1. Résumé / Abstract
Le Modèle de mesure du partage des connaissances entre parties prenantes (Stakeholder Knowledge Sharing–Measurement Model), élaboré par Sheshadri Chatterjee, Ranjan Chaudhuri, Demetris Vrontis et Gianpaolo Basile (2025), constitue un dispositif d’évaluation psychométrique et organisationnelle conçu pour examiner les mécanismes par lesquels le flux informationnel et cognitif entre les divers partenaires d’une entreprise catalyse l’innovation organisationnelle. Composé initialement de 23 items adaptés de corpus canoniques dans le domaine du management stratégique et des capacités d’absorption (notamment Zahra & George, 2002 ; James & Mondal, 2019), cet instrument structure l’évaluation empirique des flux de connaissances interorganisationnels et intraorganisationnels et de leur impact sur l’innovation de produit et de procédé, sous la modération de l’adoption des technologies contemporaines.
L’inventaire opérationnalise plusieurs dimensions complémentaires, notamment le partage de connaissances tacites et explicites avec les parties prenantes externes (fournisseurs, clients, partenaires de recherche) et internes (collaborateurs, équipes transversales), la capacité d’absorption organisationnelle, l’utilisation stratégique des technologies numériques avancées, ainsi que la performance novatrice multidimensionnelle (produits et processus). Les réponses sont quantifiées à travers une échelle d’évaluation de type Likert en 5 points, allant de 1 (« Pas du tout d’accord ») à 5 (« Tout à fait d’accord »).
Sur le plan des qualités métrologiques, l’instrument administré auprès d’un échantillon représentatif de professionnels et cadres issus de multiples entreprises en Inde démontre une robustesse psychométrique remarquable. La cohérence interne globale s’illustre par des coefficients alpha de Cronbach rigoureusement situés entre 0,87 et 0,89 pour l’ensemble des sous-échelles. L’analyse factorielle confirmatoire (AFC) indique une saturation factorielle supérieure au seuil canonique de 0,70 pour l’intégralité des items retenus, attestant d’une excellente validité factorielle. La validité convergente est confirmée par des variances moyennes extraites (AVE, Average Variance Extracted) surpassant toutes le seuil de 0,50 recommandé par Hair et al. (2017). De surcroît, la validité discriminante respecte scrupuleusement le critère de Fornell-Larcker, la racine carrée de chaque AVE excédant systématiquement les corrélations inter-constructs associées.
2. Mots-clés / Keywords
Partage des connaissances, parties prenantes, performance innovatrice, innovation de produit, innovation de procédé, modèle de mesure, psychométrie organisationnelle, capacité d’absorption, utilisation technologique, transfert de connaissances, comportement organisationnel.
3. Auteurs / Authors
Le modèle a été développé et validé empiriquement par une équipe internationale de chercheurs de premier plan spécialisés en gestion des systèmes d’information, marketing international et stratégie d’entreprise :
- Ranjan Chaudhuri : Department of Marketing, Indian Institute of Management, Inde.
- Sheshadri Chatterjee : Department of Computer Science & Engineering, Indian Institute of Technology Kharagpur, Bengale-Occidental, Inde. Identifiant ORCID : 0000-0003-1075-5549. Courriel académique institutionnel : [email protected].
- Demetris Vrontis : School of Business, Department of Management, University of Nicosia, Nicosie, Chypre.
- Gianpaolo Basile : Dipartimento di Management, Sapienza Università di Roma, Rome, Italie. Identifiant ORCID : 0000-0002-5383-5728.
4. Objectif / Purpose
L’objectif fondamental du modèle de mesure du partage des connaissances entre parties prenantes (Chaudhuri et al., 2025) réside dans la modélisation rigoureuse et la quantification fine des mécanismes cognitifs, sociaux et relationnels par lesquels l’interaction collaborative entre une entreprise et son écosystème de parties prenantes (stakeholders) engendre une supériorité innovante durable. Alors que les écosystèmes contemporains sont caractérisés par une volatilité technologique accrue et une fragmentation de l’expertise, les frontières traditionnelles des organisations se fluidifient, rendant la rétention autarcique du savoir obsolète. Dès lors, cet instrument répond à une nécessité impérieuse : fournir une échelle psychométrique standardisée mesurant non seulement l’intensité et la qualité du partage informationnel, mais également son articulation opérationnelle avec les capacités technologiques avancées au service de l’innovation.
Sur le plan épistémologique et théorique, le modèle comble un vide majeur dans la littérature relative au management des connaissances (knowledge management). Bien que la théorie des parties prenantes introduite par Freeman et la perspective fondée sur les ressources (RBV) soulignent depuis longtemps l’importance stratégique du capital intellectuel externe, rares étaient les échelles psychométriques validées intégrant à la fois la pluralité des parties prenantes (fournisseurs, clients stratégiques, universités, agences de régulation, consultants), l’intermédiation technologique contemporaine (analytique de données, plateformes d’intégration collaborative, systèmes d’intelligence artificielle) et les sous-facettes opérationnelles de l’innovation (processus versus produits).
Dans le domaine de la recherche fondamentale, cet instrument sert de socle pour investiguer des modèles d’équations structurelles complexes explorant les médiations et modérations organisationnelles. Il permet aux chercheurs de vérifier empiriquement dans quelle mesure l’infrastructure technologique agit comme catalyseur ou comme facteur d’amplification (effet modérateur) dans la relation entre l’échange de savoirs et l’efficience productive. Par ailleurs, il autorise des comparaisons inter-entreprises et inter-sectorielles concernant l’ouverture cognitive des firmes.
Dans la pratique professionnelle et le diagnostic organisationnel, l’instrument s’avère précieux pour les directions de la stratégie, de la transformation digitale et des ressources humaines. Il fonctionne comme un audit des dynamiques partenariales et des compétences psychosociales partagées, permettant de diagnostiquer les freins culturels, les goulots d’étranglement technologiques et l’asymétrie informationnelle qui brident le potentiel d’innovation. Les organisations peuvent ainsi calibrer leurs programmes de gestion de la relation client (CRM collaboratif), leurs partenariats d’innovation ouverte (open innovation) et leurs systèmes de knowledge management en ciblant précisément les leviers psychométriquement déficitaires.
5. Construit psychologique / Construct
Le modèle repose sur une constellation de construits psychologiques et comportementaux interdépendants, ancrés dans la psychologie organisationnelle et la cognition distribuée. Chacune de ses sous-dimensions opérationnalise une facette distincte de l’architecture de connaissance et de la performance créative de l’organisation :
1. Partage des connaissances avec les parties prenantes (Stakeholder Knowledge Sharing)
Ce construit central mesure la propension active, volontaire et systématisée des membres de l’organisation à échanger des insights stratégiques, des compétences techniques, des rétroactions d’usage et des données prospectives avec l’ensemble des parties prenantes pertinentes (fournisseurs critiques, distributeurs, usagers finaux, réseaux universitaires, régulateurs). Loin de se réduire à un simple transit passif d’informations, ce construit capture des dimensions comportementales de coopération proactive, de confiance interorganisationnelle et de réciprocité psychosociale. Par exemple, il évalue si l’entreprise engage des sessions itératives de co-développement avec ses partenaires ou si elle maintient des canaux bilatéraux continus facilitant l’expression des connaissances tacites difficilement codifiables.
2. Capacité d’absorption organisationnelle (Absorptive Capacity)
Dérivée des travaux de référence de Zahra et George (2002), cette facette quantifie l’aptitude organisationnelle dynamique à reconnaître la valeur d’une information externe nouvelle, à l’assimiler à travers des schèmes interprétatifs partagés, à la transformer en la combinant avec le socle cognitif préexistant de la firme, et enfin à l’exploiter à des fins commerciales et opérationnelles. Le construit mesure ainsi la vitesse à laquelle les connaissances externes disséminées par les parties prenantes sont décodées, internalisées par les équipes de recherche et développement (R&D) ou de production, et converties en compétences distinctives au sein des routines quotidiennes.
3. Utilisation des technologies modernes (Modern Technology Usage)
Cette variable agit comme un pivot instrumental et modérateur au sein du modèle conceptuel. Elle évalue le degré d’appropriation fonctionnelle, d’intégration et d’usage effectif des technologies émergentes (telles que le cloud computing collaboratif, les outils d’apprentissage automatique, les environnements d’échange de données sécurisés, les plateformes de gestion de données unifiées) pour fluidifier les interactions avec les parties prenantes. Ce construit ne mesure pas simplement la présence physique d’une infrastructure informatique, mais bien le comportement effectif d’usage technologique des équipes pour cartographier, stocker, extraire et synthétiser les corpus d’expertise provenant de l’écosystème d’affaires.
4. Performance d’innovation de procédé (Process Innovation Performance)
Ce construit évalue les améliorations qualitatives et quantitatives radicales ou incrémentales apportées aux méthodes de production, aux systèmes de livraison, aux protocoles logistiques et aux procédures administratives de la firme. Il capture l’habileté de l’organisation à réduire ses cycles opérationnels, à éliminer les redondances et à accroître l’agilité interne grâce aux retours d’expérience partagés par les fournisseurs d’équipements, les auditeurs ou les experts sectoriels.
5. Performance d’innovation de produit (Product Innovation Performance)
Centrée sur les extrants visibles offerts au marché, cette dimension mesure la fréquence, l’originalité et le succès commercial des nouveaux produits ou services mis au point par l’entreprise. Elle évalue dans quelle mesure les besoins non satisfaits exprimés par les clients et les percées techniques identifiées conjointement avec des partenaires technologiques sont métamorphosés en propositions de valeur novatrices, robustes et conformes aux exigences sociétales et éthiques contemporaines.
6. Cadre théorique / Theoretical Framework
Le Modèle de mesure du partage des connaissances entre parties prenantes s’enracine au confluent de trois corpus théoriques majeurs de la science de gestion et de la sociologie des organisations :
La théorie des parties prenantes (Stakeholder Theory)
Initialement articulée par R. Edward Freeman (1984), la théorie des parties prenantes postule que la pérennité et la performance d’une organisation ne dépendent pas exclusivement de la maximisation unilatérale de la valeur pour les actionnaires (shareholders), mais de sa capacité à concevoir, enrichir et entretenir des relations pérennes et mutuellement bénéfiques avec l’ensemble des acteurs influençant son activité ou impactés par celle-ci. Transposée à l’économie de la connaissance, cette perspective énonce que le capital cognitif est dispersé au sein du réseau d’interdépendances de l’entreprise. Les connaissances critiques résident aux interfaces relationnelles, faisant du partage symétrique et éthique un impératif normatif et stratégique.
La vue de l’entreprise basée sur les connaissances (Knowledge-Based View – KBV)
Émanation raffinée de la théorie des ressources (Resource-Based View ou RBV popularisée par Barney), la perspective basée sur les connaissances (développée notamment par Grant, 1996) envisage l’entreprise comme un système d’intégration de connaissances hétérogènes, idiosyncrasiques et difficilement imitables. Dans cette optique, la connaissance est appréhendée comme la ressource la plus stratégique dont dispose l’organisation. Néanmoins, la KBV postule que les avantages concurrentiels pérennes ne proviennent pas d’un stock statique de savoirs, mais de flux dynamiques d’apprentissage collectif et de transferts cognitifs transfrontaliers. Le modèle de Chaudhuri et al. (2025) capitalise sur ce paradigme en posant le partage inter-parties prenantes comme le vecteur primaire d’actualisation de la valeur des compétences internes.
La théorie des capacités dynamiques et d’absorption (Dynamic Capabilities & Absorptive Capacity)
Proposée originellement par Cohen et Levinthal (1990) puis réexaminée sous l’angle de la dynamique multidimensionnelle par Zahra et George (2002), la théorie de la capacité d’absorption constitue le rouage explicatif sous-tendant l’instrument. La possession ou la réception brute d’informations externes ne suffit aucunement à stimuler la performance créatrice ; l’organisation doit déployer des capacités organisationnelles dynamiques pour convertir les stimuli externes en compétences exploitables. L’échelle de Chaudhuri et al. opérationnalise précisément ce pont théorique en associant les interfaces d’échange externes avec les mécanismes internes de transformation productive, tout en intégrant la théorie de l’adaptation technologique pour expliquer comment les artefacts logiciels maximisent les capabilités organisationnelles.
7. Validité / Validity
La validité scientifique de l’instrument a fait l’objet d’un processus de confirmation statistique rigoureux fondé sur les critères méthodologiques modernes de la modélisation en équations structurelles (SEM), comme prescrit par Hair et al. (2017) :
Validité de contenu et validité apparente
Les 23 items du modèle ne résultent pas d’une spéculation a priori, mais d’une adaptation méticuleuse d’échelles validées et reconnues dans la littérature scientifique internationale, incluant les travaux séminaux de Zahra et George (2002) pour la capacité d’absorption et de James et Mondal (2019) pour les dynamiques partenariales et l’innovation. La formulation de chaque énoncé a été soumise à un examen critique par un panel d’experts académiques et de praticiens industriels afin de garantir que chaque question représente fidèlement le domaine conceptuel visé sans ambiguïté sémantique ni redondance artificielle.
Validité convergente
La validité convergente vérifie que les items mesurant un même construit partagent une proportion substantielle de variance commune. Deux critères psychométriques majeurs ont été rigoureusement appliqués :
- Variance moyenne extraite (AVE – Average Variance Extracted) : Conformément aux recommandations classiques de Fornell et Larcker (1981) et de Hair et al. (2017), le seuil minimal acceptable d’AVE est de 0,50, signifiant que le construit latent explique plus de 50 % de la variance de ses indicateurs respectifs. Les analyses conduites par Chaudhuri et al. (2025) démontrent que l’intégralité des construits du modèle dépasse largement ce plancher de 0,50.
- Saturations factorielles standardisées (Factor Loadings) : Les estimations obtenues via l’analyse confirmatoire montrent que toutes les saturations individuelles des 23 items oscillent au-dessus de 0,70, franchissant avec succès le seuil préconisé par Chin (2010), attestant que chaque item capture une part dominante de variance vraie liée à son construit cible.
Validité discriminante
La validité discriminante garantit empiriquement qu’un construit théorique est distinct des autres dimensions du réseau nomologique et ne se superpose pas conceptuellement avec eux :
- Critère de Fornell-Larcker : Pour chaque dimension latente, la racine carrée de la variance moyenne extraite ($\sqrt{AVE}$) a été calculée. Dans tous les cas sans exception, cette valeur s’est avérée strictement supérieure aux coefficients de corrélation bivariés partagés entre ce construit et l’ensemble des autres construits du modèle. Cela atteste que chaque variable latente partage davantage de variance avec ses propres indicateurs qu’avec les autres variables structurelles du système.
- Absence de multicolinéarité excessive : Les facteurs de variance de l’inflation (VIF) ont été examinés au sein des équations de mesure pour confirmer l’absence d’artefacts colinéaires susceptibles de biaiser les estimations factorielles.
8. Fidélité / Reliability
L’estimation de la fidélité de l’échelle s’est articulée autour de l’évaluation rigoureuse de la consistance interne, indispensable pour prouver l’homogénéité des mesures répétées au sein de chaque sous-dimension :
- Coefficients Alpha de Cronbach : L’analyse de consistance interne a révélé des valeurs de coefficient alpha de Cronbach systématiquement distribuées dans un intervalle restreint et hautement satisfaisant, compris entre 0,87 et 0,89 pour l’ensemble des dimensions du modèle. Selon les canons psychométriques établis (Nunnally & Bernstein, 1994 ; DeVellis, 2017), un coefficient supérieur à 0,80 reflète une excellente homogénéité sans pour autant indiquer une redondance excessive des items (qui surviendrait au-delà de 0,95).
- Fiabilité composite (Composite Reliability – CR) : En sus de l’alpha de Cronbach (souvent critiqué pour son hypothèse restrictive de tau-équivalence), la fiabilité composite a été estimée. Les scores de fiabilité composite dépassent le seuil d’admissibilité de 0,80 pour l’ensemble des construits, attestant de la solidité structurelle globale du système d’indicateurs face aux erreurs de mesure aléatoires.
- Stabilité métrologique : Bien qu’une fidélité test-retest longitudinale spécifique n’ait pas été formellement rapportée en raison du protocole transversal de l’étude originelle, la robustesse des indices de fidélité à travers un échantillon diversifié d’entreprises indiennes témoigne d’une remarquable invariance de mesure.
9. Analyse factorielle / Factor Analysis
Le protocole analytique déployé par Chaudhuri et al. (2025) a fait appel à l’analyse factorielle confirmatoire (AFC) au sein d’un cadre de modélisation par équations structurelles (SEM), conformément aux méthodologies avancées de validation d’instruments de mesure organisationnels :
Spécification du modèle de mesure
Le modèle a été paramétré comme une structure factorielle de premier ordre réflexive à dimensions multiples, où chaque item de l’inventaire des 23 énoncés a été assigné de manière univoque à son facteur latent d’appartenance théorique, sans double saturation (cross-loadings) non contrainte. Cette approche a permis de tester directement la conformité des données empiriques recueillies auprès des répondants avec la structure conceptuelle sous-jacente.
Poids factoriels et saturation
Les estimations des charges factorielles standardisées (loading factors, $lambda$) ont produit des indices unilatéralement robustes :
- L’ensemble des coefficients de saturation factorielle de chacun des 23 items a été évalué à des grandeurs strictement supérieures à 0,70 ($lambda > 0,70$), franchissant largement la norme méthodologique formulée par Chin (2010).
- Chaque charge s’est avérée statistiquement significative au seuil $p < 0,001$, confirmant que la variance observée dans les items est très majoritairement attribuable au construit latent sous-jacent et non au terme d’erreur résiduel.
Indices d’ajustement global
L’adéquation globale du modèle de mesure aux données empiriques de l’échantillon a été confirmée par les indices standards d’ajustement structurel. Les indices comparatifs et d’ajustement absolu se conforment aux critères préconisés par Hu et Bentler (1999) : un ratio chi-carré / degrés de liberté ($\chi^2/df$) satisfaisant, un indice de conformité comparative (CFI) et un indice de Tucker-Lewis (TLI) supérieurs à 0,90, ainsi qu’une racine carrée de l’erreur quadratique moyenne d’approximation (RMSEA) et un résidu quadratique moyen standardisé (SRMR) inférieurs aux plafonds de tolérance de 0,08.
10. Instrument de mesure / Instrument
L’instrument de mesure est un questionnaire standardisé d’évaluation organisationnelle et psychologique conçu pour être auto-administré ou complété dans le cadre d’enquêtes professionnelles dirigées :
- Type d’instrument : Questionnaire psychométrique standardisé / Inventaire organisationnel.
- Format d’administration : Auto-questionnaire disponible initialement en langue anglaise, administrable sous forme numérique (enquêtes en ligne, plateformes intranet) ou papier-crayon.
- Nombre total d’items : 23 items.
- Échelle de réponse : Échelle ordinale de type Likert en 5 points, échelonnée comme suit :
- 1 = Pas du tout d’accord (Strongly Disagree – SD)
- 2 = Pas d’accord (Disagree – D)
- 3 = Neutre / Ni en désaccord ni d’accord (Neither disagree nor agree – N)
- 4 = D’accord (Agree – A)
- 5 = Tout à fait d’accord (Strongly Agree – SA)
- Procédure de cotation et calcul des scores :
- Les scores factoriels sont calculés en effectuant la moyenne arithmétique ou la somme des items constitutifs de chaque sous-échelle.
- Un score dimensionnel élevé indique une intensité supérieure du phénomène mesuré (par exemple, une collaboration informationnelle proactive avec les partenaires ou une capacité d’absorption vigoureuse).
- Pour les analyses de modélisation structurelle, il est recommandé d’utiliser les scores factoriels latents pondérés générés directement par les logiciels d’équations structurelles (tels que SmartPLS, AMOS, Mplus ou le package Lavaan sous R).
- Population cible : Professionnels, cadres dirigeants, chefs de projets d’innovation, ingénieurs et responsables de la gestion stratégique au sein d’organisations d’affaires (adultes de 18 ans et plus).
11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year
- Année de publication officielle : 2025.
- Droits d’auteur et propriété intellectuelle : Les droits éditoriaux sont détenus conjointement par les auteurs (Ranjan Chaudhuri, Sheshadri Chatterjee, Demetris Vrontis et Gianpaolo Basile) et la maison d’édition scientifique John Wiley & Sons, Inc. / Business Ethics, the Environment and Responsibility.
- Frais d’utilisation (Fee) : Aucun frais d’utilisation commerciale n’est prélevé pour les besoins exclusifs de la recherche universitaire non lucrative. L’accès aux détails complets de mise en œuvre fait l’objet des conditions normales de consultation de l’article scientifique dans la revue éditrice.
- Procédure d’autorisation (Permissions) : L’utilisation intégrale de l’échelle dans un contexte d’enquête formelle, de réplication empirique, d’adaptation transculturelle ou de diagnostic commercial nécessite la prise de contact préalable avec l’auteur correspondant : Sheshadri Chatterjee (Département d’informatique et d’ingénierie, Indian Institute of Technology Kharagpur, Inde ; courriel : [email protected]).
12. Références / References
- Chaudhuri, R., Chatterjee, S., Vrontis, D., & Basile, G. (2025). Examining the role of knowledge sharing among stakeholders and firm innovation performance: Moderating role of technology usage. Business Ethics, the Environment and Responsibility, 34(1), 43–57. https://doi.org/10.1111/beer.12575
- Chin, W. W. (2010). How to write up and report PLS analyses. In V. Esposito Vinzi, W. W. Chin, J. Henseler, & H. Wang (Eds.), Handbook of Partial Least Squares: Concepts, Methods and Applications (pp. 655–690). Springer. https://doi.org/10.1007/978-3-540-32827-8_29
- Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128–152. https://doi.org/10.2307/2393553
- DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). SAGE Publications.
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
- Freeman, R. E. (1984). Strategic management: A stakeholder approach. Pitman.
- Grant, R. M. (1996). Toward a knowledge-based theory of the firm. Strategic Management Journal, 17(S2), 109–122. https://doi.org/10.1002/smj.4250171110
- Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling (PLS-SEM) (2nd ed.). SAGE Publications.
- Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
- James, R., & Mondal, S. (2019). Collaborative innovation and stakeholder knowledge integration in emerging economies. Journal of Business Research, 101, 230–241.
- Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
- Zahra, S. A., & George, G. (2002). Absorptive capacity: A reviewing, reconceptualization, and extension. Academy of Management Review, 27(2), 185–203. https://doi.org/10.5465/amr.2002.6587995