Thèse IA et Innovation Collaborative H/F - Doctorat.Gouv.Fr

Établissement : Université de Montpellier
École doctorale : EDEG - Economie Gestion
Laboratoire de recherche : MRM - Montpellier Recherche en Management
Direction de la thèse : Anne-Sophie FERNANDEZ ORCID 0000000219115313
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-23T23:59:59

Le projet 'IA et Innovation collaborative' s'inscrit dans le champ de l'innovation collaborative, aujourd'hui centrale pour le développement technologique des organisations, mais caractérisée par des défis persistants de coordination, de gouvernance et de gestion des tensions entre partenaires. Malgré l'existence de mécanismes classiques (contrats, gouvernance relationnelle, hiérarchie), ceux-ci peinent à appréhender la complexité croissante des collaborations interorganisationnelles, marquées par des enjeux de confiance, de propriété intellectuelle, d'asymétries informationnelles et de répartition du pouvoir.
Dans ce contexte, l'intelligence artificielle apparaît comme un levier potentiellement structurant. La littérature récente montre qu'elle peut améliorer la prise de décision, l'intégration des connaissances et l'allocation des tâches, notamment dans des configurations de collaboration humain-IA. Toutefois, ces travaux restent largement centrés sur des contextes intra-organisationnels. Le rôle de l'IA dans les collaborations entre organisations demeure encore peu exploré, en particulier quant à ses effets ambivalents : si elle peut faciliter la coordination, elle peut aussi générer de nouvelles tensions liées à la propriété des données, à l'opacité algorithmique, aux écarts de capacités technologiques ou aux déséquilibres de pouvoir.
Le projet de thèse vise ainsi à combler ce gap en analysant comment l'IA influence la dynamique, la gouvernance et les résultats des projets d'innovation collaborative interorganisationnels. Il poursuit trois objectifs principaux. D'abord, conceptualiser l'IA comme un mécanisme de coordination et de gouvernance, capable d'aligner les partenaires, d'accroître la transparence et de fluidifier les interactions. Ensuite, identifier les tensions spécifiques qu'elle introduit, notamment en matière de contrôle, de confiance et de distribution du pouvoir. Enfin, déterminer les conditions dans lesquelles l'IA favorise effectivement la collaboration ou, au contraire, accentue les conflits.
Pour répondre à ces objectifs, la recherche adopte un design multi-méthode. Une première phase qualitative exploratoire reposera sur des études de cas et des entretiens semi-directifs auprès d'acteurs impliqués dans des projets d'innovation collaborative. Elle permettra d'identifier les mécanismes concrets par lesquels l'IA structure les interactions inter-organisationnelles et de formuler des hypothèses. Une seconde phase quantitative testera ces hypothèses à partir d'enquêtes auprès d'organisations engagées dans de telles collaborations, voire de bases de données secondaires. Des analyses statistiques permettront d'évaluer l'impact de l'IA sur la coordination, la gouvernance, les tensions et la performance des projets.
Les résultats attendus visent à enrichir les travaux en management stratégique et en innovation collaborative en proposant un cadre théorique intégrateur du rôle ambivalent de l'IA. Le projet ambitionne ainsi de montrer que l'IA constitue à la fois un levier de coopération et une source potentielle de tensions, contribuant à une compréhension renouvelée des dynamiques inter-organisationnelles à l'ère numérique, avec un fort potentiel de publication académique.

Les projets d'innovation collaborative - qu'il s'agisse d'alliances de R&D, de coentreprises ou encore d'écosystèmes d'innovation multipartites - occupent aujourd'hui une place centrale dans le développement de nouvelles technologies et de nouvelles solutions par les organisations (Bogers et al., 2018 ; Gulati, 1998 ; Powell et al., 1996). Si ces formes de collaboration permettent aux entreprises de mobiliser des ressources et des connaissances complémentaires, elles n'en soulèvent pas moins d'importants défis de gestion, liés notamment aux difficultés de coordination, aux divergences d'objectifs, aux asymétries informationnelles et aux tensions de gouvernance (Grandori & Soda, 1995 ; Oxley & Sampson, 2004).
Ces difficultés sont particulièrement marquées dans les contextes d'innovation interorganisationnelle, où les partenaires doivent coopérer au-delà des frontières de leurs organisations respectives tout en composant avec des enjeux de confiance, de propriété intellectuelle, d'opportunisme ou encore de répartition de l'autorité décisionnelle (Dyer & Singh, 1998 ; Puranam et al., 2014). Dans ce type de configuration, les mécanismes de gouvernance classiques - qu'il s'agisse des contrats, de la gouvernance relationnelle ou de formes plus hiérarchiques de coordination - ne suffisent pas toujours à appréhender pleinement la complexité des processus d'innovation collaborative.
Parallèlement, les progrès récents de l'intelligence artificielle (IA) transforment en profondeur les modes de coordination du travail et de prise de décision au sein des organisations. Une littérature de plus en plus abondante montre que l'IA peut soutenir la collaboration en renforçant la prise de décision humaine, en facilitant l'intégration des connaissances et en améliorant l'allocation des tâches (Dell'Acqua et al., 2023 ; Raisch & Krakowski, 2021). Plus récemment, l'IA a également été pensée non plus seulement comme un outil d'automatisation, mais comme un agent collaboratif susceptible d'interagir avec les humains, soit en se substituant à eux pour certaines tâches, soit en venant compléter leurs capacités dans une logique d'augmentation. À ce titre, Fügener et al. (2026) montrent que la performance de la collaboration humain-IA dépend à la fois du degré de complémentarité entre les deux et des modalités de répartition des tâches entre automatisation et augmentation.
Pour autant, ces travaux se sont principalement développés dans des contextes intra-organisationnels. Le rôle de l'IA dans les collaborations interorganisationnelles demeure, à ce jour, bien moins exploré, en particulier dans le cadre de projets d'innovation collaborative impliquant plusieurs entreprises, partenaires ou institutions. Dès lors, on sait encore mal dans quelle mesure l'IA peut faciliter la coordination et l'intégration des connaissances entre organisations ou, au contraire, faire émerger de nouvelles tensions de gouvernance, par exemple autour de la propriété des données, de l'opacité algorithmique, des asymétries de capacités technologiques ou encore des déséquilibres de pouvoir entre partenaires. Comprendre les effets de l'IA sur l'innovation collaborative suppose donc de déplacer le regard au-delà de la seule collaboration humain-IA au sein des organisations, pour analyser son rôle dans les dynamiques interorganisationnelles.
C'est dans cette perspective que s'inscrit la question centrale de ce projet de thèse : comment l'intelligence artificielle facilite-t-elle - ou au contraire génère-t-elle des tensions - dans les projets d'innovation collaborative impliquant plusieurs organisations ?

Collaborative innovation projects-such as R&D alliances, joint ventures, and multi-partner innovation ecosystems-have become central mechanisms through which organizations develop new technologies and solutions (Bogers et al., 2018; Gulati, 1998; Powell et al., 1996). While collaboration allows firms to combine complementary resources and knowledge, managing such projects remains challenging due to coordination problems, goal misalignment, knowledge asymmetries, and governance tensions (Grandori & Soda, 1995; Oxley & Sampson, 2004).
These challenges are particularly salient in inter-organizational innovation settings, where partners must coordinate across organizational boundaries while managing issues such as trust, intellectual property, opportunism, and decision authority (Dyer & Singh, 1998; Puranam et al., 2014). Traditional governance mechanisms-contracts, relational governance, or hierarchical coordination-are often insufficient to fully address the complexity of collaborative innovation processes.
At the same time, recent advances in Artificial Intelligence (AI) are transforming how organizations coordinate work and make decisions. A growing literature highlights how AI can support collaboration within organizations by augmenting human decision-making, enabling knowledge integration, and improving task allocation (Dell'Acqua et al., 2023; Raisch & Krakowski, 2021). Recent research further conceptualizes AI not only as a tool for automation but also as a collaborative agent that interacts with humans, either by replacing them in certain tasks or by supporting them through decision augmentation. In particular, Fügener et al. (2026) show that human-AI collaboration can improve task performance depending on the complementarity between humans and AI and on how tasks are allocated between automation and augmentation.
However, this literature has largely focused on intra-organizational contexts. Much less attention has been paid to AI's role in inter-organizational collaboration, especially in collaborative innovation projects involving multiple firms, partners, or institutions. As a result, we still know little about whether AI facilitates coordination and knowledge integration across organizations or, conversely, generates new governance tensions such as data ownership conflicts, algorithmic opacity, asymmetries in technological capabilities, and power imbalances between partners. Understanding how AI affects collaborative innovation therefore requires moving beyond human-AI collaboration within organizations to examine AI in inter-organizational settings.
This leads to the central research question of this PhD project: How does Artificial Intelligence facilitate-or generate tensions within-collaborative innovation projects involving multiple organizations?

Ce projet de recherche vise à analyser la manière dont l'intelligence artificielle influence la dynamique, la gouvernance et les résultats des projets d'innovation collaborative impliquant plusieurs organisations. Plus précisément, il cherche à comprendre dans quelle mesure l'IA peut constituer à la fois un appui à la coordination et une source potentielle de tensions dans les situations d'innovation inter-organisationnelle.
Un premier objectif consiste à conceptualiser l'intelligence artificielle comme un mécanisme possible de coordination et de gouvernance au sein des projets d'innovation collaborative. En traitant de grands volumes de données, en produisant des informations directement exploitables et en soutenant les processus décisionnels, les systèmes d'IA peuvent contribuer à mieux aligner les attentes des partenaires, à renforcer la transparence et à fluidifier la coordination entre les organisations engagées dans une démarche d'innovation commune.
Un deuxième objectif est d'examiner les tensions et les défis nouveaux que l'IA peut introduire dans ces contextes collaboratifs. Son déploiement dans des situations interorganisationnelles peut en effet faire émerger des enjeux de gouvernance relatifs à la propriété des données, à la transparence des algorithmes, aux écarts de capacités technologiques entre partenaires ou encore au contrôle des processus de décision. De tels enjeux sont susceptibles d'affecter la confiance, les rapports de pouvoir et, plus largement, la stabilité des partenariats collaboratifs.
Enfin, ce projet vise à identifier les conditions dans lesquelles l'IA favorise effectivement la collaboration entre organisations, ainsi que celles dans lesquelles elle tend au contraire à produire des tensions supplémentaires. En analysant les mécanismes par lesquels l'IA agit sur la coordination, la prise de décision et l'intégration des connaissances entre partenaires, la recherche ambitionne de proposer un cadre théorique permettant de penser le rôle ambivalent de l'IA dans les projets d'innovation collaborative, à la fois comme levier de coopération et comme source potentielle de tensions.

The objective of this research project is to investigate how artificial intelligence influences the dynamics, governance, and outcomes of collaborative innovation projects involving multiple organizations. More specifically, the project seeks to explain how AI may act both as a coordination support and as a source of tension in inter-organizational innovation settings.
First, this research aims to conceptualize artificial intelligence as a potential governance and coordination mechanism within collaborative innovation projects. By processing large volumes of data, generating actionable insights, and supporting decision-making processes, AI systems may help partners align expectations, improve transparency, and facilitate coordination among organizations involved in joint innovation efforts.
Second, the project seeks to examine the new tensions and challenges that AI may introduce in collaborative innovation contexts. The deployment of AI in inter-organizational settings may generate governance issues related to data ownership, algorithmic transparency, asymmetries in technological capabilities, and control over decision-making processes. These challenges may affect trust, power relations, and the overall stability of collaborative partnerships.
Third, the research aims to identify the conditions under which AI facilitates collaboration between organizations and those under which it instead generates additional friction. By analyzing the mechanisms through which AI affects coordination, decision-making, and knowledge integration among partners, the project seeks to develop a theoretical framework explaining the dual role of AI as both an enabler and a potential source of tension in collaborative innovation projects.

Cette recherche reposera sur un design multiméthode articulant approches qualitatives et quantitatives, afin de saisir à la fois les mécanismes par lesquels l'intelligence artificielle agit sur l'innovation collaborative et les conditions dans lesquelles ces mécanismes influencent les résultats de la collaboration (Creswell & Plano Clark, 2018 ; Jick, 1979 ; Thiétart, 2014 ; Thiétart et al., 2025).
Dans un premier temps, le projet mobilisera des méthodes qualitatives afin d'explorer la manière dont les organisations intègrent aujourd'hui l'IA dans leurs processus d'innovation collaborative. Cette phase exploratoire aura pour objectif de mieux comprendre les rôles concrets que peut jouer l'IA dans les collaborations interorganisationnelles, notamment en matière de coordination, de partage de connaissances et de prise de décision. La recherche pourra s'appuyer sur des études de cas de projets d'innovation collaborative impliquant plusieurs partenaires - par exemple des alliances de R&D, des programmes d'innovation conjoints ou des écosystèmes d'innovation - ainsi que sur des entretiens semi-directifs menés auprès de managers, d'ingénieurs et de professionnels de l'innovation engagés dans ces collaborations. L'étude de cas apparaît particulièrement pertinente pour analyser des phénomènes contemporains complexes ancrés dans leur contexte réel, notamment lorsque les frontières entre le phénomène étudié et son environnement demeurent floues (Eisenhardt, 1989 ; Yin, 2018). De leur côté, les entretiens semi-directifs permettent de recueillir les perceptions, les interprétations et les expériences des acteurs tout en conservant la souplesse nécessaire pour approfondir des dimensions émergentes du terrain (McIntosh & Morse, 2015). L'ensemble de ces matériaux qualitatifs permettra d'identifier les principaux mécanismes par lesquels l'IA façonne les interactions entre partenaires et viendra nourrir l'élaboration d'un cadre conceptuel ainsi que la formulation d'hypothèses de recherche.
Dans un second temps, la recherche s'appuiera sur une démarche quantitative destinée à tester les relations théoriques mises au jour lors de la phase qualitative. Cela pourra passer par la collecte de données d'enquête auprès d'organisations engagées dans des projets d'innovation collaborative, afin d'analyser dans quelle mesure l'adoption d'outils d'IA influe sur l'efficacité de la coordination, l'intégration des connaissances, les mécanismes de gouvernance et la performance de la collaboration. L'enquête par questionnaire apparaît particulièrement adaptée pour examiner les relations entre plusieurs construits sur un échantillon plus large d'organisations et pour permettre une mise à l'épreuve empirique plus systématique du modèle proposé (Forza, 2002). En fonction de l'accès aux données, le projet pourra également mobiliser des bases secondaires portant sur les alliances de R&D ou les partenariats d'innovation, croisées avec des indicateurs d'adoption de technologies numériques ou d'intelligence artificielle. Des analyses statistiques seront ensuite conduites afin d'examiner les relations entre usage de l'IA, structures de gouvernance, tensions collaboratives et résultats en matière d'innovation. Une attention particulière sera portée à la qualité des mesures ainsi qu'aux biais de méthode susceptibles d'affecter la phase quantitative (Podsakoff et al., 2003)

This research will adopt a multi-method research design combining qualitative and quantitative approaches in order to capture both the mechanisms through which artificial intelligence affects collaborative innovation and the conditions under which these mechanisms influence collaboration outcomes (Creswell & Plano Clark, 2018; Jick, 1979; Thiétart, 2014; Thiétart et al., 2025).
The first part of the project will rely on qualitative methods to explore how organizations currently integrate AI into collaborative innovation processes. This exploratory stage will aim to better understand the practical roles played by AI in inter-organizational collaborations, particularly in terms of coordination, knowledge sharing, and decision-making. The research may involve case studies of collaborative innovation projects involving multiple partners-such as R&D alliances, joint innovation programs, or innovation ecosystems-as well as semi-structured interviews with managers, engineers, and innovation professionals involved in such collaborations. Case study research is particularly appropriate for investigating complex contemporary phenomena embedded in real-life organizational settings, especially when the boundaries between phenomenon and context are not clearly evident (Eisenhardt, 1989; Yin, 2018). Semi-structured interviews are also well suited to capturing actors' perceptions, interpretations, and experiences while providing enough flexibility to explore emergent themes in depth (McIntosh & Morse, 2015). These qualitative insights will help identify key mechanisms through which AI shapes interactions between partners and will support the development of a conceptual framework and research hypotheses.
Building on these insights, the second part of the research will adopt a quantitative approach aimed at testing the theoretical relationships identified in the qualitative phase. This may involve collecting survey data from organizations engaged in collaborative innovation projects, allowing the analysis of how the adoption of AI tools influences coordination efficiency, knowledge integration, governance mechanisms, and collaboration performance. Survey research is particularly relevant for examining relationships between constructs across a broader sample of organizations and for enabling more systematic empirical testing (Forza, 2002). Depending on data availability, the project may also rely on secondary datasets on R&D alliances or innovation partnerships combined with indicators of digital or AI adoption. Statistical analyses will then be used to examine the relationships between AI use, governance structures, collaboration tensions, and innovation outcomes. Particular attention will need to be paid to issues of measurement quality and method bias in the design of the quantitative phase (Podsakoff et al., 2003).

Les candidats doivent être titulaires d'un Master (ou équivalent) en management stratégique et/ou management de l'innovation. Un fort intérêt pour le management stratégique, l'innovation, les relations inter-organisationnelles ou les technologies numériques est indispensable. Une première exposition à la recherche dans des domaines tels que la coopétition, les alliances, le management de l'innovation ou la transformation numérique sera considérée comme un atout.
Le candidat devra faire preuve de solides compétences analytiques, d'une curiosité intellectuelle marquée et d'une motivation claire à poursuivre une carrière académique en recherche. Une familiarité avec les méthodes de recherche qualitatives ainsi qu'un intérêt pour la recherche guidée par la théorie sont fortement souhaités, bien que les candidats disposant de profils méthodologiques complémentaires soient également encouragés à postuler. Une excellente maîtrise de l'anglais, à l'écrit comme à l'oral, est requise.