Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism: A study of manufacturing organisations

Posted on by

Fiche de lecture

Référence (format APA)

Dubey, R., Gunasekaran, A., Childe, S. J., Bryde, D. J., Giannakis, M., Foropon, C., Roubaud, D., & Hazen, B. T. (2020). Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism: A study of manufacturing organisations. International Journal of Production Economics, 226, 107599. https://doi.org/10.1016/j.ijpe.2019.107599

 Mots clés de l’article

Big data analytics, artificial intelligence, entrepreneurial orientation, operational performance, environmental dynamism, dynamic capabilities, contingency theory, manufacturing organisations

 Synthèse

Dans cet article empirique, Dubey et al. explorent le rôle combiné du big data analytics et de l’intelligence artificielle (BDA‑AI) pour améliorer la performance opérationnelle des entreprises manufacturières, tout en examinant l’impact de l’orientation entrepreneuriale (EO) et du dynamisme environnemental (ED) sur cette relation. Ils mobilisent à la fois la dynamic capabilities view et la contingency theory pour proposer et tester un modèle liant ces concepts dans un contexte organisationnel réel.

Les auteurs montrent que l’orientation entrepreneuriale des organisations facilite l’exploitation des capacités BDA‑AI, améliorant ainsi la performance opérationnelle, et que les effets de ces relations varient selon le niveau de dynamisme de l’environnement.

 Développement

  1. Objectifs et cadre théorique

L’article part d’un constat clair : bien que la littérature reconnaisse l’impact positif du big data analytics et de l’intelligence artificielle sur la performance opérationnelle, peu d’études ont examiné comment l’orientation entrepreneuriale influence l’adoption de ces technologies et comment le dynamisme environnemental modère cette adoption et ses effets.

Pour répondre à ces questions, les auteurs s’appuient sur deux cadres théoriques :

  • La Dynamic Capabilities View (DCV), qui suggère que les organisations doivent développer des capacités dynamiques pour exploiter les technologies numériques et rester performantes dans des environnements changeants.
  • La Contingency Theory (CT), qui soutient que les relations entre variables organisationnelles sont conditionnées par le contexte environnemental.
  1. Méthodologie

L’étude est quantitative et empirique, basée sur une enquête auprès de 256 firmes manufacturières en Inde. Les données ont été recueillies à l’aide d’un questionnaire pré‑testé distribué via des organisations sectorielles (NASSCOM et FICCI) et analysées à l’aide de PLS‑SEM pour tester les hypothèses proposées.

  1. Résultats principaux

Les résultats montrent que :

  • L’orientation entrepreneuriale (EO) est un facteur clé dans l’adoption et l’exploitation des capacités de big data analytics et d’intelligence artificielle (BDA‑AI), car elle favorise la proactivité, la prise de risque et l’innovation organisationnelle.
  • Les capacités BDA‑AI sont positivement associées à une meilleure performance opérationnelle (OP) des organisations manufacturières.
  • Le dynamisme environnemental (ED) modère ces relations, ce qui signifie que les effets d’EO et de BDA‑AI sur la performance opérationnelle changent en fonction du degré d’incertitude et de variation dans l’environnement externe.

Ces résultats élargissent la compréhension de la manière dont des capacités technologiques avancées intégrées à une orientation stratégique (EO) peuvent conduire à des niveaux supérieurs de performance, surtout dans des contextes économiques et technologiques dynamiques.

  1. Implications pratiques

Pour les managers et décideurs :

  • L’EO doit être cultivée comme une ressource stratégique pour encourager l’adoption de technologies avancées telles que BDA‑AI.
  • Investir dans des capacités BDA‑AI n’est pas suffisant sans une orientation organisationnelle orientée vers l’innovation et la prise de risque.
  • Comprendre le niveau de dynamisme de l’environnement est crucial : dans des contextes très dynamiques, l’adoption technologique doit être alignée avec des processus décisionnels agiles et réactifs.

 Conclusion

Cet article démontre que la combinaison de big data analytics et d’intelligence artificielle (BDA‑AI) constitue une voie importante vers une meilleure performance opérationnelle  à condition qu’elle soit soutenue par une orientation entrepreneuriale forte et qu’elle tienne compte du dynamisme environnemental.

En combinant des cadres théoriques rigoureux avec des données empiriques, l’étude enrichit la littérature sur la digitalisation des opérations et la gestion des capacités dynamiques dans le contexte manufacturier