Notre étude examine si les entreprises familiales émettent moins de carbone que les entreprises non familiales et comment l’hétérogénéité au sein des entreprises familiales affecte leurs émissions de carbone. En utilisant un échantillon de 308 sociétés françaises cotées dans l’indice CAC-All Shares de 2002 à 2020, nous constatons que les entreprises familiales sont plus susceptibles de réduire leur empreinte carbone que les entreprises non familiales. Cependant, le comportement carbone des entreprises familiales n’est pas homogène. L’éponymie familiale influence négativement les émissions de carbone. Étonnamment, l’effet du stade générationnel familial est positif, suggérant que les entreprises familiales des premières générations sont plus vertueuses que celles des générations suivantes. Des tests supplémentaires démontrent que la présence des fondateurs en tant que PDG ou président de conseil d’administration est associée à la réduction des émissions carbone. Nous montrons également que l’innovation verte, la présence de l’entreprise dans un secteur polluant, 1’Accord de Paris et la loi sur la transition énergétique en 2015 ont renforcé les réductions d’émissions des entreprises familiales. Enfin, nous soutenons que l’engagement à réduire les émissions de carbone est un facteur d’augmentation de la valeur des entreprises familiales.

- 00:03:47
Robotic warehouses have transformed logistics, prioritizing speed and efficiency. However, traditional static priority systems often leave low-priority customers facing excessive delays, raising concerns about fairness. This research, based on Invia, a robotic warehouse company, proposes a dynamic priority allocation model to balance efficiency and fairness. By adjusting order priorities over time, this approach ensures that both high-priority and long-waiting low-priority orders receive timely fulfillment. Through stochastic modeling and simulations, we demonstrate that dynamic prioritization reduces delays compared to static and first-come, first-served (FCFS) models. Case studies in e-commerce and healthcare logistics illustrate the broader impact of fairness in automation. As industries increasingly rely on AI-driven decision-making, the balance between efficiency and equity becomes critical. This research challenges the assumption that robotic warehouses should optimize for speed alone and advocates for a future where fairness plays a central role in automated commerce.
YUAN Zhe - EMLV |
- Recherche
- Logistique et Supply Chain, Transformation Digitale