HEC MONTRÉAL
Vision commune et performance des équipes dans un
contexte de processus d’affaires intégrés.
Par
El Hassane Ndiaye
Sciences de la gestion
(Technologies de l’information)
Mémoire présenté en vue de l’obtention
du grade de maîtrise ès sciences
M.Sc.
Juin 2012
© El Hassane Ndiaye, 2012
Note à propos de l’avis de conformité du CER
Ce projet a été déposé au Comité d’éthique et de recherche (CER) de
HEC Montréal sous le titre de « Modèles mentaux partagés et performance
des équipes dans un contexte de processus d’affaires intégrés ».
Depuis son acceptation par le CER, une légère modification a été apportée
au titre du mémoire qui est devenu « Vision commune et performance des
équipes dans un contexte de processus d’affaires intégrés ».
Cependant, aucune modification n’a été apportée aux procédures de
collecte de données sur lesquelles le CER s’est basé pour donner son avis
de conformité.
El Hassane Ndiaye.
I
Sommaire
Les processus d’affaires sont des suites logiques d’activités
interreliées, pouvant impliquer plusieurs entités organisationnelles. Ils sont
organisés dans le but de fournir un produit ou un service aux clients de
l’organisation de façon efficace et efficiente. Les technologies de l’information
comme les progiciels de gestion intégrée (PGI) aident les organisations à
rendre les processus d’affaires plus performants. Cependant certaines
entreprises peinent à maximiser la performance des processus d’affaires. La
littérature scientifique suggère que des relais de performance des processus
d’affaires existent ailleurs que dans la seule automatisation que leur
permettent les technologies de l’information.
Le but de l’étude présentée dans ce mémoire est d’examiner l’influence des
humains sur la performance des processus d’affaires. Il sera question de
s'inspirer des modèles d'efficacité des équipes. Plus spécifiquement, nous
essayerons de comprendre dans quelle mesure l'existence de modèles
mentaux partagés (Shared Mental Models), au sein de parties prenantes
(groupes d’humains) d’un processus d’affaires, permet à ces dernières de
collaborer efficacement et augmente leur performance.
La méthodologie adoptée prend la forme d’une étude exploratoire, itérative et
inductive. Lors de chaque itération, nous avons utilisé des techniques issues
de l’approche de la Grounded Theory qui consiste à découvrir des théories à
partir de données systématiquement collectées et analysées. Ainsi, lors de
chaque itération, nous avons observé, découvert et défini des concepts
pertinents pour notre contexte d’étude. Nous avons également collecté des
données qui nous ont permis d’analyser les relations entre les concepts, puis
avons réadapté ces derniers avant d’aboutir à un modèle final avec des
propositions à tester lors de futures études. Notre démarche s’accompagne
du développement d’un outil technologique de collecte de données et d’un
rapport de calibrage que nous avons également adaptés au fur et à mesure
des itérations. Les participants à l’étude évoluent dans le contexte de
II
gestion ERPSim, un simulateur permettant d’automatiser des processus
d’affaires avec l’aide d’un PGI. Sans le contexte comme celui offert par
ERPSim, il serait difficile, voire impossible de faire le genre d’étude que
nous présentons dans ce mémoire.
Au final, l’étude est composée de trois itérations. Les résultats de l’étude sont
présentés en cohérence avec ces itérations. Les conclusions issues de ces
résultats nous suggèrent deux concepts déterminants dans un contexte de
processus d’affaires intégrés. Le premier, l’amplitude de la vision commune
parmi les membres d’une équipe, semble être composée de celles de la
stratégie, de la coordination et de l’adaptabilité. Le deuxième, le niveau de
mésentente sur la perception de la vision commune parmi les membres
d’une équipe, semble être composé de ceux sur la coordination et sur la
stratégie. Pour le modèle final, nous faisons deux propositions.
Premièrement, l’amplitude de la vision commune parmi les membres d’une
équipe a une influence positive sur la performance des processus d’affaires
dont cette équipe est responsable de l’exécution. Deuxièmement, le niveau
de mésentente sur la perception de la vision commune parmi les membres
d’une équipe a une influence négative sur la performance des processus
d’affaires dont cette équipe est responsable de l’exécution.
Les apports de cette étude se situent autant au niveau théorique que
méthodologique. Enfin, ce mémoire se termine avec des recommandations
pour de futures études dans un contexte similaire à celui qui y est utilisé.
III
Remerciements
Dans cette section, j’aimerais remercier toutes les personnes qui, de près
ou de loin, ont contribué à l’aboutissement de ce mémoire de maitrise.
J’aimerais commencer par mes deux co-directeurs Pierre-Majorique Léger et
Olivier Caya pour leur encadrement indispensable. Pierre-Majorique et
Olivier m’ont accompagné du début à la fin de ce projet en me fournissant
des conseils et orientations pertinents. Je les remercie pour leur soutien, leur
disponibilité, leur ouverture et pour l’ambiance agréable tout au long de ce
projet.
Chacun sait que l’un des plus gros défis d’un mémoire est la collecte de
données. J’aimerais alors remercier toutes les personnes qui ont rendu ma
collecte de données possible. Cela inclut les professeurs qui ont bien voulu
m’aider à avoir accès à leurs classes, ainsi que les étudiants des différentes
universités qui ont pris le temps de répondre à mon questionnaire. Cette
collecte de données s’est appuyée sur le contexte fourni par ERPsim. Je
remercie tout le personnel du laboratoire ERPsim pour leur disponibilité. Je
pense spécialement à Gilbert pour les explications techniques de
l’environnement ERPSim, Carl qui m’a été d’une grande utilité dans l’analyse
des données, Jean-François et Stéphanie pour leur disponibilité, Nicholas
pour son support lors du développement de l’outil technologique de collecte
de donnée et bien sûr Pierre-Majorique, directeur du laboratoire, pour m’avoir
donné accès à ERPsim pour collecter mes données.
Enfin, j’aimerais remercier ma famille et mes amis pour leur soutien tout au
long de mon projet de maitrise. Je pense spécialement à mon père qui m’a
toujours encouragé dans mes études, mais surtout à ma mère qui m’a
poussé à commencer cette maitrise, mais malheureusement qui n’a pas pu
en voir l’aboutissement.
Je vous souhaite une bonne lecture.
iv
Table des matières
Sommaire ....................................................................................................... I
Remerciements ............................................................................................. III
Table des matières ........................................................................................ iv
Liste des figures ........................................................................................... viii
Liste des tableaux .......................................................................................... ix
Chapitre 1 : Introduction ................................................................................. 1
1.1. Problématique : Les aspects humains dans la performance des
processus d’affaires d’une organisation...................................................... 1
1.2. Questions de recherche et objectifs .................................................. 4
Chapitre 2 : Revue de littérature et cadre de recherche ................................ 5
2.1. Les processus d’affaires ................................................................... 5
2.2. L’interdépendance dans les processus d’affaires ............................. 5
2.3. La performance des processus d’affaires ......................................... 5
2.4. Les progiciels de gestion intégrée et les processus d’affaires .......... 6
2.5. L’aspect humain, les équipes et les processus d’affaires ............... 6
2.6. La notion d’équipe ............................................................................ 8
2.7. L’efficacité des équipes................................................................... 10
2.8. Les modèles de l’efficacité des équipes.......................................... 10
2.8.1. Le modèle des conditions de l’efficacité des équipes ............... 10
2.8.2. Le cadre Input-Process-Outcome (IPO) ................................... 13
2.8.3. L’évolution du modèle IPO vers le modèle Input Mediator Output
Input (IMOI) ........................................................................................... 14
2.9. Les concepts étudiés dans les modèles d’efficacité des équipes ... 16
2.9.1. Les intrants (« Inputs ») ............................................................ 16
2.9.1.1. Les intrants au niveau individuel ........................................ 16
2.9.1.2. Les intrants au niveau de l’équipe ..................................... 17
v
2.9.1.3. Les intrants au niveau organisationnel et environnemental 17
2.9.2. Les médiateurs ......................................................................... 18
2.9.2.1. Les processus .................................................................... 18
2.9.2.2. Les états émergents .......................................................... 18
2.9.2.3. Les médiateurs mixtes ....................................................... 19
2.9.3. Les extrants (« Outcomes ») .................................................... 19
2.10. Les modèles mentaux partagés (« Shared Mental Models »)...... 20
2.10.1. A propos du concept ............................................................. 20
2.10.2. Les types de modèles mentaux partagés ............................. 21
2.10.3. Les modèles mentaux partagés, les processus et la
performance .......................................................................................... 23
2.11. Cadre de recherche ..................................................................... 25
Chapitre 3 : Méthodologie ............................................................................ 27
3.1. Stratégie méthodologique : Une approche inductive et itérative ..... 27
3.2. Le contexte d’étude ........................................................................ 29
3.2.1. Le choix d’ERPsim ................................................................... 29
3.2.2. Description du contexte ERPsim .............................................. 30
3.3. La stratégie globale de collecte de données ................................... 30
Chapitre 4 : Résultats et analyses ............................................................... 33
4.1. Processus itératif : Une vue d’ensemble de l’approche .................. 33
4.2. Première itération ........................................................................... 34
4.2.1. Observation et prise de notes .................................................. 35
4.2.2. Découverte et définition des concepts ...................................... 35
4.2.3. Développement du matériel de collecte de données ................ 39
4.2.4. Collecte de données ................................................................. 39
4.2.5. Analyse .................................................................................... 41
4.2.5.1. Analyse factorielle .............................................................. 41
4.2.5.2. Corrélations ....................................................................... 45
4.2.6. Conclusion de la première itération .......................................... 45
vi
4.3. Deuxième itération .......................................................................... 47
4.3.1. Définition et précisions au niveau des concepts ....................... 48
4.3.2. Collecte de données ................................................................. 50
4.3.3. Analyse .................................................................................... 51
4.3.3.1. Analyse factorielle .............................................................. 52
4.3.3.2. Corrélations ....................................................................... 53
4.3.4. Conclusion de la deuxième itération ......................................... 56
4.4. Troisième itération .......................................................................... 58
4.4.1. Observation et prise de notes .................................................. 59
4.4.2. Description des nouveaux concepts ......................................... 59
4.4.3. Adaptation de la stratégie de collecte de données ................... 62
4.4.3.1. La nouvelle stratégie de collecte ........................................ 62
4.4.3.2. Justification de l’utilisation des pictogrammes ................... 63
4.4.3.3. Le développement des pictogrammes .............................. 63
4.4.3.4. Le test des pictogrammes par card sorting ........................ 65
4.4.4. Collecte de données ................................................................. 66
4.4.5. Analyse .................................................................................... 67
4.4.5.1. Analyse factorielle .............................................................. 67
4.4.5.2. Corrélations ....................................................................... 68
4.4.5.3. Régressions ....................................................................... 71
4.4.6. Conclusion de la troisième itération .......................................... 73
Chapitre 5 : Conclusion et recommandations .............................................. 75
5.1. Proposition d’un modèle de recherche............................................ 75
5.2. Apports de l’étude ........................................................................... 77
5.3. Limites de l’étude ............................................................................ 81
5.4. Recommandations .......................................................................... 82
Annexe 1 : Opérationnalisation des variables de la première et deuxième
itération ........................................................................................................ 84
Annexe 2 : Statistiques descriptives – Deuxième itération ........................... 87
vii
Annexe 3 : Statistiques descriptives – Troisième itération ........................... 88
Annexe 4 : Matériel utilisé pour le card sorting ............................................ 89
Annexe 5 : Questionnaire final (Troisième itération) .................................... 91
Annexe 6 : Outil technologique de collecte de données – Dossier de
conception ................................................................................................... 92
Annexe 7 : Exemple de rétroaction lors des deux premières itérations ..... 103
Annexe 8 : Exemple de rétroaction lors de la troisième itération ............... 104
Bibliographie .............................................................................................. 105
viii
Liste des figures
Figure 1 : Cadre théorique des systèmes de travail (Alter 2002) ................... 7
Figure 2 : Les cinq conditions facilitatrices de l'efficacité des équipes
(Wageman, Hackman et Lehman 2005. Figure adaptée par Wageman et al.
2005 à partir de Hackman 2002) .................................................................. 11
Figure 3 : Représentation du cadre IPO (Mathieu et al. 2008) ..................... 13
Figure 4 : Exemple d'évolution du modèle IPO (Cohen et Bailey 1997) ...... 15
Figure 5 : Modèle IMOI (Adapté par Mathieu et al. 2008) ............................ 15
Figure 6 : Cadre de recherche ..................................................................... 25
Figure 7 : Phases de la méthodologie .......................................................... 28
Figure 8 : Stratégie de collecte de données : fonctionnement de l’outil de
collecte de données ..................................................................................... 31
Figure 9 : Présentation des étapes des résultats ......................................... 34
Figure 10 : Pictogrammes représentant la Vision commune de la stratégie 64
Figure 11 : Pictogrammes représentant la Vision commune de la coordination
..................................................................................................................... 65
Figure 12 : Pictogrammes représentant l’Adaptabilité .................................. 65
Figure 13 : Modèle de recherche final proposé ............................................ 77
Figure 14 : Étapes de la soumission du questionnaire ................................. 94
Figure 15 : Architecture de fonctionnement de l’outil de questionnaire ........ 95
Figure 16 : Structure de la base de données du questionnaire .................... 96
ix
Liste des tableaux
Tableau 1 : Taxonomie des types d’équipes (Cohen et Bailey, 1997) ........... 9
Tableau 2 : Exemples d’intrants au niveau individuel (Adapté de Mathieu et
al., 2008) ...................................................................................................... 16
Tableau 3 : Exemples d'intrants au niveau équipe (Adapté de Mathieu et al.,
2008) ............................................................................................................ 17
Tableau 4 : Les types de modèles mentaux partagés au sein des équipes
(Cannon-Bowers, Salas, & Converse, 1993) ............................................... 21
Tableau 5 : Exemples d'études mettant en relation les modèles mentaux
partagés, les processus et la performance .................................................. 24
Tableau 6 : Récapitulatif des variables de la première itération ................... 38
Tableau 7 : Participants, première itération ................................................. 40
Tableau 8 : Statistiques descriptives, première itération .............................. 40
Tableau 9 : Résultats ACP initiale, première itération .................................. 42
Tableau 10 : ACP sans coordination, première itération .............................. 43
Tableau 11 : ACP items coordination seuls, première itération ................... 44
Tableau 12 : Corrélations – Première itération............................................. 45
Tableau 13 : Récapitulatif des variables de la deuxième itération ............... 49
Tableau 14 : Participants, Classe 1 – Deuxième itération ............................ 50
Tableau 15 : Participants, Classe 2 - Deuxième itération ............................ 50
Tableau 16 : Participants, Classe 3 - Deuxième itération ............................ 51
Tableau 17 : ACP, deuxième itération (Ensemble des données) ................. 53
Tableau 18 : Corrélations - Deuxième itération ............................................ 55
Tableau 19 : Récapitulatif des variables de la troisième itération ................ 62
Tableau 20 : Participants, Classe 1 – Troisième itération ............................ 66
Tableau 21 : Participants, Classe 2 – Troisième itération ............................ 66
Tableau 22 : Participants, Classe 3 - Troisième itération ............................. 67
Tableau 23 : ACP, troisième itération .......................................................... 68
Tableau 24 : Corrélations, Troisième itération ............................................. 70
Tableau 25 : Corrélations, vision commune, phase 3 .................................. 71
Tableau 26 : Corrélations, déviations standards phase 3 ............................ 72
Tableau 27 : Statistiques descriptives, Deuxième itération .......................... 87
x
Tableau 28 : Statistiques descriptives – Troisième itération ........................ 88
1
Chapitre 1 : Introduction
1.1. Problématique : Les aspects humains dans la pe rformance des
processus d’affaires d’une organisation
Les processus d’affaires sont communément définis comme étant des
suites de tâches ou d’activités logiquement organisées et qui, à partir d’un
intrant, produisent un extrant (produit ou service) ayant de la valeur pour les
clients de l’organisation dans laquelle ils sont exécutés (Hammer et Champy
2001, Davenport 1993). Leur exécution peut concerner un ou plusieurs
départements fonctionnels de l’organisation. De ce fait, les processus
d’affaires encapsulent des interdépendances entre leurs activités, mais aussi
entre leurs parties prenantes (Kettinger, Teng et Guha 1997). Une
communication efficace et une collaboration sont alors essentielles pour la
fluidité de leur exécution.
Prenons par exemple une firme de commercialisation d’ordinateurs.
Un processus de vente commence avec le placement d’une commande par
le client et se termine par la livraison du ou des ordinateurs commandés.
L’exécution de ce processus implique la mise en œuvre de plusieurs autres
étapes. Par exemple, une vérification de la disponibilité des marchandises
est effectuée au niveau du stock et les produits doivent être retirés des
inventaires et emballés avant d’être transmis au transporteur pour la
livraison. Une diminution du stock entraine une réévaluation des inventaires
et donc un impact au niveau comptable. Cet exemple montre un processus
qui intègre au moins les départements des ventes, de la gestion des
inventaires, de la livraison et de la comptabilité. Il est clair dans cet exemple
que si la commande n’est pas communiquée à temps au département de la
livraison, elle peut être livrée avec des délais pouvant ainsi entrainer des
plaintes de la part des clients de l’organisation. Une coordination efficace
entre les personnes s’occupant de la gestion des inventaires et de la
comptabilité permet de garder les états financiers à jour de façon
instantanée.
2
A travers cet exemple, il est possible de voir que l’exécution des
processus d’affaires implique au moins une interaction entre les humains, les
processus d’affaires eux-mêmes et l’information. D’ailleurs la théorie des
systèmes de travail (« work systems ») suggère qu’il est nécessaire d’avoir
une interaction entre les humains, l’information, les processus d’affaires et la
technologie pour donner de la valeur aux produits ou services offerts aux
clients d’une organisation (Alter 2002). La technologie et les humains
apparaissent alors comme des facteurs ayant une influence sur la
performance des processus d’affaires.
Les progiciels de gestion intégrée (PGI) sont des technologies qui
automatisent et intègrent plusieurs ou la plupart des processus d’affaires
d’une entreprise (Gattiker & Goodhue, 2005). Ils font parti des facteurs qui
ont permis d’améliorer les performances des processus d’affaires.
Cependant, pendant que certaines organisations atteignent des
performances conséquentes, d’autres peinent à atteindre les bénéfices
escomptés de l’implantation de leur PGI (Gattiker & Goodhue, 2005). Sur
quel facteur, autre que celui de la seule implantation d’un PGI, une
organisation peut-elle s’appuyer pour se différencier et apporter plus de
valeurs à ses processus d’affaires? Dès lors que la théorie des systèmes de
travail place l’aspect humain comme étant central dans l’exécution des
processus d’affaires (Alter 2002), étudier l’influence de cet aspect humain
apparait comme une opportunité afin d’apporter des éléments de réponse a
cette question. Notre proposition est de le faire sous l’angle de la dynamique
des équipes responsables de l’exécution des processus d’affaires. Les
raisons de ce choix sont apportées ci-dessous.
Les entreprises ont reconnu le besoin de se séparer des approches
fonctionnelles traditionnelles pour adopter des approches par processus
clairement définis et orientés vers le client (Zairi 1997). Les processus
d’affaires intègrent plusieurs départements fonctionnels d’une entreprise.
Avec un fonctionnement par processus, les humains qui sont parties
prenantes de ces processus travaillent au-delà des frontières fonctionnelles
et non en isolation. Leurs tâches sont interdépendantes et ils partagent la
responsabilité de la qualité du produit final que reçoit le client. Certains
3
auteurs parlent d’équipes inter-fonctionnelles (ex. : Grover et Malhotra 1997,
Zairi 1997, Attaran 2004). Selon Teare et al. (1997), le concept d’équipe est
l’un des rares moyens par lesquels on peut intégrer les processus d’affaires
d’une entreprise. Pour Telleria, Little et MacBryde (2002), les entreprises
sont fortement dépendantes de la performance des équipes qui exécutent
leurs processus d’affaires. Par équipe, nous entendons un regroupement
d’individus dont leurs tâches sont interdépendantes, partageant des
responsabilités pour un résultat commun et gérant leurs relations à travers
les barrières organisationnelles (Cohen et Bailey 1997).
Maintenant que nous avons brièvement établi la place des équipes
dans un contexte de processus d’affaires intégrés, l’une des questions que
nous pourrions nous poser est la suivante : quelles sont les caractéristiques
des équipes qui sont déterminantes dans un contexte de processus d’affaires
intégrés?
Le concept de Vision commune, inspiré de celui des modèles mentaux
partagés (« Shared Mental Models ») pourrait jouer un rôle déterminant dans
un tel contexte. Ce concept a largement été étudié dans le passé et émerge
comme étant un facteur déterminant pour expliquer la performance des
équipes (Mohammed et al. 2010). La théorie qui soutient ce concept prédit
que si les membres d’un même groupe ont une vision partagée de
l’équipement, de la tâche, des interactions pour réaliser la tâche et des rôles
et expertises au sein du groupe, cela a une influence positive sur la
performance de ce dernier. Ainsi, les équipes où ce concept est bien
développé devraient avoir une vision commune de ce qui se passe
maintenant, de ce qui est susceptible de se passer et pourquoi cela se
passe. Être sur la même longueur d’onde en sachant à quoi s’attendre, en
anticipant les besoins des autres membres de l’équipe et en expliquant ce
qui est observé, permet à l’équipe de bien coordonner ses actions et
d’adapter ses comportements en fonction des exigences de la tâche,
permettant ainsi d’améliorer la prise de décision et la performance (Cannon-
Bowers et al. 1993).
4
Nous pensons que dans un contexte de processus d’affaires intégrés,
lorsque les parties prenantes (les groupes d’humains) partagent une vision
commune, cela peut les amener à apporter plus de valeur à ces processus
d’affaires. Par vision commune nous entendons une compréhension
partagée par les parties prenantes d’un processus d’affaires et concernant
les enjeux, les contraintes et les comportements liés à la réalisation de la
tâche commune.
1.2. Questions de recherche et objectifs
Notre problématique soulève donc la question de recherche suivante :
Est-ce que l’existence d’une vision commune parmi les parties prenantes
d’un processus d’affaires a une influence positive sur la performance de ce
dernier?
L’objectif principal de notre étude est de mesurer l’impact de la vision
commune des usagers d’un PGI, participant à un même processus d’affaires,
sur la performance de ce dernier. Plus spécifiquement, nous tenterons de
déterminer (1) quelles sont les dimensions de cette vision commune dans un
contexte de PGI et (2) dans quelle mesure cette vision commune influence la
performance des processus d’affaires.
Ce mémoire de maîtrise s’organise de la manière suivante : dans le
chapitre 2, nous menons la revue de littérature et établissons le cadre de
recherche. Le chapitre 3 présente la méthodologie adoptée. Dans le chapitre
4, nous présentons et analysons les résultats avant de conclure l’étude dans
le chapitre 5.
5
Chapitre 2 : Revue de littérature et cadre de reche rche
Cette revue de littérature s’intéresse au domaine de l’efficacité des
équipes. Nous définirons la notion d’équipe et présenterons les modèles
d’efficacité et les éléments qui les composent. A la fin de cette revue de
littérature, nous présenterons plus amplement le concept de modèles
mentaux partagés (« Shared Mental Model ») dont nous nous inspirons dans
le cadre de cette étude. Mais avant cela, nous commencerons par définir la
notion de processus d’affaires et y montrer la place des humains et des
équipes.
2.1. Les processus d’affaires
Un processus d’affaires est défini par Hammer et Champy (2001)
comme étant « a collection of activities that takes one or more kinds of input
and creates an output that is of value to the customer ». Une illustration qui
est souvent donnée est celle de l’exécution d’une vente qui débute par le
placement d’une commande (intrant) par le client et qui se termine par la
livraison d’un produit (extrant) à ce même client. Les activités qui constituent
un processus d’affaires sont structurées et mesurables. Cela implique une
forte emphase sur la manière (comment) dont le travail est fait au sein d’une
organisation, et non sur le produit (quoi) final livré (Davenport 1993).
2.2. L’interdépendance dans les processus d’affaire s
Un processus d’affaires encapsule non seulement l’interdépendance
des tâches, mais également celle des rôles, des humains qui y participent,
des départements et des fonctions nécessaires pour fournir un produit ou un
service aux clients de l’organisation (Kettinger, Teng et Guha 1997). Selon
l’envergure des processus, cette interdépendance peut être intra ou inter-
organisationnelle (Kettinger et Grover 1995). Ainsi, certains mécanismes de
coordination et de collaboration sont nécessaires afin d’assurer une
exécution fluide et efficace des processus d’affaires.
2.3. La performance des processus d’affaires
Plusieurs types de performance sont cités dans la littérature. Par
exemple, Hammer et Champy (2001) identifient le coût, la qualité, le service
6
et la rapidité comme étant les éléments critiques et contemporains de la
mesure de performance des processus d’affaires. D’autres critères de
performance sont identifiés par Kettinger et Grover (1995). Ces auteurs
proposent dans leur cadre théorique la mise en relation entre le changement
des processus d’affaires (Business Process Change) et, notamment, la
satisfaction des clients, la flexibilité, l’innovation et la valeur octroyée aux
actionnaires. Ils affirment également qu’ultimement, les effets du
changement des processus devraient fournir deux sources de bénéfices à
l’organisation : une augmentation de sa marge de profit et une augmentation
de ses parts de marché.
2.4. Les progiciels de gestion intégrée et les proc essus d’affaires
Les technologies de l’information occupent une place importante que
ce soit pour supporter les processus d’affaires courant de l’entreprise ou lors
des initiatives de transformation des processus d’affaires. Hammer et
Champy (2001) les qualifient de facilitateur essentiel de la réingénierie des
processus d’affaires. Tandis que Kettinger et Grover (1995) placent les TI
comme étant une des composantes principales dans leur cadre théorique de
changement des processus.
Parmi ces technologies de l’information, les progiciels de gestion
intégrés (PGI) sont des systèmes qui automatisent et intègrent plusieurs ou
la plupart des processus d’affaires d’une entreprise (Gattiker & Goodhue,
2005). Ils sont essentiels à la gestion et à l’exécution efficace et efficiente
des processus d’affaires. Ces PGI permettent de supprimer les barrières à
l’échange d’information entre les départements fonctionnels et permettent de
gérer les processus d’affaires de façon globale.
2.5. L’aspect humain, les équipes et les processu s d’affaires
Les humains occupent une place centrale dans l’exécution des
processus d’affaires. Dans le cadre théorique des systèmes de travail (Alter
2002), les humains sont représentés comme étant des participants aux
processus d’affaires qui utilisent l’information et la technologie afin de fournir
un produit (ou service) aux clients internes et externes de l’organisation
(Figure 1). Dans le modèle de changement des processus d’affaires de
7
Kettinger et Grover (1995), les humains sont caractérisés par leurs valeurs,
leurs compétences, leurs différentes cultures et leurs comportements.
Figure 1 : Cadre théorique des systèmes de travail (Alter 2002)
Dans le contexte des organisations ayant adopté un fonctionnement
par processus, différents auteurs utilisent la notion d’équipes inter-
fonctionnelles pour parler des groupes de personnes participant à un même
processus d’affaires (ex. : Grover et Malhotra 1997, Zairi 1997, Attaran
2004). Ces équipes ont leur importance dans l’exécution des processus
d’affaires. Elles y occupent une place centrale, car elles sont un des moyens
par lesquels les processus d’affaires peuvent être intégrés (Teare et al.
1997) et peuvent être plus performantes (Telleria, Little et MacBryde 2002).
Cette importance qu’ont les équipes dans l’exécution des processus
d’affaires nous amène à mieux nous en intéresser afin de comprendre leurs
antécédents qui sont déterminants dans la performance de ces processus
d’affaires.
8
2.6. La notion d’équipe
Une équipe est classée par McGrath (1984) comme étant un sous-
ensemble d’une catégorie d’agrégation sociale qu’il nomme « Unité sociale
délibérément conçue ». À ce titre, la notion d’équipe partage avec les autres
éléments de cette catégorie (organisation et sous-organisation), une raison
d’être qui est la poursuite d’objectifs, grâce à l’interaction de ses membres
exerçant des rôles interdépendants. Dans une littérature plus récente, Cohen
et Bailey (1997) la définissent comme suit :
« A team is a collection of individuals who are interdependent in their
tasks, who share responsibility for outcomes, who see themselves and
who are seen by others as an intact social entity embedded in one or
more larger social systems (for example, business unit or the
corporation), and who manage their relationships across
organizational boundaries. »
Dans le fonctionnement d’un tel ensemble, chaque membre faisant partie de
l’équipe utilise le « fruit » du travail d’un autre membre et tous les membres
de l’équipe partagent la même responsabilité sur la qualité finale de ce qui
constitue le résultat du travail commun (le produit).
Plusieurs auteurs proposent des taxonomies de types d’équipes. Par
exemple, Devine (2002) distingue 14 types répartis en 2 catégories
regroupant, dans l’une, ceux principalement engagés dans des tâches
intellectuelles et dans l’autre, ceux principalement engagés dans des tâches
physiques. Par ailleurs, le même auteur a démontré une correspondance
entre les différentes taxonomies existant dans la littérature. En analysant sa
classification, on peut constater que les auteurs tendent vers 4 grandes
catégories que l’on retrouve dans la taxonomie de Cohen et Bailey (1997)
que nous pouvons voir dans le Tableau 1.
La notion d’équipe que nous utilisons dans cette étude a les
caractéristiques de rôles bien définis et stables dans le temps. Cette équipe
est auto-administrée et est responsable de la production de biens ou de
services. Elle est similaire à celle d’équipe de travail (« work team »)
identifiée par Cohen et Bailey (1997). Dans le contexte de notre étude, une
9
équipe est donc définie comme étant un groupe autonome de personnes,
ayant chacune des rôles définis, prenant et exécutant des décisions
coordonnées dans le cadre d’une tâche commune intégrant plusieurs
processus d’affaires.
Type
d’équipes
Caractéristiques Exemples
Équipe de travail
(« Work team »)
- Unité de travail continue responsable
de la production de bien ou de services
- Rôles stables et bien définis
- Existence d’un superviseur
ou auto-administrée.
- Équipe d’exploitants
de mines
- Équipe de production
manufacturière
- Équipe
d’audit
Équipe parallèle
(« Parrallel
team »)
- Constituée de personnes venant de
différentes unités pour exercer des
fonctions non prévues par leur
organisation régulière.
- Autorité limitée
- Utilisée pour la résolution de
problèmes ou pour des activités
d’amélioration.
- Équipe d’amélioration
de la qualité
- Groupe d’implication
des salariés
- « Task
forces »
Équipe de projet
(« Project
team »)
- Existence Limitée dans le temps
- Constituée pour produire ou améliorer
un produit : système d’information par
exemple.
- Tâche non répétitive et nécessitant la
mise en œuvre de connaissance, de
jugements et d’expertises.
- Membres issus de disciplines
diverses.
- Équipe de
développement d’un
nouveau produit.
Équipe de gestion
(« Management
team »)
- Coordonne et donne des directives
aux unités sous leur direction.
- Responsable pour la performance
d’une unité d’affaires
- Autorité découlant de la position
hiérarchique de ses membres
- Équipe de direction
Tableau 1 : Taxonomie des types d’équipes (Cohen et Bailey, 1997)
10
2.7. L’efficacité des équipes
Avant de parler des modèles d’efficacité des équipes, interrogeons-
nous d’abord sur ce qu’est l’efficacité des équipes elle-même. Les travaux de
Hackman (1990) nous permettent d’avoir des éléments de réponse à cette
question. En effet, cet auteur conçoit l’efficacité des équipes selon trois
dimensions. La première est la mesure dans laquelle l’extrant produit par
l’équipe (produit, service ou décision) satisfait aux standards de quantité, de
qualité et de délai des personnes à qui cet extrant est destiné. La seconde
dimension est la mesure dans laquelle le processus de réalisation du travail
améliore la capacité des membres de l’équipe à travailler ensemble de
manière interdépendante dans le futur. Enfin, la troisième dimension est la
mesure dans laquelle l’expérience du groupe contribue au développement et
au bien-être personnels des membres de l’équipe. L’importance relative
accordée à chacune de ces dimensions dépend des circonstances dans
lesquelles l’équipe évolue (Hackman 1990).
2.8. Les modèles de l’efficacité des équipes
2.8.1. Le modèle des conditions de l’efficacité des équipes
Selon Hackman (1990), pour bien réaliser son travail, une équipe a
besoin de surmonter trois obstacles qui sont : (a) exercer suffisamment
d’effort pour accomplir la tâche avec un niveau de performance acceptable,
(b) apporter des connaissances et compétences adéquates à la tâche et (c)
employer des stratégies appropriées à la tâche et au cadre dans lequel elle
est réalisée. L’auteur appelle ces obstacles les critères de processus. Afin
d’atteindre de hauts niveaux de performance sur ces critères de processus,
les cinq conditions facilitatrices suivantes sont nécessaires (Hackman 1990,
Hackman 2002, Wageman, Hackman et Lehman 2005) :
- Equipe réelle ( Real team ). Une équipe réelle est définie comme ayant
trois dimensions. Premièrement, des frontières claires doivent permettre
de distinguer les membres des non-membres de l’équipe. Deuxièmement,
les membres de l’équipe sont interdépendants dans la réalisation d’un
objectif commun potentiellement mesurable et en portent la responsabilité
collective. Troisièmement, les équipes réelles ont au moins une certaine
11
stabilité des membres leur donnant l’occasion et le temps d’apprendre à
bien travailler ensemble (Hackman 2002, Wageman, Hackman et
Lehman 2005).
- Orientation convaincante ( Compelling direction ). L’orientation
constitue la spécification des objectifs globaux de l’équipe. Elle est
caractérisée par sa clarté, son aspect motivant et permettant de mobiliser
l’ensemble des talents du groupe. Une bonne orientation résulte d’un
compromis entre la spécification des fins et des moyens. La motivation
dans la réalisation de la tâche est favorisée lorsque les objectifs sont
clairement définis et les moyens laissés à l’équipe elle-même. Spécifier
les fins et les moyens avec précision atténue les défis au sein de l’équipe
et conduit à une sous-utilisation des talents en son sein. Spécifier
seulement les moyens conduit l’équipe à se désengager de la tâche et ne
rien spécifier conduit à l’anarchie (Wageman, Hackman et Lehman 2005).
Figure 2 : Les cinq conditions facilitatrices de l' efficacité des équipes
(Wageman, Hackman et Lehman 2005. Figure adaptée pa r Wageman et
al. 2005 à partir de Hackman 2002)
12
- Structure facilitatrice ( Enabling structure ). La structure de l’équipe agit
comme sa coquille extérieure1. Elle est constituée de la conception de la
tâche, de la composition de l’équipe et des normes de conduite. La tâche
de l’équipe doit être alignée avec ses objectifs. Elle doit être significative
et doit permettre aux membres de l’équipe de juger librement des
procédures de travail et de connaitre les résultats de façon fiable et
régulière. Une équipe bien composée est celle où les membres ont
l’ensemble des compétences complémentaires nécessaires à la
réalisation des objectifs de l’équipe. Elle doit permettre à tous les
membres d’augmenter leurs capacités à appliquer leurs talents
complémentaires au travail collectif. La taille de l’équipe doit être aussi
petite que le permet l’envergure de la tâche. Enfin les normes façonnent
les comportements au sein de l’équipe. Une description claire des normes
de conduite libère les membres des discussions sur les comportements
qui sont acceptables dans le groupe et facilite le développement de
stratégies de performance liées à la tâche et à la situation (Wageman,
Hackman et Lehman 2005).
- Contexte organisationnel favorable ( Supportive organizational
context ). Au niveau organisationnel, une équipe peut être renforcée avec
la mise à disposition de ressources matérielles nécessaires pour la
réalisation de sa tâche. Trois éléments additionnels peuvent également
renforcer une équipe. Premièrement, le système de rémunération doit
favoriser les bonnes performances d’équipes. Deuxièmement, le système
de formation doit mettre à disposition, et à l’initiative de l’équipe, de
l’assistance dans tous les domaines où les membres de l’équipe ne sont
pas encore compétents. Troisièmement, le système d’information doit
mettre à disposition les données permettant de planifier le travail de
groupe et accessibles par tous les membres (Wageman, Hackman et
Lehman 2005).
- Conseils d’experts ( Expert coaching ). La dernière condition affectant
l’efficacité des équipes est l’existence d’un expert. Le rôle de l’expert n’est
pas de dire à l’équipe comment travailler, mais de l’aider à tirer parti des
1 http://www.team-diagnostics.com/the-model.php
13
avantages des synergies. L’expert peut, par exemple, aider les membres
à minimiser les problèmes de coordination et de motivation ou à être
engagés dans le groupe et/ou la tâche (Wageman, Hackman et Lehman
2005).
Le modèle présenté dans ce paragraphe est utile pour diagnostiquer
les équipes. Il permet de connaitre les conditions nécessaires à mettre en
place pour donner les chances de réussite à une équipe. D’autres modèles
existent dans la littérature des équipes. Nous en présentons deux des plus
classiques dans les prochains paragraphes.
2.8.2. Le cadre Input-Process-Outcome (IPO)
Le modèle IPO a longtemps influencé la littérature sur l’efficacité des
équipes. Développé par McGrath (1964), il met en œuvre une relation
linéaire entre les intrants (« inputs »), les processus et les extrants
(« outputs »).
Dans ce modèle, les intrants sont les facteurs antécédents qui influencent les
processus. Ces derniers qui représentent les interactions se passant au sein
de l’équipe jouent un rôle de médiateur entre les intrants et les extrants qui
reflètent le résultat de l’activité du groupe (ou efficacité du groupe).
Figure 3 : Représentation du cadre IPO (Mathieu et al. 2008)
Le modèle IPO a récemment été critiqué à cause du fait qu’il ne
représenterait pas suffisamment les tendances récentes de la recherche sur
14
l’efficacité des équipes. Parmi les auteurs qui l’ont critiqué, figure notamment
celui du modèle IPO lui même. McGrath et al. (2001) estiment que les
groupes sont étudiés comme s’ils étaient de simples systèmes
unidirectionnels de cause à effet, isolés du contexte environnemental et
temporel dans lequel ils évoluent et composés de membres génériques.
Allant dans le même sens, Ilgen et al. (2005) estiment que ce modèle doit
évoluer pour trois raisons principales. Premièrement, plusieurs des facteurs
de médiation qui transmettent l’influence des intrants aux extrants ne sont
pas que des processus. Ils sont aussi, par exemple, des états cognitifs
émergents ou affectifs. Deuxièmement, le cadre IPO définit une relation
linéaire et unidirectionnelle entre les intrants, les processus et les extrants
alors que la recherche récente montre que des extrants ont une influence sur
les facteurs de médiation par exemple. Troisièmement, le cadre IPO tend à
suggérer une progression linéaire concernant les relations d’influence d’une
catégorie à l’autre (I-P puis P-O), alors que la recherche récente traite de
combinaisons entre plusieurs intrants et processus (IxP), entre processus
(PxP) ou entre processus et états émergents.
2.8.3. L’évolution du modèle IPO vers le modèle Input Mediator
Output Input (IMOI)
En suivant la progression de la recherche, le modèle IPO a subi des
modifications. Par exemple, Cohen et Bailey (1997) ont introduit une
distinction entre les processus et les traits psychologiques des groupes qui
s’influencent mutuellement.
Dans leur modèle, les facteurs environnementaux influencent la tâche, la
composition du groupe, ainsi que le contexte organisationnel. On observe
également d’une part, une influence des traits psychologiques des groupes
sur l’efficacité du groupe et d’autre part, une influence des antécédents des
processus et des traits psychologiques des groupes sur l’efficacité du
groupe.
15
Figure 4 : Exemple d'évolution du modèle IPO (Cohen et Bailey 1997)
Plus récemment, Ilgen et al. (2005) proposaient le cadre IMOI afin de
mieux refléter la progression de la recherche. Dans leur modèle (voir Figure
5), on peut noter la distinction entre les processus et les états émergents
dont nous faisons une présentation plus détaillée dans les paragraphes
suivants. Les processus et les états émergents sont regroupés sous
l’appellation de médiateurs.
Figure 5 : Modèle IMOI (Adapté par Mathieu et al. 2 008)
16
La Figure 5 met également l’emphase sur les aspects temporels et multi-
niveaux de la vie des équipes. Il est possible d’y constater que les intrants,
médiateurs et extrants s’influencent mutuellement, même si l’influence des
médiateurs sur les intrants est moins puissante (flèches en tirets). Ce type
d’influence mutuelle est aussi observé entre le contexte organisationnel, le
contexte de l’équipe et les membres qui composent l’équipe.
2.9. Les concepts étudiés dans les modèles d’effica cité des
équipes
2.9.1. Les intrants (« Inputs »)
Selon les modèles d’efficacité des équipes, les intrants sont classés
selon trois niveaux : individuel, équipe et organisationnel & environnemental.
2.9.1.1. Les intrants au niveau individuel
A ce niveau, la recherche s’intéresse aux attributs des membres de
l’équipe et à l’impact de la combinaison de ces attributs sur les processus et
les extrants. Le Tableau 2 donne des exemples d’intrants examinés dans la
littérature.
Intrant Commentaire
Personnalité Les facteurs tels que l’assurance, le sérieux, l’amabilité, l’extraversion, la
stabilité émotionnelle, l’ouverture à l’expérience sont étudiés. Leur relation
avec la performance du groupe est examinée, ainsi que leur impact sur la
coopération, la résolution de conflit, la communication, etc.
Compétences Les facteurs tels que les types de connaissances et les habilités
(cognitives) nécessaires au travail d’équipe sont étudiés.
Orientation Les facteurs tels que l’orientation à l’apprentissage, l’orientation atteinte
des objectifs et leur impact sur l’engagement et l’efficacité sont étudiés.
Diversité Les facteurs tels que diversité démographique, fonctionnelle, de
personnalité, d’attitudes, etc., sont étudiés.
Tableau 2 : Exemples d’intrants au niveau individu el (Adapté de
Mathieu et al., 2008)
17
2.9.1.2. Les intrants au niveau de l’équipe
La recherche à ce niveau s’intéresse aux facteurs liés à la structure
des équipes, le style de leadership, etc. Mathieu et al. (2008) donnent les
exemples d’intrants suivants :
Intrant Commentaires
Interdépendance Les questions telles que : Quel type d’interdépendance pour quel
type d’équipe ? Quel impact du niveau d’interdépendance sur la
performance, le partage d’information ? etc. sont posées.
Virtualité Le style de leadership, la qualité des interactions, l’utilisation de
nouvelles technologies pour interagir dans le cadre d’équipes
virtuelles sont parmi les sujets étudiés.
Formation
(Training)
Quel type de formation ? Quand faire une formation ? Sur quoi faire
la formation ? Quels bénéfices de la formation sur la coordination
ou l’intégration des expertises ? sont autant de sujets abordés dans
ce domaine.
Leadership Que le type de leadership soit externe, partagé, ou de type
coaching, les études portent en général sur la manière dont le
leader apporte de l’efficacité aux équipes.
Structure
Dominée par deux catégories :
- Fonctionnelle (selon la similarité des tâches effectuées par
les membres de l’équipe)
- Et par division (selon la situation géographique des
membres de l’équipe)
Les études portent notamment sur l’influence de la structure sur le
partage de l’information.
Tableau 3 : Exemples d'intrants au niveau équipe (A dapté de Mathieu et
al., 2008)
2.9.1.3. Les intrants au niveau organisationnel et
environnemental
Les influences du contexte organisationnel sont les sources externes
à l’équipe ayant une influence sur elle et émanant de l’organisation dans
18
laquelle l’équipe se trouve (Système de gestion des ressources humaines,
climat, etc.). Tandis que les influences du contexte environnemental sont les
sources externes à l’organisation, telles que l’influence culturelle, et ayant
une influence sur l’équipe (Mathieu et al. 2008).
2.9.2. Les médiateurs
Le modèle IMOI distingue deux catégories de médiateurs qui sont les
processus et les états émergents. Cependant, Mathieu et al. (2008) indique
une troisième catégorie mixte qui regrouperait les médiateurs ayant des
caractéristiques de processus et d’états émergents.
2.9.2.1. Les processus
Les processus sont des médiateurs liés aux fonctions (« taskwork »)
et aux interactions (« teamwork ») que les membres doivent réaliser pour
accomplir la tâche. Dans leur taxonomie des processus d’équipes, Marks,
Mathieu et Zaccaro (2001) ont classé les processus selon trois catégories.
La première est constituée des processus de transition et regroupe les
activités d’analyse de la mission, de mise en œuvre de stratégies, de
planification et de spécification des objectifs de l’équipe. La deuxième
catégorie est constituée des processus d’action et on y trouve les activités
liées à l’accomplissement de la tâche, le suivi de l’évolution de la tâche, la
coordination, l’entraide en cas de surcharge de travail, etc. Enfin, la troisième
catégorie est constituée des processus interpersonnels et regroupe la
gestion de conflit, le développement de la motivation et de la confiance, etc.
2.9.2.2. Les états émergents
Les états émergents décrivent les états cognitifs, motivationnels et
affectifs des équipes par opposition à la nature de leurs interactions (Marks
et al., 2001). Ce ne sont donc pas des processus, mais reflètent les
caractéristiques d’une équipe à un moment donné dans le temps. Parmi les
états émergents, on peut noter des variables comme par exemple la
confiance (« Trust »), la croyance qu’une équipe peut avoir sur sa capacité
de réussir dans n’importe quel contexte (« Potency ») ou la croyance que
l’équipe peut évoluer de façon autonome (Mathieu et al. 2008). D’après les
mêmes auteurs, d’autres variables comme le climat et la cohésion au sein de
19
l’équipe sont aussi considérées dans cette catégorie d’états émergents. C’est
dans cette catégorie de médiateurs que l’on retrouve aussi les modèles
mentaux partagés (« Shared Mental Models ») qui sont parmi les
mécanismes de coordination de base qui rendent possible le travail de
groupe (Mohammed et al. 2010). Ils représentent une compréhension
collective et organisée de la connaissance détenue par un groupe et sont
considérés comme des antécédents de l’efficacité des processus et de la
performance des groupes (Klimoski et Mohammed, 1994). Nous discuterons
plus amplement de ce concept à la fin de cette revue de littérature
(paragraphe 2.10).
2.9.2.3. Les médiateurs mixtes
Les médiateurs appartenant à cette catégorie ont des caractéristiques
de processus et d’états émergents. Parmi eux, on peut noter « Team
learning » qui consiste à acquérir, partager, combiner et appliquer des
connaissances et le concept de « Behaviorial integration » qui est caractérisé
par la qualité et la quantité de l’information échangée, des comportements
collaboratifs et une prise de décision conjointe (Mathieu et al. 2008). C’est
dans cette catégorie de médiateurs que l’on retrouve aussi les « Transactive
Memory Systems ». Un « Transactive Memory System » est une division
coopérative du travail à des fins d’apprentissage, de mémoire et de
communication d’informations pertinentes au sein d’une équipe (Lewis 2003,
Hollingshead, 2001). Ils symbolisent une collection des connaissances
détenues par chacun des membres d’une équipe et une sensibilisation
commune sur qui sait quoi. Pour cette raison, ils sont considérés comme une
forme de modèle mental relatif à la distribution des expertises et
connaissances au sein d’un groupe (Austin 2003). Ils sont aussi considérés
comme des antécédents de performance au sein d’une équipe (Moreland &
Myaskovsky, 2000).
2.9.3. Les extrants (« Outcomes »)
Les extrants peuvent être sous plusieurs formes. Selon les auteurs qui
ont déjà effectué des revues de littératures dans le domaine, on peut en
trouver jusqu’à plus de 20 (Mathieu et al. 2008). Par exemple, Cohen et
Bailey (1997) classent l’efficacité selon trois catégories : performance,
20
attitudes et comportements. La performance est elle-même subdivisée en 3
catégories : organisationnelle, équipe et individuelle (Mathieu et al., 2008).
La satisfaction du client, la viabilité de l’équipe et le développement du
membre de l’équipe sont aussi d’autres types d’extrants que l’on peut trouver
dans Hackman (1990) et Rentsch & Klimoski (2001) par exemple.
2.10. Les modèles mentaux partagés (« Shared Mental Models »)
Dans les paragraphes qui suivent, nous proposons de discuter plus en
détail du concept de modèles mentaux partagés qui fait partie de la catégorie
des états émergents et sur lequel s’inspire notre étude.
2.10.1. A propos du concept
Selon Cannon-Bowers et al. (1990), la notion de modèles mentaux
partagés a été introduite afin de saisir la coordination implicite observée au
niveau des équipes performantes et de comprendre davantage comment les
équipes opèrent dans des contextes complexes, dynamiques et incertains.
Elle est plus spécifiquement une représentation mentale des éléments clés
d’un environnement, partagée par les membres d’une équipe évoluant dans
cet environnement (Klimoski & Mohammed, 1994). L’hypothèse de base qui
fonde la recherche couvrant les modèles mentaux partagés est que les
membres d’une équipe qui partagent la même vision à propos des objectifs
et caractéristiques de l’équipe, des liens entre les actions collectives et des
différents rôles et normes requis pour réaliser la tâche collective, sont mieux
placés pour pouvoir anticiper les besoins et les actions des autres membres
de l’équipe. Cela a pour conséquence l’augmentation de la performance
d’une telle équipe (Cannon-Bowers, Salas, & Converse, 1993 - Marks,
Sabella, Burke, Zaccaro, 2002).
Le concept de modèles mentaux partagés possède deux propriétés :
la similitude (similarity) et la précision (accuracy). La similitude est liée à la
mesure dans laquelle les modèles mentaux sont cohérents ou convergent les
uns avec les autres. Des termes tels que l’accord, le consensus, la
cohérence, la convergence, la compatibilité et le chevauchement sont utilisés
dans la littérature pour définir la similitude (Mohammed et al. 2010). La
précision est liée à la qualité de la similitude, en comparaison avec des
21
références établies par des experts (Rico et al. 2008). Dans la littérature, la
similitude et la précision sont soit étudiées séparément ou ensemble
(Mohammed et al. 2010). La façon dont la précision est mesurée affecte sa
relation avec la similitude. Supposons un seul modèle correct possible, un
haut niveau de précision implique naturellement un haut niveau de similitude.
Mais un haut niveau de similitude n’implique pas forcément un haut niveau
de précision (Mohammed et al. 2010).
Le concept de modèles mentaux partagés a fait l’objet de plusieurs
études empiriques dans le passé et laisse de nombreuses possibilités de
recherche dans le futur selon Mohammed et al. (2010).
2.10.2. Les types de modèles mentaux partagés
La littérature a identifié plusieurs modèles mentaux partagés relatifs à
la tâche et à l’équipe. Cannon-Bowers, Salas, & Converse (1993) ont
proposé de les catégoriser en 4 types représentés dans le Tableau 4.
Tableau 4 : Les types de modèles mentaux partagés a u sein des
équipes (Cannon-Bowers, Salas, & Converse, 1993)
22
La classification présentée dans le Tableau 4 suggérée que les membres
d’une équipe doivent d’abord comprendre la technologie, l’outil ou
l’équipement qu’ils utilisent pour réaliser leur tâche commune. Les
connaissances que l’on partage à ce niveau sont considérées comme étant
les plus stables parmi les 4 types de modèles mentaux. Le deuxième type de
modèle mental est lié à la tâche. Les membres d’une équipe doivent en avoir
une vision commune en termes de procédures, de contraintes et de
stratégies qui peuvent affecter sa réalisation. D’après Mathieu et al. (2000),
cette dimension est encore plus importante si la tâche est imprévisible. En
plus de l’équipement et de la tâche, les membres de l’équipe doivent
partager une conception commune des interactions nécessaires pour réaliser
la tâche de façon efficace. Cela inclut notamment les responsabilités, les
normes et canaux de communication, ainsi que l’interdépendance entre les
rôles au sein de l’équipe. Comme pour la tâche, les connaissances relatives
pour les interactions sont plus instables par rapport à l’équipement car les
opérateurs interagissent toujours de la même manière avec l’équipement
mais l’accomplissement de la tâche commune peut faire appel à différentes
stratégies (Cannon-Bowers, Salas, & Converse, 1993). Le dernier type de
modèle concerne la connaissance sur chacun des membres de l’équipe. Il
contient les informations spécifiques à chaque membre de l’équipe, à savoir
notamment leurs connaissances, leurs attitudes et leurs préférences. Les
auteurs affirment que si les coéquipiers développent une connaissance
mutuelle au sein de l’équipe, ils seront capables d’adapter leur
comportement selon le membre avec lequel ils interagissent. Ce modèle est
plus instable que les trois autres car il dépend non seulement de la situation,
mais aussi des membres impliqués dans l’interaction (Cannon-Bowers,
Salas, & Converse, 1993). Malgré cette synthèses des modèles en 4 types,
certains auteurs affirment qu’il peut être difficile d’opérationnaliser les 4 types
de modèles dans une seule étude. Ainsi, Mathieu et al. (2000) proposent de
les regrouper sous deux types : « Team Mental Model » qui regroupe les
modèles liés au membre de l’équipe et aux interactions, et « Task mental
Model » qui regroupe les modèles liés à la tâche et à l’équipement.
23
2.10.3. Les modèles mentaux partagés, les processus et la
performance
Plusieurs études empiriques ont montré que les modèles mentaux
partagés apportent des avantages substantiels à la performance des
équipes. D’autres montrent que les processus jouent un rôle médiateur entre
les modèles mentaux et la performance. Le Tableau 5 présente des études
significatives (Mohammed et al. 2010) dans chacun de ces deux cas. Par
exemple, Lim et Klein (2006) ont étudié les effets directs du « Task Mental
Model » et du « Teamwork Mental Model » sur la performance des équipes.
Leur étude a montré que les membres d’une équipe partageant les mêmes
modèles par rapport à la tâche et aux interactions trouvent qu’ils se
coordonnent plus facilement, se mettent d’accord plus facilement sur leurs
stratégies et priorités et ont les performances les plus élevées.
Rentsch et Klimoski (2001) ont aussi testé le lien direct entre le « Team
Member Teamwork Mental Model » et la performance. En étudiant les
antécédents de la similitude de modèles mentaux, ils ont conclu que la
similitude de « Team Member Teamwork Mental Model» est forte lorsque les
membres de l’équipe ont eu des formations similaires, des niveaux
hiérarchiques similaires, une grande expérience de travail en équipe et ont
été recrutés pour rejoindre l’équipe. Ils ont également montré que le « Team
Member Teamwork Mental Model » joue un rôle de médiateur entre certains
antécédents et la performance. Ainsi, une forte relation de médiation est
observée entre les antécédents «expérience de travail en équipe » et
« pourcentage de membres recrutés pour rejoindre l’équipe » et la viabilité
de l’équipe.
D’autres études ont montré que les processus jouent un rôle médiateur entre
les modèles mentaux et la performance. Par exemple, Mathieu, Heffner,
Goodwin, Salas, & Cannon-Bowers (2000) ont étudié les effets de la
convergence (ou « sharedness ») des membres d’une équipe dans un
contexte de simulation de vol sur les processus (mise en œuvre de stratégie
et coordination, coopération, et communication) et sur la performance. Le
résultat de leur étude montre que les équipiers dont les modèles sont
fortement similaires au début de la simulation continuent de partager une
24
similitude de modèles et que cette dernière n’évolue pas significativement
dans le temps. Ils ont aussi montré que les processus servent entièrement
de médiateur à l’influence des modèles mentaux sur la performance.
Auteurs Contexte Types de modèle Processus Performance
Mathieu,
Heffner,
Goodwin,
Salas, &
Cannon-
Bowers, 2000
56 équipes de 2
étudiants dans un
contexte de simulation
de vol.
« Team Mental
Model » (Interaction +
membres) et «Task
Mental Model» (tâche
+ équipement)
Mise en œuvre de
stratégies et
Coordination,
Coopération et
Communication
Cumul de scores
acquis par l’équipe à
la fin de chaque
simulation.
Rentsch &
Klimoski,
2001
41 équipes de 2 à 27
membres issus du
département de la
défense américaine.
«Team Member
Teamwork Mental
Model» (interaction)
« Client
Satisfaction »,
« Team Viability »
et « Team
member growth »
Marks,
Sabella,
Burke et
Zaccaro, 2002
45 équipes de 3
étudiants opérant une
simulation qui met en
œuvre la manipulation
d’un hélicoptère
apache.
« Team interaction
Mental Model »
Coordination et
« Backup
processes »
Cumul de scores
acquis par l’équipe à
la fin de chaque
simulation.
Lim & Klein,
2006
71 équipes de 7 à 8
membres issus
d’équipes de combat
de l’armée du
Singapour.
«Taskwork Mental
Model» (tâche +
équipement) et «
Teamwork Mental
Model» (interaction)
Moyenne des scores
d’efficacité et de
qualité des actions
de l’équipe. Scores
attribués par un
superviseur de
l’armée.
Tableau 5 : Exemples d'études mettant en relation l es modèles mentaux
partagés, les processus et la performance
Dans un contexte proche de celui de Mathieu et al. (2000), Marks, Sabella,
Burke et Zaccaro (2002) ont conclu que le fait d’entrainer chaque membre
d’une équipe aux tâches d’un autre membre d’une même équipe permet de
développer une similitude de modèles mentaux. Ces auteurs ajoutent que
cela facilite la coordination et l’assistance mutuelle au sein de l’équipe qui
jouent un rôle de médiateur entre les modèles mentaux et la performance.
25
2.11. Cadre de recherche
La revue de littérature nous a permis de connaitre des modèles
classiques de l’efficacité des équipes. Nous avons notamment présenté le
modèle IPO (Input-Process-Outcome) et son évolution vers le modèle IMOI
(Input-Mediator-Outcome-Input). Nous nous sommes enfin attelés à
présenter plus amplement la notion de modèles mentaux partagés dont notre
étude s’inspire. A la lumière de cette revue de littérature, nous proposons
dans cette section un cadre de recherche dans lequel nous mettons en
relation les concepts d’équipes que nous pensons pertinents dans le
contexte de notre étude qui est celui des processus d’affaires intégrés. La
Figure 6 présente ce cadre de recherche.
Figure 6 : Cadre de recherche
Le cadre théorique présenté ci-dessus est développé en cohérence avec
celui d’IMOI d’Ilgen et al. (2005) qui prend en compte l’aspect temporel et
multi-niveau de la vie des équipes. Nous nous inspirons du modèle IMOI car
il représente l’état actuel de la recherche dans le domaine de l’efficacité des
équipes. Il est, à notre avis, plus complet et plus détaillé que le modèle IPO
par exemple. De ce fait, nous pensons qu’il nous permettra de mieux
expliquer les phénomènes d’équipes observés dans le contexte de notre
étude.
26
Le cadre que nous proposons possède trois parties : les intrants, les
médiateurs et la performance des processus d’affaires intégrés. Nous
pensons que dans le contexte de notre étude :
(1) Il existe une relation bidirectionnelle entre les intrants, les médiateurs et la
performance des processus (en cohérence avec le cadre IMOI d’Ilgen et
al. 2005).
(2) Au niveau des intrants : (a) les compétences technologiques et la
connaissance de la tâche, de la part de membres de l’équipe, sont
pertinentes au niveau individuel. (b) L’interdépendance entre les rôles des
membres des équipes, le fait que ces membres soient co-localisés et que
l’équipe soit auto-administrée caractérisent les équipes dans notre
contexte d’étude. (c) L’existence d’une technologie supportant les
processus d’affaires intégrés est pertinente au niveau
organisationnel/environnemental.
(3) Au niveau des médiateurs : (a) la coordination entre les membres d’une
équipe qui participent activement à la gestion des processus d’affaires
intégrés est déterminante dans la réussite de cette équipe. (b) L’existence
d’une vision commune entre les membres d’une équipe facilite la
coordination de cette équipe et augmente ses performances.
Dans le contexte particulier de cette étude, nous nous concentrerons sur
les interactions entre médiateurs et performance des processus d’affaires.
Plus spécifiquement, nous allons étudier le rôle des modèles mentaux dans
les équipes dont la tâche est de coordonner la réalisation de processus
d’affaires intégrés, et de vérifier leurs impacts sur la performance de ces
mêmes processus.
Le cadre de recherche présenté dans cette section sera donc la base de
notre démarche. Nous l’utiliserons afin de pouvoir répondre à la
question suivante : dans un contexte de processus d’affaires intégrés, quelle
est l’influence de la vision commune sur la coordination des équipes et sur
leur performance ?
27
Chapitre 3 : Méthodologie
3.1. Stratégie méthodologique : Une approche induct ive et
itérative
La nature de notre étude est exploratoire. L’objectif est de découvrir
des concepts déterminants dans la performance des équipes évoluant dans
un contexte de processus d’affaires intégrés. D’une manière générale, une
approche itérative et inductive a été adoptée lors de cette étude. Notre
méthodologie s’inspire de techniques de la Grounded Theory définie comme
suit :
« an inductive, theory discovery methodology that allows the
researcher to develop a theoretical account of the general features of
a topic while simultaneously grounding the account in empirical
observations of data » (Glaser et Strauss 1967).
Cette approche diffère de celle classique et linéaire qui consiste à émettre
des hypothèses à partir d’un modèle, les tester, analyser les résultats et tirer
des conclusions. C’est une approche inductive et itérative. Cependant, selon
Martin et Turner (1986), les idées préconçues ne doivent pas être totalement
abandonnées. Le chercheur est encouragé à se concentrer, dans un premier
temps, sur la description détaillée des caractéristiques des données
collectées avant de tenter d’émettre des affirmations théoriques générales.
Une fois un ensemble de descriptions précises des phénomènes pertinents
observés obtenu, le chercheur peut commencer à percevoir ou émettre des
hypothèses sur les relations entre ces phénomènes observés. D’autres
portions de données pourront alors être utilisées pour tester ces relations. De
l’accumulation croissante des données confirmant ces relations, le chercheur
développe la théorie qui en découle (Martin et Turner 1986).
Cette démarche est jugée utile, pertinente et applicable pour la recherche
organisationnelle (Martin et Turner 1986). Nous avons pensé utile de l’utiliser
dans notre démarche.
Dans la description de leur stratégie de Grounded Theory pour la
recherche organisationnelle, Martin et Turner (1986) identifient les phases
28
telles que la prise de notes lors de séances d’observation, la découverte de
concepts, la définition de concepts et l’élaboration de la théorie. S’inspirant
de ces techniques, notre méthode est composée de plusieurs itérations
pendant lesquelles plusieurs ou toutes les phases présentées dans la Figure
7 sont appliquées.
Figure 7 : Phases de la méthodologie
Lors d’une itération, (1) des observations sont menées dans le contexte de
l’étude. C'est-à-dire, des équipes évoluant dans un contexte de processus
d’affaires intégrés sont observées et des notes sont prises au fur et à
mesure. (2) A partir des données issues des observations, des analyses sont
effectuées. Les concepts pertinents à la fois par rapport au contexte de
processus d’affaires intégrés et aux modèles mentaux partagés sont
identifiés et définis. (3) Nous développons ou adaptons ensuite notre outil de
collecte de données pour ensuite (4) collecter nos données. (5) A partir des
données précédemment collectées, des analyses sont effectuées pour
1. Observa-tions et prises
de notes
2. Decouverte et definition
des concepts
3. Développe-ment /
Adaptation de l'outil de
collecte de données
4. Collecte de données
5. Découverte des liens entre les concepts
6. Conclusions / Raffinement du modèle de
recherche
29
découvrir les liens entre les concepts identifiés et définis au début de cette
itération. (6) En fonction des conclusions, le modèle de recherche est raffiné.
Notre objectif n’est pas de développer une théorie, mais d’utiliser l’approche
Grounded Theory et la littérature sur les équipes afin de découvrir un modèle
qui s’adapte au contexte de notre étude. C’est pourquoi à la fin de cette
étude exploratoire (à la fin de la dernière itération), un modèle est proposé
avec des propositions à tester lors de futures études.
3.2. Le contexte d’étude
3.2.1. Le choix d’ERPsim
Nous avons choisi d’utiliser la simulation ERPsim dans le contexte de
notre étude. Avant de décrire ERPsim, nous tenons d’abord à justifier ce
choix.
ERPsim a été utilisée dans plusieurs études impliquant les humains, les
processus et la technologie. Par exemple, Caya et al. (2012) ont utilisé
ERPsim pour étudier l’influence des processus de gestion de connaissance
dans la performance des équipes évoluant dans un contexte de processus
d’affaires intégrés. Tandis que Loos et al. (2010) expliquent qu’ERPsim peut
contribuer à des études relatives aux concepts de PGI, en utilisant le
simulateur pour extraire des données qui étaient difficiles à obtenir
auparavant.
Dans le contexte spécifique de notre étude, ERPsim est pertinente, car elle
offre un environnement où la technologie et les processus sont les mêmes
pour toutes les équipes participant à la simulation. Le simulateur permet
d’exploiter l’historique de performance des équipes à des fins de rétroaction
et d’analyses. ERPSim offre ainsi une occasion unique pour étudier
l’influence de l’aspect humain sur la performance des processus d’affaires.
De ce fait, ERPsim est appropriée pour l’étude que nous menons. Elle nous
permettra de bien comprendre la dynamique des parties prenantes dans un
processus d’affaires.
30
3.2.2. Description du contexte ERPsim
Couplée avec SAP, ERPSim recrée un environnement de chaine
logistique réaliste permettant aux participants du jeu d’utiliser un PGI dans un
contexte proche du monde réel, tout en mettant en œuvre des concepts liés
à l’intégration des processus d’affaires dans une entreprise (Léger 2006,
Léger et al 2007). Regroupés par équipes de 2 à 5 personnes, les
participants doivent faire fonctionner une compagnie en utilisant les données
(présentées sous forme de rapports) et les transactions du système afin de
planifier, acheter, produire, fixer des prix et vendre. Leur but est de faire le
maximum de profit sous la contrainte d’un marché très concurrentiel. Pour ce
faire, ils doivent se distribuer les différents rôles et collaborer pour gérer leur
compagnie en prenant les meilleures décisions et les entrer dans le système.
La simulation existe sous trois versions : manufaturing, logistics et
distribution.
Dans le contexte du jeu, une simulation est composée de plusieurs quarts de
jeux. Chaque quart dure entre 10 et 30 minutes. Il peut y avoir 1 à plusieurs
simulations par classe, entrecoupées par des pauses de 10 minutes pour
permettre aux équipes de discuter de leurs stratégies. Compte tenu de la
complexité de la tâche, celle-ci doit être subdivisée en assignant divers rôles
interdépendants aux membres de chaque équipe. La pression du temps et
de la concurrence amplifie la demande cognitive de la tâche. Les équipes
doivent alors se coordonner efficacement pour rester performantes. C’est un
contexte où la technologie et les processus d’affaires sont les mêmes. Les
dynamiques de groupe joueront alors un rôle important dans la performance
de chaque équipe
3.3. La stratégie globale de collecte de données
La collecte de données est réalisée par questionnaire, lequel fut
répondu par des étudiants participant au jeu ERPSim. Les participants aux
jeux sont des équipes de 4 à 5 étudiants. A la fin de chaque quart de jeu et
sur une base volontaire, les participants sont invités à répondre à un
questionnaire en ligne. Un outil de collecte des réponses au questionnaire
permet de le proposer en ligne et de stocker toutes les réponses dans une
base de données. Un texte explicatif est proposé aux participants avant qu’ils
31
ne commencent à répondre au questionnaire. Le consentement est demandé
aux participants. Afin d’inciter les étudiants à répondre, nous avons proposé
une rétroaction à but pédagogique, sous forme de rapport de calibrage, à
tous les membres de l’équipe, s’ils ont tous répondu au questionnaire. Le
fonctionnement de l’outil qui supporte cette stratégie est décrit dans la Figure
8. L’Annexe 6 présente cet outil avec plus de détails.
Figure 8 : Stratégie de collecte de données : fonct ionnement de l’outil
de collecte de données
Selon Martin et Turner (1986), l’approche Grounded Theory « not only
aids the investigator’s understanding, but provides a mean of communicating
findings to those in the area studied, either as a basis for discussion or as a
vehicle for implementing changes.». Le développement de l’outil de
rétroaction a un objectif double : permettre aux participants de la simulation
ERPSim d’être conscients de l’importance de la collaboration entre usagers
d’un PGI et permettre de collecter des données de recherche avec l’aide d’un
questionnaire mis à disposition sur le WEB. La rétroaction fournie met en
relation la performance de chaque équipe dans le monde avec des variables
qui mesurent la vision commune. Une fois la rétroaction reçue, les membres
de l’équipe peuvent l’utiliser comme base de discussion sur leurs
comportements durant le quart précédent et sur le quart à venir. Sans le
32
contexte de gestion ERPsim, il serait difficile de faire cette rétroaction qui se
base sur un historique cumulé de toutes les équipes dans le monde et
participant à cette simulation.
Il est à noter que le questionnaire n'est pas anonyme, mais le rapport de
rétroaction est rendu anonyme. Ce rapport reflète les résultats d'une équipe
et il est impossible d'y identifier les réponses d'un membre particulier de
l'équipe. Les professeurs n’ont pas accès aux réponses du questionnaire. De
plus, il ne sera pas possible d'identifier les participants lors de la publication
des résultats. Par ailleurs, le projet de collecte de données sur lequel est
basée notre étude a été approuvé par le Comite d’éthique de la recherche
(CER) de HEC Montréal.
33
Chapitre 4 : Résultats et analyses
4.1. Processus itératif : Une vue d’ensemble de l’a pproche
Cette section vise à expliquer brièvement la manière dont il faut lire les
résultats de l’étude. Comme expliquée dans la méthodologie, la nature de
l’étude est itérative. Au final, trois itérations ont composé l’étude. C’est
pourquoi la présentation des résultats est effectuée en étant cohérent avec
ces trois itérations. Lors de chaque itération, plusieurs ou toutes les étapes
de la méthodologie décrite dans le paragraphe 3.1 sont appliquées. La
Figure 9 présente les étapes des résultats.
Dans la première itération, nous avons découvert et défini des concepts que
nous avons jugés pertinents pour le contexte de notre étude. Nous tentons
dans cette première itération de vérifier la validité discriminante des variables
de ces concepts. Dans la deuxième itération, nous vérifions les conclusions
de la première itération en testant de nouveau la validité discriminante des
concepts initiaux de l’étude. Nous testons également la validité prédictive
entre les variables et la performance des équipes dans cette deuxième
itération. Les conclusions tirées de la deuxième itération ont permis de
préparer la troisième itération dans laquelle nous définissons de nouveaux
concepts et testons la validité discriminante entre les variables des concepts
et la validité prédictive entre les variables de ces nouveaux concepts et la
performance des équipes. Les conclusions tirées de ces trois itérations
permettent d’aboutir à un modèle de recherche avec des propositions à
tester.
34
Figure 9 : Présentation des étapes des résultats
4.2. Première itération
Dans cette section, nous présentons les résultats de la première
itération dont l’objectif est double. Premièrement, nous souhaitons découvrir
des concepts pertinents pour expliquer potentiellement la performance des
processus d’affaires. Nous testons la validité discriminante entre les
Première itération : Validité discriminante entre l es variables des concepts initiaux
- Observation et prise de notes
- Découverte et définition des concepts
- Développement des items et de l’outil de collecte de données
- Collecte de données- Découverte des liens entre les concepts
- Conclusions
Deuxième itération : Validité discriminante entre l es variables et validité prédictive entre les variables et la performance des procesus d'affaires
- Définition / Précisions sur les concepts
- Collecte de données
- Découverte des liens entre les concepts
- Conclusions
Troisième itération : Validité discriminante entre les nouvelles variables et validité prédictive entre les variables et la performance de s procesus d'affaires
- Observation et prise de notes- Découverte / Définition des nouveaux concepts
- Développement des items et de l’outil de collecte de données
- Collecte de données
- Découverte des liens entre les concepts
- Conclusions
35
variables de ces concepts en utilisant les méthodes statistiques telles que
l’analyse factorielle et le test de corrélation. Deuxièmement, nous voulons
pré-tester l’outil technologique de gestion du questionnaire en ligne. Afin de
réaliser ces objectifs, nous avons commencé par une phase d’observation et
de prise de notes.
4.2.1. Observation et prise de notes
L’observation et la prise de notes sont citées parmi les méthodes de la
Grounded Theory (Martin et Turner 1986). Dans cette première itération, j’ai
commencé par une observation pendant laquelle j’ai suivi des équipes
d’étudiants de MBA pendant trois jours dans le cadre de la simulation
ERPsim. Ils formaient à chaque fois des équipes co-localisées de 4 à 5
personnes. Leur objectif était de développer des stratégies pour être le plus
performant dans un environnement concurrentiel et sous la pression du
temps. Pendant ces observations, des notes ont été prises concernant les
caractéristiques des équipes les plus performantes et celles des moins
performantes dans le contexte de la simulation.
4.2.2. Découverte et définition des concepts
A partir des notes recueillies et réorganisées, quatre concepts que
nous avons jugés pertinents pour expliquer potentiellement la performance
des processus d’affaires ont été découverts :
Concept 1. Le premier concept découvert est lié à la tâche. L’une des
premières observations était l’importance de la compréhension des
procédures et des liens entre les différentes parties de la tâche. Pour avoir
moi-même été membre d’une des équipes pendant une période de
l’observation, je me suis rapidement rendu compte qu’avant d’aborder la
tâche, il est jugé nécessaire que les membres de l’équipe en aient une bonne
compréhension ainsi que des procédures qui lui sont attachées. Prenons
l’exemple d’un processus dont l’exécution est supportée par le PGI et
intégrant le réapprovisionnement en matières premières, la fabrication de
produits finis avec ces matières premières et la vente de ces produits finis.
L’équipe qui ne sait pas qu’il faut d’abord commander des matières
premières avant de pouvoir lancer une production et disposer de produits
36
finis n’arrivera jamais à faire de bénéfices, car elle n’aura aucun produit à
vendre. Si cette équipe ne connait pas les commandes du PGI qui
permettent d’effectuer une tâche de réapprovisionnement ou de lancement
d’une production, elle n’arrivera pas non plus à effectuer de ventes.
Concept 2 . Le deuxième concept qui ressort des notes est lié aux
interactions entre les membres d’une équipe pour réaliser la tâche. Au
niveau des équipes les plus performantes, j’ai pu observer une forme
d’existence de normes de communication. Chez l’une des meilleures
équipes, j’ai pu constater par exemple que la personne qui s’occupe du
tableau de bord communique plus avec celle qui s’occupe de la production et
celle qui s’occupe des prix et des ventes, tandis que la personne qui
s’occupe de la production communique plus avec celle qui s’occupe des
inventaires. En discutant avec les membres de cette équipe à la fin de la
simulation, ils m’ont indiqué qu’une définition claire et respectée du sens de
la communication a été adoptée au sein du groupe. Et comme chacun savait
exactement avec qui communiquer et quelles informations demander ou
transmettre, cela a ajouté de l’efficacité à la communication et augmenté la
cohérence dans l’enchainement des tâches et dans les décisions.
Concept 3 . Le troisième concept identifié est lié aux rôles au sein de
l’équipe. La clarté des rôles qui se traduit d’abord par une distinction, une
définition et une assignation claire des tâches à chacun des membres du
groupe apparaissait déterminante chez les meilleures équipes mais ne
semblait pas suffisante. En effet, j’ai pu observer une équipe où il y a eu une
définition des rôles au début, mais qu’à mesure que la simulation a avancé,
un membre du groupe se retrouvait à faire des tâches hors de son périmètre
initial, ce qui a été un problème pour la coordination dans cette équipe. Une
fois les rôles définis et assignés, ils doivent être respectés. Cela augmente la
maitrise de sa tâche de la part de chacun des membres du groupe et
augmente l’interdépendance entre ces derniers. Cette spécialisation des
membres d’un groupe augmente la maitrise de l’information que chacun doit
communiquer aux autres et à qui la communiquer et cela contribue à
l’efficacité dans les échanges.
37
Concept 4 . Le quatrième concept identifié est lié à la coordination des
actions entre les membres d’une équipe. Nous avons observé que dans le
contexte de notre étude, la complexité de la tâche, l’interdépendance entre
les rôles, la pression du temps et de la concurrence font qu’une coordination
efficace est nécessaire pour rester performant. Les processus sont
constitués de plusieurs étapes ou activités exécutées selon un ordre bien
défini. Derrière chacune de ces activités se trouve souvent un humain qui
prend des décisions concernant son exécution. Les décisions prises sont en
général en fonction des informations venant du système et/ou
communiquées par d’autres membre de l’équipe responsables de l’exécution
du processus. Par exemple, un processus de réapprovisionnement en
matières premières dans une compagnie requiert souvent de l’information
sur les prévisions de vente. Si la personne qui s’occupe des ventes, une fois
ses prévisions effectuées ne communique pas l’information à la personne qui
fait les achats de matières premières à temps, cela pourrait créer une rupture
de stock et des pertes d’occasions de faire des ventes. Une coordination
entre les membres de l’équipe responsable de l’exécution du processus
d’affaires est donc nécessaire pour rester performant.
La confrontation entre les observations décrites ci-dessus et la littérature sur
les équipes permet de nous rendre compte que le concept de modèles
mentaux partagés est celui qui est le plus proche de nos observations. En
effet, l’hypothèse de base qui fonde ce concept est que les membres d’une
équipe qui partagent la même vision à propos des objectifs et
caractéristiques de l’équipe, des liens entre les actions collectives et des
différents rôles et normes requis pour réaliser la tâche collective, sont mieux
placés pour pouvoir anticiper les besoins et les actions des autres membres
de l’équipe. De plus, les concepts identifiés suite à nos observations
ressemblent aux types de modèles mentaux de Cannon-Bowers, Salas, &
Converse, (1993, voir Tableau 4). Cela nous pousse à nous inspirer de ce
cadre d’analyse pour définir nos concepts dans le Tableau 6.
.
38
Concept Appellation
(Acronyme pour la
variable)
Définition
Concept 1 Vision commune de la
tâche (V_C_TACHE)
La compréhension, partagée par
les membres d’une équipe, des
principales procédures et
contraintes pour réaliser la tâche.
Concept 2 Vision commune des
interactions
(V_C_INTERACTION)
La compréhension, partagée par
les membres d’une équipe, de la
façon d’interagir afin d’accomplir
efficacement la tâche.
Concept 3 Vision commune des
rôles (V_C_ROLE)
La compréhension, partagée par
les membres d’une équipe, de qui
connait quoi et qui est
responsable de quoi au sein de
l’équipe.
Concept 4 Coordination La manière dont l’équipe
fonctionne de manière fluide, sans
duplication d’effort
Tableau 6 : Récapitulatif des variables de la premi ère itération
Certains pourraient se poser la question à savoir comment pourrions-
nous assurer que seuls les quatre concepts définis ci-dessus sont importants
dans notre contexte? Afin de répondre à cette question, nous ferons appel à
la notion de saturation théorique (Glaser et Strauss 1967). La saturation
signifie qu’aucun phénomène nouveau, par rapport à ceux déjà observés,
n’apparait dans les données additionnelles collectées (Glaser et Strauss
1967). De ce fait, Glaser et Strauss (1967) expliquent que la saturation
constitue un critère de jugement pour savoir quand arrêter de collecter des
39
données. Dans le cadre de la première itération de notre étude, les concepts
qui ont émergé l’ont été à la suite d’observations répétées (3 fois de suite) de
deux classes d’étudiants de MBA. Il s’est trouvé que les données collectées
lors de ces observations convergeaient à chaque fois vers les mêmes
concepts. C’est la raison pour laquelle nous avons retenu les 4 concepts
définis ci-dessus comme étant les plus importants dans notre contexte.
4.2.3. Développement du matériel de collecte de don nées
Une fois les concepts identifiés et définis, l’étape qui a suivi est le
développement de l’outil de collecte de données. Comme notre approche de
collecte de données est par questionnaire électronique, nous avons d’abord
identifié des items pour opérationnaliser les différentes variables de même
nom que les concepts définis. Les items utilisés pour chaque variable ont été
inspirés principalement des travaux de Faraj et Sproull 2000, Lewis 2003 et
Caya 2008 (voir Annexe 1). Ils ont été réadaptés par rapport au contexte de
l’étude en prenant soin de référer les items à l’équipe et non aux individus,
comme le recommandent Klein et Kozlowski (2000). Ainsi, les données
collectées auront plus de chance d’être représentatives au niveau de l’équipe
qu’au niveau individuel des membres des équipes (Klein et Kozlowski 2000).
Une échelle de Likert à 7 valeurs (allant de Strongly disagree à Strongly
agree) a été utilisée pour mesurer les variables.
4.2.4. Collecte de données
Les items identifiés lors de la phase précédente sont utilisés pour
développer un questionnaire à 19 questions qui fut rempli par une population
de 23 étudiants de la M.Sc. TI de l’Université 12. Les taux de participation
sont résumés dans le Tableau 7.
2 Pour des raisons de confidentialité, nous ne donnons pas le nom exact des universités où nous
avons effectué les différentes collectes de données.
40
Université 1, Logistics, 10 septembre 2011
Quart 1 Quart 2 Quart 3 Quart 4
Nombre de participants 23/23 21/23 21/23 21/23
Tableau 7 : Participants, première itération
Les participants ont joué à la version « logistics » d’ERPSim3. Ils ont formé 5
équipes dont 2 ayant 4 participants et 3 ayant 5 participants. 4 quarts ont été
joués lors de cette simulation.
Le Tableau 8 présente les statistiques descriptives sur les quatre
variables correspondant aux concepts initialement définis, à savoir : Vision
commune de la tâche (V_C_TACHE), Vision commune des interactions
(V_C_INTERACTION), Vision commune des rôles (V_C_ROLE)
et Coordination.
V_C_TACHE V_C_INTERACTION V_C_ROLE COORDINATION
Moyenne 5.13 4.51 4.67 4.62
Médiane 5.25 4.70 4.75 4.75
Déviation standard 1.11 1.33 1.35 1.25
Asymétrie -0.83 -0.54 -0.26 -0.47
Aplatissement 0.73 -0.65 -0.9 -0.36
Tableau 8 : Statistiques descriptives, première ité ration
Le tableau ci-dessus montre que pour la Vision commune de la tâche, la
moyenne et la médiane sont respectivement de 5.13 et 5.25 (la valeur
maximale possible étant 7) et la déviation standard est juste supérieure à 1.
Alors que pour les trois autres variables, la moyenne reste autour de 4.5 et la
médiane autour de 4.7, avec une déviation standard supérieure à celle
observée pour la Vision commune de la tâche. Pour toutes les variables à
3 Dans la version logistics de la simulation ERPsim, les participants gèrent une entreprise laitière avec
plusieurs entrepôts hors site. Chaque équipe planifie le réapprovisionnement d’un entrepôt principal
à partir duquel des entrepôts régionaux sont alimentés sur la base des décisions prises par les
membres de l’équipe. L’équipe gère notamment ses stocks, le prix de vente de ses produits ainsi que
les coûts de réapprovisionnement.
41
l’étude, l’asymétrie est négative. Cela indique plus de valeurs à « gauche »
de la moyenne dans la courbe de distribution des données. Seule la Vision
commune de la tâche présente un aplatissement positif de sa courbe de
distribution (courbe ayant un pic plus aiguë). Les valeurs observées pour
l’aplatissement et l’asymétrie suggèrent que l’on peut considérer la
distribution des variables comme étant normale (valeurs comprises entre -1
et +1).
4.2.5. Analyse
4.2.5.1. Analyse factorielle
L’objectif de l’analyse factorielle est de vérifier si les items utilisés pour
mesurer chacune des différentes variables (Vision commune de la tâche,
Vision commune des interactions, Vision commune des rôles et
Coordination) mesurent effectivement ces variables. Pour ce faire, une
analyse exploratoire en composantes principales (ACP) a été effectuée sur
l’ensemble des items prévus pour mesurer ces variables. Le logiciel SPSS a
été utilisé pour faire cette analyse. Il est à noter que nous n’avons pas des
observations indépendantes. Les participants ont répondu plusieurs fois mais
après différents quarts d’une même simulation. Cependant, compte tenu de
la nature exploratoire de l’étude, cette limite n’est pas jugée critique.
Selon le Tableau 9, l’ACP fait ressortir 3 facteurs au lieu de 4 attendus.
L’indice de KMO est significatif (0.9), indiquant ainsi que l’analyse factorielle
est appropriée pour l’échantillon de données utilisé. Les facteurs qui
ressortent de cette analyse ont une variance cumulative proche de 70% et
leur variance individuelle varie entre près de 20% et un peu plus de 25%.
Pour chacune des variables, la cohérence interne est significative (Alpha de
Cronbach supérieur à 0.8 pour toutes les variables).
Une première remarque qui ressort de l’analyse est que la plupart des items
prévus pour mesurer la Vision commune de la tâche et la plupart de ceux
prévus pour mesurer la Coordination ont une influence significative sur un
seul facteur (F2). Cela suggèrerait que dans le contexte de notre étude,
Vision commune de la tâche et Coordination voudraient dire la même chose
pour les participants. L’analyse révèle également des problèmes pour les
42
items q5, q11, q16 et q19. L’item q11 (People in our team have a good “map”
of each others’ roles and responsibilities) a un score factoriel inférieur à 0.5
pour tous les facteurs qui ressortent de l’analyse. Cela veut dire que pour cet
échantillon, q11 n’a une influence significative pour aucun des facteurs.
F1 F2 F3
V_C_TACHE q1 0.255 0.692 0.467
q2 0.140 0.726 0.454
Alpha de Cronbach = 0.877 q3 0.116 0.802 0.282
q4 0.234 0.691 0.409
q5 0.530 0.378 0.210
V_C_INTERACTION q6 0.720 0.249 0.424
Alpha de Cronbach = 0.913 q7 0.755 0.173 0.377
q8 0.571 0.211 0.464
q9 0.828 0.107 0.338
q10 0.840 0.213 0.092
V_C_ROLE q11 0.295 0.469 0.305
q12 0.349 0.327 0.609
Alpha de Cronbach = 0.86 q13 0.168 0.251 0.868
q14 0.262 0.282 0.752
q15 0.413 0.135 0.743
COORDINATION q16 0.725 0.380 0.209
q17 0.351 0.603 0.187
Alpha de Cronbach = 0.843 q18 0.207 0.852 -0.022
q19 0.614 0.634 0.019
Eigenvalues 4.785 4.586 3.787
% var. 25.185 24.138 19.932
% var. Cumm. 25.185 49.324 69.256
KMO 0.900
Tableau 9 : Résultats ACP initiale, première itérat ion
Les items q5 (Within our team, people have a common understanding of the
work distribution amongst team members.) et q16 (Our team worked together
in a well-coordinated way.) ont des scores factoriels significatifs pour des
facteurs différents de ceux pour lesquels ils étaient prévus. Tandis que pour
43
l’item q19 (We accomplished the task smoothly and efficiently.), les
participants de cet échantillon de données ont jugé qu’il a une influence
significative pour deux des 3 facteurs qui ressortent de l’ACP.
Compte tenu de la validité discriminante insatisfaisante entre les
variables de la vision commune, nous tentons de voir si cela est causé par la
variable Coordination. Nous avons alors mené l’ACP sans les items q16 à
q19, prévus pour la variable Coordination. L’analyse est faite d’abord sans
l’item q11, puis sans les items q5 et q11 (voir Tableau 10) car ces items
présentaient des problèmes au niveau de leurs scores factoriels lors de
l’analyse précédente.
Sans q11 Sans q11 et q5
F1 F2 F3 F1 F2 F3
V_C_TACHE q1 0.317 0.759 0.334 0.308 0.765 0.334
q2 0.180 0.818 0.329 0.182 0.825 0.320
q3 0.188 0.849 0.142 0.174 0.852 0.145
q4 0.301 0.780 0.241 0.279 0.781 0.251
q5 0.552 0.327 0.179
V_C_INTERACTION q6 0.799 0.321 0.269 0.799 0.334 0.269
q7 0.822 0.221 0.254 0.830 0.238 0.247
q8 0.662 0.311 0.286 0.680 0.329 0.271
q9 0.824 0.106 0.331 0.812 0.114 0.342
q10 0.817 0.140 0.130 0.822 0.154 0.129
V_C_ROLE q11
q12 0.390 0.367 0.561 0.374 0.368 0.572
q13 0.195 0.373 0.811 0.188 0.375 0.811
q14 0.262 0.295 0.797 0.251 0.296 0.801
q15 0.387 0.145 0.815 0.385 0.150 0.815
Eigenvalues 4.071 3.344 2.949 3.747 3.301 2.928
% var. 29.079 23.886 21.065 28.825 25.393 22.525
% var. Cumm. 29.079 52.965 74.031 28.825 54.219 76.743
KMO 0.884 0.881
Tableau 10 : ACP sans coordination, première itérat ion
44
On observe toujours 3 facteurs et une séparation plus nette des items,
notamment dans le cas où les items q5 et q11 ne sont pas pris en compte.
On observe une légère hausse de la variance de chaque facteur et de la
variance cumulative qui passe respectivement à 74% et à 76.7%. L’indice
KMO reste toujours proche de 0.9. Ce qui indique toujours l’adéquation de
l’analyse factorielle sur cet échantillon.
Cette analyse suggère que ce ne sont pas les items de la coordination qui
causaient les problèmes observés sur les items q5 et q11. Elle suggère
également qu’aux yeux des participants dans notre échantillon, la
coordination mesure le même phénomène qu’une autre variable de la vision
commune. De cette analyse, on pourrait aussi conclure que dans les
prochaines itérations de l’étude, on devrait soit changer la façon dont les
items q5 et q11 sont libellés, soit écarter ces items.
Analysons maintenant les items de la variable Coordination isolément. En
faisant cela, nous cherchons à voir si les problèmes de score factoriel
observés pour les items q16 et q19 de la coordination sont du fait de la
présence des items de la vision commune ou si vraiment ces items mesurent
un phénomène autre que la coordination. Le Tableau 11 montre les résultats
de l’ACP avec les items prévus pour mesurer la Coordination pris isolément.
F1
COORDINATION q16 0.819
q17 0.759
Alpha de Cronbach = 0.843 q18 0.811
q19 0.906
Eigenvalues 2.726
% var. 68.162
KMO 0.672
Tableau 11 : ACP items coordination seuls, première itération
45
L’analyse fait ressortir un seul facteur avec une bonne cohérence
interne (Alpha de Cronbach > 0.8), une variance proche de 70% et un indice
KMO de 0.672. Donc les problèmes de score factoriel observés
précédemment dans les résultats de l’ACP initial (Tableau 9) sur les items
q16 et q19 semblent être du fait de la présence des items de la vision
commune. Cela semble confirmer le problème de validité discriminante entre
la variable Coordination et les trois autres variables à savoir la Vision
commune de la tâche, la Vision commune des interactions et la vision
commune des rôles.
4.2.5.2. Corrélations
Terminons la phase d’analyse en faisant un test de corrélations afin de
mieux comprendre les relations entre les concepts de la première itération.
Pour ce faire, une corrélation de Pearson avec p-value inférieure à 0.05 est
appliquée. Le Tableau 12 présente les résultats de ce test.
V_C_TACHE V_C_INTERACTION V_C_ROLE COORDINATION
V_C_TACHE 1.0000
V_C_INTERACTIONS 0.5786 1.0000
V_C_ROLES 0.6572 0.6653 1.0000
COORDINATION 0.7392 0.6638 0.5681 1.0000
Tableau 12 : Corrélations – Première itération
Le test est effectué en utilisant le niveau moyen des réponses au
questionnaire électronique, au sein des équipes et pour chaque variable.
L’analyse montre une forte corrélation entre les 4 variables (coefficients de
corrélation > 0.5), y compris entre celles de la vision commune. Cela
confirme que la validité discriminante entre les quatre variables l’étude n’est
pas suffisante.
4.2.6. Conclusion de la première itération
L’objectif de cette première phase était de découvrir des concepts
pertinents pour notre contexte d’étude et de juger de la validité discriminante
de nos variables. En d’autres termes, nous voulions voir si les 4 concepts
identifiés dans cette première itération étaient distincts.
46
L’analyse exploratoire en composantes principales nous révèle plusieurs
problèmes au niveau de certains items de mesure. Certains items ont des
scores factoriels significatifs sur des facteurs pour lesquels on ne les avait
pas prévus. Tandis qu’un autre item n’a de l’influence significative sur aucun
facteur. L’analyse factorielle suggère que certains items devraient être
libellés d’une autre façon ou écartés.
Le test de corrélations effectué sur les variables révèle une multi-colinéarité
entre les quatre variables à l’étude. Ceci voudrait ainsi dire que ces variables
que l’on pensait différentes semblent, en fait, mesurer des phénomènes
communs.
Lors de cette première itération, nous avons testé des concepts
découverts après une série d’observations d’équipes évoluant dans un
contexte de processus d’affaires intégrés. Nous avons également testé une
façon de collecter des données en ligne en fournissant une rétroaction aux
participants. Les observations issues de cette première itération sont-elles
dues à un problème méthodologique ? Ce qui est certain est que la taille de
l’échantillon utilisé pour les analyses lors de cette itération (N = 23) ne nous
permet pas de faire des conclusions définitives.
Une autre remarque en lien avec la méthodologie a émergé lors de cette
première itération. Rappelons-nous, une rétroaction est fournie aux
répondants de notre questionnaire en ligne. Dans cette rétroaction, nous
représentons à la fois la moyenne des réponses de l’équipe et l’écart type
des réponses au sein de l’équipe (voir un exemple de rétroaction en Annexe
7). En examinant différentes rétroactions envoyées aux participants, on s’est
rendu compte que l’écart type des réponses semble logiquement plus petit
chez les meilleures équipes. Comme au cours de cette première itération
nous n’avions utilisé que le niveau moyen des réponses lors des analyses, il
nous a semblé intéressant de considérer également l’écart type dans les
itérations suivantes. Cela nous amènera à exploiter une notion similaire à
celle de similitude qui est une autre propriété des modèles mentaux
(Mohammed et al. 2010, Rico et al. 2008, voir aussi paragraphe 2.10.1 à
propos du concept de modèles mentaux partagés)
47
A la lumière de ces remarques, dans la deuxième itération, nous
tenterons de vérifier les observations de la première itération en ajustant
certains aspects de la méthodologie, soit la taille de l’échantillon. Nous en
profiterons également pour étudier à la fois les effets de notions proches de
celles de la similitude et de la précision qui, rappelons-nous, sont les deux
propriétés des modèles mentaux partagés (Mohammed et al. 2010, Rico et
al. 2008).
4.3. Deuxième itération
La première itération a révélé des problèmes de validité discriminante
entre les variables des concepts de Vision commune de la tâche, Vision de
commune des interactions, Vision commune des rôles et Coordination. Des
anomalies de l’outil technologique de collecte de données ont été aussi
découvertes. Dans la phase préparatoire de cette seconde itération, des
corrections ont été apportées à l’outil. Ces corrections concernent
essentiellement une anomalie qui empêchait les participants de pouvoir
répondre au questionnaire après chaque quart dans une même simulation.
Les conclusions de la première itération nous incitent également à nous
intéresser au concept de similarité des modèles mentaux dans le contexte de
notre étude. L’idée de nous intéresser à la similarité est venue de la
discussion des résultats avec les chercheurs (les deux co-directeurs de
mémoire), ainsi que de l’observation des rapports de rétroaction fournis aux
participants de notre étude.
Le but de la seconde itération est d’abord de s’assurer de la validité
discriminante entre nos variables de la première itération. C’est pourquoi les
phases d’observation et de découverte de concepts sont absentes dans cette
itération. Le même questionnaire que celui utilisé lors de la première itération
sera utilisé dans celle-ci. Nous essayerons d’observer si les problèmes de
scores factoriels se reproduisent afin de prendre des décisions sur les
adaptations éventuelles à apporter aux concepts étudiés et à notre
méthodologie. Nous tenterons d’introduire un nouveau concept lié à l’écart
type observé dans les réponses des équipes. Cela entraine une nouvelle
définition des concepts. Nous profitons aussi de cette seconde itération pour
juger de la validité prédictive entre les variables et la performance des
48
processus d’affaires. Nous validerons également l’outil de questionnaire au
niveau technique, suites aux corrections qui ont été apportées.
4.3.1. Définition et précisions au niveau des conce pts
Le concept de modèles mentaux partagés possède deux propriétés
qui sont la similitude et la précision qui sont étudiées soit séparément ou
ensemble. La première est liée au degré de convergence des modèles
mentaux tandis que la seconde est liée au niveau de qualité de la similitude
(Mohammed et al. 2010, voir aussi paragraphe 2.10.1 – à propos du concept
de modèles mentaux partagés). Dans cette itération, nous introduirons, en
cohérence avec la littérature des modèles mentaux partagés, les notions
d’amplitude de la vision commune et de degré de mésentente. L’amplitude
de la vision commune est décrite comme étant la mesure dans laquelle les
membres d’une équipe perçoivent l’ampleur de la vision commune. Nous
différencierons l’amplitude de la vision commune par rapport à la tâche,
l’amplitude de la vision commune par rapport aux interactions et l’amplitude
de la vision commune par rapport aux rôles.
Le niveau de mésentente est défini comme étant la mesure dans laquelle les
membres d’une équipe ont une différence de perception de leur vision
commune. Plusieurs concepts similaires au niveau de mésentente sont
trouvés dans la littérature. On parle de similitude dans les publications
relatives aux modèles mentaux partagés (ex. : Mohammed et al. 2010). On
rencontre aussi la notion d’accord ou de consensus (agreement) dans Klein
et Kozlowski (2000). Dans le cadre de notre étude, nous différencierons le
niveau de mésentente par rapport à la vision commune de la tâche, le niveau
de mésentente par rapport à la vision commune des interactions et le niveau
de mésentente par rapport à la vision commune des rôles.
Dans cette itération, le niveau de coordination sera mesuré en utilisant la
moyenne des réponses des membres d’une équipe, par rapport aux items du
questionnaire associés à la coordination dans les équipes. On étudiera
également les effets du niveau de mésentente par rapport à la coordination
qui seront mesurés en utilisant la moyenne des écarts types des réponses
des membres d’une équipe, par rapport à leur coordination.
49
Concept Acronyme Mesure
Amplitude de la vision
commune par rapport à
la tâche.
V_C_TACHE Moyenne des réponses des membres d’une
équipe, par rapport aux items du
questionnaire associés à la vision commune
de la tâche.
Amplitude de la vision
commune par rapport
aux interactions.
V_C_INTERACTI
ON
Moyenne des réponses des membres d’une
équipe, par rapport aux items du
questionnaire associés à la vision commune
des interactions pour réaliser la tâche.
Amplitude de la vision
commune par rapport
aux rôles.
V_C_ROLE Moyenne des réponses des membres d’une
équipe, par rapport aux items du
questionnaire associés à la vision commune
des rôles dans l’équipe.
Niveau de Coordination COORDINATION Moyenne des réponses des membres d’une
équipe, par rapport aux items du
questionnaire associés à la coordination
dans les équipes.
Niveau de mésentente
par rapport à la vision
commune de la tâche.
DEV_STD_
TACHE
Moyenne des écarts types des réponses des
membres d’une équipe, par rapport à
l’amplitude de la vision commune de la
tâche.
Niveau de mésentente
par rapport à la vision
commune des
interactions.
DEV_STD_
INTERACTION
Moyenne des écarts types des réponses des
membres d’une équipe, par rapport à
l’amplitude de la vision commune des
interactions.
Niveau de mésentente
par rapport à la vision
commune des rôles.
DEV_STD_ROLE Moyenne des écarts types des réponses des
membres d’une équipe, par rapport à
l’amplitude de la vision commune des rôles.
Niveau de mésentente
par rapport à la
coordination.
DEV_STD_
COORDINATION
Moyenne des écarts types des réponses des
membres d’une équipe, par rapport à leur
coordination.
Performance des
processus d’affaires
MOY_ZPROFIT Score Z du profit de l’équipe lors de chaque
quart de simulation.
Tableau 13 : Récapitulatif des variables de la deux ième itération
50
Dans cette deuxième itération, nous introduisons la performance des
processus d’affaires afin de juger sa relation avec les autres concepts que
nous venons de définir. Il est difficile de juger de la compétence d’une
équipe. Cependant, dans le contexte de notre étude, le profit obtenu par une
équipe lors d’un quart de simulation est le résultat des décisions prises par
les différents membres de l’équipe. Ce profit ne peut être influencé que par la
qualité de ces décisions. C’est pour cela que nous considérons que le profit
représente une bonne mesure de la performance des processus d’affaires
dont les équipes sont responsables d’exécuter. Étant donné que les données
collectées peuvent concerner plusieurs classes différentes, le profit est
normalisé et rapporté à un score Z.
4.3.2. Collecte de données
Trois classes ont participé à cette itération. La première est constituée de
17 étudiants du baccalauréat TI de l’Université 1. Dans le cadre d’un
exercice, ils ont effectué trois quarts de simulation après lesquels ils ont
rempli le questionnaire. Le Tableau 14 montre les taux de réponse pour cette
première classe.
Université 1 , Manufacturing, 14 octobre 2011
Quart 1 Quart 2 Quart 3
Nombre de participants 17/17 12/17 13/17
Tableau 14 : Participants, Classe 1 – Deuxième itér ation
La seconde classe de la deuxième itération est constituée de 25 étudiants du
baccalauréat TI de l’Université 1. Dans le cadre d’un examen, ils ont effectué
quatre quarts de simulation après lesquels ils ont rempli le questionnaire. Le
Tableau 15 montre les taux de réponse pour cette classe.
Université 1 , Manufacturing, 15 octobre 2011
Quart 1 Quart 2 Quart 3 Quart 4
Nombre de participants 25/25 23/25 25/25 20/25
Tableau 15 : Participants, Classe 2 - Deuxième itér ation
51
La troisième classe de la seconde itération est constituée de 41 étudiants de
l’Université 2. Ils ont effectué 5 quarts de simulation après lesquels ils ont
rempli le questionnaire. Le Tableau 16 montre les taux de réponse pour cette
troisième classe.
Université 2 , Manufacturing, du 18 octobre 2011 au
19 octobre 2011 (période hebdomadaire)
Quart 1 Quart 2 Quart 3 Quart 4 Quart 5
Nombre de participants 31/41 36/41 23/41 6/41 13/41
Tableau 16 : Participants, Classe 3 - Deuxième itér ation
Chaque équipe ayant participé à cette phase de collecte de la
seconde itération est composée de participants co-localisés de 3 à 4
étudiants, sauf pour deux équipes de l’Université 2 qui fonctionnaient à
distance. Pour les deux premières classes (celles de l’Université 1), les
simulations se sont déroulées la journée même. Par contre, pour la troisième
classe, les simulations se faisaient sur une base hebdomadaire (1 quart par
semaine). Par conséquence, la collecte suivait ce rythme hebdomadaire.
Cette fois-ci, aucun problème technique n’a été relevé. La collecte a pu être
faite entièrement via l’utilisation du questionnaire en ligne.
Le Tableau 27 présente les statistiques descriptives de la deuxième itération.
Par rapport à la première itération, 1, nous y avons introduit l’écart type pour
chaque variable, ainsi que le profit des équipes. Remarquons que pour cette
deuxième itération, la normalité de la distribution des variables est nettement
moins bonne que celle observée lors de la première itération. Dans cette
deuxième itération, les valeurs de l’asymétrie et de l’aplatissement sont
parfois nettement supérieures à 1, en valeurs absolues. Malgré cela,
examinons la validité discriminante et prédictive entre nos variables.
4.3.3. Analyse
L’objectif de l’analyse dans cette seconde itération est de nous
assurer de la validité discriminante entre les variables des concepts définis et
de juger de la validité prédictive entre ces variables et la performance des
52
processus d’affaires. Pour ce faire, nous utilisons des méthodes statistiques
telles que l’analyse factorielle et le test de corrélations.
4.3.3.1. Analyse factorielle
L’objectif de l’analyse factorielle dans cette itération est de vérifier si
les problèmes de scores factoriels observés lors de la première itération se
confirment. Le Tableau 17 présente les résultats de cette analyse faite en
combinant les données collectées lors de cette itération.
En incluant tous les items du questionnaire, l’analyse fait ressortir deux
facteurs au lieu de 4 attendus, alors que lors de la première itération, l’ACP
en faisait ressortir 3 au lieu de 4 attendus. Cette fois-ci, ce sont les items q2,
q4, q6 et q16 qui ont des scores factoriels élevés sur chacun des deux
facteurs. Ce qui traduit une influence élevée de ces items sur chacun des
facteurs.
Comme lors de la première itération, les items q5 et q16 ont des scores
factoriels significatifs pour des facteurs différents de ceux pour lesquels ils
étaient prévus. Tandis que l’item q19 a une influence significative que pour
un seul facteur, contrairement à ce qu’on avait observé lors de la première
itération.
Cependant, en écartant les items prévus pour mesurer la coordination, dans
une seconde analyse (colonne « Extraction » du Tableau 17), l’analyse ne
fait ressortir qu’un seul facteur. Ce qui traduirait que l’ensemble des items ne
mesure qu’un seul phénomène.
L’analyse factorielle de la deuxième itération semble donc révéler une
accentuation des problèmes de scores factoriels observés lors de la
première itération. Elle semble également indiquer qu’aux yeux des
participants, les items utilisés pour mesurer les différentes variables ne sont
représentatifs que pour un seul phénomène. Ce qui dénote un problème de
validité discriminante pour les variables.
53
F1 F2
Extraction
F1
V_C_TACHE q1 0.478 0.690 0.638
q2 0.580 0.594 0.694
q3 0.466 0.617 0.569
q4 0.573 0.560 0.641
q5 0.740 0.352 0.652
V_C_INTERACTION q6 0.607 0.581 0.691
q7 0.784 0.410 0.762
q8 0.697 0.491 0.723
q9 0.716 0.480 0.736
q10 0.756 0.316 0.621
V_C_ROLE q11 0.709 0.380 0.634
q12 0.848 0.210 0.660
q13 0.770 0.365 0.708
q14 0.762 0.392 0.718
q15 0.633 0.477 0.633
COORDINATION q16 0.542 0.664
q17 0.352 0.784
q18 0.188 0.841
q19 0.351 0.793
Méthode d'extraction : ACP
Méthode de rotation : Varimax avec
normalisation de Kaiser.
% Var. 39.9197 30.6276 67.1936
% Var. Cumm. 39.9197 70.5473 67.1936
Tableau 17 : ACP, deuxième itération (Ensemble des données)
4.3.3.2. Corrélations
Vérifions maintenant les relations entre les variables de notre étude.
Pour cela, nous effectuons un test de corrélations en utilisant la corrélation
de Pearson. Les résultats de ce test, effectué sur les données collectées lors
de cette deuxième itération sont présentés dans le Tableau 18. Le test de
corrélations est effectué en utilisant la moyenne et l’écart type de chaque
variable étudiée, ainsi que le profit, ceci par simulation, par quart et par
équipe.
54
Nous remarquons de fortes corrélations entre les variables V_C_TACHE,
V_C_ROLE, V_C_INTERACTION et COORDINATION (coefficients de
corrélation toujours plus grands que 0.8 et valeurs de Sig. (bilatérale) plus
petites que 0.008). Cependant, il est intéressant de voir que toutes ces
variables ont une corrélation forte et statistiquement significative avec le
profit (coefficients de corrélation supérieurs à 0.5 et valeurs de Sig.
(bilatérale) égales à 0).
De fortes corrélations sont également remarquées entre les écarts types
DEV_STD_TACHE, DEV_STD_ROLE, DEV_STD_INTERACTION et
DEV_STD_COORDINATION (coefficients de corrélation plus grands que 0.5
et valeurs de Sig. (bilatérale) égales à 0), sauf entre les écarts types de la
vision commune de la tâche et de la coordination où le coefficient de
corrélation est égal à 0.471. Un autre résultat intéressant est la corrélation
négative entre chaque écart type et le profit. Cette corrélation négative n’est
statistiquement significative que pour l’écart type de la Coordination (Sig.
(bilatérale) égales à 0.000), car pour les autres, les valeurs de Sig.
(bilatérale) sont toutes plus grandes que 0.059.
Enfin, l’analyse montre que les écarts types ont tous des corrélations
négatives avec les moyennes. L’écart type de la coordination a un coefficient
de corrélation toujours inférieur à -0.5 (valeurs Sig. (bilatérale) égales à
0.000) avec les variables V_C_TACHE, V_C_ROLE, V_C_INTERACTION et
COORDINATION.
Cependant, pour les corrélations entre les autres écarts types et les
moyennes des variables correspondantes, le coefficient de corrélation est
compris entre -0.167 et -0.503.
55
Tableau 18 : Corrélations - Deuxième itération
1 2 3 4 5 6 7 8 9 1 Moy _Zprofit 1
2 V_C_TACHE 0.565**** 1
3 DEV_STD_TACHE -0.225** -0.491**** 1
4 V_C_INTERACTION 0.513**** 0.938**** -0.432**** 1
5 DEV_STD_INTERACTION -0.203** -0.466**** 0.673**** -0.503**** 1
6 V_C_ROLE 0.518**** 0.941**** -0.464**** 0.949**** -0.473**** 1
7 DEV_STD_ROLE -0.117* -0.314**** 0.664**** -0.32**** 0.696**** -0.423**** 1
8 COORDINATION 0.561**** 0.884**** -0.346**** 0.893**** -0.402**** 0.864**** -0.167* 1
9 DEV_STD_COORDINATION -0.47**** -0.564**** 0.471**** -0.525**** 0.553**** -0.508**** 0.501**** -0.511**** 1
**** = sig. bilatérale < 0.01
*** = sig. bilatérale < 0.05
** = sig. bilatérale < 0.1
* = sig. bilatérale > 0.1
56
4.3.4. Conclusion de la deuxième itération
L’un des objectifs de cette seconde itération était de vérifier si les
conclusions de la première phase se confirment, à savoir si les problèmes de
scores factoriels observés sur certains items de mesure se reproduisent et si
la validité discriminante entre les variables des concepts initiaux est toujours
insatisfaisante. Un autre objectif était de juger de la validité prédictive entre
les variables et la performance des processus d’affaires mesurée par le profit
des équipes lors de chaque quart de simulation.
L’analyse factorielle de cette seconde itération montre une accentuation des
problèmes de scores factoriels pour les items de mesure. Par ailleurs, en
isolant les items de la Coordination, ceux restants se regroupent dans un
seul facteur. Ce qui, aux yeux des participants, voudrait dire que les
variables de la vision commune ne sont pas suffisamment différentes
lorsqu’elles sont utilisées dans le contexte de notre étude. Les fortes
corrélations observées entre les différentes variables des concepts Vision
commune de la tâche, Vision de commune des interactions, Vision commune
des rôles et Coordination ont d’ailleurs été confirmées lors de cette seconde
itération.
Une première conclusion intéressante dans cette seconde itération est que
toutes les amplitudes de la vision commune de la tâche, de la vision de
commune des interactions, de la vision commune des rôles et de la
Coordination sont fortement corrélées avec la performance. Cela voudrait
signifier que dans le cadre de notre étude, l’amplitude de la vision commune
de la tâche, des interactions, des rôles et de la coordination au sein d’une
équipe aurait une influence positive sur la performance de cette équipe.
Les résultats de cette seconde itération ont également montré de fortes
corrélations entre les écarts types des différentes variables des concepts
étudiés et des corrélations négatives entre les écarts types des variables et
les moyennes de ces dernières. Mais l’observation majeure concernant les
écarts types des variables est leurs corrélations négatives avec la
performance, même si cette corrélation négative n’est statistiquement
significative que pour l’écart type de la Coordination. Cela voudrait signifier
57
que dans le cadre de notre étude, le niveau de mésentente concernant la
vision commune de la tâche, des interactions, des rôles et de la coordination
au sein d’une équipe aurait une influence négative sur la performance de
cette équipe.
Les résultats présentés dans cette seconde itération doivent être lus
en considérant certaines limites. Premièrement, par rapport à la première
itération, la collecte de données dans la seconde itération a été plus
hétérogène. En effet, pour les deux premiers groupes de participants (ceux
de l’Université 1), tous les quarts de simulation se sont déroulés la même
journée. Alors que pour le troisième groupe (celui des étudiants de
l’Université 2), les quarts de simulation se faisaient sur une base
hebdomadaire (1 quart par semaine) et la collecte suivait ce rythme
hebdomadaire. Les participants dans les deux premières classes avaient
donc plus de pressions pour répondre au questionnaire que ceux dans le
troisième groupe de collecte. Toutefois, tous les participants ont évolué dans
le même contexte de simulation ERPsim.
Deuxièmement, le questionnaire utilisé dans les deux premières itérations
nécessite en moyenne 5 minutes pour le remplir. L’une des difficultés que
l’on a observée lors des phases de collecte de données pendant les deux
premières itérations est celle de faire remplir le questionnaire entre deux
quarts de simulation. En effet, lorsqu’un quart se termine, les participants ont
tendance à se regrouper pour discuter de leur stratégie et la manière dont ils
comptent aborder le quart suivant. Leur priorité n’est donc pas de remplir le
questionnaire qui leur prend plus de 5 minutes de leur temps. Cela pourrait
avoir des conséquences sur la qualité des données collectées.
En vue de la préparation de la troisième itération, j’ai dû observer à
nouveau les participants afin de mieux comprendre les résultats des deux
premières itérations. C’est ainsi que j’ai pu collecter plusieurs remarques de
la part des étudiants. En effet, lors de la seconde itération, chaque équipe
d’étudiants ayant participé aux simulations a effectué une présentation où il
fallait, entre autres, exposer des éléments déterminants qui leur ont permis
d’avoir de bons résultats lors de la simulation. En plus des concepts
58
similaires à ceux identifiés lors de nos deux premières itérations, Il est
ressorti de ces présentations que l’adaptabilité (ou flexibilité selon la
présentation) était un des éléments déterminants. A la suite de ces
présentations, j’ai communiqué par courriel avec des étudiants afin de leur
demander plus précisément ce qu’ils entendaient par adaptabilité. Leurs
réponses m’ont permis de définir ce nouveau concept afin de l’inclure dans la
troisième itération de l’étude.
Cependant pourquoi n’avions-nous pas découvert ce concept d’adaptabilité
plus tôt ? Les observations de la première itération avaient-elles été
suffisantes ? Répondre à ces questions revient encore à évoquer la notion
de saturation théorique (Glaser et Strauss 1967). Nos différentes
observations lors de la première itération faisaient converger les données
vers les concepts que nous avons définis dans cette première itération. Peut-
être que si nous avions combiné nos observations avec des questions
directes aux participants, nous aurions pu découvrir le concept d’adaptabilité
pus tôt.
De toutes façons, l’ensemble des apprentissages, des limites et des
remarques relevées lors des deux premières itérations de l’étude nous
poussent à repenser nos concepts d’étude et notre stratégie de collecte de
données pour la troisième itération.
4.4. Troisième itération
Les deux premières itérations de l’étude ont révélé des difficultés
concernant les items de mesure des différentes variables des concepts
initialement définis pour notre étude. Elles ont également fait ressortir des
problèmes de multi-colinéarité entre les variables étudiées. Autrement dit,
aux yeux des participants, les variables ne sont pas suffisamment différentes
lorsqu’elles sont utilisées dans le contexte de notre étude. Ce qui dénote un
problème de validité discriminante pour ces variables. Dans cette troisième
itération, nous prenons en compte les limites et les observations des deux
premières itérations afin de redéfinir les concepts et repenser notre stratégie
de collecte de données. Nous tenterons de juger de la validité discriminante
59
des nouvelles variables et de la validité prédictive entre ces variables et la
performance des processus d’affaires.
4.4.1. Observation et prise de notes
Dans la phase préparatoire de cette troisième itération, il n’a pas
vraiment été question d’observations mais plutôt de suivi de présentations et
d’échange de messages courriels avec les participants. En effet, lors de la
phase de collecte de la deuxième itération, les participants d’une des classes
de l’Université 1 ont effectué des présentations où chaque équipe exposait,
entre autres, des éléments déterminants qui ont fait qu’elle a été
performante. Les éléments dont ont parlé les participants ont souvent
concerné les concepts de partage des rôles, de coordination et de
compréhension de la tâche. Cependant, un élément déterminant qui revenait
dans toutes les présentations et que l’on n’a pas encore pris en compte dans
notre étude est le concept d’adaptabilité (ou de flexibilité selon la
présentation). Afin de savoir avec plus de précision ce que représente ce
concept pour les étudiants, des échanges de messages courriels avec les
participants ont été nécessaires. Les principales réponses que j’ai obtenues
sont regroupées en quatre points :
- Pouvoir s’adapter à l’environnement (les concurrents, les fluctuations, les
prix, etc.);
- Pouvoir être réactif par rapport au marché;
- Pouvoir prendre la responsabilité de nouvelles tâches qui font surface;
- Adapter ses hypothèses initiales par rapport à l’évolution de la situation.
L’analyse des réponses des étudiants nous permettent de définir le nouveau
concept d’adaptabilité.
4.4.2. Description des nouveaux concepts
Dans cette phase, nous utilisons les apprentissages des deux
premières itérations et les nouvelles prises de notes afin de définir les
nouveaux concepts de l’étude.
Vision commune de l’Adaptabilité. Ce concept est ressorti des prises de
notes effectuées précédemment. La littérature scientifique montre que
60
l’adaptabilité est un antécédent majeur de la performance des équipes. Par
exemple, Burke et al (2006) ont montré que l’adaptabilité a une nature
émergente et cyclique. Quant-à LePine (2003) montre que l’adaptabilité a
une influence positive sur la performance des décisions post-changement.
Dans le modèle IMOI, cette variable pourrait être classée dans la catégorie
des médiateurs.
Plusieurs définitions peuvent être trouvées dans la littérature pour
caractériser l’adaptabilité des équipes dans un contexte changeant (Burke et
al., 2006). Cependant, une qui pourrait bien regrouper les réponses des
étudiants ci-dessus et qui est cohérente avec notre contexte d’étude est celle
de Cannon-Bowers, Tannenbaum, Salas et Volpe (1995), citée par Burke et
al. (2006) :
“The process by which a team is able to use information gathered from
the task environment to adjust strategies through the use of
compensatory behaviors and reallocation of intrateam resources”
Nous définissons la Vision commune de l’adaptabilité comme étant la
compréhension partagée par les membres de l’équipe, du processus par
lequel ils utilisent les évènements autour de l’environnement de la tâche afin
d’adapter leurs comportements et leurs actions.
Les ACP menées lors des deux premières itérations ont parfois fait
émerger 2 facteurs : un premier qui regroupe les concepts de coordination et
de compréhension de la tâche et un autre qui regroupe les concepts de
vision commune des interactions et des rôles. Cela nous pousse à vouloir
regrouper les quatre concepts initiaux en deux catégories :
Vision commune de la Coordination . Les analyses exploratoires en
composantes principales menées lors des deux premières itérations ont
révélé que plusieurs items de la vision commune de la tâche et de ceux de la
coordination ne mesurent en réalité qu’un seul facteur. Il est vrai que dans le
contexte de l’étude, la tâche peut être représentée par une succession
d’étapes interdépendantes dont la vision commune sous-entend une
coordination entre les différents membres de l’équipe pour la réaliser. Nous
61
définirons la Vision commune de la coordination comme étant la mesure
dans laquelle les membres d’une équipe ont une compréhension commune
des contraintes et procédures liées à la tâche et fonctionnent de manière
fluide, sans duplication d’effort.
Vision commune de la Stratégie. Dans le contexte de l’étude, les
participants utilisent le temps alloué au début de chaque quart de simulation
pour discuter de leur fonctionnement, organiser les différents rôles dans leurs
équipes et discuter de la façon d’interagir pendant les quarts. C’est pourquoi
il nous parait pertinent de regrouper les notions de vision commune des
interactions et de vision commune des rôles sous la vision commune de la
stratégie que nous définissons comme étant la mesure dans laquelle les
membres d’une équipe ont une compréhension partagée des rôles et des
interactions nécessaires entre les membres pour réaliser la tâche.
Comme lors de la deuxième itération, nos distinguerons pour chacun des
concepts définis ci-dessus, une amplitude de a vision commune et un niveau
de mésentente par rapport a la vision commune. Le tableau suivant résume
les variables étudiées dans cette troisième itération.
Concept Acronyme pour
la variable
Mesure
Amplitude de la vision
commune par rapport à
l’adaptabilité.
V_C_ADAPTABI
LITE
Moyenne des réponses des membres d’une
équipe, par rapport aux items du
questionnaire associés à la vision commune
de l’adaptabilité.
Amplitude de la vision
commune par rapport à
la coordination.
V_C_COORDINA
TION
Moyenne des réponses des membres d’une
équipe, par rapport aux items du
questionnaire associés à la vision commune
de la coordination.
Amplitude de la vision
commune par rapport à
la stratégie.
V_C_STRATEGI
E
Moyenne des réponses des membres d’une
équipe, par rapport aux items du
questionnaire associés à la vision commune
de la stratégie.
62
Concept Acronyme pour
la variable
Mesure
Niveau de mésentente
par rapport à la vision
commune de
l’adaptabilité.
DEV_STD_
ADAPTABILITE
Moyenne des écarts types des réponses des
membres d’une équipe, par rapport à
l’amplitude de la vision commune de
l’adaptabilité.
Niveau de mésentente
par rapport à la vision
commune de la
coordination.
DEV_STD_
COORDINATION
Moyenne des écarts types des réponses des
membres d’une équipe, par rapport à
l’amplitude de la vision commune de la
coordination.
Niveau de mésentente
par rapport à la vision
commune de la
stratégie.
DEV_STD_STRA
TEGIE
Moyenne des écarts types des réponses des
membres d’une équipe, par rapport à
l’amplitude de la vision commune de la
stratégie.
Performance des
processus d’affaires
MOY_ZPROFIT Score Z du profit de l’équipe lors de chaque
quart de simulation.
Tableau 19 : Récapitulatif des variables de la troi sième itération
4.4.3. Adaptation de la stratégie de collecte de do nnées
4.4.3.1. La nouvelle stratégie de collecte
L’une des difficultés que l’on a observée lors des deux premières
phases de collecte de données est celle de faire remplir le questionnaire
entre deux quarts de simulation. En effet, lorsqu’un quart se terminait, les
participants avaient tendance à se regrouper pour discuter de leur stratégie
et la manière dont ils comptaient aborder le quart suivant. Leur priorité n’est
donc pas de remplir le questionnaire qui leur prend plus de 5 minutes de leur
temps. Cela pourrait même avoir des conséquences néfastes sur la qualité
des données collectées. C’est pourquoi dans la troisième itération, nous
avons décidé de modifier notre stratégie de collecte de données. Cette
modification se traduit essentiellement à trois niveaux :
63
- (1) Au lieu d’avoir plusieurs items pour mesurer un concept, les items
d’un concept sont remplacés par un groupe de pictogrammes
représentant l’élément que l’on souhaite capturer. Cela permet de rendre
le remplissage du questionnaire plus rapide (moins d’une minute).
L’Annexe 5 présente le questionnaire final suite à ce changement.
- (2) La rétroaction qui est retournée aux étudiants après qu’ils aient rempli
le questionnaire est également modifiée pour mieux représenter la
relation linéaire entre le profit et les variables indépendantes du modèle
(Annexe 8). Le but ici est que les participants trouvent plus d’intérêt à
remplir le questionnaire et qu’ils utilisent la rétroaction comme élément de
discussion entre deux quarts.
- (3) Une page de résultats en ligne est également mise à disposition des
professeurs afin de leur fournir une vision d’ensemble des résultats issus
des réponses au questionnaire de la part de leurs étudiants. Le but est de
pousser les professeurs à avoir de l’intérêt à motiver les étudiants à
répondre au questionnaire. Il est à noter que les résultats mis à
disposition des professeurs sont sous format agrégés. C'est-à-dire qu’il
n’est pas possible d'utiliser ces informations pour noter les étudiants.
4.4.3.2. Justification de l’utilisation des pictogr ammes
L’utilisation de pictogrammes s’inspire de la technique utilisée par
Lang et al. (2005) afin de mesurer trois dimensions de l’émotion qui sont
l’éveil, la dominance et le plaisir en utilisant le Self-Assessment Mankin.
Cette méthode permet, en utilisant des pictogrammes facile à décrypter et
suffisamment représentatifs des concepts étudiés, de collecter des données
de façon plus instantanée et plus rapide. Cette technique répond donc à
notre besoin de pouvoir collecter des données grâce à un questionnaire plus
court et plus intuitif et qui prend moins de temps à répondre.
Enfin, Lang et al. (2005) ont démontré la fiabilité de cette technique en la
comparant aux techniques plus classiques
4.4.3.3. Le développement des pictogrammes
Afin de développer les pictogrammes, nous nous sommes d’abord
basés sur les différents concepts nouvellement définis, à savoir la Vision
64
commune de la Stratégie, la Vision commune de la Coordination et la Vision
commune de l’Adaptabilité.
Vision commune de la Stratégie . Pour ce concept, l’idée est de
représenter la stratégie par une cible. Chaque membre de l’équipe
(représenté par un bonhomme de couleur différente) a une vision de la cible.
Les membres d’une équipe qui n’ont pas la même vision voient des cibles
différentes. Les membres d’une équipe ayant la même vision de la stratégie
ont la vision d’une même cible. La Figure 10 illustre les pictogrammes prévus
pour mesurer la Vision commune de la stratégie. Les cinq dessins
représentent une échelle continue allant, de gauche à droite, de membres
d’une équipe ayant une vision différente (représenté par des cibles
éloignées) à une équipe ayant la même vision (autour d’une même cible).
Figure 10 : Pictogrammes représentant la Vision com mune de la stratégie
Vision commune de la coordination . Pour ce concept, l’idée est d’utiliser
les pièces de puzzle pour illustrer la coordination. Chaque membre d’une
équipe est représenté par un bonhomme de couleur grise ayant une pièce de
puzzle de couleur différente. Une faible coordination est représentée par des
membres d’une équipe isolés et ayant chacun une pièce. Une forte
coordination est représentée par des participants qui arrivent à «résoudre »
le puzzle, chacun avec une pièce du puzzle différente, mais indispensable
pour la solution finale. La Figure 11 illustre les pictogrammes prévus pour
mesurer la Vision commune de la stratégie.
65
Figure 11 : Pictogrammes représentant la Vision com mune de la coordination
Vision commune de l’adaptabilité. Pour ce concept, l’idée est de
représenter la capacité d’adaptation d’une équipe par un caméléon dans un
environnement ayant une certaine couleur. L’équipe qui arrive le moins à
s’adapter est représentée par un caméléon qui n’arrive pas à épouser la
couleur de l’environnement. L’équipe qui arrive le plus à s’adapter est
représentée par un caméléon qui épouse complètement la couleur de son
environnement. Les cinq dessins de la Figure 12 représentent une évolution
l’Adaptabilité de l’équipe.
Figure 12 : Pictogrammes représentant l’Adaptabilit é
4.4.3.4. Le test des pictogrammes par card sorting
Afin de nous assurer de la représentativité des pictogrammes par
rapport aux concepts définis, nous nous inspirons de la technique de cards
sorting (Moore et Benbasat 1991). Cependant notre démarche est simplifiée
par rapport à celle décrite par Moore et Benbasat (1991). Une fois les
concepts définis et les pictogrammes développés, nous avons édité ces
derniers dans une seule feuille. Nous avons ensuite développé des
descriptions de chaque groupe de pictogrammes. Ces descriptions sont
disposées dans un tableau selon un ordre différent de celui des groupes de
pictogrammes. Les pictogrammes et les descriptions sont enfin fournis à 4
juges isolés à qui on a demandé d’associer chaque groupe de pictogramme
66
à une description. Les résultats de ce test montrent 100% de succès par
rapport aux réponses attendues. L’Annexe 4 présente le matériel utilisé pour
le card sorting.
Le développement des pictogrammes permet de débuter la collecte de
données pour cette troisième itération.
4.4.4. Collecte de données
Trois classes ont participé à cette troisième et dernière itération. La
première est constituée de 31 étudiants du MBA de l’Université 1. Ils ont
effectué quatre quarts de simulation avec un rythme de deux quarts par
semaine. Le Tableau 20 montre les taux de réponses pour cette première
classe.
Université 1 , Logistics, 15 au 22 octobre 2011
Quart 1 Quart 2 Quart 3 Quart 4
Nombre de participants 22/31 16/31 2/31 18/31
Tableau 20 : Participants, Classe 1 – Troisième ité ration
La deuxième classe de la troisième itération est constituée de 32 étudiants
de l’Université 2. Ils ont effectué 2 quarts de simulation après lesquels ils ont
complété le questionnaire. Le Tableau 21 montre les taux de réponses pour
cette deuxième classe.
Université 2, Manufacturing , 21 février 2012 au 6 mars
2012
Quart 1 Quart 2
Nombre de participants 29/32 22/32
Tableau 21 : Participants, Classe 2 – Troisième ité ration
Enfin la troisième classe de la troisième itération est constituée de 32
étudiants de l’Université 2. La collecte n’a concerné qu’un seul quart de
67
simulation pour cette troisième classe. Le Tableau 22 montre les taux de
réponses pour cette troisième classe.
Université 2, Manufacturing , 26 mars 2012
Quart 1
Nombre de participants 29/32
Tableau 22 : Participants, Classe 3 - Troisième ité ration
Aucun problème technique n’est survenu concernant l’outil de collecte
de données.
L’Annexe 3 montre les statistiques descriptives pour cette troisième
phase de collecte. L’unité d’analyse est le triplet (équipe, numéro de quart,
identifiant simulation). Comme pour la deuxième itération, nous étudions à la
fois les effets de l’amplitude de la vision commune (représentée par la
moyenne des réponses au sein d’une équipe et pour une variable) et le
niveau de mésentente (représentée par l’écart type des réponses au sein
d’une équipe et pour une variable). Les colonnes V_C_ADAPTABILITE,
V_C_COORDINATION et V_C_STRATEGIE correspondent respectivement
aux moyennes des variables Vision commune de l’Adaptabilité, Vision
commune de la Coordination et Vision commune de la Stratégie. Les
colonnes DEV_STD_ADAPTABILITE, DEV_STD_COORDINATION et
DEV_STD_STRATEGIE représentent les écarts types respectifs pour ces
variables.
4.4.5. Analyse
4.4.5.1. Analyse factorielle
Afin de pouvoir juger de la validité discriminante des variables à
l’étude, nous avons effectué une analyse en composante principales. Mais
cette fois-ci, nous l’avons effectuée sur V_C_ADAPTABILITE,
V_C_COORDINATION, V_C_STRATEGIE, DEV_STD_ADAPTABILITE,
DEV_STD_COORDINATION et DEV_STD_STRATEGIE.
Le Tableau 23 présente les résultats de cette analyse. On y remarque que
deux facteurs en ressortent (F1 et F2) et expliquent plus de 71% de la
68
variance. V_C_ADAPTABILITE, V_C_COORDINATION et
V_C_STRATEGIE ont toutes des scores factoriels supérieurs à 0.5 sur F1
alors que DEV_STD_ADAPTABILITE et DEV_STD_COORDINATION ont
des scores factoriels supérieurs à 0.5 sur F2. Quant à
DEV_STD_STRATEGIE, elle a un score factoriel plus important pour F1
mais négatif. Son score factoriel sur F2 est positif mais inférieur à 0.5 et
moins important que celui qu’elle a sur F1.
Ces analyses voudraient dire que les variables V_C_ADAPTABILITE,
V_C_COORDINATION, V_C_STRATEGIE et DEV_STD_STRATEGIE ont
une influence significative sur le même facteur. Tandis
DEV_STD_ADAPTABILITE et DEV_STD_COORDINATION ont une
influence significative sur l’autre facteur restante. Donc les variables étudiées
n’ont pas une validité discriminante satisfaisante. Autrement dit, elles ne sont
pas parfaitement distinctes.
F1 F2 V_C_ADAPTABILITE .870 -.134 V_C_COORDINATION .927 -.124 V_C_STRATEGIE .924 -.048 DEV_STD_ADAPTABILITE .003 .868 DEV_STD_COORDINATION -.303 .769 DEV_STD_STRATEGIE -.570 .213 Méthode d'extraction : Analyse en composantes principales. Méthode de rotation : Varimax avec normalisation de Kaiser.
% var. 48.089 23.746
% var. Cumm. 48.089 71.835
KMO .655
Tableau 23 : ACP, troisième itération
4.4.5.2. Corrélations
Analysons maintenant les relations entre les variables de cette
troisième itération. Pour cela, nous faisons un test de corrélations. Le résultat
des corrélations sont résumés dans le Tableau 24. Le résultat montre que les
variables d’amplitude V_C_ADAPTABILITE, V_C_COORDINATION et
V_C_STRATEGIE sont toutes fortement et significativement corrélées entre
elles avec des coefficients de corrélation compris entre 0.753 et 0.844. La
relation est moins forte entre les variables de niveau de mésentente
DEV_STD_STRATEGIE, DEV_STD_COORDINATION et
69
DEV_STD_ADAPTABILITE dont les coefficients de corrélation entre elles ne
dépassent pas 0.4. On remarque d’ailleurs que le coefficient de corrélation
entre DEV_STD_STRATEGIE ET DEV_STD_ADAPTABILITE est très faible
(0.0272) et statistiquement peu significatif (Sig. bilatérale supérieure à 0.1).
Comme cela a été observé lors de la deuxième itération, les corrélations
entre les variables d’amplitude et celles du niveau de mésentente sont
négatives.
Si nous regardons maintenant la relation entre nos variables et le profit, nous
constatons que les variables V_C_ADAPTABILITE, V_C_COORDINATION
et V_C_STRATEGIE ont une relation positive avec le profit alors que les
variables DEV_STD_STRATEGIE et DEV_STD_COORDINATION ont une
relation négative avec le profit. Tandis que la variable
DEV_STD_ADAPTABILITE a la corrélation la plus faible avec le profit avec
un coefficient de corrélation proche de 0.
De cette analyse, on pourrait conclure que la variable
DEV_STD_STRATEGIE n’est pas significative dans l’explication de la
performance des processus d’affaires. Les fortes corrélations observées
entre les variables d’amplitude de la vision commune V_C_ADAPTABILITE,
V_C_COORDINATION et V_C_STRATEGIE montrent encore la faible
validité discriminante entre ces variables. On pourrait dire la même chose
entre les variables DEV_STD_STRATEGIE et DEV_STD_COORDINATION,
même si cela doit être nuancé du fait d’un coefficient de corrélation moins
élevé que ceux observé entre les variables d’amplitude de la vision
commune.
Le test de corrélations semble indiquer que dans la relation entre nos
variables et le profit V_C_ADAPTABILITE et DEV_STD_STRATEGIE
seraient les plus importantes. Nous tenterons de voir si cela se confirme
grâce à un test de régression.
70
1 2 3 4 5 6 7
1 V_C_ADAPTABILITE 1
2 DEV_STD_ADAPTABILITE -0.259*** 1
3 V_C_COORDINATION 0.807**** -0.154** 1
4 DEV_STD_COORDINATION -0.207*** 0.398**** -0.340**** 1
5 V_C_STRATEGIE 0.753**** -0.0378* 0.844**** -0.361**** 1
6 DEV_STD_STRATEGIE -0.383**** 0.0272* -0.422**** 0.393**** -0.396**** 1
7 MOY_ZPROFIT 0.207*** 0.002* 0.153** -0.262**** 0.121* -0.351**** 1
**** = sig. bilatérale < 0.01
*** = sig. bilatérale < 0.05
** = sig. bilatérale < 0.1
* = sig. bilatérale > 0.1
Tableau 24 : Corrélations, Troisième itération
71
4.4.5.3. Régressions
Dans le but de découvrir les variables les plus importantes pour
expliquer la performance des processus d’affaires dans le contexte de notre
étude, nous effectuons un test de régressions. Grâce au logiciel STATA, la
méthode de régression linéaire est utilisée pour découvrir successivement
les relations entre V_C_ADAPTABILITE, V_C_COORDINATION,
V_C_STRATEGIE et le profit, puis entre DEV_STD_ADAPTABILITE,
DEV_STD_COORDINATION, DEV_STD_STRATEGIE et le profit. Comme
chaque participant peut répondre après chaque quart de simulation, un
problème d’indépendance des observations peut se poser. En utilisant
l’option cluster de STATA, on a pu lui indiquer que les observations peuvent
ne pas être indépendantes pour un participant donné, mais le sont entre
différents participants. Les cas où on a obtenu un seul répondant par quart
ou par équipe ont été préalablement écartés. Au final l’analyse s’est appuyée
sur 132 observations. La fonction stepwise en mode de sélection backward
est utilisée avec comme critère d’exclure des modèles toutes les variables
indépendantes avec un alpha supérieur à 0.2. Le Tableau 25 présente les
résultats de la régression linéaire utilisant comme variables indépendantes
V_C_ADAPTABILITE, V_C_COORDINATION et V_C_STRATEGIE et
comme variable dépendante le profit.
Number of obs = 132
F( 1, 84) = 9.21
Prob > F = 0.0032
R-squared = 0.0429
Root MSE = .90172
(Std. Err. adjusted for 85 clusters in sujet_id)
Zprofit Coef. Robust Std. Err T P>|t| [95% Conf. Interval]
V_C_ADAPTABILITE 0.283 0.093 3.04 0.003 0.097 0.468
_cons -0.926 0.319 -2.9 0.005 -1.56 -0.292
Tableau 25 : Corrélations, vision commune, phase 3
72
Les résultats montrent que seule V_C_ADAPTABILITE est conservée dans
le modèle. Cette variable a une corrélation positive avec le profit et
statistiquement significative (P = 0.003). D’après le modèle,
V_C_ADAPTABILITE explique 4.29% de la variance du profit. Les résultats
voudraient dire que plus les membres d’une équipe ont une bonne
perception de leur vision commune de leur adaptabilité plus cela a une
influence positive sur leur performance. Les résultats suggèrent également
que dans le contexte de notre étude, l’amplitude de la vision commune de
l’adaptabilité est la plus importante des variables d’amplitude de vision
commune. Ces résultats devront toutefois être considérés avec précaution
du fait de la valeur basse du R-carré.
Le Tableau 26 présente les résultats de la régression linéaire utilisant
comme variables indépendantes DEV_STD_ADAPTABILITE,
DEV_STD_COORDINATION, et DEV_STD_STRATEGIE et comme variable
dépendante le profit.
Number of obs = 132
F( 2, 84) = 10.42
Prob > F = 0.0001
R-squared = 0.1415
Root MSE = .8573
(Std. Err. adjusted for 85 clusters in sujet_id)
Zprofit Coef. Robust Std. Err T P>|t| [95% Conf. Interval]
DEV_STD_STRATEGIE -0.594 0.159 -3.73 0 -0.911 -0.277
DEV_STD_COORDINATION -0.331 0.23 -1.44 0.153 -0.788 0.126
_cons 0.823 0.179 4.6 0 0.467 1.178
Tableau 26 : Corrélations, déviations standards pha se 3
Les résultats montrent que seules DEV_STD_STRATEGIE et
DEV_STD_COORDINATION sont conservées dans le modèle. Ces
variables expliquent plus de 14.15% (R-carré = 0.1558) de la variance du
profit. Les deux variables indépendantes sont négativement corrélées avec le
profit. DEV_STD_STRATEGIE est plus fortement corrélée au profit avec un
coefficient de corrélation proche de -0.6. Sa corrélation est statistiquement
73
plus significative que celle de DEV_STD_COORDINATION (P = 0 vs P =
0.153).
Ces résultats voudraient dire qu’une différence de perception au sein des
membres d’une équipe, à propos de leur vision commune de leur
coordination ou de leur stratégie aurait une influence négative sur leur
performance. Les résultats suggèrent également que dans le contexte de
notre étude, le niveau de mésentente par rapport à la vision commune de la
stratégie et celui par rapport à la vision commune de la coordination sont les
variables de niveau de mésentente les plus importantes. Ces résultats
devront aussi être considérés avec prudence du fait de la valeur basse du R-
carré.
4.4.6. Conclusion de la troisième itération
L’objectif de cette troisième itération était de s’appuyer sur les
conclusions des deux premières itérations afin de découvrir et définir de
nouveaux concepts. Il était également question de juger de la validité
discriminante entre les nouvelles variables et de la validité prédictive entre
ces variables et la performance des processus d’affaires. Nous avons donc
pris en compte les limites et les notes prises lors des deux premières
phases. Nous avons ainsi redéfini les concepts de l’étude, avons repensé
notre stratégie de collecte de données afin de rendre le questionnaire plus
facile et plus rapide à répondre avec l’utilisation de pictogrammes.
Les résultats de cette itération montrent une faible validité discriminante
entre nos variables. Ils montrent également que plus l’amplitude de la vision
commune par rapport à l’adaptabilité, la coordination ou la stratégie est
grande au sein d’une équipe, plus cela a une influence positive sur leur
performance. Cependant, de ces trois amplitudes de la vision commune,
celle de l’adaptabilité semble être la plus importante dans un contexte de
processus d’affaires intégrés.
Les résultats montrent également que le niveau de mésentente des
membres d’une équipe par rapport à la vision commune de leur coordination
ou de leur stratégie a une influence négative sur leur performance. Ces deux
74
niveaux de mésentente de la vision commune semblent d’ailleurs être les
plus importants dans un contexte de processus d’affaires intégrés.
Des résultats issus des trois itérations, émergent deux remarques.
Premièrement, la manière de mesurer les différents concepts de vision
commune en utilisant la moyenne des réponses des membres d’une équipe
semble montrer que dans le contexte de notre étude, il n’existe qu’une seule
vision commune mais étant composée de plusieurs dimensions. Cela
voudrait dire que dans la troisième itération par exemple, on aurait dû avoir
une vision commune étant composé de celles de la stratégie, de la
coordination et de l’adaptabilité. Deuxièmement, l’écart type de cette vision
commune devrait également être composé de celui de la vision commune de
la stratégie et de celui de la vision commune de la coordination.
75
Chapitre 5 : Conclusion et recommandations
5.1. Proposition d’un modèle de recherche
La nature de notre étude est exploratoire. Notre objectif était d’aboutir
à un modèle de recherche à la fin de l’étude. En adoptant une approche
Grounded Theory (Glaser et Strauss 1967), nous avons tenté, en trois
itérations, de découvrir des concepts liés à la dynamique des équipes et
pertinents dans un contexte de processus d’affaires intégrés. Nous avons
tenté de définir ces concepts et de voir leur influence sur la performance de
ces équipes. Dans la première itération de cette étude, les concepts de
Vision commune de la tâche, Vision commune des interactions, Vision
commune des rôles et de Coordination ont été définis. Les résultats des
analyses lors de cette itération ont révélé une faible validité discriminante
entre les variables respectifs de ces concepts. La deuxième itération a
permis de confirmer ce problème mais a également été l’occasion d’ouvrir
une autre avenue d’investigation qui consiste à s’intéresser à la fois à
l’impact de la perception moyenne des membres d’une équipe sur leur vision
commune et leurs différences de perception de leur vision commune sur leur
performance. Dans la troisième itération, nous avons redéfini trois concepts
qui sont la Vision commune de la stratégie, la Vision commune de la
coordination et la Vision commune de l’adaptabilité. Nous avons ensuite
mené des analyses sur les données collectées lors de cette dernière itération
en considérant d’une part la moyenne des réponses par équipe et d’autre
part, l’écart type de ces réponses, ceci pour chacun de ces nouveaux
concepts.
Deux éléments essentiels ont émergé de notre démarche : (1) qu’il existe
une amplitude de la vision commune et (2) une différence de perception de la
vision commune au sein des membres d’une équipe évoluant dans un
contexte de processus d’affaires intégrés et que chacun de ces élément a
une influence (positives ou négative) sur la performance des processus
d’affaires.
Ces remarques nous poussent à définir deux variables indépendantes pour
le modèle final que l’on propose :
76
- Amplitude de la vision commune. Cette variable pourrait être définie
comme étant la mesure dans laquelle les membres d’une équipe
perçoivent l’ampleur de la vision commune de leur stratégie, de leur
coordination et de leur adaptabilité dans un contexte de processus
d’affaires intégrés. Cette variable est composée de l’amplitude de la
vision commune de la stratégie, de celle de la vision commune de la
coordination et de celle de la vision commune de l’adaptabilité. Elle
pourrait être mesurée en utilisant la moyenne des réponses des membres
d’une équipe à qui un questionnaire en rapport avec ces trois dimensions
a été soumis.
Les résultats de la première et de la deuxième itération ont montré que la
coordination a une influence positive sur la performance de l’équipe. Les
interactions et l’organisation des rôles que nous avons regroupées sous
le concept de stratégie avaient également une influence positive sur la
performance de l’équipe. Enfin la troisième itération révèle que
l’adaptabilité est peut être le meilleur prédicteur de performance dans le
contexte de notre étude. Cela nous pousse à faire une première
proposition :
Proposition 1 : L’amplitude de la vision commune, composée de celles de
vision commune de la stratégie, de la vision commune de la coordination
et de la vision commune de l’adaptabilité, a une influence positive sur la
performance des équipes dans un contexte de processus d’affaires
intégrés.
- Niveau de mésentente. Cette variable pourrait être définie comme étant
la mesure dans laquelle les membres d’une équipe ont une différence de
perception de la vision commune de leur stratégie et de celle de leur
coordination dans un contexte de processus d’affaires intégrés. Cette
variable est composée du niveau de mésentente sur la vision commune
de la stratégie et de celui sur la vision commune de la coordination. Elle
pourrait être mesurée en utilisant la moyenne des écarts types des
réponses des membres d’une équipe à qui un questionnaire en rapport
77
avec la vision commune de la stratégie et de celle de la coordination a été
soumis.
Les résultats de la première et de la deuxième itération laissent penser
que le niveau de mésentente par rapport a la vision commune de la
stratégie et celui par rapport a la vision commune de la coordination ont
une influence négative sur la performance des équipes. Ce qui nous
pousse faire une seconde proposition :
Proposition 2 : Le niveau mésentente sur la vision commune, composé
de ceux sur la vision commune de la stratégie et de la vision commune de
la coordination, a une influence négative sur la performance des équipes
dans un contexte de processus d affaires intégrés.
La Figure 13 présente le modèle final proposé.
Figure 13 : Modèle de recherche final proposé
5.2. Apports de l’étude
Les apports de cette étude se situent sur deux niveaux. Au niveau
théorique, en proposant un modèle mettant en relation l’amplitude de la
78
vision commune, le niveau de mésentente des membres d’une équipe sur
leur vision commune et la performance des processus d’affaires, l’étude
donne les moyens de démontrer l’importance et la pertinence de l’influence
de l’aspect humain sur la performance des processus d’affaires.
Pourquoi certaines entreprises d’un même secteur industriel ont des
processus d’affaires plus performants que leurs concurrentes utilisant des
processus similaires ? Voilà une question à laquelle cette étude permet
d’apporter des éléments de réponse. En effet, l’étude donne les moyens de
démontrer que l’optimisation des processus d’affaires, en plus de l’utilisation
de technologies de l’information et des méthodes classiques, passe
également par la prise en compte du facteur humain. Parmi ces facteurs
humains, la vision commune des membres d’une équipe semble être un
élément déterminant dans la performance des processus d’affaires dont ces
membres sont parties prenantes. Les résultats de notre étude suggèrent que
dans le contexte de processus d’affaires intégrés, l’amplitude de la vision
commune et le niveau de mésentente au sein d’une équipe responsable de
l’exécution du processus sont des concepts multidimensionnels. L’amplitude
de la vision commune est composée de celles de la coordination, de la
stratégie et de l’adaptabilité. Tandis que le niveau mésentente est composé
de ceux de la stratégie et de la coordination. Les résultats de l’étude attirent
l’attention sur le fait que dans un contexte de processus d’affaires intégrés,
l’amplitude de la vision commune de l’adaptabilité, le niveau de mésentente
sur la vision commune de la coordination ainsi que celui sur la vision
commune de la stratégie seraient les éléments les plus déterminants pour
expliquer la performance des équipes dans un tel contexte. Cela ouvre ainsi
une opportunité de faire des études empiriques afin de vérifier ce résultat.
Même si notre étude s’intéresse au domaine de la performance des
processus d’affaires intégrés, elle apporte de la lumière à certaines
affirmations et interrogations dans le domaine de la recherche sur
l’implantation des PGI. Par exemple, l’étude permet d’appuyer le constat de
Gattiker & Goodhue (2005) selon lequel les profits tirés de l’implantation d’un
PGI varient d’une entreprise à l’autre et qu’il existe d’autres moyens à travers
lesquels les PGI permettent des profits plus importants (et permettent à
79
certaines entreprises d’atteindre des performances plus élevées que leurs
concurrentes). Notre étude a toute sa place dans le domaine des études sur
la phase post-implantation des PGI qui, selon certains auteurs, est devenue
le sujet principal de la recherche dans le domaine des PGI (Yan Zhu, Yan Li,
Weiquan Wang, Jian Chen, 2010) et doit être davantage étudiée (Zhu et al.,
2010, Ifinedo et al., 2010). Les PGI et les processus d’affaires étant
intimement liés, notre étude pourrait ainsi s’inscrire indirectement dans le
domaine des études s’intéressant à cette phase post-implantation des PGI.
L’influence de la vision commune des utilisateurs d’un PGI dans sa phase
post-implantation pourrait être l’un des facteurs expliquant la réussite de
l’implantation d’un PGI. Les résultats de notre étude pourraient ainsi être un
point de départ pour apporter une réponse à la question que se posaient
Gattiker & Goodhue (2005), à savoir : Comment maximiser l’impact positif
suite à l’implantation d’un PGI ?
Au niveau méthodologique, l’étude a permis plusieurs enseignements.
Notre méthode s’est reposée sur une approche inductive et itérative. Lors de
chaque itération, nous avons appliqué des techniques de la Grounded
Theory. Chaque itération a été l’occasion de prises de notes, de découverte
de concepts et des liens entre eux et surtout d’apprentissages ayant servi à
préparer l’itération suivante. Ainsi, d’une itération à l’autre, des concepts ont
été écartés, redéfinis ou regroupés. La première itération a révélé des
problèmes de validité discriminante pour nos variables initialement définies.
La deuxième itération a permis de confirmer les analyses de la première
mais a également été l’occasion d’introduire le phénomène de niveau de
mésentente. L’ensemble des apprentissages, des limites et des remarques
relevées lors des deux premières itérations de l’étude nous ont poussés à
repenser nos concepts d’étude et notre stratégie de collecte de données
pour la troisième itération qui a abouti à la proposition d’un modèle final de
recherche avec des propositions. De l’ensemble de ce processus, on peut
tirer l’enseignement suivant : Une méthodologie de recherche n’est pas
forcément statique. Telle qu’une approche agile, elle peut évoluer au fur et à
mesure que notre compréhension des contraintes du contexte de l’étude
évolue. L’approche itérative a permis non seulement de raffiner notre
80
méthodologie, mais également notre modèle de recherche. À mon avis, plus
la nature d’une étude est exploratoire, plus une approche itérative et
inductive comme celle utilisée dans cette étude est à privilégier.
Lors des différentes itérations de l’étude, nous avons utilisé plusieurs façons
de collecter des données. L’observation et la prise de notes ont été les
moyens qui ont permis de découvrir les concepts. Tandis que les discussions
directes avec les participants par messagerie électronique a permis
d’apporter des précisions dans la définition de certains concepts et même de
découvrir un nouveau concept. L’enseignement à ce niveau est que le fait de
combiner différentes approches de collecte de données permet de découvrir
des phénomènes qu’une seule approche n’aurait pas permis de voir. Dans le
contexte de notre étude en particulier, cela a permis de découvrir le concept
d’adaptabilité qui ressort comme étant l’une des dimensions les plus
importantes de la vision commune.
Un questionnaire électronique a été utilisé pour collecter les données
additionnelles permettant de tester les relations entre nos concepts lors de
chaque itération. Ce questionnaire a subi plusieurs adaptations. Il a été
initialement utilisé dans les deux premières itérations avant d’être jugé non
adapté au contexte de l’étude. En effet, dans un premier temps, nous avons
utilisé des items issus d’autres études. Ces items ont été reformulés afin de
les rendre cohérents avec notre contexte d’étude. Le fait d’avoir trouvé le
questionnaire initial non adapté à l’étude signifie qu’il ne suffit pas seulement
de reformuler et de reproduire des items dans un questionnaire pour que la
collecte de données soit une réussite. Les items du questionnaire doivent
non seulement être cohérents, mais d’autres paramètres propres au contexte
de l’étude peuvent être déterminants pour réussir une collecte de données
de qualité. Dans notre cas, le temps dont disposent les participants pour
répondre au questionnaire nous a poussés à repenser notre approche de
collecte de données. Le questionnaire initial a été remplacé par un nouveau
basé sur des pictogrammes représentant les concepts que l’on voulait
mesurer. L’utilisation de ces pictogrammes a l’avantage de rendre notre
collecte de données plus efficace car étant plus adapté à notre contexte
d’étude. Les pictogrammes permettent, en outre, une mesure plus directe
81
des phénomènes étudiés car, au lieu d’utiliser plusieurs questions pour
mesurer une variable, seule une question accompagnée d’un groupe
d’images représentatives du phénomène sont utilisées. Une fois encore,
l’adaptation de notre questionnaire a été possible grâce à notre méthodologie
itérative. Ainsi, au fur et à mesure que l’étude avançait, la connaissance des
contraintes des participants de l’étude a permis de rendre le questionnaire
plus adapté au contexte de l’étude. L’enseignement qui en découle est que la
mise en œuvre d’un outil de collecte de données lors d’une recherche,
devrait être précédée d’une étude de l’environnement et des contraintes
dans lesquels évoluent les participants de la recherche.
Enfin, le fait de fournir un rapport de rétroaction aux participants a été une
innovation dans la façon de collecter des données. En plus de nous
permettre de collecter plus de données, ce rapport aide aussi les participants
à mieux comprendre leur contexte et à adapter leurs comportements. La
rétroaction est une façon d’intéresser les participants à l’étude. Elle diffère
des approches classiques d’incitation comme la remise de carte cadeaux ou
d’une rémunération par exemple. La rétroaction est une incitation qui permet
aux participants de mieux connaitre leur environnement, mais aussi d’avoir
des données de qualité. Elle doit, elle aussi, être adaptée au contexte des
participants.
5.3. Limites de l’étude
L’une des limites de cette étude est qu’elle s’est effectuée dans un
contexte simulé et universitaire où les participants sont des étudiants. Cela
ne permettra pas de généraliser systématiquement les futurs résultats de
l’étude au monde réel. Cependant, le contexte de simulation permet d’avoir
la même technologie et les mêmes processus. Il nous permet ainsi de
mesurer l’apport de l’aspect humain dans la performance des équipes. Sans
un contexte comme celui fourni par la simulation ERPsim, il serait difficile de
faire le genre d’étude que nous venons de présenter. Il serait par exemple
impossible de faire des rétroactions instantanées aux participants de l’étude
en se basant sur l’historique des performances de toutes les équipes dans le
monde ayant participé à la simulation ERPsim.
82
Une autre limite est qu’il est difficile de s’assurer d’une bonne qualité des
données car elles sont collectées entre chaque quart de simulation pendant
que les étudiants pensent à leurs façons de s’organiser pour le quart suivant.
Dans certains cas, la collecte de données peut être hétérogène. Par
exemple, lors de la deuxième itération de l’étude, dans l’une des classes où
la collecte s’est déroulée, tous les quarts de simulation se sont déroulés la
même journée. Les données ont donc été collectées le même jour pour cette
classe. Alors que pour une autre classe, les quarts de simulation se faisaient
sur une base hebdomadaire. La collecte suivait alors ce rythme
hebdomadaire. Les participants dans la première classe avaient donc plus de
pressions pour répondre au questionnaire que ceux dans la seconde classe.
Toutefois, tous les participants ont évolué dans le même contexte de
simulation ERPsim.
5.4. Recommandations
Les recommandations que je suggère pour la suite sont à la fois sur la
méthodologie de recherche et sur l’outil technologique de collecte de
données et de rétroaction. La première recommandation au niveau
méthodologique concerne l’utilisation du rapport de rétroaction. Ce rapport
est utilisé dans notre étude comme outil pédagogique de discussion entre les
participants d’une même équipe. Il serait intéressant de démontrer son utilité
pédagogique par une étude empirique expérimentale. Cette étude pourrait se
faire de la façon suivante : on sépare la classe en deux groupes, l’un étant
composé d’équipes à qui on fournit le rapport de rétroaction après chaque
quart, l’autre étant composé d’équipes à qui on ne fournit pas le rapport de
rétroaction. L’étude consistera à regarder si le fait d’avoir le rapport de
rétroaction a une influence sur l’évolution relative de la performance après
chaque quart.
La seconde recommandation au niveau méthodologique concerne la collecte
de données. En effet, il a été noté lors de notre étude la difficulté de
s’assurer de données de qualité du fait qu’entre deux quarts, les participants
mettent plus de priorité sur l’organisation de leurs équipes que sur le
questionnaire. Ce problème est encore plus présent lorsque la simulation se
83
passe dans le cadre d’une évaluation des étudiants. Je recommande alors
dans l’avenir de ne collecter que lors des périodes hors examens.
La troisième recommandation serait d’exploiter les possibilités offertes par le
contexte de l’étude afin d’étudier l’influence de la performance d’une équipe
sur le comportement de ses membres. Comme il est possible de faire des
collectes de données successives après chaque quart, on pourrait étudier les
effets de l’évolution du profit après chaque quart sur d’autres variables
comportementales des participants. On serait ainsi cohérent avec l’aspect
temporel de la vie des équipes souligné dans le modèle IMOI.
Au niveau de l’outil, comme l’étude a permis de mettre en évidence
l’influence de la mésentente sur la performance, il serait intéressant d’inclure
ce concept dans le rapport de rétroaction. Cela permettrait de faire prendre
conscience aux participants l’importance d’être sur la même longueur d’onde
lorsqu’on travaille dans un contexte de processus d’affaire intégrés.
Enfin, l’outil manque aujourd’hui d’une interface graphique permettant de
créer des questionnaires facilement. Il serait intéressant de mettre en place
cette fonctionnalité surtout si on continue à faire des études itératives où
l’outil est continuellement en adaptation.
En conclusion, nous avons tenté d’étudier l’influence de l’aspect
humain dans la performance des processus d’affaires, sous l’angle de la
dynamique des équipes et en faisant face à de nombreux défis. Nous
espérons que les efforts fournis lors de cette étude seront utiles pour de
futures recherches dans un contexte similaire au nôtre.
84
Annexe 1 : Opérationnalisation des variables de la première
et deuxième itération
Le questionnaire soumis a pour but de mesurer la perception que les
participants ont de leur groupe en matière de compréhension de la tâche,
des interactions pour réaliser la tâche, des rôles au sein de leur équipe et de
coordination. Les items utilisés pour chaque variable ont été inspirés
principalement des travaux de Faraj et Sproull 2000, Lewis 2003 et Caya
2008. Ils ont été réadaptés par rapport au contexte de l’étude. Une échelle
de Likert à 7 valeurs (allant de Strongly disagree à Strongly agree) a été
utilisée pour mesurer les variables.
Vision commune de la tâche
Items (adaptés de Caya 2008)
q1. People in our team have a common understanding of the key business processes and the
way they should be executed in the system.
q2. People in our team have a common understanding of the key steps, challenges, and
objectives that characterize the collective task.
q3. People in our team have a common understanding of the main constraints inherent to the
collective task.
q4. People in our team hold a common understanding of the actions that need to be done in order
perform in the business simulation
q5. Within our team, people have a common understanding of the work distribution amongst team
members.
85
Vision commune des interactions
Items (adaptés de Caya 2008)
q6. Our team communication and coordination rely on shared norms well known by team
members
q7. People in our team have developed a common understanding about the way to communicate
and coordinate their work.
q8. People in our team know how to adapt their interaction depending on who they are working
with.
q9. This team has established shared routines for communication and coordination.
q10. Within our team, communication and coordination are fairly predictable.
Vision commune des rôles
Items (adaptés de Faraj 2000 et Caya 2008)
q11. People in our team have a good “map” of each others’ roles and responsibilities.
q12. People in our team are assigned to tasks that fit with their preferences.
q13. People in our team know what task-related skills and knowledge they each possess.
q14. People in our team know who on the team has specialized skills and knowledge that can
help them to make informed decisions.
q15. I know which team members have expertise in specific business processes.
86
Coordination
Items (adaptés de Lewis 2003 )
q16. Our team worked together in a well-coordinated way.
q17. Our team had very few misunderstandings about what to do.
q18. Our team did NOT need to backtrack and start over a lot.
q19. We accomplished the task smoothly and efficiently.
Performance
Le profit d’une équipe à la fin de chaque quart de simulation représente sa
performance. Comme les données sont collectées dans différentes séances
de simulations pour chaque équipe, chaque profit est standardisé en
calculant un score z de moyenne zéro de d’écart type 1.
87
Annexe 2 : Statistiques descriptives – Deuxième ité ration
Moy_Zprofit
V_C_TAC
HE DEV_STD_TACHE
V_C_INTERA
CTIONS
DEV_STD_INTER
ACTIONS V_C_ROLES DEV_STD_ROLES
COORDINAT
ION
DEV_STD_COO
RDINATION
N Valide 83 83 71 83 71 83 71 83 71
Manquante 20 20 32 20 32 20 32 20 32
Moyenne -.1164 5.7010 .6731 5.6678 .7481 5.7100 .6994 5.5020 .8208
Erreur std . de la
moyenne
.10643 .08792 .04706 .09688 .05894 .09490 .05143 .10947 .05559
Médiane .1072 5.8000 .5972 5.7500 .7024 5.9000 .6419 5.6667 .7374
Mode .30 6.20 .28 4,80a .71 6,40a ,00a 6.00 ,00a
Ecart -type .96966 .80095 .39655 .88265 .49665 .86458 .43333 .99736 .46844
Variance .940 .642 .157 .779 .247 .747 .188 .995 .219
Asymétrie -.841 -1.845 .946 -1.970 1.808 -2.129 1.555 -1.476 .520
Erreur std .
d'asymétrie
.264 .264 .285 .264 .285 .264 .285 .264 .285
Aplatissement .301 7.170 .897 8.317 4.555 9.367 4.273 4.077 .151
Erreur std .
d'aplatissement
.523 .523 .563 .523 .563 .523 .563 .523 .563
Intervalle 4.90 5.40 1.98 6.00 2.69 6.00 2.40 6.00 2.16
Minimum -3.02 1.60 .00 1.00 .00 1.00 .00 1.00 .00
Maximum 1.89 7.00 1.98 7.00 2.69 7.00 2.40 7.00 2.16
Somme -9.66 473.19 47.79 470.42 53.12 473.93 49.66 456.66 58.27
a. Il existe de multiples modes
Tableau 27 : Statistiques descriptives, Deuxième it ération
88
Annexe 3 : Statistiques descriptives – Troisième it ération
Moy_Zprofit
V_C_ADAPTABILITE
DEV_STD_ADAPTABILITE
V_C_COORDINATION
DEV_STD_COORDINATION
V_C_STRATEGIE
DEV_STD_STRATEGIE
N Valide 132 132 132 132 132 132 132 Manquante 0 0 0 0 0 0 0
Moyenne .0990 3.6288 .5511 3.8030 .6929 3.7424 .8327 Médiane .2282 3.6667 .5774 4.0000 .5774 4.0000 .7071 Ecart -type .91816 .67277 .34857 .72844 .40632 .79571 .45377 Asymétrie -.419 -.643 .321 -.789 .070 -.883 .011 Aplatissement -.313 -.075 .600 -.068 -.473 .291 -.820 Minimum -1.87 2.00 .00 2.20 .00 1.50 .00 Maximum 2.03 4.75 1.53 5.00 1.53 5.00 1.53
Tableau 28 : Statistiques descriptives – Troisième itération
89
Annexe 4 : Matériel utilisé pour le card sorting
Trois groupes de dessins vous sont présentés ci-dessous. Chacun des
groupes est associé à une description fournie dans le tableau qui est juste après les
pictogrammes. Veuillez classer chaque groupe de dessins en fonction de la
description qui vous semble les représenter.
Groupe 1
Groupe 2
Groupe 3
90
Nom, Prénom : Profession / Domaine :
Description Groupe de dessins associé Ce groupe d'images décrit la mesure dans laquelle les membres d'une équipe partagent la même vision de la stratégie. (L'échelle va de "Stratégies complètement différentes" à "Stratégie claire et commune" Ce groupe d'images décrit la mesure dans laquelle la coordination au sein d'une équipe est efficace. (L'échelle va de "Coordination inefficace" à "Coordination efficace") Ce groupe d'images décrit la mesure dans laquelle une équipe a été capable de s'adapter à différents évènements. (L'échelle va de "Adaptabilité faible" à "Adaptabilité forte")
91
Annexe 5 : Questionnaire final (Troisième itération )
92
Annexe 6 : Outil technologique de collecte de donné es – Dossier de
conception
Dans cette annexe, nous présentons les détails techniques de l’outil de
collecte de données et de rétroaction. Nous décrivons d’abord le fonctionnement
général de l’outil avant de présenter l’architecture technique qui soutient ce
fonctionnement. Ensuite nous présentons le modèle de la base de données de l’outil
ainsi que le détail des différents tableaux qui le composent. Enfin, nous détaillons le
rôle et la composition de chaque service.
Fonctionnement général
L’outil de questionnaire permet :
- De créer un questionnaire rattaché à une étude.
- De soumettre un questionnaire aux participants du jeu ERPSim
- De collecter les réponses des participants
- Et de fournir aux participants du jeu une rétroaction sous forme de rapport de
benchmarking.
Son fonctionnement général est le suivant :
Au préalable, un questionnaire est paramétré pour mesurer des variables d’une
étude donnée.
1. Le participant qui veut répondre au questionnaire entre l’adresse web du
questionnaire avec l’aide d’un navigateur.
2. Le participant lit les instructions et accepte de remplir le questionnaire.
3. Le participant renseigne son adresse courriel. Le système cherche
automatiquement les données de la dernière simulation concernant ce
participant. Un message d’erreur est affiché si le participant n’est pas trouvé
dans le système.
4. Si le participant est trouvé dans le système, il est invité à choisir son équipe
parmi celles que lui propose le système. Les équipes proposées par le
système sont celles rattachées à la dernière simulation à laquelle le participant
a joué.
93
5. Une fois que le participant a choisi son équipe, le questionnaire s’affiche. Le
participant remplit le questionnaire et clique sur le bouton de soumission.
a. Si le questionnaire n’est pas complètement rempli, un message
apparait sur l’écran du participant pour lui demander de compléter le
questionnaire.
b. Si toutes les questions du questionnaire ont été répondues :
i. S’il reste encore des participants du même groupe n’ayant pas
encore répondu au questionnaire (ou si le seuil de réponses
attendu n’est pas atteint), le système confirme l’enregistrement
du questionnaire.
ii. Si le seuil de réponses attendu est atteint, le système émet le
benchmark pour tous les membres du groupe ayant répondu au
questionnaire et auquel appartient le participant.
Figure
Figure 14 : Étapes de la soumission du questionnaire
94
95
Architecture de fonctionnement général
Le schéma ci-dessous présente l’architecture de fonctionnement global.
Figure 15 : Architecture de fonctionnement de l’out il de questionnaire
96
L’adresse courriel fourni par le participant permet d’aller chercher dans la
base de données SIMCENTRAL les informations concernant la dernière
simulation à la quelle le participant a joué. Parmi ces informations, y figurent
l’identifiant unique de la simulation, la version du jeu, le dernier quart et les
équipes. Grâce à la version du jeu, on peut afficher le questionnaire
correspondant à partir de la base de données qui gère le questionnaire.
Grâce à l’identifiant de la simulation, il est possible d’aller chercher les
données du jeu dont la performance de toutes les équipes rattachées à
l’identifiant de simulation. Ces informations de performance des équipes
permettent de fabriquer le rapport de rétroaction qui est transmis aux
équipes.
Base de données questionnaire
Structure de la base de données
Le schéma suivant montre la structure de la base de données.
Figure 16 : Structure de la base de données du ques tionnaire
97
Table T_QUESTION
Cette table contient les données concernant toutes les questions de tous les
questionnaires.
Colonne Type Description
IDQUESTION INTEGER Identifiant de la question
QUESTION VARCHAR Libellé de la question
Table T_QUESTIONNAIRE
Cette table contient les versions de questionnaires créés.
Colonne Type Description
ID INTEGER Identifiant du questionnaire
QUESTIONNAIRE VARCHAR2 Version du questionnaire
Table T_ITEM
Cette table contient les données concernant les items de mesure associés aux
variables de l’étude.
Colonne Type Description
ID INTEGER Identifiant de la question
ITEM VARCHAR Libellé de l’item
VARIABLEID INTEGER Identifiant de la variable liée à l’item
QUESTIONID INTEGER Identifiant de la question liée à l’item
QUESTIONNAIREID INTEGER Identifiant du questionnaire lié à l’item
98
Table T_ANSWER
Cette table contient les réponses aux différents questionnaires.
Colonne Type Description
ID INTEGER Identifiant de la réponse
ITEMID INTEGER Identifiant de l’item de mesure associé
ANSWER VARCHAR Valeur de la réponse à la question.
EMAILADDRESS VARCHAR Adresse courriel du participant
GAMEID VARCHAR Identifiant de la simulation
TEAM VARCHAR Équipe du participant
SUBMITDATE VARCHAR Date de soumission de la réponse
LAUNCHTIME VARCHAR Date et heure de lancement de la simulation
SIMTIME VARCHAR Quart de simulation
GAMEVARIANT VARCHAR Version de la simulation
TABLE T_VARIABLE
Cette table contient les différentes variables susceptibles d’être étudiées. Une
variable est liée à une étude.
Colonne Type Description
ID INTEGER Identifiant de la variable
VARIABLE VARCHAR Libellé de la variable
IDSTUDY VARCHAR Identifiant de l’étude associée
CREATIONDATE DATE Date à laquelle la variable a été créée
AUTHOR VARCHAR Identifiant de l’auteur
99
TABLE T_STUDY
Cette table contient les différentes études créées dans le système. Une étude peut
être active ou inactive.
Colonne Type Description
ID INTEGER Identifiant de l’étude
STUDY VARCHAR Libellé de l’étude
STATUS VARCHAR Statut de l’étude (ACTIVE / INACTIVE)
TABLE T_STATISTICS
Cette table enregistre les données du jeu issues de la base de données ERPSim
ainsi que les données de performance calculées (Z score sur le profit). Les données
sont enregistrées par (simulation, quart, équipe).
Colonne Type Description
SIMUUID VARCHAR Identifiant de la simulation
TEAM VARCHAR Identifiant de l’équipe
LAUNCHTIME VARCHAR Date et heure de lancement de la simulation
SIMTIME VARCHAR Quart de simulation
GAMEVARIANT VARCHAR Version de la simulation
PROFIT FLOAT Profit de l’équipe pendant le quart
Z_PROFIT FLOAT Score de l’équipe pendant le quart (Z Score à partir du profit)
LASTUPDATE DATE Date de dernière mise à jour de la donnée.
100
TABLE T_PARAMETER
Cette table permet de paramétrer l’outil de questionnaire (Exemple : questionnaire
en cours, seuil de réponses avant émission benchmark, pourcentage des meilleurs
à prendre en compte pour comparaison dans le benchmark, etc.).
Colonne Type Description
ID INTEGER Identifiant du paramètre
NAME VARCHAR Nom / description du paramètre
VALUE VACHAR Valeur du paramètre
Services
Le fonctionnement de l’application s’appuie sur des services permettant de rendre
possible l’interaction entre le client et les bases de données.
QuestionnaireService
Ce service concerne les activités liées à l’affichage et à la soumission du
questionnaire. Il contient deux opérations :
- String[][] getQuestionnaire(int questionnaireId) .
o Entrée : Cette opération permet d’afficher le questionnaire dont
l’identifiant est spécifié (questionnaireId).
o Sortie : l’opération renvoie un tableau ayant respectivement
comme colonnes
� L’identifiant du questionnaire
� Le libellé du questionnaire
� L’identifiant de la question
� Le libellé de la question
� L’identifiant de l’item
� Le libellé de l’item
- void submitAnswer(String[][] answer, String emailAd dress, String
gameId, String team, String launchTime, String simT ime, String
gameVariant). Cette opération permet d’enregistrer les réponses d’un
répondant au questionnaire.
101
o Entrée : l’opération prend en entrée :
� les réponses au questionnaire (answer),
� l’adresse courriel du répondant (emailAddress),
� l’identifiant de la simulation (gameId),
� l’équipe du participant (team),
� la date et l’heure de lancement de la simulation
(launchTime),
� le quart de simulation (simTime),
� la version de la simulation (gameVariant)
o Sortie : N/A
GameService
Ce service concerne les activités liées à la recherche d’informations sur une
simulation donnée. Il contient deux opérations :
- ArrayList<String> getInfo(String emailAddress). Cette opération
permet de chercher les informations concernant la dernière simulation
à laquelle le participant a joué.
o Entrée : l’opération prend en entrée l’adresse courriel du
participant.
o Sortie : l’opération fournit en sortie un tableau à une dimension
où sont stockés respectivement :
� L’identifiant de la simulation,
� La date et l’heure de lancement de la simulation,
� Les lettres des équipes participant à la simulation,
� La version de la simulation,
� Le quart en court
- String[][] getInfoProf(String simCID). Cette opération permet de
chercher les informations concernant la dernière simulation à laquelle
les participants d’une classe donnée ont joué. Ces informations sont
destinées à la page d’affichage du professeur.
o Entrée : l’opération prend en entrée le SIMCID du professeur.
102
o Sortie : l’opération fournit en sortie un tableau à deux
dimensions ayant comme colonnes respectives :
� L’identifiant de la simulation,
� Le quart en court,
� L’équipe,
� Le profit de l’équipe,
� L’identifiant de la variable,
� Le libellé de la variable,
� La moyenne des réponses de l’équipe en rapport avec
les items de la variable.
BenchmarkService
Ce service permet de déclencher l’émission du rapport de rétroaction aux
membres d’une équipe ayant répondu au questionnaire. Il contient une
opération.
- applyProcess(String gameID, String team, ArrayList <String>
teamsArrayList, String gameVariant, String lauchTim e, String
simTime). Cette opération permet effectue les traitements liés à
l’émission du rapport de rétroaction et son envoi par courriel aux
membres d’une équipe ayant répondu au questionnaire.
o Entrée : l’opération prend en entrée :
� L’identifiant de la simulation,
� L’équipe,
� La liste des équipes pour cette simulation,
� La version de la simulation,
� La date et l’heure de lancement de la simulation,
� Le quart en court.
o Sortie : Rapport de rétroaction si applicable.
103
Annexe 7 : Exemple de rétroaction lors des deux pre mières
itérations
104
Annexe 8 : Exemple de rétroaction lors de la troisi ème
itération
105
Bibliographie
Alter, S. (2002) “The Work System Method for Understanding Information
Systems and Information Systems Research,” Communications of the
Association for Information Systems, Sept., pp. 90–104
Attaran, M. (2004) Exploring the relationship between information technology
and business process reengineering , Information & Management 41
(2004) 585–596
Austin, J. R. (2003). Transactive memory in organizational groups: The
effects of content, consensus, specialization, and accuracy on group
performance. Journal of Applied Psychology, 88: 866 878.
Burke, C.S., Stagl, K.C., Salas, E., Pierce, L., & Kendall, D. (2006).
Understanding team adaptation: A conceptual analysis and model. Journal
of Applied Psychology,91, 1189-1207.
Cannon-Bowers, J. A., Salas, E. & Converse, S. A. (1990). Cognitive
psychology and team training: Shared mental models in complex systems.
Human Factors Bulletin, 33: 1-4.
Cannon-Bowers, J. A., Salas, E., & Converse, S. A. (1993). Shared mental
models in expert team decision making. In J. N. J. Castellan (Ed.), Current
issues in individual and group decision making: 221-246. Hillsdale, NJ:
Lawerence Erlbaum.
Cannon-Bowers, J. A., Tannenbaum, S. I., Salas, E., & Volpe, C. E. (1995).
Defining competencies and establishing team training requirements. In
R. Guzzo & E. Salas (Eds.), Team effectiveness and decision making in
organizations (pp. 333–380). San Francisco: Jossey-Bass.
106
Caya, O. (2008). Information technologies, knowledge integration, and
performance in virtual teams. Ph.D., McGill University (Canada), 2008,
227 pages; AAT NR50791
Caya, O., Brunelle, É., Léger, P.-M., Grebot, T. (2012). An Empirical Study
on Emotions, Knowledge Management Processes, and Performance
within Integrated Business Process Teams. 45th Hawaii International
Conference on System Sciences. 514-524
Cohen, S. G., & Bailey, D. E. (1997). What makes teams work: Group
effectiveness research from the shop floor to the executive suite. Journal
of Management, 23: 239-290.
Davenport, Thomas H. (1993). Process Innovation: Reengineering work
through information technology. Harvard Business School Press, Boston
Devine, D. J. (2002). A Review and Integration of Classification Systems
Relevant to Teams in Organizations. Group Dynamics: Theory, Research,
and Practice 2002, Vol. 6, No. 4, 291–310
Faraj, S., & Sproull, L. (2000). Coordinating expertise in software
development teams. Management Science, 46, 1554–1568.
Gattiker, Thomas F, Goodhue Dale L. (2005). What happens after ERP
implementation : Understanding the impact of Interdependence and
differentiation on plant-level outcomes. MIS Quarterly. Minneapolis: Sep
2005. Vol. 29, Iss. 3; p. 559 (27 pages)
Glaser, B.G., & Strauss, A.L. (1967). The Discovery of Grounded Theory:
Strategies for Qualitative Research. Chicago, IL : Aldine
Grover, V and Malhotra, M. K. (1997). Business process reengineering: A
tutorial on the concept, evolution, method, technology and application,
Journal of Operations Management 15 _1997. 193–213
107
Hackman, J. R. (1990). Groups that work (and those that don’t). San
Francisco: Jossey-Bass.
Hackman, J. R. (2002). Leading teams: Setting the stage for great
performances. Boston: Harvard Business School Press.
Hammer, M. and J. Champy. (2001), ‘Reengineering the Corporation: A
Manifesto for Business Revolution’, Harper Business, New York, NY, USA
Hollingshead, A.B (2001). Cognitive Interdependence and Convergent
Expectations in Transactive Memory. Journal of Personality and Social
Psychology 2001. Vol. 81. No. 6. 1080-1089
Ifinedo, P., Rapp, B., Ifinedo, A., Sundberg, K.. Relationships among ERP
post-implementation success constructs: An analysis at the organizational
level. Computers in Human Behavior 26 (2010) 1136–1148
Ilgen, D. R., Hollenbeck, J. R., Johnson, M., & Jundt, D. (2005). Teams in
organizations: From input process-output models to IMOI models. Annual
Review of Psychology, 56: 517-543.
Kettinger, W.J. and Grover, V. (Summer 1995), ``Toward a theory of
business process change’’, Journal of Management Information Systems,
pp. 9-30.
Kettinger, W. J; Teng, J.T.C. and Guha, S. (1997); "Business Process
Change: A Study of Methodologies, Techniques, and Tools" MIS
Quarterly, 21, 1 (1997), 55-80.
Klein, K. J. & Kozlowski, S. W. J. 2000. From micro to meso: Critical steps in
conceptualizing and conducting multilevel research, Organizational
Research Methods, 3: 211-236.
108
Klimoski, R., & Mohammed, S. (1994). Team mental model: Construct or
metaphor? Journal of Management, 20, 403–437
Lang, P. J., Bradley, M. M., & Cuthbert, B. N. (2005). International affective
picture system (IAPS): Instruction manual and affective ratings. Technical
Report A-6, The Center for Research in Psychophysiology, University of
Florida.
LePine, J. A. (2003). Team adaptation and postchange performance: Effects
of team composition in terms of members’ cognitive ability and personality.
Journal of Applied Psychology, 88, 27–39.
Lewis, K. (2003). Measuring transactive memory systems in the field: Scale
development and validation. Journal of Applied Psychology, 88, 587–604.
Léger, P.-M. (2006). Using a simulation game approach to teach enterprise
resource planning concepts. Journal of Information Systems Education,
17(4), 441-447.
Léger, P.-M., Robert, J., Babin, G., Pellerin, R., Wagner, B. (2007): ERPsim,
ERPsim Lab (erpsim.hec.ca), HEC Montreal, Montreal, Qc.
Lim, B. C., & Klein, K. J. (2006). Team mental models and team
performance: A field study of the effects of team mental model similarity
and accuracy. Journal of Organizational Behavior, 27(4): 403-418.
Loos, P., Riedl, R., Müller-Putz, G. R., Brocke, J V, Davis, F. D., Banker, R.
D., Léger, P.-M. (2010). NeuroIS: Neuroscientific Approaches in the
Investigation and Development of Information Systems. Business &
Information Systems Engineering. 395-401
109
Marks, M. A., Mathieu, J. E., & Zaccaro, S. J. (2001). A temporally based
framework and taxonomy of team processes. Academy of Management
Review, 26(3): 356-376.
Marks, M. A., Sabella, M. J., Burke, C. S., & Zaccaro, S. J. (2002). The
impact of cross-training on team effectiveness. Journal of Applied
Psychology, 87: 3-13.
Martin, P. Y., & Turner, B. A. (1986). Grounded theory and organizational
research. The Journal of Applied Behavioral Science, 22(2), 141-157.7
Mathieu, J. E., Heffner, T. S., Goodwin, G. F., Salas, E., & Cannon-Bowers,
J. A. (2000). The influence of shared mental models on team process and
performance. Journal of Applied Psychology, 85: 273-283.
Mathieu, J., Maynard, M. T., Rapp, T., Gilson, L. (2008). Team Effectiveness
1997-2007: A Review of Recent Advancements and a Glimpse Into the
Future. Journal of Management, 34: 410
McGrath, J. E. (1964). Social psychology: A brief introduction. New York:
Holt, Rinehart & Winston.
McGrath, J. E. (1984). Groups: Interaction and Performance. Inglewood, N.
J.: Prentice Hall, Inc.
McGrath, J. E., Arrow, H., & Berdahl, J. L. (2001). The study of groups: Past,
present, and future. Personality & Social Psychology Review, 4(1): 95-
105.
Mohammed, S., Ferzandi, L., Hamilton, K., (2010). Metaphor no more: A 15-
year review of the team mental model construct. Journal of Management.
110
Moore, G.C., and Benbasat, I. (1991). "Development of an Instrument to
Measure the Perceptions of Adopting an Information Technology
Innovation," Information Systems Research, Vol. 2, No. 3, pp. 192-222
Moreland, R. L., & Myaskovsky, L. (2000). Exploring the performance
benefits of group training: Transactive memory or improved
communication? Organizational Behavior and Human Decision Processes,
82, 117–133.
Rentsch, J. R., & Klimoski, R. J. (2001). Why do ‘great minds’ think alike?
Antecedents of team member schema agreement. Journal of
Organizational Behavior, 22, 107–120.
Rico, R., Sanchez-Manzanares, M., Gil, F., & Gibson, C. (2008). Team
implicit coordination processes: A team knowledge-based approach.
Academy of Management Review, 33: 163-184.
Teare, R., Ingram, H., Scheuing, E., Armistead, C. (1997),
Organizational teamworking frameworks: evidence from UK and US-
based firms", International Journal of Service Industry Management, Vol. 8
No.3, pp. 250-263(14)
Telleria, K M., Little, D., MacBryde, J. (2002),"Managing processes through
teamwork", Business Process Management Journal, Vol. 8 Iss: 4 pp. 338 -
350
Wageman, R., Hackman, J. R., & Lehman, E. (2005). Team diagnostic
survey: Development of an instrument. Journal of Applied Behavioral
Science, 41, 373-398.
Zairi, M. (1997), “Business process management: a boundaryless approach
to modern competitiveness”, Business Process Management, Vol. 3 No. 1,
pp. 64-80.
111
Zhu, Y., Li, Y., Wang, W., Chen, J.. What leads to post-implementation
success of ERP? An empirical study of the Chinese retail industry.
International Journal of Information Management. Kidlington: Jun 2010.
Vol. 30, Iss. 3; p. 265