L’Internet des Objets (IoT) : de la technologie à la prise en compte théorique en MSI

L’Internet des Objets (IoT) : de la technologie à la prise en compte théorique en MSI 

La littérature récente (Adamopoulos et al., 2021 ; Baiyere et al., 2021 ; Boehmer et al., 2020 ; Côrte-Real et al., 2020 ; Oberländer et al., 2018 ; Velsberg et al., 2020) présente l’IoT comme une technologie disruptive émergente et populaire auprès des organisations, et dans la société en général. Elle offre aux organisations des possibilités sans précédent pour adresser de nouveaux marchés, développer des innovations, réaliser des changements, s’adapter aux comportements changeant des clients (Baiyere et al., 2021 ; Steininger, 2019). Elle est perçue comme une source potentielle « de nouvelles formes de valeur sans précédent, en apportant des changements fondamentaux à la façon dont les entreprises et les industries opèrent, ainsi qu’un impact potentiellement significatif sur la société au sens large » (Prince et al., 2014 p.106-107). À cet égard, l’IoT est considéré comme une innovation stratégique ouverte. C’està-dire qu’il correspond à une nouvelle donne permettant aux organisations de réaliser une croissance élevée et de générer davantage de valeur grâce aux opportunités qu’ouvre son usage concernant la redéfinition de leurs marchés, clients, approches opérationnelles et Business Models (Prince et al., 2014). Cependant, définir exactement ce qu’est l’IoT, ce qu’il recouvre ou intègre reste une entreprise délicate et difficile, car l’IoT peut être considéré comme un terme global et parapluie pouvant concerner plusieurs technologies évolutives (Oberländer et al., 2018). Dans cette section, nous tentons donc, suivant une approche holistique, de définir l’IoT en tant que concept. La définition proposée est adaptée particulièrement au contexte d’usage de l’IoT dans les organisations, où les praticiens préfèrent parfois le terme IIoT (Industrial Internet of Things). Ensuite, nous discutons du positionnement de l’IoT par rapport aux TIs classiques. Suite à cette discussion, nous exposons brièvement le développement historique de la technologie ainsi que les architectures actuelles souvent déployées. Nous présentons également les potentielles parties prenantes de l’écosystème de l’IoT en fonction de la feuille de route de l’organisation pour aboutir à un usage réel de la technologie.

Cerner l’IoT 

Bien qu’il n’y ait pas de définition universellement acceptée (Baiyere et al., 2021 ; Li et al., 2015 ; Whitmore et al., 2015), quelques caractéristiques essentielles de l’IoT peuvent être soulignées :
1- un réseau d’artéfacts physiques ;
2- une connectivité internet s’appuyant sur des normes de communication filaire ou non et reliant entre eux les artéfacts ;
3- la collecte et l’échange de données au sein du réseau (Baiyere et al., 2021 ; Oberländer et al., 2018 ; Santos et al., 2017 ; Velsberg et al., 2020). Ces caractéristiques reflètent le principe fondamental de l’usage de l’IoT dans le contexte organisationnel, c’est-à-dire s’appuyer sur la connectivité réseau reliant les artéfacts les uns aux autres, l’échange et le traitement des données pour répondre à une grande variété de besoins des organisations, tels que l’amélioration des processus, l’accroissement de la productivité, la modularité de l’infrastructure et l’agilité organisationnelle (Akhtar et al., 2018 ; Velsberg et al., 2020). Pour faire simple, l’IoT fait référence à des artéfacts physiques identifiables qui embarquent des capacités électroniques et informatiques, c’est-à-dire des capteurs et des actionneurs, des logiciels. Ces artéfacts physiques sont reliés entre eux grâce à une connectivité réseau leur permettant d’échanger des données, avec une faible consommation d’énergie (Adamopoulos et al., 2021 ; Baiyere et al., 2021). Dans le contexte organisationnel sur lequel se focalise notre recherche doctorale, en particulier l’environnement manufacturier qui sera exploré dans la 3ème partie, l’IoT correspond souvent à des capteurs et des actionneurs (natifs à l’équipement ou montés ultérieurement) connectés au réseau internet industriel (filaire ou non) pour collecter des données qui sont stockées localement (en périphérie de réseau) ou dans un cloud distant. Ces données sont ensuite traitées, analysées et récupérées sur des plateformes et des artéfacts de gestion des opérations pour permettre la prise de décisions, généralement en temps réel ou quasi réel, concernant plusieurs aspects comme la planification de la production, le contrôle qualité, la maintenance des actifs et équipements, la gestion des ressources humaines, la gestion des achats, etc. L’IoT dans un environnement organisationnel et manufacturier peut également inclure des artéfacts technologiques et physiques comme les casques de réalité augmentée ou virtuelle, les smartphones, les tablettes, etc. Alavian et al. (2020) proposent une illustration de ce schéma de l’IoT où ils décrivent un système baptisé PMA (programmable manufacturing advisor) permettant aux organisations d’automatiser la prise de décision en matière de production. Leur système s’appuie sur :
1- des données IoT alimentant de manière continue un modèle mathématique du système de production,
2- des analyses évaluant de manière autonome les systèmes pour quantifier les améliorations potentielles, et
3- une optimisation conseillant des voies optimales pour améliorer la productivité. Leur système PMA, expliquent-ils, est accessible via une application web installée sur site ou dans le cloud, et son usage ne nécessite aucune connaissance spécifique relative à l’ingénierie des systèmes de production ou à l’analyse des données. Ces caractéristiques rendent le système particulièrement adapté au pilotage des opérations et facilement utilisable par les membres de l’organisation en première ligne (ex. des opérateurs sur les chaînes de production). Chen et al. (2018) proposent une autre illustration de la conceptualisation IoT décrite ci dessus. Ils présentent quatre étapes :
1- l’étape d’acquisition des données, où les capteurs installés sur les machines mesurent la consommation d’énergie en temps réel et collectent des données de fonctionnement qui sont prétraitées par les PC industriels et le système de surveillance de la consommation d’énergie installés sur chaque équipement de production ;
2- l’étape de transmission des données, où les données collectées au niveau de la précédente étape sont acheminées vers le niveau supérieur par le biais d’artéfacts sans fil tels que des routeurs et des cartes ;
3- l’étape du traitement des données, où les données IoT collectées au niveau de la première étape sont traitées et analysées par des logiciels tels que le MES (manufacturing execution system) et l’EMMS (energy monitoring and management system) ;
4- l’étape applicative, où les données traitées sont fournies aux utilisateurs comme les opérateurs machines, les planificateurs de production, les directeurs d’usine. Le schéma IoT décrit ci-dessus et qu’illustrent Alavian et al. (2020) et Chen et al. (2018) correspond à ce que Baiyere et al. (2021 p.557, 560) appellent un « système IoT » ou « l’IoT global ». Il présente l’IoT comme un enchevêtrement complexe d’artéfacts interconnectés par le biais d’un réseau, des artéfacts pouvant aussi être reliés aux agents humains, avec des flux et des analyses de données importants au cœur du système, une meilleure réalisation des tâches, et une prise de décision améliorée comme objectifs. Il s’agit là d’une perception succincte, mais non exhaustive de l’IoT telle que nous la concevons dans ce travail doctoral. Conformément aux travaux de Baiyere et al. (2021), il peut toutefois être utile de distinguer ce concept d’IoT, également appelé système IoT ou IoT global, de « la technologie IoT » ou de « l’IoT en tant qu’objet ». La technologie IoT renvoie aux caractéristiques et capacités techniques sous jacentes au système IoT présenté ci-avant et permettant aux objets ou « choses » de fonctionner au sein du système. L’objet est un artéfact physique unitaire ou une chose qui fonctionne au sein du système IoT. Néanmoins, pour faciliter notre analyse et notre discussion, nous utiliserons indifféremment dans le reste du manuscrit les termes « système IoT », « IoT global » et « technologie IoT ».

Positionner l’IoT par rapport aux TIs classiques 

Bien que l’IoT et ses impacts suscitent déjà un intérêt croissant dans la littérature en MSI, depuis au moins l’émergence de la RFID, il peut être intéressant d’analyser les points communs avec la perception classique des TIs, mais aussi de souligner les différences. À cet égard, Baiyere et al. (2021) s’appuient sur quatre paramètres pour distinguer l’IoT d’une TI classique, qui peut être définie « comme un ensemble intégrant une combinaison de composants logiciels, matériels, bases de données et réseaux avec une capacité de traitement de l’information visant à permettre la réalisation de tâches individuelles, collectives et organisationnelles » (Nevo et al., 2009 p.224, 2010 p.833). Les quatre paramètres de comparaison que présentent Baiyere et al. (2021) sont
1- l’objectif à la conception,
2- le everyware,
3- le recours aux données, et 4- la connectivité.

L’objectif à la conception. Alors que l’artéfact TI est délibérément conçu pour réaliser une tâche ou un processus informatique, l’artéfact IoT peut ne pas l’être. L’artéfact IoT peut en effet être un objet ordinaire conçu à l’origine pour répondre à un besoin non informatique. Toutefois, il peut être reconverti en intégrant des fonctionnalités TIs pour répondre à la fois à son objectif initial, et à un objectif additionnel informatique (Baiyere et al., 2021 ; Whitmore et al., 2015). Ainsi, alors que l’artéfact TI est principalement conçu pour répondre à un objectif informatique, l’artéfact IoT peut acquérir sa capacité TI ultérieurement en réorientant un objet ordinaire vers la satisfaction d’un besoin TI additionnel. Pour illustrer ce point, prenons les exemples d’une imprimante et d’une smartwatch (montre connectée). L’imprimante, en tant qu’artéfact TI, est délibérément conçue pour exécuter des processus informatiques tels que la réception d’un ordre d’impression (données), la réalisation de la tâche, et la communication de son état. Dans un schéma différent, l’objectif initial d’une montre est d’informer sur l’heure qu’il fait. Reconvertie, elle devient une smartwatch, un artéfact IoT intégrant d’une part l’objectif et la fonctionnalité originels d’une montre conventionnelle, et de manière additionnelle un objectif et une fonctionnalité informatiques grâce à la capacité à collecter, recevoir, traiter et transmettre les données physiologiques de son utilisateur.

Le everyware. La littérature (Baiyere et al., 2021 ; Nevo et al., 2010 ; Whitmore et al., 2015) nous rappelle qu’une TI intègre généralement quatre composants principaux, à savoir le matériel, les logiciels, les données et le réseau. Tous ces composants sont au cœur des TIs classiques, mais aussi des systèmes IoT, bien qu’il existe une différence majeure concernant la nature du matériel. Comme noté précédemment, le matériel des TIs classiques est conçu pour répondre à un besoin informatique. Alors que ce n’est pas nécessairement le cas dans les systèmes IoT, où tout artéfact physique peut être réaffecté vers un usage informatique. Baiyere et al. (2021) suggèrent en conséquence d’utiliser le terme « everyware » pour les systèmes IoT en lieu et place de hardware, ce dernier correspondant davantage aux usages TIs conventionnels. En d’autres termes, tout objet ordinaire peut être transformé pour servir de matériel dans le système IoT, devenant ainsi un everyware. Reprenons les exemples de l’imprimante et de la montre évoqués précédemment. L’imprimante est un matériel TI classique conçu spécifiquement pour adresser un usage informatique. En revanche, la montre, un objet ordinaire, est transformée pour devenir un everyware capable de remplir à la fois son objectif initial, en l’occurrence donner l’heure, et un nouvel objectif informatique, collecter des données et guider le comportement de l’utilisateur.

Le recours aux données. La capacité à s’appuyer sur les données (aussi appelée capacité en termes de données ), via leur création ou leur collecte, est une condition essentielle pour parler d’IoT. Toutefois, cette condition préalable peut également être remplie par les TIs classiques (Baiyere et al., 2021 ; Nevo et al., 2010). Il est donc important de distinguer la capacité des systèmes IoT en termes de données de celle des TIs classiques. Pour l’IoT, la capacité en termes de données correspond à la capacité du système ou de l’artéfact à s’appuyer sur sa fonctionnalité de détection pour collecter et traiter des données (relatives par ex. à la température, à l’humidité, au mouvement, à la quantité, etc.) de manière à acquérir une perception réelle de ce qui se passe , acquérir une intelligence de l’environnement, une connaissance phénoménologique (Whitmore et al., 2015). Dans le même ordre d’idées, Monteiro & Parmiggiani (2019 p.168-169) affirment que la fonction de détection permet à l’IoT de percevoir le monde réel d’une manière si riche qu’elle se rapproche de plus en plus de la capacité sensorielle humaine.

Table des matières

1. Introduction générale
1.1 Objectif et questions de recherche
1.2 L’Internet des Objets (IoT) : de la technologie à la prise en compte théorique en MSI
1.2.1 Cerner l’IoT
1.2.2 Positionner l’IoT par rapport aux TIs classiques
1.2.3 Développements technologiques et technologies utilisables
1.2.4 Les tierces parties pouvant être impliquées
1.3 L’usage de l’IoT : à quoi cela correspond-t-il ?
1.4 Design de la recherche
1.4.1 Fondements philosophiques
1.4.1.1 La métaphysique : qu’est-ce que la valeur ?
1.4.1.2 L’axiologie : quel type de valeur valoriser ?
1.4.1.3 L’épistémologie : comment accédons-nous à la connaissance ?
1.4.1.4 Le raisonnement : comment devons-nous raisonner ?
1.4.2 Théorisation
1.4.2.1 Qu’est-ce que la théorie
1.4.2.2 Les théories explicatives et prédictives
1.4.2.3 Pourquoi la théorie ?
1.4.2.4 Comment théoriser ?
1.4.3 Méthodes
1.4.3.1 La méta-analyse
1.4.3.2 L’étude de cas
1.5 Conclusion
2. Première partie : La valeur de l’IoT pour les organisations – les formes et les mécanismes générateurs
2.1 Conceptualisation de la valeur de l’IoT pour les organisations
2.2 Fondements théoriques
2.2.1 Tirer profit d’une innovation technologique
2.2.1.1 L’appropriabilité
2.2.1.2 La complémentarité
2.2.1.3 Le timing
2.2.2 Capacités dynamiques
2.2.2.1 Différentes formes de Capacités dynamiques
2.2.2.2 Critères de performance
2.2.2.3 Les capacités opérationnelles ordinaires
2.2.3 Un cadre intégrateur
2.3 Concrétiser les reconfigurations et changements de processus
2.3.1 La visibilité des processus
2.3.2 L’automatisation des processus
2.3.3 La reconfiguration des processus
2.3.4 La socialisation des artéfacts physiques
2.4 Concrétiser les changements organisationnels
2.4.1 Les changements de Business Model
2.4.2 La transformation organisationnelle
2.5 Concrétiser la valeur économique mesurable
2.6 Les ressources complémentaires indispensables
2.7 Les aspects individuels importants
2.7.1 Les stratégies cognitives
2.7.2 Les stratégies par le dialogue
2.8 Conclusion
3. Deuxième partie : Une facette de la valeur de l’IoT pour les organisations – leschangements de Business Model
3.1 Fondements théoriques
3.1.1 Les approches par les ressources
3.1.1.1 La perspective d’Edith Penrose
3.1.1.2 La perspective de Barney
3.1.1.3 L’importance de la polyvalence des ressources en MSI
3.1.2 Les changements de Business Model
3.1.2.1 Plusieurs perceptions du Business Model dans la littérature
3.1.2.2 Plusieurs dimensions du Business Model
3.1.2.3 Le mécanisme du changement de Business Model
3.1.2.4 Les changements de Business Model qu’entraîne l’IoT
3.1.2.5 Les potentiels inhibiteurs des changements de Business Model
3.2 Méta-analyse d’études managériales
3.2.1 Contraintes méthodologiques
3.2.2 Constitution du corpus d’études
3.2.3 L’analyse qualitative : l’agrégation abductive
3.2.3.1 Le BM Canvas
3.2.3.2 Le processus d’inférence rétrodictive
3.2.4 L’analyse quantitative : l’algorithme d’agrégation ordinale
3.3 Résultats de la méta-analyse
3.3.1 Les motivations – bénéfices de l’usage de l’IoT
3.3.2 Les challenges – risques de l’usage de l’IoT
3.3.3 Analyse croisée des motivations – bénéfices et challenges – risques
3.4 Discussion
3.4.1 Les antécédents des changements de Business Model
3.4.2 Deux principaux changements de Business Model qu’entraîne l’IoT
3.4.3 Le mécanisme des changements de Business Model
3.4.4 Le dialogue face aux inhibiteurs des changements de Business Model
3.5 Voies de recherche
3.5.1 Explorer les mécanismes de coordination des fournisseurs de compléments
3.5.2 Explorer plus avant les reconfigurations de la création et de la proposition de valeur
3.6 Conclusion
4. Troisième partie : Une autre facette de la valeur de l’IoT pour les organisations – la reconfiguration de la Stratégie Industrielle
4.1 Fondements théoriques
4.1.1 La reconfiguration et les compléments externes
4.1.2 La Stratégie Industrielle
4.1.2.1 Les capacités industrielles
4.1.2.2 Les domaines de choix
4.2 Une nouvelle structuration pour le contenu de la Stratégie industrielle
4.2.1 La qualité
4.2.1.1 La conformité des processus
4.2.1.2 La conformité des produits
4.2.2 La fiabilité
4.2.2.1 Livrer dans les délais
4.2.2.2 Célérité de la livraison
4.2.3 La flexibilité
4.2.3.1 Changement de produit
4.2.3.2 Changement de volume
4.3 Impacts sur le coût et la performance
4.3.1 La réduction des coûts de production
4.3.2 Les améliorations de performance opérationnelle
4.4 Un cadre théorique étendu
4.5 L’exploration empirique
4.5.1 Pertinence des approches par études de cas pour la présente recherche
4.5.1.1 Principales caractéristiques des études de cas
4.5.1.2 Les études de cas réalistes critiques
4.5.2 Sélection des cas et collecte de données
4.5.2.1 Sélection des cas
4.5.2.2 Les sources de données
4.5.2.3 Analyse des données
4.5.3 Validité et fiabilité
4.5.3.1 Validité du construit
4.5.3.2 Validité interne
4.5.3.3 Validité externe
4.5.3.4 La fiabilité
4.6 Résultats
4.6.1 Les reconfigurations et les changements de la Stratégie industrielle
4.6.1.1 Les reconfigurations et les changements concernant la qualité
4.6.1.2 Les reconfigurations et les changements concernant la fiabilité
4.6.1.3 Les reconfigurations et les changements concernant la flexibilité
4.6.1.4 Les reconfigurations et les changements concernant le coût
4.6.1.5 La prise en compte de la cybersécurité
4.6.2 Le contexte d’émergence
4.6.3 La structure causale
4.6.4 Les impacts des reconfigurations et changements sur le coût et la performance
4.7 Discussion
4.7.1 L’importance du contexte causal du phénomène d’intérêt
4.7.2 La théorie causale permettant d’expliquer le phénomène d’intérêt
4.7.3 La reformulation de la Stratégie industrielle
4.7.3.1 Des processus dynamiques et combinés
4.7.3.2 La prise en compte des autres principaux domaines de choix
4.7.3.3 La prise en compte de la cybersécurité
4.7.4 Les changements organisationnels résultant de l’usage de l’IoT
4.8 Voies de recherche
4.8.1 Investiguer les interactions entre les paramètres causaux du contexte d’émergence
4.8.2 Explorer les changements organisationnels résultant de la cybersécurité
4.9 Conclusion
5. Conclusion générale

Lire le rapport complet