Systèmes d’information
Systèmes d’information
Réputation (technologique) des entreprises et performance : quelle place pour les DSI ?
Loading
/

35 écoutes

Partager

Réputation (technologique) des entreprises et performance : quelle place pour les DSI ?

Basée sur une recherche quantitative des DSI et des PDG, cette recherche se concentre sur la réputation informatique (RI) des entreprises et son impact sur la performance. Le sujet est intéressant parce que (1) la RI de l’entreprise, mesurée par la capacité perçue de l’entreprise à développer et à maintenir sa réputation en matière de capacités informatiques, pourrait être liée à la performance organisationnelle ; (2) l’identification de nouveaux facteurs de succès informatiques est nécessaire pour mieux comprendre les facteurs antécédents menant à la performance ; et (3) l’importance de la direction et de la réputation doit être davantage prise en compte. Le modèle développé et testé explique plus de 40% de la performance organisationnelle.

Mots clés

Médias de la même institution

Emerging technologies offer endless opportunities for businesses and consumers. However, they also pose challenges in terms of adoption and use. It is essential to find a balance between technological innovation and human interaction. Businesses also need to deal with the misuse of these technologies (e.g., misleading advertising) and ensure ethical use.
ZAMAN Mustafeed - EM Normandie |
Virtual influencers are 100% Computer Generated Influencers created by AI and 3D artists. These virtual influences can model, sing, and even interact with fans—without ever existing in real life. Despite the risks of virtual influencers (e.g., lack of authenticity, ethical and transparency concerns, etc.), they represent enormous opportunities for brands.
ZAMAN Mustafeed - EM Normandie |
Recently, ensemble-based machine learning models have been widely adopted and have demonstrated their effectiveness in bankruptcy prediction. However, these algorithms often function as black boxes, making it difficult to understand how they generate forecasts. This lack of transparency has led to growing interest in interpretability methods within artificial intelligence research. In this paper, we assess the predictive performance of Random Forest, LightGBM, XGBoost, and NGBoost (Natural Gradient Boosting for probabilistic prediction) on French firms across various industries, with a forecasting horizon of one to five years. We then apply Shapley Additive Explanations (SHAP), a model-agnostic interpretability technique, to explain XGBoost, one of the best-performing models in our study. SHAP highlights the contribution of each feature to the model’s predictions, enabling a clearer understanding of how financial and macroeconomic factors influence bankruptcy risk. Moreover, it allows for the explanation of individual predictions, making black-box models more applicable in credit risk management.
NGUYEN Hoang Hiep - EM Normandie |
La gestion de portefeuille consiste à sélectionner et assembler des actifs financiers pour optimiser le risque et le rendement selon les objectifs du client. Elle est assurée par une société de gestion, composée du gérant de portefeuille, des analystes, des traders et de l’équipe commerciale. Les clients privés incluent les petits épargnants, qui investissent via des fonds indiciels (ETF) ou actifs, et les investisseurs fortunés, qui bénéficient d’une gestion sur mesure. Les investisseurs institutionnels, comme les fonds de pension et les dotations universitaires, ont des besoins spécifiques nécessitant une gestion structurée et disciplinée. Face à l’incertitude des marchés, la gestion de portefeuille repose sur une surveillance constante et une stratégie adaptée pour garantir performance et stabilité financière.
NGUYEN Hoang Hiep - EM Normandie |

Médias de la même thématique

Les Intelligences Artificielles Génératives (IAG) sont omniprésentes depuis 2023, influençant divers secteurs, y compris l'enseignement en management. L’étude de la Fnege (juillet 2024) révèle leur intégration dans le quotidien des enseignants et des étudiants, qui demande une réflexion urgente sur les pratiques dans l’enseignement supérieur de gestion. Quatre jalons clés sont proposés : informer et sensibiliser les parties prenantes aux avantages et dangers des IAG, établir une charte éthique d'utilisation, repenser les objectifs pédagogiques, et enfin, expérimenter avec soin en évaluant tous les impacts de ces outils pour nos établissements.
QUINIO Bernard - FNEGE |
L'IA frugale est une approche visant à développer des solutions d'intelligence artificielle tout en minimisant l'utilisation des ressources. Selon une étude de l'Agence Internationale de l'Énergie (IEA), la consommation électrique des centres de données pourrait dépasser 1 000 térawattheures d'ici 2026, doublant ainsi leur consommation actuelle. Les modèles d'IA, comme ChatGPT, consomment beaucoup d'énergie, avec une requête pouvant utiliser jusqu'à dix fois plus d'électricité qu'une recherche Google classique. Pour contrer cela, l'IA frugale propose des solutions telles que l'edge computing, qui décentralise le traitement des données, et le transfer learning, qui réutilise des modèles existants pour réduire la consommation énergétique. De plus, l'A frugale intègre une réflexion éthique, en évaluant la nécessité et l'impact des usages de l'A, afin de favoriser des technologies durables et responsables. Adopter une IA frugale est essentiel pour rendre l'intelligence artificielle plus écologique, accessible et éthique, tout en répondant aux défis énergétiques posés par l'expansion des centres de données.
GLAVAS Dejan - ESSCA |
Le baromètre de l'A analyse l'intégration de l'intelligence artificielle dans les entreprises françaises et britanniques et son impact sur la durabilité. Basé sur les réponses de plus de 400 responsables informatiques, il révèle que, malgré les avantages perçus en termes de productivité et de réduction des coûts, des obstacles persistent tels que des contraintes financières et un manque de personnel qualifié. Les entreprises sous-estiment souvent les défis liés aux biais des systèmes d'lA et à la nécessité d'un contrôle humain. Les entreprises britanniques, adoptant une approche "test and learn", semblent plus avancées. Un besoin accru de compétences en lA, en gouvernance des données et en gestion des risques éthiques est identifié. Les entreprises reconnaissent l'importance de l'IA pour l'avenir, mais doivent intégrer pleinement les considérations éthiques et durables dans leurs stratégies.
GLAVAS Dejan - ESSCA |
The sociomaterial lens within IS research holds that agency should not be considered as a property solely of humans, or of technology, but instead arises from an emergent interaction between the two. This, emergent, account of agency deepens our understanding of unfolding IS practice, but its largely cognitive orientation remains naïve towards affectively-sensed motivations that also form part of this interaction. By implication, a sociomaterial perspective lacking an affective dimension offers an incomplete conceptualisation of information systems. In response, an affectively-informed negative ontology encourages IS researchers to extend their focus beyond the visible, to encompass how actors’ receptiveness towards material objects (discourses, technologies) is shaped by deep, affectively-derived motivations of which they are not focally aware, but which nonetheless acquire agency in contributing to a sociomaterial outcome. A central argument, and illustrative empirical vignette, demonstrate how the concepts of sociomateriality, affect, and negative ontology combine to offer researchers an enhanced understanding of relational agency. A discussion follows, exploring some initial ontological, epistemological and methodological implications of an affectively-informed negative ontology for IS research.
PIGNOT Edouard - EMLV |

Découvrez nos podcasts