Applications, challenges, and implementations of AI in B2B business

Cette thèse examine l'intégration de l'intelligence artificielle (IA) dans les environnements logiciels business-to-business (B2B) au moyen d'un dispositif de recherche multi-méthodes mené au sein d'une entreprise européenne de logiciels B2B. Motivée par le rôle stratégique croissant de l'IA dans la transformation des processus décisionnels fondés sur les données et des modes de coordination organisationnelle en contexte B2B, cette recherche analyse comment les applications d'IA créent de la valeur, rencontrent des contraintes analytiques et organisationnelles, et s'intègrent dans les pratiques des entreprises. Pour structurer cette investigation, la thèse développe un cadre analytique composé de trois dimensions interreliées : les applications, les défis et la mise en œuvre.Ces trois dimensions sont examinées à travers une combinaison d'études quantitatives et qualitatives réalisées dans un environnement logiciel B2B. Dans la dimension des applications, la recherche montre comment les données comportementales et interactionnelles peuvent être transformées en résultats analytiques éclairant les décisions d'acquisition et de rétention des clients. Les études démontrent que les schémas d'usage, les trajectoires d'engagement et les comportements d'essai peuvent être modélisés de manière à élargir la base informationnelle de l'action managériale. Dans la dimension des défis, les analyses révèlent les conditions analytiques et organisationnelles qui influencent la faisabilité et l'utilité des applications d'IA. Celles-ci incluent l'effort nécessaire pour structurer des données hétérogènes, la nécessité de préserver l'interprétabilité lorsque les modèles deviennent plus complexes, ainsi que les contraintes générées par les structures de coordination et de gouvernance existantes. La dimension de mise en œuvre retrace le processus organisationnel par lequel les outils analytiques sont conçus, développés et intégrés dans les pratiques. Les résultats montrent que ce processus se déploie en phases successives de définition des données, de spécification du modèle et d'intégration de l'outil, façonnées par les interactions entre experts techniques, managers et parties prenantes organisationnelles.Ensemble, les trois études offrent une base empirique intégrée permettant de comprendre comment l'IA s'ancre au sein des organisations B2B. Les analyses montrent que les applications fondées sur les données évoluent à travers des processus qui transforment les informations comportementales en connaissances actionnables, permettant aux entreprises d'anticiper les besoins des clients et de soutenir des décisions éclairées. Les résultats démontrent également que les contraintes techniques et organisationnelles façonnent conjointement la faisabilité et l'impact des initiatives d'IA, la réussite de leur mise en œuvre dépendant d'une articulation durable entre infrastructures de données, modèles analytiques, rôles managériaux et routines opérationnelles. En synthétisant ces éléments, la thèse propose une perspective multi-niveaux sur l'intégration de l'IA en contexte B2B, montrant que l'IA contribue à la performance des entreprises par trois mécanismes récursifs, création de valeur, préservation de la valeur et institutionnalisation de la valeur, qui se déploient à différents stades du cycle de vie client et organisationnel. Pris ensemble, ces mécanismes montrent que la valeur des intégrations d'IA en contexte B2B émerge de l'alignement et de la co-évolution continus des actifs de données, des configurations analytiques et des pratiques organisationnelles, grâce auxquels les systèmes prédictifs deviennent à la fois opérationnellement pertinents et institutionnellement pérennes.