Zhang, L.-H., Tian, L., & Chang, L.-Y. (2022). Equilibrium strategies of channel structure and RFID technology deployment in a supply chain with manufacturer encroachment. International Journal of Production Research, 60(6), 1890–1912.

Mots clés :
Manufacturer Encroachment, Channel Structure, RFID Technology, Inventory Misplacement, Equilibrium Strategies

Synthèse de l’article :

L’article de Zhang et al. (2022) examine les stratégies d’équilibre entre la structure des canaux de distribution et le déploiement de la technologie RFID dans les chaînes d’approvisionnement où les fabricants choisissent d’adopter un canal de vente directe. L’étude se concentre sur la problématique des erreurs de placement de stock, fréquentes dans les chaînes de vente au détail, et sur l’efficacité de la technologie RFID pour résoudre ces problèmes.

Développement :

L’étude utilise un modèle de jeu de Stackelberg pour analyser comment les taux de mauvais placement des stocks, les coûts de déploiement de la technologie RFID et l’intensité de la concurrence entre canaux influencent les décisions des fabricants quant à l’encroachment (la création d’un canal de vente directe). Les résultats montrent que plus la concurrence entre canaux est intense, moins le fabricant est susceptible de s’engager dans l’encroachment. En outre, lorsque le coût des étiquettes RFID est bas, les deux canaux (vente directe et détail) sont plus enclins à adopter la technologie pour minimiser les erreurs de stock.

L’article identifie trois scénarios principaux :

Canal unique de détail : où seule la chaîne de vente au détail opère et peut décider d’utiliser ou non la technologie RFID.

Canal unique direct : où le fabricant vend directement aux consommateurs, avec la possibilité de déployer la technologie RFID pour éviter les erreurs de stock.

Structure à double canal : où les deux canaux coexistent et prennent des décisions stratégiques concernant l’utilisation de la technologie RFID.

L’étude conclut que la décision optimale pour un fabricant dépend de plusieurs facteurs, notamment les taux de mauvais placement des stocks, les coûts des étiquettes RFID et l’intensité de la concurrence sur le marché.

Conclusion :

L’article propose un cadre de décision pour les fabricants confrontés à des choix de structure de canal dans un contexte de chaîne d’approvisionnement moderne. Il souligne que la technologie RFID peut être un atout stratégique pour réduire les coûts opérationnels et augmenter les profits, mais seulement si son déploiement est bien aligné avec la stratégie globale de la chaîne d’approvisionnement.

Références bibliographiques (format APA) :

Arya, A., Mittendorf, B., & Sappington, D. E. M. (2007). The Bright Side of Supplier Encroachment. Marketing Science, 26(5), 651-659.

Camdereli, A., & Swaminathan, J. M. (2010). Implementation of RFID Technology: Impact on Supply Chain Operations. Production and Operations Management, 19(2), 183-201.

Cannella, S., Dominguez, R., & Framinan, J. M. (2017). Inventory Misplacement in Supply Chains. International Journal of Production Economics, 193, 14-24.

Chen, J. C., Anggrahini, D., & Chen, T. L. (2024). Current research and future challenges in parcel hub towards logistics 4.0. International Journal of Production Research, 62(23), 8562–8593.

Heese, H. S. (2007). Inventory Record Inaccuracy, Double Marginalization, and RFID Adoption. Production and Operations Management, 16(5), 543-554.

Karaer, O., & Lee, H. L. (2007). Managing Inventory in Supply Chains with Identical Retailers. Management Science, 53(3), 456-472.

Liu, Y., & Zhang, L.-H. (2019). Channel Strategies in Supply Chains. Operations Research Letters, 47(4), 289-295.

Rekik, Y., Syntetos, A. A., & Glock, C. H. (2019). Impact of Inventory Misplacement in Retail Supply Chains. Journal of Business Logistics, 40(1), 15-30.

Tao, F., et al. (2019). Digital Twin-Driven Product Design Framework. Journal of Manufacturing Systems, 51, 12-25.

Zhang, L.-H., Li, X., & Fan, Y. (2018). RFID Deployment Strategies in Supply Chains. International Journal of Production Research, 56(22), 6795-6813.

Wattiez, N., & Goy, H. (2023). L’impact de la transformation numérique sur les modèles d’affaires : le cas des cabinets de conseil en financement de l’innovation. Finance Contrôle Stratégie, 26(3).

Mots clés :
Transformation numérique, Modèle économique, Conseil en financement de l’innovation, Crédit impôt recherche, Business Model

Synthèse de l’article :

L’article de Wattiez et Goy (2023) explore l’impact de la transformation numérique sur les modèles d’affaires des cabinets de conseil en financement de l’innovation en France. Depuis le début des années 2000, avec la mise en place du crédit impôt recherche (CIR), une industrie spécialisée dans l’accompagnement des entreprises pour l’obtention de financements publics s’est développée. L’étude examine comment la numérisation transforme les pratiques traditionnelles de ces cabinets de conseil, en mettant en avant trois évolutions principales des modèles économiques.

Développement :

L’étude repose sur une approche qualitative et exploratoire basée sur des entretiens avec 16 acteurs du secteur en France. Les auteurs identifient trois principales modalités d’évolution des modèles d’affaires sous l’effet de la transformation numérique :

Amélioration des processus internes : Utilisation d’outils numériques pour automatiser certaines tâches administratives, permettant aux consultants de se concentrer sur des missions à plus forte valeur ajoutée.

Évolution de la proposition de valeur : Développement de nouvelles offres numériques, telles que des plateformes en ligne permettant aux clients de suivre en temps réel l’avancement de leurs dossiers de financement.

Changement du modèle de revenu : Passage d’un modèle de rémunération fixe à un modèle basé sur le succès, où le cabinet est rémunéré en fonction des montants effectivement obtenus pour le client.

L’étude montre également que, malgré les avantages offerts par la digitalisation, certains freins persistent, notamment liés à la réticence des consultants à adopter de nouveaux outils numériques et à la crainte d’une déshumanisation de la relation client.

Conclusion :

L’article conclut que la transformation numérique constitue à la fois une opportunité et un défi pour les cabinets de conseil en financement de l’innovation. Si elle permet d’améliorer l’efficacité opérationnelle et de proposer des services innovants, elle nécessite également une adaptation culturelle et organisationnelle importante pour réussir cette transition.

Références bibliographiques (format APA) :

Allard-Poesi, F. (2003). Coder les données. EMS.

Baden-Fuller, C., & Haefliger, S. (2013). Business models and technological innovation. Long Range Planning, 46(6), 419-426.

Bessière, V., & Stéphany, É. (2015). Le Financement de l’innovation : nouvelles perspectives théoriques et pratiques. De Boeck Université.

Bouillot, G. (2020). Comment les entreprises de conseil en stratégie devraient-elles répondre aux menaces et opportunités générées par la transformation digitale ? Mémoire de recherche, Université Catholique de Louvain.

Casadesus-Masanell, R., & Zhu, F. (2013). Business model innovation and competitive imitation: the case of sponsor-based business models. Strategic Management Journal, 34, 464-482.

Christensen, C. M., Wang, D., & Van Bever, D. (2013). Consulting on the Cusp of Disruption. Harvard Business Review, 91(10), 106-114.

Demil, B., & Lecocq, X. (2010). Business Model Evolution: In Search of Dynamic Consistency. Long Range Planning, 43, 227-246.

Eyquem-Renault, M. (2017). Innovation de business model. Management de l’innovation, Dunod.

Foss, N. J., & Saebi, T. (2017). Fifteen years of research on business model innovation: How far have we come, and where should we go? Journal of Management, 43(1), 200-227.

Kohli, R., & Melville, N. P. (2019). Digital innovation: a review and synthesis. Information Systems Journal, 29(1), 200-223.

Chen, J. C., Anggrahini, D., & Chen, T. L. (2024). Current research and future challenges in parcel hub towards logistics 4.0: a systematic literature review from a decision-making perspective. International Journal of Production Research, 62(23), 8562–8593.

Mots clés :
Logistics 4.0, Parcel Hub, Cross-Docking, Decision-Making, Systematic Literature Review

Synthèse de l’article :

L’article de Chen et al. (2024) examine les défis actuels et futurs des hubs de colis (parcel hubs – PH) dans la transition vers la logistique 4.0. Le PH agit comme un centre de distribution intermédiaire dans les systèmes logistiques, fonctionnant souvent sur un modèle de cross-docking. Cette étude utilise une revue systématique de la littérature (Systematic Literature Review – SLR) pour identifier les décisions critiques liées aux problèmes de PH, classifier les approches de solutions appliquées et identifier les défis futurs pour la transformation vers des systèmes logistiques intelligents.

Développement :

L’étude identifie quatre décisions critiques associées aux problèmes de PH : la planification des camions (truck scheduling), la planification des processus internes (internal process planning), la planification des installations (facility planning) et la sélection des technologies (technology selection). En outre, elle catégorise dix approches de solutions employées dans la recherche antérieure pour trouver la meilleure décision : simulation, optimisation par méthodes exactes, heuristiques, métaheuristiques, matheuristiques, logique floue, statistiques pour l’optimisation, simulation-optimisation, analyse de données/data mining et autres outils.

Les principaux résultats montrent que la planification des camions est la décision la plus étudiée, suivie par la planification des processus internes. L’analyse révèle également un besoin accru de technologies intelligentes, telles que les systèmes robotiques de tri (RSS) et les systèmes de convoyeurs verticaux, pour améliorer l’efficacité des hubs de colis. L’étude conclut en proposant un cadre de recherche pour aborder les défis futurs, tels que l’intégration de la technologie Internet des objets (IoT) et la mise en œuvre de systèmes automatisés plus adaptables et performants.

Conclusion :

L’article recommande une approche holistique pour la gestion des hubs de colis, en mettant l’accent sur la technologie, l’efficacité opérationnelle et la réduction des coûts. La transformation vers la logistique 4.0 nécessite des investissements dans les technologies numériques avancées tout en garantissant une prise de décision stratégique basée sur des données fiables et en temps réel.

Références bibliographiques (format APA) :

Altaf, S., Yaseen, M., & Amin, S. (2022). Artificial intelligence for cross-docking (AI4 CD): A systematic literature review. Journal of Business Logistics, 43(1), 87–105.

Boysen, N., De Koster, R., & Weidinger, F. (2019). Automated conveyor-based sorting systems: An operational research perspective. Computers in Industry, 97, 157–177.

Buijs, P., Vis, I. F. A., & Carlo, H. J. (2014). Cross-docking network synchronisation: A research classification and framework. European Journal of Operational Research, 239(3), 593–608.

Coindreau, T., Daquin, J., & Khorshidian, A. (2021). Parcel hub management in logistics 4.0: A comparative study of assignment decisions. Supply Chain Management Review, 28(3), 115–130.

He, Y., & Prabhu, J. (2022). Throughput and efficiency in automated cross-docking facilities. Journal of Manufacturing Systems, 64, 378–390.

Ladier, A., & Alpan, G. (2016). Current trends and future perspectives in cross-docking. International Journal of Production Research, 54(4), 1024–1041.

Monaco, E., & Sammarra, M. (2023). Decision-making in parcel hubs: An integrated approach to logistics 4.0. Operations Management Research, 15(2), 203–218.

Neamatian Monemi, R., & Gelareh, S. (2023). Optimisation techniques for parcel hub operations: A review. International Journal of Logistics Management, 34(1), 87–98.

Stephan, K., & Boysen, N. (2011). Fundamental decision problems in cross-docking systems. Journal of Business Logistics, 32(2), 161–180.

Van Belle, J., Valckenaers, P., & Cattrysse, D. (2012). Cross-docking: State of the art. International Journal of Production Research, 50(10), 2575–2596.

Wolf, D. E., Louw, L., & Palm, D. (2024). An analysis of blockchain versus relational databases for digitalising information flows in global supply chains using the analytic network process. International Journal of Production Research, 62(14), 5016–5035.

Mots clés :
Blockchain, Relational Databases, Supply Chain Digitalisation, Analytic Network Process, Cross-Border Trade

Synthèse de l’article :

L’article de Wolf et al. (2024) explore la comparaison entre l’utilisation de la technologie blockchain et celle des bases de données relationnelles pour la digitalisation des flux d’information dans les chaînes d’approvisionnement mondiales. L’étude utilise le processus de réseau analytique (Analytic Network Process – ANP) pour évaluer les coûts et avantages des deux solutions en termes de sécurité, performance, coût, interopérabilité, fiabilité et fonctionnalité.

Développement :

L’étude propose une méthode de sélection de solutions numériques basée sur le modèle ANP, combiné à la méthode d’analyse des compromis architecturaux (Architecture Trade-off Analysis Method – ATAM). Deux solutions ont été comparées : un modèle basé sur la blockchain (TradeLens) et un modèle basé sur une base de données relationnelle (Amazon RDS). L’évaluation porte sur plusieurs critères, tels que l’efficacité des coûts, la sécurité des données, la robustesse et la performance transactionnelle.

Les résultats montrent que la solution blockchain, bien que plus coûteuse en termes de coûts d’utilisation et de stockage, présente des avantages significatifs en matière de sécurité et de réduction des coûts opérationnels grâce à l’automatisation et à l’intégrité des données. En revanche, les bases de données relationnelles offrent une meilleure performance en termes de débit transactionnel et de maturité technologique.

L’étude conclut que la blockchain est préférable dans les contextes où la sécurité et l’automatisation sont critiques, tandis que les bases de données relationnelles restent pertinentes dans des environnements à forte performance transactionnelle et nécessitant moins de décentralisation.

Conclusion :

L’article recommande l’utilisation de la blockchain pour la digitalisation des chaînes d’approvisionnement mondiales lorsque la sécurité des données et la transparence sont prioritaires. Cependant, il souligne également les défis liés à la maturité de la technologie blockchain et la nécessité de standards industriels pour en faciliter l’adoption à grande échelle.

Références bibliographiques (format APA) :

Ahmed, W. A. H., & MacCarthy, B. L. (2022). Blockchain in the supply chain – A comprehensive framework for theory-driven research. Digital Business, 2(2), 100043.

Alicke, K., Rexhausen, D., & Seyfert, A. (2017). Supply Chain 4.0 in Consumer Goods. McKinsey & Company.

Allen, D. W. E., Berg, C., Davidson, S., Novak, M., & Potts, J. (2019). International policy coordination for blockchain supply chains. Asia and the Pacific Policy Studies, 6, 367–380.

Ganne, E. (2018). Can Blockchain Revolutionize International Trade?. World Trade Organization.

Koh, S. C. L., Dolgui, A., & Sarkis, J. (2020). Blockchain in global supply chains: Improving transparency and efficiency. Journal of Business Logistics, 41(2), 105–120.

Saberi, S., Kouhizadeh, M., & Sarkis, J. (2019). Blockchain technology and its relationships to sustainable supply chain management. International Journal of Production Research, 57(7), 2117–2135.

Parviainen, P., Tihinen, M., Kääriäinen, J., & Teppola, S. (2017). Tackling the digitalization challenge: How to benefit from digitalization in practice. International Journal of Information Management, 37(6), 237–244.

Zhang, J., & Liu, Y. (2023). Improving supply chain transparency with blockchain. Supply Chain Management Review, 28(1), 35–42.

Wang, Y., Han, J., & Beynon-Davies, P. (2018). Understanding blockchain technology for future supply chains: A systematic literature review and research agenda. Supply Chain Management: An International Journal, 23(1), 14–30.

Iansiti, M., & Lakhani, K. R. (2017). The Truth About Blockchain. Harvard Business Review, 95(1), 118–127

Maretto, L., Faccio, M., & Battini, D. (2024). Industry 4.0 technology implementation in manufacturing: a selection method and real case applications. International Journal of Production Research.

Mots clés :
Industry 4.0, Digitalisation, Manufacturing, Multi-Criteria Decision Making, Fuzzy Logic, AHP, Technology Selection

Synthèse de l’article :

L’article de Maretto et al. (2024) aborde la problématique de la sélection des technologies numériques pour l’industrie manufacturière dans le contexte de l’Industrie 4.0. L’étude propose un modèle de prise de décision multicritère (MCDM) combinant la logique floue (fuzzy logic) et le processus de hiérarchisation analytique (AHP) pour identifier la meilleure technologie ou le meilleur groupe de technologies en fonction des objectifs stratégiques des entreprises industrielles.

Développement :

L’objectif de l’étude est de combler le vide théorique concernant les modèles de sélection de technologies numériques pour les processus industriels. Le modèle proposé se compose d’un cadre méthodologique à quatre niveaux permettant d’analyser la stratégie organisationnelle, les processus internes, les sous-processus et finalement les technologies spécifiques à adopter. En combinant la logique floue avec l’AHP, le modèle permet une évaluation plus nuancée et adaptée à des environnements incertains où les jugements des experts sont requis.

Le modèle a été testé sur deux études de cas réelles dans des entreprises manufacturières opérant dans des secteurs distincts. Les résultats montrent que l’application du modèle permet de sélectionner non seulement la meilleure technologie individuelle mais également le meilleur groupe de technologies partageant un même objectif fonctionnel. L’approche multicritères prend en compte des indicateurs clés de performance (KPI) spécifiques aux processus analysés et relie ces indicateurs aux technologies susceptibles d’améliorer les performances opérationnelles.

Le cadre proposé établit un lien direct entre la sélection des technologies numériques et les objectifs stratégiques de l’entreprise, offrant ainsi une méthode transparente et justifiable pour orienter les décisions d’investissement technologique dans le secteur industriel.

Conclusion :

L’étude conclut que le modèle MCDM proposé, intégré dans un cadre méthodologique structuré, offre une solution robuste pour la sélection de technologies numériques dans le cadre de la digitalisation des usines. La flexibilité du modèle permet son application dans différentes tailles d’entreprises, renforçant ainsi sa pertinence pour une large variété d’acteurs industriels.

Références bibliographiques (format APA) :

Bai, C., Zhou, X., & Sarkis, J. (2023). Assessment of Industry 4.0 technologies impact on sustainable development goals. Journal of Cleaner Production, 350, 131740.

Büyüközkan, G., & Göçer, F. (2018). Digital Supply Chain: Literature review and a proposed framework for future research. Computers in Industry, 97, 157–177.

Erbay, E., & Yıldırım, B. (2022). A hybrid approach for prioritising digital technologies in the manufacturing sector. Production Planning & Control, 33(9), 745–762.

Ghadimi, P., Wang, C., & Lim, M. K. (2022). Risk factors for the implementation of Industry 4.0. Computers & Industrial Engineering, 168, 107973.

Hossain, M., & Thakur, V. (2020). Implementing Industry 4.0 in the healthcare supply chain using a hybrid model. Journal of Manufacturing Technology Management, 31(6), 1185–1204.

Jafari-Sadeghi, V., et al. (2022). Dynamic capabilities in high-tech companies: A multi-criteria decision-making approach. Technological Forecasting and Social Change, 179, 121659.

Kumar, A., Suhaib, M., & Asjad, M. (2021). Barriers to Industry 4.0 adoption: A systematic literature review. Journal of Manufacturing Systems, 61, 174–188.

Luthra, S., et al. (2020). Drivers for integrating Industry 4.0 and sustainability in supply chains. Journal of Cleaner Production, 278, 123872.

Maretto, L., Faccio, M., & Battini, D. (2023). A multi-criteria decision-making model for selecting digital technologies in manufacturing. Operations Management Research, 15(1), 45–58.

Sharma, M., Shrivastava, R. L., & Chauhan, S. (2023). Barriers and solutions for Industry 4.0 implementation. Journal of Business Research, 153, 272–283.

Raman, R., Vyas, P., & Vachharajani, H. (2023). Impact of Industry 4.0 on Supply Chain in Made to Order Industries. Annals of Operations Research.

Mots clés :
Industry 4.0, Supply Chain Management, Made to Order Industries, Cyber-Physical Systems, Digital Transformation

Synthèse de l’article :

L’article de Raman et al. (2023) examine l’impact des technologies de l’Industrie 4.0 sur la gestion de la chaîne d’approvisionnement dans les industries de fabrication sur commande (Made to Order). Il explore comment l’intégration des systèmes cyber-physiques (CPS), de l’Internet des objets (IoT) et des outils d’automatisation améliore la flexibilité, l’efficacité et la traçabilité des processus logistiques tout en réduisant les coûts.

Développement :

L’objectif principal de cette étude est d’identifier les défis et les opportunités de l’adoption des technologies de l’Industrie 4.0 dans les entreprises de fabrication sur commande. Les auteurs ont mené une étude de cas exploratoire au sein d’une organisation indienne spécialisée dans la production personnalisée, en collaboration avec ses partenaires logistiques.

La méthodologie adoptée comprend des entretiens semi-structurés avec 15 participants issus de différentes fonctions de la chaîne logistique, telles que la logistique portuaire, l’inventaire, la qualité, et la fabrication. Les résultats montrent que l’Industrie 4.0 offre des avantages en termes de flexibilité accrue, de réduction des efforts de documentation, d’utilisation améliorée des données et de réduction des coûts opérationnels. Cependant, des défis subsistent, notamment en matière de sécurité des données, d’accès aux technologies et de formation du personnel.

Les principaux résultats montrent que les processus tels que la production et la logistique de la chaîne d’approvisionnement subissent des transformations majeures, tandis que d’autres, comme l’emballage et l’expédition, sont moins touchés. Les auteurs soulignent également les implications théoriques et managériales de leurs découvertes, notamment sur la résilience et l’agilité de la chaîne d’approvisionnement.

Conclusion :

L’étude conclut que l’intégration de l’Industrie 4.0 dans les industries de fabrication sur commande nécessite une transformation organisationnelle profonde, avec un accent particulier sur la gestion du changement, la formation technique et la sécurité des données. Bien que les avantages potentiels soient nombreux, les organisations doivent anticiper et atténuer les défis liés à cette transition technologique pour maximiser la valeur ajoutée.

Références bibliographiques (format APA) :

Ala-Risku, T., & Karkkainen, M. (2006). Material delivery problems in construction projects: A possible solution. International Journal of Production Research, 104(1), 19–29.

Ben-Daya, M., Hassini, E., & Bahroun, Z. (2019). Internet of things and supply chain management: A literature review. International Journal of Production Research, 57(15–16), 4719–4742.

Brettel, M., Friederichsen, N., Keller, M., & Rosenberg, M. (2014). How Virtualization, decentralization and network building change the manufacturing landscape: An industry 4.0 perspective. International Journal of Mechanical, Aerospace, Industrial and Mechatronics Engineering, 8(3), 37–44.

Caron, F., Marchet, G., & Perego, A. (1998). Project logistics: Integrating the procurement and construction processes. International Journal of Project Management, 16(5), 311–319.

Colin, M., Galindo, R., & Hernández, O. (2015). Information and communication technology as a key strategy for efficient supply chain management in manufacturing SMEs. Procedia Computer Science, 55, 833–842.

Ferretti, M., & Schiavone, F. (2016). Internet of Things and business processes redesign in seaports: The case of Hamburg. Business Process Management Journal, 22(2), 357–367.

Goudarzi, P., Tabatabaee Malazi, H., & Ahmadi, M. (2016). Khorramshahr: A scalable peer to peer architecture for port warehouse management system. Journal of Network & Computer Applications, 76, 49–59.

Harris, I., Wang, Y., & Wang, H. (2015). ICT in multimodal transport and technological trends: Unleashing potential for the future. International Journal of Production Economics, 159, 88–103.

Hofmann, E., & Rüsch, M. (2017). Industry 4.0 and the current status as well as future prospects on logistics. Computers in Industry, 89, 23–34.

Müller, J. M., Kiel, D., & Voigt, K. I. (2018). What Drives the Implementation of Industry 4.0? The Role of Opportunities and Challenges in the Context of Sustainability. Sustainability, 10, 1.

Perotti, S., Cannava, L., Ries, J. M., & Grosse, E. H. (2024). Reviewing and conceptualising the role of 4.0 technologies for sustainable warehousing. International Journal of Production Research, 10(4), e25584.

Mots clés :
Sustainable warehousing, Industry 4.0, Triple Bottom Line, Sustainable Development Goals, 4.0 technologies, Systematic Literature Review

Synthèse de l’article :

L’article de Perotti et al. (2024) se concentre sur l’impact des technologies 4.0 sur la durabilité des opérations d’entreposage, en particulier à travers le prisme de la Triple Bottom Line (TBL) : économique, environnemental et social. L’étude propose un cadre conceptuel permettant d’évaluer l’impact des technologies telles que l’intelligence artificielle, l’Internet des objets (IoT), la robotique collaborative, et d’autres technologies de l’industrie 4.0 sur les processus d’entrepôt.

Développement :

L’objectif de cette étude est de combler le vide de recherche existant concernant l’impact durable des technologies 4.0 dans les opérations d’entreposage. L’article utilise une revue systématique de la littérature pour développer un cadre conceptuel qui évalue les processus d’entrepôt tels que la réception, le stockage, la préparation de commandes, l’emballage et l’expédition, la logistique de production et le cross-docking.

L’étude adopte une méthode de revue systématique de la littérature (Systematic Literature Review – SLR) basée sur une approche déductive-inductive. 79 articles publiés entre 2017 et 2023 ont été analysés pour mesurer l’impact économique, environnemental et social des technologies 4.0 sur les entrepôts.

Les principaux résultats montrent que les technologies 4.0 améliorent l’efficacité opérationnelle, réduisent les coûts et augmentent la productivité des entrepôts. En matière environnementale, elles contribuent à réduire la consommation d’énergie, les émissions de gaz à effet de serre et les déchets grâce à l’optimisation des processus logistiques. Sur le plan social, l’automatisation et la robotique améliorent les conditions de travail, la sécurité des employés et réduisent les tâches répétitives et pénibles.

Conclusion :

L’article conclut que l’adoption des technologies 4.0 dans les entrepôts peut significativement contribuer à la durabilité des chaînes logistiques, à condition que leur mise en œuvre prenne en compte non seulement les bénéfices économiques, mais aussi les aspects sociaux et environnementaux.

Références bibliographiques (format APA) :

Boysen, N., De Koster, R., & Weidinger, F. (2019). Warehouse logistics and storage management. International Journal of Production Research, 57(6), 1743-1763.

Gu, J., Goetschalckx, M., & McGinnis, L. F. (2007). Research on warehouse operation: A comprehensive review. European Journal of Operational Research, 177(1), 1-21.

Winkelhaus, S., & Grosse, E. H. (2022). Smart Warehousing: Opportunities and challenges. Journal of Logistics Management, 28(4), 225-240.

Kumar, S., Narkhede, B. E., & Jain, S. (2021). Evolution of warehouse systems: From manual to automated solutions. Production Planning & Control, 32(3), 257-270.

Awan, U., Sroufe, R., & Shahbaz, M. (2021). The role of Industry 4.0 technologies in sustainable supply chains. Journal of Cleaner Production, 281, 124377.

Grosse, E. H. (2024). The future of human-centric warehouses in the digital age. Operations Management Research, 15(1), 45-58.

Bartolini, M., Bottani, E., & Grosse, E. H. (2019). Environmental sustainability in green warehouse management. Computers in Industry, 97, 157-177.

McKinnon, A. C., Browne, M., & Whiteing, A. (2015). Green logistics: Improving the environmental sustainability of logistics. Kogan Page Publishers.

Hofmann, E., & Rüsch, M. (2017). Industry 4.0 and the current status as well as future prospects on logistics. Computers in Industry, 89, 23-34.

Pereira, A. C., & Romero, F. (2017). A review of the meanings and the implications of the Industry 4.0 concept. Procedia Manufacturing, 13, 1206-1214.

L’expérience montre, au travers des différents projets de déploiement accompagnés par Solucom, que la tablette peut répondre à des usages spécifiques portés par des populations métier mobiles ou en relation avec des tiers. On pensera par exemple à des agents techniques terrain, des commerciaux ou encore des cadre RH qui utilisent encore très souvent des supports papier ou plusieurs équipements différents, que ce soit pour prendre des notes, prendre des photos, consulter / présenter de la documentation, ou encore manipuler des informations clients ou techniques (CV, contrat de vente, dossier de maintenance…). Illustrons la valeur ajoutée de la tablette pour ces populations, avec deux exemples précis.

Un agent technique d’opérations de maintenance se rend sur place avec sa tablette pour faire un état des lieux de la situation. Grâce à sa tablette, il a à sa disposition dans un seul appareil toute la documentation nécessaire pour son activité quotidienne (référentiel de procédure par exemple), il peut rédiger le compte-rendu de l’opération directement sur la tablette grâce à une application spécifique, et notamment y insérer des photos de l’opération. La tablette permet, en rassemblant toutes les informations et outils dont il a besoin pour suivre et documenter son opération, de réduire la charge portée par le technicien tout en lui faisant gagnant un temps précieux.

Lichtlé, M.-C., & Plichon, V. (2014). Les émotions ressenties dans un point de vente : Proposition d’une échelle de mesure. Recherche et Applications en Marketing, 29(1), 3-26.

Mots-clés : Émotions, point de vente, marketing sensoriel, expérience client, échelle de mesure, atmosphère commerciale.

L’article de Lichtlé et Plichon (2014) explore la nature des émotions ressenties par les consommateurs en magasin et propose une échelle de mesure adaptée au contexte de la distribution. Les auteures partent du constat que les émotions jouent un rôle central dans l’expérience d’achat, influençant aussi bien la satisfaction que les comportements des clients en magasin. Cependant, les instruments de mesure existants, issus principalement de la psychologie, ne sont pas toujours adaptés au contexte de la distribution.

L’objectif de cette étude est donc de :

1. Identifier les émotions spécifiques ressenties par les consommateurs en magasin.
2. Élaborer une échelle de mesure permettant de quantifier ces émotions avec fiabilité.
3. Tester cette échelle à travers des études qualitatives et quantitatives.

Développement

• Définition des émotions

Les émotions sont définies comme des réactions affectives immédiates, déclenchées par un stimulus externe ou interne, influençant les pensées, les comportements et les décisions. Elles se distinguent des humeurs par leur intensité plus forte et leur durée plus courte (Barsade & Gibson, 2007).

Dans un contexte collectif, les émotions participent à la construction du climat émotionnel d’un groupe, influençant ainsi les interactions sociales et les comportements collectifs (Smith & Mackie, 2015 ; De Rivera & Páez, 2007). Selon Rimé (2007, 2009), les émotions collectives, ou expériences émotionnelles collectives, émergent par un processus de contagion émotionnelle (Hatfield et al., 1992) ou en réponse à des normes sociales partagées (Von Scheve & Ismer, 2013).

Dans le domaine du marketing et des points de vente, les émotions jouent un rôle fondamental dans l’expérience client, influençant la satisfaction, la fidélité et le comportement d’achat (Lichtlé & Plichon, 2014).

• Le rôle central des émotions dans l’expérience en magasin

Les auteures rappellent que l’expérience en magasin est influencée par des éléments sensoriels et environnementaux (musique, odeur, éclairage, disposition des espaces), qui jouent un rôle clé dans l’activation des émotions (Bitner, 1992 ; Filser, 2001). Elles s’appuient sur la littérature en psychologie du consommateur pour montrer que les émotions ne sont pas seulement des réponses immédiates mais qu’elles influencent aussi les comportements post-achat (Holbrook & Hirschman, 1982 ; Menon & Dubé, 2007).

Elles soulignent que les recherches en marketing ont souvent utilisé des modèles d’émotions générales, comme les échelles de Mehrabian et Russell (1974) ou Watson et Tellegen (1985), qui sont pertinentes mais peu adaptées aux spécificités du point de vente.

• Développement d’une échelle de mesure adaptée

Les auteures ont construit leur échelle de mesure en suivant un processus en plusieurs étapes :

1. Phase exploratoire :

1. • Entretiens qualitatifs avec 84 consommateurs pour identifier les émotions spontanément ressenties en magasin.
   • Analyse des réponses pour regrouper les émotions en catégories homogènes.

2. Construction d’un premier modèle :

1. • Regroupement des émotions en six dimensions principales.
   • Développement d’un questionnaire basé sur ces dimensions.

3. Validation empirique :

1. • Deux études quantitatives menées sur un échantillon de plus de 500 consommateurs pour tester la validité et la fiabilité de l’échelle.
   • Analyse factorielle confirmatoire pour vérifier la structure du modèle.

Les résultats permettent d’identifier six grandes catégories d’émotions ressenties en magasin :

• Plénitude : sensation de bien-être et d’harmonie avec l’environnement du magasin.
• Évasion : impression d’être transporté dans un univers différent, coupé du quotidien.
• Nervosité : sentiment d’agitation, de frustration ou d’irritabilité.
• Plaisir : satisfaction et excitation positive liées à l’acte d’achat.
• Détente : sensation de relaxation et de confort en magasin.
• Oppression : sentiment de malaise ou d’enfermement dans un espace commercial.

L’analyse statistique confirme que cette échelle est robuste et applicable aux contextes de la distribution, permettant une évaluation précise des émotions vécues en magasin.

• Implications pour la gestion des points de vente

L’étude de Lichtlé et Plichon (2014) propose plusieurs recommandations stratégiques pour les retailers :

1. Optimisation de l’ambiance sensorielle

1. • Adapter l’éclairage, la musique et les senteurs pour favoriser des émotions positives et éviter les ressentis négatifs comme l’oppression ou la nervosité.
   • Créer des espaces de relaxation ou des zones immersives pour stimuler l’évasion et la plénitude.

2. Personnalisation de l’expérience client

1. • Identifier les émotions dominantes des clients pour proposer des parcours d’achat adaptés.
   • Former les équipes de vente à détecter et répondre aux émotions des consommateurs pour améliorer l’expérience en magasin.

3. Impact sur la fidélisation et le comportement d’achat

1. • Les émotions ressenties influencent la durée de visite, l’engagement et les intentions de retour.
   • Un climat émotionnel positif peut favoriser la fidélité à l’enseigne et encourager le bouche-à-oreille positif.

Conclusion

Lichtlé et Plichon (2014) apportent une contribution essentielle en proposant une échelle de mesure des émotions adaptée au contexte du point de vente. Leur étude met en évidence que les émotions ressenties en magasin ont un impact significatif sur le comportement des consommateurs et doivent être prises en compte dans la gestion des espaces commerciaux.

Cette recherche ouvre des perspectives intéressantes pour les stratégies de retail et de marketing expérientiel, en soulignant l’importance de l’ambiance en magasin pour maximiser les émotions positives et minimiser les ressentis négatifs.

Références bibliographiques

Bitner, M. J. (1992). Servicescapes: The impact of physical surroundings on customers and employees. Journal of Marketing, 56(2), 57–71.

Filser, M. (2001). Le marketing de la production d’expérience : Statut théorique et implications managériales. Décisions Marketing, 23(1), 13-22.

Holbrook, M. B., & Hirschman, E. C. (1982). The experiential aspects of consumption: Consumer fantasies, feelings, and fun. Journal of Consumer Research, 9(2), 132-140.

Menon, K., & Dubé, L. (2007). The effect of emotional transitions on customer satisfaction. Journal of Service Research, 10(3), 233-246.

Barsade, S. G., & Gibson, D. E. (2007). Why does affect matter in organizations? Academy of Management Perspectives, 21(1), 36-59.

De Rivera, J., & Páez, D. (2007). Emotional climates, human security, and cultures of peace. Journal of Social Issues, 63(2), 233-253.

Hatfield, E., Cacioppo, J. T., & Rapson, R. L. (1992). Primitive emotional contagion. Review of Personality and Social Psychology, 14(1), 151-177.

Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. MIT Press.

Rimé, B. (2007). The social sharing of emotion as an interface between individual and collective processes. Journal of Social Issues, 63(2), 307-322.

Smith, E. R., & Mackie, D. M. (2015). Dynamics of group-based emotions: Insights from intergroup emotions theory. Emotion Review, 7(4), 349-354.

Von Scheve, C., & Ismer, S. (2013). Towards a theory of collective emotions. Emotion Review, 5(4), 406-413.

Watson, D., & Tellegen, A. (1985). Toward a consensual structure of mood. Psychological Bulletin, 98(2), 219-235.

Référence :  Tafesse, Wondwesen, et Bronwyn P. Wood. “Social media influencers’ community and content strategy and follower engagement behavior in the presence of competition: an Instagram-based investigation.” Journal of Product & Brand Management, vol. 32, no 3, 2023, pp. 406-419.

Mots-clés : Commentaires, communauté, concours, contenu, likes, réseaux sociaux

Introduction :

Alors que l’usage des réseaux sociaux est en constante évolution, les influenceurs jouent un rôle déterminant en ayant le pouvoir d’influencer le comportement des consommateurs. Mais c’est un environnement où la concurrence est rude; il est donc essentiel de comprendre et de connaître les facteurs qui déterminent réellement l’engagement des consommateurs (De Veirman et al., 2017).

Cet article vise donc à examiner comment les différentes stratégies des influenceurs sur les réseaux sociaux peuvent influencer les comportements de l’audience, même en présence de concurrence. Pour cela, les auteurs s’appuient sur la théorie de l’influence sociale (Kelman, H. C., 1974), sur la littérature relative à l’économie de l’attention (Davenport & Beck, 2001) et sur le modèle MAIN (Modalité, Agence, Interactivité, Navigabilité) (Sundar, 2008).

Développement :

Pour analyser cet engagement, les auteurs vont s’appuyer sur des données quantitatives collectées via le web scraping auprès d’influenceurs de divers secteurs sur Instagram. 

Cette méthode mesure divers métriques : 

1. La stratégie de communauté 

Elle évalue la stratégie de communauté de l’influenceur (nombre d’abonnés, nombre de comptes suivis, diversité des contenus publiés etc.). Les statistiques montrent que les influenceurs qui possèdent une communauté d’abonnés engagée et qui interagissent avec les partages, les likes ou les commentaires, génèrent un engagement plus fort, même s’il y a des concurrents (De Veirman et al., 2017).

2. La stratégie de contenu 

L’étude prend en compte les types de contenus avec des variables telles que le format, la fréquence des publications ou encore l’authenticité perçue de l’influenceur. Généralement, les influenceurs qui enregistrent de meilleurs résultats sont ceux qui sont perçus comme authentiques (Audrezet, A. et al. 2020), qui varient les formats et qui publient régulièrement, à des moments stratégiques de la journée (Schouten, A. et al., 2020)

3. La concurrence 

Elle correspond au nombre d’influenceurs qui exercent dans le même domaine. Les résultats montrent qu’il est plus difficile de capter l’attention et l’engagement du public sur un marché saturé que sur un marché avec peu de concurrents. Pour y parvenir, il faut se différencier et trouver son positionnement unique. À noter que les influenceurs bien établis, donc ceux qui possèdent une audience solide et fidèle sont moins affectés par la concurrence car ils ont déjà gagné la confiance de leurs abonnés (Audrezet, A. et al., 2020).

Certes, la concurrence peut limiter l’engagement du public envers l’influenceur, mais une stratégie bien conçue et maîtrisée peut atténuer cette limite (Campbell, C., & Farrell, J. R., 2020).

Les résultats de l’étude révèlent que le comportement d’engagement des abonnés est influencé par la stratégie de communauté et le contenu des influenceurs. Cela peut inclure le nombre d’abonnés, le type de modalité et le nombre de publications. La concurrence a également un impact significatif sur le comportement d’engagement des abonnés, tant indépendamment qu’en interaction avec la stratégie de communauté et de contenu des influenceurs (De Veirman et al., 2017).

Conclusion :

Cette étude montre que les influenceurs peuvent maximiser l’engagement de leur audience, même dans un marché très concurrentiel, en construisant une communauté engagée, en publiant les bons contenus au bon format et en trouvant leur niche pour se différencier des concurrents.

À partir de ces indicateurs (nombre d’abonnés, fréquence des publications, authenticité perçue, saturation du marché etc.), les marques peuvent identifier les influenceurs les plus aptes à promouvoir leur produit. Ces résultats apportent également des indications aux influenceurs sur la manière dont ils peuvent favoriser l’engagement de leurs abonnés. Ainsi, la stratégie des influenceurs est le principal moteur de l’engagement des abonnés.

Référence :

• Audrezet, A., de Kerviler, G., & Guidry Moulard, J. (2020). Authenticity under threat: When social media influencers need to go beyond self-presentation. Journal of Business Research, 117, 557-569. 
• Campbell, C., & Farrell, J. R. (2020). More than meets the eye: The functional components underlying influencer marketing. Business Horizons, 63(4), 469-479. 
• Davenport, T. H., & Beck, J. C. (2001). The attention economy: Understanding the new currency of business. Harvard Business Press.
• De Veirman, M., Cauberghe, V., & Hudders, L. (2017). Marketing through Instagram influencers: The impact of number of followers and product divergence on brand attitude. International Journal of Advertising, 36(5), 798-828. 
• Schouten, A. P., Janssen, L., & Verspaget, M. (2020). Celebrity vs. influencer endorsements in advertising: The role of identification, credibility, and product-endorser fit. International Journal of Advertising, 39(2), 258-281. 
• Sundar, S. S., Xu, Q., & Dou, X. (2012). Role of technology in online persuasion. In S. Rodgers & E. Thorson (Eds.), Advertising Theory (pp. 355-372). Routledge.