FICHE DE LECTURE

Référence (format APA)

Peñarroya-Farell, M., Vaziri, M., Soto Rivera, S. K., & Miralles, F. (2025). A complex leadership perspective on generative AI adoption in SMEs: The interplay of TAM, TMT, and RBV. Administrative Sciences, 15(12), 494. https://doi.org/10.3390/admsci15120494

Mots-clés

Intelligence artificielle générative ; PME ; leadership organisationnel ; adoption technologique ; TAM ; TMT ; RBV ; complexité ; transformation digitale

Synthèse

Cet article examine l’adoption de l’intelligence artificielle générative (GenAI) dans les petites et moyennes entreprises (PME) sous l’angle du leadership organisationnel. S’inscrivant dans une perspective de complexité, les auteurs proposent un cadre conceptuel intégrant trois approches théoriques majeures : le Technology Acceptance Model (TAM), la Temporal Motivation Theory (TMT) et la Resource-Based View (RBV). L’objectif est de dépasser les modèles linéaires d’adoption technologique pour analyser l’adoption de la GenAI comme un processus non linéaire, dynamique et fortement dépendant des comportements des dirigeants.

À partir d’une étude qualitative menée auprès de dirigeants de PME espagnoles, l’article met en évidence que l’adoption de la GenAI ne dépend pas uniquement de la perception de son utilité ou de sa facilité d’usage, mais repose sur l’alignement entre intention stratégique, motivation managériale et allocation des ressources. Les auteurs identifient ainsi quatre profils de leadership — Strategic Adopters, Aspiring Adopters, Opportunistic Adopters et Operational Stabilizers — qui structurent différentes trajectoires d’adoption de la GenAI. Ces résultats apportent une contribution théorique significative à la littérature sur la transformation digitale des PME et soulignent le rôle central du leadership dans la création de valeur à partir des technologies émergentes.

Développement

1. Objectifs et méthodologie de l’étude

L’objectif principal de l’article est de comprendre comment le comportement des dirigeants de PME influence l’adoption de l’IA générative dans un contexte de transformation digitale caractérisé par l’incertitude, la contrainte de ressources et la complexité organisationnelle. Plus précisément, les auteurs cherchent à analyser dans quelle mesure le leadership permet d’aligner intention, motivation et ressources dans le processus d’adoption de la GenAI.

La recherche repose sur une méthodologie qualitative, fondée sur :

• des entretiens semi-directifs menés entre mai et décembre 2024,
• un échantillon de 15 dirigeants de PME espagnoles issus de secteurs variés,
• une analyse interprétative de type Interpretative Phenomenological Analysis (IPA), combinée à une analyse thématique transversale.

Ce choix méthodologique vise à capter la complexité des processus décisionnels et des logiques managériales à l’œuvre dans les PME en phase d’adoption précoce de la GenAI.

2. L’adoption de la GenAI comme processus complexe et non linéaire

L’un des apports majeurs de l’article réside dans la remise en cause des modèles linéaires d’adoption technologique. Les auteurs montrent que les modèles classiques, tels que le TAM ou la diffusion des innovations, sont insuffisants pour expliquer l’adoption de technologies disruptives comme la GenAI dans les PME.

En mobilisant la théorie de la complexité et la Complexity Leadership Theory, l’adoption est analysée comme un système adaptatif complexe, dans lequel les dimensions cognitives (perception de l’utilité et de la facilité d’usage), motivationnelles (urgence perçue, valeur attendue) et organisationnelles (ressources, compétences, infrastructures) interagissent de manière dynamique. Le leadership joue alors un rôle de mécanisme de coordination permettant — ou non — l’émergence de trajectoires d’adoption plus stratégiques.

3. Intention, motivation et ressources : une lecture intégrée (TAM, TMT, RBV)

L’intégration des trois cadres théoriques constitue le cœur de la contribution conceptuelle de l’article.

• Le TAM permet d’analyser l’intention d’adoption à travers la perception de l’utilité et de la facilité d’usage de la GenAI.
• La TMT introduit une dimension temporelle et motivationnelle, en soulignant le rôle de l’urgence perçue et de la valeur attendue dans le déclenchement de l’action.
• La RBV met en évidence le rôle structurant des ressources internes, notamment les compétences humaines, les capacités dynamiques et la maturité technologique.

Les résultats montrent que ces dimensions ne fonctionnent pas de manière indépendante, mais s’influencent mutuellement. Ainsi, une forte intention d’adoption peut rester sans effet en l’absence de ressources, tandis qu’une capacité technique sans motivation stratégique conduit à des usages fragmentés et peu transformants.

4. Profils de leadership et trajectoires d’adoption de la GenAI

À partir de l’analyse des données empiriques, les auteurs identifient quatre profils de leadership :

• Strategic Adopters : dirigeants alignant intention, motivation et ressources, engagés dans une adoption proactive et stratégique de la GenAI.
• Aspiring Adopters : dirigeants convaincus de l’intérêt de la GenAI mais limités par des contraintes de ressources et de capacités organisationnelles.
• Opportunistic Adopters : dirigeants adoptant la GenAI de manière ponctuelle et tactique, sans vision stratégique globale.
• Operational Stabilizers : dirigeants privilégiant la stabilité opérationnelle et maintenant une distance vis-à-vis de la GenAI.

Ces profils illustrent que l’adoption de la GenAI ne correspond pas à des étapes successives, mais à des configurations dynamiques susceptibles d’évoluer sous l’effet de changements internes ou externes.

Conclusion

Cet article met en évidence que l’adoption de l’intelligence artificielle générative dans les PME est avant tout un phénomène organisationnel et managérial, plutôt qu’un simple choix technologique. En intégrant les apports du TAM, de la TMT et de la RBV dans une perspective de complexité, les auteurs démontrent que le leadership constitue le levier central permettant d’aligner intention stratégique, motivation et allocation des ressources.

Pour les PME, les résultats suggèrent que la GenAI ne peut devenir un véritable levier de performance et de transformation que si elle est intégrée dans une vision stratégique cohérente, soutenue par le développement des compétences et des capacités organisationnelles. L’étude apporte ainsi des enseignements précieux pour les dirigeants, mais aussi pour les chercheurs s’intéressant aux dynamiques de transformation digitale dans des contextes contraints.

FICHE DE LECTURE 

Référence (format APA)

Segarra-Blasco, A., Tomàs-Porres, J., & Teruel, M. (2025). AI, robots and innovation in European SMEs. Small Business Economics, 65, 719–745. https://doi.org/10.1007/s11187-025-01017-2

Mots-clés

PME ; intelligence artificielle ; robotisation ; innovation ; transformation organisationnelle ; performance ; technologies numériques

Synthèse

Segarra-Blasco, Tomàs-Porres et Teruel analysent l’impact de l’adoption de l’intelligence artificielle (IA) et de la robotisation sur les capacités d’innovation des PME européennes. L’article s’inscrit dans une perspective de transformation technologique et organisationnelle, en montrant que l’adoption de ces technologies ne constitue pas uniquement un investissement technique, mais un véritable levier stratégique influençant la performance et la compétitivité des PME.

Les auteurs démontrent que l’IA et les robots favorisent l’innovation des PME lorsqu’ils sont intégrés dans une logique organisationnelle cohérente, combinant compétences humaines, apprentissage organisationnel et reconfiguration des processus. Ces résultats sont particulièrement pertinents pour les PME cherchant à optimiser ou mutualiser leurs fonctions commerciales, notamment la force de vente, via des outils numériques partagés.

Développement

1. Cadre théorique et objectifs de l’article

Les auteurs s’appuient sur la littérature relative à :

• l’innovation technologique,
• la transformation numérique des PME,
• les capacités organisationnelles nécessaires à l’absorption des nouvelles technologies.

L’objectif principal de l’article est d’évaluer dans quelle mesure l’adoption de l’IA et des robots influence la performance innovante des PME européennes, tout en tenant compte des caractéristiques organisationnelles propres à ces entreprises.

Contrairement aux grandes entreprises, les PME disposent de ressources limitées, ce qui rend l’adoption technologique plus risquée mais potentiellement plus transformatrice.

2. Méthodologie

L’étude repose sur :

• un large échantillon de PME européennes,
• des données issues d’enquêtes statistiques,
• des modèles économétriques permettant d’identifier les effets de l’IA et de la robotisation sur l’innovation.

Les auteurs distinguent plusieurs formes d’innovation (produits, processus, organisationnelle) afin d’évaluer précisément l’impact des technologies.

3. Résultats principaux

Les résultats montrent que :

• l’adoption de l’IA et des robots a un effet positif significatif sur l’innovation des PME ;
• cet effet est renforcé lorsque les PME disposent de compétences internes adaptées et d’une capacité d’apprentissage organisationnel ;
• les technologies numériques favorisent la reconfiguration des processus internes, notamment commerciaux et opérationnels.

Les auteurs soulignent que l’IA permet :

• une meilleure exploitation des données,
• une automatisation de certaines tâches,
• une coordination plus efficace des activités.

4. Apports pour le management commercial et la mutualisation de la force de vente

Bien que l’article ne traite pas directement de la force de vente, ses implications pour le management commercial sont importantes :

• les outils basés sur l’IA facilitent la centralisation des informations commerciales ;
• ils permettent une coordination accrue entre équipes, condition clé de la mutualisation de la force de vente ;
• La digitalisation soutient des modèles commerciaux plus flexibles, adaptés aux contraintes des PME.

Ainsi, l’adoption de technologies numériques constitue un pré-requis organisationnel à la mise en place de dispositifs de force de vente mutualisée.

Conclusion

Cet article montre que l’intelligence artificielle et la robotisation sont des leviers majeurs d’innovation et de performance pour les PME européennes, à condition d’être intégrées dans une logique organisationnelle et stratégique cohérente. Les résultats soulignent l’importance des compétences, de l’apprentissage et de la reconfiguration des processus, éléments centraux pour toute démarche de mutualisation de la force de vente.

L’étude apporte un éclairage théorique et empirique solide pour comprendre comment les PME peuvent utiliser les technologies numériques afin d’optimiser leurs ressources commerciales et renforcer leur compétitivité face aux grandes entreprises.

Références bibliographiques 

Segarra-Blasco, A., Tomàs-Porres, J., & Teruel, M. (2025). AI, robots and innovation in European SMEs. Small Business Economics, 65, 719–745.

Référence (format APA)

Véry, P., & Cailluet, L. (2019). Intelligence artificielle et recherche en gestion. Revue française de gestion, 285, 119-134.

https://doi.org/10.3166/rfg.2020.00405

Mots clés de l’article :

Mots clés : intelligence artificielle, recherche en gestion, machine learning, diffusion scientifique, production scientifique, Big Data, méthodes analytiques, épistémologie

Synthèse :

Philippe Véry et Ludovic Cailluet analysent l’impact de l’intelligence artificielle (IA) sur la recherche en sciences de gestion. L’article explore comment l’IA influence les pratiques de production et de diffusion scientifique, les compétences nécessaires aux chercheurs, ainsi que les implications épistémologiques et institutionnelles. Les auteurs soulignent que l’IA ne remplacera pas le chercheur mais transformera son rôle, ses méthodes et son accès aux données.

L’article examine d’abord la définition et les types d’IA (faible, forte, machine learning, deep learning, reinforcement learning, traitement du langage naturel) et leurs développements récents. Ensuite, il discute des bouleversements attendus et des critiques sur les scénarios futuristes tels que la singularité et la crainte que l’IA dépasse l’intelligence humaine. Les auteurs insistent sur l’importance d’une approche pragmatique, notamment via le concept d’intelligence augmentée.

Développement :

1. IA et production scientifique :
   • L’IA est largement utilisée dans la médecine pour le diagnostic, l’analyse génétique, la détection de tumeurs et la prédiction de l’évolution des maladies.
   • Elle permet de surpasser certains biais cognitifs des chercheurs humains et d’ouvrir de nouvelles perspectives, notamment par la citizen science ou le crowdsourcing.
   • L’IA relance le débat entre rationalité et empirisme, mettant en tension l’approche théorique et l’analyse de données massives.
2. IA et diffusion scientifique :
   • L’IA aide les éditeurs et reviewers à analyser les manuscrits : sélection initiale, détection de plagiat, identification de reviewers, résumé automatique et évaluation de rigueur méthodologique.
   • Bien que l’IA automatise certaines tâches, la décision finale reste humaine. Toutefois, elle introduit de nouveaux biais (ex. biais de genre) dans l’évaluation scientifique.
3. Problèmes d’accès et coût :
   • L’IA nécessite l’accès à de grandes bases de données et des compétences techniques spécifiques (cloud computing, programmation).
   • Les coûts et compétences requis peuvent créer une fracture entre chercheurs ou institutions selon leurs moyens.
4. IA et recherche en gestion :
   • L’IA est à la fois objet et méthode de recherche : en RH, marketing, finance, etc.
   • Elle permet l’analyse de grandes quantités de données qualitatives et historiques, et améliore la productivité du chercheur.
   • L’article souligne que l’IA modifie le rôle du chercheur, de l’éditeur et du reviewer, et peut créer des inégalités entre chercheurs selon leur maîtrise des méthodes IA.

Conclusion :

L’IA pénètre progressivement la recherche en sciences de gestion, impactant production, diffusion, méthodologie et financement de la recherche. Elle oblige les chercheurs à acquérir de nouvelles compétences et à repenser leur positionnement épistémologique. L’IA pourrait transformer les normes de la recherche, en renforçant la rigueur et en favorisant une approche empirique. Toutefois, elle ne remplacera pas l’activité humaine, mais modifiera profondément l’écosystème académique et institutionnel.

Références bibliographiques (format APA)

Véry, P., & Cailluet, L. (2019). Intelligence artificielle et recherche en gestion. Revue française de gestion, 285, 119-134. https://doi.org/10.3166/rfg.2020.00405

Référence (format APA)

Fosso Wamba, S., Queiroz, M. M., Guthrie, C., & Braganza, A. (2021). Industry experiences of artificial intelligence (AI): Benefits and challenges in operations and supply chain management. Production Planning & Control. https://doi.org/10.1080/09537287.2021.1882695

Mots clés de l’article :

Mots clés : artificial intelligence, Industry 4.0, operations management, supply chain management, performance, adoption challenges

Synthèse :

Samuel Fosso Wamba, Maciel M. Queiroz, Cameron Guthrie et Ashley Braganza analysent le rôle croissant de l’intelligence artificielle (IA) dans la transformation des opérations et de la supply chain. Les auteurs montrent que l’IA constitue aujourd’hui une technologie clé de l’Industrie 4.0, capable d’améliorer la performance opérationnelle, la prise de décision et la résilience des chaînes logistiques, tout en soulevant des défis organisationnels, technologiques et humains.

Dans un premier temps, l’article met en évidence l’interaction entre l’IA et la gestion des opérations et des chaînes logistiques. Ensuite, il présente les contributions académiques et industrielles sélectionnées dans ce numéro spécial. Enfin, les auteurs proposent des pistes de recherche futures pour les chercheurs et les praticiens.

Développement :

Selon Fosso Wamba et al. (2021), l’intelligence artificielle joue un rôle central dans la modernisation des systèmes de production et de supply chain, notamment grâce à sa capacité à traiter de grandes quantités de données et à automatiser des processus complexes. L’IA est utilisée dans des domaines variés tels que la prévision de la demande, l’optimisation des stocks, la maintenance prédictive, la planification de la production et la gestion de la distribution.

Les auteurs soulignent que l’IA ne fonctionne pas de manière isolée, mais en synergie avec d’autres technologies de l’Industrie 4.0 telles que l’Internet des objets (IoT), le big data, la blockchain et les systèmes cyber-physiques. Cette combinaison permet aux entreprises d’améliorer la visibilité, la flexibilité et l’agilité de leurs chaînes logistiques, tout en réduisant les coûts et les erreurs opérationnelles.

L’article met également en évidence plusieurs expériences industrielles concrètes. Par exemple, des entreprises comme Amazon, DHL ou General Motors utilisent l’IA pour optimiser les opérations d’entrepôt, la planification des tournées ou la maintenance des équipements. Ces applications démontrent le potentiel de l’IA à créer un avantage concurrentiel durable.

Cependant, Fosso Wamba et al. insistent sur les défis liés à l’adoption de l’IA. Parmi ceux-ci figurent le manque de compétences internes, la résistance au changement, les coûts d’implémentation, les questions éthiques et la dépendance à la qualité des données. Les auteurs montrent que la simple adoption d’outils d’IA ne garantit pas automatiquement des bénéfices : une stratégie claire, un soutien managérial et une transformation organisationnelle sont nécessaires.

Enfin, l’article propose une classification des recherches présentées dans le numéro spécial selon différentes approches de l’IA (robots intelligents, apprentissage automatique, systèmes hybrides). Cette typologie permet de mieux comprendre les multiples applications de l’IA dans la gestion des opérations et de la supply chain.

Conclusion :

Cet article met en lumière le rôle stratégique de l’intelligence artificielle dans l’amélioration de la performance et de la résilience des opérations et des chaînes logistiques. Il montre que l’IA constitue un levier majeur de transformation pour les entreprises évoluant dans un environnement incertain et fortement concurrentiel.

Toutefois, les auteurs soulignent que la réussite des projets d’IA dépend fortement de facteurs organisationnels, humains et technologiques. L’article offre ainsi un cadre de réflexion pertinent pour les chercheurs et les praticiens souhaitant comprendre les bénéfices, les limites et les conditions de succès de l’IA en supply chain management.

Références bibliographiques (format APA)

Fosso Wamba, S., Queiroz, M. M., Guthrie, C., & Braganza, A. (2021). Industry experiences of artificial intelligence (AI): Benefits and challenges in operations and supply chain management. Production Planning & Control. https://doi.org/10.1080/09537287.2021.1882695

Fiche de Lecture n°5

Référence : Fürstenau, D., Rothe, H., & Sandner, M. (2021). Leaving the shadow: A configurational approach to explain post-identification outcomes of shadow IT systems. Business & Information Systems Engineering, 63(2), 97-111.

Mots-clés & Définitions

• Approche configurationnelle : Méthode analysant comment une synergie de facteurs (confiance, technique, culture) produit un résultat spécifique (cf. Fürstenau et al., p. 98, où l’étude traite 27 cas réels de Shadow IT pour identifier les combinaisons gagnantes).

• Business-IT Alignment : Synchronisation stratégique entre les outils technologiques et les besoins du terrain.

• Post-identification : Phase critique suivant la découverte d’un outil non autorisé.

• Gouvernance IT : Cadre définissant les responsabilités et les règles de conformité.

Synthèse

Les auteurs proposent de percevoir le Shadow IT non plus comme une menace, mais comme un laboratoire d’innovation gratuit (cf. Fürstenau et al., p. 100). L’étude démontre que ces systèmes sont des prototypes révélant des besoins métiers que la DSI n’a pas anticipés. En analysant la trajectoire de 27 outils “sauvages”, l’étude prouve que la répression n’est jamais l’option la plus rentable à long terme.

Développement : Indicateurs et Trajectoires

1. Le Moment de Vérité : Les 4 issues stratégiques

Après la découverte, la DSI doit arbitrer entre quatre chemins. L’étude montre que le choix n’est pas aléatoire mais dépend de la valeur métier de l’outil (cf. Fürstenau et al., p. 102) :

• Phase-out (Suppression) : Appliqué quand le risque technique est jugé trop élevé par rapport au gain métier.

• Replacement : La DSI remplace l’outil par une solution officielle.

• IT-managed (Légalisation) : La DSI adopte et sécurise l’outil. C’est le scénario où le Shadow IT devient une innovation officielle.

• Business-managed (Délégation) : Le métier garde la main sous surveillance.

2. Le facteur X : Le poids de la Confiance (Trust)

C’est le résultat chiffré le plus important de l’étude (cf. Fürstenau et al., p. 106) :

• Impact de la relation : Dans les 27 cas étudiés, la qualité de la relation humaine pèse plus lourd que la performance technique de l’outil dans la décision finale.

• Taux de succès du “Trustful Replacement” : Lorsque la confiance est haute, le passage du clandestin au légal se fait sans perte de productivité (cf. Fürstenau et al., p. 107). À l’inverse, une méfiance élevée garantit un retour à l’ombre dans 100 % des cas à court terme.

3. Analyse du Risque : Le cercle vicieux de la répression

L’étude quantifie les conséquences d’une gouvernance trop rigide (cf. Fürstenau et al., p. 108) :

• Multiplication des risques : Une DSI perçue comme un “gendarme” n’élimine pas le Shadow IT ; elle le rend plus complexe à détecter.

• Perte de visibilité : La répression pousse les employés à utiliser des solutions encore plus fragmentées (macros locales, cloud personnel), augmentant les failles de sécurité de manière invisible pour les outils de monitoring de la DSI.

Conclusion pour le Jury : L’Apport Stratégique de notre Étude

Au terme de cette analyse, les travaux de Fürstenau et al. (2021) permettent à notre étude de conclure que le défi des DSI réside dans l’orchestration.

Nous soutenons que le « Cloud clandestin » est le baromètre de l’agilité organisationnelle. En analysant les 27 configurations de l’étude, nous comprenons que transformer une ressource sauvage en innovation sécurisée est le levier de transformation le plus efficace pour un DSI. La valeur ajoutée réside dans le facteur « confiance » (cf. Fürstenau et al., p. 106), qui permet au DSI de valider sa mutation de « Constructeur » à « Service Broker ».

Notre étude utilise ce cadre pour démontrer que le succès du Cloud Hybride ne se mesure pas au contrôle exercé (souvent contourné), mais à la capacité de la DSI à intégrer les initiatives du terrain pour en faire des actifs stratégiques officiels.

Références bibliographiques : Fürstenau, D., Rothe, H., & Sandner, M. (2021). Leaving the shadow: A configurational approach to explain post-identification outcomes of shadow IT systems. Business & Information Systems Engineering, 63(2), 97-111.

Fiche de Lecture n°4

Référence : Senyo, P. K., Effah, J., & Addae, E. (2016). Preliminary insight into cloud computing adoption in a developing country. Journal of Enterprise Information Management, 29(4), 505-524.

Mots-clés & Définitions

• Leap frogging (Saut technologique) : Stratégie de développement permettant de s’affranchir des étapes intermédiaires (infrastructures lourdes on-premise) pour adopter directement des solutions de pointe comme le Cloud.

• Avantage Relatif : Indice d’amélioration de l’efficience opérationnelle et de la flexibilité par rapport aux systèmes hérités (cf. Senyo et al., p. 512, où l’adoption est corrélée à un gain de performance perçu).

• Technology Readiness (Préparation Technologique) : Évaluation de la maturité des infrastructures critiques (énergie, connectivité) et de l’expertise du capital humain (cf. Senyo et al., p. 514).

• Facteur Non-significatif : Variable dont l’influence réelle sur le processus décisionnel final est statistiquement nulle (0 %) au sein de l’échantillon étudié.

Synthèse

P. K. Senyo et son équipe ont mené une investigation quantitative d’envergure auprès de 305 grandes entreprisesghanéennes, ciblant les leaders du secteur bancaire (tels que GCB Bank), des télécommunications (MTN, Vodafone) et des institutions majeures du secteur public. L’étude démontre que dans un marché émergent, l’adoption du Cloud répond à un impératif de croissance organique et d’agilité, faisant abstraction des cadres réglementaires encore balbutiants (cf. Senyo et al., p. 508).

Développement

1. Un panel représentatif de l’élite économique

L’étude s’appuie sur un échantillon de 305 organisations structurantes pour l’économie régionale. Le choix de ces secteurs (Banques, Télécoms, Gouvernement) permet de valider des résultats applicables aux environnements à haute exigence de disponibilité et de sécurité, similaires à ceux rencontrés dans le contexte ivoirien.

2. L’Avantage Relatif : Un moteur de décision prédominant

Le gain de performance est le principal catalyseur de la transition numérique (cf. Senyo et al., p. 512) :

• Impact sur la décision : Environ 45 % de la motivation d’adoption est directement liée à la promesse de flexibilité et de réduction des barrières à l’innovation.

• Dynamique métier : Le Cloud est perçu comme l’outil permettant de s’aligner sur les standards de service internationaux sans supporter les coûts prohibitifs de maintenance d’un parc serveurs physique.

3. Le binôme Sécurité & Préparation : Les variables de risque

Malgré l’attrait pour le Cloud, deux freins structurels pèsent sur l’agenda des décideurs (cf. Senyo et al., p. 513) :

• Préparation Technologique : Environ 35 % de la réussite d’un projet dépend de la stabilité des infrastructures locales (énergie et fibre). Sans cette “Readiness”, le projet perd sa viabilité opérationnelle (cf. Senyo et al., p. 514).

• Incertitude sécuritaire : La crainte liée à la souveraineté numérique (localisation des données) représente un frein d’environ 20 %. Ce point souligne la nécessité stratégique d’une approche hybride.

4. Le paradoxe institutionnel : Le pragmatisme avant la loi

C’est l’enseignement le plus disruptif pour un analyste (cf. Senyo et al., p. 516) :

• Soutien Réglementaire : Son influence est jugée non-significative (0 % d’impact) sur la décision finale.

• Analyse : Les entreprises n’attendent pas l’émanation de lois numériques (type RGPD) pour engager leur transformation. C’est le besoin de compétitivité business qui dicte le calendrier, devançant systématiquement le législateur.

Conclusion

Au terme de cette analyse, les travaux de Senyo et al. (2016) apportent une preuve empirique du pragmatisme technologique en Afrique subsaharienne. Nous soutenons que la logique d’adoption suit un paradigme d’opportunité plutôt que de conformité. Pour notre étude comparative entre la France et la Côte d’Ivoire, cet article nous permet de formuler une distinction majeure :

1. En France, le DSI est un architecte de la conformité réglementaire.

2. En Côte d’Ivoire, le DSI est un débrouillard stratégique qui doit garantir les 45 % de gain de performance tout en naviguant dans un environnement où l’infrastructure de base est une variable d’ajustement.

Nous concluons que cette réalité renforce le rôle du Service Broker. En l’absence de soutien réglementaire moteur , le DSI doit devenir l’unique garant de la confiance et de la continuité de service, en proposant un Cloud Hybride capable d’absorber les instabilités locales tout en offrant la puissance des standards mondiaux.

Références bibliographiques : Senyo, P. K., Effah, J., & Addae, E. (2016). Preliminary insight into cloud computing adoption in a developing country. Journal of Enterprise Information Management, 29(4), 505-524.

Fiche de Lecture n°3 : Les déterminants de l’adoption du Cloud — Une approche quantitative

Référence : Schneider, S., & Sunyaev, A. (2016). Determinants of Cloud Computing Adoption: A Meta-Analysis of the Empirical Literature. Journal of Management Information Systems, 33(1), 286-312.

Mots-clés & Définitions

• Méta-analyse : Méthode statistique compilant les résultats de multiples études indépendantes pour identifier des tendances universelles (cf. Schneider & Sunyaev, p. 287, où les auteurs justifient l’agrégation de 48 études empiriques pour dépasser les biais des échantillons isolés).

• Modèle TOE (Technology-Organization-Environment) : Cadre théorique analysant l’adoption d’une innovation selon trois contextes (cf. Schneider & Sunyaev, p. 290, définissant ce modèle comme le standard académique pour structurer les facteurs influençant les décisions technologiques complexes).

• Systèmes Legacy (Héritage) : Infrastructures informatiques vieillissantes mais critiques, souvent incompatibles avec les standards modernes du Cloud.

• Top Management Support : Engagement actif des instances dirigeantes dans la transformation numérique.

Synthèse

S. Schneider et A. Sunyaev livrent ici une étude de référence qui transforme les intuitions managériales en preuves statistiques. En analysant des années de recherche, ils démontrent que l’adoption du Cloud n’est pas une simple transition technique, mais une équation stratégique où le facteur humain et organisationnel pèse souvent plus lourd que la technologie elle-même (cf. Schneider & Sunyaev, p. 292).

Développement

1. La validation du modèle TOE : Le socle de notre méthodologie

L’article valide la pertinence du cadre TOE comme boussole pour explorer la complexité du Cloud. Pour notre étude comparative France-Côte d’Ivoire, cela permet de segmenter l’analyse de manière rigoureuse (cf. Schneider & Sunyaev, p. 294, soulignant que l’interaction entre les trois piliers — Technologique, Organisationnel et Environnemental — explique la majorité de la variance dans les décisions d’adoption).

2. Technologie : Le poids des chiffres sur la Sécurité et la Compatibilité

La méta-analyse apporte un éclairage crucial sur les barrières techniques (cf. Schneider & Sunyaev, p. 298, détaillant les coefficients de corrélation des déterminants technologiques) :

• Le paradoxe de la Sécurité : Bien que citée dans plus de 80 % des études comme le frein n°1, les auteurs démontrent qu’il s’agit d’une incertitude perçue (facteur psychologique) plutôt que d’un risque technique systématiquement corrélé à un échec d’adoption.

• L’obstacle de la Compatibilité : L’étude montre que l’alignement avec les systèmes Legacy est un prédicteur statistique fort. Si le Cloud ne “parle” pas aux outils existants, la probabilité d’adoption chute drastiquement.

3. Organisation : Le soutien de la direction, moteur n°1

C’est le résultat le plus puissant de la méta-analyse (cf. Schneider & Sunyaev, p. 302, identifiant le Top Management Support comme la variable ayant l’impact positif le plus significatif sur l’intention d’adoption).

• Levier stratégique : L’adoption du Cloud étant une mutation financière (CAPEX vers OPEX), elle nécessite une impulsion venant du sommet pour surmonter les rigidités budgétaires internes.

4. Le Paradoxe des Coûts : Un ROI complexe

L’étude casse le mythe des économies automatiques (cf. Schneider & Sunyaev, p. 305, analysant le calcul du Retour sur Investissement). Pour les grandes entreprises, la réduction des coûts n’est pas un déterminant significatif à court terme en raison des coûts de migration cachés et de la nécessité de maintenir une infrastructure hybride durant la transition.

Conclusion

Au terme de cette analyse, les travaux de Schneider & Sunyaev (2016) constituent le socle théorique de notre recherche. Ils nous permettent de justifier scientifiquement pourquoi notre étude ne se focalise pas uniquement sur la technique, mais accorde une place centrale à la culture d’entreprise.

Nous soutenons que le modèle TOE est la clé pour comprendre les disparités entre les marchés français et ivoiriens.

• En France, le contexte “Environnemental” (RGPD) peut primer.

• En Côte d’Ivoire, le contexte “Organisationnel” (Soutien de la direction) est peut-être le levier qui débloque les infrastructures “Technologiques” limitées.

Nous concluons que cette méta-analyse valide notre vision du DSI comme Service Broker : son rôle est de naviguer entre ces déterminants pour construire un Cloud Hybride qui réconcilie sécurité perçue, compatibilité technique et vision managériale.

Références bibliographiques : Schneider, S., & Sunyaev, A. (2016). Determinants of Cloud Computing Adoption: A Meta-Analysis of the Empirical Literature. Journal of Management Information Systems, 33(1), 286-312.

Fiche de Lecture n°2

Référence : Vithayathil, J. (2018). Will cloud computing make the CIO obsolete? Empirical evidence from the US public sector. Information Systems Journal, 28(1), 116-142.

Mots-clés & Définitions

• Obsolescence professionnelle : Crainte qu’une expertise devienne inutile suite à une rupture technologique (cf. p. 118, où l’auteur définit le risque de déclassement des cadres IT face à l’automatisation des infrastructures).

• Empire Building (Construction d’empire) : Stratégie de pouvoir visant à accroître son autorité par la gestion de budgets et d’effectifs massifs (cf. p. 132, illustrant comment la possession physique de serveurs renforce le statut social du DSI).

• Service Broker (Courtier de services) : Nouvelle posture du DSI qui orchestre des solutions externes plutôt que de construire l’informatique en interne.

• CAPEX vs OPEX : Transition comptable de l’investissement lourd (achat) vers la dépense opérationnelle (abonnement).

Synthèse

Joseph Vithayathil lève le voile sur un sujet tabou : la survie politique du DSI. En analysant le secteur public américain, marqué par une forte bureaucratie, il démontre que les freins au Cloud ne sont pas toujours techniques, mais résultent d’une peur de perdre son « territoire » (cf. p. 120, posant la question centrale de la résistance des cadres IT pour protéger leur influence organisationnelle). L’étude prouve que le Cloud ne rend pas le DSI obsolète, mais exige une mutation radicale vers un rôle de stratège de services informatique .

Développement

1. L’Hypothèse de l’Obsolescence : La peur du vide technique

L’auteur teste la crainte majeure de la profession : si l’infrastructure est externalisée (SaaS/IaaS), la fonction DSI n’est-elle pas vidée de sa substance ? (cf. p. 122, où J. Vithayathil analyse le risque de voir le DSI réduit à un simple « gestionnaire de factures » sans pouvoir de décision technique). Cette angoisse alimente une résistance souvent déguisée en arguments de sécurité.

2. Le paradoxe budgétaire : Plus de flux, moins de fer

L’étude apporte un démenti aux idées reçues : le Cloud ne réduit pas forcément le budget géré (cf. p. 128, présentant des données qui montrent que le passage à l’OPEX peut maintenir, voire augmenter, l’enveloppe financière de la DSI). Le changement ne porte pas sur le montant, mais sur l’allocation : le DSI dépense mieux pour des services à haute valeur ajoutée plutôt que dans de la maintenance matérielle.

3. La politique du « Territoire » (L’Empire Building)

C’est le cœur du problème : un DSI traditionnel est souvent jugé à la taille de son parc informatique et de ses équipes. Le Cloud dématérialise cet « empire » (cf. p. 133, expliquant que la perte de contrôle sur les serveurs physiques est vécue comme une perte de prestige au sein du comité de direction). Le frein est donc ici lié à la protection du statut social du décideur.

4. La mutation nécessaire : Vers le DSI « Broker »

Pour survivre, le DSI doit pivoter de « Constructeur » (Builder) à « Courtier » (Service Broker) (cf. p. 137, décrivant ce nouveau framework où la valeur ajoutée réside dans la négociation des contrats et l’alignement des services sur la stratégie métier).

Conclusion pour le Jury : L’Apport Stratégique de notre Étude

Au terme de cette analyse, les travaux de Vithayathil (2018) permettent à notre étude de démontrer que les blocages au Cloud Hybride ne sont pas uniquement des questions de sécurité, mais des enjeux de pouvoir.

Nous soutenons que la « Résistance Politique » identifiée par l’auteur est un facteur clé de notre comparaison France-Côte d’Ivoire.

• En France, elle se traduit par une peur de la dilution de l’influence IT dans des structures très hiérarchisées.

• En Côte d’Ivoire, elle peut s’expliquer par la valorisation du contrôle direct sur des actifs tangibles.

Notre étude utilise ces conclusions pour prouver que le passage au Cloud Hybride est un compromis stratégique : il permet au DSI de conserver une part de son « empire » (On-premise) tout en assumant son nouveau rôle de Service Broker pour l’innovation.

Références bibliographiques : Vithayathil, J. (2018). Will cloud computing make the CIO obsolete? Empirical evidence from the US public sector. Information Systems Journal, 28(1), 116-142.

Fiche de Lecture n°1

Référence : Baillette, P., Barlette, Y., & Berthevas, J.-F. (2022). Benefits and risks of shadow IT in health care: A Narrative Review of the Literature. Systèmes d’Information et Management, 27(2), 59-96.

Mots-clés & Définitions

• Shadow IT : Ensemble des systèmes, logiciels et matériels utilisés sans l’approbation de la DSI (cf. Baillette et al., p. 62).

• Adoption inversée : Processus où l’employé impose un outil personnel au bureau avant toute régularisation (cf. Baillette et al., p. 68).

• Pseudo-conformité : Respect formel d’une règle de sécurité tout en la contournant par l’usage (cf. Baillette et al., p. 85).

• Rigidité des SI : Incapacité structurelle de la DSI à évoluer au rythme des besoins métiers.

Synthèse

Les auteurs P. Baillette, Y. Barlette et J.-F. Berthevas démontrent que le Shadow IT est un paradoxe organisationnel. Il n’est pas le fruit d’une malveillance, mais d’une nécessité opérationnelle : l’utilisateur devient son propre DSI pour pallier la lenteur des systèmes officiels (cf. Baillette et al., p. 65).

Développement

1. L’ampleur du phénomène : Les chiffres de l’informatique invisible

L’article souligne que le Shadow IT n’est pas marginal mais structurel. En s’appuyant sur la littérature synthétisée, notre étude retient des indicateurs alarmants sur l’écart entre la perception de la DSI et la réalité du terrain (cf. Baillette et al., p. 70) :

• L’iceberg budgétaire : On estime que 30 % à 40 % des dépenses IT globales d’une grande entreprise sont réalisées en dehors du contrôle de la DSI.

• Le décalage de perception : Alors qu’une DSI pense gérer en moyenne 30 à 40 applications Cloud, la réalité terrain révèle souvent l’existence de plus de 800 à 1000 services SaaS différents utilisés par les employés.

• L’omniprésence du Cloud personnel : Plus de 80 % des collaborateurs admettent utiliser des applications non approuvées (WhatsApp, Dropbox, Trello) pour accomplir leurs missions quotidiennes.

2. L’efficacité comme moteur (Le réflexe de survie)

L’outil sauvage est utilisé comme un « pansement » technologique (cf. Baillette et al., p. 72). L’agilité immédiate prime sur la sécurité. Ce besoin est exacerbé dans les secteurs où la réactivité est vitale, comme la santé ou le commerce, où chaque minute perdue sur un logiciel officiel complexe est perçue comme un risque métier.

3. Les risques : Une sécurité en « gruyère »

Si l’efficacité individuelle progresse, la vulnérabilité collective explose (cf. Baillette et al., p. 80) :

• Cyberattaques : Environ 60 % des fuites de données et des intrusions par ransomwares dans les entreprises trouvent leur origine dans un élément du Shadow IT (terminal non géré ou application non sécurisée).

• Intégrité des données : La multiplication des silos de données empêche toute “source unique de vérité” (cf. Baillette et al., p. 82). Si 10 employés utilisent 10 versions différentes d’un fichier client sur Dropbox, le pilotage stratégique devient impossible.

4. Le comportement humain : Le paradoxe de la « Pseudo-conformité »

L’article met en lumière l’échec des politiques de sécurité trop restrictives. L’exemple du Post-it (cf. Baillette et al., p. 87) illustre parfaitement ce point : imposer des règles de complexité sans ergonomie conduit 100 % des utilisateurs à trouver un moyen de contournement physique ou numérique pour ne pas être bloqués.

Conclusion

Au terme de cette analyse, les travaux de Baillette et al. (2022) constituent la preuve par les chiffres que la répression est inefficace.

Nous soutenons que le Shadow IT est le baromètre de l’échec de la DSI traditionnelle. Pour notre étude comparative entre la France et la Côte d’Ivoire, ces données valident l’impératif du Cloud Hybride. Il ne s’agit plus de tout interdire, mais de proposer une plateforme officielle offrant la même agilité que les outils grand public (SaaS) avec la sécurité du On-premise.

Nous concluons que le DSI doit cesser d’être un “censeur” pour devenir un Service Broker. C’est l’unique voie pour réintégrer les 40 % de dépenses IT fantômes dans un cadre gouverné, sécurisé et créateur de valeur pour l’entreprise.

Références bibliographiques : Baillette, P., Barlette, Y., & Berthevas, J.-F. (2022). Benefits and risks of shadow IT in health care: A Narrative Review of the Literature. Systèmes d’Information et Management, 27(2), 59-96.

Mollen, A., & Wilson, H. (2010). Engagement, telepresence and interactivity in online consumer experience: Reconciling scholastic and managerial perspectives. Journal of Business Research, 63(9-10), 919–925.

Objectif

L’article de Mollen et Wilson vise à réconcilier les perspectives des praticiens et des chercheurs sur l’engagement en ligne, en proposant un cadre conceptuel qui intègre l’engagement, la téléprésence et l’interactivité comme des construits distincts de l’expérience consommateur en ligne. Les objectifs spécifiques sont :

1. Définir l’engagement comme un construit expérientiel distinct, indépendant de l’interactivité, de la téléprésence et du flux (flow).

2. Positionner l’engagement dans un continuum expérientiel, en clarifiant ses relations avec les autres construits.

3. Proposer des dimensions pour l’engagement et suggérer des directions pour développer une échelle de mesure.

4. Explorer les implications pour la théorie et la pratique du marketing en ligne.

Méthodologie

L’article adopte une approche conceptuelle et synthétique, sans collecte de données empiriques primaires. La méthodologie comprend :

• Une revue de la littérature académique et professionnelle sur l’expérience en ligne, incluant les construits d’interactivité, de téléprésence, de flux et d’engagement.

• L’utilisation du modèle Stimulus-Organisme-Réponse (S-O-R) d’Eroglu et al. (2003) comme cadre théorique pour structurer l’expérience en ligne en trois composantes : stimuli (site web et environnement), état interne (réponse expérientielle) et réponses (attitudes et comportements).

• La proposition d’un spectre expérientiel à trois niveaux (interactivité perçue, téléprésence, engagement) avec des définitions et des propositions testables.

• Une analyse comparative des définitions d’engagement et une distinction avec le construit d’implication (involvement).

Résultats

1. Cadre conceptuel :

   • L’expérience en ligne est modélisée comme un spectre expérientiel dynamique, allant de l’interactivité perçue (contrôle, communication bidirectionnelle, réactivité) à la téléprésence (immersion cognitive et maîtrise des heuristiques du site) et enfin à l’engagement (engagement cognitif et affectif envers la marque personnifiée par le site).

   • Proposition 1 : L’interactivité perçue résulte de l’exposition à l’environnement en ligne et aux propriétés du site web.

   • Proposition 2 : L’interactivité perçue est un antécédent de la téléprésence.

   • Proposition 3 : La téléprésence est un antécédent de l’engagement.

   • Proposition 4 : L’engagement est lié à des attitudes et comportements optimaux des consommateurs (par exemple, intention d’achat, fidélité).

2. Définition de l’engagement :

   • L’engagement est défini comme un engagement cognitif et affectif envers une relation active avec la marque personnifiée par le site web ou d’autres entités numériques.

   • Dimensions proposées : traitement cognitif actif (résolution de problèmes, raisonnement), valeur instrumentale (utilité et pertinence), et congruence émotionnelle (connexion affective avec la marque).

3. Distinctions avec d’autres construits :

   • Interactivité : Perçue comme une réponse psychologique à l’interaction avec le site, différente de l’interactivité structurelle (caractéristiques techniques).

   • Téléprésence : Immersion cognitive dans l’environnement numérique, distincte du flux en raison de son focus sur la maîtrise des heuristiques.

   • Flux : État cognitif intense mais difficile à standardiser, moins directement lié aux résultats commerciaux.

   • Implication : Diffère de l’engagement par son focus sur un objet de consommation (catégorie de produit) plutôt que sur la marque personnifiée, et par l’absence d’une relation active intentionnelle.

4. Implications :

   • L’engagement est un construit expérientiel distinct, non réductible à d’autres termes académiques, mais aligné avec les préoccupations des praticiens.

   • Les mesures comportementales (temps passé, pages vues) sont insuffisantes ; des métriques expérientielles sont nécessaires.

   • Le cadre facilite un discours commun entre chercheurs et praticiens, encourageant des recherches empiriques sur les métriques expérientielles.

Points clés pour la pratique

• Les sites web doivent être conçus pour maximiser l’interactivité perçue, la téléprésence et l’engagement afin de renforcer la fidélité à la marque.

• Les praticiens devraient développer des métriques expérientielles pour compléter les mesures comportementales, permettant une allocation plus efficace des ressources marketing.

• La pertinence et l’utilité du site, ainsi que la congruence émotionnelle, sont cruciales pour susciter l’engagement.

Références exactes citées

• Bart, Y., Shankar, V., Sultan, F., & Urban, G. L. (2005). Are the drivers and role of online trust the same for all web sites and consumers? A large-scale exploratory empirical study. Journal of Marketing, 69(4), 133–152.

• Bienstock, C. C., & Stafford, M. R. (2006). Measuring involvement with the service: A further investigation of scale validity and dimensionality. Journal of Marketing Theory and Practice, 14(3), 209–221.

• Chang, J., Tsi, T., & Chen, C. (2003). The effects of website quality on customer satisfaction and loyalty: A study of online travel agencies. Proceedings of the 9th International Conference on Information Systems, 231–240.

• Coyle, J. R., & Thorson, E. (2001). The effects of progressive levels of interactivity and vividness in web marketing sites. Journal of Advertising, 30(3), 65–77.

• Csikszentmihalyi, M. (1975). Beyond boredom and anxiety. San Francisco: Jossey-Bass.

• Demangeot, C., & Broderick, A. J. (2006). Exploring the experiential intensity of online shopping environments. Qualitative Market Research: An International Journal, 9(4), 325–351.

• Douglas, J. Y., & Hargadon, A. (2000). The pleasure principle: Immersion, engagement, flow. Proceedings of the 11th ACM on Hypertext and Hypermedia, 153–160.

• Douglas, J. Y., & Hargadon, A. (2001). The pleasures of immersion and engagement: Schemas, scripts and the fifth business. Digital Creativity, 12(3), 153–166.

• Du Plessis, E. (2007). A view on the prospects for neurological research and advertising effectiveness. Admap, 42(483), 36–39.

• Dykes, B. (2008). Web analytics: Moving beyond the comfort zone. Web Analytics Association Blog. Retrieved from http://www.webanalyticsassociation.org

• EConsultancy. (2008). UK consumer engagement survey. London: EConsultancy.

• Elliott, S. (2006). Engagement happens inside the consumer, not the medium. Advertising Age, 77(45), 12.

• Eroglu, S. A., Machleit, K. A., & Davis, L. M. (2003). Empirical testing of a model of online store atmospherics and shopper responses. Psychology & Marketing, 20(2), 139–150.

• Finneran, C. M., & Zhang, P. (2005). Flow in computer-mediated environments: Promises and challenges. Communications of the Association for Information Systems, 15(4), 82–101.

• Fiore, A. M., Kim, J., & Lee, H.-H. (2005). Effect of image interactivity technology on consumer responses toward the online retailer. Journal of Interactive Marketing, 19(3), 38–53.

• Fugate, D. L. (2008). Marketing services more effectively with neuromarketing research: A practitioner perspective. Journal of Services Marketing, 22(2), 170–173.

• Goldsmith, R. E., & Emmert, J. (1991). Measuring product category involvement: A multitrait-multimethod study. Journal of Business Research, 23(4), 363–371.

• Guthrie, J. T., Wigfield, A., & Perencevich, K. C. (2004). Motivating reading comprehension: Concept-oriented reading instruction. Mahwah, NJ: Lawrence Erlbaum Associates.

• Ha, H. Y., & Perks, H. (2005). Effects of consumer perceptions of brand experience on the web: Brand familiarity, satisfaction and brand trust. Journal of Consumer Behaviour, 4(6), 438–452.

• Heath, R. (2007). Emotional engagement: How television advertising works. Admap, 42(483), 40–43.

• Herrington, J., Oliver, R., & Reeves, T. C. (2003). Patterns of engagement in authentic online learning environments. Australian Journal of Educational Technology, 19(1), 59–71.

• Hoffman, D. L., & Novak, T. P. (1996). Marketing in hypermedia computer-mediated environments: Conceptual foundations. Journal of Marketing, 60(3), 50–68.

• Hopkins, C. D., Grove, S. J., Raymond, M. A., & LaForge, M. C. (2004). Designing the e-service encounter: The role of vividness and interactivity. Proceedings of the American Marketing Association Conference, 15, 235–241.

• Huang, M.-H. (2006). Flow, enduring, and situational involvement in the web environment: A triadic model. Journal of International Consumer Marketing, 18(4), 45–67.

• Jones, M. A. (1998). Entertaining shopping experiences: An exploratory investigation. Journal of Retailing and Consumer Services, 5(3), 173–181.

• Karson, E. J., & Fisher, R. J. (2005). Reexamining and extending the dual mediation hypothesis in an on-line advertising context. Psychology & Marketing, 22(4), 333–351.

• Kearsley, G., & Shneiderman, B. (1998). Engagement theory: A framework for technology-based teaching and learning. Educational Technology, 38(5), 20–23.

• Klein, L. R. (2003). Creating virtual product experiences: The role of telepresence. Journal of Interactive Marketing, 17(1), 41–55.

• Koufaris, M. (2002). Applying the technology acceptance model and flow theory to online consumer behavior. Information Systems Research, 13(2), 205–223.

• Liu, Y., & Shrum, L. J. (2002). What is interactivity and is it always such a good thing? Implications of definition, person, and situation for the influence of interactivity on advertising effectiveness. Journal of Advertising, 31(4), 53–64.

• Macdonald, E. K., & Sharp, B. M. (2000). Brand awareness effects on consumer decision making for a common, repeat purchase product: A replication. Journal of Business Research, 48(1), 5–15.

• Marci, C. D. (2006). A biologically based measure of emotional engagement: Context matters. Journal of Advertising Research, 46(4), 381–387.

• Mathwick, C., & Rigdon, E. (2004). Play, flow, and the online search experience. Journal of Consumer Research, 31(2), 324–332.

• McMillan, S. J., & Hwang, J.-S. (2002). Measures of perceived interactivity: An exploration of the role of direction of communication, user control, and time in shaping perceptions of interactivity. Journal of Advertising, 31(3), 29–42.

• Meskauskas, J. (2006). Engagement: The new holy grail of online marketing? iMedia Connection. Retrieved from http://www.imediaconnection.com

• Murray, K. B., & Haubl, G. (2002). The role of cognitive lock-in in online consumer behavior. Advances in Consumer Research, 29(1), 387–388.

• Novak, T. P., Hoffman, D. L., & Yung, Y.-F. (2000). Measuring the customer experience in online environments: A structural modeling approach. Marketing Science, 19(1), 22–42.

• Passikoff, R., Weiner, M., & Foss, S. (2007). Customer engagement: The new key metric. Brandweek, 48(10), 24–26.

• Petre, M., Minocha, S., & Roberts, D. (2006). Usability beyond the website: An empirically-grounded e-commerce evaluation instrument for the total customer experience. Behaviour & Information Technology, 25(2), 189–203.

• Rappaport, S. D. (2007). Lessons from online practice: New advertising models. Journal of Advertising Research, 47(2), 135–141.

• Rettie, R. (2001). An exploration of flow during internet use. Internet Research, 11(2), 103–113.

• Richard, M.-O., & Chandra, R. (2005). A model of consumer web navigational behavior: Conceptual development and application. Journal of Business Research, 58(8), 1019–1029.

• Roberts, K. (2005). Lovemarks: The future beyond brands. New York: PowerHouse Books.

• Sautter, P., Hyman, M. R., & Lukosius, V. (2004). E-tail atmospherics: A critique of the literature and model extension. Journal of Electronic Commerce Research, 5(1), 14–24.

• Shih, C.-F. (1998). Conceptualizing consumer experiences in cyberspace. European Journal of Marketing, 32(7/8), 655–663.

• Sicilia, M., Ruiz, S., & Munuera, J. L. (2005). Effects of interactivity in a web site: The moderating effect of need for cognition. Journal of Advertising, 34(3), 31–45.

• Sinha, I. (2000). Cost transparency: The net’s real threat to prices and brands. Harvard Business Review, 78(2), 43–50.

• Skadberg, Y. X., & Kimmel, J. R. (2004). Visitors’ flow experience while browsing a web site: Its measurement, contributing factors and consequences. Computers in Human Behavior, 20(3), 403–422.

• Song, J. H., & Zinkhan, G. M. (2008). Determinants of perceived web site interactivity. Journal of Marketing, 72(2), 99–113.

• Steuer, J. (1992). Defining virtual reality: Dimensions determining telepresence. Journal of Communication, 42(4), 73–93.

• Suh, K.-S., & Chang, S. (2006). User interfaces and consumer perceptions of online stores: The role of telepresence. Behaviour & Information Technology, 25(2), 99–113.

• Thomson, M., MacInnis, D. J., & Park, C. W. (2005). The ties that bind: Measuring the strength of consumers’ emotional attachments to brands. Journal of Consumer Psychology, 15(1), 77–91.

• Urban, G. L. (2005). Customer advocacy: A new era in marketing? Boston: Harvard Business School Press.

• Wang, A. (2006). Advertising engagement: A driver of message involvement on message effects. Journal of Advertising Research, 46(4), 355–368.

• Wu, G. (2006). Conceptualizing and measuring the perceived interactivity of websites. Journal of Current Issues & Research in Advertising, 28(1), 87–104.

• Yadav, M. S., & Varadarajan, P. R. (2005). Interactivity in the electronic marketplace: An exposition of the concept and implications for research. Journal of the Academy of Marketing Science, 33(4), 585–603.

• Zeithaml, V. A., Parasuraman, A., & Malhotra, A. (2002). Service quality delivery through web sites: A critical review of extant knowledge. Journal of the Academy of Marketing Science, 30(4), 362–375.

• Zwick, D., & Dholakia, N. (2006/7). The epistemic consumption object and postsocial consumption: Expanding consumer-object theory in consumer research. Consumption, Markets & Culture, 9(4), 261–276.