devenir prégnante. Poursuivant les travaux de Teece (1986) autour du partage de la valeur d’une innovation entre le concepteur et les détenteurs d’actifs complémentaires à cette innovation, Jacobides, Knudsen, et Augier (2006) ont proposé la notion d’architecture industrielle, c’est-à dire un modèle de division du travail entre des entreprises liées entre elles. Cette littérature met en évidence les stratégies que peut déployer une entreprise pour influer sur l’architecture de son secteur afin de créer un « avantage architectural » dans sa politique d’innovation. Les relations entre les acteurs sont alors perçues comme articulées sur des interfaces qui permettent à deux entités (ou plus) de se partager le travail, dans une perspective de co-spécialisation des acteurs. La notion d’architecture industrielle apporte ainsi un éclairage sur les mécanismes de partage des tâches, ainsi que sur les règles d’appropriation de la valeur créée.

Aujourd’hui, les relations d’une entreprise avec son environnement se diversifient et ne sont plus uniquement du ressort du partage de valeur et du travail. En effet, les modalités d’échange et d’interactions entre des acteurs économiques sont complexes et peuvent recouvrir des réalités aussi diverses que la prescription, la réglementation, mais aussi les externalités négatives (comme la pollution des ressources) ou les comportements de stratégie collective (Astley & Fombrun, 1983; Yami, 2003). Pour éclairer la diversité de la nature des liens d’une entreprise avec son environnement, la notion d’écosystème est aujourd’hui devenue incontournable. Le terme « écosystème », emprunté à l’écologie, a été repris par des chercheurs en sciences sociales il y a près de vingt ans (Moore, 1993) pour mettre l’accent sur la prise en compte par les entreprises de l’environnement dans lequel elles évoluent. Beaucoup d’entreprises ont en effet compris les bénéfices qu’elles pouvaient tirer d’une meilleure coordination des différents acteurs impliqués dans leur secteur. Dans la littérature en sciences sociales, le terme d’écosystème d’affaires (business ecosystem) fut développé par Moore (ibid.) pour rendre compte de l’ensemble des interdépendances qui existent entre les acteurs au sein d’un réseau industriel :

« an economic community supported by a foundation of interacting organizations and individuals – the organisms of the business world (…) companies co-evolve capabilities around a new innovation: they work cooperatively and competitively to support new products, satisfy customer needs, and eventually incorporate the next round of innovations” (Moore 1993, p76)

Cette proposition de Moore, reprise par plusieurs auteurs (Gueguen & Torrès, 2004; Iansiti & Levien, 2004; Peltoniemi & Vuori, 2004; Rohrbeck, Hölzle, & Gemünden, 2009), met en évidence les liens variés qu’entretiennent l’ensemble des acteurs économiques sur une innovation ou une famille de produits innovants en concurrence (Adner, 2006). Ces acteurs peuvent être des intégrateurs, des fournisseurs, des « complémenteurs », des clients, des prescripteurs, des financeurs, etc. Plusieurs fondements théoriques de la notion d’écosystème d’affaires ont déjà été avancés (Gueguen & Torres, 2004; Peltoniemi & Vuori, 2004), notamment la théorie des systèmes complexes (Stacey, 1995), et la théorie des stratégies collectives (Astley & Fombrun, 1983). Ces propositions explicitent d’une part comment la notion d’écosystème enrichit l’étude des processus d’auto organisation des systèmes complexes, ceux-ci contenant des sous-ensembles relativement indépendants mais fortement interconnectés et interactifs. Les processus de complémentarité et de symbiose entre acteurs de différentes natures au sein d’un même écosystème renvoient, d’autre part, aux processus de coopération étudiés par la théorie des stratégies collectives.

Cette analogie avec les écosystèmes biologiques permet d’étudier la nature des relations entre un ensemble d’acteurs, en particulier les relations d’une firme avec son environnement au sens large. Cela implique de prendre en compte les phénomènes de prescription ou de régulation par exemple. Un écosystème n’est donc pas un objet en soi, mais un système observé, un cadre de référence permettant l’analyse de la nature des liens entre des acteurs économiques et caractérisant les diverses fonctions assurées par un ensemble d’agents au sein d’un milieu (Agogué, Berthet, & Hooge, 2012). Cependant, cette notion d’écosystème ne permet pas de caractériser les processus d’innovation conduits. En effet, la description exhaustive d’un écosystème n’est possible qu’à un moment donné, au travers d’une photographie de son état. Son interprétation en tant que système dynamique en constante évolution et régénération se fait en figeant la définition de la nature des acteurs et de la nature des relations que ces acteurs entretiennent entre eux. Pour prendre en compte l’innovation, il faut pouvoir caractériser l’évolution des connaissances, des compétences, des relations entre acteurs, etc. Ainsi, un ensemble de travaux a ainsi porté sur l’étude de l’innovation en tant qu’activité et non en tant que résultat et produit mis sur le marché, mettant en lumière les processus de conception conduisant à l’innovation (Elmquist, 2007; Hatchuel, 1994; Hatchuel & Weil, 2004, 2008; Le Masson, 2001; Lenfle, 2001; Midler, 2004; Segrestin, 2003; Weil, 1999). Ces recherches ont abordé en profondeur les raisonnements ainsi que les différentes formes organisationnelles permettant à une entreprise de muter vers une démarche de conception innovante. Cependant, c’est plutôt au niveau de l’entreprise que les efforts de modélisation ont jusque-là porté (Béjean, 2008; Chapel, 1997; Felk, 2011 ; Le Masson, Weil & Hatchuel, 2006), même si quelques travaux séminaux ont généré des éclairages divers sur la question du collectif d’innovation, que ce soit au travers de l’open-innovation (Benkeltoum, 2009; Chesbrough, 2003; Von Hippel & Von Krogh, 2003), des partenariats d’exploration (Segrestin, 2006), ou encore des partenariats inter-industries (Gillier, 2010).

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

Introduction générale
contemporaines sous l’angle de la conception et de la psychologie cognitive
Chapitre I – Contexte et problématique de recherche
1. L’étude des dynamiques industrielles et des processus d’innovation dépassant le cadre de l’entreprise
2. Les crises contemporaines de l’industrie
2.1. Une dichotomie classique : un marché sans offre technologique versus une technologie sans débouché sur le marché
2.2. Des situations empiriques en dehors du paradigme marché versus technologie qui soulignent des difficultés dans les activités de conception
3. Comprendre les blocages des dynamiques industrielles : une approche mixte par les théories de la conception et les sciences cognitives
3.1. La conception, ressort caché des dynamiques industrielles
3.2. Les biais cognitifs dans les processus de raisonnement : étude de phénomènes au niveau individuel
3.3. Etendre l’étude des biais cognitifs individuels aux situations en collectif
4. La problématique de recherche
Chapitre II – Etudier les blocages des dynamiques industrielles contemporaines : rationalisation et méthodologie de recherche
1. L’étude d’un cas extrême de blocage de dynamique industrielle : l’innovation orpheline
1.1. L’analyse d’un cas paroxystique
1.2. Une démarche d’exploration d’une phénoménologie nouvelle pour construire trois questions de recherche
2. Un balayage de différents niveaux théoriques
3. L’itinéraire de recherche et la mobilisation de différentes approches méthodologiques
3.1. La découverte de l’innovation orpheline : reprise d’une étude de cas antérieure
3.2. Les causes de l’innovation orpheline : le choix d’une approche modélisatrice des dynamiques industrielles appuyée par une simulation économique
3.3. Le diagnostic de l’innovation orpheline : construction d’un outil de mesure et mobilisation d’un protocole de validation expérimentale
3.4. La sortie de l’innovation orpheline et l’étude des contingences au travers d’études de cas
3.5. Synthèse de l’itinéraire de recherche et des méthodologies employées
Conclusion : Synopsis de la thèse
Chapitre III – Un cas d’étude d’une nouvelle phénoménologie : l’innovation orpheline
1. Analyse d’une situation critique : le cas de la sécurité des deux-roues
2. Terminologie de l’innovation orpheline par analogie à la notion de maladie orpheline
3. Caractérisation de l’innovation orpheline
Chapitre IV – Une revue de la littérature des facteurs explicatifs des blocages des dynamiques industrielles : mise en évidence du blocage cognitif comme facteur déterminant de l’innovation orpheline
1. Les blocages des dynamiques industrielles vus par les sciences de gestion : apports et limites pour expliquer l’innovation orpheline
1.1. Le levier de l’acquisition de connaissances pour éviter les blocages des dynamiques industrielles
1.2. Le verrou institutionnel et le phénomène de path-dependence pour expliquer l’enfermement d’un secteur sur une trajectoire unique
1.3. Le blocage cognitif, une dimension oubliée et réhabilitée par la conception innovante
2. Le blocage cognitif : l’apport de la psychologie cognitive pour l’étude des dynamiques industrielles
2.1. Les biais cognitifs dans la prise de décision
2.2. Les biais cognitifs dans les situations de conception : les effets de fixation
2.3. Mobiliser le cadre des théories de la conception innovante pour comprendre le blocage cognitif dans les dynamiques industrielles
Conclusion de la partie 1 – Une nouvelle phénoménologie, l’innovation orpheline, et une cause possible, la fixation collective, ce qui soulève trois questions de recherche
Chapitre V – Modéliser la croissance et les blocages industriels à partir des modalités d’échanges entre acteurs économiques pour la conception de biens nouveaux
1. Modéliser les dynamiques industrielles : une approche par les échanges entre acteurs économiques
2. Cahier des charges d’un modèle d’échanges entre acteurs concepteurs rendant compte de l’innovation orpheline
3. Une modélisation des dynamiques industrielles : l’imaginaire, variable clé des échanges entre acteurs pour la conception de biens nouveaux
3.1. Préambule : capacités d’action d’un acteur dans une activité de conception
3.2. Une conception sans coordination : le cas de l’usager concepteur
3.3. La coordination entre deux acteurs sur un bien : mécanisme d’offre et de demande
3.4. La coordination entre deux acteurs sur une demande : le mécanisme de prescription
3.5. La coordination d’acteurs concepteurs sur un inconnu : l’espace des imaginaires, ressource de conception innovante
Conclusion : Une modélisation des dynamiques industrielles à trois dimensions : biens, connaissances, imaginaires.
Chapitre VI – Revisiter la notion d’industrie
1. Les imaginaires, un nouveau potentiel endogène de l’industrie
1.1. La notion de potentiel de valeur
1.2. Application de la modélisation à une situation d’innovation orpheline empirique, le cas de la sécurité des deux-roues
1.3. Les imaginaires, facteur caché de l’innovation orpheline
2. Les capacités de conception au sein d’une industrie : capacité de conjonction et capacité de disjonction
3. « Faire industrie », construire un espace d’action collective sur l’imaginaire
4. Perspectives économiques de l’explicitation d’une nouvelle variable de la croissance
Conclusion générale

Rapport PFE, mémoire et thèse PDFTélécharger le rapport complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.