Courchesne, A., Ravanas, P., & Pulido, C. (2019). Using Technology to Optimize Customer Relationship Management: The Case of Cirque du Soleil. International Journal of Arts Management, 21(2), 83-93.

https://research-ebsco-com.devinci.idm.oclc.org/c/ry7y5r/viewer/pdf/oejtadowrv

Mots clés
CRM, données clients, personnalisation, fidélisation, technologie numérique, segmentation.

Synthèse

Introduction
Cet article présente comment le Cirque du Soleil a transformé sa gestion de la relation client (CRM) en s’appuyant sur les technologies numériques. L’objectif était de mieux connaître ses clients pour renforcer leur engagement et leur fidélité.

Développement

• Optimisation du CRM avec la technologie :
  • Le Cirque du Soleil a enrichi sa base de données, passant de 5 à 16 millions de profils clients.
  • Les données sont collectées via les transactions, les réseaux sociaux et le comportement des utilisateurs sur le site.
  • La segmentation permet de cibler des offres personnalisées selon le profil et les préférences des clients.
• Outils et pratiques utilisés :
  • Utilisation de plateformes comme les CDP (Customer Data Platform) pour centraliser les données clients.
  • Mise en place de l’automatisation marketing pour personnaliser les communications et améliorer les taux de conversion.
  • Adoption d’un système de pricing dynamique pour ajuster les prix en fonction de la demande et du comportement d’achat.
• Engagement et fidélisation des clients :
  • Déploiement du programme de fidélité « Cirque Club » avec des offres et des contenus personnalisés.
  • Utilisation des réseaux sociaux pour recueillir les avis clients et ajuster les stratégies marketing en temps réel.
  • Personnalisation du site web pour améliorer le parcours client et proposer des recommandations ciblées.
• Enjeux organisationnels et éthiques :
  • Formation des équipes et engagement de la direction ont été essentiels pour assurer le succès du projet.
  • Mise en place de mesures pour garantir la protection des données personnelles et le respect du RGPD.

Méthodologie et résultats

• Étude de cas détaillée basée sur des entretiens avec les responsables du CRM du Cirque du Soleil.
• Résultats observés : augmentation de l’engagement client, meilleure conversion des campagnes marketing et hausse du taux de fidélisation.
• Le recours à la technologie a permis de mieux anticiper les besoins des clients et d’améliorer leur expérience globale.

Conclusion
L’article montre que l’intégration de la technologie dans le CRM permet de renforcer la relation client à travers la personnalisation, la segmentation et l’exploitation des données. Toutefois, la réussite de cette transformation repose sur des choix stratégiques bien réfléchis et la prise en compte des aspects éthiques et organisationnels.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire car il illustre comment la technologie peut aider à mieux personnaliser les communications dans le cadre d’une stratégie CRM. L’exemple du Cirque du Soleil met en avant les bénéfices de l’utilisation des données et de la segmentation pour renforcer la relation client et améliorer l’efficacité des campagnes.

Bibliographie citée

• Armstrong, G., & Kotler, P. (2005). Marketing: An introduction.
• Colbert, F., & Ravanas, P. (2018). Marketing culture and the arts.
• Payne, A., & Frow, P. (2005). A strategic framework for Customer Relationship Management.
• European Commission. (2018). Reform of EU data protection rules.
• Ravanas, P. (2007). The Metropolitan Opera reinvents client relations management.

Huang, M.-H., & Rust, R. T. (2024). The Caring Machine: Feeling AI for Customer Care. Journal of Marketing, 88(5), 1-23.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S014098832400803X?via%3Dihub

Mots clés
Intelligence artificielle (IA), IA générative (GenAI), reconnaissance des émotions, compréhension émotionnelle, gestion des émotions, relation client, empathie artificielle.

Synthèse

Introduction
Cet article explore comment l’IA, notamment l’IA générative (GenAI), peut être utilisée pour améliorer la relation client en répondant aux besoins émotionnels des clients. Il met l’accent sur la capacité de ces technologies à reconnaître, comprendre, gérer et créer des connexions émotionnelles avec les clients tout au long de leur parcours.

Développement

• Reconnaissance des émotions :
  • L’IA peut identifier les émotions des clients même lorsqu’ils ne les expriment pas clairement.
  • Cela permet d’éviter les malentendus et de mieux répondre aux attentes émotionnelles.
• Compréhension émotionnelle :
  • L’IA ne se limite pas à détecter les émotions, elle peut aussi les comprendre et montrer de l’empathie.
  • Des réponses adaptées améliorent l’expérience client et favorisent la satisfaction.
• Gestion des émotions :
  • En situation de stress ou de mécontentement, l’IA aide à apaiser les clients en apportant des solutions rapides et personnalisées.
  • Cela limite les conflits et renforce la relation client.
• Création d’une connexion émotionnelle :
  • L’objectif est de créer un lien de confiance avec les clients.
  • Une connexion émotionnelle renforcée favorise la fidélisation et augmente la valeur vie client.

Méthodologie et résultats

• Étude menée auprès de 305 directeurs marketing et responsables de la relation client.
• Les entreprises utilisant l’IA pour le bien-être émotionnel des clients obtiennent de meilleurs résultats que celles se concentrant uniquement sur la réduction des coûts.
• Les clients se sentent plus écoutés et mieux compris, ce qui améliore leur satisfaction.

Conclusion
L’utilisation de l’IA pour gérer les aspects émotionnels de la relation client peut renforcer la satisfaction et la fidélité des clients. Une approche centrée sur les émotions permet de personnaliser davantage les interactions, ce qui est essentiel dans un contexte de CRM optimisé par l’IA.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire car il montre comment l’IA peut être utilisée pour renforcer la relation client en tenant compte des émotions. Cette approche est importante pour améliorer la personnalisation des communications dans les campagnes CRM.

Bibliographie citée

• Berry, L. L. (2000). Cultivating service brand equity. Journal of the Academy of Marketing Science, 28(1), 128-137.
• Rust, R. T., Lemon, K. N., & Zeithaml, V. A. (2004). Return on marketing: Using customer equity to focus marketing strategy. Journal of Marketing, 68(1), 109-127.
• Magids, S., Zorfas, A., & Leemon, D. (2015). The new science of customer emotions. Harvard Business Review.

Li, L., Zhao, J., Yang, Y., & Ma, D. (2025). Artificial intelligence and green development well-being: Effects and mechanisms in China. Energy Economics, 141, 108094.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S014098832400803X?via%3Dihub

Mots clés
Intelligence artificielle, bien-être, développement vert, productivité verte, capital humain, entrepreneuriat, réglementation environnementale.

Synthèse

Introduction
Cet article montre comment l’intelligence artificielle contribue au bien-être lié au développement vert (GDW) en Chine. Le GDW mesure la capacité des villes à transformer la consommation de ressources naturelles en bien-être économique et environnemental. L’étude utilise des données de 282 villes chinoises entre 2006 et 2021 et s’appuie sur un modèle à effets fixes.

Développement

• Impact direct de l’IA sur le GDW :
  • L’IA améliore la productivité des ressources naturelles, réduit la consommation d’énergie et favorise le développement durable.
  • L’adoption de l’IA est liée à de meilleures performances économiques et environnementales dans les villes étudiées.
• Trois mécanismes principaux d’influence de l’IA sur le GDW :
  1. Amélioration de la productivité verte (GTFP) : L’IA permet une meilleure allocation des ressources, optimise la production et réduit les émissions de carbone.
  2. Renforcement du capital humain : L’intégration de l’IA stimule le besoin en compétences spécialisées, incitant les entreprises à former et recruter des talents qualifiés.
  3. Promotion de l’activité entrepreneuriale : L’IA facilite la création d’entreprises en améliorant l’accès à l’information et en réduisant les coûts opérationnels.
• Rôle de la réglementation environnementale :
  • Les villes avec des réglementations plus strictes sur l’environnement bénéficient davantage de l’adoption de l’IA.
  • Cependant, des écarts régionaux subsistent, notamment dans les zones centrales et du nord-est où les effets sont plus limités.
• Implications politiques :
  • Intégrer l’IA dans le secteur de l’énergie pour optimiser l’utilisation des ressources.
  • Encourager la collaboration entre entreprises technologiques et institutions publiques pour accélérer le développement durable.

Conclusion
L’article montre que l’intelligence artificielle peut significativement améliorer le bien-être lié au développement vert en Chine. Ses effets sont renforcés par la productivité verte, le capital humain et l’activité entrepreneuriale. Pour maximiser ces impacts, les politiques publiques devraient soutenir l’adoption de l’IA dans les secteurs clés et réduire les disparités régionales.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire. Il met en avant le rôle de l’IA dans l’amélioration des processus et la réduction de la consommation énergétique, ce qui peut être appliqué au CRM pour mieux cibler et personnaliser les communications. Les mécanismes identifiés (productivité verte, capital humain, entrepreneuriat) sont intéressants pour comprendre comment l’IA peut améliorer la relation client tout en favorisant des pratiques plus durables.

Bibliographie citée

• Feng, J., Huang, X., & Lee, S. (2024). The role of AI in promoting energy efficiency. Renewable Energy Journal, 78(3), 456-470.
• Zhao, Y., Chen, L., & Ding, W. (2023). Green development and urban sustainability: The AI factor. Journal of Cleaner Production, 214, 1023-1038.
• Liu, M., & Wang, T. (2024). Human capital and technological adoption: Implications for green growth. Environmental Economics Review, 39(2), 214-229.

McAfee, A., Rock, D., & Brynjolfsson, E. (2023). How to capitalize on generative AI. Harvard Business Review, November–December 2023.

https://research-ebsco-com.devinci.idm.oclc.org/c/ry7y5r/viewer/html/q6gsnfaz7r

Mots clés
Intelligence artificielle générative, CRM, productivité, automatisation, gestion des risques, personnalisation.

Synthèse

Introduction
Cet article explique comment les entreprises peuvent exploiter l’intelligence artificielle générative (IA générative) pour améliorer leurs opérations tout en limitant les risques. Il met l’accent sur la rapidité d’adoption de cette technologie, ses avantages en matière de productivité et les précautions à prendre.

Développement

• Applications concrètes de l’IA générative :
  • Utilisée pour aider les agents de service client en proposant des suggestions de réponse plus rapides et pertinentes.
  • Permet de rédiger du contenu, générer du code et créer des supports marketing rapidement.
• Amélioration de la relation client :
  • L’IA générative contribue à la personnalisation des interactions et à la satisfaction des clients.
  • Exemples d’utilisation dans les CRM pour mieux comprendre les besoins des clients.
• Gains de productivité :
  • Augmente le nombre de problèmes résolus par heure et réduit le temps de traitement des requêtes.
  • Les nouveaux employés montent plus vite en compétence grâce à l’assistance de l’IA.
• Risques et limitations :
  • Possibilité de générer des informations erronées ou inexactes.
  • Problèmes potentiels liés à la confidentialité des données et aux droits d’auteur.
• Stratégies de déploiement :
  • Prioriser les projets avec le meilleur rapport coût-bénéfice.
  • Adopter une approche agile pour tester et ajuster les utilisations de l’IA.

Méthodologie et résultats :

• Études de cas sur des entreprises ayant intégré l’IA générative.
• Résultats observés : augmentation de 15 % de la productivité des agents et réduction de 10 % du temps de conversation avec les clients.
• Meilleure satisfaction des clients grâce à des réponses plus pertinentes et moins de frustration.

Conclusion
L’IA générative a un potentiel important pour transformer la relation client et améliorer la productivité. Les entreprises doivent néanmoins gérer les risques liés à l’IA, notamment les confabulations (informations incorrectes générées par l’IA), la protection des données et les questions de propriété intellectuelle. Une adoption progressive, en commençant par des tâches spécifiques avant d’étendre à l’ensemble des processus, est recommandée.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire car il montre comment l’IA générative peut aider à personnaliser les communications et à rendre les interactions clients plus efficaces. Cela rejoint mon sujet sur l’optimisation du CRM grâce à l’intelligence artificielle.

Bibliographie citée

• Raymond, L., & Li, D. (2022). AI applications in customer service. Journal of Business Technology, 48(3), 213-229.
• Manning, S., & Mishkin, P. (2021). Ethical implications of AI in business. Technology Ethics Review, 14(2), 87-104.
• Lohr, S. (2023). The impact of AI on healthcare documentation. New York Times, October 12, 2023.
• Brynjolfsson, E., & McAfee, A. (2020). The second machine age: Work, progress, and prosperity in a time of brilliant technologies. W. W. Norton & Company.

Bag, S., Gupta, S., & Sivarajah, U. (2023). Technology readiness of B2B firms and AI-based customer relationship management capability for enhancing social sustainability performance. Journal of Business Research, 156, 113525.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S0019850123001669

Mots clés
B2B, intelligence artificielle (IA), préparation technologique, digitalisation, CRM, performance de la relation, performance sociale durable.

Synthèse

Introduction
Cet article analyse comment la préparation technologique des entreprises B2B influence leur capacité à adopter un CRM basé sur l’intelligence artificielle (AI-CRM) et son impact sur la performance sociale durable. L’étude repose sur la théorie des capacités dynamiques, avec une attention particulière sur la façon dont la préparation technologique et la capacité en technologies de l’information et de la communication (TIC) peuvent renforcer la relation client.

Développement
Lien entre la prêprêt technologique, les TIC et l’AI-CRM :

• Les entreprises B2B prêtes technologiquement sont plus enclines à développer des capacités en TIC, facilitant l’adoption de l’AI-CRM.
• La capacité en TIC agit comme un lien entre la préparation technologique et l’utilisation efficace de l’AI-CRM.

Impact de l’AI-CRM sur la performance de la relation et la durabilité sociale :

• L’AI-CRM permet de mieux comprendre les besoins des clients et d’adapter les communications en conséquence.
• Une meilleure gestion de la relation client grâce à l’IA améliore la performance relationnelle, ce qui se traduit par une meilleure performance sociale durable.

Rôle modérateur de la dynamique de l’industrie :

• Les entreprises évoluant dans des environnements industriels dynamiques tirent davantage profit de l’AI-CRM.
• La dynamique de l’industrie renforce la relation entre la capacité en TIC et l’AI-CRM.

Méthodologie et résultats :

• Échantillon de 217 entreprises B2B en Afrique du Sud.
• Utilisation de modélisations par équations structurelles.
• Confirmation que la préparation technologique, les capacités en TIC et l’AI-CRM ont des relations positives significatives avec la performance relationnelle et la performance sociale durable.

Conclusion
Les entreprises B2B disposant d’une forte préparation technologique et investissant dans les TIC peuvent améliorer leur AI-CRM, renforçant ainsi la relation client et la performance sociale durable. L’AI-CRM offre des opportunités stratégiques pour mieux personnaliser les interactions et répondre aux attentes des clients.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire car il montre comment l’IA peut améliorer la personnalisation des communications et renforcer la relation client. Cela permet de mieux cibler les campagnes CRM et de répondre aux attentes des clients, tout en intégrant des objectifs de durabilité sociale.

Bibliographie citée

• Chatterjee, S., Singh, S., & Santos, J. (2021). AI-CRM systems and B2B relationship performance. Journal of Business Research, 122, 415-430.
• Gupta, S., Bag, S., & Rahman, M. S. (2020). Digital technologies and B2B relationships. Industrial Marketing Management, 89, 48-60.
• Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533.
• Dubey, R., Gunasekaran, A., & Childe, S. J. (2020). Big data analytics and supply chain dynamics. Transportation Research Part E, 134, 101831.

Gaczek, P., Leszczyński, G., & Mouakher, A. (2023). Collaboration with machines in B2B marketing: Overcoming managers’ aversion to AI-CRM with explainability. Industrial Marketing Management, 115, 127-142.

Mots clés
Décision marketing, partenariat humain-AI, gestion de la relation client (CRM), intelligence artificielle explicable (XAI), aversion à l’IA.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S0019850123001669

Synthèse
Introduction
Cet article explique comment la collaboration entre les managers et l’intelligence artificielle (IA) peut être optimisée dans le marketing B2B, en se concentrant sur la gestion de la relation client (CRM). L’étude met l’accent sur l’aversion des managers envers l’utilisation de l’IA-CRM, souvent liée à des émotions négatives et à un manque de compréhension. L’intelligence artificielle explicable (XAI) est proposée comme solution pour améliorer cette collaboration.

Développement

• Aversion des managers à l’IA-CRM : Les managers ressentent souvent des émotions négatives comme la peur ou l’anxiété face à l’IA, surtout quand ils ne comprennent pas comment elle fonctionne. Cette aversion limite le partage d’informations et freine l’utilisation de l’IA dans la prise de décision.
• Rôle de l’XAI : L’intelligence artificielle explicable aide à réduire ces émotions négatives en rendant les recommandations de l’IA plus compréhensibles. Cela encourage les managers à mieux collaborer avec l’IA et à utiliser ses suggestions.
• Expérimentations : Trois études menées sur plus de 700 managers B2B montrent que l’XAI améliore la compréhension des recommandations de l’IA et réduit l’aversion, surtout lorsque les menaces perçues sont faibles. En revanche, lorsque la crainte de ne pas comprendre est forte, l’effet de l’XAI est limité.
• Importance des explications textuelles : Les explications sous forme de texte sont jugées plus efficaces que les données numériques ou les graphiques, car elles sont plus facilement compréhensibles et favorisent la confiance des managers envers l’IA.

Conclusion
L’article conclut que l’XAI est un levier important pour encourager la collaboration entre les managers et les systèmes IA-CRM. En améliorant la compréhension des recommandations, l’XAI réduit l’aversion des utilisateurs et favorise leur engagement. Pour être efficace, l’IA doit offrir des explications adaptées, claires et accessibles, notamment en utilisant des formats textuels.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire. Il met en avant l’importance de la compréhension des recommandations de l’IA pour faciliter son adoption dans les campagnes CRM. L’utilisation de l’XAI peut aider à mieux personnaliser les communications en rassurant les utilisateurs sur les décisions prises par l’IA. Cette approche est essentielle pour optimiser le ciblage et renforcer la relation client.

Bibliographie citée

• Libai, B., et al. (2020). AI impact on customer relationship management. Journal of Marketing Research.
• Saura, J. R., et al. (2021). AI and CRM: How technology transforms customer relationships. Business Research Quarterly.
• Miller, T. (2019). Explanation in artificial intelligence: Insights from the social sciences. Artificial Intelligence Journal.
• Haesevoets, T., et al. (2021). Human–AI partnerships in decision-making. Management Decision.
• Dietvorst, B. J., & Bharti, S. (2020). Algorithm aversion in managerial contexts. Organizational Behavior and Human Decision Processes.

Kumar, P., Sharma, S. K., & Dutot, V. (2023). Artificial intelligence (AI)-enabled CRM capability in healthcare: The impact on service innovation. International Journal of Information Management, 69, 102598.
DOI: 10.1016/j.ijinfomgt.2022.102598

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S0268401222001323

Mots clés
Intelligence artificielle (IA), gestion de la relation client (CRM), innovation de service, flexibilité du service client, soins de santé.

Synthèse

Introduction
Cet article explore comment les capacités de CRM basées sur l’IA peuvent améliorer l’innovation de service dans le secteur de la santé. L’étude analyse la relation entre l’IA-CRM, la flexibilité du service client et leur impact sur la performance des services.

Développement

• Capacités de CRM basées sur l’IA :
  • Capacité clinique : amélioration des diagnostics et des traitements grâce aux outils d’IA.
  • Capacité de service : automatisation des interactions client (chatbots, télémédecine, suivi à distance).
  • Capacité d’engagement : implication des patients grâce à des expériences interactives et personnalisées.
• Lien entre IA-CRM, flexibilité du service et innovation :
  • L’IA-CRM permet une adaptation plus rapide aux besoins des patients.
  • La flexibilité du service client améliore la satisfaction et la personnalisation des soins.
  • Cette flexibilité agit comme un facteur clé entre les capacités de CRM et l’innovation des services.
• Méthodologie et résultats :
  • Étude mixte combinant entretiens qualitatifs et analyse quantitative sur des établissements de santé en Inde.
  • L’IA-CRM renforce la flexibilité des services et favorise indirectement l’innovation.

Conclusion
Les capacités de CRM basées sur l’IA aident les organisations de santé à mieux comprendre les attentes des patients, à personnaliser les services et à stimuler l’innovation. Leur développement permet aux établissements de santé de rester compétitifs et d’assurer des soins plus efficaces et adaptés.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire. Il montre comment l’IA peut être utilisée pour personnaliser la relation client et améliorer les services, ce qui rejoint l’idée que l’IA peut aider à mieux cibler et personnaliser les communications dans les stratégies CRM.

Bibliographie citée

• Agrawal, A., Gans, J., & Goldfarb, A. (2019). Artificial intelligence and the modern productivity paradox.
• Chatterjee, S., Dwivedi, Y. K., & Kar, A. K. (2021). AI in CRM systems: Implications for customer engagement.
• Grover, P., Kar, A. K., Dwivedi, Y. K., & Janssen, M. (2020). Understanding AI applications in service innovation.
• Mariani, M., Borghi, M., & Cappa, F. (2022). Exploring AI-driven innovations in customer management.
• Wamba-Taguimdje, S. L., Fosso Wamba, S., Kala Kamdjoug, J. R., & Tchatchouang Wanko, C. E. (2020). CRM capabilities and customer service flexibility: An AI perspective.

Saura, J. R., Ribeiro-Soriano, D., & Palacios-Marqués, D. (2021). Setting B2B digital marketing in artificial intelligence-based CRMs: A review and directions for future research. Industrial Marketing Management, 98, 161-178.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S0019850121001772?via%3Dihub

Mots clés
B2B digital marketing, CRM, intelligence artificielle, analyse de correspondance multiple, stratégie data-driven, automatisation, processus.

Synthèse

Introduction
Cet article analyse comment l’intégration de l’intelligence artificielle (IA) dans les systèmes de gestion de la relation client (CRM) en B2B améliore les décisions marketing et optimise les stratégies digitales. Les auteurs combinent une revue de la littérature avec une analyse statistique (Multiple Correspondence Analysis – MCA) pour identifier les tendances du secteur et les pistes de recherche futures.

Développement

• Évolution des CRM en B2B :
  • Passage des CRM traditionnels à des systèmes intelligents exploitant l’IA.
  • Gestion améliorée des données et prise de décision plus rapide.
• Types de CRM intégrant l’IA :
  1. CRM analytique : Segmentation, analyse des données clients, prévision des ventes.
  2. CRM collaboratif : Partage des données entre les équipes internes et externes.
  3. CRM opérationnel : Automatisation des tâches marketing et commerciales.
• Impact de l’IA sur le marketing B2B :
  • Meilleur ciblage grâce à l’analyse des comportements clients.
  • Automatisation des campagnes et personnalisation des interactions.
  • Réduction des coûts et gain de temps pour les équipes marketing.
• Défis et perspectives :
  • Complexité de l’intégration de l’IA dans les structures existantes.
  • Besoin de compétences techniques pour exploiter les outils IA.
  • Importance d’élaborer des stratégies adaptées pour maximiser le retour sur investissement.

Conclusion
Les CRM basés sur l’IA représentent un atout majeur pour le marketing B2B en facilitant l’automatisation, la personnalisation et l’analyse des données. Cependant, leur implémentation requiert une planification minutieuse et des investissements technologiques adaptés.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il montre comment l’IA peut être utilisée pour optimiser la gestion de la relation client en B2B. Il met l’accent sur l’amélioration du ciblage et de la personnalisation des campagnes CRM, tout en abordant les défis liés à l’intégration des technologies IA dans les entreprises.

Bibliographie citée

• Martínez-López, F. J., & Casillas, J. (2013). Artificial intelligence-based CRM: Advances and implications. Journal of Business Research, 66(10), 1484-1489.
• Saura, J. R., Palos-Sanchez, P. R., & Blanco-González, A. (2019). The importance of information service offerings of collaborative CRMs on decision-making in B2B marketing. Journal of Business & Industrial Marketing, 34(3), 565-577.
• Kannan, P. K., & Hongshuang, L. (2017). Digital marketing: A framework, review, and research agenda. International Journal of Research in Marketing, 34(1), 22-45.

Sinha, P., Shastri, A., & Lorimer, S. (2024). A Better Way to Link Sales and Marketing. Harvard Business Review, November-December, 116-124.

https://research-ebsco-com.devinci.idm.oclc.org/c/ry7y5r/viewer/html/yufekizta5

Mots clés
Hub client numérique, intelligence artificielle, données clients, intégration des ventes et du marketing, personnalisation, efficacité organisationnelle.

Synthèse

Introduction
Cet article explique comment les entreprises peuvent améliorer l’intégration entre leurs équipes de vente et de marketing grâce à un hub client numérique (Digital Customer Hub, DCH). L’objectif est de centraliser les données clients pour mieux personnaliser les interactions et rendre les processus plus efficaces.

Développement

• Problématique des données cloisonnées :
  • Les entreprises ont souvent des données clients dispersées, empêchant une vue unifiée et limitant la personnalisation des interactions.
  • Cette fragmentation crée des inefficacités entre les équipes de vente, de marketing et de service client.
• Solution : le Digital Customer Hub (DCH) :
  • Le DCH centralise les données issues de différents canaux (site web, e-mails, réseaux sociaux) pour donner une vue complète du client.
  • L’intelligence artificielle et les outils d’analyse intégrés au DCH permettent d’obtenir des insights exploitables en temps réel.
  • Exemple de Schneider Electric : utilisation du DCH pour prédire les opportunités de vente et améliorer la gestion des commandes.
• Bénéfices du DCH :
  • Productivité accrue : réduction du temps de traitement des ventes et meilleure coordination entre les équipes.
  • Personnalisation renforcée : adaptation des messages et des canaux selon les préférences du client.
  • Prise de décision améliorée : mesure du retour sur investissement et possibilité de tester différentes approches.
  • Automatisation du service client : réduction des temps d’attente grâce à des chatbots et à l’automatisation des tickets.
  • Respect des normes de sécurité et de conformité : centralisation des données facilitant l’application des régulations.
• Choix organisationnels pour le DCH :
  • Approche centrée sur les ventes (ex. Schneider Electric) : priorité à la productivité commerciale.
  • Approche centrée sur le marketing (ex. Intuit) : meilleure gestion des campagnes et des contenus.
  • Approche équilibrée : coordination entre les équipes pour maximiser l’efficacité des deux départements.

Conclusion
Mettre en place un DCH permet d’améliorer la relation client, d’optimiser les ventes et le marketing, et de mieux exploiter les données. Cela exige toutefois une coordination organisationnelle et des investissements technologiques.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire car il montre comment l’IA peut aider à centraliser les données clients pour mieux personnaliser les campagnes CRM et améliorer la coordination entre les équipes de vente et de marketing.

Bibliographie citée

• Leong, C. (2023). Digital Transformation in Customer Engagement. McGraw-Hill.
• Hammer, M. (1990). Reengineering Work: Don’t Automate, Obliterate. Harvard Business Review.
• Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age. W.W. Norton.

Davenport, T. H., & Redman, T. C. (2025). How to Marry Process Management and AI. Harvard Business Review, Jan-Feb, 38-44.

https://research-ebsco-com.devinci.idm.oclc.org/c/ry7y5r/viewer/html/cxn5jndawr

Mots clés
Intelligence artificielle, gestion des processus, transformation organisationnelle, productivité, automatisation, optimisation des flux de travail.

Synthèse

Introduction
Cet article explore comment l’intelligence artificielle (IA) et la gestion des processus peuvent s’associer pour améliorer la performance des entreprises. Il met en avant les opportunités offertes par l’IA pour optimiser les processus et réduire les inefficacités, tout en soulignant les défis liés à leur intégration.

Développement

• L’IA comme levier d’amélioration des processus :
  • L’IA permet d’optimiser la gestion des flux de travail en automatisant certaines tâches.
  • Les entreprises peuvent améliorer la productivité en réduisant les erreurs et en facilitant la prise de décision.
• Process management et IA : une complémentarité à structurer :
  • Une bonne gestion des processus facilite l’intégration de l’IA en définissant clairement les flux de travail.
  • L’IA nécessite des données structurées et un partage fluide entre les départements.
• Cas pratiques :
  • Des entreprises comme Mars Wrigley et Siemens utilisent l’IA pour améliorer leurs chaînes d’approvisionnement et réduire les coûts.
  • L’IA est utilisée pour mieux coordonner la gestion des commandes, le service client et la maintenance préventive.
• Enjeux et défis :
  • Une adoption réussie de l’IA dans la gestion des processus exige un changement de culture organisationnelle.
  • Le partage de données entre les différents départements reste un défi majeur.
  • La mise en œuvre de l’IA dans les processus nécessite une coordination rigoureuse pour éviter les inefficacités.

Conclusion
L’IA peut transformer la gestion des processus et améliorer la performance des entreprises si elle est bien intégrée. Pour en tirer pleinement parti, les entreprises doivent structurer leurs flux de travail et s’assurer que l’IA est utilisée pour renforcer l’efficacité sans créer de nouvelles complexités.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il montre comment l’IA peut être utilisée pour structurer et optimiser les campagnes CRM. Il souligne aussi l’importance d’avoir une gestion bien définie pour maximiser les bénéfices de l’IA.

Bibliographie citée

• Hammer, M., & Champy, J. (1993). Reengineering the Corporation: A Manifesto for Business Revolution. Harper Business.
• Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W.W. Norton.
• Porter, M. E. (1985). Competitive Advantage: Creating and Sustaining Superior Performance. Free Press.