L'impact de l'intelligence artificielle sur les stratégies de croissance des pme : une analyse de la redéfinition de l'avantage concurrentiel face aux grands groupes

Compaore, Yan (2026). L'impact de l'intelligence artificielle sur les stratégies de croissance des pme : une analyse de la redéfinition de l'avantage concurrentiel face aux grands groupes. Mémoire. Gatineau, Université du Québec en Outaouais, Département des sciences administratives, 173 p.

Prévisualisation

PDF Télécharger (3MB) | Prévisualisation

Résumé

Ce mémoire de recherche se penche sur la transformation des dynamiques concurrentielles à l’ère de l’intelligence artificielle (IA), en interrogeant plus précisément la capacité des petites et moyennes entreprises (PME) à redéfinir leur avantage stratégique face aux grandes entreprises. Traditionnellement, la littérature en gestion suggère que les grands groupes dominent les processus d'innovation technologique grâce à leur puissance financière et à leur accès massif aux données (Big Data). Cependant, l’émergence de technologies d'IA accessibles et modulaires semble bousculer ce paradigme en offrant aux structures plus agiles des leviers de différenciation inédits.
L'objectif principal de cette étude est d'identifier les mécanismes par lesquels une PME peut convertir sa petite taille, souvent perçue comme un handicap, en un actif stratégique grâce à une meilleur orchestration. Pour ce faire, nous avons adopté une posture épistémologique interprétative et déployé une méthodologie d'étude de cas multiples. Notre échantillon est composé de vingt PME québécoises, segmentées en quatre profils distincts afin de garantir une transférabilité des résultats : les PME IA-Natives, les entreprises manufacturières en transition, les cabinets de services B2B et les organisations de secteurs traditionnels.
Les résultats de notre analyse inter-cas révèlent un changement de paradigme fondamental : l’avantage concurrentiel ne repose plus sur la masse des ressources (capital et volume de données), mais sur le tempo organisationnel (vitesse de bouclage de la donnée). Nous introduisons un modèle qui démontre que les PME performantes peuvent concurrencer les grands groupes. Cette approche privilégie la collecte et le traitement chirurgical de données de niche, permettant une précision décisionnelle que les structures bureaucratiques des grandes entreprises peinent à égaler en raison de leur inertie systémique.
L'étude met également en lumière l'émergence de l'agilité comme une capacité dynamique supérieure. Cette agilité permet aux PME de compresser leurs cycles de décision et de pivoter stratégiquement en temps réel. Toutefois, une nuance importante apparaît : l'existence d'une « taxe de vérification » pour les PME les moins avancées. En l'absence d'une culture technologique suffisante au sein de la direction, l'IA devient un facteur de ralentissement plutôt que d'accélération, soulignant l'importance cruciale du capital humain hybride pour activer l'avantage technologique.
En conclusion, ce travail propose une redéfinition de l'avantage concurrentiel en contexte de PME comme un processus transitoire, dépendant de l'alignement constant entre l'intention managériale et la capacité algorithmique. Nos recommandations stratégiques invitent les dirigeants à délaisser la course au volume pour se concentrer sur la vitesse d'apprentissage et la spécialisation de niche.
Ce mémoire confirme ainsi que, dans l'économie de l'intelligence artificielle, la performance n'est plus corrélée à la taille de l'organisation, mais à sa capacité à transformer l'information en action immédiate.

Type de document:	Thèse (Mémoire)
Directeur de mémoire/thèse:	Gaggnon, Stephane
Mots-clés libres:	Intelligence artificielle, Avantage concurrentiel, PME, Grands groupes; Agilité; Capacités dynamiques; Smart Data; Québec
Départements et école, unités de recherche et services:	Sciences administratives
Date de dépôt:	30 juill. 2026 14:30
Dernière modification:	30 juill. 2026 14:30
URI:	https://di.uqo.ca/id/eprint/1973

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt