Fiche de lecture 1 :

Cenizo, C. (2025). Redefining consumer experience through artificial intelligence in the luxury retail sector. Journal of Retailing and Consumer Services.

Mots clés : intelligence artificielle, luxe, expérience client, invisibilité scénique, personnalisation curatoriale, infrastructure symbolique.

Cenizo (2025) étudie la tension apparente entre l’automatisation propre à l’Intelligence Artificielle (IA) et l’exigence d’exclusivité et d’émotion du secteur du luxe. À travers une étude qualitative menée auprès de 16 managers de marques de prestige, l’auteur cherche à comprendre comment intégrer la puissance de l’IA sans altérer l’image de marque.

• En premier lieu, nous définirons le concept d’« invisibilité scénique » préconisé par l’auteur.
• Nous aborderons ensuite la notion d’infrastructure symbolique nécessaire au maintien du prestige.
• Enfin, nous analyserons la stratégie de « personnalisation curatoriale » qui distingue le luxe du marché de masse.

Développement :
Selon Cenizo(2025), l’intégration de l’IA dans le luxe doit répondre à un impératif d’invisibilité scénique. Ce concept désigne la nécessité absolue de dissimuler la technologie aux yeux du client pour ne pas briser la magie de l’expérience d’achat. Contrairement à d’autres secteurs, le luxe ne doit pas exposer la technologie pour elle-même. L’IA doit opérer en arrière-plan (coulisses), agissant comme un outil discret d’aide à la décision pour le vendeur humain, afin de rendre l’interaction plus riche et pertinente sans robotiser la relation client.

L’article développe également le concept d’infrastructure symbolique. Il s’agit de l’ensemble des codes immatériels, du langage soutenu et de l’esthétique raffinée propres à une maison de luxe. Si l’IA est amenée à faire des recommandations, elle ne peut se contenter de statistiques froides; elle doit adopter cette infrastructure symbolique pour que la technologie s’efface derrière la culture et l’histoire de la marque.

Enfin, l’auteur oppose la personnalisation de masse à la personnalisation curatoriale. Ce terme technique fait référence à une sélection exigeante et restreinte de produits, opérée par l’IA non pas pour maximiser les ventes, mais pour correspondre au goût pointu du client. Alors que le marché de grande consommation utilise l’IA pour inonder le client d’options, l’IA de luxe doit savoir filtrer et ne pas tout montrer pour préserver une part de mystère et de désir. C’est cette retenue stratégique qui garantit le sentiment d’exclusivité.

Conclusion :
L’article conclut que l’IA ne diminue pas la valeur perçue du luxe si elle respecte ses codes d’exclusivité. En restant invisible et au service de l’humain, elle permet de concilier l’efficacité du traitement de données avec l’émotion de l’expérience client.

Références bibliographiques

• Cenizo, C. (2025). Redefining consumer experience through artificial intelligence in the luxury retail sector. Journal of Retailing and Consumer Services.

Fiche de lecture 2 :

Dwivedi, Y. K., et al. (2023). Metaverse marketing: How the metaverse will shape the future of consumer research and practice. Psychology & Marketing.

Mots clés : univers virtuels, extension de l’identité, avatar, produits numériques, dilution de marque.

Dwivedi et ses co-auteurs rassemblent des avis d’experts pour analyser les mutations du marketing à l’ère des mondes virtuels persistants. L’article se penche spécifiquement sur la manière dont les consommateurs utilisent ces nouveaux espaces pour se définir. L’hypothèse centrale est que l’avatar devient un prolongement de l’individu, ouvrant de nouvelles opportunités pour les marques de luxe.

• Nous analyserons d’abord le rôle de l’avatar au travers du concept d’extension de l’identité.
• Nous soulignerons ensuite les implications pour le secteur du luxe, notamment via la vente de biens immatériels.
• Nous terminerons par les risques de dégradation de l’image de marque liés à l’expérience virtuelle.

Développement:
Les auteurs mettent en lumière le concept d’extension de l’identité. Il s’agit d’une théorie psychologique selon laquelle les possessions d’un individu (qu’elles soient réelles ou virtuelles) font partie intégrante de sa définition de soi aux yeux des autres. Dans les univers virtuels, l’avatar n’est pas un simple personnage de jeu, mais la nouvelle incarnation sociale du consommateur, son « corps numérique ».

Pour le secteur du luxe, cette dynamique justifie la vente de vêtements numériques (apparences virtuelles) à des prix élevés. Ces biens immatériels remplissent la même fonction sociale que les biens réels : signaler un statut, une richesse ou un style de vie. L’article note un paradoxe intéressant : le virtuel permet de créer des produits « impossibles » (matériaux inexistants, affranchissement des lois de la physique), ce qui peut, contre toute attente, augmenter l’exclusivité et la désirabilité de la marque.

Cependant, l’article avertit des risques technologiques. Une expérience virtuelle défaillante peut entraîner une dilution de la marque, c’est-à-dire une perte significative de valeur et de prestige aux yeux du consommateur. La maîtrise technique devient donc un facteur critique : une mauvaise exécution dans le virtuel endommage la réputation dans le réel.

Conclusion :
Les univers virtuels représentent un levier de croissance pour le luxe, permettant de monétiser l’identité numérique. Toutefois, les marques doivent transférer leur excellence du monde physique vers le monde virtuel pour ne pas briser le contrat de confiance.

Références bibliographiques

• Dwivedi, Y. K., et al. (2023). Metaverse marketing: How the metaverse will shape the future of consumer research and practice. Psychology & Marketing.

Fiche de lecture 3 :

Xie, G. (2025). The impact of generative AI shopping assistants on E-commerce consumer motivation and behavior. International Journal of Information Management.

Mots clés : IA générative, assistants d’achat, motivation extrinsèque, confiance, conception de l’interface, comportement du consommateur.

Cet article étudie l’impact des assistants d’achat basés sur l’intelligence artificielle générative sur l’acte d’achat en ligne. L’auteur cherche à isoler les facteurs qui transforment une recommandation algorithmique en achat réel.

• En premier lieu, nous identifierons les motivations principales des consommateurs, notamment la motivation extrinsèque.
• Nous mettrons ensuite en lumière le rôle central de la confiance dans le processus de décision.
• Enfin, nous expliquerons l’importance critique de la conception de l’interface utilisateur sur la perception de compétence de l’IA.

Développement :
L’étude démontre que la motivation extrinsèque est le facteur clé d’adoption de l’IA. Ce concept désigne le comportement d’un utilisateur qui agit non pas pour le plaisir de l’activité elle-même, mais pour atteindre un objectif précis et efficace (gain de temps, pertinence immédiate de la réponse). Le consommateur de luxe attend donc avant tout de l’utilité.

Cependant, l’auteur insiste sur le rôle pivot de la confiance. Le terme « pivot » signifie ici que la confiance est l’élément central qui fait basculer la décision : sans elle, aucune vente n’est possible. L’algorithme est souvent perçu comme une boîte noire, c’est-à-dire un système opaque dont le fonctionnement interne est incompréhensible pour l’utilisateur, générant de la méfiance.

Pour surmonter cette barrière, la conception de l’interface (l’aspect visuel et l’ergonomie) joue un rôle déterminant. L’analyse révèle que même si une IA est techniquement performante, une interface peu esthétique brise la confiance. Le consommateur associe inconsciemment la beauté du design à la compétence technique de l’intelligence. Ainsi, le design n’est pas un accessoire, mais une condition nécessaire à l’achat.

Conclusion :
L’utilisation de l’IA générative augmente la conversion à condition de lever les freins liés à la confiance par une interface soignée, prérequis indispensable pour que le consommateur accepte les conseils d’une machine.

Références bibliographiques

• Xie,G. (2025). The impact of generative AI shopping assistants on E-commerce consumer motivation and behavior. International Journal of Information Management.

Fiche de lecture 4 :

Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2021). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing, 85(1), 131-151.

Mots clés : expérience consommateur, adoption technologique, résistance psychologique, autonomie perçue, menace identitaire.

Cet article majeur propose un cadre théorique pour comprendre comment les consommateurs vivent l’expérience avec l’IA au quotidien. Contrairement aux approches purement techniques, les auteurs se concentrent sur les tensions psychologiques. Leur hypothèse est que l’IA peut créer un sentiment de menace existentielle pour le consommateur, qui craint de perdre son autonomie face à la machine.

• En premier lieu, nous définirons la tension entre l’efficacité de l’IA et l’autonomie du consommateur.
• Nous aborderons ensuite le concept de menace identitaire liée au remplacement de l’humain.
• Enfin, nous analyserons les stratégies pour concevoir une IA qui respecte l’expérience utilisateur.

Développement :
Les auteurs identifient une tension critique concernant l’autonomie perçue. Ce concept se définit comme le sentiment subjectif du consommateur d’être à l’origine de ses propres choix et de garder le contrôle. Dans le luxe, si l’IA prend trop de décisions à la place du client (recommandations trop directives), celui-ci ressent une perte d’autonomie qui dégrade son expérience, même si la recommandation est juste.

L’article développe ensuite le concept de menace identitaire. Il s’agit de la peur inconsciente d’être remplacé ou dévalorisé par une machine capable de reproduire des capacités humaines. Pour des consommateurs aisés qui construisent leur identité sur l’unicité et le privilège, interagir avec une machine peut être perçu comme déshumanisant. L’étude montre que les consommateurs préfèrent une technologie d’augmentation (qui les rend plus compétents) plutôt qu’une technologie de remplacement (qui les rend passifs).

Enfin, concernant l’expérience, les auteurs soulignent l’importance de la transparence des données. Expliquer clairement pourquoi l’IA fait telle suggestion permet de redonner du pouvoir de décision au client et d’atténuer la méfiance envers l’algorithme.

Conclusion :
Cet article est fondamental car il explique les freins psychologiques. Il prouve que dans le luxe, l’adoption de l’IA ne dépend pas de la performance technologique, mais de la capacité de la marque à rassurer le client sur son statut d’être humain unique et autonome.

Références bibliographiques

• Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2021). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing.

Fiche de lecture 5 :

Prentice, C., & Nguyen, M. (2020). Engaging and retaining customers with AI and employee service. Journal of Retailing and Consumer Services, 56, 102186.

Mots clés : engagement client, service employé, intelligence artificielle, fidélité, attachement émotionnel.

Prentice et Nguyen (2020) étudient l’impact comparé de l’IA et des employés humains sur la fidélité des clients. L’étude est particulièrement pertinente car elle teste directement si l’IA peut remplacer l’humain pour créer de l’engagement. Leur hypothèse est que l’IA et l’humain jouent des rôles complémentaires mais distincts.

• Nous distinguerons d’abord l’engagement fonctionnel de l’engagement émotionnel.
• Nous analyserons ensuite les limites de l’IA pour retenir les clients sur le long terme.
• Nous terminerons par la notion de service hybride comme solution idéale.

Développement :
L’article met en évidence deux types d’engagement. L’engagement fonctionnel est lié à la performance utilitaire : la rapidité, la précision et la disponibilité immédiate. Sur ce point, l’IA excelle et satisfait les clients pressés. En revanche, l’engagement émotionnel, défini comme le sentiment d’être compris, spécial et affectivement attaché à la marque, reste le domaine réservé des employés humains.

L’étude montre via des analyses statistiques que si l’IA améliore la satisfaction immédiate, elle a un impact faible sur la rétention à long terme (la capacité à garder un client fidèle). Dans le secteur du luxe, où la fidélité repose sur l’affect, l’IA seule est insuffisante. Les clients peuvent être satisfaits par un agent conversationnel (chatbot), mais ils ne développent pas de lien sentimental avec la marque à travers lui.

Les auteurs concluent sur la nécessité d’un service hybride. Il s’agit d’une stratégie combinant les forces de l’IA (pour gérer les tâches répétitives) et celles des humains (pour les interactions à forte valeur ajoutée), libérant ainsi du temps aux employés pour se concentrer sur l’émotion.

Conclusion :
Cet article valide les limites de l’automatisation. Il démontre scientifiquement que pour maintenir l’exclusivité et l’attachement propre au luxe, l’IA ne peut être qu’un support technique et non le visage principal de la relation client.

Références bibliographiques

• Prentice, C., & Nguyen, M. (2020). Engaging and retaining customers with AI and employee service. Journal of Retailing and Consumer Services.

Welté, J.-B., & Ochs, L. (2015). Le marketing des lieux de transit : le cas de l’aéroport. Décisions Marketing, 77, 101-114.

Mots-clés : Lieux de transit, aéroport, ethnomarketing, consommation, expérience client, contrôle, stress.

L’article explore la double facette des aéroports : à la fois espaces de passage normés et lieux de consommation. À travers une étude ethnographique menée à l’aéroport de Roissy Charles de Gaulle, les auteurs montrent comment les passagers perçoivent et interagissent avec leur environnement. Loin d’être de simples infrastructures fonctionnelles, les aéroports sont pensés pour gérer les flux de voyageurs tout en maximisant l’attractivité commerciale.

L’étude met en avant trois grandes stratégies marketing adaptées aux lieux de transit :

• L’offre de transition, qui vise à réduire le stress du passage rapide en aéroport.
• L’offre d’expédition, qui transforme l’expérience du parcours en un enchaînement d’étapes valorisantes.
• L’offre d’installation, qui cherche à rendre l’attente plus agréable et propice à la consommation.

Même dans ces lieux souvent perçus comme anonymes, le marketing peut améliorer l’expérience client et favoriser une consommation plus engageante.

Développement

L’article s’appuie sur le concept de non-lieu développé par Marc Augé (1992). Les aéroports sont pensés pour standardiser et fluidifier les flux de passagers, mais cela les rend parfois impersonnels. En effet, les contrôles de sécurité, la signalétique standardisée et l’architecture uniforme contribuent à un sentiment d’anonymat et de déshumanisation (Pütz, 2012).

Cependant, les auteurs rappellent que l’expérience en aéroport n’est pas neutre :

• Le contrôle sécuritaire et la logistique peuvent être vécus comme anxiogènes par les passagers (Amirou, 2008).
• L’aménagement des espaces influe sur la perception du lieu et la satisfaction des voyageurs. Un espace trop contraignant génère du stress, tandis qu’un agencement plus fluide améliore l’expérience client (Virilio, 2012).

On pourrait croire que l’aéroport est un espace purement fonctionnel. Pourtant, il est aussi un espace de consommation stratégique (Rowley & Slack, 1999) :

• L’attente avant l’embarquement crée des opportunités commerciales (duty-free, restauration, services premium).
• Les passagers réguliers développent des habitudes de consommation spécifiques, et certains intègrent même ces temps d’attente dans leur routine (Tillous et al., 2008).
• La perception du temps d’attente joue un rôle clé : pour certains, il s’agit d’une perte de temps, tandis que d’autres en profitent pour se détendre ou faire du shopping (Bergadaà, 2009).

Trois stratégies marketing pour améliorer l’expérience en lieu de transit

Welté et Ochs (2015) identifient trois types d’offres marketing pour mieux répondre aux attentes des voyageurs :

1. L’offre de transition,Cette approche est conçue pour répondre aux attentes des passagers qui souhaitent minimiser leur temps en aéroport et éviter toute source de stress (Rowley & Slack, 1999).
   • Mise en place de files prioritaires et de technologies pour fluidifier les contrôles (Rowley & Slack, 1999).
   • Signalétique et repérages améliorés : un agencement intuitif des espaces, des indications claires et des outils numériques permettent aux passagers de naviguer plus facilement (Pütz, 2012).
   • Services de pré-enregistrement et de bagagerie rapide : ces solutions permettent aux passagers de gagner du temps et d’éviter les files d’attente aux comptoirs d’enregistrement (Bissell, 2009).
2. L’offre d’expédition,Cette approche s’adresse aux passagers qui acceptent le passage en aéroport comme une étape obligatoire du voyage mais qui recherchent des éléments valorisants pour rendre cette expérience plus agréable (Bissell, 2009).
   • Valorisation du parcours client : l’aéroport est segmenté en zones où chaque passage (sécurité, embarquement, boutique) est perçu comme une étape à franchir avec succès (Bissell, 2009).
   • Récompenses après les contrôles : l’introduction de bons d’achat, d’offres spéciales ou d’accès à des services premium permet d’associer une satisfaction immédiate au passage des contraintes administratives. (Bergadaà, 2009).
   • Parcours adaptés selon le type de voyageur : segmentation des offres pour répondre aux besoins spécifiques des voyageurs d’affaires, des familles ou des touristes (Bissell, 2009).
   • Animations et expériences interactives : certains aéroports développent des expériences immersives comme des expositions temporaires ou des animations culturelles (Virilio, 2012)

3. L’offre d’installation,

Cette approche est pensée pour les voyageurs qui ont un temps d’attente prolongé et qui souhaitent profiter de leur présence à l’aéroport plutôt que de simplement patienter jusqu’à l’embarquement (Amirou, 2008).

• Création de zones de confort et de détente : mise en place de salons, espaces de relaxation, hôtels et spas pour améliorer l’expérience des passagers (Amirou, 2008).
• Diversification des espaces commerciaux et de divertissement : au-delà des traditionnels duty-free, l’aéroport propose des galeries d’art, des concept stores et des espaces culturels (Arnould et al., 1998).
• Services premium personnalisés : certaines infrastructures offrent des conciergeries, des expériences culinaires haut de gamme ou des espaces de travail optimisés pour les voyageurs d’affaires (Arnould et al., 1998).

Conclusion

L’étude de Welté et Ochs (2015) nous rappelle que les lieux de transit ne sont pas que de simples infrastructures anonymes. Grâce à une approche marketing bien pensée, il est possible de rendre ces espaces plus humains et plus attractifs. L’aéroport, qui est souvent perçu comme une contrainte, peut ainsi devenir un lieu où les passagers se sentent bien et consomment plus volontiers.

Références bibliographiques :

• Amirou, R. (2008). Les communautés de consommateurs comme espace transitionnel. Décisions Marketing, 52(4), 31-40.
• Arnould, E. J., Price, L. L., & Tierney, P. (1998). Communicative staging of the wilderness servicescape. Service Industries Marketing: New Approaches, Frank Cass Publishers, London.
• Augé, M. (1992). Non-lieux. Introduction à une anthropologie de la surmodernité. Paris, Éditions du Seuil.
• Bergadaà, M. (2009). Le temps économique et le temps psychologique du voyageur dans un aéroport international. La Revue des Sciences de Gestion, 236(2), 13-23.
• Bissell, D. (2009). Conceptualising differently-mobile passengers. Social & Cultural Geography, 10(2), 173-195.
• Pütz, O. (2012). From non-places to non-events. Journal of Contemporary Ethnography, 41(2), 154-188.
• Rowley, J., & Slack, F. (1999). The retail experience in airport departure lounges. International Marketing Review, 16(4/5), 363-376.
• Virilio, P. (2012). Vitesse et politique. Éditions Galilée.
• Welté, J.-B., & Ochs, L. (2015). Le marketing des lieux de transit : le cas de l’aéroport. Décisions Marketing, 77, 101-114.

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

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

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

Synthèse

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

Développement

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

Méthodologie et résultats

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

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

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

Bibliographie citée

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

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

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

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

Synthèse

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

Développement

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

Méthodologie et résultats

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

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

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

Bibliographie citée

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

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

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

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

Synthèse

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

Développement

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

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

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

Bibliographie citée

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

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

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

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

Synthèse

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

Développement

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

Méthodologie et résultats :

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

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

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

Bibliographie citée

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

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

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

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

Synthèse

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

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

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

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

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

Rôle modérateur de la dynamique de l’industrie :

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

Méthodologie et résultats :

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

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

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

Bibliographie citée

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

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

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

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

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

Développement

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

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

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

Bibliographie citée

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

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

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

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

Synthèse

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

Développement

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

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

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

Bibliographie citée

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

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

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

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

Synthèse

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

Développement

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

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

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

Bibliographie citée

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