Université Jean Moulin Lyon 3

École doctorale : Sciences économiques et de Gestion

Impact du co­alignement entre 

l’orientation CRM 

et le déploiement technologique sur 

la performance organisationnelle : 

Proposition et test d’un modèle de 

recherche

par Aurélie DURAND

thèse de doctorat en Sciences de gestion

sous la direction de Laïd BOUZIDI

présentée et soutenue publiquement le 11 octobre 2010

Membres du jury :

Laïd BOUZIDI, Professeur à l'Université Jean Moulin Lyon 3

Sylvie LLOSA, Professeur à l'Université Aix-Marseille 3

Christophe BENAVENT, Professeur à l'Université Paris Ouest Nanterre

Abdelmajid AMINE, Professeur à l'Université Paris Est Créteil

Monique BRUN, Professeur à l'Université Jean Moulin Lyon 3

William SABADIE, Professeur à l'Université Jean Monnet Saint Etienne

[Avertissement]

L’université Jean Moulin Lyon 3 n’entend accorder aucune approbation, ni improbation aux

opinions émises dans les thèses ; ces opinions doivent être considérées comme propres à leur

auteur.

Remerciements

A l’heure où je clôture cette thèse, le moment est venu d’adresser mes sincères remerciements

à tous ceux qui ont contribués, de près ou de loin, à l’aboutissement de ce long travail.

Mes remerciements s’adressent en premier lieu à mon Directeur de thèse, le Professeur Laïd

Bouzidi. Tout au long de ce travail doctoral, il a su m’apporter un soutien constant et me

donner de précieux conseils qui m’ont permis de progresser et de persévérer dans cette voie.

Je lui suis très reconnaissante de la confiance qu’il m’a accordée pendant toutes ces années.

Je tiens également à exprimer ma profonde gratitude au Professeur Sylvie Llosa, au

Professeur Christophe Bénavent, au Professeur Abdelmajid Amine, au Professeur Monique

Brun et au Professeur William Sabadie, pour avoir accepté d’évaluer ce travail doctoral et me

faire l’honneur d’être membres du jury de soutenance.

Je remercie aussi chaleureusement les membres de l’équipe de recherche Sicomor, du Centre

de Recherches Magellan de l’IAE Lyon 3, pour leur aide et leurs conseils avisés. Un

remerciement tout particulier à Delphine pour son amitié et son aide précieuse dans la

relecture de ce manuscrit.

De grands mercis à tous les membres de X.E., Anne, Philippe, Hélène, Bertrand, Alexandre,

pour leur gentillesse et leur amitié à mon égard depuis le début de notre collaboration. Un

merci tout particulier à Cyril, qui, par sa confiance et sa flexibilité, m’a permis de concilier

facilement ce travail de thèse avec une autre activité professionnelle. Une mention spéciale à

Damien qui a toujours su trouver les mots justes pour m’apporter un soutien précieux.

Je remercie également de tout cœur mes nouveaux collègues, David, Maude et Karine ainsi

que Brigitte P. et Jacques G. qui m’ont apporté tout leur soutien lors de la phase finale de ce

travail.

Mes remerciements chaleureux s’adressent bien évidemment à mes amis, en particulier

Emilie, Marie, Mélanie, Corinne, Jérémy, Jérôme, Fabienne, Violaine, Vincent et Olivier,

pour tous leurs encouragements dans les moments de doute. Un clin d’œil tout particulier à

Soizic pour ses attentions discrètes mais ô combien réconfortantes dans la dernière ligne

droite.

Par ailleurs, comment arriver à bout de ce travail doctoral sans le soutien sans faille de sa

famille ? Je remercie de tout cœur mes parents qui m’ont toujours apportée une confiance

sans limite et m’ont permis d’arriver là où je suis maintenant.

Sachez que ce travail est un peu le vôtre.

Le mot de la fin sera pour deux personnes qui me sont très chères.

Un grand merci à toi Greg, pour m’avoir soutenue, mais surtout pour avoir réussi à me

supporter dans les derniers moments de ce travail.

Enfin, mes plus tendres pensées vont à ma sœur, Nelly, qui m’a apportée durant toutes ces

années un soutien de chaque instant. Tu garderas, j’en suis certaine, un souvenir particulier

des bibliographies de thèse…

Que votre aide a été précieuse ! Je vous dédie ce manuscrit.

Merci !

Introduction générale 

Contexte de la recherche

La gestion de la relation client, au croisement du 

Marketing, des Systèmes d’Information et du 

Management stratégique

Dans le cadre de la recherche en Sciences de Gestion, la Gestion de la Relation Client (GRC)

ou Customer Relationship Management (CRM) offre un cadre et un terrain d’analyse très

intéressants. Le concept se situe en effet au croisement de plusieurs domaines : le marketing

puisque l’objectif du CRM est de construire une relation durable avec le client, les systèmes

d’information via l’intégration d’outils technologiques spécifiques au CRM et le management

stratégique, le CRM visant à placer le client au centre des préoccupations de l’organisation, en

lien avec la stratégie globale.

Toutefois, il est très difficile de trouver une définition commune du CRM parmi les auteurs

(Buttle, 2004). Le sigle CRM (Customer Relationship Management) est en effet relativement

récent puisque ce dernier a émergé au cours des années 901. Il serait l’œuvre de Tom Siebel,

président du groupe Siebel, éditeur de solutions CRM et racheté depuis par Oracle. Peppers et

Rogers (1999) ont été parmi les premiers auteurs à étudier les différentes approches du CRM

dans la littérature, considéré en premier lieu comme une technologie pour ensuite être qualifié

de véritable support à la stratégie globale de l’organisation.

Peppers et Rogers (1999) ont noté que le CRM est souvent perçu comme une simple

technologie intégrée au système d’information de l’entreprise, caractérisée par une base de

données clients qui aide à améliorer le niveau des ventes. Il est par ailleurs considéré comme

un outil conçu pour supporter une relation « one-to-one » avec chacun des clients. Xu, Lin et

Chou (2002) décrivent, quant à eux, le CRM comme une technologie qui aide les entreprises à

gérer leurs relations avec leurs clients de manière organisée. L’approche du CRM en tant que

1 Dans la littérature francophone, le sigle CRM est fréquemment utilisé pour désigner la gestion de la relation client. Aussi, le sigle CRM sera préféré à celui de GRC dans la suite de cette thèse.

technologie est d’ailleurs très importante dans la littérature. Smith (2001) précise que la vision

initiale du CRM dépendait fortement du développement des nouvelles technologies (support

et logiciels).

Ensuite, les auteurs ont davantage porté leur attention sur les aspects stratégiques du CRM. Le

CRM est alors perçu comme une partie importante de la stratégie globale de l’organisation

avec pour objectif de développer des relations fortes avec les clients et de mieux comprendre

leurs besoins et leurs comportements. Le CRM apparaît ainsi comme une combinaison

entre la stratégie et les technologies de l’information et de la communication2 qui gérera

le cycle de vie du client (Smith, 2001). Chen et Popovitch (2003) ajoutent que le CRM

regroupe des personnes, des processus et des technologies qui œuvrent ensemble pour

comprendre le client. Pour Goldenberg (2000), le CRM est une technologie qui permet aux

entreprises d’optimiser leurs relations avec leurs clients ainsi que la performance de

l’organisation.

Ces différentes perspectives de la gestion de la relation client ont par ailleurs alimenté les

débats lors des premières difficultés rencontrées par le marché du CRM.

Le CRM : de l’essor au déclin

Le CRM s’est en effet rapidement imposé comme un élément important des stratégies mises

en œuvre dans les organisations. Dès les années 1990, les éditeurs de solutions de gestion ont

donc rapidement compris l’intérêt de se positionner sur le marché et c'est en 1995 que Hewlett

Packard introduisit le concept de CRM en France avec un outil qui avait pour vocation de

traiter les appels Help Desk (assistance téléphonique) des clients du groupe. Tous les premiers

outils CRM s'appuyaient essentiellement sur des fonctions issues du help desk et

commençaient déjà à proposer une lecture globale des informations concernant le client. Par

la suite, d'autres paliers fonctionnels ont été franchis. Peu à peu les outils CRM ont ajouté aux

fonctions de support, des fonctions de vente telles que l'automatisation des forces de vente

(sales force automation) et la gestion des campagnes marketing (campaign automation). Les

éditeurs d’outils de reporting, d'analyse des données comme SAS, Business Object, Cognos,

Hyperion ont également saisi les avantages que leurs spécialités pourraient apporter aux

solutions CRM. Ils se sont alors positionnés dans le marché du CRM, ajoutant principalement

des fonctions analytiques qu'ils maîtrisaient le mieux. Cette multiplication de l’offre a ainsi

2 Les Technologies de l’Information et de la Communication seront citées sous le sigle TIC dans la suite de cette thèse

entraîné une forte demande du CRM de la part des entreprises en France. Les revenus des

licences enregistrés par les éditeurs ont ainsi progressé de plus de 30% par an les premières

années3.

Néanmoins, en 2001, le marché français du CRM a accusé un net ralentissement (-30,0%)4.

Les premiers échecs CRM ont concerné des projets dont les coûts de mise en œuvre ont

littéralement explosé. Selon les entreprises, ces dérapages s'expliquent en partie par un rôle de

prévention qui n'a pas été joué par les intégrateurs-conseil. Ils n'ont pas suffisamment averti

leurs clients que les progiciels CRM ne pouvaient en aucun cas répondre à tous les enjeux

définis par leurs stratégies. Les écarts ont ainsi dû être palliés par des développements

spécifiques coûteux qui ont largement dépassé les budgets déterminés au départ, menant les

projets à l’échec. Les entreprises se sont trop focalisées sur l’aspect technologique du CRM

sans définir clairement une stratégie de conduite du changement (Bolton, 2004). Selon Snyder

et Davidson (2003), cette vision du CRM a été la cause de nombreux échecs de projets CRM.

La reprise du marché a été progressive dès 2004 avec toutefois des taux de croissance

largement inférieurs à ceux enregistrés à la fin des années 90 (Graphique 1).

Graphique 1 : Croissance des revenus des éditeurs sur le marché CRM (licence et 

maintenance) 

(IDC France, 2007)

3 IDC France, octobre 20034 IDC France, septembre 2007

Le débat autour du CRM a ainsi fait couler beaucoup d’encre, centré sur la question suivante :

le CRM est-il un effet de mode ou une nécessité pour l’organisation ?

Avant d’entamer nos travaux de recherche sur la gestion de la relation client, nous avons eu

l’opportunité de participer à un projet CRM dans un groupe pour qui le CRM revêtait un

caractère particulièrement important, excluant un simple effet de mode.

Le projet CRM / BI (Customer Relationship Management / Business Intelligence) : le point

de départ de notre travail de recherche

Notre collaboration au sein du projet CRM / BI a constitué une approche originale du concept

de CRM puisque nous avons commencé à appréhender le CRM sur le terrain avant d’entamer

une réflexion théorique du sujet.

Le projet CRM / BI a été initié au sein d’une filiale d’un grand groupe industriel présent dans

la fabrication et la distribution de véhicules destinés au transport routier. Le projet ne

consistait pas à implanter un outil CRM au sein de la société mais à packager une offre CRM,

développée en interne et déjà existante dans plusieurs filiales du groupe, dans le but de la

vendre à d’autres clients. Cette démarche peut paraître surprenante dans la mesure où la

société se place comme éditeur de solutions CRM alors que son expérience dans le marché se

résume au développement d’un seul outil. Notre collaboration au sein du projet CRM / BI, qui

fera l’objet d’une présentation détaillée dans la suite de cette thèse, est intervenue avant le

début de notre réflexion théorique sur le Customer Relationship Management et a marqué le

point de départ de nos travaux de recherche sur le sujet en 20035. Notre approche pragmatique

du concept nous a permis de mieux appréhender la notion de gestion de la relation et de saisir

l’importance d’un tel projet au sein d’une organisation.

Un des intérêts majeurs de cette étude de terrain pour la suite de nos recherches a été

d’appréhender le CRM sous différents aspects, en particulier opérationnel et analytique, nous

laissant supposer que le concept était multidimensionnel. En outre, nous nous sommes

interrogés sur le lien d’une démarche CRM avec la performance de l’organisation. Cette

question est restée en suspend après la fin de notre collaboration au sein du projet CRM / BI

puisqu’aucune étude n’avait été réalisée sur le sujet mais cette question a suscité notre intérêt

et nous a convaincus d’engager de futures recherches dans ce domaine.

5 La chronologie de la recherche est détaillée dans la partie 2- chapitre 3 de cette thèse.

Problématique de la recherche

Le CRM dans la littérature

Les travaux de recherche sur la gestion de la relation client sont très nombreux dans la

littérature en Marketing, en particulier les travaux portant sur le lien entre la relation client et

la performance organisationnelle (Reichheld et Sasser, 1990 ; Hallowell, 1996 ; Yeung et

Ennew, 2000 ; Reinartz et Kumar, 2001 ; Calin et Cendrine, 2007 ; Amara et Kalika ; 2007 ;

Kumar, Venkatesan et Reinartz, 2008).

Une notion est particulièrement étudiée : l’orientation client (Deshpande, Farley et Webster,

1993 ; Gatignon et Xuereb, 1997 ; Brady et Cronin, 2001 ; Noble, Kennedy, Goolsby et

Arnould, 2003 ; Singh et Ranchhod, 2004 ; Amara et Kalika, 2007). Les travaux de recherche,

incluant une étude de terrain, relatifs spécifiquement à la notion de CRM s’avèrent en

revanche moins nombreux que ceux liés à d’autres notions telles que l’« orientation client »,

la « satisfaction client », la « fidélité client ». Le CRM reste en effet une notion difficile à

définir. Nous n’avons pas la prétention de donner une définition du Customer Relationship

Management à l’issue de cette thèse mais nous nous proposons de conserver le large concept

de CRM dans notre recherche, que nous déclinerons sous plusieurs formes.

La construction de l’objet de recherche

En outre, nous avons choisi d’aller plus en profondeur dans l’analyse de la relation entre le

CRM et la performance organisationnelle, incluant les Technologies de l’Information et de la

Communication. Le rôle des TIC dans la mise en œuvre d’une démarche CRM, dont les

aspects stratégiques font l’objet de nombreux travaux, apparaît comme primordial. Les TIC

sont en effet un support aux stratégies de Customer Relationship Management définies par les

organisations puisqu’elles facilitent le contact entre les clients et les agents de différents

services dans l’entreprise via Internet, le téléphone ou même en face-à-face. Ainsi, les TIC

« permettent de placer le CRM à la portée du plus grand nombre d’organisations et de

clients » (Peelen et al., 2006) via des systèmes CRM. Ces derniers doivent donc s’intégrer

dans le système d’information existant de l’organisation, donnant une place de premier plan

au département des Systèmes d’Information qui doit alors soutenir la totalité des processus

liés au CRM, notamment commerciaux.

Les TIC et les SI sont étroitement liés même si une ambiguïté, qui sera davantage développée

dans la suite de cette thèse, demeure dans l’usage de ces deux notions. Abdennader Cheffi et

Cheffi (2005) soulignent que « depuis leur apparition dans l’organisation […], les

technologies et les systèmes d’information sont considérés comme des « artefacts » reliés

entre eux », ce qui implique qu’il est inadéquat de parler de TIC sans aborder les SI et

inversement. Pour cette raison, nous avons choisi de parler de stratégie technologique pour

nous référer à ces deux notions.

La littérature en Systèmes d’Information et Organisation, en particulier en stratégie des

systèmes d’information (Delone et McLean, 1992 ; Seddon et Kiew, 1994 ; Seddon, 1997),

nous a donc paru indispensable à la poursuite de nos travaux de recherche. Cette littérature

nous a amenés à adopter une perspective théorique largement utilisée dans la recherche en

Systèmes d’Information : la perspective de « fit » ou d’alignement stratégique, inscrite dans la

théorie de la contingence selon laquelle la performance organisationnelle est le résultat d’un

alignement stratégique deux ou plusieurs variables telles que la stratégie et la technologie.

Notre objet de recherche (Figure 1) comprend ainsi deux dimensions : une dimension

stratégique (démarche CRM) co-alignée avec une dimension technologique puisque selon

Amara et Kalika (2007), « Le développement de l’orientation client et son amélioration dans

l’organisation ne peut se faire sans une intégration et une prise en compte des déterminants

organisationnels et technologiques qui en conditionnent la mise en place ».

Figure 1. La construction de l'objet de recherche

La problématique de notre travail de recherche consiste donc à nous interroger en

profondeur sur la perspective de l’alignement entre la démarche CRM des organisations

et la stratégie technologique mise en œuvre et de mesurer son impact sur la performance

organisationnelle.

Cette réflexion nous amène à nous poser trois questions de recherche majeures :

• Q1 : La gestion de la relation client se structure-t-elle en plusieurs dimensions ?

Cette première question de recherche nous amènera à considérer le CRM comme un concept

multidimensionnel. Nous chercherons ainsi à montrer l’existence de plusieurs types de gestion

de la relation client.

• Q2 : Comment la stratégie technologique influence-t-elle la démarche CRM

d’une organisation ?

Répondre à cette question nous amènera à montrer en quoi la stratégie technologique de

l’organisation est importante dans une démarche de gestion de la relation client. Notre objectif

sera de modéliser le lien entre la gestion de la relation client d’une part et la stratégie

technologique d’autre part afin de définir un profil technologique pour chaque catégorie de

CRM identifiée.

• Q3 : Dans quelle mesure une démarche CRM a-t-elle un impact sur la

performance organisationnelle ?

Pour répondre à cette question, nous étudierons dans un premier temps le lien direct entre le

CRM et la performance organisationnelle. Puis, dans un second temps, nous intégrerons la

perspective d’alignement stratégique d’Henderson et Venkatraman (1993) entre la démarche

CRM et la stratégie technologique dans notre recherche. A notre connaissance, peu de travaux

ont étudié l’impact de l’alignement stratégique entre la stratégie client et la stratégie

technologique sur la performance organisationnelle. Amara et Kalika (2007) ont réalisé des

travaux de recherche en ce sens mais en privilégiant la notion « d’orientation client » à celle

de CRM. Nous cherchons ici à montrer qu’il existe un lien significatif entre la gestion de la

relation client et la stratégie technologique d’une part et la performance organisationnelle

d’autre part.

Apports attendus de la recherche

Apports attendus au niveau théorique 

Pour Bénavent et Villarmois (2006), le CRM serait un système d’information spécifique pour

les offreurs de solutions alors que pour les praticiens, il correspondrait davantage à une

réponse à la problématique suivante : comment établir une relation durable avec ses clients ?

Le CRM est-il donc une technologie ? Un processus relationnel ? Une stratégie ?

Ces différentes questions sur le CRM laissent supposer qu’une analyse de la gestion de la

relation client d’un point de vue stratégique et son lien avec la stratégie technologique de

l’organisation présenteraient un intérêt majeur sur le plan théorique.

Notre thèse se propose donc de participer et de contribuer à la réflexion sur le concept de

CRM. Notre principal objectif sera, non pas de donner une nouvelle définition du concept de

Customer Relationship Management, mais de clarifier le concept et de mettre en relief son

caractère stratégique. Nous nous attacherons notamment à catégoriser le CRM afin

d’identifier les différents facteurs du co-alignement entre le CRM et la stratégie technologique

qui expliquent le mieux la performance organisationnelle. Nous réaliserons ainsi un test

empirique d’une modélisation intégrant l’alignement entre le CRM d’une part et la stratégie

technologique d’autre part et son impact sur la performance organisationnelle.

Apports attendus au niveau managérial

Notre travail doctoral possède également un ancrage managérial. Nous pensons en effet que

comprendre le lien entre le CRM, la stratégie des systèmes d’information et la performance

organisationnelle ne constitue pas uniquement un enjeu théorique mais peut apporter des

réponses aux praticiens. Identifier un profil technologique selon la gestion de la relation

adoptée serait une étape essentielle pour les praticiens désireux de se lancer dans un projet

CRM ou dont la mission consiste à effectuer un audit des systèmes existants. Nous espérons

ainsi contribuer à l’étude des conditions de réussite d’un projet CRM.

Apports attendus au niveau méthodologique

La méthodologie retenue pour répondre à nos questions de recherche s’appuie sur une

démarche quantitative. Cette approche vise à tester sur le terrain nos hypothèses initiales et

surtout à tester notre modèle dans sa globalité. Les tests effectués passent nécessairement par

l’utilisation et/ou l’adaptation d’instruments de mesure. Une méthode rigoureuse sera ainsi

mise en œuvre, débutant par des analyses factorielles exploratoires, suivies d’analyses

factorielles confirmatoires de premier et de second ordre. Des instruments de mesure relatifs à

la gestion de la relation client et à la stratégie technologiques seront ainsi validés.

Architecture de la recherche

L’architecture générale de la thèse comprend deux parties, composées chacune de deux

chapitres.

La première partie présente l’approche théorique des différents concepts utilisés dans notre

modèle de recherche du co-alignement entre la démarche CRM (Chapitre 1) et la stratégie

technologique. Cette présentation du cadre conceptuel trouve ses racines dans la perspective

de l’alignement stratégique (Chapitre 2).

Notre cadre conceptuel est ensuite discuté dans une dernière section.

La deuxième partie a pour objectif de proposer et de tester notre modèle de recherche. En

premier lieu, la posture épistémologique et la méthodologie de la recherche sont abordées

avant la présentation de notre modèle de recherche ainsi que les hypothèses associées.

L’élaboration du modèle de mesure est ensuite détaillée. Le questionnaire ainsi obtenu permet

d’opérationnaliser le modèle de recherche. La démarche pour choisir notre échantillon et

collecter des données est ensuite présentée (Chapitre 3).

Après l’analyse de notre échantillon, la validité et la fiabilité des échelles de mesure utilisées

dans cette recherche sont tour à tour évaluées. Le modèle de recherche est ensuite testé lors de

l’étude non-simultanée, puis simultanée, des relations entre l’alignement et la performance

organisationnelle (Chapitre 4).

Les résultats des tests de notre modèle de recherche sont enfin discutés dans une section

finale.

L’architecture de ce travail doctoral est présentée dans la Figure 2.

Figure 2. Structure de la thèse

Première partie.

Présentation de l’approche 

théorique utilisée pour évaluer la 

gestion de la relation client (CRM) 

des organisations

Chapitre 1.

Approche du concept de CRM 

(Customer Relationship Management)

I. Le projet CRM / BI : la genèse de notre problématique

Notre première approche du concept de CRM date de 2003, lors notre participation à un projet

CRM au sein d’une société regroupant toutes les compétences informatiques d’un grand

groupe industriel, présent notamment dans la production et la commercialisation de véhicules

industriels. Dans un souci de confidentialité, nous l’appellerons Société X. Ce projet, appelé

« Projet CRM / BI », a constitué la genèse de notre problématique liée à la gestion de la

relation client.

L’objectif de ce projet résidait dans le packaging d’une offre de CRM, s'appuyant sur une

solution déjà éprouvée chez une des filiales du groupe (Société Z), en l’occurrence un outil

d’avant-vente destiné aux commerciaux, afin de pouvoir la vendre à des clients du groupe

mais aussi à des clients externes.

1. Présentation du projet CRM / BI

Dans un premier temps, l’équipe projet a dressé un panorama du CRM intégrant des fonctions

de Business Intelligence (offres, éditeurs) afin de déterminer l'existence d'un marché potentiel.

Un bilan négatif aurait arrêté le projet. Cette étude nous a d’ailleurs permis de distinguer deux

catégories de CRM présentées par les éditeurs : le CRM opérationnel et le CRM analytique6.

1.1 Panorama du marché du CRM

a) Prévisions des cabinets d’étude sur le marché du CRM

La première étape du projet, à laquelle nous avons participé, a consisté à se familiariser avec

le marché du CRM. Il convient de préciser que cette étude a été effectuée en 2003, soit en

pleine période qualifiée de « difficile » pour les CRM. Comme nous l’avons présenté

précédemment, les premiers échecs de projets CRM ont été observés à partir de 2001.

6 Ces notions seront davantage détaillées dans la suite de ce chapitre.

Toutefois, les prévisions des grands cabinets d’études (Tableau 1) étaient relativement

optimistes quant à l’avenir du marché du CRM en général, et du CRM intégrant des fonctions

analytiques en particulier. Tous les analystes se sont en effet accordés à dire qu'il existait un

marché potentiel du CRM intégrant des fonctions analytiques, qualifié de CRM analytique.

Tableau 1. Les prévisions des cabinets de recherche du marché du CRM (Durand et 

Bouzidi, 2003)

Analystes Prévision de croissance du marché du CRM analytique

GartnerMarché européen des licences CRM analytique estimé à 5,1 milliards de dollars en 2006.

AMR ResearchPrévision que le montant des investissements en CRM aux fonctions analytiques représentera le double du CRM opérationnel d’ici 2005.

Jupiter Media Metrix

Plus d’un quart des sociétés américaines dépensera au moins 500 000 $ pour des solutions de CRM dans les deux ans à venir. La plus grande partie de ces investissements sera destinée au CRM analytique.

Meta GroupSelon un rapport de 2003 du Meta Group, sur 400 entreprises, 300 affirment que dans les 12-18 prochains mois, les solutions de CRM analytique seront préférées à toute autre offre de CRM.

IDCLe marché mondial du CRM analytique représentera 1,5 milliard de dollars d’ici 2005.

b) Acteurs du marché du CRM analytique

Ensuite, nous avons choisi de lister les éditeurs de solutions de CRM analytique. Nous avons

ainsi constaté l’abondance des acteurs sur ce marché qui provenaient de trois mondes

parfaitement distincts :

• Les éditeurs tournés vers la gestion de la relation client "front-office" qui n'entrent en

général pas dans un degré d'analyse très poussé.

• Les acteurs de la Business Intelligence où l'analyse constitue le cœur de leur métier

tels qu’Oracle (Discover pour le reporting, Express pour Olap et Darwin du côté

datamining) ou SAS.

• Les éditeurs d'ERP qui veulent tout couvrir et qui proposent une vision très

opérationnelle en occultant souvent les aspects stratégiques liés à l'analyse.

c) Opportunités – Menaces du marché du CRM analytique

Afin de synthétiser les informations recueillies sur le marché du CRM analytique et d'en

dégager leur aspect stratégique, l’équipe projet a décidé de dégager les principales

Opportunités et Menaces de ce marché (Tableau 2).

Tableau 2. Opportunités et menaces du marché du CRM analytique (Durand et 

Bouzidi, 2003)

d) Conclusions de l’étude d’opportunité

Les différentes recherches sur le marché du CRM analytique, que nous n’avons pas toutes

présentées ici, ont permis à l’équipe projet de la société X de conclure que ce marché

présentait un certain potentiel et a ainsi décidé de lancer le projet CRM/BI.

Le marché offrait en effet de nombreuses opportunités, notamment avec les bonnes prévisions

de croissance mais quelques menaces venaient tout de même assombrir cette vision : une

concurrence accrue et le contexte difficile du marché du CRM en 2002.

1.2 Identification des applications de CRM de la

société Z

Une identification des outils CRM existants dans la société Z a ensuite été menée dans une

seconde étape du projet. Deux applications de CRM « classique » que nous appellerons

« CRM opérationnel » et un outil de CRM analytique étaient déjà intégrés au système

d’information de l’organisation :

• un outil d’avant-vente (SFA - Sales Force Automation) destiné aux commerciaux

(CRM opérationnel),

• un Call Center, destiné aux clients du groupe (CRM opérationnel),

• un Datamart CRM, un outil de requêtage pour les directeurs commerciaux et

marketing dans les filiales afin d’exploiter les données commerciales de la solution

SFA (CRM analytique).

a) Un outil d’avant-vente

Présentation de l’outil SFA

Cet outil était basé sur le progiciel Siebel Sales Entreprise. Quelques développements

spécifiques ont toutefois été rajoutés, notamment sur la page d’accueil de l’application.

Cette application permet à chaque vendeur et/ou chaque chef de vente :

• d’obtenir un tableau de bord synthétique de ses propositions en cours pour les trois

prochains mois,

• de suivre en détail à partir de graphiques son portefeuille d'affaires par date de

conclusion.

En début de journée, le vendeur récupérait directement sur la page d'accueil de son ordinateur

portable toutes les nouveautés et en fin de journée, il rentrait le compte rendu de ses visites et

programmait ainsi ses dates de relances (téléphone, mailing, visites).

Un programme permettait notamment d'échanger des informations avec un configurateur

servant à choisir les différents équipements. Par exemple, la présence de certaines options

pouvait soit interdire la présence d'autres équipements ou inversement obliger leur présence.

Aux dires des commerciaux, SFA était un outil performant, en place dans la société depuis

deux ans, qui offrait une grande valeur ajoutée pour le vendeur car elle lui permettait de

proposer une vision en temps réel et chiffrée du produit que le client désirait acquérir.

La page d'accueil de l’outil SFA permettait :

• de consulter sur un même écran les informations essentielles sur les clients, prospects

(fiche société, actions / relances, etc.),

• de saisir rapidement ces mêmes informations,

• d'accéder aux nouveautés reçues par synchronisation.

A partir de ce seul écran, développé en spécifique, le vendeur pouvait effectuer la plupart de

ses opérations quotidiennes.

La synchronisation permettait de récupérer dans la base de données propre au vendeur, des

informations qui pouvaient provenir de différents endroits mais aussi d'échanger des

informations avec d'autres acteurs de l’organisation.

Fonctionnalités analytiques

Des fonctionnalités analytiques étaient disponibles dans cet outil mais leur degré d'analyse

restait limité. Le croisement de plusieurs objets était notamment impossible et il n'y avait pas

d'historisation des contacts avec le client, pas de calculs ni d'agrégation de données.

La nécessité d'un outil d'aide à la décision apparaissait donc comme indispensable pour

obtenir des informations plus pertinentes.

b) Un call center

Présentation de l’outil Call Center

La deuxième application était un Call Center destiné aux clients de la société Z qui se

décomposait en quatre fonctions (Figure 3) :

• « A » se chargeait des problèmes relatifs aux pièces de rechange,

• « B » s'occupait des problèmes liés à des défauts techniques,

• « C » était une cellule de crise concernant les véhicules en panne,

• « D » était chargé de la documentation technique.

Figure 3. Organisation du call center de la société X

Trois niveaux de support étaient disponibles :

• Support de niveau 1 :

− les conseillers sont polyvalents,

− certains appels nécessitent une enquête ou des investigations plus

approfondies,

− la plupart des appels sont clos au premier niveau.

• Support de niveau 2 :

− les conseillers sont chargés de résoudre ce qui n'a pas pu l'être au

premier niveau,

− les dossiers leur sont soumis au travers de l'outil « suivi des incidents

»,

− ils peuvent faire appel à des experts techniques mais ils restent

responsables quant à la solution à apporter aux clients.

• Support de niveau 3 :

− ils participent à la résolution de ce qui n'a pas pu l'être au niveau

précédent,

− la réponse peut prendre plusieurs jours.

Fonctionnalités analytiques

Pour cet outil Call Center, des indicateurs de performance (KPI) existaient déjà :

• Des programmes en PL /SQL (langage propriétaire Oracle) calculaient et stockaient

des données agrégées dans des tables intermédiaires. Ces tables étaient situées dans la

même base Oracle que Siebel mais le propriétaire de ces tables n'avait qu'un accès de

lecture sur les données.

• Les programmes PL / SQL étaient lancés chaque jour, chaque semaine ou chaque mois

selon les besoins.

• Des requêtes SQL étaient lancées via des feuilles de calcul Excel. Les utilisateurs

accédaient en temps réel aux données.

A titre d’exemple, le manager pouvait mesurer en temps réel le nombre de dossiers ouverts

par division, par position avec la durée entre la création du dossier et son transfert à un niveau

supérieur. Les utilisateurs accédaient aux données à travers des documents qui présentaient

ces indicateurs sous forme de graphiques.

L’outil Call Center était certes davantage un outil de CRM analytique que l’outil SFA.

Cependant, les indicateurs étaient faits de manière complexe sans phase d'extraction de

données, sans entrepôts de données où les données seraient agrégées. Chaque demande de

nouveaux indicateurs nécessitait un nouveau développement. Cette façon d'obtenir des KPI

était une base à réutiliser notamment les rapports déjà prêts. La chaîne décisionnelle devait

simplement être améliorée.

Le CRM opérationnel (Figure 4) de la société X pouvait être schématisé ainsi :

Figure 4. CRM opérationnel de la société Z

c) Datamart CRM

Présentation de l’outil

Un premier projet de CRM analytique avait été mené en 2002 au sein de la société X.

L'objectif était de mettre en place un outil de requêtage pour les directeurs commerciaux et

marketing dans les filiales afin d'exploiter les données commerciales de l’outil SFA utilisé

dans la société Z. L'outil d'aide à la décision devait permettre :

• d'effectuer des analyses des informations contenues dans les bases de données CRM et

notamment des analyses croisées de données issues des différents objets (Sociétés /

Parc, Sociétés / Activités),

• d'obtenir des états, des indicateurs, des tableaux de bord destinés :

− au pilotage de l'activité commerciale,

− au lancement d'actions marketing,

− à la détermination de cibles.

Architecture technique du projet

Dans un souci de compréhension, nous allons maintenant aborder la partie technique de la

mise en place d’un datamart, grâce à une décomposition de la chaîne décisionnelle (Figure 5).

Figure 5. Architecture technique du Datamart CRM de la société X

Plusieurs objets Siebel présents dans l’outil SFA ont ainsi été utilisés pour créer cette nouvelle

solution :

• Sociétés,

• Interlocuteurs (contacts dans les sociétés),

• Parc,

• Projets (projets de vente),

• Affaires (un bon de commande est établi),

• Relances (à effectuer sur un client).

Chargement du datawarehouse et du datamart

La première étape de la chaîne décisionnelle consistait à utiliser des scripts d’extraction de la

base SFA conduisant à la création d’une dizaine de fichiers plats, correspondants aux objets

Siebel définis en amont, et d’autres qui ont été inclus au projet tels que les objets « Action

Marketing » ou « Secteur d’activité ». Ces fichiers plats, transmis par CFT7 , ont ensuite

permis de créer les tables dans le datawarehouse8, chaque objet correspondant à une table. Des

tables d’historisation (historique des activités, des affaires, des projets, etc.) ont également été

créées, alimentées par des procédures de chargement. Excepté les tables d’historisation, les

autres tables sont chargées par des scripts SQL.

La procédure de téléchargement se fait de manière hebdomadaire pour les tables faisant

référence à des objets et est mensuelle pour les tables d’historisation. La construction du

Datamart nécessite une phase de vectorisation, qui va offrir une structuration des données

optimisée pour les requêtes, les calculs, les extractions.

Le nouveau CRM analytique de la société Z

7 Cross File Transfer8 Le datawarehouse sera expliqué dans la suite de ce chapitre

La société X avait adopté une démarche de CRM analytique rétrospective, axant en effet sa

stratégie sur la mise en place d’un outil de requêtage pouvant par la suite donner lieu à de

l’analyse multidimensionnelle. Après plusieurs mois de projet, le datamart CRM a été intégré

au système d’information de l’entreprise.

L’architecture suivante a été retenue (Figure 6) :

Figure 6. Architecture du CRM analytique de la société Z

Le développement de l’outil Datamart CRM n’aurait pas pu être mis en place sans l’apport en

amont du CRM opérationnel de la société Z. Toutefois, seul l’outil SFA a été utilisé et les

données recueillies via l’outil Call Center ont été ignorées et n’ont pas été intégrées au

processus d’aide à la décision fourni par le Datamart CRM.

Analyse SWOT de la société Z dans le marché du CRM analytique

Après avoir identifié les différentes applications CRM de la société Z, nous avons effectué

une analyse SWOT du marché du CRM analytique (Tableau 3). Nous notons immédiatement

qu’une des forces la société Z réside dans son expérience de l'outil de CRM Siebel sur lequel

sont basés les deux outils de CRM opérationnel de la société Z. De plus, un des arguments

principaux de vente serait l'existence d'une offre CRM BI chez la société Z éprouvée depuis

plus d'un an et qui fonctionne très bien, aux dires des utilisateurs. Cependant, cette force peut

entraîner une faiblesse car l'offre CRM / BI nécessite Siebel comme outil de CRM ce qui

exclut des clients potentiels tous les clients utilisant un autre outil CRM.

Tableau 3. Analyse SWOT de la société Z dans le marché du CRM analytique

Opportunities Threats

- Croissance prévue du CRM analytique de 24% d'ici 2004 contre 22% pour le CRM opérationnel- Segment des PME à exploiter - Solutions des éditeurs de CRM parfois très chères

- Concurrence sur le segment des PME (Microsoft)- Marché américain plus mature que le marché français

Strengths Weaknesses

- L'outil Siebel est utilisé pour des solutions globales - L'outil Siebel est utilisé dans 2 applications (SFA – Call Center)- Compétences sur Siebel 7- Expérience des fonctionnalités analytiques : Datamart CRM (offre éprouvée chez la société Z) et Call Center

- outil développé avec Siebel pour la partie « opérationnelle » Support de vente :- version de démonstration- plaquettes- force de vente chargée de la prospection inexpérimentée sur les outils CRM

1.3 Lancement du projet CRM BI

Le Datamart CRM a été utilisé pendant plus d’un an dans la société Z. Fort de son succès, la

société X a décidé de packager un nouvel outil destiné aux clients du groupe mais également à

d’autres sociétés, notamment des PME, mais dont l’architecture technique intégrerait à la fois

un outil d’avant-vente et un call center.

Pour cela, il a fallu dans un premier temps supprimer toutes les spécifications du transport

routier présentes dans l’outil Datamart CRM. La notion de package sous-entend en effet un

outil standard capable de s’intégrer dans le système d’information de n’importe quelle

organisation. La société Z produit et commercialise des véhicules industriels, un marché bien

spécifique et très réglementé. L’outil ainsi mis en place ne pouvait donc en aucun cas être

intégré en l’état dans un autre système d’information. Les spécifications au transport routier

ont ainsi dû être supprimées une à une.

Ensuite, des ingénieurs de la société X se sont attachés à intégrer l’outil Call Center de la

société Z dans l’architecture du nouveau Datamart CRM (Figure 7).

Figure 7. Architecture technique du nouvel outil CRM développé par la société X

2. Discussion sur le projet CRM / BI

Dans un souci de confidentialité, nous ne pouvons rentrer plus dans les détails de ce projet.

Cependant, nous avons tenté, après le projet qui s’est terminé pour notre part après la

conception de l’outil, d’analyser la démarche CRM de la société X.

2.1 Concurrencer Siebel et Microsoft, deux acteurs

majeurs du secteur

Cette volonté de rentrer sur le marché du CRM analytique colle parfaitement avec les

éléments stratégiques que nous avions établis, à savoir que le marché était détenu par des

acteurs venus de tous horizons. En effet, la société X est une filiale d’un grand groupe, qui

développe des outils pour le groupe ainsi que pour quelques clients. La société n’avait donc a

priori, aucune expérience en matière de CRM et d’informatique décisionnelle, hormis les

outils qu’elle développait en interne.

Mais, surtout, l’objectif du projet était certes de vendre l’offre à des clients du groupe mais

également à des clients externes, sans rapport avec le groupe ni même avec le milieu du

transport routier. Pourtant, la société X n’a pas hésité à tenter de se positionner sur le marché

malgré la forte concurrence, en particulier du leader Siebel. L’argument invoqué consistait à

avancer que le coût d’une licence Siebel était trop important pour une PME et que par

conséquent, il s’agissait de proposer ce nouvel outil au segment du Mid-Market. L’étude

stratégique sur le CRM analytique avait en effet révélé que le segment des PME restait à

exploiter. Là encore, un concurrent risquait de contrecarrer ce projet : Microsoft qui venait à

peine de rentrer sur le marché du CRM. A noter que la version standard de l’outil Microsoft

ne proposait pas de fonctionnalités analytiques. Le groupe de Richmond restait cependant un

concurrent sérieux, puisqu’il était déjà présent dans les PME via les PC et autres licences de

systèmes d’exploitation Windows. La société Z a donc tout misé sur les fonctionnalités

analytiques que proposait son outil pour espérer gagner des parts de marché. Un pari risqué

sachant que beaucoup de sociétés se contentent de gérer leur relation client au niveau

opérationnel malgré l’intérêt que suscite la dimension « analytique ».

2.2 Analyse de la notion de « package »

Packager l’offre éprouvée dans la société Z revenait à enlever toutes les spécifications du

transport routier pour la rendre standard. Ainsi, elle pourrait s’implanter dans n’importe quel

système d’information.

Néanmoins, nos premières lectures sur le concept de CRM, peu nombreuses tant les

contraintes de temps étaient importantes dans ce projet, nous ont amenés à identifier un

élément primordial : la gestion de la relation client fait partie de la stratégie globale de

l’entreprise. En effet, le responsable d’un projet CRM doit dans un premier temps mettre de

côté la dimension technique du projet pour s’attacher à mettre en place une stratégie

d’entreprise. Le choix de l’outil de CRM dépendra de cette démarche stratégique. Selon le

budget du projet, l’objectif sera d’éviter au maximum les développements spécifiques. Un

outil trop standard risquerait donc de ne pas s’adapter à la stratégie orientée client de

l’entreprise. Selon nous, cet élément représentait un frein pour l’outil CRM de la société X et

il a été négligé par les responsables du projet CRM BI.

Ensuite, vendre un package revient à privilégier la dimension technique d’un projet au

détriment des deux autres. Il n’est pas certain qu’il s’adaptera à toutes les organisations. A

notre sens, un package n’est pas adapté à de grands projets de modification de système

d’information dans une entreprise (CRM ou autres) et ne doit être réservé qu’à l’exécution de

tâches non stratégiques. Un outil spécialisé dans le transport routier aurait selon nous ciblé

une clientèle particulière et n’aurait pas ou peu nécessité de développements spécifiques.

L’expérience de la société X dans cette activité aurait en effet pu convaincre des clients

potentiels d’intégrer un tel outil.

2.3 Apports du projet CRM / BI pour la suite de notre

recherche

Ces remarques ont toutefois de nombreuses limites. Ni l’équipe projet CRM/BI ni nous-

mêmes n’avons réalisé d’études de marché d’un tel outil et ainsi étudié la demande qui lui

serait destinée. Nous nous sommes cantonnés à donner une démarche de réflexion pour

l’intégration d’un nouvel outil CRM dans un système d’information existant grâce à notre

collaboration à un projet concret au sein d’une organisation.

Notre collaboration au sein du CRM / BI nous a en outre permis d’approcher le concept de

CRM selon plusieurs perspectives : une perspective opérationnelle via des outils comme le

call-center ou l’outil d’avant-vente destiné aux commerciaux, et une perspective plus

analytique à travers l’outil Datamart CRM, intégrant une chaîne décisionnelle et un outil de

requêtage. Nous avons pu observer que dans le cas de la société X, l’existence d’une

application de CRM analytique supposait une expérience déjà acquise sur une application de

CRM opérationnel. Nous avons donc commencé à nous intéresser au rôle du CRM

opérationnel dans une application de CRM opérationnel. Ces différentes perspectives nous ont

donné envie d’analyser plus en profondeur le concept de CRM et d’entamer une réflexion

théorique du sujet.

En outre, l’importance du rôle des TIC nous a paru indéniable tant le CRM était perçu avant

tout comme une simple application par l’équipe projet. Le lien entre CRM et TIC nous est

donc apparu comme un élément stratégique à ne pas négliger dans notre analyse.

Enfin, la mise en place de trois outils CRM au sein de la société Z a permis non seulement de

mieux gérer la relation avec les clients au niveau opérationnel mais également d’aider les

chefs de ventes à piloter l’activité et prendre des décisions. Dans ce contexte, une question

évidente nous vient à l’esprit : la stratégie CRM opérée par la société a-t-elle eu un impact sur

la performance organisationnelle ? A la fin de notre participation au projet, nous n’étions pas

en mesure de répondre à cette question car aucune étude n’avait été effectuée sur le sujet,

mais cette question a fortement influencé nos recherches futures.

Après cette approche pragmatique du concept de CRM, nous allons vous présenter notre

approche théorique utilisée pour évaluer le concept de Customer Relationship Management

(CRM).

II. D’une vision centrée sur le produit à une vision orientée­

client

1. De la production au marketing relationnel

La gestion de la relation client (GRC) ou Customer Relationship Management (CRM) est un

concept récent qui date du début des années 90. Les entreprises ont, en effet, commencé à

placer le client au centre de leurs stratégies à partir de cette période. Toutefois, le recentrage

des entreprises sur leurs clients s’est inscrit dans un long processus de changement des

mentalités. Il est très difficile d’établir une chronologie précise tant l’évolution d’une

entreprise est propre à chacune. Nous distinguons toutefois plusieurs phases correspondant à

différentes étapes du processus de la prise en compte des clients :

• Ere préindustrielle,

• Début du XX° siècle jusqu’en 1929,

• La crise de 1929,

• Les trente glorieuses,

• Les années 80.

1.1 Ere préindustrielle

La période dite « ère préindustrielle » était basée sur des relations humaines de proximité. Les

produits étaient fabriqués à l’unité, presque sur commande. Les entreprises et les commerces

étaient de taille humaine ce qui rendait les relations entre le client et le fournisseur plus

faciles. Ces relations pouvaient même être qualifiées « de voisinage » tant les contacts étaient

personnels. Gillension, Sherrell et Chen (1999) avancent même que l’on pouvait parler de

marketing-one-to-one à l’époque, un concept sur lequel nous reviendrons plus loin dans cette

section.

1.2 Début du XX° siècle jusqu’à la crise de 1929 : la

culture production

Les entreprises créées au cours de la Révolution Industrielle (XIX° siècle) et au début du XX°

siècle étaient entièrement centrées sur la production (Helfer, Orsoni, 1998) (Figure 8). Le

contexte économique était très favorable puisque la demande était largement supérieure à

l’offre. Les ingénieurs avaient un rôle primordial de conceptualisation des produits. Ces

derniers étaient ensuite fabriqués en masse pour enfin être consommés. Les gammes de

produits, très restreintes, étaient principalement écoulées par des clients qui n’exprimaient pas

d’attentes particulières. L’exemple de la production de la Ford T est une illustration de cette

idée. Henry Ford avait compris que l’esthétisme et une mécanique sophistiquée n’étaient pas

les qualités premières recherchées par les consommateurs. Ces derniers désiraient juste

disposer d’un moyen de transport. Sa phrase sur le sujet est d’ailleurs devenue célèbre : « Les

clients ont le choix de la couleur de leur voiture, pourvu qu’elle soit noire ! ». Le prix d’achat

étant volontairement bas, l’objectif était de réduire au maximum les coûts de fabrication. Les

principes du Fordisme étaient posés : mettre en place des chaînes de montage permettant

d’augmenter les cadences de production de manière très significative.

Comme nous l’avons souligné précédemment, la diminution du coût unitaire était devenue

une des préoccupations majeures des gestionnaires. L’ingénieur tenait un rôle déterminant

dans cette tâche. Il devait organiser au mieux les processus de fabrication pour abaisser les

coûts de revient. Dans son sillage, le directeur financier jouait également un rôle important

dans le sens où ce dernier était responsable de l’apport de capitaux. Par conséquent, les

fonctions commerciales étaient reléguées au second plan et étaient assurées à la fois par la

Direction de la production et la Direction financière.

Figure 8. L'entreprise et la culture production (Helfer et Orsoni, 1998)

1.3 La crise de 1929

La crise économique engendrée par le krach boursier de 1929 a marqué un profond

changement dans la culture des entreprises. Dans un environnement économique très

incertain, la demande a nettement reculé, laissant les entreprises dans un cycle de

surproduction. Pour écouler les produits, les entreprises ont été dans l’obligation de changer

de stratégie : elles sont passées d’une culture de production à une culture de vente (Figure 9),

réalisant toute l’importance des agents économiques dans le processus d’achat (Helfer,

Orsoni, 1998). Cette période est marquée par la naissance des premières directions

commerciales qui prirent autant de poids au sein de l’organisation des entreprises que les

directions de production et les directions financières. Les fonctions commerciales n’étaient

toutefois pas encore effectuées par une seule et même entité mais partagées entre les trois

directions. A l’instar des entreprises centrées sur la production, ce type d’organisation

implique une mauvaise circulation de l’information puisque chaque direction travaille de

manière indépendante sur une fonction commerciale : le produit pour la Direction de la

production, les prix et les budgets pour la Direction financière et enfin la vente et la

promotion pour la Direction des ventes. Si les entreprises ont compris la nécessité d’accorder

une place primordiale à la vente des produits, les clients ne sont toujours pas consultés sur

leurs attentes. Les ingénieurs conceptualisaient des produits qui étaient ensuite proposés aux

consommateurs par des techniques de vente agressives.

Figure 9. L'entreprise et la culture vente (Helfer et Orsoni, 1998)

1.4 Les trente glorieuses (Fourastié, 1979)

La fin de la seconde guerre mondiale a engendré de nombreux bouleversements. La France a

en effet connu une trentaine d’années de pleine expansion économique, atteignant une

moyenne de 5,05% de croissance sur la période, un taux largement supérieur à ceux atteints

depuis le XIX° siècle (Figure 10).

Figure 10. Croissance française (Maddison, OCDE, 2001)

1820-1870 1870-1913 1913-1950 1950-1973 1973-2000Taux de croissance

1,27% 1,63% 1,15% 5,05% 2,10%

Plusieurs éléments ont marqué cet essor de l’économie française. Le premier était d’ordre

démographique. La population a en effet nettement progressé après la seconde guerre

mondiale : de 40,5 millions en 1946, elle a atteint 52,6 millions en 1975 soit une hausse de

30% en 30 ans.

En outre, la structure de la population active a évolué. La société rurale commençait à

s’éteindre. D’un tiers en 1946, les agriculteurs ne représentaient plus que 10% des actifs en

1975. Ce recul s’est fait certes au profit de l’industrie (+4,6 points en 30 ans) mais il a surtout

marqué l’avènement d’une société de services (plus de la moitié des actifs en 1975).

Et la liste des changements est encore longue : accès plus important des femmes à l’emploi,

allongement de la durée des congés payés (4 semaines en 1969 contre 2 en 1936),

développement du confort moderne (eau courante, automobile, etc.). Dans un contexte

économique plus que favorable, le revenu des ménages a augmenté provoquant une forte

hausse de la demande.

Du côté des entreprises, les capitaux ont afflué, les capacités de production ont nettement

augmenté et les marchés se sont internationalisés, notamment grâce aux innovations dans les

moyens de communication.

L’approche marketing a ainsi pris toute son ampleur. Cette dernière « part, en effet, du

marché qu’elle analyse afin de déterminer la nature des besoins à satisfaire, pour revenir à

la définition du produit correspondant au besoin analysé » (Dalloz, 2005). L’élément clef

concerne « la nature des besoins à satisfaire » qui implique que les attentes des clients ont

davantage été prises en considération par les entreprises. Les entreprises ont axé leurs

stratégies sur le développement des services aux clients. Les Directions Marketing ont alors

fait leur apparition dans l’organisation des sociétés (Figure 11). Ces dernières assuraient non

seulement toutes les fonctions commerciales mais travaillaient en étroite collaboration avec la

Recherche et Développement à partir des informations recueillies lors des études de marché.

Dans ce contexte, la phrase de Peter Drucker « Fabriquez ce que vous pouvez vendre, plutôt

que d’essayer de vendre ce que vous pouvez fabriquer » (Drucker, 1966), prend tout son sens.

Figure 11. L'entreprise et la culture marketing (Helfer et Orsoni, 1998)

1.5 Les années 80

Dans les années 1980, la satisfaction des clients par l’amélioration de la qualité des produits

devient une préoccupation pour les organisations. La mesure de la qualité des produits est

devenue en effet un enjeu majeur pour répondre aux attentes des clients. De nouvelles

méthodes de production et d’approches du client ont ainsi été développées, couplées avec de

nouvelles techniques de ventes.

2. Le marketing relationnel, tendance dominante du marketing

2.1 Emergence du marketing relationnel

a) Les années 90

Les années 90 marquent le début d’une réorientation marketing des organisations qui

accordent davantage d’importance à la manière de construire une relation durable avec les

clients et d’augmenter leur fidélité (personnalisation des offres). En premier lieu, la

concurrence devient féroce avec l’ouverture, la déréglementation des marchés. Ensuite, le

consommateur devient de plus en plus exigeant en matière de qualité et de prix. Il est

également mieux informé donc plus enclin à se laisser tenter par d’autres marques. Enfin, le

développement des nouvelles technologies permet aux entreprises de mieux maîtriser les flux

entrants et sortants de l’entreprise, notamment concernant leurs clients. Autant d’éléments qui

poussent les entreprises à passer d’une vision centrée sur le produit à une vision centrée sur le

client. Cependant, pour conserver le client, une véritable stratégie d’entreprise doit être

construite autour du client. Il devient alors une pièce centrale et un nouvel atout déterminant

pour les entreprises. Les mises en place de bases de données clients se multiplient.

Selon Burke, Rangaswamy et Gupta (1999), la principale préoccupation des entreprises avant

1990 était de réaliser le maximum de transactions avec les clients via des opérations de ventes

promotionnelles. Le marketing de masse est en effet essentiellement axé sur des opérations

promotionnelles pour l’ensemble des clients. Des médias comme les journaux, les magazines,

la télévision et la radio sont souvent utilisés pour informer la clientèle.

Puis, les entreprises ont commencé à se focaliser davantage sur la manière de construire une

relation durable avec les clients et d’augmenter leur fidélité. Les opérations marketing sont

alors dirigées sur des groupes de clients spécifiques dont le principal objectif est de résoudre

les difficultés liées au marketing de masse. On parle alors de « target marketing» (Jeong, Seok

et Kyung, 2003) ou « marketing de cible ».

b) Du marketing de la transaction au marketing relationnel

Coviello, Brodie et Munro (1997) ont identifié quatre différents types de marketing qu’ils

considèrent comme faisant partie du marketing relationnel (Tableau 4) : le marketing de

transaction (transaction marketing), le marketing de base de données (database marketing), le

marketing d’interaction (interaction marketing), le marketing de réseau (network marketing).

Tableau 4. Différents types de marketing (Coviello et al., 1997)

Type de marketing Caractéristiques

Transaction marketingUne entreprise attire et tente de satisfaire des clients ou des prospects en utilisant tous les éléments du marketing mix dans le but de créer des relations à distance.

Database marketingUtilisation des nouvelles technologies pour créer des relations avec les clients, dans le but de rivaliser avec les techniques de marketing de masse. L’objectif est de retenir des clients identifiés.

Interaction marketingInteractions en face-à-face avec les clients dans le but de créer un bénéfice mutuel et des relations interpersonnelles.

Network marketingLes entreprises engagent des ressources pour améliorer leur position dans le cadre de relations entre les entreprises (commerce BtoB).

Le marketing de transaction tel que défini par Coviello et al. (1997) revêt un caractère

relationnel puisque son objectif est de « créer des relations à distance » mais les contacts

restent modérés et discontinus (Payne et al., 1998). Il est donc approprié de faire une

distinction entre le marketing de transaction et le marketing relationnel. Payne et al. (1998)

ont ainsi identifié la construction d’une relation durable avec le client comme le passage du

marketing de la transaction au marketing relationnel (Tableau 5).

Tableau 5. Le passage du marketing de la transaction au marketing de la relation 

(Payne et al. 1998)

Marketing de la transaction Marketing Relationnel

- Orientation à court terme- Intérêt pour la vente isolée- Contact discontinu avec la clientèle- Mise en avant des caractéristiques du produit- Peu d’importance accordée au service clientèle- Engagement limité à satisfaire la clientèle- Contacts avec la clientèle modérés- La qualité est d’abord le souci de la production

- Orientation à long terme- Intérêt pour la rétention de clientèle- Contact continu avec la clientèle- Mise en avant de la valeur du produit pour le client- Beaucoup d’importance accordée au service clientèle- Engagement fort à satisfaire la clientèle- Fort contact avec la clientèle- La qualité est le souci de tout le personnel

Les technologies de l’information et de la communication ont entraîné de grandes innovations

dans le domaine du marketing. Burke et al. (1999) ont notamment noté l’émergence d’un

nouveau paradigme marketing, qui donne aux technologies Web un rôle majeur. Jeong et al.

(2003) soulignent le fait qu’il est très difficile d’obtenir de l’information sans tirer parti des

avancées des technologies de l’information, telles que les bases de données, la mise en place

d’entrepôt de données (datawarehouse) et l’utilisation de techniques d’exploration des

données clients (datamining), ce que Coviello et al. (1997) ont appelé Database marketing.

Lee et Hong (2002) ajoutent qu’aucune stratégie de marketing relationnel ne peut être menée

à bien sans l’utilisation de datawarehouse contenant diverses données sur les clients.

Abbes (2005) a recensé dans une revue de la littérature, différentes définitions du marketing

relationnel (Tableau 6) où, dès 1983, Berry (1983) utilisait le mot « client » dans sa propre

définition. Toutes ces définitions soulignent l’importance de développer des relations de long-

terme avec les clients.

Tableau 6. Différentes définitions du marketing relationnel dans la littérature (adapté 

de Abbes, 2005)

Auteurs Définition du marketing relationnelBerry (1983) Attirer, maintenir et améliorer les relations avec les clients.Jackson (1985) Marketing orienté vers des relations fortes et durables avec les individus.

Grönroos (1991)Etablir, maintenir et solidifier les relations avec les clients et les autres parties concernées de façon à ce que les objectifs des deux parties se rencontrent.

Evans et Laskin (1994)

Approche centrée sur le client où l’entreprise cherche à avoir des relations de long terme avec les clients actuels ou potentiels.

Grönroos (1994)Identifier, établir, maintenir, solidifier et, quand ceci s’avère nécessaire, rompre les relations avec les clients et les autres parties concernées de façon à ce que les objectifs des deux parties se rencontrent.

Gummesson (1994) Marketing comme un ensemble de relations, de réseaux et d’interactions.Morgan et Hunt (1994)

Toute activité marketing destinée à établir, développer et maintenir des relations d’échange à succès.

Perrien et Ricard (1995)

Processus marketing asymétrique et personnalisé prenant place dans une perspective de long terme, débouchant sur des bénéfices mutuels et se basant sur une connaissance approfondie des besoins et des caractéristiques des consommateurs.

Sheth et Parvatiyar (1995)

Développer des interactions proches avec des clients, des fournisseurs et des concurrents choisis afin de créer de la valeur suite à un effort de collaboration et de coopération.

Wilson (1995) Développer et maintenir des relations proches, à long terme, mutuellement bénéfiques et satisfaisantes entre individus et organisations.

Benamour (2000)

Une stratégie orientée vers le client rentable et désireux de s’engager dans une relation destinée à maintenir et à améliorer cette relation ; et associée à une relation d’échange et à des interactions continues et personnalisées permettant la création de liens sociaux entre l’entreprise et le client.

2.2 Le marketing one-to-one, une nouvelle gestion de

la relation client ?

a) Présentation du concept de marketing one-to-one

A l’inverse du marketing « one-to-many » (ou « marketing de masse »), le marketing one-to-

one établit des relations individuelles avec les clients (Peppers et Rogers, 1993). Selon Pitta

(1998), il a été développé par les marketers concernés par les difficultés à survivre dans un

environnement global de plus en plus concurrentiel.

Le marketing one-to-one peut ainsi être défini comme une stratégie visant à vendre plusieurs

produits à un seul client tandis que le marketing de masse consiste à vendre un seul produit à

plusieurs clients. Cette technique est toujours utilisée mais son efficacité est remise en

question par de nombreux auteurs. Jackson (1985) a notamment avancé que dans certaines

situations, en particulier dans le secteur industriel et en commerce BtoB, le marketing de

transaction était préféré au marketing one-to-one. Gilleson et al. (1999) considèrent que le

marketing one-to-one n’est pas un concept récent. Déjà les gérants de boutiques dans de

petites villes avaient une relation personnalisée avec leurs clients. Puis, l’avènement des

grands magasins, des supermarchés et des centres commerciaux a quasiment supprimé ces

relations de proximité. Selon les auteurs, les innovations en matières de technologies de

l’information, en particulier Internet et les importantes bases de données, ont permis de faire

renaître le marketing one-to-one et de créer un environnement dans lequel il peut être utilisé à

grande échelle.

b) Différentes approches du marketing one-to-one

Peppers et Rogers (1999) identifient une démarche de marketing one-to-one déclinée en cinq

étapes :

• Etape 1 : identifier les clients à cibler et les moyens pour les atteindre,

• Etape 2 : différencier les clients selon leurs attentes et leurs besoins,

• Etape 3 : interagir avec les clients de manière efficace,

• Etape 4 : personnaliser les offres,

• Etape 5 : construire des relations avec les clients par le dialogue.

− Gilleson et al. (1999) vont plus loin et abordent la notion de rentabilité

des clients. Ils considèrent en effet que le marketing one-to-one se

caractérise par des interactions avec les clients les plus rentables de

l’organisation et une compréhension de leurs besoins et de leurs

attentes pour construire à terme une relation durable.

− Deux étapes distinctes dans une démarche one-to-one sont identifiées

par les auteurs :

− la collecte de données pertinentes sur ces clients : informations

basiques (âge, niveau d’éducation, revenus, loisirs), centres d’intérêts

et préférences sur les produits proposés par l’organisation, historiques

des ventes réalisées avec le client ;

− le traitement de ces données aboutissant à une connaissance du client.

2.3 Les TIC et le marketing relationnel

D’après Berthon, Holbrook et Hulbert (2000), la mise en place du marketing relationnel par

les entreprises est largement facilitée par le développement des TIC et l’émergence du

nouveau paradigme informationnel. L’avènement des nouvelles technologies et

particulièrement Internet a profondément bouleversé la pratique du marketing one-to-one et

du marketing relationnel en général. Le réseau Internet a effet ouvert aux clients un accès 24h

sur 24 et 7 jours sur 7 à l’entreprise via son site Internet. Ces derniers ont d’ailleurs traversé

plusieurs générations de conceptions (Siegel, 1997). Ensuite, de simples sites vitrines, les sites

Internet sont devenus des sites transactionnels permettant aux clients de consommer sans

avoir à se déplacer ni prendre leur téléphone.

En outre, Internet rend possible l’ouverture d’une session personnelle et interactive avec

l’organisation, impossible dans le cadre d’une démarche de marketing de masse (Gilleson et

al., 1999). Nous pouvons également citer les emails qui permettent à l’organisation de pouvoir

contacter et proposer des offres à ses clients à tout moment mais de manière raisonnable (en

évitant les spams), une solution alternative au téléphone et au courrier moins onéreuse.

La mise en place de bases de données sur les clients a également été un tournant dans le

marketing relationnel. Les données recueillies sont des informations de base comme l’âge, la

situation familiale ou les revenus mais également l’historique des interactions avec le client.

Se pose alors la question de la qualité des informations recueillies. Comme l’ont souligné

Gilleson et al. (1999), cette première étape de recueil des données est primordiale pour

effectuer la deuxième étape, consistant à traiter ces informations pour comprendre voire

même connaître le client. Les évolutions des nouvelles technologies ont bouleversé de

manière significative les business models des organisations et particulièrement dans leur

relation avec les clients.

3. Du marketing relationnel au CRM

3.1 Le débat autour du marketing relationnel

Le marketing relationnel, dont Berry (1983) a été le premier à donner une définition, a

maintenant plus d’une vingtaine d’années. Certains auteurs (Marion, 2001 ; Palmer, 2002)

avancent toutefois que le concept a été créé pour mettre un nom sur une approche déjà connue

et utilisée, notamment dans les relations de proximité du début du siècle.

D’autres auteurs évoquent un véritable changement de paradigme en marketing (Egan, 2003).

Selon l’auteur, le marketing relationnel a représenté « le plus important et le plus controversé

sujet de conversation en management » (p 145). Bonnemaison, Cova et Louyot (2006) ont

également souligné le fait que les démarches de marketing relationnel dans bon nombre

d’organisations ont souvent été développées à partir des approches effectuées en milieu

industriel. D’après Hakansson (1982), les marchés industriels en commerce BtoB étaient

caractérisés par un faible nombre de fournisseurs. Dans ce contexte, les relations sont basées

sur l’expérience et la fidélité et sont mutuellement profitables. En commerce BtoC, ce sont

plusieurs centaines de milliers de clients qui sont susceptibles d’être intéressés par le bien ou

le service proposé.

Coviello et al. (1997) et Egan (2003) considèrent que les démarches de marketing relationnel

des organisations n’ont pas été unifiées, occultant le véritable objectif du marketing

relationnel : créer une relation pérenne et rentable avec le client. Le marketing relationnel

aurait ainsi été perçu comme une mode à côté de laquelle il ne fallait pas passer. Il serait

même contre-productif pour certains auteurs, en particulier Fournier, Dobscha et Mick (1998),

qui relèvent plusieurs conséquences négatives de ce type de démarche : déshumanisation de la

relation avec l’organisation, intrusion dans la vie privée, déséquilibre dans les relations.

Marion (2001) explique ainsi que les démarches associées au marketing dit "relationnel" ne

sont que le résultat de l’intensification concurrentielle et de l'apparition des nouvelles

technologies via l’avènement de nouveaux outils de communication permettant de gérer

différemment la relation avec le client.

Ces innovations technologiques ont coïncidé avec l’apparition d’une innovation

terminologique dans le domaine du marketing relationnel : le Customer Relationship

Management (CRM).

3.2 Le CRM, une application du marketing

relationnel ?

Le Customer Relationship Management (CRM) est souvent assimilé au marketing relationnel

ou comme une application du marketing relationnel. Gummesson (2004) avance en effet que

les notions de marketing one-to-one et de CRM sont similaires et qu’elles sont employées de

manière interchangeable dans la littérature, bien que les procédures de mise en œuvre soient

différentes. Ce dernier donne ainsi la définition suivante du CRM (Gummesson, 2002, p 3) :

« Le CRM représente les valeurs et les stratégies du marketing relationnel, en particulier les

relations avec les clients, transformées en applications pratiques ».

Bonnemaison, Cova et Louyot (2006) parlent même du CRM comme un avatar du marketing

relationnel, dans la mesure où le CRM serait l’incarnation technologique du marketing

relationnel. Nous verrons dans notre prochaine section que la notion reste encore floue est

qu’aucun consensus n’existe parmi les chercheurs pour la définir, tantôt assimilée à une

simple technologie, tantôt considérée comme partie intégrante de la stratégie d’entreprise, ce

« qui empêche une compréhension claire du phénomène, de ses enjeux et des conséquences »

(Bénavent et Villarmois, 2006).

Nous nous proposons donc de réaliser dans une seconde section un panorama complet du

CRM afin de clarifier le concept. Nous présenterons ainsi les débuts du CRM et l’émergence

du concept pour ensuite nous attacher à analyser les échecs de la mise en œuvre de démarches

CRM qui ont secoué les organisations au début des années 2000. Une analyse SWOT réalisée

par Haran (2005) sera ensuite discutée afin d’identifier les forces et faiblesses du CRM. Enfin,

nous présenterons les différentes formes de CRM recensées dans la littérature.

III. Emergence du concept de CRM

1. L’émergence du concept de CRM

Le terme de CRM est apparu à la fin des années 1990 et serait l’œuvre de Tom Siebel,

Président du groupe Siebel, éditeur de solutions CRM aujourd’hui racheté par Oracle.

Comme nous l’avons précisé précédemment, il n’existe pas de consensus parmi les chercheurs

sur la définition du CRM. Pour Bénavent et Villarmois (2006), les termes de CRM ou de

GRC « restent associés à des représentations diverses, fruit des préoccupations de la variété

des acteurs concernés ».

Ainsi, le CRM serait un outil spécifique pour les offreurs de solutions alors que pour les

praticiens, il correspondrait davantage à une réponse à la problématique suivante : comment

établir une relation durable avec ses clients ? (Bénavent et Villarmois, 2006).

Payne et Ryals (2001, p 3-4) prennent également en compte le côté durable de la relation avec

le client. Ils définissent le CRM comme un concept qui comprend la mise en place, le

développement et le maintien d’une relation mutuelle et de long terme entre les clients et les

entreprises. Ils estiment que le CRM requiert une philosophie axée sur le marketing

relationnel, une structure organisationnelle appropriée et une utilisation efficace des données

recueillies sur les clients. Haran (2005) a retracé l’évolution du terme CRM selon les

définitions de différents auteurs (Tableau 7).

Tableau 7. Evolution du CRM (Haran, 2005)

Peppers et Rogers (1999)

Goldenberg(2000)

Twomey (2002)

Laudon et Laudon (2002)

Chen et Popovitch

(2003)

Base de données remplie d’informations

x

Technologie multi-tâches x

Augmentation des profits x

Intégration de systèmes orientés clients

x x

Apprendre à connaître ses clients

x x x

Associer activité et client x x x

A la lecture de ce tableau, il apparaît que le CRM était d’abord vu comme une technologie

orientée client. La première définition de Goldenberg (2000) était en effet axée sur une

technologie servant de support à l’augmentation de la rentabilité d’une société plus qu’à une

réelle volonté de connaître les clients. Celle de Peppers et Rogers (1999) était essentiellement

centrée sur la notion de base de données mais était également couplée avec la connaissance du

client.

D’après ces définitions, Haran (2005, p 5) a proposé sa propre définition du CRM dont la

traduction est la suivante :

« Le CRM est une technologie multi-tâches prenant la forme d’une base de données

contenant d’immenses volumes de données sur les clients. Il favorise l’intégration de

systèmes orientés clients, permettant à l’organisation de mieux connaître ses clients grâce à

l’alliance de données sur l’activité et sur les clients, dans le but d’augmenter ses profits ».

2. L’essor et les échecs du CRM

2.1 L’essor du CRM

Les éditeurs de solutions e-business ont rapidement compris l’intérêt de se positionner sur le

marché du CRM et c'est en 1995 que Hewlett Packard introduisit le concept de CRM en

France avec un outil appelé Clarify. Cet outil avait pour vocation de traiter les appels Help

Desk (assistance téléphonique) des clients de HP. Très vite, cet outil de CRM a été intégré par

d’autres entreprises, en particulier Microsoft.

Tous les premiers outils CRM s'appuyaient essentiellement sur des fonctions issues du help

desk et commençaient déjà à proposer une lecture globale des informations concernant le

client.

Par la suite, d'autres paliers fonctionnels ont été franchis. Peu à peu, les outils CRM ont ajouté

aux fonctions de support, des fonctions de vente telles que l'automatisation des forces de

vente (sales force automation) et la gestion des campagnes marketing (campaign automation).

Les outils de reporting, d'analyse des données comme SAS, Business Object, Cognos,

Hyperion ont rapidement réalisé quels avantages ils pourraient apporter aux solutions CRM.

Ils se sont alors positionnés sur le marché du CRM, principalement autour des fonctions

analytiques qu'ils maîtrisaient le mieux, tel que nous l’avons évoqué dans le projet CRM/BI.

Ce positionnement a ouvert un autre marché, celui du CRM analytique, sur lequel nous

reviendrons par la suite, qui combine le CRM dit « opérationnel » avec l’informatique

décisionnelle.

L'organisation de l'entreprise autour du concept de gestion de la relation client a ainsi entraîné

une forte demande de la part des entreprises en France. Le nombre de licences vendues a

affiché des taux de croissance de plus de 30% les premières années. De nombreux éditeurs se

sont positionnés sur le marché mais tous devaient faire face au leader américain déjà bien

installé : Siebel Systems.

La fin des années 90 a été marquée par de nombreux événements : les alliances, les

fusions/acquisitions se multiplient, de nombreux éditeurs ont mis en place des politiques de

croissance externe leur permettant de s'approprier rapidement compétences et technologies.

Des éditeurs de progiciels CRM font l'objet d'acquisition par des entreprises non spécialisées

dans le domaine.

2.2 Les échecs du CRM

En 2001, le marché français des logiciels et services en technologies de l'information autour

du CRM a accusé un net ralentissement de croissance. Trois éléments majeurs ont pu

expliquer ce phénomène : la récession économique, les événements du 11 septembre, mais

surtout les taux d'échecs recensés. En effet, une étude datant de la même année a révélé un

taux d’échec compris entre 55% et 75%.

Les premiers échecs CRM ont concerné des projets dont les coûts de mise en œuvre ont

littéralement explosé. Selon les entreprises, ces dérapages s'expliquent en partie par un rôle de

prévention qui n'a pas été joué par les intégrateurs-conseil. Ils n'ont pas suffisamment averti

leurs clients que les progiciels CRM ne pouvaient en aucun cas répondre à tous les enjeux

stratégiques de l’organisation. Les écarts ont ainsi dû être palliés par des développements

spécifiques coûteux qui ont largement dépassé les budgets initialement prévus, menant les

projets à l’échec. Meyer et Kolbe (2005) ont fait le constat que les exemples de succès ou

d’échecs de projets CRM sont rares. La littérature est en effet davantage fournie sur le « quoi

» et le « pourquoi » des projets CRM que sur le « comment ». Ils ont toutefois recensé les

principales études effectuées sur le sujet par des chercheurs ou des cabinets de consultants

(Tableau 8). Une sous-estimation de la complexité d’un projet CRM reste toutefois la

principale cause d’échecs (Bull, 2003 ; Piercy, 1998). Pourtant, de nombreuses études portant

sur la perception du CRM concluent que cette stratégie est considérée comme très importante

pour une entreprise.

Tableau 8. Recherches sur l'échec des projets CRM (adapté de Meyer et Kolbe, 

2005)

SourceCadre de l’étude

Principaux résultatsRaisons des échecs

April et Harreld (2002)

Etude, 41 réponses

- Difficultés d’intégration (39%)- Coûts trop élevés et un ROI insuffisant (27%)- Résistance du personnel et des clients (24%)

IBM (2002)

Interviews de managers de 225 entreprises figurant parmi les 2 000 premières sociétés américaines

- Outils CRM basiques (48%)- Etudes en internes évoquant un taux d’échec des projets CRM compris entre 55% et 75%- Projet CRM en cours pour créer de meilleures relations avec les clients (36%)- Nécessité de « faire mieux » concernant les clients (71%)- Présence d’un call-center (38%)- Plus grande partie du budget alloué au CRM dépensé dans un call-center (24%)

Badgett et Connor – IBM (2003)

Enquête en ligne – 186 répondants, 20 interviews de responsables CRM

- Réussite du projet CRM (20%)- chaque étape d’une démarche CRM est importante (85%)- En donnant une importance égale à toutes les étapes d’une démarche CRM, la probabilité de réussite du projet peut atteindre 60%

Kinikin – Forrester Research (2004)

Interviews de 20 sociétés vendeurs, intégrateurs et utilisatrices d’outils CRM

- Information arrive souvent trop tard pour aider- des données fragmentées créent des résultats contradictoires- Pour transformer les données sur les clients en avantage concurrentiel, les entreprises doivent restructurer la manière dont elles regroupent, synthétisent et utilisent les informations recueillies

Kale (2004) Etudes DMR Consulting, Deloitte Consulting, Accenture, Gartner Research

- Entre 60% et 80% des projets CRM n’ont pas rempli leurs objectifs,- Plusieurs personnes interrogées (pourcentage non disponible) voient le CRM comme une initiative technologique,- Deux tiers des entreprises interrogées considèrent ne pas

être plus « orientées-clients » qu’elles ne l’étaient avant la mise en place d’outils CRM,- Selon une étude Accenture de 2002, 55% des cadres interrogés considèrent que le manque de soutien du « top management » est une des raisons aux échecs des projets CRM,- difficultés liées au datamining.

Ainsi, Salomann et al. (2005) ont mené une étude sur l’intégration du CRM, interrogeant 89

responsables Marketing en Allemagne, Autriche et Suisse. La grande majorité des personnes

interrogées (68,5%) considéraient que l’intégration des données sur les clients pouvait être un

atout majeur pour une entreprise (Figure 5). 65% d’entre eux déclarent même que

l’intégration d’un CRM est « importante » voire même « très importante ». 60% des

responsables interrogés ont souligné que cette intégration restait très insuffisante dans leur

propre structure. Seul un tiers affirme que la gestion de la relation client est accomplie dans

leur entreprise.

Figure 12. La volonté de mettre en place un projet CRM (Saloman et al. 1995)

Ces résultats mettent en avant une contradiction souvent énoncée dans la littérature, selon

laquelle les entreprises ont la volonté de mettre en place un projet CRM, le considérant même

comme primordial, mais dont la mise en œuvre s’avère plus délicate. Les taux d’échecs

évoqués peuvent en effet être un frein, compte tenu des moyens nécessaires à son intégration.

Des auteurs (Gentle, 2002 cité dans Peelen, 2005 ; Bell et al., 2002) ont tenté de synthétiser

les résultats décevants obtenus par les projets CRM :

• L’entreprise a supposé à tort que les clients apprécieraient de nouvelles possibilités de

contacts.

• L’entreprise s’est mal préparée à la mise en place d’un projet CRM. Elle n’a ainsi pas

décloisonné les fonctions de front-office et de back-office.

• Les données clients se sont avérées de qualité insuffisante, empêchant un dialogue

pertinent et profitable avec le client. Les agents de centres d’appels et les conseillers

commerciaux se sont vite découragés.

• Le projet était trop ambitieux, l’entreprise voulant tout obtenir trop vite.

• Aucune étude financière n’a été réalisée au préalable. En l’absence d’objectifs précis,

l’entreprise n’avait aucune idée du retour sur investissement espéré.

• La direction de l’organisation ne soutenait pas directement le projet.

• Le projet était essentiellement associé à des aspects techniques et informatiques et ne

concernait de ce fait que la DSI.

• L’organisation a externalisé l’intégration de l’application CRM à un prestataire

externe pouvant lui offrir une solution prête à l’emploi, externalisant le problème.

• La gestion du changement a été sous-estimée. Après la mise en place de l’application

CRM, l’entreprise ne s’est pas transformée en entreprise « orientée-client ».

• L’organisation a rapidement donné une dimension internationale à l’outil CRM, sans

que les besoins locaux ne le justifient. Le siège a ainsi imposé un outil et ainsi

bouleversé l’ensemble des processus adoptés par les unités locales.

Depuis 2005, les entreprises ont pris plus de recul par rapport au CRM et l’ont davantage

intégré à la stratégie globale même si son intégration demeure une étape importante dans la

vie de l’organisation. Des analyses stratégiques commencent ainsi à être réalisées avant toute

démarche de mise en œuvre.

Par conséquent, nous allons ensuite présenter une analyse stratégique du Customer

Relationship Management (Haran, 2005) à l’aide de la matrice SWOT.

3. Une analyse SWOT du CRM

Recoupant les travaux de différents auteurs, Haran (2005) a réalisé une analyse SWOT

(Strenghts-Weaknesses-Opportunies-Threats) du CRM (Tableau 9).

Rappelons que l’analyse SWOT est un outil utilisé en stratégie d’entreprise qui consiste à

effectuer deux diagnostics :

• un diagnostic externe, qui identifie les opportunités et les menaces présentes dans

l'environnement. Celles-ci peuvent être déterminées à l'aide d'une série de modèles

d'analyse stratégique, tels que le modèle PESTEL, le modèle des cinq forces de

Michael Porter ou encore une analyse de scénarios. Il peut s'agir par exemple de

l'irruption de nouveaux concurrents, de l'apparition d'une nouvelle technologie, de

l'émergence d'une nouvelle réglementation, de l'ouverture de nouveaux marchés, etc.

• un diagnostic interne, qui identifie les forces et les faiblesses du domaine d'activité

stratégique. Elles peuvent être déterminées à l'aide d'une série de modèles d'analyse

stratégique, tels que la chaîne de valeur, le benchmarking ou l'analyse du tissu culturel.

Tableau 9. Analyse SWOT du CRM (Haran, 2005)

STRENGHTS WEAKNESSES

- Identifie les meilleurs clients- Organise toutes les données sur les clients- Augmente l’efficience commerciale- Augmente la satisfaction des clients

- Surcharge d’informations- Recueil des données long et difficile- Manque de conduite de changement

OPPORTUNITIES THREATS

- Possibilité de satisfaire le client- Augmenter le volume des ventes avec les clients existants- Améliore les relations avec les clients

- Perte du contact personnel- Sur-automatisation- Faible intégration avec les systèmes back-office

3.1 Les Forces (Strenghts)

La principale force du CRM identifiée par Conlon (1999) réside dans le fait de cibler les

clients les plus rentables. Ces derniers peuvent ainsi être récompensés par des offres

personnalisées. Haran (2005) estime qu’une des forces du CRM est de permettre de mieux

connaître les clients grâce à des informations pertinentes.

La troisième force identifiée par l’auteur a été adaptée des travaux de Xu et al. (2002). Ces

derniers avancent que le CRM a un impact sur l’efficience commerciale. Selon eux, le CRM

permet de mieux comprendre les besoins des clients, ce qui a un impact sur leur fidélité. Les

clients sont de fait plus réticents à quitter l’organisation. Leur satisfaction de l’entreprise est

augmentée, ce qui constitue la quatrième force du CRM recensée par l’auteur.

3.2 Les Faiblesses (Weaknesses)

Une des faiblesses du CRM est la surcharge informationnelle. Selon Kale (2004), les données

ne sont en effet pas stockées de manière optimale. Des informations pertinentes peuvent en

effet être contenues dans les bases de données mais si elles ne sont pas traitées correctement,

cela peut mener à des échecs des projets CRM.

Ensuite, Bultema (2000) a également mis en avant qu’aucun outil CRM n’est implémenté

avec des données sur les clients. Un détail que certaines entreprises oublient parfois. Le

recueil des données est en effet une étape longue et fastidieuse et la négliger peut être une

cause d’échec du projet. Enfin, la mise en œuvre d’un outil CRM peut changer les méthodes

de travail de bon nombre de salariés. Une conduite du changement doit donc être menée pour

impliquer le personnel concerné dès le début du projet (Fickel, 1999).

3.3 Les Opportunités (Opportunities)

Selon Galbraith (2002), la première opportunité de la gestion de la relation client est la

possibilité de prêter une vraie intention au client. Un outil CRM peut en effet permettre à la

force de vente de suivre les achats d’un client et de le tenir informé rapidement des

nouveautés, une marque d’attention qui peut plaire au client. Une seconde opportunité réside

dans le fait d’augmenter le volume des ventes avec les clients existants, incluant d’autres

services par exemple, plutôt que d’augmenter les ventes grâce à de nouveaux clients. De fait,

les organisations peuvent se focaliser davantage sur les clients existants. La dernière

opportunité identifiée par Haran (2005) est l’amélioration des relations avec les clients.

Todman (2001) indique que le point crucial d’une démarche CRM est de savoir qui sont ses

clients et de quoi ils ont besoin. Il ajoute que ceci n’est possible qu’en s’assurant que les

données possédées sur les clients sont claires et précises et que le personnel concerné agit de

manière adéquate.

3.4 Les Menaces (Threats)

La première menace du CRM est la perte du contact humain. Selon Dickie (1999), le risque

en effet est que le client ne soit plus qu’un numéro. Des contacts en face-en-face sont

primordiaux pour une bonne gestion de la relation avec les clients. La seconde menace

recensée par l’auteur est complémentaire de la première puisqu’elle met en avant le risque de

sur-automatisation. Les travaux de Galbraith (2002) ont en effet présenté que le client préfère

avoir un contact avec l’entreprise plutôt que d’être un simple nom sur une liste. La dernière

menace identifiée concerne son intégration dans le système d’information existant. Une

interaction efficace entre les différents modules est indispensable. Cette étape doit néanmoins

être pensée en amont du projet et non après sa mise en œuvre (Chan, 2005).

3.5 Limites de cette matrice SWOT

L’analyse SWOT effectuée par l’auteur possède toutefois quelques limites puisque la

dimension temporelle a été écartée. Une matrice de ce type doit en effet tenir compte du court,

du moyen et du long terme et surtout des changements environnementaux. En outre, cette

analyse prend le CRM dans son ensemble et non dans le cadre d’une activité particulière.

Il nous a toutefois paru intéressant de présenter cette matrice dans le sens où elle aborde de

manière très étayée les forces et les faiblesses d’une stratégie CRM.

Toutefois, une démarche CRM peut prendre différentes formes selon les objectifs déterminés

par l’organisation.

• S’agit-il de simplement gérer une relation avec le client au jour le jour ou apprendre

davantage à connaître ses clients et personnaliser cette relation ?

• Estimons-nous que le CRM est un sous-ensemble de la stratégie globale de

l’entreprise ?

Si la plupart des définitions du CRM s’attachent à montrer que le CRM doit être considéré

comme une stratégie d’entreprise, la vision de la relation client peut différer d’une

organisation à l’autre. Nous allons donc à présent présenter les différentes catégories de CRM

recensées dans la littérature.

4. Les différentes formes de CRM

The Meta Group (2001) et plusieurs autres auteurs (Crosby et Johnson, 2001 ; Xu et Walton,

2005 ; Kyungran, 2004 ; Peppers, Rogers et Dorf, 2004) ont identifié trois catégories de

CRM :

• Le CRM opérationnel,

• Le CRM analytique,

• Le CRM collaboratif.

4.1 Le CRM opérationnel

Le CRM opérationnel est une combinaison de processus et de technologies qui aident à

améliorer l’efficacité des relations au jour le jour avec le client. Il regroupe en effet tous les

canaux par lesquels les acteurs de la relation client interagissent. Les technologies de CRM

opérationnel représentent l’interface directe de l’entreprise avec sa clientèle lui permettant un

accès facile à l’information et la possibilité de discuter des problèmes avec des êtres humains

plutôt qu’avec un système de réponse électronique. L’évolution des TIC a permis l’émergence

de nouveaux canaux de communication. Parmi les technologies opérationnelles du CRM on

trouve les centres d’appel, les logiciels du service client (CSS, ou Customer Support

Systems), les logiciels d’automatisation des ventes (SFA, ou Sales Force Automation), le

service de réclamation, le téléphone, le fax, le Web, la réception et la vente en ligne et les

logiciels de gestion des commandes.

Elles sont regroupées en trois principaux domaines (Tableau 10) : automatisation du

marketing, automatisation des forces de vente et automatisation des services.

Tableau 10. Les principales formes de CRM opérationnel (Buttle, 2004)

Automatisation du marketing

Automatisation des forces de vente

Automatisation des services

- segmentation des clients- gestion de campagnemarketing- marketing événementiel

- gestion des contacts- générations de propositions commerciales- configuration de produits

- centres d’appels- services Internet

a) Automatisation du marketing

Dans le cadre d’une démarche de marketing direct, la « gestion de campagne » regroupait la

préparation, qui exigeait des mois et des semaines, et la réalisation d’une seule campagne

marketing réalisée par téléphone ou par courrier. Dans le cadre d’une démarche CRM, la

gestion de campagnes regroupe davantage d’applications dans un flux de communication

continu.

Les outils CRM sont utilisés dans le cadre de segmentation des clients ou de gestion de

campagnes marketing. L’objectif est d’analyser les données clients dans le but d’effectuer des

propositions et des offres à une clientèle ciblée. Ils permettent en outre de concevoir, de

budgéter et de réaliser des campagnes marketing. La coordination entre tous les acteurs de la

campagne s’avère ainsi plus aisée.

Dans le cas d’entreprises qui disposent de différents canaux de distribution (points de vente,

site internet, catalogue papier, etc.) la difficulté réside dans la capacité à atteindre tous les

clients. Certains clients utilisent en effet toujours le même canal de distribution et ne seront

pas ciblés de la même manière.

Peelen et al. (2006) considèrent, qu’à l’inverse de systèmes de gestion de campagnes, les

bases de données clients ne suffisent pas à gérer le cycle de contact avec le client mais servent

uniquement à cibler et à sélectionner les clients. Les auteurs ont résumé les fonctions d’un

système de gestion de campagnes marketing (EMA - Entreprise Marketing Automation) :

• Identification d’opportunités : possibilités de contact avec le client en fonction

d’événements relatifs au fournisseur ou au client. Quels clients convient-il

d’approcher ? Quand et avec quels messages ? Lors de la sortie d’un nouveau modèle

de véhicule, un constructeur automobile ciblera par exemple les propriétaires d’un

modèle comparable acheté il y a plus de deux ans. De la même manière, une

compagnie maritime proposera une traversée à tarif réduit à ses clients réguliers

pendant une semaine où elle sait par expérience que les bateaux ne seront pas

complets.

• Planification relationnelle : le contexte temporel est davantage pris en considération. Il

convient de prendre contact avec le client au bon moment. Si nous reprenons

l’exemple de la compagnie maritime, elle exclura des clients à contacter ceux qui ont

déjà effectué une traversée dans les trois derniers mois.

• Gestion de la campagne : le système développe différents types de campagnes

marketing (« coup-de-poing », « vague », longitudinales). Il s’agit également de

paramétrer le système pour que les clients soient contactés au bon moment, de définir

des règles de priorité ou d’exclusion.

• Interaction avec le client : cette fonction sert à nouer le contact avec le client. Les

destinataires sont invités à être rappelés ou à contacter eux-mêmes le centre d’appels.

Dans ce cas-là, l’agent doit être bien informé de la campagne, être au courant que

l’appelant a été contacté pour cette campagne et être ainsi en mesure de l’informer et

de le conseiller correctement.

• Evaluation : les résultats obtenus (réactions des clients, taux de conversion) sont

comparés en temps réel aux objectifs prévus. Le taux de conversion de différentes

campagnes peut ainsi être comparé.

b) Automatisation des forces de vente

Historiquement, les outils d’automatisation des forces de vente (SFA : Sales Force

Automation) ont été la première fonction des outils CRM. Les outils de SFA constituent bien

souvent la première application mise en place par les entreprises désireuses d’adopter une

orientation CRM, notamment dans les TPE et les PME. Les applications de SFA et les call-

centers sont davantage présents dans les entreprises du mid-market (500 à 5 000 salariés).

Selon Boujena, Johnston et Merunka (2009), ces applications sont destinées aux supports des

activités de vente et de prospection jusqu’à la conclusion de l’affaire. Les vendeurs peuvent

ainsi accéder à n’importe quel moment de la journée à une base de données centralisée sur les

clients, les produits, les stocks. Peelen et al. (2006) précisent que les outils de SFA répondent

à trois questions :

• Comment permettre à la force de vente de saisir les opportunités commerciales avec

réactivité?

• Comment faire en sorte que chacun emploie les stratégies et les tactiques de vente les

plus appropriées ?

• Comment former rapidement de nouveaux collaborateurs commerciaux pour qu’ils

deviennent productifs ?

Deux catégories d’acteurs de l’entreprise sont concernées par ce type d’outils : la direction

commerciale, qui aura une vision managériale du produit et la force de vente, qui sera en

charge de l’exploitation du système

c) Automatisation des services

L’application la plus connue est le centre d’appel ou le call center. Le recours à un centre

d’appels est souvent considéré comme un moyen efficace pour accélérer la diffusion de

l’information. D’un côté, la technologie sera le garant de l’efficacité et de la fiabilité des

informations sur les clients ainsi que la gestion des coûts et de l’autre, elle contribuera à

l’amélioration de la productivité du personnel. Néanmoins, Peelen et al. (2006) soulignent que

dans le cadre d’une démarche CRM, « les agents resteront un élément indispensable pour

donner une dimension humaine au contact » (p 268).

Selon Peelen et al. (2006), le web peut également contribuer à l’approfondissement de la

relation entre le client et le fournisseur dans la mesure où les principes du marketing one-to-

one sont mis en application. « Les sites les plus performants disposeront d’un système leur

permettant de déterminer comment identifier, différencier, interagir et servir leurs clients sur

Internet pour renforcer la relation de façon qu’elle devienne rentable pour les deux parties »

(p. 297).

Kyungran (2004) a mis en évidence que dans la mise en place de ce type de CRM, le défi

consiste à intégrer les données recueillies par le biais du Web avec celles recueillies par les

canaux traditionnels.

Pour Xu et al. (2002), l’avantage principal de ce type de CRM est de personnaliser la relation

avec le client et d’élargir les réponses de l’entreprise aux besoins des clients.

4.2 Le CRM analytique

Dans le cadre de la gestion de l’information client, Peelen et al. (2006) proposent une

distinction entre données, informations et connaissance. Selon les auteurs, la date à laquelle le

prospect est devenu un client, la date du dernier achat du client ou l’adresse du client

constituent des données. Ces dernières deviennent des informations lorsqu’un utilisateur leur

donne une signification, précisant l’identité et le profil du client. Les informations deviennent

enfin des connaissances lorsqu’une action est menée à partir de ces informations,

l’exploitation du profil client permettant ainsi de lui offrir la bonne offre au bon moment.

Le CRM analytique concerne l’analyse des données clients pour aider à la prise de décisions

et au pilotage de l’activité. D’après Crosby et Johnson (2001), le CRM analytique repose sur

des technologies qui fournissent à l’entreprise une plate-forme permettant l’aide à la décision

marketing. Les technologies analytiques du CRM permettent d’appréhender les

comportements des clients, de définir des segments de marché et de développer des modèles

prédictifs du comportement et des intentions des clients (Crosby et Johnson, 2001). Le CRM

analytique est considéré par Kotorov (2002) comme une vision à 360° du client.

Parmi ces technologies, on compte l’entreposage des données (datawarehouse) et le forage

des données (datamining).

a) Le datawarehouse

Selon Jonker, cité dans Peelen (2005), un datawarehouse ou entrepôt de données est un

environnement isolé :

• destiné à soutenir les systèmes d’information de management, sans peser sur les

systèmes opérationnels,

• abritant des données avec lesquelles il est possible de dresser un historique clair et

logique de l’organisation,

• offrant aux utilisateurs un accès rapide et pratique de l’information, pour les aider à

prendre des décisions.

Les bases de données construites au niveau local pour assurer une fonction déterminée sont

appelées Datamart.

Les éléments amassés dans les entrepôts de données peuvent être en rapport avec les

préférences, les comportements ainsi que l’historique du client, contribuant à l’établissement

d’une mémoire institutionnelle enrichie au fur et à mesure par les interactions courantes avec

le client (Brown, 2001). L’entrepôt de données ou le datawarehouse est le composant

principal du CRM analytique, qui associé à d’autres outils permet de réaliser du reporting

(tableaux de bord), de l’analyse multidimensionnelle (OLAP), et d’élaborer des indicateurs de

performance et de pilotage (KPI). A titre d’exemple, dans les centres d'appels, un KPI peut

être le nombre moyen d'appels par minute. Chez les commerciaux, on peut analyser le nombre

de visites par jour et par client. Quand le datawarehouse est mis en place, contenant toutes les

informations transversales, il est enfin possible de piloter et de suivre l'activité.

b) Le datamining

L’exploration de données ou datamining, quant à elle, permet, sur la base de fichiers clients

ou d’entrepôts de données, de détecter des tendances générales et de règles de comportement

pouvant être de nature causale, prédictive ou descriptive. Grâce au «profiling», l’entreprise est

capable de classer ses clients dans des segments prédéfinis, démographiques, socio-

économiques, etc., (Tableau 11).

Tableau 11. Critères de segmentation (Kotler, Dubois et Manceau, 2004)

Domaines Caractéristiques

Identité Nom, prénom, adresses, numéros de téléphone, adresses électroniques, etc.

Caractéristiques économiques, etc.

Age, sexe, composition du ménage, revenu et patrimoine, niveau d’éducation, catégorie socioprofessionnelle, agglomération, résidence, etc.

Transactions Date de chaque transaction, produits et services achetés, mode de paiement, fréquence et montant moyen de transactions, transactions réalisées auprès de la concurrence, etc.

Services Contrats en cours de validité, date d’expiration de la période de garantie, interventions éventuelles du SAV, etc.

Evénements Evénements contractuels (fin d’un contrat, anniversaire du contrat), autres événements (mariage, départ à la retraite), etc.

Valeur client CA annuel par client

Navigation Web Historique de navigation, bannières cliquées, etc.

Contacts téléphoniques Initiative du contact téléphonique, sujets abordés, actions menées à la fin des échanges, etc.

Autres communications Mailings reçus (nature et date d’envoi), réponses aux différentes campagnes, etc.

Peacock (1998) définit le datamining comme « une découverte automatisée de relations

intéressantes et non triviales entre plusieurs variables, relations ayant un fort potentiel pour

contribuer à la performance marketing ». Il s’agit ici d’utiliser des méthodes inductives et de

déterminer des relations entre des variables sans hypothèses formulées au préalable.

Le datamining utilise une approche comportementale pour comprendre les clients car « le

comportement passé est un indice pour le comportement futur », (Kyungran, 2004). Ainsi,

une bonne connaissance de l’historique du client permet de mettre en place des stratégies

efficaces pour le futur. Berry (1995) considère le datamining comme un processus

d’exploration et d’analyse par des moyens automatiques de larges volumes de données dans le

but de découvrir des règles et des modèles significatifs. Le datamining extrait des

informations d’une base de données dont l’organisation ne connaît pas l’existence. Identifier

des relations entre le comportement des clients et des modèles de comportements est le

principal objectif du datamining.

Selon Beck et Summer (2001), si les outils de CRM opérationnel et de CRM collaboratif sont

nécessaires, le CRM analytique est essentiel pour optimiser la valeur de l’entreprise pour ses

clients et la valeur des clients pour l’entreprise, d’autant plus dans un contexte où les

échanges sont de plus en plus virtuels.

c) Du CRM opérationnel vers le CRM analytique

Via la migration du CRM opérationnel vers le CRM analytique, la gestion de la relation client

est devenue un module à part entière dans le système d’information de l’entreprise. Ce sous-

système se situe au centre de la relation avec l'environnement de l'entreprise. Il constitue le

pivot de l'activité commerciale et permet d'alimenter les différentes autres composantes de

l'entreprise d'informations primordiales. En fait, il s’agit d’un élément central dans le

processus de décision et de pilotage de l'entreprise (Figure 13). L’objectif du CRM analytique

est de permettre aux décideurs de mesurer quantitativement et qualitativement la performance

de leurs services tels que la satisfaction du client.

Figure 13. Architecture du CRM analytique (Beck et Summer, 2001)

d) Deux types d’analyse en CRM analytique

Il existe deux types d’analyses en CRM analytique (Beck et Summer, 2001, Buttle, 2004) :

• la démarche prédictive

• la démarche rétrospective

La première a pour objectif de prévoir le futur comportement des clients tandis que l’autre

fournit une vision multidimensionnelle de l’activité du client. L’analyse prédictive utilise

l’historique du client (achats, contacts) pour acquérir des connaissances sur le client et définir

un comportement par le biais d’associations, de corrélations entre les données. Selon Buttle

(2004), le datamining répond aux questions suivantes :

• De quelle manière la base de données clients peut-elle être segmentée ?

• Quels types de clients achètent nos produits ? Quels sont ceux qui ne les achètent pas ?

• Quel est le coût d’acquisition d’un client ?

• Quelles techniques de fidélisation sont les plus efficaces ?

L’utilisation de modèles statistiques de datamining permet ainsi à l’entreprise de segmenter sa

clientèle et de construire des actions et des stratégies spécifiques autour de catégories.

La démarche rétrospective, quant à elle, s’inscrit dans l’analyse de données existantes sur les

clients selon différentes dimensions. Si une entreprise désire croiser différentes dimensions

telles que le lieu, le produit, le temps, l’utilisation d’outils OLAP (OnLine Analytical

Processing) est indispensable. Ces outils vont transformer des données hétérogènes dans un

format commun permettant ainsi de dresser des rapports destinés à piloter l’activité.

e) Utilisation du CRM analytique dans les organisations

Le CRM analytique n’est encore pourtant pas la priorité des éditeurs de solutions CRM. Une

étude sur les 20 plus importants outils de CRM utilisés en Grande-Bretagne réalisée par Xu et

Walton (2005), a ainsi mis en évidence, que seuls 40% d’entre eux présentaient des

fonctionnalités analytiques (Tableau 12).

Tableau 12. Fonctions des 20 principaux outils CRM en Grande­Bretagne

(Xu et Walton, 2005)

Fonction CRM Outils concernés PartCRM opérationnel 20 100%CRM analytique 8 40%Collaborative CRM 4 20%e-CRM 9 45%

La tendance est donc à l’amélioration des performances opérationnelles plutôt qu’à

l’acquisition d’informations stratégiques concernant le client pouvant aider à la prise de

décisions.

4.3 Le CRM collaboratif

Le CRM collaboratif, quant à lui, gère toutes les interactions entre l’entreprise et ses clients

(emails, échanges face à face, etc.).

Selon Crosby et Johnson (2001), le CRM collaboratif vise une amélioration de la

communication et de la coordination interne à l’aide de technologies (telles que la gestion

électronique des processus ou workflow) qui assurent la coordination des activités et

permettent ainsi d’avoir une vision intégrée du client mais aussi externe grâce à des

technologies (telles que le courrier électronique) qui facilitent et développent des interactions

directes avec le client. Les technologies collaboratives du CRM permettent une

communication personnalisée et en temps réel et un apprentissage des préférences des clients

grâce à une communication à double sens.

Kracklauer et Mills (2004) définissent les systèmes de CRM collaboratif comme des outils

qui permettent une meilleure réactivité de l’entreprise par rapport aux clients tout au long de

la supply chain. Par conséquent, ils incluent les employés, les fournisseurs, les partenaires. La

connaissance est ainsi partagée par tous les acteurs de l’entreprise étendue à travers tous les

canaux, du call-center au web.

Le CRM collaboratif offre l’avantage de mettre en place une réelle stratégie marketing « one-

to-one » (Peppers, Rogers et Dorf, 2004) mais également de préciser les besoins des clients et

de leur répondre plus rapidement et de manière plus juste (Kyungran, 2004).

4.4 Le eCRM, quatrième catégorie de CRM ?

De nos jours, la relation client s’appuie sur des technologies de plus en plus sophistiquées.

Avec l’avènement d’Internet, les entreprises sont à même de gérer leur relation client avec le

canal électronique (eCRM) dont l’objectif est de personnaliser le contact avec le client, sans

intervention humaine (Brown, 2001). Le eCRM est même considéré comme une quatrième

catégorie par Xu and Walton (2005) et par Chaudhury et Kuiober (2002). Le eCRM peut être

défini comme une méthode centrée sur le web permettant d’harmoniser les échanges avec les

clients de manière transversale via les différents canaux de communication (Forester

Research, 2001). Grâce aux commandes, au paiement en ligne, une base de connaissances

peut ainsi être créée pour générer des profils de clients, de services personnalisés et la

génération de réponse automatique par mail (Rowley, 2002).

Le canal Internet a profondément modifié la gestion de la relation avec le client puisqu’il

permet ainsi d’entrer en contact avec un nombre étendu de clients actuels ou potentiels et être

ainsi accessible 24h sur 24 et 7 jours sur 7.

4.5 Emergence d’une nouvelle catégorie : le CRM

stratégique

a) Un support à la stratégie globale de l’organisation

Si le CRM opérationnel et le CRM analytique apparaissent dans la plupart des classifications,

le CRM collaboratif est en revanche souvent manquant. Payne et Frow (2005) ont identifié

quant à eux une autre catégorie de Customer Relationship Management : le CRM stratégique

(Figure 14).

Figure 14. Modèle stratégique du CRM (Payne et Frow, 2005, 

cité dans Iriana et Buttle, 2006)

Dans une démarche de CRM stratégique, l’objectif est d’aligner la stratégie orientée client

avec la stratégie globale de l’entreprise et de définir des objectifs à court, moyen et long terme

(Chalmeta, 2006). Buttle (2004) le définit comme une culture d’entreprise centrée sur le client

et basée sur la conquête et la fidélisation de clients à haute valeur ajoutée. Cette culture

suppose l’allocation de ressources spécifiques dédiées à améliorer la relation avec les clients,

la mise en place de systèmes de récompenses pour les employés contribuant à améliorer la

satisfaction des clients, la collecte et la transmission à l’ensemble de l’organisation

d’informations sur les clients. Plakoyiannaki et Tzokas (2002) considèrent le CRM

stratégique comme un support à la stratégie globale de l’entreprise et comme une vision à

long terme pour créer une relation durable avec le client.

b) Caractéristiques du CRM stratégique

Le CRM stratégique comprend le processus de développement de la stratégie et le processus

de création de valeur (Payne et Frow, 2005). Dans le processus de création de valeur, les

décisions stratégiques liées à la fois à l’activité de l’organisation mais également à ses clients,

sont traduites en applications générant de la valeur à la fois pour l’organisation (retour sur

investissement notamment) et le client (offres répondant à ses attentes).

Le CRM stratégique permet ainsi de répondre aux questions suivantes :

• Dans quels marchés sommes-nous positionnés ?

• Quels types de clients avons-nous ?

• Comment créons-nous et fournissons-nous de la valeur à ces clients ?

Les clients actuels et potentiels peuvent ainsi être segmentés et faire l’objet de stratégies

spécifiques. Buttle (2004) identifie notamment sept stratégies différentes selon la nature et le

profil du client :

• commencer la relation,

• reconstruire la relation,

• améliorer la relation,

• protéger la relation,

• récolter les fruits de la relation,

• récupérer la relation,

• terminer la relation.

Le CRM stratégique apparaît ainsi comme une catégorie importante du Customer

Relationship Management, liée directement à la stratégie de l’organisation.

IV. Le CRM, quel impact sur la performance 

organisationnelle ?

Plusieurs auteurs (Reichheld et Sasser, 1990 ; Hallowell, 1996 ; Reinartz et Kumar, 2001 ;

Calin et Cendrine, 2007 ; Amara et Kalika ; 2007 ; Kumar ; Venkatesan et Reinartz ; 2008) se

sont intéressés à l’impact des clients sur l’organisation.

1. La durabilité des relations avec les clients 

1.1 Les relations de long terme avec les clients

augmentent les profits (Reichheld et Sasser,

1990)

Reichheld et Sasser (1990) ont réalisé une étude sur la perte des clients et son impact sur

l’organisation. Selon eux, plus les relations avec les clients sont longues et plus les profits de

l’entreprise augmentent (Figure 15). Ils ont même avancé qu’une entreprise peut espérer

fortement augmenter son bénéfice si elle parvient à conserver une petite part de ses clients.

Figure 15. Le lien entre la relation avec les clients et les profits de l’organisation de 

Reichheld et Sasser (1990)

L’analyse des raisons qui ont poussé les clients à cesser toute forme de collaboration avec

l’entreprise constitue selon les auteurs un indicateur très important pour identifier les

faiblesses de la stratégie CRM. Une des principales difficultés consiste en revanche à

déterminer le coût de chaque départ afin d’évaluer de manière significative les

investissements à réaliser pour retenir les clients. Il est en effet plus aisé d’évaluer le coût

d’acquisition d’un client (opérations de promotion, de publicité, etc.). Toutefois, l’hypothèse

principale des auteurs demeure :

H : Conserver ses clients a un impact sur les bénéfices de l’entreprise.

L’étude de Reichheld et Sasser (1990) a porté sur 100 entreprises intervenant dans le secteur

industriel. Ils sont arrivés à déterminer que dans le secteur de la blanchisserie le profit par

client a plus que doublé en 5 ans, passant de 144 dollars la première année à 256 dollars la

cinquième année. Il a été multiplié par près de 4 dans les entreprises présentes dans le

domaine de la distribution industrielle et par 3,5 dans la réparation automobile.

Selon eux, conserver ses clients implique une relation qui se construit dans le temps. Mieux

connaître ses clients permet ainsi de mieux les satisfaire, ce qui les incite à consommer

davantage. Satisfaire le client n’est pas un coût mais un investissement pour le futur. En outre,

ils partent du principe que les clients aiment rester et revenir « vers ce qu’ils connaissent », tel

un hôtel dans lequel ils auraient séjourné ou un médecin qu’ils auraient l’habitude de

fréquenter même si ce dernier s’avère plus cher que ses confrères. Pour réduire au minimum

les départs de clients à la concurrence, les auteurs préconisent de recueillir des données sur les

clients dont la relation avec l’entreprise est terminée ou est sur le point de se terminer, ce qui

passe par l’utilisation des nouvelles technologies. L’objectif est ainsi de connaître les raisons

de leur départ ou de leur intention de partir et de les convaincre de rester, via des offres

promotionnelles. Les opérateurs de téléphonie mobile, les banques sont des adeptes de ce

genre de pratiques et possèdent des équipes dédiées exclusivement à la gestion des

résiliations.

Selon nous, l’étude réalisée par Reichheld et Sasser (1990) met en avant que l’analyse

approfondie des données concernant les clients, que nous conceptualisons sous la forme d’un

CRM analytique, aide à la prise de décisions concernant le pilotage de l’activité et permet

d’améliorer la performance de l’organisation.

1.2 De courtes relations aussi rentables que des

relations de long terme avec les clients

(Reinartz et Kumar, 2000)

Reinartz et Kumar (2000) ont quant à eux basé une partie de leurs travaux de recherche sur la

durée de la relation entre le client et l’entreprise (Figure 16), cherchant à identifier que les

courtes relations sont aussi rentables pour l’entreprise que les longues relations.

Figure 16. Le lien entre la relation avec les clients et la performance 

organisationnelle 

de Reinartz et Kumar (2000)

Selon les auteurs, il est important pour un manager de connaître avec précision les facteurs

qui influencent une personne à rester longtemps cliente de l’entreprise ou qui la poussent un

jour à partir à la concurrence, tels que sa préférence pour un contact matériel (envoi d’un

catalogue) ou un contact humain (déplacement d’un membre de la force de vente à son

domicile). Ils ont ainsi développé un modèle de recherche permettant de mesurer la rentabilité

des clients selon la durée de leur relation avec l’entreprise et d’évaluer les facteurs décisifs

inhérents à cette relation. L’objectif de ce modèle (Figure 17) est double :

• mieux comprendre la structure d’une relation qu’ils qualifient de « rentable »,

• permettre aux managers de mieux gérer une relation rentable avec le client et

notamment savoir quel client faut –il laisser partir et lesquels faut-il retenir.

Il convient toutefois de préciser que ces recherches ont été effectuées dans le cadre d’une

relation non-contractuelle entre le client et l’entreprise. Un contrat ou un partenariat lie en

effet le client et l’entreprise dans le temps.

L’étude de Reinartz et Kumar (2001) a été réalisée dans le secteur du marketing direct aux

Etats-Unis, qui employait en 1999 près de 15 millions de personnes. Plus précisément, les

données ont été recueillies lors d’une étude précédente des auteurs effectuée auprès d’un des

principaux groupes américains spécialisé dans la vente aux particuliers (B to C). Les résultats

ont ensuite été validés auprès d’un échantillon de personnes, clientes d’une société américaine

de ventes de matériels et de logiciels informatique (B to B). Ils se sont révélés similaires à

ceux obtenus en B to C.

Figure 17. Modèle conceptuel de la durée rentable de la relation avec le client 

(Reinartz et Kumar, 2001)

Les auteurs ont ainsi déterminé que les caractéristiques des échanges (le montant des achats,

les achats transversaux, le temps moyen entre deux achats, les retours de produits) ont un

impact significatif sur la durée de la relation des clients avec l’entreprise.

Le taux de retour notamment apparaît comme un indicateur important. Les clients de longue

date ont en effet des taux de retour bien plus importants que les clients les plus récents. Les

auteurs préconisent donc de distribuer des questionnaires afin de connaître les raisons du

retour du produit et d’évaluer l’état de la relation entre le client et l’entreprise.

Selon les auteurs, le profil de l’acheteur constitue également un indicateur important. Il

apparaît ainsi que les clients de plus longue date sont des personnes aux revenus élevés et qui

habitent une région à faible densité de population.

Enfin, Reinartz et Kumar (2001) sont arrivés à la conclusion que l’hétérogénéité des clients

reste un point essentiel dans la gestion de la relation avec ses clients. L’analyse de toutes les

données disponibles sur les clients, la mise en place de procédures strictes de réponses

automatiques tant aux clients de longue date qu’aux plus récents, constitue donc selon eux un

avantage important.

2. Impacts de la satisfaction client sur l’organisation

2.1 Comment mesurer la satisfaction client ?

Yeung et Ennew (2000) ont souligné le fait que si la satisfaction du client a souvent été

abordée dans la littérature comme un facteur positif sur la performance de l’entreprise, peu de

travaux présentant une réelle mesure de ce lien « satisfaction-performance » existent.

L’analyse de l’impact de ce lien s’est en effet avérée très problématique pour de nombreux

chercheurs dans la mesure où la mesure de la satisfaction fait débat. Une étude datant de 1996

et réalisée par Ittner et Larcker auprès de grandes sociétés américaines a révélé que seulement

28% d’entre elles étaient en mesure d’établir un impact de la satisfaction de leurs clients sur la

performance de l’entreprise.

Après une analyse croisée entre 1994 et 1998 de l’ACSI (American Customer Satisfaction

Index9) couvrant 200 entreprises, et des données secondaires (ventes, revenus, résultats)

provenant de bon nombre de sociétés américaines, les auteurs ont ainsi mis en avant une

corrélation significative entre la satisfaction des clients et la performance interne des

entreprises. En revanche, cette analyse a déterminé qu’il n’existait pas d’impact de la

satisfaction du client sur les performances externes de l’entreprise (part de marché

notamment). Les auteurs sont toutefois arrivés à la conclusion que la satisfaction du client

9 L’ASCI est un indicateur qui mesure la satisfaction des clients au sein de l’économie américaine. Il est réalisé par le NQRC (Centre de Recherche National de la Qualité) et l’Université Ann Arbor, Michigan. Chaque année, 80 000 américains sont interrogés sur leur satisfaction des biens et services qu’ils ont consommés dans l’année.

avait un lien avec l’évolution du prix de l’action pour les sociétés cotées. Cet impact, certes

significatif puisqu’il a été souligné, demeure néanmoins très faible.

2.2 Lien entre satisfaction, fidélité et performance

Hallowell (1996) a, quant à lui, mit en évidence le lien entre la satisfaction du client, la

fidélité du client et la performance de l’entreprise (Figure 18), en particulier le secteur

bancaire, partant des hypothèses que :

• la satisfaction du client a un impact sur la fidélité du client,

• la fidélité du client a un impact sur la performance organisationnelle.

Figure 18. Le lien entre la satisfaction, la fidélité du client et la performance 

organisationnelle 

(Hallowell, 1996)

L’auteur a en effet interrogé 12 000 clients du secteur bancaire via un questionnaire portant

sur leur satisfaction sur les services proposés par leur banque respective. Il a ainsi mis en

relief un lien entre la satisfaction et la fidélité du client, minimisant toutefois le rôle joué par

le prix du service dans la fidélité du client. En outre, une corrélation entre la satisfaction du

client et les profits de la banque a été établie. Là encore, l’auteur a avancé qu’une analyse

approfondie de données liées à la satisfaction du client permettait de prendre des décisions et

mettre en place des actions précises pour l’activité future de l’entreprise. L’auteur souligne

toutefois que cette étude a été réalisée dans le secteur bancaire ce qui constitue une limite aux

résultats obtenus, qui ne peuvent de ce fait pas être généralisés.

3. Les campagnes marketing orientées client 

3.1 Définition d’une campagne orientée-client

Suite à leurs travaux sur la durée des relations avec le client et son impact sur la performance

organisationnelle, Kumar, Venkatesan et Reinartz (2008) ont par la suite analysé l’impact

d’une campagne marketing orientée client sur la performance de l’entreprise, tant sur le plan

quantitatif (éléments financiers) que qualitatif (amélioration de la qualité perçue par le client

de la relation avec l’entreprise). Par « campagne marketing orientée client », les auteurs

entendent que l’entreprise se focalise sur les besoins du client pour lui vendre un ou plusieurs

produits mais seulement quand elle a pu déterminer que ce besoin est sur le point de se faire

sentir. Par opposition, dans une « campagne marketing orientée produit », la force de vente

tente de déterminer quels clients sont susceptibles d’acheter un produit spécifique. Dans ce

cas-là, un client pourrait ainsi être contacté par plusieurs vendeurs de la même entreprise alors

que dans une « campagne orientée client », une coordination des membres de la force de vente

est attendue.

3.2 Campagnes orientées clients vs campagnes

orientées produits

Les auteurs sont partis du postulat de Day (2006) selon lequel la mise en place d’une

campagne marketing orientée client est la première étape pour passer d’une stratégie

d’entreprise axée sur les produits à une stratégie davantage axée sur les clients.

Leur principale hypothèse est la suivante :

H : Une hausse des ventes, une réduction des coûts liés aux actions marketing et une

amélioration de la qualité de la relation entre le client et l’entreprise est attendue dans une

campagne marketing orientée client, plus que dans une campagne marketing orientée produit.

Ils ont conduit une enquête au sein d’une des 1 000 premières entreprises américaines,

spécialisée dans la vente de matériels et de logiciels informatiques aux professionnels. Deux

groupes de clients ont ainsi été testés. L’un a participé à une campagne marketing dite

« orientée client » et l’autre à une campagne dite « orientée produit ».

Dans le premier groupe, la force de vente s’est basée sur des données historiques d’achats du

client et des anciennes actions marketing pour évaluer la période de son ou de ses prochains

achats. Les responsables de chaque catégorie de produit se sont ainsi coordonnés pour appeler

une seule et même fois le client et lui proposer un ou plusieurs produits.

Dans le second groupe, chaque responsable de produit cible les clients susceptibles d’acheter

le produit et la force de vente est en charge d’appeler le client. Un client peut être contacté

plusieurs fois par des vendeurs de la même société. Le risque est que le produit soit proposé à

un moment peu opportun pour le client puisque l’historique du comportement d’achat n’aura

pas été étudié.

L’analyse des résultats a permis de valider l’hypothèse émise par les auteurs. Ainsi, les

indicateurs métriques (montant des ventes, investissements marketing, nombre de contacts

effectués par achats, bénéfices, ROI par client) se sont révélés supérieurs dans le premier

groupe. Quant aux indicateurs dits relationnels, ils ont également atteint des niveaux plus

élevés dans le premier groupe. Les clients ont en effet davantage apprécié de n’être sollicités

qu’une seule fois et ont donc noté une amélioration de la qualité du service. Les auteurs

imputent ces bonnes performances à la coordination de la force de vente ainsi qu’à des appels

intervenus à des moments opportuns.

4. L’orientation client 

4.1 Présentation du concept d’orientation client

a) Entre « orientation marché » et « orientation client »

De nombreux auteurs (Appiah-Adu et Singh, 1998 ; Kennedy, Goolsby et Arnould, 2003 ;

Amara et Kalika, 2007, Zhu et Nakata, 2007) utilisent la notion « d’orientation client » pour

définir la relation entre l’organisation et ses clients. Ce terme est toutefois souvent assimilé ou

confondu avec le concept « d’orientation marché » 10.

Kohli et Jaworski (1990) adoptent une approche comportementale pour définir le concept

d’orientation marché qu’ils décrivent comme la capacité d’une organisation à générer de

l’information sur ses clients et ses partenaires.

Les auteurs ont identifié trois comportements organisationnels qu’ils considèrent comme

indispensables à une organisation qui se dit « orientée marché » :

• La production d’informations sur les besoins et les attentes des clients et des

partenaires,

• La diffusion de ces informations à l’ensemble des acteurs de l’organisation,

• L’utilisation de ces informations pour répondre au mieux aux attentes des clients et

des partenaires.

Narver et Slater (1990) donnent également une définition comportementale de l’orientation

marché dans laquelle ils distinguent trois dimensions :

• l’orientation client,

10 Le terme « d’orientation marché » est la traduction du terme « market orientation » développé dans la littérature anglo-saxonne. Nous choisissons de retenir cette traduction, qui est celle la plus souvent utilisée dans la littérature francophone.

• l’orientation concurrent,

• la coordination inter-fonctionnelle, définie comme l’utilisation des ressources de

l’organisation pour créer de la valeur pour un certain profil de clients.

Kohli et Jaworski (1990), Narver et Slater (1994) distinguent donc les concepts

« d’orientation marché » et « d’orientation client ». Ils sont rejoints sur ce sujet par Zhu et

Nakata (2007) qui soulignent également que les deux concepts sont différents. L’orientation

client a pour objectif d’identifier les attentes des consommateurs tandis que l’orientation

marché inclut la connaissance de tous les acteurs et partenaires de l’organisation (Kohli and

Jaworski, 1990 ; Narver and Slater, 1990 ; Gatignon et Xuereb, 1997).

De nombreux auteurs, à l’instar de Balakrishnan (1996), Gatignon et Xuereb (1997), Slater et

Narver (1998), Kennedy, Goolsby et Arnould (2003) ont conseillé de ne pas faire l’amalgame

entre les deux concepts et de les étudier de manière séparée, leurs objectifs étant distincts.

Deshpande, Farley et Webster (1993) considèrent quant à eux que les concepts « d’orientation

marché » et « d’orientation client » sont synonymes dans la mesure où le terme « marché » se

réfère à la définition de Kotler (1991) selon laquelle le marché est un regroupement de tous

les clients potentiels de l’organisation. Deshpande et al. (1993) soulignent également que

l’orientation client doit toutefois être distinguée d’une « orientation concurrent » définie par

Narver et Slater (1990) comme la capacité de l’organisation à comprendre les forces et les

faiblesses à court-terme et les stratégies de long-terme de ses principaux concurrents et de ses

concurrents potentiels. En revanche, ils préconisent d’incorporer la troisième dimension

définie par Narver et Slater (1990) dans la mesure de l’orientation client, évoquant comme

argument que la définition de cette coordination inter-fonctionnelle est essentiellement

centrée sur les clients.

b) Définition de l’orientation client

« L’orientation client » se définit ainsi comme la capacité d’une entreprise « à identifier,

analyser, comprendre et répondre aux besoins des utilisateurs » (Gatignon et Xuereb, 1997 ;

Narver et Slater, 1990), les utilisateurs faisant référence aux clients. L’orientation client

englobe le regroupement, le partage et l’utilisation des connaissances acquises sur les clients

ainsi que les actions entreprises à partir de ces connaissances (Kohli et Jaworski, 1990 ;

Narver et Slater, 1990 ; Deshpande et al., 1993). Deshpande et al. (1993) définissent

l’orientation client comme « un ensemble de valeurs qui mettent les attentes du client au

premier plan, sans oublier celles des autres parties prenantes de l’organisation telles que les

actionnaires, les dirigeants et les employés dans le but de créer une entreprise durable et

rentable » (p 27). Cette définition est davantage culturelle, puisqu’elle se focalise sur les

valeurs de l’entreprise, plus que comportementale. Bénavent (2000) considère que

l’orientation client n'est pas qu'une intention stratégique, et qu’elle peut aussi

involontairement se construire au travers des bases de données clients et des outils du CRM.

4.2 Orientation client et performance

organisationnelle

a) Comment établir un lien entre « orientation client » et

performance organisationnelle

Si l’orientation marché a souvent été étudiée, les travaux de recherche sur l’orientation client

sont moins fréquents et encore moins son impact sur la performance organisationnelle. Selon

Zhu et Nakata (2007), les principales études réalisées n’ont pas clairement démontré qu’une

orientation client avait un impact significatif sur la performance organisationnelle. Certaines

études montrent en effet que l’orientation client a un impact positif sur la croissance des

ventes, le retour sur investissements (Appiah-Adu et Singh, 1998), les nouveaux produits

(Lukas et Ferrell, 2000), la performance de l’innovation (Deshpande et al., 1993). En

revanche, d’autres travaux n’ont montré aucun lien entre l’orientation client et la rentabilité

d’une organisation (Balakrishnan, 1996 ; Noble, Sinha et Kumar, 2002).

b) Vers l’alignement stratégique

Amara et Kalika (2007) ont, quant à eux, étudié l’alignement entre l’orientation client et la

stratégie technologique (Figure 19). La notion d’alignement stratégique, sur laquelle nous

reviendrons plus en détail dans le chapitre 2 de cette thèse, se définit comme un processus

continu et dynamique qui fournit des solutions et des infrastructures technologiques à

l’organisation en accord avec les objectifs fixés par la stratégie d’entreprise (Henderson et

Venkatraman, 1993 ; Jouirou et Kalika, 2004).

Figure 19. Modèle recherche de Amara et Kalika (2007) sur l’alignement entre 

orientation client et stratégie technologique

Selon Amara et Kalika (2007), les ressources technologiques renforcent l’orientation client

d’une organisation. « Le potentiel qu’offrent les TSI (Technologies et Systèmes d’Information)

en matière d’unification et de consolidation des données client, de rapidité des traitements,

de facilité de transmission et de partage de l’information constitue autant d’éléments qui

incitent les entreprises à les exploiter pleinement, tout particulièrement quand l’objectif est

d’être orienté client » (Amara et Kalika, 2007, p 3). Ainsi, les auteurs préfèrent parler de co-

évolution des ressources technologiques avec l’organisation plutôt que d’impact ou d’effet.

Leur étude, portant sur un échantillon de 163 entreprises composé majoritairement de PME11,

a ainsi permis de mettre en avant un lien significatif entre l’orientation client et la

performance organisationnelle. Toutefois, la relation s’est révélée relativement faible due

notamment à l’omission de variables modératrices. Ensuite, les auteurs ont observé une

relation stratégie technologique – orientation client significative et positive, montrant une

tendance à l’utilisation des technologies et systèmes d’information permettant de « stimuler »

la relation avec le client.

Enfin, l’hypothèse selon laquelle l’alignement entre l’orientation client et la stratégie

technologique a un impact sur la performance organisationnelle a été validée par les auteurs

mais là encore les résultats dévoilent une faible intensité de la relation. La spécificité de

l’échantillon ainsi que des défaillances dans la mise en œuvre de l’orientation client ou de la

stratégie technologique ont été évoquées par les auteurs comme des explications à ces

résultats. Amara et Kalika (2007) soulignent en effet l’importance d’une véritable

« orientation client » comme préalable à tout impact sur la performance. Comme l’ont précisé

Kohli et Jaworski (1990), l’organisation doit adopter trois types de comportements

(production, diffusion et utilisation à des fins stratégiques des informations obtenues sur les

clients) pour être qualifiée « d’orientée client ». Selon Amara et Kalika (2007), « il est facile

11 Société qui emploie moins de 250 salariés

d’imaginer, qu’avec une inconstance en termes d’orientation client et une exploitation

modérée des TSI, que l’effet combiné sur la performance sera limité » (p 12).

L’étude du lien entre client et performance a ainsi fait l’objet de nombreux travaux (Tableau

13). Les auteurs se sont attachés à montrer un lien positif ou non entre une forme de gestion

de la relation client et la performance organisationnelle même si différents concepts

(satisfaction client, orientation client, campagnes marketing orientées clients) et différentes

mesures de la performance ont été utilisés.

Toutefois, aucune d’entre elles n’a pourtant évoqué la notion « d’avantage concurrentiel » de

Porter (1980) dans le cadre de la gestion de la relation client. Nous avons donc choisi de

terminer cette section par la présentation d’une partie des travaux de recherche de Calin et

Cendrine (2007) portant sur la mise en relation de l’approche des stratégies génériques de

Porter (1980) et le CRM.

Tableau 13. Etudes sur le lien entre orientation client et performance 

organisationnelle

 (cité dans Zhu et Nakata, 2007)

Auteurs Mesures de la performance Résultats

Appiah-Adu et Singh (1998)

Succès des nouveaux produitsCroissance des ventesRetour sur investissement

Relations positives

Balakrishnan (1996)ProfitSatisfaction du profitConservation du client

Aucune relation

Brady et Cronin (2001)

Qualité du service Relation positive

Dawes (2000) Profit Aucune relation

Deshpande, Farley et Webster (1993)

Performance organisationnelle (profits, taille, croissance du marché, part de marché)

Relation positive pour les clientsAucune relation pour les marketers

Gatignon et Xuereb (1997)

Performance de l’innovation

Relation positive dans des marchés dits « certains »Aucune relation dans des marchés dits « incertains »

Han, Kim et Srivastava (1998)

Revenu netRetour sur investissement

Relation positive indirecte

Kennedy, Goolsby et Arnould (2003)

Performance scolaire des étudiants Relation positive

Lukas et Ferrell (2000)

Extensions des lignes de produits existantesNouvelles lignes de produitsNouveaux produits

Aucune relation pour l’extension des lignes de produits existantesRelation positive pour les nouvelles lignes de produits

Noble, Sinha et Retour sur ventes Aucune relation

Kumar (2002)

Singh et Ranchhod (2004)

Performance organisationnelle (conservation du client, succès des nouveaux produits, part de marché, croissance des ventes)

Relation positive

Voss et Voss (2000)Ventes d’abonnements Ventes de ticketsPerformance financière

Relations négatives

5. Le CRM, un avantage concurrentiel ? 

5.1 L’avantage concurrentiel de Porter (1980) comme

base d’analyse

La plupart des travaux cités précédemment présentent un lien entre la gestion de la relation

client et la performance de l’organisation mais aucun d’entre eux n’évoque la notion

d’avantage concurrentiel. Point central des travaux en management stratégique de Porter

(1980), la notion d’avantage concurrentiel détermine le positionnement d’une firme par

rapport à ses partenaires et à ses concurrents. Trois stratégies (Tableau 14) ont été identifiées

par l’auteur : domination par les coûts, différenciation, stratégie de concentration.

Tableau 14. Les stratégies génériques de Porter (1980)

Stratégie générique Caractéristiques

Domination par les coûts

- produire et vendre à un coût inférieur à celui de ses concurrents- clients ciblés : besoins basiques recherchant des biens et des services entrée de gamme - part de marché élevée- investissements élevés en R&D

Différentiation

- produire et vendre des biens et services uniques d’une qualité supérieure à celle de ses concurrents- prix de vente plus élevés- instaurer des barrières à l’entrée

Stratégie de concentration- développement d’une expertise en réponse aux besoins d’une clientèle précise- stratégie utilisée davantage par les PME

De nombreux chercheurs, parmi lesquels Downes (1997), ont souligné le fait que les travaux

de Porter se fondaient sur des conditions économiques spécifiques et qu’ils s’adaptaient

difficilement aux nouveaux environnements économiques et concurrentiels et surtout aux

évolutions technologiques. Downes a de fait identifié trois nouvelles forces en lien avec les

nouvelles réalités du XXIème siècle : la numérisation, la globalisation et la déréglementation

qui pourraient davantage s’intégrer dans le contexte actuel.

5.2 Proposition d’un modèle de lien entre le CRM et

les stratégies génériques de Porter (Calin et

Cendrine, 2007)

Calin et Cendrine (2007) se sont quant à eux attachés à positionner le client dans l’analyse de

Porter. Les auteurs ont en effet noté qu’elle ne prenait pas vraiment en compte le concept de

relation client dans les trois stratégies génériques identifiées. Selon eux, toute entreprise en

situation concurrentielle se doit de mettre en place une stratégie CRM. De nombreux autres

auteurs considèrent la gestion de la relation client comme une source d’avantage concurrentiel

dès lors qu’elle contribue à la rentabilité de l’entreprise (Blattberg et Deighton, 1996 ; Meyer

et Kolbe, 2005 ; Reichheld et Sasser, 1990 ; Reichheld et Teal, 1996 ; Reinartz et Kumar,

2000 et 2003 ; Yeung et Ennew, 2000). Calin et Cendrine (2007) ont ainsi tenté de mettre en

relation l’approche des stratégies génériques de Porter et le CRM (Figure 20), partant du

principe que « le modèle de stratégie générique est développé et réinterprété en connexion

directe avec la capacité de chaque approche stratégique à créer, maintenir et augmenter des

relations à long terme sur le marché ». Les auteurs proposent un modèle intégrant le lien

entre le CRM et les stratégies génériques de Porter.

Figure 19. La progression de diverses sources d’avantage concurrentiel par rapport à 

la force d’une relation client déterminée (Calin et Cendrine, 2007)

a) Stratégie de domination par les coûts

Selon Calin et Cendrine, la stratégie de domination par les coûts est celle qui prend le moins

en compte les besoins du client. Dans cette perspective, la firme tente de maintenir un

leadership de prix bas, dans un contexte concurrentiel difficile, sans opérer de différenciation

du client. La fidélité du client est ainsi basée essentiellement sur le prix du produit et non la

marque ni le nom de l’entreprise.

b) Stratégie de différenciation basée sur la qualité

Dans la stratégie de différenciation basée sur la qualité, le client est fidélisé par la qualité et la

fiabilité du produit et s’attache plus à la marque et à la réputation de l’entreprise lorsque

l’achat d’un produit s’est avéré satisfaisant. Toutefois, les auteurs sont parvenus à la

conclusion que même si les besoins du client sont davantage pris en considération, il n’en

demeure pas moins que « l’accent est toujours sur la production et la commercialisation du

produit ».

c) Stratégie de différenciation basée sur les services

La différentiation du produit par les services est, selon Calin et Cendrine, une étape de

transition du marketing de masse vers un marketing personnalisé. La mise en place d’une

politique de services associés permet de mieux appréhender les attentes et les besoins du

client dans la mesure où une relation avec le client s’installe. Il convient toutefois de préciser

que les services associés peuvent être dans certaines organisations que la suite d’un marketing

de masse via l’instauration d’une forte standardisation par exemple.

d) Stratégie de marketing personnalisé

En revanche, une stratégie centrée sur le marketing personnalisé place le client comme un des

éléments centraux de la stratégie de l’organisation. Peppers et Rogers (1993) ont été les

pionniers en matière de marketing personnalisé, qu’ils ont baptisé le marketing one-to-one.

L’entreprise collecte le maximum d’informations sur le client afin de mieux cibler ses besoins

et ses attentes et ainsi établir une relation durable avec lui. La stratégie marketing de

l’entreprise peut de fait être orientée selon les informations obtenues sur les clients. Cette

stratégie s’accompagne souvent d’une utilisation accrue d’outils technologiques (transactions

en ligne, datawarehouse, outils de datamining, configuration du produit par le client lui-

même). Toutefois, Calin et Cendrine considèrent que cette approche n’est toutefois

complètement centrée sur le client dans la mesure où l’entreprise adapte ces produits déjà

existants selon les informations recueillies sur les attentes des clients. Or ces changements ne

sont pas illimités.

e) Stratégie de co-création de valeur

Selon les auteurs, la stratégie de co-création de valeur est celle qui implique la plus forte

relation avec le client. Ce paradigme implique la création d’un produit et/ou d’un service

unique pour chaque client et non pas simplement la simple adaptation d’un produit déjà

existant. Le dialogue instauré avec le client permet ainsi de développer un produit spécifique

pour un client unique. Les échanges entre le client et l’entreprise sont ainsi mutuellement

bénéfiques. Ces échanges caractérisent l’avantage concurrentiel de l’entreprise. La difficulté

de cette stratégie réside dans la manière de gérer cette relation qui mobilise des moyens et des

ressources importantes.

Une gestion de la relation client efficace peut ainsi représenter un net avantage pour les

organisations. Toutefois, comment dissocier une démarche CRM du système d’information de

l’organisation ? Comme nous l’avons abordé tout au long de ce chapitre, la technologie joue

un rôle primordial dans une démarche CRM même elle n’est pas gage de son succès.

Bénavent et Villarmois (2006) définissent le CRM comme « une stratégie s’appuyant sur un

système d’information […]. ». Nous pensons également que la stratégie CRM est étroitement

liée à la stratégie technologique de l’organisation.

Nous proposons donc dans un second chapitre d’aborder la stratégie technologique par son

contenu tout d’abord puis par son processus d’élaboration dans un second temps, à travers le

modèle de l’alignement stratégique.

Chapitre 2.

La stratégie technologique, entre 

contenu 

et élaboration

Depuis le début de ce travail de recherche, nous utilisons le terme de stratégie technologique

pour lever l’ambiguïté qui peut exister entre les notions de « TIC » et « SI ». Pourtant, aborder

les systèmes d’information revient à aborder les TIC de manière explicite et inversement.

Reix (2002) souligne ainsi que la technologie est « le support parfois indispensable au

déploiement des dispositifs propres aux systèmes d’information ».

Avant d’aborder l’aspect stratégique des systèmes d’information qui ont profondément

modifié le fonctionnement et la gestion des organisations, il convient de présenter tout

d’abord l’aspect stratégique des TIC. Leur progrès phénoménal en moins d’un demi-siècle a

en effet contribué à construire les systèmes d’information d’aujourd’hui (Vidal et Planeix,

2005).

« L’analyse préalable des technologies de l’information, de leurs caractéristiques est

devenue désormais indispensable pour qui veut concevoir et gérer un système

d’information » (Reix, 1998).

I. L’aspect stratégique des TIC

Le rôle des technologies de l’information a longtemps été cantonné à une simple dépense plus

qu’à une réelle arme stratégique.

1. Le paradoxe des technologies de l’information

1.1 Le paradoxe de Solow

Le rôle des technologies de l’information a soulevé de nombreuses questions dans la

recherche en systèmes d’information. Le point de départ de cette réflexion réside dans un

paradoxe soulevé au début des années 1980 : le paradoxe des technologies de l’information

qui prit le nom de « Paradoxe de Solow » en 1987, du nom du prix Nobel d’Economie 1987.

L’économiste américain a en effet constaté que l’introduction des ordinateurs ne se traduisait

pas par une augmentation de la productivité, contrairement aux attentes. « Vous pouvez voir

l'ère informatique partout, sauf dans les statistiques de la productivité » (Solow, 1987).

Dans un article d’une édition de 1990, The Economist avançait même que « Non, les

ordinateurs n’améliorent pas la productivité, du moins pas la plupart du temps ».

Plusieurs chercheurs ont ensuite étudié le lien entre les investissements opérés dans

l’informatique et la productivité de l’organisation, et sont arrivés à la conclusion surprenante

qu’il n’existait justement pas de lien.

1.2 Explications à ce paradoxe

Se basant sur ses recherches sur les entreprises industrielles américaines, Brynjolfsson (1992)

a figuré parmi les premiers auteurs à identifier des explications à ce paradoxe :

• Les inputs et les outputs ne sont pas correctement mesurés par des méthodes

conventionnelles. L’innovation croissante dans les entreprises utilisant de manière

importante les technologies de l’information et de la communication a rendu difficile

toute mesure des évolutions et des changements.

• Un décalage dans le temps important entre l’investissement dans les technologies et

leur impact. Une étude de Brynjolfsson, Malone et Gurbaxani (1991) confirme que

plus de trois années sont souvent nécessaires pour profiter des bénéfices des

investissements dans les technologies de l’information.

• Les bénéfices liés aux investissements dans les technologies de l’information et de la

communication sont mal redistribués. Selon Brynjolfsson (1996), les investissements

dans les TIC auront certes un impact sur quelques domaines tels que le marketing mais

ils resteront limités et ne seront pas profitables à l’ensemble de l’organisation, via le

gain de parts de marché par exemple. Cette explication peut toutefois être nuancée par

le montant et le contenu des investissements. Une organisation à faible budget pour les

TIC est plus à même de perdre des parts de marchés que des entreprises dont les

dépenses en TIC sont très élevées.

• Une mauvaise gestion des technologies de l’information et de la communication peut

enfin expliquer ce paradoxe. Dans ce cas, l’auteur part du principe que les TIC sont

improductives dans la mesure où les décisions prises par les dirigeants sont contre

l’intérêt de l’organisation. Il peut s’agir de systèmes d’information mal pensés au

départ dont les outils ne seront au final pas utilisés ou tout simplement des indicateurs

d’aide à la décision dépassés, plus en lien avec un environnement changeant et

instable.

Une étude de Askenazy et Gianella (2000) a montré que de forts gains de productivité ont été

obtenus dans les entreprises ayant adopté simultanément des innovations technologiques et

organisationnelles et qu’un échec de l’informatisation a été observé dans les entreprises qui

n’ont pas réorganisé leur processus de production.

• Aujourd’hui, le paradoxe de Solow est obsolète tant les statistiques de la productivité

liée à l’utilisation de l’informatique foisonnent depuis 1997-1998. Néanmoins, nous

avons jugé intéressant d’aborder les travaux de Brynjolfsson car sa dernière

explication sur le paradoxe de Solow a soulevé un problème de poids, celui d’une

stratégie nécessaire en amont de l’implantation d’un système d’information pour que

ce dernier soit non seulement efficace mais bénéfique à l’ensemble de l’organisation.

La gestion des systèmes d’information doit dépasser le stade de l’efficience et atteindre un

niveau stratégique (Reix, 2006).

2. Une réflexion stratégique des TIC

L’aspect stratégique des technologies de l’information est un sujet qui a fait l’objet de

nombreux travaux de recherche (McFarlan, McKenney et Pyburn, 1983, Porter et Millar,

1985, Wiseman, 1987).

Reix (2006) identifie plusieurs dimensions à cette réflexion stratégique :

• Un enjeu significatif, tant sur une éventuelle création de valeur pour l’organisation que

sur les investissements informatiques à planifier,

• Un caractère global, puisque toutes les ressources de l’entreprise sont mobilisées,

• Un positionnement spécifique, car l’organisation doit faire des choix sur différents

plans : produits, marchés, technologiques, partenariats, etc., ce qui lui permet de

former un avantage concurrentiel,

• Une perspective de long terme dans les choix opérés par l’organisation, pour

pérenniser cet avantage concurrentiel.

Nous allons ainsi aborder dans un premier temps les TIC comme avantage concurrentiel pour

ensuite les présenter comme facteur d’agilité compétitivité.

2.1 Les TIC, encore un avantage concurrentiel ?

Porter et Millar (1985) figurent parmi les premiers auteurs à s’intéresser aux technologies de

l’information en tant qu’avantage concurrentiel des organisations. D’après eux, de fonctions

support, les TIC deviennent des ressources indispensables, procurant de fait un avantage

concurrentiel durable aux entreprises.

Reix (2002a) a évoqué le modèle des forces concurrentielles créé par Porter (1986) comme

questionnement systématique avant l’intégration d’un système d’information. Dans la mesure

où le nouveau SI est susceptible d’agir sur les forces concurrentielles, un avantage compétitif

peut être développé (Figure 21).

Figure 20. Forces concurrentielles de Porter, adapté de Porter (1986)

Selon l’auteur, l’intégration du SI dit « novateur » doit ainsi permettre :

• de se différencier des concurrents du secteur par des programmes de réduction de

coûts tels que l’utilisation de logiciels d’aide à la conception (CAO - Conception

Assistée par Ordinateur), l’automatisation des processus, la mise en place

d’indicateurs de performances pour piloter l’activité et aider à la prise de décision ; et

des pratiques de différenciation tant sur les produits que sur les services (meilleure

gestion et amélioration du service après-vente, personnalisation des services offerts).

• d’améliorer le pouvoir de négociation vis-à-vis des clients, soit en tentant de

personnaliser sa relation avec l’organisation, soit en conquérant de nouveaux clients,

soit en changeant de stratégie marketing de distribution, allant directement au client

final sans intermédiaire. Dans ce contexte, l’amélioration du pouvoir de négociation

vis-à-vis des clients est fortement liée à l’utilisation d’Internet. Une personnalisation

de la gestion de la relation avec le client passera en effet par un accès donné au client

via Internet à un outil convivial et facile d’utilisation, permettant de suivre ses

commandes, ses contacts pris avec l’organisation mais également de modifier ses

propres données. L’élargissement de la base de clientèle sera aussi une démarche

facilitée par l’utilisation Internet, qui permettra de prendre contact avec des clients à

l’échelle mondiale. Dans les deux cas, Internet est un atout indispensable.

• d’améliorer le pouvoir de négociation vis-à-vis des fournisseurs via une diffusion

plus large des appels d’offres et son référencement sur des portails ou des plateformes

d’achat. Là encore, le rôle d’Internet est primordial puisque la diffusion sur ce canal

d’appels d’offres peut toucher plus d’organisations qu’une simple diffusion sur les

canaux traditionnels. Le recours à des places de marchés électroniques peut également

être un facteur de développement de l’activité.

• de lutter contre la menace de nouveaux entrants par la mise en place de fortes

barrières à l’entrée. Les programmes de réduction de coûts, la personnalisation et

l’élargissement de la gamme de services, la différenciation des produits, une gestion

de la relation client efficace sont autant de démarches qui rendront difficile la

pénétration de nouveaux entrants sur le marché.

• de limiter la menace de produits ou services de substitution en élargissant la

gamme de produits et/ou de services offerts. La « customisation de masse » figure

parmi les démarches qui peuvent pallier cette menace. La customisation de masse est

« une offre permettant au consommateur de participer à une expérience de co-design

au sein de laquelle il peut modifier lui-même certains éléments constitutifs d’un

produit, parmi un ensemble de modules de choix préétabli par l’entreprise, et

d’acheter le produit co-construit » (Merle, 2007). Selon l’auteur, cette technique se

distingue des techniques de personnalisation classiques qui ne nécessitent pas de

participation mentale et physique active de la part du consommateur.

• Toutefois, toute modification de la stratégie doit être très réfléchie en amont et générer

une création de valeur pour l’organisation (Reix, 2006). L’organisation peut aussi

choisir de conserver les activités dites « informationnelles » et d’externaliser les

activités « physiques » conduisant à une déconstruction de la chaîne de valeur, un

concept présenté par Jelassi et Enders (2005).

2.2 Les TIC, un facteur d’agilité compétitive

Reix (2006) souligne toutefois un point essentiel dans la formation d’un avantage

concurrentiel durable grâce à l’utilisation des technologies de l’information et de la

communication. Si l’analyse des stratégies menées par les organisations peut nous permettre

d’expliquer qu’elles disposent d’un avantage concurrentiel à un moment donné, il est en

revanche moins aisé de comprendre pourquoi cet avantage serait durable.

L’auteur préconise donc d’agir sur trois leviers :

• l’accroissement de la flexibilité,

• le développement de capacités spécifiques,

• l’agilité stratégique.

a) L’accroissement de la flexibilité

• Accroître sa flexibilité, notamment dans le cadre d’entreprises dites « étendues » en

associant les avantages liés aux activités de spécialisation (chaque partenaire de

l’organisation se focalise sur ses compétences) et aux activités de coopération

(possibilité de solliciter d’autres partenaires) est un objectif de premier plan pour une

organisation. En outre, le développement d’outils destinés à l’ensemble des acteurs de

l’organisation tels que des extranets ou des échanges de données informatisés favorise

également la coordination des réseaux de partenariats (Reix, 1999).

• La notion de flexibilité est difficile à définir : « très souvent la flexibilité est moins

définie que présupposée » (Maggi, 2006, p 36). Dans le cadre de la flexibilité des

stratégies, la question de la mesure de la notion est moins traitée puisque les aptitudes

ou les options sont privilégiées dans les analyses (Tarondeau, 1999).

b) Le développement de capacités spécifiques

• L’utilisation de TIC permet le développement de capacités spécifiques, en combinant

les TIC avec toutes les ressources de l’organisation : humaines, financières. Une

adéquation entre toutes ces ressources peut ainsi permettre à l’organisation de

développer des capacités particulières (délais d’attente dans un centre d’appels ou

délais de livraisons très courts,) qui évolueront dans le temps par un effet

d’apprentissage difficilement imitable.

c) L’agilité stratégique

Présentation du concept

• L’agilité stratégique permet à l’entreprise de réagir rapidement aux contraintes d’un

environnement instable et changeant et de saisir plus d’opportunités en termes de

stratégies que ses concurrents, tout au long de son existence.

• Le concept d’agilité de l’organisation a été présenté au début des années 1990 dans le

cadre d’un rapport sur la stratégie des entreprises industrielles américaines au XXIème

siècle. (Goldman et al., 1991). Dans ce rapport, les auteurs ont avancé que l’évolution

de la concurrence mondiale dans les années futures serait un obstacle à la

compétitivité des entreprises américaines si leur système de production de masse était

amélioré de manière incrémentale. Ils ont donc préconisé une réponse

organisationnelle permettant « de prospérer dans un environnement concurrentiel

dont les opportunités de marché changent continuellement et de manière

imprévisible » (Goldman, Nager et Preiss, 1995, p 8).

Un premier modèle de l’agilité stratégique

• Le premier modèle théorique de l’agilité organisationnelle a été développé par Shafer

(1997). Il présente trois compétences indispensables à acquérir par l’entreprise pour

être agile :

• une capacité de lecture du marché via l’identification et l’analyse des éventuels

changements, menaces, opportunités et marchés potentiels qui pourraient survenir

dans l’environnement,

• une capacité de lecture, en transformant rapidement les informations collectées en

décisions servant à piloter l’activité. La maîtrise de l’incertitude de l’environnement se

fera certes, grâce à une réactivité de la part de l’organisation mais surtout en adoptant

une position stratégique proactive, par l’innovation notamment.

• une aptitude à intégrer l’apprentissage qui en résulte.

• Le modèle théorique de l’agilité organisationnelle s’organise autour de quatre leviers

reconfigurables : structure, processus, technologie et capital humain et de trois leviers

dits « stables » faisant référence à une cohésion au sein de l’organisation : vision et

valeurs partagées et critères communs de performance (Figure 22).

• L’agilité est définie comme la capacité d’une organisation à répondre rapidement aux

changements de marché et à réagir avec flexibilité à des modifications imprévisibles

dans le but de survivre (Breu et al., 2002). Outre la flexibilité et la réactivité, Kidd

(1994) ajoute la notion d’adaptabilité au concept d’agilité. Barrand (2006) considère

l’organisation agile comme un modèle d’organisation permettant d’anticiper et

d’innover, notamment par une entente entre tous les acteurs de l’entreprise (clients,

partenaires).

• Les TIC sont donc intégrées aux autres ressources de l’organisation pour aboutir à la

création d’une plateforme numérisée que Reix (2006) définit comme « un ensemble de

processus, de connaissances, imbriqués dans des systèmes d’information qui lui

permet de s’adapter aux modifications de l’environnement par des réactions rapides

et cohérentes ».

Figure 21. Un modèle théorique de l’agilité organisationnelle 

(adapté de Shafer, 1997).

Rôle des technologies de l’information dans l’agilité

organisationnelle

• Les TIC apparaissent ainsi comme un élément indispensable à l’agilité

organisationnelle dans la mesure où elles sont sources de compétences spécifiques

difficilement imitables. Le développement de systèmes d’information innovants va

permettre à l’organisation de réagir et de s’adapter aux modifications

environnementales. Toutefois, la maîtrise des technologies utilisées et des processus

liés (commande, vente, distribution, etc.) tant internes qu’externes sont une condition

sine qua non à l’agilité de l’entreprise.

• Une des aptitudes de l’organisation agile est donc l’aptitude à intégrer des TI

innovantes dans les processus clés de l’entreprise, tels que la gestion de la relation

client, dans le but de s’adapter aux évolutions environnementales.

• Yusuf et al. (1999) ont dressé une liste des attributs d’une organisation agile selon dix

niveaux : technologie, compétence, construction d’équipe, bien-être, formation,

changement, marché, qualité, partenariat, intégration. Les attributs d’une organisation

agile identifiés au niveau technologique sont :

− Une grande attention accordée à la technologie,

− Une longueur d’avance dans l’utilisation des technologies actuelles,

− Des compétences et des connaissances pour le développement des

technologies,

− Une technologie de production flexible.

• De fait, l’analyse de Yusuf et al. (1999) montre que l’organisation agile doit avoir un

rôle de précurseur dans l’utilisation des technologies de l’information et de la

communication. Il rejoint ainsi les travaux de Reix (1999) qui montrent que les TIC

sont facteurs de flexibilité.

2.3 Complémentarité des deux approches

• Les analyses des TIC en tant qu’avantage concurrentiel et en tant que facteur d’agilité

stratégique ne s’opposent en aucun cas mais sont complémentaires (Reix, 2006). La

première approche a pour objectif de définir de manière précise le positionnement

stratégique de l’organisation et de générer un avantage concurrentiel par l’utilisation

de systèmes d’information novateurs tandis que la seconde a pour but de pérenniser

cet avantage, par la maîtrise de compétences et une reconfiguration de leviers de

l’organisation (structure, processus, technologie et capital humain). Il convient

toutefois de préciser qu’une reconfiguration permanente de ces leviers n’aurait

toutefois pas l’effet escompté et conduirait à des contre-performances.

• Il convient à présent d’aborder le caractère stratégique des systèmes d’information et

surtout d’étudier leur impact sur la performance organisationnelle, une question qui se

situe au cœur de la recherche en systèmes d’information (Reix, 2002b).

II. L’impact des systèmes d’information sur la performance 

organisationnelle

« La stratégie SI apparaît à la fois comme un volet, souvent moteur, de la stratégie générale et comme

une exigence permanente d’adaptation aux variations de l’environnement »

(Reix, 2006, p 1469).

1. Définition d’un système d’information

Une grande variété de définitions du système d’information, tant de type organique que

fonctionnel, existe dans la littérature.

Le système d’information est ainsi « un ensemble organisé de ressources : matériel, logiciel,

personnel, données, procédures permettant d'acquérir, de traiter, de stocker, de

communiquer des informations (sous forme de données, textes, images, sons, etc.) dans les

organisations » (Reix, 1998). Le Moigne (1990) considère également le SI comme « un

ensemble des méthodes et moyens recueillant, contrôlant, mémorisant et distribuant les

informations nécessaires à l’exercice de l’activité de tout point de l’organisation ». Il

représente ainsi le système nerveux de l’entreprise et constitue « l’axe central autour duquel

s’articule en temps réel « la gouverne » du lien « stratégie – structure » (Knauf, 2005).

Vidal et Planeix (2005) soulignent toutefois la mise en avant de la dimension « technique »

dans la majorité des travaux liés aux SI, où la notion de système d’information est souvent

réduite à la notion de système informatique. Il faut dire que l’histoire des systèmes

d’information est étroitement liée à celle de l’informatique. De l’introduction des premiers

ordinateurs dans les entreprises au début des années 50, au développement des réseaux

informatiques et d’Internet, en passant par l’émergence des Management Information Systems

(MIS) dans les années 60 et la création de département de recherche sur les MIS dans les

années 80, moins d’un demi-siècle s’est écoulé. Cinquante ans qui ont fortement modifié le

mode de fonctionnement des organisations et les outils de gestion associés.

La dimension organisationnelle du SI, plus que la dimension technique, est toutefois

davantage mise en avant dans la problématique des SI, accordant une place de premier plan à

son aspect stratégique (Figure 23). Le SI se trouve ainsi au centre d’un triangle stratégique

reliant la stratégie, la structure et les TIC.

Figure 22. La dimension stratégique des SI (d’après Tardieu et Guthmann, 1991)

Néanmoins, le lien entre les systèmes d’information et la performance organisationnelle a

longtemps constitué un problème fondamental dans la recherche en SI. Sa conceptualisation

(Figure 24) et sa mesure sont en effet difficiles à mettre en œuvre. De nombreux travaux

abordant ce sujet ont d’ailleurs mis en évidence la complexité d’une part à établir un lien entre

une utilisation croissante des TI et la performance des organisations et d’autre part à

généraliser les résultats obtenus. Des études réalisées dans des secteurs où l’information

foisonne, tels que le secteur bancaire ou les assurances, ne sont pas représentatives et les

résultats ne peuvent donc pas être généralisés (Raymond, 2002).

2. L’évaluation des systèmes d’information

L’évaluation des systèmes d’information relève de deux aspects : quantitatifs et qualitatifs. La

mesure du succès des SI est d’ailleurs considérée comme essentielle mais très difficile à

mettre en œuvre. DeLone et McLean (1992) ont passé en revue les travaux de recherche

menés sur le sujet et sont arrivés à la conclusion qu’il y avait autant de mesures que d’études.

Les premiers travaux datent des années 50 partant du principe que le succès des SI peut être

mesuré à plusieurs niveaux : technique, sémantique et qualitatif. La précision et l’efficacité du

système à produire l’information sont ainsi des indicateurs permettant d’évaluer le succès du

SI qui produit l’information sur le plan technique (Shannon et Weaver, 1949). Le succès du

système à relayer le sens donné à l’information initialement correspond à une mesure sur le

plan sémantique. Quant au niveau qualitatif, les auteurs s’intéressent à l’impact de

l’information sur l’individu qui la reçoit.

Figure 23. Le problème de conceptualisation et de mesure de l’impact de la 

technologie de l’information sur la performance de l’entreprise (Raymond, 2002)

Mason (1978) a adapté la théorie de la communication en apportant un nouveau niveau de

mesure de la performance du SI : l’influence de l’information, qu’il juge plus pertinent que la

mesure sur le plan qualitatif de Shannon et Waever (1949). Il définit l’influence de

l’information comme une suite d’événements intervenant en bout de chaîne du système

d’information (réception de l’information, évaluation de l’information, utilisation de

l’information) et qui aura un impact sur le récepteur de l’information et sur la performance du

système (Mason, 1978, p 227).

3. Un premier modèle du succès des SI (DeLone et McLean, 1992)

DeLone et McLean (1992) sont les premiers à avoir proposé un modèle du succès des SI et

ainsi fait nettement avancer la recherche sur le sujet. Ils ont identifié dans la littérature six

facteurs liés au succès des systèmes d’information (Figure 25) :

• la qualité du système,

• la qualité de l’information,

• l’usage du système d’information,

• la satisfaction des utilisateurs,

• l’impact individuel,

• l’impact organisationnel.

Figure 24. Le modèle du succès des SI (DeLone et McLean, 1992)

Les auteurs ont ensuite recensé les différentes mesures du succès des SI intégrant les niveaux

de mesures de Shannon et Weaver (1949), de Mason (1978) ainsi que les six facteurs définis

précédemment (Tableau 15).

Tableau 15. Mesures du succès des systèmes d'information 

(DeLone et McLean, 1992)

- Shannon

et Weaver (1949)

- Niveau

technique

- Niveau

sémantique- Niveau qualitatif ou basé sur l’influence

- Mason (1978) - Production - Produit - Réception- Influence

sur le récepteur

- Facteurs de

performance des

SI

- Qualité du

système

- Qualité de

l’information- Usage du SI

- Satisfaction des

utilisateurs

- Impact

individuel

Les auteurs soulignent que chacun de ces facteurs est souvent étudié de manière indépendante

par les auteurs, qui se focalisent davantage sur un ou deux d’entre eux. La satisfaction des

utilisateurs est d’ailleurs souvent le seul indicateur utilisé pour obtenir une mesure de la

performance des SI.

Or, la multitude des facteurs suggère que la performance du SI est un concept

multidimensionnel ce qui implique qu’il doit être mesuré comme tel. Une mesure de la

performance des systèmes d’information basée sur six construits indépendants ne donnera que

des résultats partiels. Selon DeLone et McLean (1992), les échelles de mesure individuelles

de chaque concept doivent ainsi être combinées pour créer un seul et même construit,

composé de six dimensions interdépendantes. Ils ont ainsi proposé un modèle

d’interdépendances du succès des SI (« Information System Success Model ») (Figure 26).

Figure 25. Le modèle d’interdépendances du succès des SI (DeLone et McLean, 

1992)

Le modèle de DeLone et McLean présente le succès des SI comme un processus qui inclut

une dimension temporelle et une dimension causale. La qualité du système et la qualité de

l’information ont conjointement un impact à la fois sur l’usage du SI et la satisfaction liée à

cet usage. Les niveaux de qualité représentent les variables dépendantes de ce modèle. En

outre, selon les auteurs, l’usage du SI influe sur la satisfaction de l’utilisateur de manière

positive ou négative, ce qui aura un impact sur l’utilisateur et éventuellement ensuite sur

l’organisation.

4. Le test d’une partie du modèle du succès des SI de DeLone et 

McLean (Seddon et Kiew, 1994)

DeLone et McLean (1992) ont testé la majorité des relations du modèle du succès des SI

(Figure 27) mais aucun test complet n’a été réalisé. Seddon et Kiew (1994) ont donc choisi de

tester la première partie du modèle, tentant ainsi d’apporter une étude empirique au lien entre

la qualité du système et de l’information, l’usage des SI et la satisfaction des utilisateurs.

Figure 27. La partie du modèle du succès des SI de DeLone et McLean 

testé par Seddon et Kiew (1994)

Ils ont toutefois opéré quelques modifications sur la première partie du modèle (Figure 28) :

• Les auteurs ont choisi de remplacer la notion « d’usage », jugée pas assez claire, par

« utilité ». Selon eux, un système qui n’est pas utilisé n’implique pas forcément qu’il

soit inutile. Par ailleurs, la mesure de l’usage du SI est pertinente et donne des

indications sur son utilité et son succès lorsque cet usage est volontaire et non

obligatoire.

• La causalité simultanée entre l’utilité et la satisfaction des utilisateurs a été remplacée

par une seule causalité, les auteurs jugeant que seule l’utilité du SI peut avoir un

impact sur la satisfaction des utilisateurs et pas l’inverse puisqu’une amélioration de la

satisfaction des utilisateurs n’est pas obligatoirement liée à l’amélioration de l’utilité

du système.

• Enfin, ils ont rajouté une nouvelle variable : « l’implication des utilisateurs » dans le

but de mieux expliquer les perceptions de l’utilité du SI et la satisfaction des

utilisateurs. D’après Seddon et Kiew (1994), le modèle de DeLone et Mclean (1992)

ne considérait pas de facteurs pouvant influencer la perception des utilisateurs du

succès du SI. Lorsqu’un système fournit des informations jugées peu importantes par

l’utilisateur, ce dernier aura tendance à considérer ce SI comme inutile malgré une

bonne conception et une facilité d’utilisation. De la même façon, le SI sera jugé utile

si l’information fournie est pertinente pour l’utilisateur. Cette notion « d’implication

des utilisateurs » a été utilisée par Barki et Hartwick (1989) qu’ils définissent comme

« l’état psychologique de l’utilisateur lorsqu’il considère que le système est à la fois

important et personnellement enrichissant » (p 53).

Figure 28. Le modèle du succès des SI testé par Seddon et Kiew (1994)

• Les auteurs ont formulé des hypothèses basées sur les quatre variables suivantes :

− Qualité du système : failles dans le système, cohérence de l’interface

utilisateur, facilité d’utilisation, temps de réponse, maintenance du

système,

− Qualité de l’information : exactitude, pertinence et format des

informations fournies par le système,

− Utilité du SI : degré selon lequel une personne pense que l’utilisation

d’un système va améliorer son travail basé sur une valeur et non sur le

coût de l’outil,

− Satisfaction des utilisateurs : bénéfices d’une interaction avec le SI.

• Les hypothèses formulées par Seddon et Kiew (1994) sont les suivantes (Tableau 16) :

Tableau 16. Hypothèses de Seddon et Kiew (1994) destinées à tester le modèle de 

DeLone et McLean (1992)

L’ajout de la nouvelle variable « implication des utilisateurs », une notion présentée par Barki

et Hartwick (1989), a conduit les auteurs à élaborer deux autres hypothèses (Tableau 17).

Tableau 17. Hypothèses de Seddon et Kiew (1994) liées à l’implication des 

utilisateurs destinées à tester le modèle de DeLone et McLean (1992)

Seddon et Kiew (1994) ont donc testé un modèle du succès des SI adapté du modèle de

DeLone et McLean.

Les tests réalisés sur cette adaptation du modèle du succès des SI ont confirmé l’analyse faite

par DeLone et McLean (1992) selon laquelle la satisfaction des utilisateurs était la principale

mesure utilisée pour quantifier la performance des SI. Selon Seddon et Kiew (1994), la qualité

du système, la qualité de l’information et l’utilité du SI expliquent à 72% la mesure de

satisfaction des utilisateurs. Les auteurs définissent la « satisfaction des utilisateurs » comme

le sentiment « net » du plaisir ou du mécontentement qui résulte d’une agrégation de tous les

bénéfices qu’une personne espère recevoir de l'interaction avec le système d'information

(Seddon et Kiew, 1994, p 103).

Les résultats obtenus montrent également que « l’implication des utilisateurs » n’explique

qu’à 54% la mesure de l’utilité du système. En outre, « l’implication des utilisateurs » et la

« qualité du système » sont des variables qui expliquent davantage « l’utilité du système » que

la « satisfaction des utilisateurs ».

Les auteurs arrivent ainsi à la conclusion que la mesure du succès des SI est pertinente dès

lors que l’on mesure la satisfaction des utilisateurs. Toutefois, les auteurs ont souligné

quelques limites à cette recherche et ont poursuivi leurs travaux de re-spécification du modèle

du succès des SI.

5. Une nouvelle re­spécification du modèle du succès des SI (Seddon, 

1997)

Seddon et Kiew (1994) ont donc émis quelques critiques à l’égard du modèle de DeLone et

McLean (1992) en particulier sur la manière d’expliquer la performance du SI, et un manque

de clarté sur la notion « d’usage » a été souligné.

Selon Seddon (1997), mesurer la performance ou le succès d’un SI d’une manière causaliste

et processuelle est contradictoire.

• Dans une approche causaliste, l’usage peut être considéré comme une variable

d’influence suffisante sur l’impact individuel et organisationnel. Il peut également

intervenir comme une variable dépendante de la qualité du système et de l’information

qu’il produit.

• Dans une approche processuelle, l’usage est identifié comme un élément nécessaire

mais pas suffisant à l’influence générée par le SI (Seddon, 1997).

Seddon (1997) a ainsi opéré une nouvelle révision de la notion d’usage, partant de l’idée que

l’usage peut être perçu (tel que défini dans le modèle du succès des SI de DeLone et McLean,

1992) mais également associé à un comportement.

D’après Seddon (1997), l’usage du SI tel que défini par DeLone et McLean peut être expliqué

de trois manières différentes :

• L’usage des SI peut être considéré comme une variable qui procure des bénéfices par

l’utilisation du SI (réalisation de plusieurs tâches en même temps, gain de temps,

qualité du travail améliorée). Un système est un échec lorsque ce dernier ne procure

pas de bénéfices à l’utilisateur et non pas parce qu’il n’est pas utilisé (Seddon, 1997).

• Ensuite, l’usage des SI peut être identifié en tant que variable dépendante dans un

modèle de mesure d’un usage des SI futurs. Dans ce cas, l’usage des SI est utilisé pour

décrire un comportement et non comme une mesure du succès des SI. Cette

interprétation n’a donc pas sa place au sein du modèle de DeLone et McLean (1992).

• Une dernière interprétation présente l’usage des SI comme le début du processus

agissant sur les utilisateurs et l’organisation. L’usage du SI ici, n’est donc une

nouvelle fois pas considéré comme une mesure du succès des SI mais comme une

cause de la satisfaction des utilisateurs, l’impact individuel et organisationnel. Cette

interprétation n’a donc également pas sa place au sein du modèle de DeLone et

McLean (1992).

Seule la première interprétation selon laquelle l’usage des SI procure des bénéfices, est ainsi

retenue par l’auteur. De fait, l’auteur a rajouté « bénéfices nets » à chaque variable du modèle

de DeLone et McLean (1992), hormis la qualité du système et la qualité de l’information

(Figure 29).

Figure 26. Proposition d’une re­spécification du modèle du succès des SI (Seddon, 

1997)

Selon Seddon (1997), le modèle ainsi respécifié est moins intéressant que le modèle initial de

DeLone et McLean (1992) dans la mesure où la plupart des hypothèses des auteurs du modèle

sont absentes. Le modèle du succès des SI est une combinaison de trois modèles basés sur les

trois interprétations de l’usage des SI recensées (Seddon, 1997) :

• un modèle où les variables indépendantes sont la « qualité du système » et la « qualité

de l’information » et où les variables dépendantes sont « la satisfaction des

utilisateurs » et « l’usage des SI »,

• un modèle où « l’usage des SI » est considéré comme un comportement,

• un modèle où « l’usage des SI » est un événement qui précède la satisfaction des

utilisateurs, l’impact individuel et l’impact organisationnel.

L’auteur a donc une nouvelle fois proposé une re-spécification du modèle de DeLone et

McLean (1992) (Figure 29), ajoutant un modèle comportemental de l’usage des SI (défini en

tant qu’action humaine), complémentaire au modèle de succès des SI. Dans le modèle

comportemental, les attentes de bénéfices futurs de l’usage des SI sont un élément précurseur

et vont donc influer sur l’usage des SI en tant que comportement. Par ailleurs, l’usage des SI

en tant que perception et la satisfaction des utilisateurs détermineront les attentes en termes de

bénéfices futurs.

Figure 27. Une re­spécification du modèle du succès des SI de DeLone et McLean 

(1992), (Seddon, 1997)

Nous constatons que malgré une re-spécification de ce modèle, l’usage est une notion encore

vague. Il est en effet difficile d’interpréter l’usage comme action récursive, soit à la fois cause

et effet d’une performance.

Apparaît également via cette nouvelle analyse un affrontement entre les modèles dits

« causalistes » et « processuels ». Les modèles causalistes associent à la performance

organisationnelle des relations entre des variables dépendantes et indépendantes tandis que les

modèles processuels, minoritaires dans la recherche, constatent l’impact d’une série

d’événements sur le niveau de performance (De Vaugany, 2007).

6. Proposition d’une mise à jour du modèle du succès des SI par les 

auteurs (DeLone et McLean, 2003)

Se basant sur une nouvelle revue de la littérature et sur les différentes critiques émises sur leur

modèle, DeLone et McLean (2003) ont proposé une mise à jour de leur modèle initial (Figure

30). Ils ont ainsi ajouté trois modifications :

• l’ajout de la variable « Qualité du service », faisant référence à l’importance des

services supports notamment dans les activités du e-commerce,

• l’ajout de la variable « Intention d’utiliser » pour mesurer l’attitude de l’utilisateur,

• la fusion des variables « Impact individuel » et « Impact organisationnel » dans un

unique construit appelé « Bénéfices nets ».

6.1 La variable « qualité du service »

DeLone et McLean (2003) ont proposé une extension de leur modèle du succès des SI en

rajoutant la variable « qualité du service » (Figure 30). Une nouvelle revue de littérature

effectuée par les auteurs a en effet mis en évidence qu’une mesure de la qualité du service

était primordiale pour mesure la performance d’un système d’information. Pour Pitt, Watson

et Kavan (1995), « les mesures de l’efficacité d’un système d’information se focalisent

généralement davantage sur le produit en lui-même plus que sur la qualité du système. Le

danger est donc que les chercheurs en systèmes d’information mesurent de manière

incorrecte l’efficacité d’un SI si ces derniers excluent de leur démarche la mesure de la

qualité du service » (p 173).

La mesure de la « qualité du service » comme moyen efficace pour mesurer le succès d’un SI

a fait débat. Elle a été contestée par certains auteurs, tels que Van Dyke, Kappelman et

Prybutok (1997). Dans le cadre de l’échelle de mesure de la qualité du service baptisée

SERVQUAL, les auteurs ont souligné un manque de fiabilité, de validité discriminante et de

validité convergente. Une autre analyse de l’échelle SERVQUAL par Jiang, Klein et Carr

(2002) a toutefois obtenu de bons résultats de fiabilité et de validité. Les auteurs ont donc

estimé que cette échelle était un outil fiable pour mesurer la qualité du service fourni par le

système d’information. Malgré les avis contradictoires, DeLone et McLean (2003) ont choisi

de rajouter cette variable dans leur modèle partant du principe que cette notion, bien mesurée,

avait sa place dans le modèle du succès des SI.

Les auteurs ont en outre ajouté que le poids de chacune des trois variables « qualité de

l’information », « qualité du système » et « qualité du service » serait différent selon l’objet

mesuré. Si l’on désire évaluer la qualité d’un seul système d’information, les variables

« qualité de l’information » et « qualité du système » seront plus importantes. En revanche, si

la performance de l’ensemble d’un département SI cherche à être mesurée, la variable

« qualité du service » est essentielle.

Figure 28. L’ajout de la variable « Qualité du service » dans le modèle du succès des 

SI de DeLone et McLean (2003)

6.2 La variable « Intention d’utiliser »

Seddon (1997) a proposé une re-spécification du modèle de DeLone et McLean (1992) avec

notamment l’ajout d’un modèle comportemental de l’usage des systèmes d’information

(Figure 31). D’après l’auteur, l’usage est un comportement qui précède les impacts et les

bénéfices mais qui ne les cause pas. De fait, la variable « usage du SI » n’a pas sa place dans

un système causal ce que réfutent les créateurs du modèle. Selon eux, « l’usage du SI » est

une mesure appropriée du succès des SI dans la plupart des cas. En outre, ils considèrent que

l’ajout d’un sous-modèle (comportemental) dans le modèle du succès des SI a

considérablement compliqué son interprétation, qui selon la volonté des auteurs, devait être

simple et axée sur trois dimensions : la création du système, l’usage du système et les

conséquences de cet usage.

Là encore, la difficulté à définir l’usage des SI divise les chercheurs. Toutefois, l’hypothèse

selon laquelle plus le SI est utilisé plus les bénéfices sont importants paraît insuffisante

(DeLone et McLean, 2003). Il convient en effet de définir de manière plus précise la nature,

l’importance, la qualité, le caractère approprié de l’usage. A titre d’exemple, il semble

important de savoir si toutes les fonctionnalités sont utilisées et si elles sont en adéquation

avec les objectifs de l’utilisateur. Mesurer uniquement le temps d’utilisation du système ou

savoir si l’usage est obligatoire ou volontaire n’est pas un indicateur fiable de l’usage ou du

non-usage d’un système. En revanche, un usage qui décline peut se révéler un indicateur

pertinent quant aux bénéfices futurs. Pour pallier cette difficulté d’interprétation, DeLone et

McLean (2003) ont proposé l’ajout de la variable « Intention d’utiliser » qu’il considère plus

comme une attitude qu’un comportement (Figure 32).

Figure 29. L’ajout de la variable « Intention d’utiliser » dans le modèle de DeLone et 

McLean (2003)

6.3 La variable « bénéfices nets »

DeLone et McLean (2003) ont également choisi de revoir la notion d’« impact » tant

individuel qu’organisationnel, présente dans leur modèle initial. Via une nouvelle revue de la

littérature sur le sujet, ils ont recensé diverses autres mesures de l’impact utilisées par des

chercheurs telles que « l’impact des groupes de travail » (Ishman, 1998 ; Myers, Kappelman

et Prybutok, 1998), « les impacts industriels et inter-organisationnels » (Clemons et Row,

1993 ; Clemons, Reddi et Row, 1993), « l’impact des consommateurs » (Brynjolfsson, 1996 ;

Hitt et Brynjolfsson, 1994) ou « les impacts sociétaux » (Seddon, 1997). Rajouter l’ensemble

de ces mesures parut difficile pour DeLone et McLean (2003) puisque la mesure du succès

des SI dépendait du SI en question, de son contexte, de son environnement et de ses fonctions.

Par conséquent, au lieu de multiplier les mesures d’impact, les auteurs ont préféré regrouper

dans une seule variable « bénéfices nets » tous les types d’impacts. Cette variable pourra

toutefois être affinée selon l’étude réalisée (Figure 32).

En outre, les auteurs voulaient conserver le caractère positif ou négatif de l’impact tel que

défini dans le modèle initial. L’utilisation du seul terme « bénéfices » aurait en effet pu être

perçu comme uniquement « positifs ». Une conséquence n’est que rarement uniquement

positive et comprend également des aspects négatifs d’où l’utilisation du terme « Bénéfices

nets » qui semble être la description la plus fidèle du succès d’un SI.

Figure 30. Une mise à jour du modèle du succès des SI de DeLone et McLean 

(2003)

L’étude de l’impact des systèmes d’information sur la performance organisationnelle figure

parmi les points cruciaux de la recherche en systèmes d’information. Le débat autour du

modèle de Delone et McLean (1992) montre à quel point les avis divergent concernant

l’évaluation du système d’information et son impact sur la performance.

Selon nous, l’évaluation d’un système d’information de manière indépendante ne fournira que

des résultats biaisés dans le sens où il ne sera pas lié aux autres domaines de l’organisation.

Pour tenter d’opérationnaliser un peu plus ce concept, nous choisissons de présenter dans une

dernière section le concept d’alignement stratégique développé par Henderson et

Venkatraman (1993), qui fait également débat, mais qui apparaît comme un outil satisfaisant

pour étudier la relation entre les technologies de l’information et la stratégie de l’entreprise.

III. Elaboration de la stratégie SI : le concept d’alignement 

stratégique

L’élaboration d’une stratégie passe par une cohérence des choix entrepris par l’organisation.

La stratégie des systèmes d’information n’est qu’un aspect de la stratégie globale de

l’entreprise mais elle doit également se construire en accord avec tous les autres objectifs en

recherchant des synergies et en évitant les antagonismes (Reix, 2006).

Le modèle de l’alignement stratégique développé par Henderson et Venkatraman (1993)

figure parmi les principaux modèles incarnant ce principe de cohérence.

1. Le principe de l’alignement stratégique

1.1 Emergence du concept d’alignement stratégique

Le terme de « fit » trouve son origine dans l’approche contingente de la théorie des

organisations développée notamment par Weill et Olson (1989) qui repose sur l’hypothèse

principale selon laquelle la performance organisationnelle est le résultat d’un « fit » entre une

variable organisationnelle telle que la stratégie ou la culture et des facteurs environnementaux

tels que la technologie. Miles et Snow (1984, p 11) définissent le « fit » comme « une

recherche dynamique qui vise à aligner l’organisation avec son environnement et à arranger

de manière interne les ressources pour soutenir cet alignement ».

Le concept de « fit » a tout d’abord été appliqué à la relation stratégie / structure, identifiant

une cohérence entre la meilleure structure possible pour supporter le développement de la

stratégie globale de l’organisation.

Puis les innovations continues en matière de technologies de l’information ont conduit les

organisations à davantage se focaliser sur leur potentiel stratégique et à étudier le lien entre la

stratégie globale de l’organisation et la stratégie des systèmes d’information.

Venkatraman (1989) considère le « fit » ou ce qu’il appelle « l’alignement » comme un

concept important de la recherche en théorie des organisations et en management stratégique.

Aucun consensus sur le terme « d’alignement » n’existe parmi les chercheurs puisqu’il a fait

l’objet de nombreuses définitions. Les mots « coordination », « intégration » ou « lien » ont

été ainsi été utilisés dans la littérature (Kefi et Kalika, 2005).

1.2 Le modèle d’alignement stratégique

Le modèle de « l’alignement stratégique » (« strategic alignment model » ou SAM) de

Henderson et Venkatraman (1993) est certainement le modèle le plus complet de cohérence

entre stratégie des systèmes d’information et stratégie globale de l’entreprise. Pour les

auteurs, il est primordial d’aligner les technologies de l’information avec la stratégie globale

de l’organisation.

Henderson et Venkatraman (1993) définissent l’alignement stratégique des systèmes

d’information comme un processus continu et dynamique qui fournit des solutions et des

infrastructures technologiques à l’organisation lui permettant de rencontrer les objectifs de

performance fixés par sa stratégie d’entreprise (Jouirou et Kalika, 2004).

Il repose sur deux principes fondamentaux (Reix, 2006) :

• La réalisation d’un accord stratégique (« Strategic Fit ») doit se faire entre le

positionnement de l’entreprise, soit les choix opérés par rapport à ses concurrents, et

sa capacité à mettre en place une organisation adéquate.

• Cet accord stratégique est dynamique et doit s’adapter aux évolutions continues de

l’environnement.

1.3 Domaines de l’alignement stratégique

Selon le modèle d’alignement stratégique, les choix stratégiques doivent être cohérents selon

quatre domaines répartis selon deux niveaux (Figure 33) :

• Niveau externe

− Stratégie d’affaires

− Organisation

• Niveau interne

− Stratégie des technologies de l’Information (Stratégie TI)

− Systèmes d’information

Figure 31. Modèle d’alignement stratégique 

(adapté de Reix, 2006 ; Henderson et Venkatraman, 1993)

a) Stratégie d’affaires

La dimension « stratégie d’affaires » se concentre tout d’abord sur le type d’activité exercée

par l’organisation, les biens et/ou les services qu’elle produit, les différentes segmentations

opérées en termes de géographie, de marchés, de clientèle. Elle s’intéresse également à son

positionnement par rapport à la concurrence. Les « compétences distinctives » sont les

compétences et les forces qui permettent à l’organisation d’avoir un avantage concurrentiel tel

qu’une stratégie orientée client, une politique de différenciation par les prix ou une politique

de distribution innovante. Enfin, les partenariats tissés et les alliances conclues seront

également des éléments importants de la stratégie d’affaires de l’organisation.

b) Stratégie TI

La stratégie des technologies de l’information détermine, quant à elle, les applications

informatiques et les outils-clés présentant un intérêt pour l’activité de l’organisation et surtout

qui permettrait de se différencier de la concurrence et d’atteindre un ou des facteurs critiques

de succès. Les « compétences » incluent toutes les informations pertinentes possédées sur les

clients telles que les bases de données clients et/ou produits ainsi que toutes les qualités

indispensables à une utilisation efficace des technologies de l’information (facilité d’accès,

fiabilité). Quant aux modes de gouvernance, ce sont essentiellement les alliances et les

partenariats qui peuvent être tissés dans les technologies de l’information tels que des licences

d’exploitation ou des contrats d’infogérance.

c) Organisation

La dimension « organisation » comprend la structure administrative ainsi que les processus

d’affaires et managériaux de l’entreprise. La structure administrative dresse un panorama des

statuts, des responsabilités et de la hiérarchie des différents acteurs et précise si les décisions

sont centralisées ou décentralisées. Les processus d’affaires regroupent tous les processus par

domaines tels que l’approvisionnement, la gestion de la qualité, de la production, de la

relation client. Les technologies de l’information jouent ici un rôle primordial puisqu’elles

peuvent permettre d’améliorer les processus et inversement de nouveaux processus peuvent

être élaborés pour permettre l’intégration de technologies innovantes (Papp, 2001). La

dimension humaine de l’organisation est intégrée dans les processus managériaux (« Business

Skills » dans le modèle initial). Il s’agit de l’expérience et de la formation du personnel,

l’évaluation du personnel en fonction des objectifs de l’organisation ou des notions comme

les valeurs ou la culture d’entreprise.

d) Systèmes d’information

La dimension « Systèmes d’information » liste toutes les technologies de l’information

utilisées par l’organisation pour exercer son activité et réaliser sa stratégie TI (portefeuilles

d’application et infrastructure technologique : logiciels, données, outils de communication).

Les processus s’intéressent davantage au développement, à la gestion et à la maintenance des

systèmes d’information. Enfin, le contrôle, traduction donnée par Reix (2006) de

« Information Technology Governance » (Henderson et Venkatraman, 1993), traduit le

maintien et le développement des compétences et de la formation, non pas du personnel

global de l’entreprise, mais du personnel employé par le département informatique ou des

systèmes d’information.

1.4 Dimensions complémentaires du modèle de

l’alignement stratégique

Le modèle de l’alignement stratégique comporte également deux dimensions

complémentaires qui établissent des logiques de mise en cohérence des différents domaines

du modèle, la Stratégie d’Affaires, la Stratégie TI, l’Organisation et les Systèmes

d’information (Figure 34) :

• l’accord stratégique, qui correspond à l’alignement entre les domaines externes

(Stratégie d’affaires et Stratégie TI) et les domaines internes de l’organisation

(Organisation et Systèmes d’information). Ainsi, le choix d’un positionnement de

l’entreprise en termes de produits et de marchés doit rester cohérent avec

l’organisation elle-même (structure, processus). De la même manière, la stratégie axée

sur les technologies de l’information doit être en adéquation avec l’infrastructure

technologique et le portefeuille d’applications possédées par l’organisation. Comme le

souligne Reix (2006), « si la première exigence de cohérence est relativement bien

connue des managers, la seconde présente un caractère nettement plus novateur qui

limite, encore aujourd’hui, sa prise en considération dans les démarches de

planification ».

• l’intégration fonctionnelle, qui concerne la cohérence entre d’un côté les affaires

(Stratégie d’affaires et l’Organisation) et de l’autre les technologies de l’information

(Stratégie TI et Systèmes d’information). Cette dimension sous-entend des choix

compatibles entre la stratégie d’affaires et la stratégie TI. Ainsi, un positionnement sur

un type de marchés ou de produits devra trouver un soutien auprès des technologies de

l’information à mettre en place et inversement. Le choix d’une technologie de

l’information particulière peut s’avérer incompatible avec un choix opéré dans la

stratégie d’affaires et porter atteinte à un avantage concurrentiel de l’organisation.

Cette cohérence entre ces deux domaines apparaît encore comme difficile à

appréhender par les organisations. L’autre intégration concerne le niveau interne soit

« l’organisation » et les « systèmes d’information » et essentiellement la manière dont

les processus d’affaires et managériaux seront cohérents avec les systèmes

d’information existants dans l’organisation.

Figure 32. Dimensions complémentaires du modèle d’alignement stratégique 

(adapté de Reix, 2006 ; Henderson et Venkatraman, 1993)

2. Deux courants de recherche de l’alignement stratégique 

Deux types de courants se distinguent dans la perspective de l’alignement stratégique (Rival,

2005) :

• le courant de la prescription,

• le courant de l’évaluation.

2.1 Le courant de la prescription

Les recherches sur l’alignement stratégique issues du courant de la prescription visent à

expliquer les facteurs de l’alignement des technologies de l’information.

Broadbent et Weill (1993) font notamment partie de ce courant. Leurs travaux ont porté sur

l’alignement des TI au sein de l’organisation et en particulier les pratiques organisationnelles

favorisant l’alignement des TI. Le modèle élaboré par les auteurs (Figure 35), traduit par

Rival (2005) se décompose en 4 dimensions :

• le processus de formation de la stratégie générale de l’entreprise,

• la structure organisationnelle et les délégations,

• les conduites et responsabilités concernant les TI,

• la stratégie TI.

Concernant le processus de formation de la stratégie générale de l’entreprise, les auteurs se

sont attachés à montrer l’importance non seulement de la planification de la stratégie mais

également d’un consensus et d’une implication de la direction dans cette stratégie.

La dimension « structure organisationnelle et délégations » se focalise sur les décisions et les

délégations adaptées à l’orientation stratégique choisie par l’organisation.

La dimension « conduites et responsabilités des systèmes d’information » met en avant la

responsabilité de la direction en matière de gestion de l’information et son devoir de faire le

lien entre le département des systèmes d’information et les autres services afin d’introduire

une relation d’échanges. Les auteurs préconisent également le développement de compétences

managériales pour les responsables des systèmes d’information.

Enfin, la dimension « stratégie TI » concerne l’importance de mettre en place des

architectures technologiques appropriées et d’utiliser des technologies en adéquation avec les

nouveaux produits et services.

D’autres auteurs (Ives, Jarvenpaa et Mason, 1993 ; Chan et Huff, 1993 ; Henderson et

Venkatraman, 1993 ; Reich et Bensabat , 2000 ) ont également entrepris des recherches sur les

facteurs de l’alignement des TI. Ives, Jarvenpaa et Mason (1993) ont notamment identifié

plusieurs facteurs de globalisation des entreprises liés aux TI tandis que Reich et Benbasat

(2000) se sont focalisés sur la dimension sociale et intellectuelle de l’alignement, étudiant le

contenu et la méthodologie de formulation de la stratégie (Rival, 2005).

Figure 33. Le modèle de l’alignement de Broadbent et Weill (1993), 

cité dans Rival (2005)

2.2 Le courant de l’évaluation

Le courant de l’évaluation comprend les travaux dont l’objectif est d’évaluer et de mesurer

l’alignement des technologies de l’information.

Beaucoup de recherches dans ce courant ont été effectuées (Bergeron, Raymond et Rivard,

2002 ; Ciborra, 1997 ; Croteau, Bergeron et Raymond, 2000 ; Kéfi et Kalika, 2003 ;

Thévenot, 1998) mais les travaux de Luftman (1997) demeurent parmi les plus importants

dans le domaine de l’évaluation de l’alignement stratégique.

L’auteur a proposé le Strategic Alignment Maturity Assessment, un modèle d’évaluation du

degré de l’alignement stratégique entre la stratégie de l’organisation et la stratégie des

technologies de l’information. Ce modèle a été créé à partir du modèle CMM (Capability

Maturity Model), développé par Humphrey (1988) qui permet d’évaluer des processus et de

proposer des améliorations. Il comporte cinq niveaux de maturité : initial, reproductible,

défini, maîtrisé et optimisé. Le modèle de Luftman (1997) reprend les cinq niveaux du modèle

CMM et l’évaluation du niveau atteint par l’organisation dépend de six sous-domaines :

• La maturité de la communication (degré de compréhension des TI),

• La maturité de la capacité à mesurer (mesures techniques, efficacité au niveau des

coûts),

• La maturité de la gouvernance (degré de pertinence des processus),

• La maturité du partenariat entre gestionnaires et ingénieurs (degré de relation entre les

TI et la stratégie de l’organisation),

• La maturité de l’architecture technologique (traditionnelle, intégration interne et

externe),

• La maturité des métiers.

3. L’alignement stratégique et la performance organisationnelle

3.1 Nombreuses applications du modèle de l’alignement

stratégique et son impact sur la performance

L’approche contingente part de l’hypothèse que l’alignement entre des facteurs structurels,

environnementaux et stratégiques a un impact positif sur la performance de l’organisation

(Weill et Olson, 1989). Elle permet donc de mieux comprendre l’impact des systèmes

d’information sur la performance organisationnelle.

De nombreux chercheurs ont étudié l’alignement stratégique des technologies de

l’information et son impact sur la performance organisationnelle (Tableau 18).

3.2 Alignement stratégique entre deux facteurs

Il convient de noter que la plupart des études recensées se limitent souvent à l’analyse de

l’alignement stratégique entre deux facteurs, la stratégie de l’organisation et la stratégie TI ou

encore entre la structure de l’organisation et la structure TI.

Tableau 18. Etudes portant sur l’alignement TI et la performance organisationnelle 

(citées dans Raymond, 2002 et Rival, 2005)

Auteurs Résultats

Bergeron, Raymond et Le co-alignement des infrastructures organisationnelles et des TI est

Rivard (2001) l’approche de l’alignement qui a le plus d’impact sur la performance

Bergeron et al., (2002)Le co-alignement de la stratégie de l’organisation, de la stratégie TI, de la structure de l’entreprise et de la structure TI améliore la performance organisationnelle.

Bergeron et Raymond, (1995)

L’alignement entre le management stratégique des TI et la stratégie d’affaires a un impact positif sur la performance organisationnelle.

Brown et Magill (1994) L’alignement de la fonction SI favorise la performance de la firme.

Chan et Huff, (1993)L’alignement stratégique des SI a un effet prédicteur sur la performance d’affaires.

Croteau et Bergeron (2001)

Le co-alignement de la gestion des SI avec les stratégies d’affaires de prospection et d’analyse a un impact positif sur la performance

Jouirou et Kalika (2004)La gestion stratégique des TI doit être effectuée en tenant compte du choix stratégique de la PME et de sa structure organisationnelle pour atteindre un meilleur niveau de performance.

Kefi et Kalika (2003) L’alignement entre choix stratégiques et déploiement technologique favorise la performance de l’entreprise étendue.

Papp et Luftman (1995)Papp (1998)

Selon la perspective d’alignement adoptée et selon l’industrie considérée, l’entreprise n’améliore pas les mêmes critères de performance.

Raymond, Paré et Bergeron (1995)

L’alignement stratégique entre la structure des TI et la structure organisationnelle a un impact positif sur la performance.

Sabherwal et Chan, (2001)

L’alignement stratégique des SI avec les stratégies d’affaires de prospection et d’analyse a un impact positif sur la performance

Teo et King, (1996) L’alignement stratégique a un impact sur la performance.

Ainsi, Saberhawal et Kirs (1994) ont étudié l’alignement stratégique entre la stratégie

organisationnelle et la structure TI selon une perspective de déviation de profil12. Leur

hypothèse principale consistait à montrer que l’alignement entre quatre dimensions : la

capacité de repérage de l’information, les communications électroniques, les services

disponibles aux étudiants et la formation assistée par ordinateur contribuait à la performance

de l’organisation.

Selon Bergeron et Raymond (1995), l’alignement entre la stratégie TI et l’orientation

stratégique de l’organisation a un impact significatif sur la performance organisationnelle.

Pour mesurer l’orientation stratégique, les auteurs ont utilisé la typologie des stratégies

d’affaires de Venkatraman : agressivité, analyse, défense, futur, proactivité et la propension

au risque. Entre autres, ils ont validé l’hypothèse selon laquelle l’effet du management

stratégique des TI serait plus important si les organisations possédaient une orientation

stratégique forte et bien définie. Pour cette étude, ils ont utilisé une perspective de

modération, trouvant que cette approche était la plus appropriée. La perspective de matching,

qui sera explicitée par la suite, donnait des résultats moins satisfaisants.

12 L’opérationnalisation de l’alignement stratégique sera davantage expliquée à la fin de cette section.

A l’instar de Chan et Huff (1993), Teo et King (1996) ont également étudié l’alignement entre

la stratégie organisationnelle et la stratégie TI, utilisant quant à eux, une perspective de

médiation. Ils ont proposé qu’une planification stratégique des TI selon quatre modes

(administratif, séquentiel, réciproque et intégration complète) intégrée à la planification

stratégique de l’organisation avait un impact sur la performance.

Croteau et al. (2001) se sont attachés à monter que l’alignement entre la structure

organisationnelle et la structure des TI contribuait à la perspective de l’alignement.

3.3 Alignement stratégique entre plusieurs facteurs

D’autres auteurs ont étudié l’alignement stratégique entre plusieurs facteurs.

Jouirou et Kalika (2004) ont étudié l’alignement entre trois facteurs. Leurs travaux ont porté

sur la stratégie d’alignement organisationnel au sein des PME, validant l’hypothèse que « les

PME qui optent pour des pratiques de collaboration ou des partenariats, et qui travaillent

avec des outils d’information et de communication électroniques, leur permettant de

communiquer, de partager des informations et de coordonner de façon virtuelle, peuvent

atteindre de meilleurs niveaux de performance lorsqu’elles alignent leurs TI avec leur

stratégie et leur structure organisationnelle » (p 6).

Croteau et al. (2001) se sont basés sur la typologie de Miles et Snow (1978) pour mesurer la

stratégie d’affaires des organisations (analyse, prospection, défense). Ils ont ainsi validé

l’hypothèse que le co-alignement entre l’orientation stratégique, la stratégie TI et la structure

TI de l’organisation contribuait à la performance dans le cas des comportements stratégiques

d’analyse et de prospection. Les résultats ont montré un lien négatif entre ces dimensions pour

les activités de défense.

A notre connaissance, seuls Bergeron et al. (2002) ont proposé un modèle de recherche

incluant les quatre dimensions du modèle de l’alignement stratégique d’Henderson et

Venkatraman (1993). Selon les auteurs, le co-alignement entre la stratégie d’affaires, la

structure organisationnelle, la stratégie TI et la structure TI, avait un impact sur la

performance. Ils sont parvenus à construire quatre groupes d’organisations classées selon leur

niveau sur chacune de ces dimensions. A titre d’illustration, le groupe A regroupait les

entreprises qui affichaient des niveaux élevés sur chacune des quatre dimensions. Dans ce

groupe, Bergeron et al. (2004) classent les entreprises qui possèdent une stratégie d’affaires

développée (beaucoup d’activité d’analyse, de défense, de prospection et de projection), une

structure organisationnelle basée sur la formalisation, la spécialisation et une forte

différenciation verticale, une stratégie TI active (veille technologique, choix technologiques

innovants) et une gestion des TI très structurée.

A l’inverse, le groupe D regroupe les entreprises avec un niveau faible sur chacune des

dimensions. Selon la perspective de l’alignement, ce dernier devrait être élevé puisque les

niveaux seraient faibles « partout ». Or, certains auteurs, tels que Sabherwhal et Chan (2001)

ont conclu que « le co-alignement ne s’appliquait pas lorsque les entreprises se retrouvaient

en deçà d’un seuil minimum de stratégie et de structure ».

4. L’opérationnalisation de l’alignement stratégique

4.1 L’approche de l’alignement stratégique de Drazin

et Van de Ven (1985)

Drazin et Van de Ven (1985) ont proposé trois types d’interprétation du concept de « fit »

(Tableau 19) :

• la sélection,

• l’interaction,

• les systèmes.

L’interprétation du « fit » selon l’approche de la sélection s’attache à analyser la congruence

entre le contexte et la structure de l’organisation tandis que l’approche selon l’interaction

s’intéresse davantage à la performance organisationnelle via l’interaction entre le contexte et

la structure de l’organisation. Les auteurs soulignent toutefois le caractère réducteur de ces

deux premières approches dans le sens où elles considèrent que l’organisation est composée

d’éléments pouvant être étudiés de manière séparée. La troisième approche, l’approche

systémique, préconise, quant à elle, une analyse de la cohérence simultanée de plusieurs

dimensions afin de déterminer les caractéristiques de la performance.

Tableau 19. Interprétation du « fit » selon Drazin et Van de Ven (1985), 

cité dans Rival (2005)

Approche de la sélection Approche de l’interaction Approche des systèmes

Le « Fit » correspond à la congruence entre le contexte et la structure

Le « Fit » correspond à l’interaction de paires de facteurs organisationnels qui affectent la performance

Le « Fit » correspond à la cohérence interne de multiples contingences qui affectent les caractéristiques de la performance

4.2 L’approche de l’alignement stratégique de

Venkatraman (1989)

Venkatraman (1989) a identifié six modèles de l’alignement stratégique.

a) Le couplage ou « matching » ou « appariement »

Cette perspective (Figure 36) repose sur un appariement entre une dimension SI et une autre

dimension de l’organisation. Un impact sur la performance organisationnelle surviendra

uniquement si ces deux dimensions sont appropriées l’une pour l’autre. A titre d’exemple, une

fonction SI décentralisée sera appropriée avec une structure organisationnelle décentralisée

(Raymond, 2002).

Figure 34. Approche de l’alignement stratégique dite de « couplage » 

(Venkatraman, 1989, cité dans Rival, 2005)

b) La modération

Dans la perspective de modération (Figure 37), le « fit » est obtenu par l’intervention d’une

variable modératrice sur le lien entre la variable explicative (ou variable indépendante) et le

variable expliquée (variable dépendante). Ainsi, le management stratégique des technologies

de l’information peut avoir un effet modérateur sur le lien entre l’orientation stratégique et la

performance organisationnelle. Selon Rival (2005), cette approche est souvent utilisée lorsque

l’effet d’une stratégie sur la performance de l’organisation dépend du contexte

environnemental.

Figure 35. Approche de l’alignement stratégique dite de « modération » 

(Venkatraman, 1989, cité dans Rival, 2005)

c) La médiation

L’approche selon la « médiation » (Figure 38) fait intervenir une variable médiatrice entre une

ou plusieurs variables antécédentes et la performance (conséquente). Cette perspective

s’applique lorsque l’effet d’une stratégie sur la performance passe notamment par

l’organisation de l’entreprise (Rival, 2005).

Figure 36. Approche de l’alignement stratégique dite de « médiation » 

(Venkatraman, 1989, cité dans Rival, 2005)

d) Les gesalts

L’approche dite des « gesalts » (Figure 39) est une des approches de l’alignement stratégique

la plus difficile à utiliser. Elle part du principe qu’il existe plusieurs modèles d’équilibre entre

les systèmes d’information et les autres fonctions de l’organisation et qu’il suffit d’étudier

quel modèle a le plus d’impact sur la performance (Raymond, 2002). Il existe ainsi une

multitude de relations communes au sein d’une même catégorie.

Figure 37. Approche de l’alignement stratégique dite des « gesalts » 

(Venkatraman, 1989, cité dans Rival, 2005)

e) La déviation de profils

La perspective dite de « déviation de profils » (Figure 40) implique l’existence d’un profil

idéal sur un ensemble de dimensions organisationnelles telles que les systèmes d’information.

Un écart entre ce profil défini théoriquement ou empiriquement et le profil de l’organisation

aura un impact négatif sur la performance organisationnelle (Raymond, 2002). Cette approche

sera préférée pour analyser les effets de l’alignement entre la stratégie et l’environnement

(Rival, 2005).

Figure 38. Approche de l’alignement stratégique dite de « déviation de profils » 

(Venkatraman, 1989, cité dans Rival, 2005)

f) La co-variation

L’approche dite de « co-variation » (Figure 41) repose sur un co-alignement entre plusieurs

variables qui aura un impact sur la performance.

Figure 39. Approche de l’alignement stratégique dite de « co­variation » 

(Venkatraman, 1989, cité dans Rival, 2005)

5. Discussion sur le modèle de l’alignement stratégique

5.1 Critiques des chercheurs

Le modèle de l’alignement stratégique d’Henderson et Venkatraman (1993) a suscité de

profondes critiques. La notion d’alignement en elle-même reste ambiguë pour de nombreux

auteurs qui lui donnent de nombreuses définitions telles que « équilibre », « cohérence »,

« congruence », « lien » (Rival, 2005).

En outre, l’insatisfaction de nombreux résultats obtenus empiriquement sur le sujet a alimenté

le débat. Ciborra (1997) figure parmi les auteurs ayant émis le plus de critiques du modèle de

l’alignement stratégique, considérant « qu’il n’y a pas d’alignement observable et donc pas

de cohérence mesurable parce que la stratégie n’est le résultat que de bricolage et la

technologie est souvent hors de contrôle ». Il affirme ainsi que l’alignement n’est pas un état

mais un événement qui n’est pas toujours prédictible et planifié. La planification est en effet

un point crucial car les choix stratégiques peuvent faire l’objet de décisions hâtives, prises

rapidement en réponse à une contrainte environnementale.

5.2 Difficulté de mise en œuvre

Reix (2006) préfère parler de « difficultés de mise en œuvre » dans la mesure où la stratégie

de l’organisation et la stratégie TI doivent être « construites de manière interdépendante ». Si

l’on considère que la stratégie TI reste indépendante de la stratégique globale alors tout le

modèle de l’alignement stratégique est remis en cause.

L’auteur identifie deux origines aux difficultés de mise en œuvre de l’alignement stratégique :

• des causes inhérentes à la nature même des systèmes d’information,

• des causes intrinsèques à l’objectif de cohérence.

Concernant les causes inhérentes aux systèmes d’information, l’auteur souligne le fait avéré

qu’il peut exister un écart important, en termes de formulation, de conception, de traduction,

entre l’idée de l’application technologique et la réalisation effective de l’outil. L’auteur

aborde également un point essentiel dans la gestion des systèmes d’information : la contrainte

de l’existant. « Le portefeuille des applications correspond à une accumulation progressive

de systèmes d’information développés à des époques différentes, sur des matériels différents,

dans des langages différents avec des méthodologies différentes. Cet héritage encombrant

impose des contraintes de compatibilité entre les nouvelles applications et les anciennes et

limite, dans une certaine mesure, l’étendue des choix parce que les modifications à envisager

sont parfois impossibles à réaliser dans les délais impartis » (Reix, 2006, p 1477). Dans ce

contexte, les organisations vont alors préférer des mises à jour plutôt que la mise en œuvre

d’une nouvelle application. Ainsi, la stratégie TI effective peut s’avérer bien différente de la

stratégie TI planifiée.

Concernant les causes intrinsèques au principe de cohérence, Reix (2006) évoque l’idée selon

laquelle il n’existe pas de théorie de la cohérence. Il est ainsi plus aisé de déterminer si des

choix se sont avérés cohérents après avoir constaté leur impact sur la performance. Il semble

en revanche beaucoup plus difficile de prédire leur cohérence a priori. Ainsi, l’appréhension

de la cohérence diffère d’une structure à l’autre. La mise en œuvre de solutions différentes

peut entraîner des effets parfaitement distincts d’une organisation à l’autre. Venkatraman

(1989) affirme lui-même qu’il peut exister un écart important entre la construction théorique

de l’alignement et son application pratique.

5.3 Position adoptée

Malgré les difficultés de mise en œuvre, le modèle de l’alignement stratégique apparaît tout

de même très prometteur dans la mesure où ce dernier est considéré comme un processus

dynamique et non pas comme un résultat temporaire ou final (Rival, 2005). Nous considérons

en effet que le modèle de l’alignement offre des perspectives très intéressantes pour étudier la

relation, toujours difficilement mesurable, entre les technologies de l’information et la

stratégie globale de l’organisation. En outre, les différents types d’alignement déterminés par

Venktraman (1989) offrent de nombreuses perspectives et permettent d’adapter les travaux de

recherche en fonction du sujet et ainsi de s’intéresser de manière différente à la relation entre

TI et stratégie organisationnelle.

Enfin, aux auteurs qui souligneraient que le rôle des acteurs est absent du modèle de

l’alignement stratégique, Reix (2006, p 1478) répond que « si le modèle de l’alignement

stratégique semble ignorer la problématique de la contribution des acteurs, il n’en est pas

moins vrai que le succès de son application concrète repose sur la collaboration effective de

nombreux participants ».

Discussion de notre cadre conceptuel

Le CRM, un concept évolutif

Dans le premier chapitre de cette thèse, nous avons tenté de conceptualiser la notion de

gestion de la relation client, communément appelée CRM (Customer Relationship

Management) dans les différents travaux de recherche. La revue de la littérature nous a permis

d’établir qu’aucun consensus n’existait sur une définition parmi les chercheurs.

Un premier courant de recherche voit le CRM comme une simple application technologique

du marketing relationnel tandis qu’un deuxième courant considère le CRM comme une

véritable stratégie d’entreprise orientée client alignée avec la stratégie globale de

l’organisation. Voir le CRM comme un simple outil technologique nous semble un peu trop

réducteur. Nous nous inscrivons en effet davantage dans ce deuxième courant de recherche,

estimant que la gestion de la relation client nécessite une importante réflexion en amont, en

accord avec la stratégie de l’organisation, avant toute mise en œuvre. Notre participation au

projet CRM/BI nous a d’ailleurs permis de mieux appréhender l’importance de cette

démarche en amont de tout projet.

L’orientation CRM selon trois dimensions

La revue de la littérature nous a permis de distinguer cinq catégories de CRM :

• le CRM opérationnel, qui permet de gérer la relation avec les clients au quotidien,

• le CRM analytique, qui utilise des techniques d’analyses de données dans le but

d’aider au pilotage de l’activité,

• le CRM collaboratif, qui mise davantage sur une amélioration de la collaboration

interne au sein de l’organisation et une relation personnalisée avec le client,

• le CRM stratégique, qui s’aligne avec la stratégie globale de l’entreprise,

• le eCRM, qui gère la relation client avec le canal Internet.

• Si le CRM opérationnel, le CRM analytique et le CRM stratégique apparaissent

comme des catégories indiscutables du CRM, les autres types de CRM (eCRM et

collaboratif) provoquent le débat.

a) Le eCRM

Dans leur modèle stratégique du CRM, Payne et Frow (2005) considèrent Internet comme un

simple canal de contact avec le client, au même titre que le téléphone ou les entretiens face-à-

face dans les points de vente, et représente ainsi une des caractéristiques du CRM

opérationnel. Nous considérons également que le eCRM n’est pas une catégorie à part entière

du CRM mais un sous-ensemble du CRM opérationnel. Le eCRM permet en effet de

recueillir via le canal Internet un volume de données sur le client très important. Ces données

doivent ensuite être traitées et analysées grâce à des outils de CRM analytique.

b) Le CRM collaboratif, sous­ensemble de chaque catégorie

Si le CRM opérationnel et le CRM analytique apparaissent dans la plupart des classifications

réalisées par les chercheurs, le CRM collaboratif est en revanche souvent manquant, au profit

du CRM stratégique. A la lecture des différentes définitions, il apparaît que le CRM

collaboratif peut être assimilé à une sous-dimension des autres catégories de CRM. La

principale caractéristique du CRM collaboratif est en effet de coordonner de manière efficace

les différents points de contact avec le client (entretiens face-à-face, téléphone, mails, etc.).

Pour certains auteurs, tels que Buttle (2004), cette démarche relève du CRM opérationnel. En

outre, la mise en place d’une relation « one-to-one » avec le client, telle qu’identifiée par

Peppers et al. (2004) comme un des objectifs du CRM collaboratif est à notre sens un des

points fondamentaux d’une stratégie CRM qui se retrouve dans un CRM opérationnel,

analytique et stratégique. La notion de CRM collaboratif est donc très floue et nous semble

difficile à appréhender.

Par conséquent, nous avons choisi de ne conserver que trois types d’orientation CRM dans la

suite de cette thèse : le CRM opérationnel, le CRM analytique et le CRM stratégique. Si les

deux premiers sont facilement identifiables tant leurs objectifs sont différents, le dernier reste

plus difficile à appréhender puisqu’il se place au cœur de la stratégie de l’organisation.

Cette catégorisation du CRM nous a aiguillés sur une notion que nous avons appelée

« orientation CRM » dans la suite de cette thèse, partant du principe qu’une stratégie de la

gestion de la relation client pouvait davantage être orientée sur un CRM stratégique, CRM

opérationnel et CRM analytique.

L’orientation CRM des organisations constitue ainsi notre premier volet de recherche.

Plusieurs travaux de recherche ont été menés sur le lien entre une gestion des clients et la

performance organisationnelle mais tous les chercheurs s’accordent à dire combien ce lien est

difficile à établir tant les mesures des concepts sont nombreuses. Nous nous proposons donc

de nous intéresser au lien entre l’orientation CRM et la performance organisationnelle, à partir

de la catégorisation du CRM en trois dimensions, identifiées grâce à la revue de la littérature.

Le rôle primordial de la stratégie technologique dans une 

démarche CRM

Par ailleurs, nous n’occultons pas le rôle primordial de la stratégie technologique de

l’organisation dans une démarche CRM. Si la gestion de la relation client atteint aujourd’hui

cette dimension dans les organisations, c’est en grande partie grâce à la profonde évolution

des TIC et donc des SI qui ont dépassé le stade de superpositions d’applications hétérogènes

et misent davantage sur l’intégration des domaines fonctionnels, tels que le CRM.

Les informations contenues et exploitées dans les bases de données, datawarehouses ou les

datamarts, tels que les indicateurs de pilotage, sont fournies par le système d’information de

l’organisation. Néanmoins, le système d’information n’est pas la solution à une gestion de la

relation client efficace, il doit être juste là pour réaliser et faciliter les ambitions de

l’organisation en terme de CRM.

Girishankar (2000) a une approche holistique du CRM. Selon lui, il se place au cœur de

l’organisation avec des processus orientés clients et l’intégration d’outils CRM au sein du

système d’information existant. Meyer et Kolbe (2005) mettent également en avant

l’importance du système d’information dans une démarche orientée client. Ils ajoutent en effet

que le CRM inclut des aspects stratégiques, des processus orientés clients et des changements

organisationnels qui impliquent une intégration dans le système d’information existant.

Les travaux de Meyer et Kolbe (2005) se rapprochent de ceux entrepris par Chen et Popovitch

(2003) qui présentent un modèle d’implémentation d’un outil CRM autour de trois

dimensions : les individus, les processus et la technologie.

Dans le second chapitre de cette thèse, nous avons ainsi abordé le rôle des technologies de

l’information et leur management stratégique via les systèmes d’information. Considérées au

départ comme une simple dépense, les TIC sont devenues un élément stratégique pour

l’organisation.

Le modèle du succès des SI de Delone et McLean (1992, 

2002), une avancée dans la recherche en SI

L’évaluation des systèmes d’information a constitué une section importante de ce chapitre à

travers la présentation des différentes re-spécifications du modèle du succès des SI proposé

par DeLone et McLean (1992, 2002). Ce modèle a en effet beaucoup fait avancer la recherche

en systèmes d’information, notamment sur la notion de performance organisationnelle. Il a

aussi fait l’objet de nombreuses critiques, en particulier concernant la notion « d’usage des

SI », qui apparaît comme encore floue pour de nombreux auteurs tels que Seddon (1997).

Nous avons choisi d’aborder ces travaux dans la mesure où nos recherches sont liées à la

notion de performance organisationnelle et plus précisément à l’impact des systèmes

d’information sur la performance. Nous avançons toutefois qu’il paraît difficile d’évaluer un

système d’information si on l’exclut de son contexte organisationnel. Ainsi, nous avons par la

suite choisi de nous intéresser à la relation entre les technologies de l’information et la

stratégie globale de l’organisation.

Vers un modèle de l’alignement stratégique 

Pour cela, une présentation du modèle de l’alignement stratégique développé par Henderson

et Venkatraman (1993) a été proposée. Ce dernier s’inscrit dans la théorie de la contingence

(Weill et Olson, 1989) selon laquelle la performance organisationnelle est le résultat d’un

« fit » entre deux ou plusieurs variables telles que la stratégie et la technologie. Selon le

modèle d’Henderson et Venkatraman (1993), les choix stratégiques doivent être cohérents

selon quatre domaines : la stratégie d’affaires (stratégie globale de l’entreprise), l’organisation

(appelée également Structure Organisationnelle), la stratégie des technologies de

l’information (Stratégie TI) et les Systèmes d’information (Structure TI).

De nombreuses recherches, inscrites soit dans le courant de la prescription soit dans celui de

l’évaluation, ont utilisé cette approche pour étudier le lien entre TI et Stratégie. Les résultats

obtenus se sont avérés plutôt insatisfaisants pour certains auteurs (Ciborra, 1997). Ce modèle

a donc essuyé de nombreuses critiques notamment concernant ses modalités de mise en

œuvre. Reix (2006) a en effet souligné deux causes de difficultés : des causes inhérentes au SI

en lui-même et des causes intrinsèques au principe de cohérence. Nous considérons qu’à ce

jour le modèle de l’alignement stratégique figure parmi les modèles les plus complets de

cohérence entre les TI et la stratégie globale de l’organisation.

Toutefois, à notre connaissance, Amara et Kalika (2007) figurent parmi les premiers auteurs à

avoir utilisé le modèle de l’alignement stratégique entre l’orientation client et la stratégie

technologique pour mesurer l’impact sur la performance organisationnelle. Or, l’utilisation de

ce modèle s’impose lorsqu’il s’agit de mesurer l’effet d’une stratégie client dans la mesure où

les TI représentent un élément essentiel dans sa mise en œuvre. Rival (2005, p 75) considère

que « le recours au modèle de l’alignement stratégique est particulièrement justifié lorsque

les TI jouent un rôle crucial ».

Nous nous proposons donc d’élaborer un outil d’analyse permettant de mesurer la

contribution d’une démarche CRM à la performance organisationnelle via le modèle de

l’alignement stratégique. A notre sens, cet outil permettra aux professionnels, non seulement

de mieux définir leur démarche CRM mais également de mieux cerner la relation entre leur

stratégie orientée client et leur stratégie technologique.

Pour cela, le modèle de recherche proposé aura pour objectif de mesurer l’impact sur la

performance organisationnelle de l’alignement entre, d’une part, les trois domaines du CRM

définis dans notre revue de la littérature : CRM opérationnel, CRM analytique et CRM

stratégique et le déploiement technologique13. Ce modèle intégrera dix hypothèses de

recherche.

Nous allons à présent aborder dans une seconde partie la construction de notre modèle de

recherche via l’élaboration de notre modèle de mesure composé de trois construits :

l’orientation CRM, le déploiement technologique et la performance organisationnelle.

13 La notion de déploiement technologique sera explicitée dans le chapitre 3 de cette thèse, concernant l’élaboration de notre modèle de mesure.

Deuxième partie.

Proposition et test du modèle de 

l’alignement stratégique entre 

l’orientation CRM et le 

déploiement technologique 

Chapitre 3.

Proposition d’un modèle de recherche 

et élaboration du modèle de mesure

I. Posture épistémologique adoptée et méthodologie de 

recherche retenue

Avant de présenter notre modèle de recherche et les hypothèses associées, il convient

d’aborder la posture épistémologique adoptée au cours de nos travaux ainsi que la

méthodologie de recherche utilisée.

1. La posture épistémologique adoptée

1.1 Entre sensibilité et posture épistémologique

L’épistémologie est l’étude de la constitution des connaissances. La posture épistémologique

du chercheur en sciences de gestion demeure un élément important dans la conduite de ses

travaux. Selon Baumard (1997, p 1), « C’est sans aucun doute dans la période de thèse que le

jeune chercheur appréhende la dimension épistémologique de ses travaux et est amené à faire

des choix le conduisant progressivement à une position épistémologique plus ou moins

durable ».

Selon l’auteur, le positionnement épistémologique du chercheur se caractérise par une suite

d’ajustements et de retournements brutaux survenus au cours de la thèse (Figure 43).

La sensibilité épistémologique initiale dite « sensibilité épistémologique ex-ante » du

chercheur est ainsi influencée par son propre environnement (croyances, expériences,

psychologie individuelle). Cette sensibilité semble même être ignorée par le jeune chercheur

qui se soucie uniquement de formuler une problématique et de trouver une manière d’y

répondre.

Son processus de recherche est ensuite une « négociation » entre la littérature, son terrain, ses

outils méthodologiques. Le jeune chercheur va subir de nombreuses influences, notamment de

sa revue de la littérature, des difficultés rencontrées sur le terrain, de la propre posture

épistémologique et du style de direction de son directeur de recherche, et de la dynamique de

recherche de son laboratoire. Il va ainsi naviguer entre positionnement constructivisme, une

posture moins acceptée dans les sciences de gestion car s’appuyant sur des sciences dites

« molles », et positivisme, davantage reconnu dans la communauté scientifique des sciences

de gestion (Riveline, 1986). Selon l’auteur, un positionnement positiviste peut en effet

contribuer à une acception plus grande du projet de recherche via une démarche hypothético-

déductive.

Ces différentes influences vont enfin conduire le jeune chercheur à une position

épistémologique ex-post.

Figure 40. Emergence et détermination d'une sensibilité épistémologique

(Baumard, 1997)

1.2 Epistémologie en systèmes d’information

« La recherche en système d’information sera-t-elle toujours dominée par l’opposition entre

positivisme et anti-positivisme ? ». Telle est la question de départ posée par Monod (2002)

dans un travail de recherche sur l’épistémologie de la recherche en systèmes d’information.

L’auteur rappelle que le positivisme est parcouru par trois courants :

• l’empirisme, qui mesure les corrélations entre la performance de l’entreprise et les

technologies de l’information et utilise une démarche hypothético-déductive,

• le fonctionnalisme, qui identifie des fonctions et cherche à étudier de quelle manière

ces fonctions contribuent au système dans son ensemble,

• le rationalisme dans lequel « l’existence du SI est une réponse physique aux réalités du

marché, et notamment du positionnement concurrentiel ».

Selon Monod (2002), ces trois courants s’opposent à :

• l’interprétativisme,

• au structuralisme radical,

• et à la théorie sociale critique.

Pour Hirschheim, Klein et Lyytinen, (1995, p 13) et repris par Monod (2002), le système

d’information dans une perspective interprétativiste est un ensemble de relations sociales

« destiné à créer, échanger, et interpréter des significations ».

Dans une approche structuraliste radicale, le système d’information est plus qu’un moyen de

production, c’est un instrument de pouvoir. Enfin, la théorie sociale critique regroupe

différents courants : le fonctionnalisme, l’interprétativisme et le structuralisme radical

(Monod, 2002).

L’auteur aborde la notion de pluralisme méthodologique pour tenter de contrer ce conflit entre

positivisme et anti-positivisme. Il donne l’exemple de la définition du système d’information

donnée par Reix (2002), qui présente le SI comme « un mode opératoire lié à des

technologies, des représentations mémorisées d’une communauté et un ensemble d’acteurs

sociaux utilisant ces technologies dans les conflits organisationnels ». Selon Monod (2002),

cette définition est pluraliste dans la mesure où la notion de « mode opératoire » revêt un

caractère positiviste tandis que celle de « représentation » s’inscrit davantage dans une

démarche interprétativiste.

Le travail de recherche de l’auteur sur l’épistémologie en systèmes d’information ne fait

qu’accentuer l’idée qu’il est de plus en plus difficile pour le chercheur de détenir une position

épistémologique claire et définie.

1.3 Le choix d’une démarche positiviste

Malgré la difficulté d’avoir une position épistémologique claire, nous pouvons tout de même

avancer qu’une démarche principalement positiviste a été adoptée dans le cadre de nos

travaux. Nous avons en effet choisi d’étudier la contribution à la performance

organisationnelle d’une réalité dite objective. Une démarche expérimentale, relevant du

courant de l’empirisme, a ainsi été utilisée pour étudier l’alignement entre l’orientation CRM

de l’organisation et sa stratégie technologique.

2. La démarche scientifique de la recherche

Notre démarche de recherche s’est ainsi divisée en trois étapes (Figure 44) telles que

préconisées par Quivy et Van Campenhoudt (1995) :

• la rupture,

• la construction,

• la constatation.

Dans l’étape de « rupture », nous avons abordé notre question de départ, à savoir « Dans

quelle mesure la démarche CRM d’une organisation pouvait avoir un impact sur la

performance de l’organisation ? ». Une revue de littérature nous a permis de déterminer le

rôle crucial de la technologique dans une démarche de gestion de la relation client, partant

ainsi du principe que la stratégie TIC et les systèmes d’information ne pouvaient être

dissociés du concept du CRM. De fait, l’utilisation du modèle de l’alignement stratégique

nous est apparue comme indispensable pour définir notre problématique.

Dans l’étape de « construction », nous avons précisé notre problématique et proposé un

modèle de recherche autour de trois concepts : l’orientation CRM, la stratégie technologique

et la performance organisationnelle. La formulation d’hypothèses nous a ensuite permis

d’établir des relations entre chacun des concepts. Nous avons par la suite élaboré nos

différents instruments de mesure des trois concepts.

Enfin, dans l’étape de « constatation », les données recueillies ont été analysées dans le but

d’obtenir des résultats et de pouvoir en tirer des conclusions.

Figure 41. Les étapes de la démarche scientifique 

(adapté de Quivy et Van Campenhoudt, 1995)

3. La méthodologie retenue et la chronologie de la recherche

3.1 Une analyse quantitative

Dans cette recherche, nous avons opté pour une démarche quantitative pour valider notre

modèle structurel à travers l’administration d’un questionnaire. Nous justifions ce choix par

notre revue de la littérature qui a montré que les études quantitatives sont bien plus

nombreuses que les études qualitatives dans les travaux de recherche concernant l’alignement

stratégique. En outre, un des objectifs de notre recherche est de proposer une échelle de

mesure de l’orientation CRM destinée aux marketers.

Dans un premier temps, comme nous l’avons précisé auparavant, nous avons élaboré notre

modèle de mesure14 décomposé en trois construits distincts : l’orientation CRM, les systèmes

d’information / stratégie TIC et la performance organisationnelle. Ces instruments de mesure

ont ensuite été purifiés dans une phase exploratoire puis leur fiabilité et leur validité ont fait

l’objet de tests dans une phase confirmatoire. Une étape indispensable pour valider par la suite

le modèle structurel et les hypothèses de recherche.

3.2 La chronologie de la recherche

Notre travail de recherche s’est étalé sur six années (Figure 45). Il a débuté en 2003 avec

notre participation au projet CRM / BI, qui nous a permis d’appréhender le concept de

Customer Relationship Management sur le terrain et ainsi de construire nos travaux de

recherche sur ce sujet. Ensuite, notre processus de recherche s’est étalé jusqu’en 2009 et a

comporté six activités majeures : la revue de la littérature, la formulation de la problématique

et la proposition du modèle de recherche, la construction du questionnaire, l’administration de

ce dernier et enfin, l’analyse et la synthèse des résultats.

14 L’élaboration de notre modèle de mesure sera explicitée dans la section 3

Figure 42. Chronologie de la recherche

II. Proposition d’un modèle de recherche

1. La construction du modèle de recherche

La construction de notre modèle de recherche s’est décomposée en trois étapes :

• L’application du modèle de l’alignement stratégique à notre recherche,

• Le choix d’une perspective d’alignement,

• L’élaboration de notre modèle de recherche.

1.1 1ère étape : Application du modèle de l’alignement

stratégique

La première étape de construction du modèle de recherche consiste à appliquer le modèle de

l’alignement stratégique d’Henderson et Venkatraman (1993) (Figure 46) à nos concepts de

recherche : l’orientation CRM et la stratégie technologique.

Figure 43. Modèle de l'alignement stratégique 

(adapté d’Henderson et Venkatraman, 1993)

L’orientation CRM s’inscrit parfaitement dans ce modèle de l’alignement stratégique dans la

mesure où elle fait partie intégrante de la stratégie de l’organisation. Le choix de se

positionner sur un type de CRM (opérationnel, analytique ou stratégique) revêt en effet un

caractère stratégique pour l’organisation. La mise en œuvre et les modalités d’application de

cette orientation CRM trouvent leur place dans la dimension « structure organisationnelle »

du modèle de l’alignement stratégique.

Nous appellerons ainsi « Orientation CRM » la stratégie CRM et la structure CRM.

La stratégie technologique représente quant à elle tous les choix stratégiques en matière de

technologies de l’information pouvant aider l’organisation à détenir un avantage

concurrentiel. Elle comprend également toutes les applications déjà existantes dans le système

d’information de l’organisation comme supports à cette stratégie. Le concept de

« déploiement technologique », développé par Das et al. (1991) puis adapté par Croteau et

al. (2002), que nous utiliserons par la suite, nous permettra d’aborder ces deux dimensions.

Nous appellerons ainsi « Déploiement technologique » la stratégie TI et les systèmes

d’information.

Nous proposons donc un modèle de l’alignement stratégique adapté au concept de gestion de

la relation client (Figure 47).

Figure 44. Construction du modèle de recherche : 

application de l’alignement stratégique au CRM

Ce modèle suppose un accord stratégique entre la stratégie CRM et la structure CRM d’une

part et entre la stratégie TI et les systèmes d’information d’autre part. Ainsi, le choix d’un

positionnement quant à la manière de gérer ses clients doit être cohérent avec la structure de

l’organisation (liée aux clients) en elle-même. La même cohérence est recommandée pour les

technologies de l’information et les systèmes d’information.

En outre, une intégration fonctionnelle et des choix compatibles doivent être opérés entre la

stratégie CRM et la stratégie TI d’un côté et de l’autre entre la structure CRM et les SI.

1.2 2ème étape : Choix d’une perspective d’alignement

a) Importance du cadre conceptuel

Selon Venkatraman (1989), il est indispensable de bien choisir sa perspective d’alignement en

lien avec le cadre conceptuel, puisque selon l’approche retenue, les résultats peuvent s’avérer

très différents.

Comme nous l’avons précisé dans le second chapitre de cette thèse, l’auteur a en effet

déterminé six perspectives d’alignement :

• la médiation,

• la modération,

• le matching ou couplage,

• la déviation de profils,

• les gesalts

• la co-variation.

Le choix d’une perspective d’alignement doit donc être critiqué (Amara et Kalika, 2007).

b) La co-variation comme perspective de l’alignement

Nous avons choisi l’approche de la co-variation, telle que définie par Venkatraman (1989)

pour étudier l’alignement stratégique entre l’orientation CRM et le déploiement

technologique. Elle semble en effet être la plus appropriée à notre recherche. Ces deux

variables indépendantes seront ainsi analysées de façon simultanée. Aucune d’entre elles ne

précédera l’autre dans l’analyse ni n’aura un effet modérateur.

1.3 3ème étape : Elaboration du modèle de recherche

a) Un modèle de recherche hybride

Notre modèle de recherche, à l’instar de nombreux modèles de l’alignement stratégique, est

un modèle hybride comprenant d’une part une dimension « stratégique » et une dimension

« technologique ».

Nos travaux de recherche se placent dans une approche contingente dans la mesure où nous

considérons la performance comme variable dépendante ou expliquée pour mesurer

l’alignement entre variables indépendantes ou explicatives (orientation CRM et déploiement

technologique).

b) Un modèle de co-alignement entre l’orientation CRM et le

déploiement technologique

L’objectif principal de ce modèle de recherche (Figure 48) est de déterminer dans quels cas

l’orientation CRM et le déploiement technologique sont suffisamment co-alignés pour

augmenter de manière significative la performance organisationnelle.

Toutefois, nous rajoutons une relation directe entre l’orientation CRM et la performance

organisationnelle, cette variable pouvant a priori expliquer la performance organisationnelle

de manière indépendante. Nous choisissons également de rajouter une relation directe entre

les variables explicatives, pensant a priori qu’il existe un profil de déploiement technologique

pour chaque orientation CRM.

Enfin, deux variables modératrices ont été ajoutées dans ce modèle. Nous pensons en effet

que la taille de l’organisation et la durée d’exploitation de l’outil CRM peuvent avoir un effet

modérateur sur le lien entre d’une part le co-alignement entre l’orientation CRM et le

déploiement technologique et d’autre part la performance organisationnelle.

Figure 45. Proposition d’un modèle de recherche du co­alignement entre l’orientation 

CRM et le déploiement technologique et son impact sur la performance 

organisationnelle

2. Formulation des hypothèses de recherche

Nous avons formulé trois types d’hypothèses :

• Des hypothèses relatives au modèle de mesure (construits de l’orientation CRM et du

déploiement technologique),

• Des hypothèses relatives au modèle structurel (modèle intégrant la variable latente

« co-alignement »),

• Des hypothèses relatives aux variables modératrices.

2.1 Hypothèses relatives au modèle de mesure

2.2 Hypothèses relatives au modèle structurel

2.3 Hypothèses relatives aux variables modératrices

Avant d’aborder l’élaboration de notre modèle de mesure, nous avons présenté en Figure 49

notre modèle de recherche ainsi que les hypothèses associées.

Figure 46. Le modèle de recherche de l’impact du co­alignement entre l’orientation 

CRM et le déploiement technologique sur la performance organisationnelle et les 

hypothèses associées

III. Elaboration du modèle de mesure

1. La traduction de notre modèle de recherche via un questionnaire

1.1 Le paradigme de Churchill (1979)

Pour traduire notre modèle de recherche et construire notre instrument de mesure, nous avons

choisi de nous appuyer sur les travaux de Churchill (1979).

a) La construction d’échelles multiples ou multi-items

L’objectif d’une échelle de mesure est la mesure parfaite du concept. Or, il s’avère difficile de

mesurer un concept de manière parfaite lorsque celui-ci dépend de perceptions subjectives.

Nous avons donc choisi d’appliquer une démarche fondée sur les travaux de Churchill (1979),

qui visent à construire avec rigueur des instruments de mesure via le développement

d’échelles multiples ou multi-items15. Selon l’auteur, il est impossible de mesurer un concept

à l’aide d’un seul item.

Les échelles multi-items présentent de nombreux avantages (Igalens et Roussel, 1998) :

• Etudier la « dimensionnalité » d’un concept,

• Augmenter la validité de contenu,

• Cerner les erreurs de mesure grâce à la possibilité d’analyser les relations entre les

construits et leurs indicateurs,

• Indiquer pour chaque construit la fiabilité et la validité convergente grâce à des

indicateurs de cohérence interne,

• Etablir la validité discriminante entre les construits.

Rossiter (2002) a notamment fait évoluer le paradigme de Churchill, en proposant une

démarche alternative de création d’échelles, baptisée méthode C-OAR-SE. L’auteur met en

évidence la question de la dimensionnalité d’un construit et souligne que cet aspect est

problématique dans la démarche de Churchill. Cette dernière part en effet du principe, que le

chercheur n’a que des intuitions concernant le nombre de dimensions qui doivent

théoriquement représenter le concept. Les données recueillies permettent ensuite de fixer la

dimensionnalité du construit.

Rossiter (2002) propose, quant à lui, de fixer le nombre de dimensions avant la phase de

validation, qui confirmera ou non l’hypothèse du chercheur.

b) Simplicité des règles de construction d’échelles de mesure

Nous avons choisi d’appliquer le paradigme de Churchill, préférant nous baser sur nos

intuitions établies dans la première partie de cette thèse. En outre, un consensus porte sur le

fait que cette démarche fournit des règles simples pour la création d’échelles de mesure

fiables.

La démarche de Churchill (Figure 50) se décompose en deux étapes :

15 Plusieurs énoncés mesurent un même indicateur

• Une étape exploratoire, qui tend à réduire l’erreur aléatoire, liée à l’exposition de

l’instrument aux aléas tels que définis par Evrard et al. (1993) soit :

− les effets de halo : si plusieurs questions sont posées dans le même

sens (formulation positive ou négative), la personne interrogée aura

tendance à répondre toujours de la même manière. Il est conseillé de

changer le sens des questions.

− l’effet de contamination : il est relatif à l’influence directe d’une

question sur les questions suivantes.

• Une étape confirmatoire, qui vise à réduire non seulement l’erreur aléatoire mais

également l’erreur systématique, liée à une mauvaise conception de l’instrument de

mesure.

Figure 47. Paradigme de Churchill (1979)

1.2 Le choix des variables

Notre modèle de recherche comprend trois construits : l’orientation CRM, le déploiement

technologique et la performance organisationnelle. L’opérationnalisation de ces construits

provient de variables issues de notre revue de la littérature en marketing, en systèmes

d’information et technologies de l’information et de la communication, et en management

stratégique.

Les échelles utilisées pour mesurer ces variables proviennent soit d’échelles existantes soit de

l’adaptation d’échelles existantes. La création d’échelles nouvelles présente en effet un risque

majeur en termes de fiabilité et de validité de l’instrument créé. En outre, la génération des

items s’avère particulièrement difficile puisqu’elle nécessite plusieurs corrections.

Toutefois, Thiétart et al. (1999) note que l’utilisation d’échelles préexistantes peut fournir un

instrument de mesure non adapté au cadre conceptuel, étant donné que la validité des échelles

dépend beaucoup du contexte de la recherche.

Malgré cette recommandation de l’auteur, nous avons fait le choix d’utiliser des échelles

préexistantes pour mesurer nos différentes variables. Seule l’échelle de l’orientation CRM,

que nous aborderons davantage dans la suite de cette thèse, proviendra de l’adaptation d’une

échelle nouvelle créée sur le sujet mais non encore réutilisée dans d’autres travaux de

recherche.

2. L’identification des variables

Dans la démarche proposée par Churchill (1979), l’identification des variables se situe dans la

partie exploratoire qui vise, après avoir spécifié le construit, à générer un échantillon d’items.

La formulation des items s’avère possible une fois que les variables ont été clairement

identifiées. Notre revue de la littérature ainsi que notre expérience sur le terrain du Customer

Relationship Management lors du projet CRM / BI nous a permis d’identifier un certain

nombre de thèmes associés à chacune des trois dimensions de notre modèle de recherche :

• Sujet 1 : Orientation CRM,

• Sujet 2 : Déploiement technologique,

• Sujet 3 : Performance organisationnelle.

Notre démarche a consisté en l’élaboration de tableaux listant les thèmes ainsi que les sous-

thèmes identifiés.

2.1 Sujet 1 : l’orientation CRM

a) Dimensions de l’orientation CRM

Comme nous l’avons justifié dans la première partie de cette thèse, nous ne conserverons dans

la suite de nos travaux que trois catégories du CRM identifiées dans la revue de la littérature

et appréhendées lors de notre collaboration au sein du projet CRM / BI.

Les trois catégories retenues sont :

• Le CRM stratégique, qui place la gestion de la relation client au cœur de la stratégie

globale de l’organisation,

• Le CRM analytique, qui utilise les données recueillies par le CRM opérationnel pour

effectuer une analyse poussée de ces données en vue de piloter l’activité (aide à la

décision, prévisions, création de profil de clients),

• Le CRM opérationnel, qui s’attache à gérer au jour le jour la relation avec les clients et

à automatiser au maximum cette relation.

b) Thèmes et sous-thèmes liés à l’orientation CRM

Nous avons choisi de recenser dans un tableau (Tableau 20), les thèmes et sous-thèmes

portant sur l’orientation CRM identifiés dans notre revue de la littérature et ceux abordés sur

le terrain.

Tableau 20. Thèmes et sous­thèmes de l’orientation CRM 

identifiés dans la revue de la littérature

L’orientation CRM

Thèmes Sous-thèmes

CRM stratégique

- Avoir un avantage concurrentiel grâce au CRM- Meilleure compréhension des besoins et des attentes des clients- Mesure de la satisfaction des clients - Mesure de la fidélité des clients- Rétention des clients à forte valeur ajoutée- Création d’une culture d’entreprise centrée sur le client- Mutualisation des bénéfices entre les clients et l’entreprise- Implication de tous les salariés dans la satisfaction du client

L’orientation CRM

CRM opérationnel

- Réponse aux attentes des clients- Choix du meilleur canal de contact avec le client- Echanges personnalisés avec les clients- Amélioration des échanges entre les clients et les partenaires de l’entreprise- Transmission des connaissances sur les clients à toute l’entreprise- Automatisation des processus marketing- Amélioration de la productivité de la force de vente

- Campagnes marketing efficaces- Automatisation des processus de vente

CRM analytique

- Utilisation de techniques et d’outils analytiques- Analyses en temps réel sur les données clients- Création d’une base de données- Analyses sur tous les points de contact avec le client- Amélioration des prévisions de vente- Identification des clients à forte valeur ajoutée- Construction de profils clients

2.2 Sujet 1 : Le déploiement technologique

a) Dimensions du modèle du déploiement technologique

Das et al. (1991) ont été parmi les premiers à définir le concept de déploiement technologique,

qui allie systèmes d’information et stratégie TIC. Selon les auteurs, les entreprises auraient un

déploiement technologique différent selon leurs activités stratégiques principales :

prospection, analyse, défense et réaction (typologie proposée par Miles et Snow, 1978).

Adapté des travaux de Das et al (1991), Croteau et al. (2000), ont présenté un modèle de

déploiement technologique selon six dimensions :

• l’architecture technologique,

• l’impact stratégique du département des systèmes d’information,

• la veille technologique,

• la source de développement des systèmes d’informations,

• l’évaluation des systèmes d’information,

• le style de gestion des équipes.

L’architecture technologique

Il s’agit ainsi de déterminer le niveau de centralisation de l’architecture technologique des

organisations (centralisée, décentralisée, distribuée, etc.). Cette dimension permet ainsi

d’évaluer « la présence d’une architecture ouverte, flexible et efficace, qui permet à

l’entreprise de mieux utiliser ces ressources informatiques et qui facilite l’intégration et le

partage des données » (Croteau et al, 2000, p 5).

Selon Das et al. (1991) et Tavakolian (1989), une architecture décentralisée est davantage

observée dans des organisations ayant majoritairement une activité de prospection tandis que

celles optant pour une stratégie de défense, privilégient une architecture centralisée. Dans ce

contexte, les organisations préfèrent en effet protéger et contrôler leurs informations.

L’impact stratégique des systèmes d’information

Cette dimension détermine le rôle actif ou non du département SI dans la croissance de

l’entreprise, dans les prises de décisions. Le département SI joue un rôle très actif dans les

organisations qui favorisent les activités de prospection, alors qu’il restera beaucoup plus en

retrait dans une organisation dont la stratégie est axée sur la défense (Das et al, 1991). Il est

ainsi moins consulté dans le processus de prise de décisions de l’organisation.

Bergeron et Raymond (1995) ont identifié différents indicateurs de mesure de l’impact

stratégique du département des SI :

• Importance accordée à la planification stratégique des SI,

• Qualité de l’alignement des SI avec la structure de l’organisation,

• l’efficacité du développement de logiciels,

• l’efficacité de la gestion des réseaux de communication.

La veille technologique

La veille technologique permet d’évaluer si le personnel du département SI met à jour ses

connaissances sur les innovations en matière de technologies de l’information.

La surveillance de l’environnement a émergé au début des années 70 et ce n’est qu’au milieu

des années 80 que l’aspect technologique a été abordé. Le terme de « veille » s’est ensuite peu

un peu imposé dans la littérature, accolé à différents mots comme « concurrentielle »,

« commerciale » ou « technologique ». L’expression « veille technologique » est même

souvent utilisée pour définir tout type de surveillance de l’environnement (Bourcier-

Desjardins et al., 1990). Caron-Fasan et Lesca (2001) estiment que la seule veille

technologique ne peut suffire pour connaître l’ensemble de l’environnement d’une

organisation. L’étude de la clientèle, des fournisseurs, de la concurrence est également

primordiale d’où la notion de veille stratégique incluant tous ces aspects. Sutcliffe (1994)

considère que la veille technologique permet l’acquisition d’informations pertinentes pour

l’entreprise à un moment donné. Des informations pertinentes qui sont alors assimilées à la

notion d’information stratégique reprise par de nombreux auteurs à l’instar de Lesca (1986).

Source de développement des systèmes d’information

Il s’agit ici d’identifier par quel biais les entreprises acquièrent des technologies de

l’information (sources externes ou développement en interne). Les organisations dirigées vers

la prospection ont davantage recours à des sources externes pour leurs besoins en information.

Celles favorisant les activités de défense privilégient, quant à elles, les développements en

interne. Seules les organisations favorisant les activités d’analyse optent à la fois pour des

sources internes et externes (Das et al. 1991).

Evaluation / Productivité des systèmes d’information

Comme nous l’avons précisé précédemment, l’évaluation des systèmes d’information est un sujet qui a fait l’objet de nombreux débats et suscité de nombreuses critiques. Il s’agit ici, au sens de Croteau et al. (2001) de déterminer le niveau de productivité des systèmes d’information.

Le style de gestion des équipes des systèmes d’information

Cette dimension s’attache à définir si le style de gestion est plutôt autoritaire, participatif ou

mixte dans les équipes de projets informatiques. Le style de gestion des équipes de projets

informatiques peut s’avérer très différent d’une organisation à l’autre. Dans celles qui

favorisent une activité de prospection, une plus grande importance sera accordée à la

flexibilité du travail, à la reconnaissance des besoins individuels donnant lieu à une gestion

plus participative. En revanche, la communication sera beaucoup plus formelle dans des

organisations privilégiant les activités de défense (Das et al. 1991).

b) Thèmes et sous-thèmes liés au déploiement technologique

A la suite de ce rapprochement entre les dimensions du modèle de l’alignement stratégique

concernant la stratégie et la structure TI et celles du modèle de déploiement technologique,

nous avons listé les thèmes et sous-thèmes abordés dans le concept déploiement

technologique (Tableau 21) tel que développé par Das et al. (1991) et repris par Croteau et al.

(2001).

Tableau 21. Thèmes et sous­thèmes du déploiement technologique identifiés

Le déploiement technologique

Thèmes Sous-thèmes

Impact stratégique du département SI

- Contribution du département SI à la croissance- Avantage concurrentiel fourni par les applications développées- Rôle du département SI dans les prises de décisions- Réduction des coûts opérationnels

Evaluation des SI - Mesure de la productivité des SI

Architecture technologique

- Architecture ouverte- Utilisation efficace des ressources informationnelles- Infrastructure TI efficace

Veille technologique

- Maintien des compétences du personnel SI- Formation du personnel SI

Source de développement des

SI

- Développement des SI en interne- Recours à du personnel extérieur à l’entreprise pour le développement des SI

Niveau de centralisation

- Déploiement des SI selon une structure centralisée / décentralisée

Style de gestion des équipes SI

- Type de fonctionnement au sein des équipes du département SI

2.3 Sujet 3 : La performance organisationnelle

Dans le premier chapitre de cette thèse, nous avons abordé la difficulté d’établir un lien entre

une stratégie orientée client et la performance de l’organisation. Certains auteurs montraient

un lien entre l’orientation client et la croissance des ventes, le retour sur investissements

(Appiah-Adu et Singh, 1998), les nouveaux produits (Lukas et Ferrell, 2000) ou la

performance de l’innovation (Deshpande, Farley et Webster, 1993). Les travaux d’auteurs tels

que Balakrishnan (1996) ou Noble, Sinha et Kumar (2002) n’ont néanmoins trouvé aucun

impact significatif de l’orientation client sur la performance organisationnelle. Il convient

toutefois de souligner qu’il existe presque autant de mesures de la performance qu’il existe

d’études sur le sujet.

En revanche, les études sur l’alignement stratégique (Croteau et al., 2000 ; Croteau et

Bergeron, 2001), utilisent davantage la notion de performance commerciale (croissances des

ventes notamment) et la notion de performance financière (retour sur investissement, marge

bénéficiaire brute).

Nous avons donc listé les thèmes et sous-thèmes liés à la performance organisationnelle

(Tableau 22) recensés dans les différents travaux sur le sujet.

Tableau 22. Thèmes et sous­thèmes de la performance organisationnelle identifiés

La performance organisationnelle

Thèmes Sous-thèmes

Performance commerciale

- Croissance des ventes- Croissance des parts de marché- Performance de l’innovation- Succès des nouveaux produits

Performance financière

- Retour sur investissement- Satisfaction du profil- Marge bénéficiaire brute- Liquidité financière- Revenu net

3. L’élaboration des échelles de mesure

L’étape suivant l’identification des variables consiste à formuler des items servant à mesurer

les variables retenues pour les trois construits constituant notre modèle de recherche. Ces

items proviennent soit d’échelles de mesure existantes soit de créations nouvelles. Comme

nous l’avons précisé précédemment, nous avons fait le choix d’utiliser des échelles de mesure

existantes et testées de nombreuses fois pour le déploiement technologique et la performance

organisationnelle et une ébauche d’échelle de mesure pour l’orientation CRM.

Dans un souci de clarté pour le répondant, il convient de souligner que le terme « entreprise »

est utilisé dans les items au lieu du terme « organisation ».

3.1 Le construit « Orientation CRM »

a) SOA CRM : l’échelle de l’orientation CRM de Iriana et

Buttle (2006)

A notre connaissance, peu d’auteurs ont élaboré une échelle de mesure de l’orientation CRM,

celle d’Iriana et Buttle (2006), appelée « SOA CRM », reprend en grande partie les thèmes et

sous-thèmes recensés dans la section précédente de cette thèse.

Cette échelle comportait initialement 31 items répartis selon les trois variables que nous avons

identifiées dans notre revue de la littérature :

• le CRM stratégique (10 items),

• le CRM opérationnel (10 items),

• le CRM analytique (11 items).

A partir de ces items, les auteurs ont élaboré un questionnaire qu’ils ont distribué à 115

étudiants d’un MBA16, participant à un cours portant sur le Customer Relationship

Management. La moyenne d’âge des répondants s’élevait à 32 ans et ces derniers possédaient

en moyenne 9 ans d’expérience professionnelle. 48 questionnaires se sont révélés

exploitables. Une analyse factorielle exploratoire, dont les différentes étapes seront largement

détaillées dans le chapitre 4 de cette thèse, a été réalisée dans le but de purifier cette échelle de

mesure. Cette analyse a conduit à la suppression de 14 items.

Une deuxième collecte de données a ensuite été réalisée à partir de cet instrument de mesure

réduit à 17 items. Un nouveau questionnaire a ainsi été envoyé par courrier auprès de 1 449

organisations publiques et privées en Australie, positionnées dans 11 industries différentes.

Après relances, 134 questionnaires ont été retournés dont 101 se sont révélés exploitables.

Une analyse factorielle confirmatoire, dont les différentes étapes seront également largement

détaillées dans le chapitre 4 de cette thèse, a ensuite été effectuée, conduisant à la suppression

16 Master of Business Administration à l’Université de Macquarie, Sydney, Australie.

de quatre nouveaux items. La fiabilité et la validité de cette échelle de mesure de l’orientation

CRM, finalement constituée de 13 items, se sont avérées satisfaisantes.

Néanmoins, l’analyse confirmatoire de cette échelle a été relativement succincte, ne

présentant que certains indices d’ajustement, de fiabilité et de validité. De fait, nous avons

choisi de réutiliser cette recherche, très intéressante dans l’approche multidimensionnelle du

concept, sur un autre échantillon, composé d’entreprises françaises. L’échelle initiale à 31

items a été retenue plutôt que l’échelle réduite à 13 items, afin d’effectuer notre propre

analyse exploratoire et confirmatoire.

L’étape suivante a consisté à traduire les 31 items de l’échelle SOA CRM, répartis en trois

variables.

b) La variable « CRM Stratégique »

La première variable « CRM stratégique » est mesurée à l’aide de 10 items :

• Un des principaux objectifs de notre démarche CRM est d'augmenter le chiffre

d’affaires de nos clients (CRMS01),

• Un des principaux objectifs de notre démarche CRM est d'améliorer la

compréhension des besoins et des attentes de nos clients (CRMS02),

• Un des principaux objectifs de notre démarche CRM est de mesurer les niveaux de

satisfaction et de fidélité de nos clients (CRMS03),

• Le CRM permet d'avoir un avantage concurrentiel (CRMS04),

• La démarche CRM de notre entreprise a pour but d'acquérir et de conserver des

clients à haute valeur ajoutée (CRMS05),

• Notre stratégie CRM apporte des bénéfices communs pour les clients et l'entreprise

(CRMS06),

• Notre entreprise adopte une démarche CRM dans le but de créer une culture

d'entreprise centrée sur le client (CRMS07),

• Notre entreprise adopte une démarche CRM pour garantir que tous les employés sont

impliqués dans la satisfaction de nos clients (CRMS08),

• Notre entreprise adopte une démarche CRM pour se focaliser davantage sur nos

clients que sur nos concurrents (CRMS09),

• Notre entreprise adopte une démarche CRM pour trouver d'autres moyens

d’augmenter la valeur de nos clients (CRMS10).

c) La variable « CRM Opérationnel »

La deuxième variable « CRM Opérationnel » est mesurée à l’aide de 10 items :

• Un des principaux objectifs de notre démarche CRM est de nous permettre d'adapter

notre offre aux attentes de nos clients (CRMOP01),

• Un des principaux objectifs de notre démarche CRM est de nous permettre de choisir

le meilleur canal de contact pour interagir avec nos clients (CRMOP02),

• Un des principaux objectifs de notre démarche CRM est d'aider les personnes en

charge du marketing à réaliser des campagnes plus efficaces et pertinentes

(CRMOP03),

• Un des principaux objectifs de notre démarche CRM est d'aider les personnes en

charge des ventes à réaliser des échanges plus personnalisés avec nos clients

(CRMOP04),

• Un des principaux objectifs de notre démarche CRM est d'améliorer nos relations

avec nos clients et nos autres partenaires (CRMOP05),

• Un des principaux objectifs de notre démarche CRM est d'améliorer la productivité

des équipes de vente (CRMOP06),

• Un des principaux objectifs de notre démarche CRM est de réduire le coût de nos

opérations relatives à nos clients (CRMOP07),

• Un des principaux objectifs de notre démarche CRM est d'apporter des connaissances

sur nos clients à tous les niveaux de l'entreprise (CRMOP08),

• Un des principaux objectifs de notre démarche CRM est d'automatiser les processus

marketing pour les rendre plus efficaces (CRMOP09),

• Un des principaux objectifs de notre démarche CRM est d'automatiser les processus

de vente pour les rendre plus efficaces (CRMOP10).

d) La variable « CRM Analytique »

La troisième variable « CRM Analytique » est mesurée à l’aide de 11 items :

• Un des principaux objectifs de notre démarche CRM est de créer une base de données

étendue sur les clients (CRMA01),

• Un des principaux objectifs de notre démarche CRM est de fournir aux acteurs de

l'entreprise des données sur les clients en temps réel (CRMA02),

• Un des principaux objectifs de notre démarche CRM est de fournir des données au

personnel en contact direct avec les clients pour qu'ils puissent les satisfaire au mieux

(CRMA03),

• Un des principaux objectifs de notre démarche CRM est de réaliser des analyses sur

les données client (CRMA04),

• Un des principaux objectifs de notre démarche CRM est de s'assurer que les analyses

effectuées sur les données clients incluent tous les points de contacts avec les clients

(CRMA05),

• Un des principaux objectifs de notre démarche CRM est d'améliorer notre capacité à

effectuer des analyses en temps réel sur les données clients lorsque nous interagissons

avec eux (CRMA06),

• Un des principaux objectifs de notre démarche CRM est d'améliorer nos capacités de

prévisions (CRMA07),

• Une grande partie de notre démarche CRM est consacrée à l'utilisation d'outils

analytiques pour exploiter les données sur les clients (CRMA08),

• Notre entreprise adopte une démarche CRM pour nous permettre d'obtenir un

avantage concurrentiel sur les données clients (CRMA09),

• Notre entreprise adopte une démarche CRM pour nous aider à identifier les clients à

forte valeur ajoutée (CRMA10),

• Notre entreprise exploite les données sur les clients pour construire des profils de

clients, utilisés pour améliorer la cohérence de l'expérience sur le client (CRMA11).

3.2 Le construit « Déploiement technologique »

a) L’échelle de déploiement technologique de Croteau et al.

(2000)

Croteau et al. (2000, p 5) définissent le déploiement technologique comme « étant l’ensemble

des actions mises en œuvre au niveau technologique par les organisations ». Comme nous

l’avons développé dans la section 3 de ce chapitre, les auteurs ont présenté un modèle de

déploiement technologique, adapté des travaux de Das et al. (1991), organisé autour de six

dimensions :

• l’architecture technologique (degré d’ouverture de l’architecture technologique des

organisations),

• l’impact stratégique du département des systèmes d’information (rôle actif ou non du

département des SI, niveau de développement d’applications),

• la veille technologique (connaissances acquises par le département SI),

• la source de développement des systèmes d’information (développement

d’applications en interne ou en externe),

• l’évaluation des systèmes d’information (productivité, efficacité),

• le style de gestion des équipes (fonctionnement autoritaire, participatif, mixte, au sein

des équipes des projets informatiques).

Croteau et al. (2000) ont opérationnalisé le déploiement technologique via une échelle de 24

items élaborée à partir des instruments de mesure de Das et al. (1991) et Bergeron et

Raymond (1995). Les auteurs ont notamment rajouté la variable « Niveau de centralisation »

et ont eux-mêmes développé le construit de la variable « veille technologique ». L’échelle de

mesure du déploiement technologique a été testée et réutilisée de nombreuses fois par les

auteurs (Croteau et Bergeron, 2001). Nous avons donc choisi d’utiliser cette échelle de

mesure de 24 items, répartis selon sept variables, dans son intégralité.

b) La variable « Impact stratégique du département SI »

La variable « Impact stratégique du département SI » est mesurée à l’aide de six items :

• Le département des SI a un impact stratégique au sein de notre entreprise (ISDSI01),

• Le département des SI contribue à la croissance de notre entreprise (ISDSI02),

• Le personnel du département SI développe des applications qui permettent à notre

entreprise de se différencier de ses concurrents (ISDSI03),

• Les SI sont utilisés comme source d’avantage concurrentiel par notre entreprise

(ISDSI04),

• Le personnel du département SI participe aux réunions concernant l’ensemble de

notre entreprise (comité directeur, etc.) (ISDSI05),

• Le personnel du département SI développe des applications qui réduisent les coûts

d’opération de notre entreprise (ISDSI06).

c) La variable « Evaluation des SI »

La variable « Evaluation des SI » est mesurée à l’aide de deux items :

• La productivité des systèmes d’information est mesurée (ESI01),

• L’efficacité des systèmes d’information est mesurée (ESI02).

d) La variable « Architecture technologique »

La variable « Architecture technologique » est mesurée à l’aide de six items :

• Le département SI intègre les SI selon une architecture ouverte (AT01),

• Le département SI conçoit et implante une architecture de données qui guide le

développement des applications (AT02),

• Le département SI contribue à l’utilisation efficace des ressources informationnelles

de notre entreprise (AT03),

• Le département SI favorise l’implantation d’une infrastructure de télécommunications

flexible et efficace (AT04),

• L’infrastructure des technologies de l’information répond aux besoins de notre

entreprise (AT05),

• Le département SI améliore la sécurité et le contrôle de l’information (AT06).

e) La variable « Veille technologique »

La variable « Veille technologique » est mesurée à l’aide de quatre items :

• Le personnel du département SI acquiert continuellement de nouvelles connaissances

sur les technologies et les applications informatiques (VT01),

• Le personnel du département SI lit régulièrement des journaux et des revues

spécialisés sur les technologies de l’information (VT02),

• Le personnel du département SI participe aux associations professionnelles

d’informaticiens (VT03),

• L’apprentissage des façons d’intégrer les nouvelles technologies de l’information est

continuellement encouragé par notre entreprise (VT04).

f) La variable « Source de développement des SI »

La variable « Source de développement des SI » est mesurée à l’aide de trois items :

• Les systèmes d information sont principalement développés par des ressources

externes à notre entreprise (DSI01),

• Des sources externes à notre entreprise développent principalement nos systèmes

d’information (DSI02),

• Les systèmes d’information sont principalement développés par des ressources

internes à notre entreprise (DSI03).

g) La variable « Niveau de centralisation »

La variable « Niveau de centralisation » est mesurée à l’aide de deux items :

• Les systèmes d’information sont déployés selon une structure décentralisée (NC01),

• Les systèmes d’information sont déployés selon une structure centralisée (NC02).

h) La variable « Style de gestion des équipes SI »

La variable « Style de gestion des équipes SI » est mesurée à l’aide de deux items :

• Un fonctionnement de type autoritaire est privilégié au sein des équipes de projets

informatiques (GE01),

• Un fonctionnement de type participatif est privilégié au sein des équipes de projets

informatiques (GE02).

3.3 Le construit « Performance organisationnelle »

a) Approche objective ou subjective

De nombreuses échelles de mesure de la performance organisationnelle existent. Une

multitude de variables a en effet été utilisée dans les travaux portant sur le sujet. Deux

approches sont observées : l’approche objective et l’approche subjective.

L’approche objective utilise des données observables telles que le chiffre d’affaires ou le taux

de rentabilité. L’approche subjective fait en revanche appel à la perception du répondant

quant aux indicateurs de performance de son organisation.

Les deux approches sont radicalement opposées mais aucune ne semble supérieure à l’autre

puisque des études ont montré des résultats relativement proches, utilisant tour à tour chacune

de ces deux méthodes (Venkatraman, 1989 ; Gauzente, 2000). Les auteurs ont toutefois

suggéré que l’approche subjective apportait un intérêt supplémentaire à l’étude.

En outre, Rival (2005) souligne la difficulté d’obtenir des données chiffrées sur les résultats

des organisations, nécessaires dans l’approche objective. Ces données peuvent par ailleurs

s’avérer difficilement comparables lorsque l’organisation exerce plusieurs types d’activité.

Compte tenu de ces éléments, nous avons opté pour une échelle de mesure subjective de la

performance organisationnelle. Nous avons utilisé l’échelle développée par Venkatraman

(1989), testée et traduite par de nombreux auteurs (Raymond et al., 1995 ; Croteau et al.,

2000 ; Croteau et Bergeron, 2001 ; Rival, 2005).

Cette échelle repose sur deux variables :

• la performance commerciale, axée davantage sur les performances de long terme de

l’organisation (croissance des ventes, des parts de marché),

• la performance financière qui se focalise davantage sur les performances de court

terme (rentabilité).

b) La variable « Performance commerciale »

La variable « Performance commerciale » est mesurée à l’aide de trois items :

• Notre taux de croissance des ventes comparé à celui de nos principaux concurrents

est (PC01),

• Ma satisfaction par rapport à notre taux de croissance des ventes est (PC02),

• Le taux de croissance de nos parts de marché comparé à celui de nos principaux

concurrents est (PC03).

c) La variable « Performance financière »

La variable « Performance financière » est mesurée à l’aide de quatre items :

• Notre taux de rendement du capital investi comparé à celui de nos principaux

concurrents est (PF01),

• Ma satisfaction par rapport à notre taux de rendement du capital investi est (PF02),

• Les profits nets réalisés par notre entreprise comparés à ceux de nos principaux

concurrents sont (PF03),

• Notre liquidité financière comparée à celle de nos principaux concurrents est (PF04).

3.4 Les variables modératrices

Notre modèle de recherche comporte deux variables modératrices : « Taille de l’entreprise »

et « Durée de la démarche CRM ».

a) La variable « Taille de l’entreprise »

La première variable « Taille de l’entreprise » prend en compte le nombre de salariés et le

chiffre d’affaires de l’entreprise. Elle est mesurée à l’aide de deux items :

• Quel est le nombre d’employés dans votre entreprise ? 0-9, 10-19, 20-49, 50-249, plus

de 250.

• Quel est le chiffre d’affaires de votre entreprise ? < 10 M€, entre 10 M€ et 50 M€,

entre 50 M€ et 150 M€, entre 150 M€ et 1,5 Md€, plus de 1,5 Md€.

b) La variable « Durée de la démarche CRM »

La seconde variable « Durée de la démarche CRM » fait référence à la date de la création de

la première base de données clients et à l’implantation du premier outil CRM. Elle est

mesurée à l’aide deux items :

• Quelle est la date de création de votre première base de données clients ? moins d’1

an, entre 1 et 3 ans, entre 3 et 6 ans, plus de 6 ans.

• Quelle est la date d’implantation de votre premier outil CRM ? moins d’1 an, entre 1

et 3 ans, entre 3 et 6 ans, plus de 6 ans.

Le modèle de recherche est à présent opérationnalisé avec quinze variables dont deux

modératrices, « Taille » et « Durée » (Figure 51).

Figure 48. Modèle de recherche opérationnalisé à l’aide de 15 variables

3.5 Les variables descriptives

Nous avons enfin choisi de nous intéresser à l’activité de l’entreprise, aux principaux

clients de l’entreprise, à l’âge du répondant, son sexe, son niveau d’études, la fonction de

l’entreprise à laquelle il est rattaché ainsi que son statut au sein de l’entreprise.

Les items suivants ont été utilisés :

• Quelle est l’activité de votre entreprise ? Industries Agricoles et Alimentaires,

Industries hors IAA, Biens de consommation, Automobile, Biens d'équipements, Biens

intermédiaires, Energie, Construction, Commerce, Commerce et réparation

automobile, Commerce de gros – Intermédiaires, Commerce de détail – Réparations,

Transports, Services aux entreprises, Services aux particuliers.

• Quels sont les principaux clients de votre entreprise ? particuliers, professionnels,

administrations.

• Quel est votre âge ? moins de 25 ans, entre 26 et 35 ans, entre 36 et 45 ans, plus de

45 ans.

• Quel est votre sexe ? H – F.

• Quel est votre niveau d’études ? Master-Doctorat, Diplôme d’ingénieur, Diplôme

d’école de commerce, Licence- Maîtrise (Bac +3 ou 4), BTS-DUT-DEUG (Bac +2),

Bac, BEPC.

• A quelle fonction de l’entreprise êtes-vous rattaché(e) ? Direction, Logistique,

Commercial, Marketing, Ressources Humaines, Finance-Comptabilité, Production,

Systèmes d’Information – Informatique.

• Quel est votre statut au sein de l’entreprise ? cadre dirigeant, cadre supérieur, cadre

moyen, employé, autre.

4. La construction finale du questionnaire

4.1 Le type d’échelle utilisé

a) Le format de l’échelle

Les variables utilisées pour opérationnaliser les construits « Orientation CRM »,

« Déploiement technologique » et « Performance organisationnelle » sont mesurées à l’aide

d’échelle de Likert, dites de mesure d’attitudes, où le répondant doit se positionner. Selon

Valette-Florence (1988), les échelles de Likert sont plus faciles à manier pour le répondant

que les échelles de type différentiel sémantique d’Osgood. Ces dernières consistent à

demander aux personnes interrogées de décrire un objet selon une échelle bi-polaire à sept

points. Ces échelles utilisent des couples d’adjectifs symétriques sur le plan sémantique (bon-

mauvais, fort-faible) autour d’un point neutre.

b) Le nombre de points sur l’échelle

Comme le souligne Gianelloni (1990, p 305), « le nombre de points sur les échelles a fait

l’objet d’une littérature abondante, sans que les réponses proposées soient réellement

concluantes ». Churchill et Peter (1984) ont toutefois estimé que la fiabilité des échelles est

conditionnée par un nombre d’items important et un nombre de points de chaque item élevé.

Les échelles dont les échelons sont compris entre 5 et 9 points semblent néanmoins être les

plus adaptées dans les travaux de recherche.

Pour l’échelle SOA CRM, Iriana et Buttle (2006) ont utilisé une échelle de Likert à sept

points. Cette démarche concerne également les échelles du déploiement technologique et de la

performance organisationnelle utilisées par Raymond et al. (1995), Croteau et al. (2000),

Croteau et Bergeron (2001).

Nous avons cependant opté pour une échelle à graduation paire dans le but d’empêcher le

répondant d’adopter une position neutre. Les échelles utilisées dans notre questionnaire sont

donc des échelles de Likert à six points, « pas du tout d’accord », « pas d’accord », « plutôt

pas d’accord », « plutôt d’accord », « d’accord », « entièrement d’accord » pour les parties

CRM et SI et « pas du tout satisfaisant» […] « entièrement satisfaisant » pour la performance.

4.2 La structure finale du questionnaire

Le questionnaire final comporte un paragraphe introductif expliquant l’objectif de cette étude

et précisant également la possibilité de répondre de manière anonyme. Nous avons également

demandé aux personnes interrogées d’apporter une réponse à chacune des questions, et ce

pour éviter d’obtenir trop de valeurs manquantes qui annuleraient l’ensemble des réponses de

la personne.

Le questionnaire est ensuite divisé en quatre sections distinctes :

• Section 1 : « La gestion de la relation client (CRM) dans votre entreprise »,

• Section 2 : « Les systèmes d’information (SI) dans votre entreprise »,

• Section 3 : « Quelques éléments financiers et commerciaux »,

• Section 4 : « Profil de l’entreprise et du répondant ».

Compte tenu du peu de temps consacré par les professionnels à ce type de questionnaire, nous

avons tenté de regrouper au maximum les questions, afin d’en faciliter la lecture et surtout de

réduire le temps de réponse.

Ainsi, à titre d’illustration, les deux premiers items servant à mesurer la variable « CRM

stratégique » ont été réduits de la manière suivante :

« Un des principaux objectifs de notre démarche CRM est :

• d’augmenter le chiffre d’affaires de nos clients,

• d’améliorer la compréhension des besoins et des attentes de nos clients. »

Grâce à cette réécriture de nombreux items, nous sommes parvenus à réduire le temps de

réponse à ce questionnaire à 10-15 minutes.

IV. Choix de l’échantillon et collecte des données 

1. Le choix de l’échantillon

1.1 La population mère

Pour définir notre population mère, nous avons choisi de cibler les entreprises françaises ou

étrangères implantées sur le sol français, toutes tailles et activités confondues (BtoB, BtoC). Il

nous a en effet semblé indispensable de ne pas exclure de l’analyse des entreprises en fonction

de leur taille et de leur activité. Nous avons pu mettre en avant lors de notre revue de la

littérature que la mise en place d’une gestion de la relation client touchait tout type de sociétés

à partir du moment où elles avaient des clients.

Toutefois, un des critères principaux de notre étude était que ces entreprises devaient avoir

développé une stratégie de gestion de la relation client via notamment la mise en place d’un

outil. Or, les statistiques et les retours d’expériences sur ce type de projet étaient trop rares

pour nous permettre de cibler certaines entreprises. Dans ces conditions, il nous a été très

difficile d’estimer notre population mère puisque chaque entreprise implantée dans

l’hexagone pouvait faire partie de la population. Nous avons donc fait le choix de contacter un

maximum d’entreprises possibles, précisant aux entreprises ne se sentant pas concernées par

le sujet de ne pas répondre au questionnaire.

1.2 L’échantillonnage

a) Le choix d’un échantillon de convenance

Nous nous sommes ainsi appuyés sur un échantillon de convenance pour réaliser notre étude.

La sélection des individus dans ce type d’échantillon est déterminée par la facilité d’accès,

leur disponibilité et leur coopération (Gauthy-Sinéchal et Vandercammen, 2005, p 262). Le

choix d’un tel échantillon pose toutefois le problème de la représentativité et de la

généralisation des résultats à l’ensemble de la population. Selon Schaaper (2007), un

échantillon de convenance est formé d’individus qui se trouvaient sur le chemin de

l’enquêteur au moment où l’information a été collectée de manière accidentelle et ne peut pas

réellement être considéré comme représentatif de la population de référence.

Pour que nos calculs statistiques aient un sens, nous devons partir du principe que

l’échantillon de convenance représente correctement l’ensemble de la population. Une

enquête réalisée sur une population relativement large permet en effet de constituer un

échantillon relativement important, palliant de fait le risque d’un échantillon final trop petit.

b) La préparation de la base de données

Pour atteindre un maximum de personnes susceptibles d’être concernées par notre enquête,

nous avons utilisé des bases de données d’associations d’anciens étudiants universitaires, à

l’instar des anciens du Master 2 MS2I (ex- DESS Management et Conception des Systèmes

d’Information Communicants) ou du Master 2 Marketing des Activités Tertiaires, et d’Ecoles

de Commerce, telles que l’EM Lyon ou Sup de Co Grenoble. Compte tenu du champ de la

recherche, nous nous sommes attachés à ne sélectionner que des personnes occupant un poste

de responsable ou de directeur dans les domaines du Marketing ou des Systèmes

d’Information, quelle que soit l’activité réalisée par l’entreprise.

Notre base de données a ainsi atteint 1 290 noms et adresses mail de Directeur / Responsable

Marketing et Directeur / Responsable des Systèmes d’Information.

2. L’administration du questionnaire

2.1 L’Internet comme mode d’administration

Nous avons opté pour une administration du questionnaire par Internet. Cette méthode

comporte en effet de nombreux avantages :

• coût quasi-nul pour le chercheur,

• gain de temps et facilité d’utilisation (des centaines de questionnaires peuvent être

envoyés en même temps),

• délai de réponse court (le répondant a tendance à se pencher sur le questionnaire au

moment de la réception de l’invitation),

• ajout de fonctionnalités (explications de vocables, vérification des réponses,

questionnaires par cheminement, etc.).

Il existe deux méthodes d’administration de questionnaires par Internet :

• le courrier électronique, qui consiste à envoyer dans la messagerie d’une personne une

invitation à répondre à un questionnaire, accessible par un lien hypertext.

• le questionnaire sur site, qui implique la présence du lien de l’enquête sur des listes de

diffusion ou des sites Internet spécialisés.

Le principal inconvénient de l’administration d’un questionnaire par Internet réside dans la

collecte des adresses mail personnelles et/ou professionnelles des personnes à contacter. Une

étude réalisée par Gueguen (2000) a validé l’hypothèse selon laquelle l’envoi à des adresses

professionnelles permet un meilleur taux de réponse. « La réception d’une demande, non

sollicitée, à caractère professionnel chez une adresse privée peut poser quelques problèmes

éthiques ». Lors de la préparation de notre base de données, la présence ou non d’une adresse

mail professionnelle a donc été un critère de sélection.

2.2 Méthodes d’administration retenues

Nous avons opté pour une des deux modes d’administration de notre questionnaire identifiées

précédemment : le courrier électronique.

Le questionnaire a été adressé aux 1 290 personnes figurant dans notre base de données entre

février et mai 2008.

Les envois ont été réalisés via le logiciel Questback. Ce dernier permet de diffuser des

enquêtes en ligne, gérer les adresses mails des répondants, présenter les dates précises des

réponses obtenues, générer des renvois automatiques aux non-répondants à des dates précises

et générer un rapport des réponses. La personne contactée recevait dans sa messagerie

professionnelle un mail contenant un message d’accompagnement (reproduit ci-dessous) ainsi

que le lien hypertext de l’enquête. Elle devait ensuite cliquer sur ce lien pour ouvrir l’enquête

intitulée « Gestion de la relation client et Systèmes d’information ». Cette dernière avait en

outre le choix de répondre anonymement. Dans ce cas, son adresse-mail n’était pas conservée

dans le rapport des réponses.

Bonjour,

Dans le cadre de ma thèse de doctorat, je mène actuellement une enquête sur la Gestion de la Relation

Client (CRM) ainsi que sur l'organisation des Systèmes d'Information dans les entreprises. Comme vous

pouvez l'imaginer, il est très difficile d'avoir des réponses. C'est pourquoi je fais appel au réseau des anciens

de XXX qui, je l'espère, m'apporteront des réponses de qualité! Ce travail est uniquement destiné à la

recherche. Vous pouvez d'ailleurs répondre à l'enquête de manière anonyme et cela ne vous prendra pas

plus de 10 minutes.

De plus, si vous êtes intéressé, je serais ravie de vous communiquer les résultats de mon travail.

Merci d'avance de consacrer un peu de votre temps à cette enquête,

Cordialement,

Aurélie DURAND

Doctorante Sciences de Gestion - IAE Lyon

Centre de Recherches Magellan - Equipe Sicomor

Université Lyon 3

aurelie.durand@univ-lyon3.fr

http://www.questback.com/isa/qbv.dll/SQ?id=941432-61743754-wpCaTmNh

3. Le recueil des réponses

3.1 Rapport des réponses

Après plusieurs relances des personnes présentes dans notre base de données, nous avons

recueilli 150 questionnaires. Près d’un tiers des répondants a choisi de laisser son adresse mail

en fin de questionnaire dans l’attente des résultats finaux, et 20% d’entre eux ont pris le soin

de nous envoyer un mail pour nous remercier d’avoir pu participer à cette étude. Ceci nous a

confirmé l’intérêt managérial de notre recherche.

Ensuite, nous n’avions plus qu’à générer un rapport des réponses au format xls. ou .sav,

directement exploitable sous Excel ou SPSS. Ce rapport a été directement généré via le

logiciel Questback au format .sav et exploitable sous SPSS (version 14.0). Sur les 150

questionnaires obtenus, plusieurs d’entre eux ont dû être supprimés en raison de nombreuses

réponses manquantes ou aberrantes.

3.2 Traitement des valeurs manquantes et aberrantes

10 questionnaires nous sont parvenus partiellement remplis. Dans le cas où seules quelques

valeurs étaient manquantes et que globalement toutes les sections étaient remplies, nous avons

choisi de conserver ces questionnaires. En revanche, 6 questionnaires ont dû être supprimés

car des sections entières, telles que la section « Gestion de la Relation Client » ou la section

« Systèmes d’Information » n’avait pas été remplies par le répondant. Ensuite, 3

questionnaires n’ont pas été intégrés dans l’échantillon final car ils présentaient des valeurs

aberrantes. A titre d’exemple, un répondant avait choisi « Pas du tout d’accord » à toute la

section « CRM » et « Entièrement d’accord » à la section sur les systèmes d’information.

Enfin, 3 questionnaires nous sont parvenus entièrement vides. Nous avons supposé une erreur

de manipulation des répondants qui ont cliqué tout de même sur « Envoyer » alors qu’ils

avaient choisi de ne pas répondre. Au final, 12 questionnaires ont été supprimés.

Nous avons choisi de remplacer les dernières valeurs manquantes par la moyenne des autres

valeurs, car moins de 5% des valeurs possibles étaient manquantes. Cette solution ne risquait

donc pas trop de recentrer nos valeurs sur la moyenne. Un échantillon final de 138

questionnaires exploitables a donc été conservé (Tableau 23).

Tableau 23. Questionnaires collectés, supprimés et analysés

QUESTIONNAIRES NOMBRE

Collectés 150

SupprimésValeurs manquantes 6Valeurs aberrantes 3Questionnaires vides 3

Analysés 138

Chapitre 4.

Tests des échelles de mesure et des 

hypothèses 

de recherche

I. Analyse de l’échantillon

1. Caractéristiques des répondants

1.1 Age des répondants

Près de 65% des répondants ont moins de 35 ans. Les tranches d’âges les plus importantes

sont les « 26 à 35 ans » (58,7%), les « 36 à 45 ans » (25,4%) suivies des « plus de 45 ans »

(8,7%) et les « moins de 25 ans » (5,8%) (Tableau 24).

Tableau 24. Age des répondants

Effectifs Pourcentage

Pourcentage valide

Pourcentage cumulé

Valide Moins de 25 ans 8 5,8 5,9 5,9 Entre 26 et 35 ans 81 58,7 59,6 65,4 Entre 36 et 45 ans 35 25,4 25,7 91,2 Plus de 45 ans 12 8,7 8,8 100,0 Total 136 98,6 100,0 Manquante 2 1,4

Total 138 100,0

1.2 Sexe des répondants

Le genre des répondants est relativement équilibré puisque 52,2% sont des hommes

(Graphique 1).

1.3 Niveau d’étude des répondants

Les répondants sont majoritairement titulaires d’un diplôme d’Ecole de Commerce (47,8%),

suivi d’un Master ou Doctorat (36,2%) (Tableau 25). Ce résultat est cohérent dans le sens où

les bases de données utilisées pour administrer notre questionnaire étaient essentiellement des

annuaires d’anciens étudiants d’Ecole de Commerce et de Master.

Tableau 25. Niveau d’études des répondants

Effectifs Pourcentage

Pourcentage valide

Pourcentage cumulé

ValideMaster, Doctorat 50 36,2 36,2 36,2

Diplôme d’ingénieur

15 10,9 10,9 47,1

Diplôme d’école de commerce

66 47,8 47,8 94,9

Licence, Maîtrise (Bac +3 et +4)

5 3,6 3,6 98,6

BTS, DUT, DEUG (Bac +2)

1 0,7 0,7 99,3

Bac 1 0,7 0,7 100,0

Total 138 100,0 100,0

1.4 Fonction de rattachement et statut des répondants

La moitié des répondants est rattachée à la fonction marketing de leur organisation et plus de

20% dépendent du département des Systèmes d’Information (Graphique 2). La préparation de

notre échantillon avait en effet consisté à ne sélectionner que des personnes exerçant une

fonction dans les domaines du Marketing et des Systèmes d’Information.

Viennent ensuite la fonction commerciale (17%), la Direction (7%), la Finance (4%) et enfin

la Production (1%).

Graphique 2. Répartition des répondants par service de rattachement

Il convient à présent de revenir sur le genre des répondants, une variable que nous avons

croisée avec cette variable « fonction de rattachement ». Si 52,2% de l’ensemble des

répondants sont des hommes, ce chiffre s’élève à 60,7% pour les répondants dépendant du

département des systèmes d’information et à 60% pour la Direction de l’organisation. En

revanche, les répondants rattachés à la fonction marketing sont majoritairement des femmes

(50,7%). Enfin, la grande majorité des répondants (92,8%) possède un statut cadre (cadre

dirigeant, cadre supérieur, cadre moyen) (Tableau 26). Nous pouvons donc avancer que la

plupart de nos répondants occupe un poste à responsabilité et est amenée à prendre des

décisions en lien avec la stratégie globale de l’organisation.

Tableau 26. Statut des répondants

Effectifs PourcentagePourcentage

validePourcentage

cumuléValide Cadre dirigeant 14 10,1 10,1 10,1

Cadre supérieur 54 39,1 39,1 49,3

Cadre moyen 60 43,5 43,5 92,8Employé 9 6,5 6,5 99,3Autre 1 0,7 0,7 100,0Total 138 100,0 100,0

2. Caractéristiques des entreprises

2.1 Effectifs et chiffre d’affaires des entreprises

a) Effectifs des entreprises

Plus de 78% des répondants sont employés dans une organisation de plus 250 salariés

(Tableau 27). Cette part élevée ne nous surprend pas dans la mesure où la gestion de la

relation client est une démarche davantage mise en œuvre dans les grosses structures. A titre

d’illustration, trois personnes contactées par nos soins pour répondre à notre questionnaire,

ont pris l’initiative de nous avouer qu’avant de recevoir notre étude, ils n’avaient jamais

entendu parler de CRM. Un nouveau contact a permis de constater qu’ils travaillaient

effectivement pour une petite structure (moins de 50 salariés dans les trois cas).

Tableau 27. Effectifs des entreprises 

Effectifs PourcentagePourcentage

validePourcentage

cumuléValide 0 à 9 salariés 4 2,9 2,9 2,9 10 à 19 salariés 3 2,2 2,2 5,1 20 à 49 salariés 3 2,2 2,2 7,2 50 à 249 salariés 20 14,5 14,5 21,7 Plus de 250 salariés 108 78,3 78,3 100,0 Total 138 100,0 100,0

b) Chiffre d’affaires des entreprises

Compte tenu de la présence dans notre échantillon d’une grande majorité de grandes

entreprises, les chiffres d’affaires réalisés sont relativement élevés. Ainsi, plus des trois quarts

des entreprises réalisent plus de 50 millions d’euros de chiffre d’affaires et 50% dépassent 1,5

milliard d’euros de chiffre d’affaires (Tableau 28).

Tableau 28. Chiffre d’affaires des entreprises 

Effectifs PourcentagePourcentage

validePourcentage

cumulé

Valide Moins de 10 M€ 19 13,8% 14,7% 14,7% Entre 10 M€ et 50 M€ 5 3,6% 3,9% 18,6% Entre 50 M€ et 150 M€ 13 9,4% 10,1% 28,7% Entre 150 M€ et 1,5 Md€ 23 16,7% 17,8% 46,5% Plus de 1,5 Md€ 69 50,0% 53,5% 100,0%

Total 129 93,5% 100,0% Manquante 9 6,5% Total 138 100,0%

c) Part des PME

A la lecture de ces deux tableaux, nous pouvons préciser que notre échantillon est composé à

15,9% de Petites et Moyennes Entreprises (PME) (Graphique 3). Si l’on se réfère à la

définition de l’INSEE17, une PME est « une entreprise dont la taille, définie par un ensemble

de critères, dont essentiellement le nombre de salariés, ne dépasse pas certains seuils ». Le

chiffre d’affaires et le total du bilan sont également des critères utilisés. L’INSEE souligne

qu’aucune définition officielle n’existe en France mais que le seuil de 250 ou 500 salariés est 17 Institut National de Statistiques et des Etudes Economiques

utilisé. Toutefois, l'Union européenne a adopté une recommandation sur la définition des

petites et moyennes entreprises en avril 1996. Actualisée en mai 2003, cette recommandation18

stipule que les PME sont des entreprises qui emploient moins de 250 personnes et dont :

• soit le chiffre d'affaires n'excède pas 50 millions d'euros ;

• soit le total du bilan annuel n'excède pas 43 millions d'euros.

Graphique 3. Part des PME dans l’échantillon

2.2 Activité des entreprises

Pour déterminer l’activité des entreprises, nous avons opté pour deux questions :

• Sur le secteur d’activité (question fermée avec un choix à effectuer parmi une liste

d’activités classées selon la NES19 établie par l’INSEE),

• Sur le code NAF20 de l’entreprise (question ouverte portant sur le code NAF de

l’entreprise selon la nomenclature 200321).

Sans grande surprise, seul un peu plus d’un quart des personnes interrogées a été en mesure

de nous donner le code NAF de leur entreprise. Nous avons donc été dans l’obligation de

nous reporter uniquement sur la question concernant le secteur d’activité.

Ainsi, un tiers des entreprises exerce une activité industrielle (automobile, industrie des biens

de consommation, industrie des biens d’équipements, industrie des biens intermédiaires) et

18 N° 2003/361/CE19 Nomenclature Economique de Synthèse20 Nomenclature d’Activité Française21 Au 1er janvier 2008, la NAF rév. 2 s'est substituée à la NAF rév. 1 de 2003 mais le processus a été relativement long. Nous avons donc choisi de conserver la NAF 2003.

42% sont positionnées dans les services aux entreprises (30%) et aux particuliers (12%)

(Graphique 4).

Graphique 4. Répartition des entreprises par activité

2.3 Clients des entreprises

Plus de 44% des entreprises de notre échantillon collaborent exclusivement avec les

entreprises (commerce BtoB) et 21% uniquement avec les particuliers (Commerce BtoC)

(Tableau 29).

Tableau 29. Clients des entreprises 

2.4 Début de la démarche CRM

Le début de la démarche CRM des entreprises de notre échantillon date majoritairement de

plus de 6 ans (40,6%) (Tableau 30). En effet, 73,2% des entreprises ont créé leur base de

données clients il y a plus de 6 ans et 55% d’entre elles ont implanté leur premier outil CRM

il y a plus de 6 ans. Seules 4 entreprises ont déclaré n’avoir commencé leur démarche CRM il

y a moins d’un an. Par conséquent, nous pouvons établir que notre échantillon possède en

majorité un certain recul sur sa démarche CRM et que les répondants sont en mesure

d’apporter des réponses de qualité sur ce sujet.

Tableau 30. Début de la démarche CRM des entreprises 

II. Les Analyses Factorielles Exploratoires (AFE)

Dans la démarche proposée par Churchill (1979), l’auteur préconise, après la collecte des

données, de tester la fiabilité et la validité des instruments de mesure en analysant la structure

factorielle des construits. Or, comme nous l’avons précisé dans le chapitre 3 de cette thèse,

l’échelle utilisée pour mesurer l’orientation CRM n’est pas une création originale, puisqu’elle

a été élaborée par Iriana et Buttle (2006). A notre connaissance, elle n’a été testée qu’une

seule fois. Il convient donc tout d’abord d’étudier la structure factorielle de cette échelle,

avant de pouvoir en estimer la fiabilité et la validité.

Concernant le déploiement technologique et la performance organisationnelle, les échelles

utilisées sont des échelles existantes construites respectivement par Das et al. (1991), et

adapté par Croteau et al. (2000), pour le déploiement technologique et par Venkatraman

(1989) pour la performance organisationnelle. Toutefois, avant de tester leur fiabilité et leur

validité, nous avons tout de même choisi de réaliser une ACP sur ces deux construits afin de

vérifier si chaque item était bien rattaché à la dimension définie a priori.

Les différentes échelles de mesure ont ainsi été analysées en deux temps :

• une Analyse Factorielle Exploratoire (AFE) a été effectuée sur chacun des construits,

tel que recommandé par Churchill (1979),

• une Analyse Factorielle Confirmatoire (AFC) a ensuite été réalisée pour vérifier leur

dimensionnalité et tester leur fiabilité et leur validité.

1. L’Analyse en Composantes Principales (ACP)

Selon Gerbing et Anderson (1988), l’AFE permet de retrouver le modèle de mesure sous-

jacent aux données et de vérifier ainsi si le construit, établi à partir de variables observées,

correspond à la réalité. Pour épurer un instrument de mesure, il est recommandé d’utiliser une

analyse en composantes principales (ACP) (Evrard et al, 1993 ; Igalens et Roussel, 1998).

L’ACP permet en effet de restituer le maximum d’informations contenues dans les variables

en un nombre de facteurs le plus faible possible. L’analyse factorielle classique, généralement

appelée analyse en facteurs communs spécifiques, peut également être adoptée. A l’inverse de

l’ACP, cette méthode a l’avantage de prendre en compte les erreurs de mesure. Thiétart et al.

(2006) ajoutent néanmoins que ces erreurs de mesure sont relativement faibles dans les

premiers facteurs, qui s’avèrent peu nombreux dans une analyse en composantes principales.

D’après Giannelloni (1990, p. 299) « l’ACP est fondamentalement différente de l’analyse

factorielle en ce que celle-ci a pour objectif de reproduire au mieux des corrélations

observées, alors que la première s’attache à extraire le maximum de variance des données ».

L’analyse factorielle classique produit en effet des résultats convergents avec ceux de l’ACP

(Igalens et Roussel, 1998), mais les auteurs soulignent la grande souplesse d’utilisation de

cette dernière méthode. Compte tenu de ces éléments, nous avons opté pour une ACP.

Rival (2005, p 201) identifie deux objectifs à une ACP :

• « vérifier que les construits se décomposent réellement selon les facteurs déterminés

au préalable »,

• « vérifier que les construits se traduisent réellement par les variables observables ».

Selon l’auteur, les coefficients de saturation présents dans la matrice des composantes peuvent

en effet être assimilés à des coefficients de corrélation, révélant ainsi un lien entre les items et

les variables élaborés. Le logiciel SPSS 14.0 a été utilisé pour effectuer l’Analyse Factorielle

Exploratoire de chacun des construits.

2. Mise en œuvre de l’ACP sur le construit de l’« Orientation CRM »

2.1 Structure initiale du construit

Le construit portant sur l’orientation CRM de l’entreprise se décompose, a priori, en trois

dimensions : le CRM stratégique (10 items), le CRM opérationnel (10 items) et le CRM

analytique (11 items).

2.2 1ère ACP (sans rotation)

Nous avons réalisé une Analyse en Composantes Principales (ACP) sur les 31 items que

comporte le construit « Orientation CRM ». Selon la règle de Kaiser, seuls les facteurs dont la

valeur propre est supérieure à 1 ne sont retenus. Cette règle a tendance à minorer le nombre de

facteurs sur des construits qui contiennent moins de 20 variables (Thiétart et al., 2006). Nous

avons choisi de conserver les facteurs dont la valeur propre est supérieure à 1 sachant que

notre construit contient plus de 20 variables. En premier lieu, nous nous sommes assurés que

les données étaient factorisables en réalisant deux tests :

• le test de sphéricité de Bartlett vérifie si la matrice des corrélations est statistiquement

différente d’une matrice identité22 (aucune corrélation entre les variables). Une valeur

élevée avec une signification proche de 0 permet de rejeter la non-corrélation globale

des variables et rend l’ACP possible. Si la signification (Sig.) est au-dessus de 0,10, la

factorisation doit être remise en question.

• le test KMO (Kaiser-Meyer-Olkin) mesure l’intercorrélation entre les variables. Une

valeur supérieure à 0,7 est considérée comme acceptable pour effectuer une ACP

(Malhotra, 2004).

L’indice KMO (Tableau 31) tend vers 1, signifiant que les corrélations exprimées sont

représentatives d’une corrélation positive entre les variables mentionnées. De la même

manière, le test de sphéricité de Bartlett est acceptable.

Tableau 31. Indice KMO et test de Bartlett du construit "Orientation CRM"

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,773

Test de sphéricité de Bartlett

Khi-deux approximé 1866,4Ddl 465Signification de Bartlett

,000

L’ACP a fait ressortir 8 facteurs dont la valeur propre est supérieure à 1, expliquant 64,5% de

la variance. Il apparaît que les 5 dernières composantes n’expliquent qu’une part très faible de

la variance. En outre, la matrice des composantes de cette première factorisation met en avant

22 La matrice identité est une matrice carrée avec des 1 sur la diagonale et des 0 partout ailleurs.

des coefficients de saturation élevés (>|0,5|) de tous les items sur les deux premières

composantes.

2.3 2ème ACP (avec rotation)

Nous décidons donc de refaire une ACP selon 3 composantes avec rotation, afin d’augmenter

les coefficients de saturation des items avec les facteurs. La rotation oblique (Oblimin)

suppose que les dimensions sont corrélées entre elles, du fait qu'elles font référence à un seul

construit. Selon Iacobucci et al. (2001), il est généralement peu probable que les données

étudiées soient non corrélées entre elles, il est donc préférable d'utiliser une rotation oblique

qu'orthogonale. La rotation oblique présente l’avantage de pouvoir mieux rendre compte de

certaines situations (Evrard et al., 2000). La rotation orthogonale (Varimax) est en revanche

davantage utilisée dans les travaux de recherche car elle permet une meilleure interprétation

des axes. Nous choisissons donc de réaliser une rotation Varimax pour une interprétation

maximum des axes. Cette deuxième ACP donne une structure selon 3 facteurs restituant

40,5% de la variance. La matrice des composantes après rotation (Tableau 32) permet

d’établir que :

• le facteur 1 correspond à la dimension « CRM opérationnel »,

• le facteur 2 représente le « CRM analytique »,

• le facteur 3 traduit la dimension « CRM stratégique ».

Tableau 32. Matrice des composantes après rotation du construit "Orientation CRM"

Composante

1 2 3

CRMS01 - Augmenter le chiffre d’affaires de nos clients -,059 ,017 ,552

CRMS02 - Améliorer la compréhension des besoins et des attentes de nos clients ,226 ,033 ,573

CRMS03 - Mesurer les niveaux de satisfaction et de fidélité des clients ,300 ,077 ,475

CRMS04 - Détenir un avantage concurrentiel ,183 ,096 ,489

CRMS05 - Acquérir et conserver des clients à haute valeur ajoutée -,029 ,237 ,587

CRMS06 - Bénéfices communs pour les clients et l'entreprise ,371 -,001 ,193

CRMS07 - Créer une culture d'entreprise centrée sur le client ,423 ,022 ,309

CRMS08 - Garantir que tous les employés soient impliqués dans la satisfaction de nos clients

,486 ,098 ,226

CRMS09 - Se focaliser davantage sur nos clients que sur nos concurrents ,138 ,040 ,010

CRMS10 - Trouver d'autres moyens pour augmenter la valeur de nos clients -,051 ,158 ,401

CRMOP01 - Adapter notre offre aux attentes de nos clients ,218 -,122 ,532

CRMOP02 - Choisir le meilleur canal de contact pour interagir avec nos clients

,438 ,068 ,425

CRMOP03 - Aider les personnes en charge du marketing de réaliser des campagnes ,523 ,083 ,297

plus efficaces et pertinentes

CRMOP04 - Aider les personnes en charge des ventes à réaliser des échanges plus personnalisés avec nos clients

,719 ,206 -,030

CRMOP05 - Améliorer nos relations avec nos clients et nos autres partenaires ,625 ,236 ,138

CRMOP06 - Améliorer la productivité des équipes de vente ,696 ,257 -,290

CRMOP07 - Réduire le coût de nos opérations relatives à nos clients ,421 ,082 ,014

CRMOP08 - Apporter des connaissances sur nos clients à tous les niveaux de l'entreprise

,605 ,260 ,087

CRMOP09 - Automatiser les processus marketing pour les rendre plus efficaces ,663 ,127 ,216

CRMOP10 - Automatiser les processus de vente pour les rendre plus efficaces ,671 ,158 -,070

CRMA01 - Créer une base de données étendue sur les clients ,252 ,539 ,149

CRMA02 - Fournir aux acteurs de l'entreprise des données sur les clients en temps réel

,414 ,666 -,009

CRMA03 - Fournir des données au personnel en contact direct avec les clients pour qu'ils puissent les satisfaire au mieux

,445 ,612 -,012

CRMA04 - Réaliser des analyses sur les données client ,069 ,783 ,195

CRMA05 - S'assurer que les analyses effectuées sur les données clients incluent tous les points contacts avec les clients

,126 ,783 ,025

CRMA06 - Améliorer notre capacité à effectuer des analyses en temps réel sur les données clients lorsque nous interagissons avec eux

,099 ,804 ,053

CRMA07 - Améliorer nos capacités de prévisions ,122 ,407 ,157

CRMA08 - Utilisation d'outils analytiques pour exploiter les données sur les clients ,181 ,666 ,331

CRMA09 - Obtenir un avantage concurrentiel sur les données clients. ,188 ,446 ,383

CRMA10 - Identifier les clients à forte valeur ajoutée ,095 ,410 ,561

CRMA11 - Exploiter les données sur les clients pour construire des profils de clients

-,032 ,228 ,557

Méthode d'extraction : Analyse en composantes principales. 

Méthode de rotation : Varimax avec normalisation de Kaiser.

a  La rotation a convergé en 7 itérations.

Selon Igalens et Roussel (1998, p 155), l’épuration d’une échelle de mesure revêt un caractère

« arbitraire et subjectif ». Les auteurs soulignent toutefois que deux méthodes sont

fréquemment utilisées :

• Elimination des items ayant des contributions factorielles supérieures à |0,3| sur

plusieurs facteurs ou n’ayant aucune contribution atteignant ce seuil sur un des

facteurs retenus.

• Elimination des items n’ayant pas de contribution supérieure ou égale à |0,5| sur l’une

des composantes principales identifiées.

Nous remarquons que l’item CRMS09 « Se focaliser davantage sur nos clients que sur nos

concurrents » est relativement peu corrélé avec l’ensemble des facteurs. Nous choisissons

donc de le supprimer pour la suite de l’analyse.

En outre, les items suivants présentent soit des coefficients de saturation élevés sur au moins

deux des trois facteurs soit des coefficients inférieurs à |0,5| sur chaque composante :

• CRMS03 « Mesurer les niveaux de satisfaction et de fidélité de nos clients »,

• CRMS06 « Bénéfices communs pour les clients et l'entreprise »,

• CRMS07 « Créer une culture d'entreprise centrée sur le client »,

• CRMS08 « Garantir que tous les employés soient impliqués dans la satisfaction de

nos clients »,

• CRMS10 « Trouver d'autres moyens pour augmenter la valeur de nos clients »,

• CRMOP02 « Permettre de choisir le meilleur canal de contact pour interagir avec nos

clients »,

• CRMOP07 « Réduire le coût de nos opérations relatives à nos clients »,

• CRMA02 « Fournir aux acteurs de l'entreprise des données sur les clients en temps

réel »,

• CRMA03 « Fournir des données au personnel en contact direct avec les clients pour

qu'ils puissent les satisfaire au mieux »,

• CRMA07 « Améliorer nos capacités de prévisions »,

• CRMA08 « Utilisation d'outils analytiques pour exploiter les données sur les clients »,

• CRMA09 « Obtenir un avantage concurrentiel sur les données clients »,

• CRMA10 « Identifier les clients à forte valeur ajoutée ».

Nous choisissons donc également de les supprimer.

Il convient également de noter que les items CRMOP01 « Adapter notre offre aux attentes de

nos clients » et CRMA11 « Construire des profils de clients, utilisés pour améliorer la

cohérence de l'expérience sur le client », rattachés a priori à la dimension « CRM

opérationnel » et « CRM analytique », affichent des coefficients de saturation très élevés sur

le facteur 3, soit le CRM stratégique. Nous choisissons de ne pas supprimer ces items et de les

rattacher à la dimension « CRM stratégique ».

2.4 3ème ACP (avec rotation)

Après la suppression de ces 14 items, une troisième ACP est réalisée selon 3 composantes

avec rotation Varimax, restituant 50,5% de la variance.

2.5 Structure finale du construit

Au final, notre construit « Orientation CRM » comporte 17 items répartis sur 3 facteurs et

expliquant 50,5% de la variance. Ces trois facteurs font référence aux trois dimensions

identifiées dans la revue de la littérature : CRM stratégique, CRM opérationnel et CRM

analytique.

La matrice des corrélations présente des coefficients de corrélations relativement élevés entre

les facteurs, ce qui nous laisse supposer que chaque dimension représente un facteur de

premier ordre, tous reliés à un facteur de second ordre : l’orientation CRM, conformément à

notre hypothèse H1.

3. Mise en œuvre de l’ACP sur le construit « Déploiement 

technologique »

Le construit « Déploiement Technologique » n’est pas une création originale mais nous avons

tout de même choisi de réaliser une ACP, afin de vérifier que les facteurs correspondent bien

à ceux déterminés initialement.

3.1 Structure initiale du construit

Le construit du déploiement technologique comporte, a priori, 25 items répartis selon sept

dimensions : l’architecture technologique (6 items), l’impact stratégique du département des

Systèmes d’Information (6 items), la veille technologique (4 items), la source de

développement des Systèmes d’Information (3 items), le niveau de centralisation (2 items),

l’évaluation des systèmes d’information (2 items), le style de gestion des équipes (2 items).

3.2 1ère ACP (sans rotation)

Les tests de Bartlett et KMO sont satisfaisants, permettant de continuer la factorisation des

données (Tableau 33).

Tableau 33. Indice KMO et test de Bartlett du construit "Déploiement technologique"

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,755

Test de sphéricité de Bartlett

Khi-deux approximé 1887,5ddl 300Signification de Bartlett

,000

La première ACP réalisée sans rotation fait ressortir 8 facteurs dont la valeur propre est

supérieure à 1, expliquant 73,9% de la variance. Une rotation s’impose afin de mieux

interpréter les axes.

3.3 2ème ACP (avec rotation)

Nous choisissons d’effectuer une rotation Varimax, fixant le nombre de facteurs à 7 (Tableau

34). La variance expliquée s’élève à 69,8%. L’interprétation des facteurs s’avère plus facile

après cette rotation orthogonale :

• le facteur 1 correspond à la dimension « Architecture technologique »,

• le facteur 2 représente la dimension « Impact stratégique du département SI »,

• le facteur 3 traduit la dimension « Source de développement des SI »,

• le facteur 4 correspond à la dimension « Style de gestion des équipes informatiques »,

• le facteur 5 représente la dimension « Evaluation des SI »,

• le facteur 6 traduit le « Niveau de centralisation des SI »,

• le facteur 7 représente la dimension « Veille technologique ».

Nous observons toutefois que plusieurs items présentent des coefficients de saturation très

élevés (> |0,3|) sur plusieurs axes ou affichent des coefficients inférieurs à |0,5| sur chacun des

axes (Tableau 34).

Nous choisissons donc de supprimer les items suivants :

• AT02 « Le département SI conçoit et implante une architecture de données qui guide

le développement des applications »,

• AT06 « Le département SI améliore la sécurité et le contrôle de l'information »,

• ISDSI01 « Le département des SI a un impact stratégique au sein de notre

entreprise »,

• ISDSI02 « Le département des SI contribue à la croissance de notre entreprise »,

• ISDSI05 « Le personnel du département SI participe aux réunions concernant

l'ensemble de notre entreprise (comité directeur, etc.) ».

En outre, nous observons que deux items sont fortement corrélés à un autre axe que celui

défini a priori :

• VT01 « Le personnel du département SI acquiert continuellement de nouvelles

connaissances sur les technologies et les applications informatiques »,

• VT04 « L'apprentissage des façons d'intégrer les nouvelles technologies de

l'information est continuellement encouragé par notre entreprise ».

Si nous choisissons de supprimer l’item VT01 (corrélé au facteur « Impact stratégique des

SI »), nous conservons toutefois l’item VT04 car nous considérons que le fait d’encourager

l’apprentissage de l’intégration des nouvelles technologies peut être rattaché au style de

gestion des équipes de projets informatiques.

3.4 Structure finale du questionnaire

Après une troisième ACP avec rotation Varimax réalisée sous 7 composantes restituant 77,6%

de la variance, le construit « Déploiement technologique » comprend 19 items.

Tableau 34. Matrice des composantes après rotation du construit "Déploiement 

technologique"

Méthode d'extraction : Analyse en composantes principales. 

 Méthode de rotation : Varimax avec normalisation de Kaiser.

a  La rotation a convergé en 7 itérations.

4. Mise en œuvre de l’ACP sur le construit « Performance 

Organisationnelle »

A l’instar du construit du « Déploiement technologique », celui de la « Performance

organisationnelle » n’est pas une création originale mais un instrument développé par

Venkatraman (1989).

Une ACP avec rotation Varimax a également été réalisée sur ce construit, qui a fait ressortir 2

facteurs, expliquant 80,3% de la variance (Tableau 35). Les deux facteurs font référence aux

deux dimensions établies par Venkatraman : la performance financière (Facteur 1) et la

performance commerciale (Facteur 2). Tous les items du construit initial ont donc été

conservés.

Tableau 35. Matrice des composantes après rotation 

du construit "Performance organisationnelle"

Composante 1 2Taux de croissance des ventes comparé à celui des principaux concurrents

,367 ,794

Satisfaction par rapport au taux de croissance des ventes est

,075 ,853

Le taux de croissance des parts de marché comparé à celui des concurrents

,364 ,850

Taux de rendement du capital investi comparé à celui des principaux concurrents

,862 ,203

Satisfaction par rapport au taux de rendement du capital investi

,893 ,275

Satisfaction par rapport à la marge bénéficiaire brute

,890 ,227

Profits nets réalisés par l’entreprise comparés à ceux des principaux concurrents

,838 ,257

Méthode d'extraction : Analyse en composantes principales. 

Méthode de rotation : Varimax avec normalisation de Kaiser.

a  La rotation a convergé en 3 itérations.

Après ces analyses factorielles exploratoires, il convient de tester la fiabilité et la validité des

construits, et de vérifier si ces derniers sont bien ajustés aux données empiriques (Roussel,

1996) via une analyse factorielle confirmatoire (AFC). Cette AFC sera réalisée à l’aide de la

méthode des équations structurelles.

III. Les Analyses Factorielles Confirmatoires 

1. La méthode des équations structurelles

1.1 Présentation de la méthode

Bagozzi est à l’origine de l’introduction de la méthode des équations structurelles dans la

recherche en marketing à la fin des années 1970, ce qui constituait un développement majeur

selon Evrard et al. (1993). Cette méthode permet notamment « d’effectuer des tests plus

précis et plus complets des échelles des questionnaires » (Roussel et Wacheux, 2005).

Vallette-Florence (1988) a identifié les principaux traits distinctifs que partagent les modèles

d’équations structurelles :

• Ils introduisent la notion de variable latente (variable non observable mais déduite

d’une ou plusieurs variables observables). Chaque variable latente est représentée

selon l’équation : X = λξ+δ

Avec : X = variable observée, λ = variable latente, ξ = mesure de la variable latente et la

variable observée, δ = erreur de mesure

• Ils permettent de traiter simultanément plusieurs ensembles de variables observées

explicatives et expliquées. Roussel et al (2002, p. 15) soulignent que « ces modèles

permettent de tester non seulement les effets de variables, prises isolément, sur

d’autres variables, mais aussi les effets conjoints de plusieurs variables sur une ou

plusieurs autres ».

• Ils tiennent compte des erreurs au niveau de la mesure.

• Ils offrent la possibilité de réaliser des tests statistiques de relations théoriques

spécifiées a priori, ce qui constitue, pour Valette-Florence (1988), un des apports

majeurs des méthodes de seconde génération. Un lien peut ainsi être établi entre la

théorie, l’analyse des données et la modification conceptuelle.

1.2 Modèle de mesure et modèle structurel

Les modèles d’équations structurelles permettent d’étudier le modèle de mesure et le modèle

structurel. Notre modèle de recherche comprend en effet :

• le modèle de mesure, qui étudie les relations entre les variables latentes et les

indicateurs observables,

• le modèle structurel, qui étudie les relations entre variables latentes.

Gerbing et Anderson (1988) préconisent d’analyser successivement le modèle de mesure et le

modèle structurel. Ces deux étapes distinctes permettent en effet, dans le cas d’un mauvais

ajustement du modèle aux données, de mieux en déterminer la source.

En outre, la méthode des équations structurelles est davantage préconisée pour étudier des

modèles dits réflectifs. Les modèles réflectifs se composent de variables latentes qui sont la

cause du phénomène qu’elles mesurent. A l’inverse, dans les modèles formatifs, les variables

latentes sont les effets du phénomène mesuré. Notre modèle de recherche est un modèle

réflectif où les indicateurs sont les causes de la performance organisationnelle.

2. Processus de modélisation par les équations structurelles

Le processus de modélisation par les équations structurelles s’organise autour de trois étapes

telles que présentées dans la Figure 52.

Figure 49. Processus de modélisation par les équations structurelles (adapté de 

Roussel et al., 2002)

2.1 Estimation et identification du modèle

a) Taille de l’échantillon

Avant de tester un modèle par la méthode des équations structurelles, il convient de

déterminer si la taille de l’échantillon s’avère suffisante. Selon Evrard, Pras et Roux (2000), il

doit être compris entre 100 et 500 observations. Anderson et Gerbing (1988) préconisent,

quant à eux, une taille d’échantillon supérieure à 150 observations. Avec 138 observations

exploitables, notre échantillon est donc relativement faible. Toutefois, Roussel et al. (2002)

considèrent qu’il convient d’avoir au moins autant de paramètres à estimer que

d’observations. « Identifier un modèle implique qu’il est théoriquement possible de calculer

une estimation unique de chacun de ses paramètres » (Roussel et al., 2002, p 50). Cette

condition étant remplie, nous considérons que notre échantillon est suffisant.

b) Choix de la matrice de départ

Il convient également de vérifier que l’ajustement global du modèle est satisfaisant. L’écart

entre la matrice des corrélations/covariances prédite par le modèle et la matrice observée doit

ainsi être le plus petit possible. Le choix de la matrice de départ se fait donc entre la matrice

des corrélations, qui est appropriée lors de comparaisons de coefficients d’un même modèle

et la matrice des variances-covariances, qui est davantage utilisée lors de comparaisons de

données entre différents échantillons ou modèles. Toutefois, la diversité des unités de mesure

des variables peut rendre difficile l’interprétation des résultats. La plupart des logiciels

contournent néanmoins cette contrainte, fournissant des résultats standardisés. Nous avons

choisi d’utiliser la matrice des variances-covariances pour notre analyse factorielle

confirmatoire.

c) Choix de la méthode d’estimation des paramètres

Deux principales méthodes d’estimation des paramètres existent :

• La méthode du maximum de vraisemblance (ML - Maximum Likehood) est la plus

utilisée et permet d’obtenir les meilleurs résultats (Roussel et al., 2002). Elle impose

néanmoins de nombreuses contraintes, en particulier la multinormalité des variables.

La multinormalité des variables est testée à l’aide des indices de symétrie (Skewness)

et d’aplatissement ou d’écrasement (Kurtosis). Roussel et al. (2002) recommandent

une valeur inférieure à |3| pour le premier et inférieure à |8| pour le second. Des

statistiques acceptables permettent d’établir que chaque variable suit une distribution

proche d’une loi normale.

• Les moindres carrés généralisés (GLS- Generalized Least Squares) ou moindres carrés

non pondérés (ULS – Unweighted Least Squares) est une alternative à celle du

maximum de vraisemblance afin de contrer la contrainte de multinormalité.

Nous avons opté pour la méthode du maximum de vraisemblance. Les statistiques de

Skewness et de Kurtosis se sont en effet avérées acceptables pour la plupart des énoncés.

2.2 Interprétation des résultats

Selon Hair et al. (1988), l’interprétation des résultats doit permettre de répondre aux questions

suivantes :

• Les relations théoriques sont elles confirmées et statistiquement significatives ?

• Des modèles théoriques concurrents apportent-ils un éclairage supplémentaire en

soutenant des hypothèses alternatives ?

• Les relations significatives vont-elles dans le sens supposé par la théorie ?

a) Comparer différents modèles

Dans un premier temps, il s’agit de comparer plusieurs modèles. L’Analyse Factorielle

Exploratoire (AFE) ne permet en effet pas toujours de déterminer la dimensionnalité des

construits. Les recherches effectuées a priori nous aident cependant à élaborer nos modèles. Il

convient toutefois de comparer différents modèles (unidimensionnel, bidimensionnel,

tridimensionnel, etc.) et de vérifier lequel d’entre eux affichent les meilleurs indices

d’ajustement aux données.

b) Evaluer des indices d’ajustement

L’évaluation de l’ajustement du modèle aux données s’effectue principalement à l’aide de

trois types d’indices (Tableau 36) : les indices absolus, incrémentaux et de parcimonie.

• Les indices absolus, qui mesurent l’ajustement du modèle global aux données et

permettent de déterminer « dans quelle mesure le modèle théorique proposé a priori

reproduit correctement les données collectées » (Roussel et al., 2002),

• Les indices incrémentaux, qui comparent le modèle testé (Default Model sous Amos)

à un modèle de référence, généralement le modèle d’indépendance (Independant

Model sous Amos) où toutes les relations entre variables sont fixées à 1,

• Les indices de parcimonie, qui indiquent dans quelle mesure le modèle testé présente

un bon ajustement par rapport à chaque coefficient estimé et dont le principal objectif

est d’éviter de surestimer les modèles ayant trop de paramètres.

Les indices d’ajustement doivent être adaptés au stade de la recherche (Roussel et al., 2002).

Des résultats plus souples pourront donc être acceptés dans le cas de recherches exploratoires.

De la même manière, les auteurs soulignent que des résultats plus stricts seront demandés

dans le modèle de mesure alors que le modèle structurel pourra supporter des résultats plus

souples.

c) Re-spécification éventuelle du modèle

Lorsque les indices d’ajustement présentent des valeurs inacceptables, des procédures de re-

spécification du modèle sont alors mises en œuvre pour améliorer l’ajustement du modèle aux

données. Deux indices sont alors étudiés :

• Les résidus standardisés permettent d’évaluer si des relations entre des variables

présentent des résidus élevés. Une élimination d’un ou plusieurs indicateurs peut ainsi

améliorer l’ajustement du modèle (Anderson et Gerbing, 1988). La valeur des résidus

ne doit pas dépasser |2,58| (Joreskog et Sörbon, 1988). Toutefois, le modèle ne sera

pas rejeté si quelques résidus sont supérieurs à celle valeur.

• Les indices de modifications (Modification Indices) représentent « la réduction du

Chi-deux qui se produirait si l’on estimait un ou plusieurs paramètres

supplémentaires (corrélation ou covariance). Ils sont calculés pour chaque couple de

variables manifestes d’un modèle dont le paramètre est fixé (non estimé) ou contraint

(valeur affectée) » (Roussel et al, 2002, p. 59). Un indice de modification supérieur à

3,84 indique une forte réduction du Chi² si on ajoute la corrélation concernée. Toute

modification doit néanmoins être justifiée théoriquement. Il est en effet préférable de

supprimer l’indicateur concerné pour satisfaire aux critères de parcimonie.

Tableau 36. Liste des principaux indices d’ajustement utilisés lors d’une AFC 

(adapté de Roussel et al. 2002)

Indice Caractéristiques de l’indiceCritère empirique de bon ajustement

Indices absolus

GFI (Goodness of Fit Index)

Il mesure la part de variance-covariance expliquée par le modèle.Analogue au R² de la régression multiple.

>0,9 (une valeur entre 0,7 et 0,8 est tolérée pour les modèles complexes)

AGFI (Adjusted Goodness of Fit Index)

L’AGFI est l’indice GFI ajusté selon les degrés de libertés du modèle.Analogue au R² ajusté de la régression multiple.

>0,8 ou >0,9 selon les auteurs

RMR (Root Mean Square Residual)

Il représente l’appréciation moyenne des résidus (écart entre les covariances-corrélations estimées et celles observées).

Proche de 0

RMSEA (Root Mean Square Error of Aproximation)

Il représente la différence moyenne d’ajustement, par degré de liberté, attendue dans la population et non dans l’échantillon. Il n’est pas sensible à la taille de l’échantillon

<0,08Idéalement < 0,05

Indices incrémentaux

TLI (Tucker-Lewis Index)

Il permet d’apprécier l’apport du modèle testé par rapport au modèle indépendant.

>0,9

CFI (Comparative Fit Index)

Il mesure la diminution relative du manque d’ajustement par rapport au modèle nul.

Il est peu sensible à la taille de l’échantillon.>0,9

Indices de parcimonie

Chi²/dll (Chi² ajusté par degré de liberté)

Le Chi² normé mesure le degré de parcimonie « absolu » du modèle. Il permet de distinguer les modèles « surestimés » des modèles « sous-estimés ».

<2 ou <5 selon les auteursIdéalement compris entre 1 et 2

CAIC (Consistent Akaike Information Criterion)

Peu sensible à la taille de l’échantillon. Le plus faible possible< CAIC du modèle saturé

Toutefois, il convient de préciser que lorsque des procédures de ré-spécification sont réalisées

sur le modèle, nous ne pouvons plus parler d’analyse confirmatoire (Anderson et Gerbing,

1988). Dans ce cas, la méthode des équations structurelles est utilisée de manière exploratoire.

Anderson et Gerbing (1988) préconisent de valider le modèle final sur un autre échantillon.

Compte tenu de la difficulté de collecter des données, cette étape est souvent difficilement

réalisable. Après avoir vérifié l’ajustement du modèle aux données empiriques, il convient de

tester la fiabilité et la validité de l’échelle de mesure.

3. Evaluation de la fiabilité et de la validité d’un instrument de mesure

3.1 La fiabilité

La fiabilité d’une échelle peut être qualifiée de satisfaisante lorsque les résultats obtenus lors

de mesures répétées du même objet ou du même phénomène s’avèrent quasi identiques

(Jolibert et Jourdan, 2006). Pour tester la fiabilité d’une échelle de mesure, la méthode la plus

utilisée est l’alpha de Cronbach. Toutefois, de nombreux auteurs, à l’instar de Didellon et

Valette-Florence (1996) préconisent l’utilisation du ρ de Joreskog comme alternative à l’alpha

de Cronbach, car ce dernier est moins sensible au nombre d’items analysés. Une valeur

supérieure à 0,8 indique une bonne fiabilité de l’échelle.

3.2 La validité

La validité d’une échelle indique le degré selon lequel un construit parvient à mesurer le

concept auquel il renvoie (Bagozzi, 1981 ; Evrard et al., 2000).

La validité convergente a pour objectif de vérifier si deux indicateurs censés mesurer le

même concept sont corrélés. Le calcul du ρVC, une méthode proposée par Fornell et Larcker

(1981), permet de vérifier si la variance du construit est davantage expliquée par les items que

par l’erreur. Les auteurs préconisent une valeur supérieure à 0,5.

La validité discriminante permet quant à elle de vérifier si deux construits différents dans la

théorie, le sont également dans la pratique. Pour cela, Hulland (1999) propose de s’assurer

que la racine carrée du ρVC de chaque dimension est supérieure aux coefficients de

corrélation affichés avec les autres dimensions.

4. Mise en œuvre des Analyses Factorielles Confirmatoires

Il s’agit ici de présenter les différents tests de dimensionnalité, de fiabilité et validité opérés

sur nos trois échelles de mesure : « Orientation CRM », « Déploiement technologique » et

« Performance organisationnelle ».

Les AFC ont été réalisées avec le logiciel Amos 7.0.

4.1 Le construit « Orientation CRM »

a) Comparaison de deux modèles

Dans un premier temps, il convient de comparer différents modèles. L’AFE n’a en effet pas

permis de statuer sur la dimensionnalité du construit. Deux modèles sont ainsi testés afin de

vérifier leur adéquation aux données (Figure 53) :

• un modèle M1 tri-dimensionnel conforme avec notre approche a priori,

• un modèle M2 uni-dimensionnel où tous les items convergent vers une seule et même

variable latente.

Figure 50. Deux modèles de l’orientation CRM testés

Les meilleurs indices d’ajustement sont obtenus par le modèle tridimensionnel M1 (Tableau

37). Nous choisissons donc de conserver le modèle M1. Toutefois plusieurs indices

d’ajustement sont en-dessous des seuils préconisés. Pour améliorer nos résultats, nous avons

donc étudié les résidus standardisés et les indices de modifications. Si aucun terme de résidus

n’est supérieur à |2,58|, l’étude des indices de modification a montré que la suppression

d’énoncés était nécessaire afin d’augmenter l’ajustement global du modèle.

5 items ont ainsi été éliminés :

• CRMS01 « Augmenter le chiffre d’affaires de nos clients »,

• CRMOP01 « Se focaliser davantage sur nos clients que sur nos concurrents »,

• CRMOP06 « Améliorer la productivité des équipes de vente »,

• CRMOP09 « Automatiser les processus marketing pour les rendre plus efficaces »,

• CRMOP10 « Automatiser les processus de vente pour les rendre plus efficaces ».

Le modèle ainsi re-spécifié présente des indices d’ajustement très acceptables ce qui nous

laisse supposer que notre modèle est bien ajusté.

Tableau 37. Indices d’ajustement de deux modèles et du modèle re­spécifié de 

l’orientation CRM

Indices absolusIndices

incrémentauxIndices de parcimonie

GFI AGFI RMR RMSEA TLI CFI Chi²/dll CAIC

M1 ,797 ,732 ,124 ,104 ,725 ,765 2,491 < CAICmodèle saturé

M2 ,688 ,599 ,171 ,149 ,441 ,511 4,031 < CAICmodèle saturé

M1 re-spécifié

,911 ,864 ,094 ,068 ,902 ,911 1,635 < CAICmodèle saturé

b) Tests de fiabilité du modèle de premier ordre

Comme nous l’avons précisé précédemment, le ρ de Joreskog est préféré à l’alpha de

Cronbach pour tester la fiabilité des construits. Nous choisissons tout de même de présenter

ces deux indicateurs pour chaque dimension du construit de l’orientation CRM. Rappelons

qu’une valeur supérieure à 0,7 est considérée comme satisfaisante et des valeurs supérieures à

0,5 sont tolérées. Les dimensions CRM opérationnel et CRM analytique présentent des alphas

de Cronbach et des ρ de Joreskog supérieurs à 0,7 (Tableau 38). En revanche, ces valeurs sont

inférieures à 0,7 pour la dimension CRM stratégique. Nous choisissons toutefois de conserver

cette variable, importante pour la suite de notre recherche.

Tableau 38. Tests de fiabilité de notre échelle de mesure de l’orientation CRM

Fiabilité

Alpha de Cronbach ρ de Joreskog

CRM stratégique ,548 ,550

CRM opérationnel ,754 ,770

CRM analytique ,811 ,820

c) Tests de validité du modèle de premier ordre

La validité convergente de chacune des dimensions du construit « Orientation CRM » a

ensuite été testée (Tableau 39). Elle s’avère acceptable pour les dimensions « CRM

opérationnel » et « CRM analytique ». En revanche, elle reste en dessous des valeurs

préconisées pour la dimension « CRM stratégique ». Quand à la validité discriminante, elle

est vérifiée puisque la racine carrée du ρVC est supérieure aux coefficients de corrélation que

la dimension étudiée partage avec les autres.

Tableau 39. Tests de validité du construit de l’orientation CRM

Validité convergente Validité discriminante

ρVC (AVE) CRM S CRM OP CRM A

CRM S ,234 ,484

CRM OP ,463 ,299 ,680

CRM A ,538 ,379 ,433 ,733

Pour la validité discriminante, les racines carrées des  VC sont inscrites dans les ρ

diagonales, les autres valeurs sont les corrélations entre les dimensions

d) Analyse confirmatoire d’un modèle de second ordre et

échelle de mesure finale de l’orientation CRM

Nous décidons à présent de supposer que chaque dimension de premier ordre (variables

latentes) de notre construit est une dimension d’un facteur plus élevé dit « de second ordre ».

Les différents poids factoriels de chaque dimension au facteur de second ordre s’avèrent

supérieurs à 0,5 (test t de Student > 1,96 au seuil de 5%). Les indices d’ajustement sont

identiques au modèle de premier ordre (Tableau 40). En revanche, si la fiabilité de ce

construit s’avère tout juste acceptable (le ρ de Joreskog est légèrement inférieur à 0,7), la

validité convergente n’est pas très satisfaisante. Nous choisissons néanmoins de conserver cet

instrument de mesure de l’orientation CRM.

Tableau 40. Tests de fiabilité et de validité du construit de second ordre de 

l’orientation CRM

Validité convergente

Fiabilité

Coefficient standardisé

ρVC ρ de Joreskog

CRM S Orientation CRM ,617 ,421 ,684

CRM OP ,601

CRM A ,722

L’orientation CRM peut ainsi être considérée comme un construit tri-dimensionnel composé

du CRM stratégique, du CRM opérationnel et du CRM analytique. Notre hypothèse H1

selon laquelle « L’orientation CRM est un construit multidimensionnel » est donc

validée. Notre hypothèse H1bis selon laquelle « L’orientation CRM est un construit

composé de trois dimensions : le CRM opérationnel, le CRM analytique et le CRM

stratégique » est également corroborée.

Le modèle de mesure final de l’orientation CRM (Figure 54) ainsi que l’échelle de mesure

finale (Tableau 41) sont présentés ci-dessous :

Figure 51. Modèle de mesure final de l’orientation CRM

Tableau 41. Echelle de mesure finale de l’Orientation CRM

4.2 Le construit « Déploiement technologique »

a) Comparaison de deux modèles

A l’instar du construit de l’Orientation CRM, il convient de tester la dimensionnalité du

construit du déploiement technologique. Pour cela nous allons tester deux modèles (Figure

55) :

• M1, un construit multidimensionnel, composé des 7 dimensions définies a priori,

• M2, un construit unidimensionnel où tous les items convergent vers une seule et même

variable latente.

Le modèle M1 obtient les meilleurs résultats avec des indices d’ajustement satisfaisants,

excepté le GFI (<0,9) (Tableau 42). Une procédure de re-spécification est alors mise en

œuvre. L’étude des résidus standardisés et des indices de modification nous amène à

supprimer : l’item VT03 « Le personnel du département SI participe aux associations

professionnelles d'informaticiens » et l’item DSI03 « Les systèmes d'information sont

principalement développés par des ressources internes à notre entreprise ».

Figure 52. Deux modèles du déploiement technologique testés

Après re-spécification, le modèle M1 présente des indices d’ajustement tout à fait acceptables

(Tableau 42).

Tableau 42. Indices d’ajustement des deux modèles du déploiement technologique

Indices absolusIndices

incrémentauxIndices de parcimonie

GFI AGFI RMR RMSEA TLI CFI Chi²/dll CAIC

M1 ,881 ,827 ,126 ,056 ,942 ,956 1,436 < CAICmodèle saturé

M2 ,606 ,508 ,294 ,208 ,219 ,306 6,909 < CAICmodèle saturé

M1 re-spécifié

,912 ,864 ,092 ,041 ,969 ,977 1,231 < CAICmodèle saturé

b) Tests de fiabilité et de validité du modèle de premier

ordre

La fiabilité des construits est ensuite testée. Les Alpha de Cronbach et les ρ de Joreskog sont

supérieurs à 0,7 ce qui traduit une bonne fiabilité de notre construit (Tableau 43).

Tableau 43. Tests de fiabilité de notre échelle de mesure du déploiement 

technologique

Fiabilité

Alpha de Cronbach ρ de Joreskog

AT ,802 ,809

ISDSI ,705 ,707

ESI ,943 ,965

VT ns (1 item) ns (1 item)

DSI ,865 ,908

NC ,839 ,894

GE ,775 ,824

La validité convergente et la validité discriminante sont également vérifiées (Tableau 44).

Toutes les contributions factorielles sont significativement différentes de 0 (test t de Student >

|1,96| au seuil de 5%). Seule la dimension « Impact Stratégique du département des SI »

affiche un ρVC inférieur à 0,5. Nous décidons toutefois de conserver cette dimension est de

réaliser une AFC de second ordre sur ce construit.

Tableau 44. Tests de validité du construit du déploiement technologique

Validité convergente

Validité discriminante

ρVC (AVE) AT ISDSI ESI DSI NC GE

AT ,524 ,724

ISDSI ,448 ,583 ,669

ESI ,817 ,259 ,293 ,904

DSI ,838 ,126 ,342 ,020 ,915

NC ,817 ,184 ,243 ,145 ,251 ,904

GE ,624 ,398 ,461 ,218 ,121 ,140 ,790

Pour la validité discriminante, les racines carrées des  VC sont inscrites dans les ρ

diagonales, les autres valeurs sont les corrélations entre les dimensions

c) Analyse confirmatoire d’un modèle de second ordre

Le modèle de second ordre du déploiement technologique présente des indices d’ajustement

globalement très proches du modèle de premier ordre (Tableau 45) mais qui demeurent

légèrement moins satisfaisants.

Nous notons également que les poids factoriel (test t de Student > |1,96| au seuil de 5%) des

dimensions « Niveau de centralisation », « Evaluation des Systèmes d’Information » et

« Développement des Systèmes d’Information » au facteur de second ordre « Déploiement

Technologique » sont faibles (<0,4) alors que ceux des autres dimensions s’avèrent supérieurs

à 0,5.

Ce résultat pose donc le problème de la fiabilité et de la validité convergente de ce construit

de second ordre. Si le ρ de Joreskog s’élève à 0,748, le ρ de validité convergente est en

revanche bien en dessous des 0,5 préconisé puisqu’il affiche une valeur de 0,334. Nous

décidons donc de supprimer les dimensions « Niveau de centralisation », « Evaluation des

Systèmes d’Information » et « Développement des Systèmes d’Information » pour la suite de

cette recherche.

Le modèle ainsi re-spécifié présente ainsi des indices d’ajustement très satisfaisants. La

fiabilité et la validité de ce construit de second ordre sont également vérifiées.

Tableau 45. Indices d’ajustement du modèle de second ordre du déploiement 

technologique

Indices absolus Indices incrémentauxIndices de

parcimonie

GFI AGFI RMR RMSEA TLI CFI Chi²/dll CAIC

M1 2nd ordre ,899 ,863 ,113 ,043 ,966 ,972 1,252< CAICmodèle saturé

M1 2nd ordre re-spécifié

,947 ,915 ,076 ,019 ,995 ,996 1,048< CAICmodèle saturé

Validité convergente

Fiabilité

Coefficient standardisé

ρVC ρ de Joreskog

AT

Déploiement technologique

,772

,482 ,785ISDSI ,757

VT ,678

GE ,547

Nous pouvons donc avancer que le « déploiement technologique » est un construit

multidimensionnel composé de 4 dimensions : l’architecture technologique, l’impact

stratégique du département des SI, la veille technologique et la gestion des équipes de projets

informatiques. Notre hypothèse H2 selon laquelle le déploiement technologique est un

construit multidimensionnel est donc validée. Le modèle de mesure final (Figure 56) et

l’échelle de mesure (Tableau 46) du déploiement technologique sont présentés ci-après.

Figure 53. Modèle de mesure final du déploiement technologique

Tableau 46. Echelle de mesure finale du déploiement technologique

4.3 Le construit « Performance organisationnelle »

Le construit de la performance organisationnelle se décompose, a priori, selon deux

variables :

• La performance commerciale (3 items),

• La performance financière (4 items).

Compte tenu des nombreuses utilisations de ce construit développé par Venkatraman (1989)

dans les travaux de recherche en sciences de gestion, nous choisissons de tester directement la

fiabilité et la validité du modèle de second ordre. Les indices d’ajustement sont très

satisfaisants (Tableau 47). Les tests de fiabilité et de validité présentent des valeurs tout aussi

satisfaisantes.

Tableau 47. Indices d’ajustement et tests de fiabilité et de validité du modèle de 

second ordre de la performance organisationnelle

Indices absolusIndices

incrémentauxIndices de

parcimonie

GFI AGFI RMR RMSEA TLI CFI Chi²/dll CAIC

M1 2nd ordre ,962 ,919 ,031 ,064 ,983 ,990 1,565< CAIC

modèle saturé

Fiabilité Validité convergente

Alpha de Cronbach

ρ de Joreskog ρVC (AVE)

Performance commerciale

,831 ,878 ,718

Performance financière

,926 ,926 ,762

4.4 Le modèle global

Il convient maintenant d’intégrer notre variable latente « co-alignement », liant nos trois

construits. La variable latente « co-alignement » sera ainsi considérée comme facteur de

second ordre de l’orientation CRM et du déploiement technologique. Le modèle global

étudiera le lien entre la variable explicative « co-alignement » avec la variable expliquée, la

performance organisationnelle.

a) Analyse des indices d’ajustement

Compte tenu de la complexité de notre modèle et de notre faible échantillon, les indices

d’ajustement de notre modèle global sont acceptables (Tableau 48). Le GFI et l’AGFI, des

indices très sensibles à la complexité du modèle et à la taille de l’échantillon, présentent

toutefois des valeurs en dessous des seuils préconisés mais des valeurs comprises entre 0,7 et

0,9 sont tolérées.

Tableau 48. Indices d’ajustement du modèle global

Indices absolusIndices

incrémentauxIndices de

parcimonie

GFI AGFI RMR RMSEA TLI CFI Chi²/dll CAIC

Modèle global ,802 ,767 ,098 ,052 ,908 ,916 1,376< CAIC

modèle saturé

b) Tests de fiabilité et de validité du modèle global

La fiabilité

La fiabilité de notre modèle global est jugée acceptable dans l’ensemble avec des ρ de

Joreskog supérieurs à 0,7 pour le co-alignement, le déploiement technologique et la

performance organisationnelle (Tableau 49). La valeur est légèrement inférieure à 0,7 pour

l’orientation CRM.

La validité

La validité convergente de notre modèle global s’avère globalement satisfaisante (Tableau

49). L’orientation CRM et le déploiement technologique présentent toutefois un ρVC

inférieur à 0,5. Nous considérons ces valeurs comme acceptables, étant proches du seuil

préconisé.

Après avoir établi la fiabilité et la validité de notre modèle, il convient à présent de tester les

différentes hypothèses liées au modèle structurel ainsi que les hypothèses liées aux variables

modératrices.

Tableau 49. Tests de fiabilité et de validité de notre modèle global 

Validité convergente

Fiabilité

Coefficient standardisé

ρVC ρ de Joreskog

Orientation ClientCo-alignement

,926,675 ,803Déploiement

technologique,702

CRM S

Orientation CRM

,792

,430 ,688CRM OP ,601

CRM A ,549

AT

Déploiement technologique

,769

,480 ,785ISDSI ,731

VT ,562

GE ,692

PC Performance organisationnelle

,788,611 ,758

PF ,775

IV. Tests des hypothèses du modèle de recherche

« L’intérêt de l’analyse par les équations structurelles est qu’elle permet le traitement de

relations linéaires simultanées tout en incorporant les erreurs de mesure » (Rival, 2005).

Cette méthode permet en effet de tester le modèle de manière globale, à l’inverse de l’étude

non-simultanée des relations. Dans ce cas, chaque hypothèse est testée de manière

indépendante (analyse des corrélations, régressions multiples). Pour chaque hypothèse, nous

réaliserons ainsi une analyse des relations non-simultanée puis une analyse par la méthode des

équations structurelles (relations simultanées).

1. Tests des hypothèses relatives au modèle structurel

Les hypothèses relatives au modèle structurel (H3 à H5) seront dans un premier temps testées

selon l’analyse non simultanée des relations (corrélations, régressions) puis les résultats seront

confirmés ou infirmés lors d’une analyse simultanée des relations incluant le test du modèle

direct et du modèle global.

1.1 Test des hypothèses relatives au modèle

structurel selon l’analyse non-simultanée des

relations

a) Test de l’hypothèse H3 : « L’orientation CRM a un impact

positif sur la performance organisationnelle »

Analyse des corrélations

L’étude des corrélations nous permet d’identifier une relation entre l’orientation CRM et la

performance organisationnelle (Tableau 50).

Tableau 50. Corrélations entre l’orientation CRM et la performance organisationnelle

Performance

Orientation CRM Corrélation de Pearson ,263(**)Sig. (bilatérale) ,002N 138

**  La corrélation est significative au niveau 0.01 (bilatéral).

Il convient d’analyser à présent les corrélations entre les différentes formes de l’orientation

CRM (CRM stratégique, CRM opérationnel, CRM stratégique) et les différentes dimensions

de la performance (commerciale et financière). Il apparaît que le CRM stratégique est corrélé

de manière significative avec la performance commerciale et la performance financière

(Tableau 51). En revanche, la relation entre le CRM opérationnel et la performance

organisationnelle (commerciale et financière) n’est pas significative. Quant au CRM

analytique, il s’avère corrélé uniquement avec la performance financière mais la relation est

relativement faible.

Tableau 51. Corrélations entre le CRM stratégique, le CRM opérationnel, le CRM 

analytique et la performance organisationnelle (commerciale et financière)

Performance commerciale

Performance financière

CRM Stratégique Corrélation de Pearson ,292(**) ,223(**)Sig. (bilatérale) ,001 ,009N 138 138

CRM Opérationnel Corrélation de Pearson ,085 ,123Sig. (bilatérale) ,320 ,151N 138 138

CRM Analytique Corrélation de Pearson ,139 ,170(*)Sig. (bilatérale) ,104 ,046N 138 138

*  La corrélation est significative au niveau 0.05 (bilatéral).

**  La corrélation est significative au niveau 0.01 (bilatéral).

A ce stade de l’analyse, l’hypothèse H3 n’est donc que partiellement validée car seules deux

des trois sous-hypothèses, selon lesquelles une orientation CRM stratégique (H3a) et une

orientation analytique (H3c) ont un impact positif sur la performance organisationnelle, ont

pu être validées. La relation entre l’orientation CRM opérationnel et la performance n’a en

effet pas pu être établie.

Les régressions multiples

Il s’agit de déterminer quelles caractéristiques de l’orientation CRM permettent une prédiction

optimale de la performance organisationnelle. Nous avons donc effectué une régression

multiple de la variable dépendante « performance organisationnelle » sur les variables

indépendantes « CRM stratégique », « CRM opérationnel » et « CRM analytique ». Le

modèle obtenu n’est basé que sur le CRM stratégique et permet d’expliquer 8,6% de la

variance de la performance organisationnelle (Tableau 52). Ce résultat traduit donc qu’une

orientation CRM davantage axée sur une orientation CRM stratégique entraîne une

performance organisationnelle plus élevée.

Tableau 52. Modèle de régression de la performance organisationnelle sur 

l’orientation CRM

Modèle

Coefficients non standardisés

Coefficients standardisés

tSignification

BErreur

standardBêta

1(constante) 2,937 ,396 7,426 ,000

CRM stratégique

,295 ,082 ,293 3,573 ,000

a  Variable dépendante : performance

b) Test de l’hypothèse H4 : « Il existe un type de déploiement

technologique pour chaque orientation CRM »

Analyse des corrélations

L’analyse des corrélations montre une relation entre le déploiement technologique et

l’orientation CRM (Tableau 53).

Tableau 53. Corrélations entre le déploiement technologique et l’orientation CRM

Orientation CRMDéploiement technologique Corrélation de Pearson ,361(**) Sig. (bilatérale) ,010 N 138

**  La corrélation est significative au niveau 0.01 (bilatéral).

L’analyse détaillée des dimensions de l’orientation CRM et du déploiement technologique

montre qu’un profil de déploiement technologique peut être déterminé pour chaque

orientation CRM (Tableau 54). Si le CRM stratégique est relié positivement à toutes les

dimensions du déploiement technologique, le CRM opérationnel est davantage corrélé à

l’architecture technologique et à la gestion des équipes. Quant au CRM analytique, une

corrélation avec l’architecture technologique et la veille technologique est observée.

A ce stade de l’analyse, l’hypothèse H4 selon laquelle il existe un profil de déploiement

technologique pour chaque orientation CRM est donc validée.

Tableau 54. Corrélations entre les dimensions du déploiement technologique et les 

dimensions de l’orientation CRM

Architecture technologique

Impact stratégique du département

des SI

Gestion des

équipes

Veille technologique

CRM stratégique Corrélation de Pearson

,199(*) ,227(**) ,184(*) ,231(**)

Sig. (bilatérale) ,019 ,007 ,031 ,006 N 138 138 138 138CRM opérationnel Corrélation

de Pearson,287(**) ,135 ,227(**) ,155

Sig. (bilatérale) ,001 ,113 ,007 ,069 N 138 138 138 138CRM analytique Corrélation

de Pearson,171(*) ,143 ,145 ,197(*)

Sig. (bilatérale) ,045 ,094 ,090 ,020 N 138 138 138 138

*  La corrélation est significative au niveau 0.05 (bilatéral).

**  La corrélation est significative au niveau 0.01 (bilatéral).

Les régressions multiples

La régression de l’orientation CRM sur le déploiement technologique fournit deux modèles

(Tableau 55). Le modèle 1, basé uniquement sur l’architecture technologique, permet

d’expliquer 9,1% de la variance de l’orientation CRM contre 11,9% pour le modèle 2 qui

inclut également la gestion des équipes de projets informatiques. Ce résultat reflète le rôle

important de l’architecture technologique adoptée par l’organisation ainsi que le style de

gestion des équipes informatiques dans l’orientation CRM de l’organisation.

Tableau 55. Modèle de régression de l’orientation CRM sur le déploiement 

technologique

ModèleCoefficients non

standardisésCoefficients standardisés

tSignificatio

n

B

Erreur standard

Bêta

1 (constante) 3,749 ,254 14,776 ,000 Architecture

technologique,214 ,058 ,302 3,690 ,000

2 (constante) 3,506 ,276 12,681 ,000 Architecture

technologique,174 ,060 ,246 2,892 ,004

Gestion des équipes ,108 ,052 ,177 2,081 ,039

a  Variable dépendante : orientation_crm

c) Test de l’hypothèse H5 : « Plus l’organisation met en place

un déploiement technologique aligné avec son

orientation CRM, plus elle sera performante »

Analyse des corrélations

L’analyse des corrélations montre une relation significative entre l’alignement orientation

CRM – Déploiement technologique et la performance organisationnelle (Tableau 56).

Tableau 56. Corrélations entre l’alignement du déploiement technologique et de 

l’orientation CRM et la performance organisationnelle

PerformanceAlignement Orientation CRM – Déploiement technologique

Corrélation de Pearson,289(**)

Sig. (bilatérale) ,001 N 138

**  La corrélation est significative au niveau 0.01 (bilatéral).

Une analyse effectuée sur chaque dimension de l’orientation CRM alignée avec le

déploiement technologique montre un impact positif sur la performance organisationnelle

(Tableau 57).

A ce stade de l’analyse, l’hypothèse H5 selon laquelle l’alignement entre l’orientation CRM

et le déploiement technologique a un impact sur la performance organisationnelle est

corroborée car chacune des sous-hypothèses a été validée.

Tableau 57. Corrélations entre l’alignement de chaque dimension de l’orientation 

CRM et le déploiement technologique, et la performance organisationnelle

PerformanceAlignementCRM stratégique et déploiement technologique

Corrélation de Pearson ,318(**)

Sig. (bilatérale) ,000 N 138AlignementCRM opérationnel et déploiement technologique

Corrélation de Pearson ,206(*)

Sig. (bilatérale) ,015 N 138AlignementCRM analytique et déploiement technologique

Corrélation de Pearson ,248(**)

Sig. (bilatérale) ,003 N 138

**  La corrélation est significative au niveau 0.01 (bilatéral).

*  La corrélation est significative au niveau 0.05 (bilatéral).

Les régressions multiples

La régression multiple de la performance organisationnelle sur l’alignement entre chaque

dimension de l’orientation CRM et le déploiement technologique fournit un seul modèle, basé

sur le CRM stratégique, permettant d’expliquer 10,1% de la variance. Ce résultat traduit donc

qu’un alignement entre une orientation CRM davantage axée sur une gestion de la relation

client stratégique et le déploiement technologique aura un impact plus élevé sur la

performance organisationnelle (Tableau 58).

Tableau 58. Modèle de régression de la performance organisationnelle sur 

l’alignement entre chaque dimension de l’orientation CRM et du déploiement 

technologique

Modèle Coefficients non

standardisésCoefficients standardisés t Signification

BErreur

standard Bêta 1 (constante) 2,606 ,446 5,845 ,000 Alignement CRM

Stratégique – Déploiement technologique

,396 ,101 ,318 3,910 ,000

a  Variable dépendante : performance

d) Limites de l’analyse non-simultanée des relations

La principale faiblesse de l’analyse non-simultanée des relations entre nos variables

explicatives et la variable dépendante est qu’elle traite chaque hypothèse de manière

indépendante. L’analyse des relations de manière simultanée permet, quant à elle, de tester de

manière plus précise le modèle de recherche puisque les hypothèses sont testées dans leur

globalité. La structure factorielle de chacun des construits est en outre prise en compte dans la

méthode par les équations structurelles, de même que les erreurs de mesure.

Nous allons donc à présent procéder aux tests des hypothèses H3 à H5 par la méthode des

équations structurelles.

1.2 Analyse simultanée des relations

Les hypothèses H3 et H4 seront testées grâce au test du modèle direct (Figure 57) incluant des

relations directes entre l’orientation CRM, le déploiement technologique et la performance

organisationnelle. L’hypothèse H5 sera en revanche testée via un modèle global (Figure 58),

incluant la variable latente « co-alignement » reliant l’orientation CRM et le déploiement

technologique et une relation directe entre ce « co-alignement » et la variable dépendante

« performance organisationnelle ».

a) Test des hypothèses H3 et H4 par l’analyse du modèle direct

Ajustement de modèle direct

Avant de réaliser nos tests d’hypothèse, il convient dans un premier temps d’aborder

l’évaluation de l’ajustement du modèle direct (Figure 57). L’ajustement du modèle global,

incluant la variable latente « co-alignement », a en effet été vérifié lors des analyses

factorielles confirmatoires réalisées dans une précédente section mais pas celui du modèle

direct.

Les indices d’ajustement du modèle direct sont comparables à ceux du modèle global

(Tableau 59). Comme nous l’avons précisé précédemment, la complexité de notre modèle

associée à la faible taille de notre échantillon permet d’expliquer les valeurs du GFI et de

l’AGFI inférieures aux seuils préconisés.

Tableau 59. Indices d’ajustement du modèle direct

Indices absolusIndices

incrémentauxIndices de

parcimonie

GFI AGFI RMR RMSEA TLI CFI Chi²/dll CAIC

Modèle global ,802 ,767 ,099 ,052 ,909 ,917 1,372< CAICmodèle saturé

Figure 54. Modèle direct de l’orientation CRM, du déploiement technologique et de la 

performance organisationnelle

Test de l’hypothèse H3 « L’orientation CRM a un impact positif sur

la performance organisationnelle »

Concernant la relation directe entre l’orientation CRM et la performance organisationnelle, le

test du modèle direct a confirmé les résultats issus de l’analyse des corrélations et des

régressions multiples. Le modèle direct permet en effet d’identifier un lien significatif entre

l’orientation CRM et la performance organisationnelle (λ=0,45, test t de student de |2,424|

pour un seuil de signification de 5%).

Nous observons une faible intensité de la relation orientation CRM – performance

organisationnelle puisque l’orientation CRM explique 20% de la variance de la performance.

L’absence de variables liées au déploiement technologique de l’organisation contribue à notre

sens à amoindrir cette relation.

Les résultats obtenus pour les sous-hypothèses ne sont toutefois pas tout à fait conformes à

l’analyse non-simultanée :

• Pour l’hypothèse H3a, l’analyse des corrélations et des régressions multiples avait

montré un lien significatif entre l’orientation CRM stratégique et la performance

organisationnelle, un résultat confirmé par le test du modèle direct (λ=0,44, test t de

student de |2,608| pour un seuil de signification de 1%).

• Pour l’hypothèse H3b, aucun lien significatif n’avait pu être déterminé par nos

analyses précédentes, un résultat similaire est obtenu par le test du modèle direct

(λ=0,22, test t de student de |1,198| pour un seuil de signification > 5%).

• Pour l’hypothèse H3c, les résultats divergent entre l’analyse simultanée et non-

simultanée. Un lien significatif avait en effet été déterminé par l’analyse de

corrélations mais cette relation s’avère non significative par le test du modèle direct

(λ=0,24, test t de student de |1,740| pour un seuil de signification > 5%).

L’hypothèse H3 n’est donc que partiellement validée, puisque seule l’hypothèse H3a a pu être

corroborée par nos résultats.

Test de l’hypothèse H4 « Il existe un profil de déploiement

technologique pour chaque orientation CRM »

L’hypothèse H4, ainsi que chacune des trois sous-hypothèses (H4a, H4b et H4c) avait été

validée par l’analyse des corrélations. Le test du modèle permet également de confirmer ce

résultat.

Le déploiement technologique permet en effet d’expliquer 44% de la variance de l’orientation

CRM (λ=0,66, test t de student de |2,772| pour un seuil de signification de 1%).

Pour l’hypothèse H4a, le lien de dépendance entre le déploiement technologique et le CRM

stratégique est donc vérifié (λ=0,60, test t de student de |2,697| pour un seuil de signification

de 1%). Un profil de déploiement technologique peut être déterminé puisqu’il est composé de

quatre éléments principaux, l’architecture technologique (λ=0,74), l’impact stratégique du

département des systèmes d’information (λ=0,76), la veille technologique (λ=0,65) et dans

une moindre mesure la gestion des équipes informatiques (λ=0,56). Ainsi, les organisations

possédant une orientation CRM stratégique ont un déploiement technologique reposant :

• sur une architecture technologique ouverte, qui facilite ainsi la gestion des données,

qui guide le développement des applications, répond aux besoins de l’organisation et

qui utilise de manière efficace les ressources informationnelles.

• sur un département SI jouant un rôle stratégique au sein de l’organisation de par sa

participation aux décisions générales, sa capacité à développer des applications

permettant à l’organisation de se différencier de ses concurrents et de réduire les coûts

d’opération.

• sur une veille technologique importante, caractérisée par la lecture régulière par les

équipes du département SI de journaux et de revues spécialisées dans les technologies

de l’information et de la communication, et leur participation à des associations

professionnelles d’informaticiens.

• Sur une gestion des équipes informatiques bien déterminée (autoritaire ou

participative), qui donne une part importante à l’apprentissage des nouvelles façons

d’intégrer les technologies de l’information et de la communication.

Pour l’hypothèse H4b, le lien est vérifié mais l’intensité de la relation entre le déploiement

technologique et l’orientation CRM opérationnel n’est pas très élevé. La variance expliquée

dans la performance est de 20%. Le coefficient de corrélation est de 0,44 (test t de student de |

3,156| pour un seuil de signification de 1%).

Le profil de déploiement technologique identifié pour une orientation CRM opérationnel est

quasiment le même que pour l’orientation CRM stratégique soit une architecture

technologique ouverte, un impact stratégique du département des SI, une gestion des équipes

efficace. L’importance accordée à la veille technologique est toutefois moindre. Ce résultat

s’explique par le côté moins stratégique du CRM opérationnel, qui se focalise davantage sur

une aide à apporter aux équipes de ventes et du marketing pour réaliser des campagnes plus

efficaces.

Pour l’hypothèse H4c, l’intensité de la relation entre le déploiement technologique et

l’orientation CRM analytique est également relativement faible. La variance expliquée dans la

performance n’est que de 7% (test t de student de |2,128| pour un seuil de signification de

5%).

Le profil de déploiement technologique identifié pour une orientation CRM analytique est le

même que pour l’orientation CRM stratégique soit une architecture technologique ouverte, un

impact stratégique du département des SI, une veille technologique importante et une gestion

des équipes efficace.

L’hypothèse H4 est donc validée puisque toutes les sous-hypothèses ont été corroborées.

b) Test de l’hypothèse H5 par le modèle global

Ajustement du modèle global

L’ajustement du modèle global (Figure 58) a été vérifié dans une section précédente. Outre

des indices GFI et AGFI légèrement en dessous des seuils préconisés, les autres indices

étaient très satisfaisants.

Test de H5 « Plus l’organisation met en place un déploiement

technologique aligné avec sa orientation CRM, plus elle

sera performante »

Lors de l’analyse non simultanée des relations, l’hypothèse H5 a été corroborée ainsi que

chacune des sous-hypothèses concernant les trois dimensions de l’orientation CRM.

L’analyse du modèle global incluant la variable latente « co-alignement » confirme ce

résultat. Le coefficient de corrélation reliant l’alignement stratégique et la performance

organisationnelle est positif puisqu’il s’élève à 0,47 (test t de student de |2,552| pour un seuil

de signification de 2,5%), expliquant ainsi 22% de la variance de la performance. En outre, les

coefficients reliant le co-alignement aux construits de l’orientation CRM et du déploiement

technologique sont également importants et significatifs (respectivement λ=0,93 et λ=0,70).

Le co-alignement partage ainsi un pourcentage de variance élevée avec chacune de ses

variables composantes.

Concernant les trois sous-hypothèses, les résultats de l’analyse des corrélations s’avèrent

différents de ceux fournis par l’analyse du modèle global. Si l’intensité de la relation entre,

d’une part, le co-alignement entre une orientation CRM et le déploiement technologique et,

d’autre part, la performance organisationnelle est significative (λ=0,47, test t de student de |

2,119| pour un seuil de signification de 5%), les liens sont non significatifs pour le CRM

opérationnel (λ=0,38, test t de student de |1,893| pour un seuil de signification > 5%) et le

CRM analytique (λ=0,24, test t de student de |1,740| pour un seuil de signification > 5%).

L’hypothèse H5 n’est donc que partiellement validée puisque seule l’hypothèse H5a a été

corroborée.

Figure 55. Modèle global du co­alignement entre l’orientation CRM et le déploiement 

technologique et son impact sur la performance organisationnelle

2. Tests des hypothèses relatives aux variables modératrices

2.1 Contrainte de la taille de l’échantillon

La méthode des équations structurelles permet de tester l’effet modérateur d’une variable

grâce à une analyse dite « multi-groupes ». Dans le cadre d’une analyse multi-groupes, « il

s’agit de tester le modèle de recherche sur des sous-parties de l’échantillon établies à partir

de la variable modératrice en question. Si les résultats obtenus sont significativement

différents entre sous-groupes, l’effet modérateur est vérifié » (Rival, 2005).

Dans le cadre de notre recherche, nous avons identifié deux variables modératrices :

- la taille de l’entreprise (variable « Taille »),

- la durée d’exploitation de l’outil CRM (variable « Durée »).

Nous pensons que ces variables sont susceptibles d’avoir un effet modérateur sur le lien entre

le co-alignement de l’orientation CRM et le déploiement technologique sur la performance

organisationnelle.

Pour la variable « Taille », il conviendrait donc de déterminer deux groupes : les PME et les

grosses structures. Or, comme nous l’avons précisé dans l’analyse de notre échantillon, ce

dernier n’est composé qu’à hauteur de 16% par des PME. En outre, la taille de cet échantillon

est relativement faible puisque seules 138 observations ont été exploitables. Au final, notre

groupe 1 « PME » ne serait qu’un sous-échantillon de 22 observations, ce qui est beaucoup

trop réduit pour pouvoir réaliser une étude multi-groupes sur notre variable « Taille ».

Pour la variable « Durée », les mêmes contraintes liées à la taille réduite de notre échantillon

sont observées. Même si nous avons la possibilité d’effectuer deux sous-échantillons de taille

relativement proches, sachant que près de 41% de notre échantillon a une démarche CRM

supérieure à 6 ans, la taille reste insuffisante et l’analyse multi-groupes est irréalisable.

2.2 La régression multiple modérée (MRA)

Une régression multiple modérée (Moderated Régression Analysis) sera néanmoins utilisée

pour effectuer les tests des hypothèses H6 et H7, telle que préconisée par Aguinis et Pierce

(1999), afin d’analyser les effets d’interaction. Cette analyse nous permettra d’obtenir

quelques résultats, qui ne seront toutefois pas confirmés par la méthode des équations

structurelles.

Pour cela, nous analyserons l’effet modérateur d’une variable Z (Taille, Durée) sur la relation

entre une variable indépendante X (Orientation CRM, Déploiement Technologique,

Alignement CRM-déploiement technologique) et une variable dépendante Y (performance).

XZ correspondra au terme d'interaction.

Aguinis et Pierce (1999) précisent qu'il suffit simplement de créer une variable dont la valeur

correspondra à la multiplication de X par Z et d'exécuter la procédure de régression. Le

modèle de la régression multiple modérée sera donc :

Y = a+bZ+cX+dZX.

Selon Roussel et Wacheux (2005), le rôle modérateur de Z est établi si le coefficient b est

statistiquement significatif. Le R² du modèle de régression réalisé avec le terme d’interaction

doit également être supérieur à celui effectué sans ce terme d’interaction « afin de montrer

que l’ajout de l’effet modérateur améliore la validité prédictive du modèle » (p 336).

2.3 Test de l’hypothèse H6 : La taille de

l’organisation a un effet modérateur sur le

lien entre l’orientation CRM, le déploiement

technologique et la performance

organisationnelle

Pour effectuer le test des hypothèses relatives à la variable modératrice « Taille de

l’entreprise », nous avons créé une nouvelle variable « Taille » dont les valeurs sont :

1 = « PME »,

2 = « Grandes Entreprises ».

a) H6a « la taille de l’organisation a un effet modérateur sur

la relation entre l’orientation CRM et la performance

organisationnelle »

L’effet modérateur de la taille de l’organisation sur le lien entre l’orientation CRM et la

performance de l’organisation n’est pas vérifié (Tableau 60). Le coefficient b du terme

d’interaction (CRM x Taille) n’est en effet pas significatif.

L’hypothèse H6a est rejetée.

Tableau 60. Effet modérateur de la taille de l’organisation sur la relation entre 

l’orientation CRM et la performance organisationnelle

Modèle Coefficients non

standardisésCoefficients standardisés T Signification

BErreur

standard Bêta 1 (constante) 2,781 1,388 2,003 ,047 Orientation

CRM,319 ,286 ,265 1,117 ,266

Taille ,039 ,832 ,019 ,047 ,963 CRM x Taille -,001 ,173 -,002 -,005 ,996

a  Variable dépendante : performance

b) H6b « la taille de l’organisation a un effet modérateur sur

la relation entre le déploiement technologique et

l’orientation CRM »

En revanche, le terme d’interaction se révèle significatif dans le modèle de régression de

l’orientation CRM sur le déploiement technologique et la taille (Tableau 61). Ce résultat

traduit donc que la taille de l’organisation a un effet modérateur sur la relation entre

l’orientation CRM et le déploiement technologique. Le R² de ce modèle s’élève à 0,211 contre

0,130 pour le modèle sans ce terme d’interaction.

L’équation correspondante s’écrit : Y= -1,744 XZ donc :

• si la taille (Z) = 1 alors Y= -1,744 X,

• si la taille (Z) = 2 alors Y= -3,448X.

Il semblerait que l’impact du déploiement technologique sur l’orientation CRM soit

davantage renforcé dans une PME quand dans une grande structure. L’hypothèse H6b est

donc corroborée.

Tableau 61. Effet modérateur de la taille de l’organisation sur la relation entre le 

déploiement technologique et l’orientation CRM

Modèle

Coefficients non standardisés

Coefficients standardisés t Signification

BErreur

standard Bêta 1 (constante) -,950 1,245 -,763 ,447

Déploiement technologique 1,340 ,288 1,613 4,655 ,000 Taille 2,470 ,675 1,427 3,660 ,000 DT x Taille -,586 ,158 -1,744 -3,704 ,000

a  Variable dépendante : orientation_crm

c) H6c « la taille de l’organisation a un effet modérateur sur

la relation entre l’orientation CRM, le déploiement

technologique et la performance organisationnelle »

La taille de l’entreprise n’a toutefois pas un effet modérateur sur la relation entre l’alignement

CRM-Déploiement technologique et la performance organisationnelle (Tableau 62).

L’hypothèse H6c est rejetée.

Tableau 62. Effet modérateur de la taille de l’organisation sur la relation entre 

l’alignement de l’orientation CRM et du déploiement technologique et la performance 

organisationnelle

Modèle Coefficients non

standardisésCoefficients standardisés t Signification

BErreur

standard Bêta

1 (constante) 2,099 1,816 1,156 ,250 Alignement CRM-

Déploiement technologique

,475 ,400 ,360 1,189 ,237

Taille ,323 1,048 ,155 ,308 ,759 Alignement x taille -,052 ,234 -,121 -,222 ,825

a  Variable dépendante : performance

2.4 Test de l’hypothèse H7 : La durée de la démarche

CRM a un effet modérateur sur le lien entre

l’orientation CRM, le déploiement technologique

et la performance organisationnelle

Pour effectuer le test des hypothèses relatives à la variable modératrice « Durée de la

démarche CRM », nous avons créé une nouvelle variable « Durée » dont les valeurs sont :

1 = « Plus de 6 ans »,

2 = « Moins de 6 ans ».

a) H7a : La durée de la démarche CRM a un effet modérateur sur

le lien entre l’orientation CRM et la performance de

l’organisation

L’effet modérateur de la durée de la démarche CRM ne se révèle pas significatif pour la

relation entre l’orientation CRM et la performance organisationnelle (Tableau 63).

Tableau 63. Effet modérateur de la durée de la démarche CRM sur la relation entre 

l’orientation CRM 

et la performance organisationnelle

Modèle Coefficients non

standardisésCoefficients standardisés t Signification

BErreur

standard Bêta 1 (constante) -,334 1,814 -,184 ,854 Orientation

CRM1,045 ,389 ,869 2,684 ,008

Durée 1,874 1,052 1,186 1,781 ,077 CRM x Durée -,429 ,224 -1,457 -1,911 ,058

a  Variable dépendante : performance

b) H7b : La durée de la démarche CRM a un effet modérateur sur

le déploiement technologique de l’organisation

De la même manière, le terme d’interaction n’est pas significatif dans la relation entre le

déploiement technologique et l’orientation CRM (Tableau 64).

Tableau 64. Effet modérateur de la taille de l’entreprise sur la relation entre le 

déploiement technologique et la performance organisationnelle

Modèle

Coefficients non standardisés

Coefficients standardisés t Signification

BErreur

standard Bêta 1

(constante) 3,505 ,964 3,636 ,000

Déploiement technologique

,244 ,238 ,294 1,023 ,308

Durée -,012 ,569 -,009 -,021 ,983DT x Durée ,034 ,140 ,123 ,240 ,811

a  Variable dépendante : orientation_crm

c) H7c : La durée de la démarche CRM a un effet modérateur sur

l’alignement entre la démarche CRM et le déploiement

technologique

L’effet modérateur de la durée de la démarche ne peut enfin pas être déterminé dans la

relation entre l’alignement de l’orientation CRM et du déploiement technologique et la

performance organisationnelle.

Tableau 65. Effet modérateur de la durée de la démarche CRM sur la relation entre 

l’alignement de l’orientation CRM et du déploiement technologique et la performance 

organisationnelle

Modèle Coefficients non

standardisésCoefficients standardisés t Signification

BErreur

standard Bêta 1 (constante) -,257 1,738 -,148 ,883 Alignement 1,103 ,401 ,835 2,752 ,007 Durée 1,766 1,018 1,118 1,735 ,085 Alignement x

Durée-,434 ,234 -1,341 -1,855 ,066

a  Variable dépendante : performance

L’analyse simultanée des relations effectuée par la méthode des équations structurelles nous a

permis de corroborer un grand nombre des hypothèses validées dans un premier temps lors de

l’analyse des corrélations.

Discussion des résultats du test de notre 

modèle de recherche

Rappel de la démarche méthodologique

Dans le cadre d’une perspective contingente, notre modèle de recherche montre l’impact du

co-alignement entre l’orientation CRM et le déploiement technologique, sur la performance

financière et commerciale de l’organisation. Il intègre sept hypothèses de recherche dont deux

relatives au modèle de mesure et cinq relatives au modèle structurel (incluant deux hypothèses

relatives aux variables modératrices « Taille » et « Durée »).

L’élaboration de notre modèle de mesure s’est articulée autour de trois construits :

l’orientation CRM, le déploiement technologique et la performance organisationnelle.

L’identification des variables et la génération des items de nos construits ont été réalisées à

l’aide d’échelles existantes. Concernant l’orientation CRM, l’échelle SOA CRM (Strategic,

Operational, Anlaytical CRM) d’Iriana et Buttle (2006) a été utilisée mais dans sa version

initiale (31 items). Elle n’avait en effet fait l’objet que d’une seule étude par leurs auteurs. En

revanche, les échelles utilisées du déploiement technologique de Das et al. (1991) et adapté

par Croteau et al. (2000) ainsi que celle de la performance de Venkatraman (1989) ont été

testées lors de nombreux travaux de recherche. Des échelles de type Likert à 6 points ont été

utilisées pour mesurer chacune des variables des trois construits.

Au final, notre questionnaire comporte quatre sections distinctes : une section sur la gestion

de la relation client dans l’organisation (31 items), une section traitant des systèmes

d’information dans l’organisation (25 items), une section considérant les éléments financiers

et commerciaux (7 items) et enfin une section incluant des variables descriptives relatives aux

profils de l’organisation et du répondant. Il a été administré par mail.

Dans le but d’obtenir des réponses de qualité, nous n’avons contacté que des personnes

exerçant la fonction de Directeur / Responsable Marketing et Directeur / Responsable SI. En

revanche, aucun secteur d’acteur d’activité, ni aucune taille d’organisation n’ont été

privilégiés. Après relances, sur les 1 290 personnes contactées, 150 nous ont renvoyé un

questionnaire soit un taux de réponse de 11,6%. 12 questionnaires se sont révélés

inexploitables ce qui a porté notre échantillon à 138 observations.

Avant l’interprétation des résultats, deux phases se sont succédé telles que recommandées par

la démarche de Churchill (1979) : une analyse factorielle exploratoire et une analyse

factorielle confirmatoire permettant dans un premier temps de purifier les instruments de

mesure et dans un second temps d’en estimer la validité et la fiabilité.

Lors de l’analyse factorielle exploratoire, plusieurs items du construit de l’orientation CRM

ont dû être supprimés le ramenant de 31 items à 17 items, répartis en trois dimensions : CRM

stratégique, CRM opérationnel et CRM analytique. Le construit du déploiement

technologique a également été épuré le réduisant à 19 items, regroupés en sept dimensions :

architecture technologique, impact stratégique du département des SI, veille technologique,

évaluation des SI, niveau de centralisation des SI et gestion des équipes de projets

informatiques. Seul l’instrument de mesure de la performance organisationnelle a été

conservé dans sa version initiale, décomposé en deux dimensions : performance commerciale

et performance financière.

La phase d’analyse factorielle confirmatoire a été réalisée par la méthode des équations

structurelles et a permis de tester la fiabilité et la validité de nos trois instruments de mesure.

L’analyse des indices d’ajustement du modèle aux données nous a amenés à supprimer cinq

autres items du construit de l’orientation CRM. Ensuite, même si la fiabilité et la validité du

construit re-spécifié s’avèrent insuffisantes, nous avons toutefois choisi de conserver cet

instrument et de l’intégrer dans un modèle global.

L’orientation CRM et le déploiement technologique sont 

des construits multidimensionnels

Via l’analyse d’un modèle de second ordre, nous avons été en mesure de valider l’hypothèse

H1 selon laquelle « L’orientation CRM est un construit multidimensionnel » et l’hypothèse

H1bis selon laquelle « L’orientation CRM est un construit composé de trois dimensions : le

CRM opérationnel, le CRM analytique et le CRM stratégique ».

La fiabilité et la validité du construit du déploiement technologique ont quant à elles été

vérifiées lors de l’analyse du modèle de premier ordre, qui a également été re-spécifié (2

items supprimés). La validité convergente s’est toutefois détériorée lors de l’analyse du

modèle de second ordre (ρVC < 0,5), un résultat qui nous a amenés à supprimer les

dimensions « Niveau de centralisation », « Evaluation des Systèmes d’Information » et

« Développement des Systèmes d’Information » pour la suite de cette recherche. Ainsi re-

spécifié, le modèle de second ordre a présenté des indices d’ajustements, une fiabilité et une

validité tout à fait satisfaisants. L’hypothèse H2 selon laquelle le déploiement technologique

est un construit multidimensionnel est donc validée.

Le choix d’une analyse non­simultanée suivie d’une 

analyse simultanée des relations pour le test des 

hypothèses relatives au modèle structurel

Nous avons ensuite entamé une phase de tests des hypothèses de recherche qui s’est déroulée

en deux étapes : le test des hypothèses relatives au modèle structurel (H3 à H5) et le test des

hypothèses relatives aux variables modératrices (H6 et H7).

Le test des hypothèses H3 à H5 s’est également déroulé en deux étapes. Dans un premier

temps, nous avons réalisé une analyse non-simultanée des relations (analyse des corrélations,

régressions multiples), testant chaque hypothèse de manière isolée. Dans un second une

analyse simultanée des relations a été effectuée par la méthode des équations structurelles,

permettant de tester chaque hypothèse dans un modèle global et donc de confirmer ou

d’infirmer les résultats obtenus lors de la première analyse.

Faible impact de l’orientation CRM sur la performance 

organisationnelle

Ainsi, nous avons partiellement validé l’hypothèse H3 selon laquelle l’orientation CRM a un

impact sur la performance organisationnelle. Les différents travaux de recherche portant sur le

lien client-performance organisationnelle ont pour la plupart montré que la gestion des clients

avait un impact positif sur la performance de l’organisation. Si Reichheld et Sasser (1990) et

Reinartz et Kumar (2001) se sont intéressés aux relations de long terme et de court terme avec

les clients, montrant que ces deux types de relations avaient un impact sur les profits de

l’organisation, Yeung et Ennew (2000) se sont davantage focalisés sur la satisfaction du

consommateur, soulignant la difficulté de mesurer la satisfaction et donc son effet sur la

performance organisationnelle.

De nombreux travaux ont porté sur le lien orientation client – performance organisationnelle,

des travaux qui se rapprochent des nôtres dans la mesure où nous considérons que le concept

d’orientation client est proche de celui d’orientation CRM. Les résultats se sont avérés très

différents d’une étude à l’autre. Les auteurs ont en effet utilisé de nombreuses mesures de la

performance (croissance des ventes, retour sur investissement, revenu net, nouvelles lignes de

produits, etc.), ce qui a pu contribuer à obtenir des résultats aussi divergents.

L’étude de Amara et Kalika (2007), quant à elle, a permis de mettre en avant une relation

positive entre l’orientation client et la performance organisationnelle. Les auteurs ont

toutefois observé une faible intensité de la relation puisque la performance était expliquée à

raison de 21% par l’orientation client. Nos résultats se rapprochent de ceux d’Amara et Kalika

puisque nous observons une faible intensité de la relation CRM-performance

organisationnelle (20% de la variance expliquée de la performance).

En outre, nous avons validé l’hypothèse selon laquelle l’impact d’une orientation CRM

stratégique sur la performance organisationnelle était significatif. Or, ce lien s’est révélé non

significatif dans le cas d’une orientation CRM opérationnel et CRM analytique.

Si le résultat obtenu pour l’orientation CRM opérationnel peut s’expliquer par le fait qu’il se

caractérise par une gestion courante de la relation avec le client, ce résultat est surprenant

pour une orientation CRM analytique. Ce dernier repose en effet sur la mise en œuvre d’outils

technologiques permettant d’effectuer des analyses approfondies des données clients

(segmentation, profils, reporting) et ainsi d’aider à la prise de décision de l’organisation.

L’impact sur la performance semble donc être plus important sachant que des mesures

concrètes sont réalisées (créations de tableaux de bord, chargement des datamart, réalisation

de segmentations de clientèles suivies de campagnes marketing ciblées).

Enfin, l’impact marqué du CRM stratégique sur la performance organisationnelle était attendu

par nos réflexions a priori. Une organisation qui adopte une orientation CRM stratégique se

situe dans un processus de prise en considération de l’importance de gérer ses clients, prend

des décisions stratégiques en ce sens, et développe une culture d’entreprise centrée sur le

client. La mise en œuvre de ces décisions passe par l’acquisition d’outils technologiques et/ou

l’amélioration des processus déjà mis en place, ce qui a un impact sur la performance de

l’organisation.

Un profil de déploiement technologique pour chaque 

orientation CRM

Nous avons supposé a priori un modèle de causalité du déploiement technologique sur

l’orientation CRM. Nous avons en effet tenté tout au long de ce travail de recherche de

montrer l’importance du déploiement technologique dans le cadre de la gestion de la relation

client. Nous rejoignons ainsi Meyer et Kolbe (2005), qui soulignent que les changements

apportés par une stratégie orientée client doivent s’intégrer dans le système d’information

existant pour que cette stratégie porte ses fruits, ou Bénavent et Villarmois (2006) qui

décrivent le CRM comme une stratégie reposant sur un système d’information.

Cette hypothèse (H4) a été corroborée par l’analyse des corrélations et ensuite par l’analyse

par la méthode des équations structurelles. Nous avons ainsi montré qu’une architecture

technologique ouverte, qui utilise efficacement les ressources informationnelles de

l’organisation et un département des SI jouant un rôle central dans l’organisation étaient les

deux principaux éléments du profil du déploiement technologique des trois orientations CRM.

La gestion des équipes de projets informatiques intervient également mais dans une moindre

mesure. Enfin, la veille technologique effectuée par le département SI apparaît importante

pour une orientation CRM stratégique et analytique. En revanche, elle ne figure pas dans le

profil de déploiement technologique d’une orientation CRM opérationnel. Considérant que le

CRM opérationnel est la base de la gestion quotidienne du client, nous pouvons établir a

posteriori que la veille technologique n’est pas une priorité.

Impact limité du co­alignement de l’orientation CRM et du 

déploiement technologique sur la performance 

organisationnelle

A notre connaissance, l’étude concernant le co-alignement entre client et stratégie

technologique réalisée par Amara et Kalika (2007) figure parmi les principaux travaux relatifs

à ce sujet. Les auteurs ont utilisé la notion précédemment abordée de l’orientation client et ont

corroboré leur hypothèse selon laquelle ce co-alignement avait un impact sur la performance

organisationnelle. Selon leur modèle, la variance de la performance est en effet expliquée à

hauteur de 33,6%, ce qu’ils jugent toutefois être une relation relativement « timide ». Amara

et Kalika soulignent que « l’omission de variables intermédiaires ou contingentes atténuant

la relation orientation client – performance comme les turbulences liées au marché, au

développement technologique et à l’environnement concurrentiel » peut expliquer ce faible

résultat.

L’intensité de la relation alignement – performance de notre modèle s’est également révélée

peu élevée. Ce résultat peut en partie s’expliquer par les caractéristiques de notre échantillon

et en particulier des répondants eux -même. Rappelons en effet que la moitié des répondants

est rattachée au service marketing de l’organisation, 20% au département des SI et enfin 10%

au service commercial. Si dans une PME, ces fonctions peuvent être relativement proches et

travailler conjointement, une organisation différente peut être observée dans une plus grande

structure où les départements sont plus indépendants. Or, notre échantillon est constitué à

hauteur de 84% par des grandes entreprises (plus de 250 salariés et plus de 50 millions

d’euros de chiffre d’affaires). Certes, les plus grosses structures ont généralement un

déploiement technologique bien identifié, ont davantage de moyens pour mettre en œuvre une

stratégie CRM, peuvent se montrer davantage flexibles lors de changements

environnementaux brutaux mais, excepté les cadres dirigeants, les autres salariés ont sans

doute une vision moins globale de la stratégie CRM et de la stratégie des SI de l’organisation.

Les réponses apportées ont ainsi bu être biaisées par un manque de vision globale, un élément

que nous avions mal évalué dans nos réflexions a priori.

Un effet modérateur de la taille de l’organisation sur la 

relation entre l’orientation CRM et le déploiement 

technologique à prendre avec précaution

Nous avons observé un effet modérateur de la taille de l’organisation sur la relation entre

l’orientation CRM et le déploiement technologique (H6). Il semblerait en effet que l’impact

du déploiement technologique sur l’orientation CRM soit davantage marqué dans une PME

que dans une grande structure. Ce résultat est toutefois à prendre avec précaution, et ce pour

deux raisons.

D’une part, la validation de cette hypothèse n’a pu être établie par l’analyse multi-groupes

dans le cadre des équations structurelles, notre échantillon étant trop restreint. L’analyse

simultanée des relations est primordiale car, nous l’avons déjà abordé, un modèle de

recherche doit en effet être testé dans son ensemble.

D’autre part, les PME ne représentent que 16% de notre échantillon, soit 21 observations. La

taille de ce groupe est trop réduite pour que les résultats soient acceptables. Ils demandent à

être confirmés.

Conclusion générale 

La conclusion de ce travail doctoral rappelle tout d’abord les objectifs et la méthodologie

retenue avant de mettre en relief les réponses apportées aux questions de recherche. Elle

aborde ensuite les apports managériaux et méthodologiques pour ensuite s’intéresser à la

généralisation des résultats. Enfin, les limites et les perspectives de ce travail de recherche

seront présentées.

Analyse du lien entre la gestion de la 

relation client, le déploiement 

technologique et la performance 

organisationnelle

Une perspective contingente pour évaluer l’alignement 

entre le CRM et le déploiement technologique et son 

impact sur la performance organisationnelle

L’évaluation de l’impact du Customer Relationship Management sur la performance

organisationnelle constitue un domaine de recherche peu exploré. Comme nous l’avons

précisé précédemment des notions comme « l’orientation client » ou la « satisfaction client »

ont davantage été privilégiées. Sur le plan théorique, notre positionnement avait donc pour

objectif de clarifier le concept de CRM et d’évaluer son impact sur la performance d’une

organisation. Toutefois, notre collaboration au sein du projet CRM/ BI et notre revue de la

littérature nous ont convaincus que l’aspect stratégique des TIC et des systèmes d’information

ne pouvait être occulté dans une démarche CRM.

Nous avons donc opté pour une perspective d’alignement stratégique (Henderson et

Venkatraman, 1993), inscrit dans la théorie de la contingence, selon le principe que la

performance organisationnelle est le résultat d’un « fit » ou d’un alignement stratégique entre

une orientation CRM et le déploiement technologique. Le modèle de recherche final permet

ainsi de mettre en relief un co-alignement entre l’orientation CRM et le déploiement

technologique nécessaire.

Un échantillon de Directeurs / Responsables Marketing ou 

Directeurs / Responsables des Systèmes 

d’Information

La collecte des données a été réalisée par mail auprès de personnes occupant des postes de

Directeur / Responsable Marketing ou Directeur / Responsable des Systèmes d’Information

travaillant dans tout secteur d’activité. Nous avons choisi de cibler ces personnes occupant

des postes à responsabilité dans les domaines du Marketing et des Systèmes d’Information

pensant a priori qu’ils possédaient une vision d’ensemble de leurs domaines d’activité

respectifs et également des processus transversaux. Au final, 71% des répondants occupaient

des fonctions dans les services Marketing et Systèmes d’Information de leur organisation.

Notre échantillon était composé à 92,8% de cadres (dont 49,3% de cadres supérieurs et de

cadres dirigeants).

Synthèse des réponses aux questions de 

recherche

Réponse à la question de recherche Q1 : « La gestion de la 

relation client se structure­t­elle en plusieurs 

dimensions ? »

Répondre à cette première question de recherche a nécessité une revue de la littérature sur les

différentes catégories de Customer Relationship Management identifiées dans les différents

travaux relatifs à la gestion de la relation client (Meta Group, 2001 ; Crosby et Johnson,

2001 ; Kyungran, 2004 ; Peppers, Rogers et Dorf, 2004 ; Xu et Walton, 2005 ; Payne et Frow,

2005 ; Iriana et Buttle ; 2006).

Plusieurs dimensions du CRM ont ainsi pu être distinguées :

• le CRM opérationnel, qui se caractérise par une gestion au jour le jour du client

(centre d’appels, mailings, etc.) ;

• le CRM analytique, qui associé à un CRM opérationnel, constitue la base de la chaîne

décisionnelle des actions marketing et de l’activité grâce à des analyses en profondeur

des données clients (segmentation, profilage des clients) ;

• le CRM collaboratif, dont l’objectif principal est la collaboration interne au sein de

l’organisation pour satisfaire le client ;

• le CRM stratégique, qui s’aligne avec la stratégie globale de l’entreprise et s’avère être

une véritable culture d’entreprise centrée sur le client ;

• le eCRM, qui gère la relation client avec le canal Internet.

Dans cette recherche, nous avons choisi de ne retenir que trois catégories du CRM : le CRM

opérationnel, le CRM analytique et le CRM stratégique, excluant ainsi le eCRM, que nous

avons considéré comme une sous-catégorie du CRM opérationnel, et le CRM collaboratif qui

se retrouve dans chacun des trois catégories de CRM conservées. Ensuite, afin de valider que

l’orientation CRM est un construit composé des trois dimensions identifiées, nous avons

choisi d’adapter l’instrument de mesure SOA CRM d’Iriana et Buttle (2006) qui supposait

déjà que ce construit était tridimensionnel. Par la suite, grâce à notre collecte de données,

l’hypothèse a été validée. Pour ce faire, les qualités d’ajustement d’un modèle

unidimensionnel et un modèle tridimensionnel ont été comparées et des analyses factorielles

de premier et de second ordre ont été réalisées, confirmant ainsi que l’orientation CRM est

un construit tridimensionnel composé du CRM opérationnel, du CRM analytique et du

CRM stratégique.

Réponse à la question de recherche Q2 : « Comment la 

stratégie technologique influence­t­elle la démarche 

CRM d’une organisation ? »

Dès le début de notre revue de la littérature, le rôle des technologies de l’information et de la

communication dans une démarche CRM est apparu pour bon nombre d’auteurs comme

primordial (Meyer et Kolbe, 2005 ; Bénavent et Villarmois, 2006). Peelen et al. (2006)

concluent d’ailleurs leur ouvrage sur le CRM par le fait que « Nouer et approfondir des

relations avec une grande variété de clients n’est réalisable qu’à l’aide des technologies de

l’information et de la communication » (p. 344).

Répondre à cette seconde question de recherche nous a donc conduits dans un premier temps

à effectuer une revue de la littérature sur l’aspect stratégique des TIC puis sur le lien entre les

SI et la performance organisationnelle, ce dernier ayant fait l’objet de nombreux travaux dans

la recherche en SI. L’utilisation du modèle de l’alignement stratégique s’est ensuite

rapidement imposée comme majeur pour tenter d’opérationnaliser le lien entre les SI et la

stratégie orientée client de l’entreprise.

Par la suite, le concept de déploiement technologique proposé par Croteau et al. (2001)

d’après les travaux de Das et al (1991) nous a semblé adéquat pour d’un côté aborder la

stratégie technologqiue. Pour ce faire, nous avons tout d’abord validé que le déploiement

technologique était un construit de second ordre. Nous avons toutefois re-spécifié le modèle

lors de l’analyse du modèle de second ordre qui présentait une validité convergente

insuffisante.

Ainsi, à l’aide d’un modèle structurel intégrant les construits multidimensionnels de

l’orientation CRM et du déploiement technologique, nous avons montré qu’il existait un

profil de déploiement technologique pour chaque catégorie de CRM. Une architecture

technologique ouverte utilisant efficacement les ressources informationnelles de

l’organisation ainsi qu’un département des SI jouant un rôle stratégique au sein de

l’organisation se sont révélés être des éléments primordiaux du profil de déploiement

technologique de chacune des trois catégories de CRM. En revanche, nous avons observé que

la veille technologique figurait dans le profil de déploiement technologique du CRM

analytique et du CRM stratégique mais pas dans celui du CRM opérationnel. Ce résultat met

en exergue que la veille stratégique ne représente pas une priorité pour une organisation

davantage orientée CRM opérationnel.

Réponse à la question de recherche Q3 : « Dans quelle 

mesure une démarche CRM a­t­elle un impact sur la 

performance organisationnelle ? »

Compte tenu de l’importance des TI et donc des SI dans une démarche CRM, il nous a paru

indispensable d’inclure le déploiement technologique dans notre étude du lien entre une

orientation CRM et la performance organisationnelle. Pour ce faire, nous avons élaboré un

modèle étudiant l’impact du co-alignement de l’orientation CRM et du déploiement

technologique sur la performance organisationnelle.

Dans un premier temps, nous avons testé le lien direct entre l’orientation CRM et la

performance organisationnelle. Nos résultats confortent la supposition d’un lien significatif

entre l’orientation CRM et la performance organisationnelle. Toutefois, la relation s’est

révélée de faible intensité. Ce résultat se rapproche de celui de Amara et Kalika (2007) qui

avaient également observé un lien de faible intensité entre l’orientation client et la

performance organisationnelle.

Ensuite, le test de notre modèle global, incluant la variable latente « co-alignement » reliant

l’orientation CRM et le déploiement technologique, a montré une relation d’intensité

légèrement plus élevée que la relation directe entre l’orientation CRM et la performance

organisationnelle. Amara et Kalika (2007) sont également parvenus à la même observation

dans leurs travaux de recherche. Ces résultats tendent à démontrer le rôle primordial du

département des systèmes d’information dans une démarche de gestion de la relation client.

Néanmoins, nous ne pouvons pas négliger que les relations obtenues sont certes significatives

mais demeurent de faible intensité. Amara et Kalika (2007) avaient évoqué l’omission de

variables intermédiaires telles que les turbulences liées au marché et à l’environnement

concurrentiel pour expliquer ce résultat. Outre ces éléments, nous penchons également pour

des raisons inhérentes à l’échantillon et aux répondants. Nous pensons que le manque de

vision globale des répondants de la stratégie globale de l’entreprise a pu biaiser les réponses.

Les PME, où les cadres sont davantage amenés à occuper une fonction transversale au sein de

l’organisation, ne représentent en effet que 16% de l’échantillon. Dans les grandes entreprises,

qui constituent la grande majorité de notre échantillon, les cadres dirigeants sont les seuls à

définir la stratégie globale de l’organisation.

Modèle final

Notre modèle final de cette recherche comporte ainsi 5 hypothèses validées sur les 7

élaborées initialement (Figure 59).

Les construits de l’orientation CRM et du déploiement technologique sont des construits

multidimensionnels (Hypothèses H1 et H2 corroborées). Si l’hypothèse H1bis selon laquelle

le CRM stratégique, le CRM opérationnel et le CRM analytique sont les trois dimensions de

l’orientation CRM a été validée, l’analyse du modèle de second ordre du déploiement

technologique nous a conduits à supprimer quelques dimensions (« Niveau de

centralisation », « Evaluation des systèmes d’information », « Développement des systèmes

d’information).

Un lien significatif a été observé entre l’orientation CRM et la performance organisationnelle

(H3 validée) mais seule l’orientation CRM stratégique est directement et positivement liée à

la performance organisationnelle (H3a validée, H3b et H3c non corroborées). En outre, un

profil de déploiement technologique a été observé pour chacun des orientations CRM (H4,

H4a, H4b, H4c ont été validées).

Le test du modèle global a permis de montrer un lien significatif entre le co-alignement de

l’orientation CRM et du déploiement technologique et la performance organisationnelle (H5

validée). En revanche, le lien s’est avéré non significatif pour le CRM analytique et

opérationnel (H5a validée, H5b et H5c non corroborées). Enfin, la faiblesse de notre

échantillon nous a fourni des résultats peu concluants sur l’effet modérateur des variables

« Taille » et « Durée » de la démarche CRM » (H6 et H7 validées).

Figure 56. Le modèle de recherche final et la validation des hypothèses 

Apports de la recherche

Apports théoriques

Cette recherche contribue à la réflexion sur le caractère multidimensionnel du concept de

CRM, tel qu’évoqué dans la revue de la littérature. Le CRM peut ainsi se définir selon trois

dimensions principales : le CRM opérationnel, le CRM analytique et le CRM stratégique.

L’opérationnalisation réalisée par Iriana et Buttle (2006) via l’échelle SOA CRM constituait

une avancée majeure dans la possibilité de mesurer de manière quantitative l’orientation CRM

des organisations. Les résultats satisfaisants obtenus dans cette recherche ont permis de mettre

en avant l’originalité de la voie de recherche liée à la multidimensionnalité de la gestion de la

relation client. Cette recherche nous a par ailleurs confirmé l’intérêt d’étudier le lien entre la

gestion de la relation client et la stratégie des systèmes d’information via une perspective

d’alignement stratégique (Henderson et Venkatraman, 1993) et plus précisément de co-

alignement, l’importance des TIC dans une démarche CRM n’ayant plus besoin d’être

débattue. Le rôle stratégique des TI est indéniablement à traiter dans tous travaux de

recherche liés au Customer Relationship Management.

Apports managériaux

Cette recherche a été réalisée dans le souci de répondre aux attentes des organisations

désireuses de se positionner dans une démarche CRM.

Pour celles se situant dans une phase de réflexion, cette recherche peut leur permettre d’une

part d’évaluer la gestion de la relation client avec plus de recul et d’autre part d’aborder la

gestion de la relation client d’un point de vue multidimensionnel et ainsi avoir une vision plus

claire des enjeux d’un CRM opérationnel ou d’un CRM analytique. Comme nous l’avions

abordé dès l’introduction de ce travail doctoral, de nombreux projets CRM se sont avérés être

des échecs au début des années 2000 attribués au manque de réflexion en amont provoquant

des dépassements de coût et de délais importants. L’engouement a vite fait place au

désenchantement (Rigby, Reichheld et Schefter, 2002). Le marché français du CRM a ainsi

accusé un recul sans précédent en 2001 et depuis les taux de croissance avoisinent les 5%. Les

organisations ont donc besoin de prendre du recul sur ces échecs, définir des objectifs à court,

moyen et long terme et les traduire en opérations concrètes et en processus.

Pour celles possédant déjà un outil CRM, ce travail de recherche peut les amener à redéfinir

leurs objectifs, évaluer les avantages d’axer davantage sa stratégie autour du CRM analytique

voire développer une véritable culture d’entreprise centrée autour de la relation avec le client

(CRM stratégique). L’échelle de mesure du CRM adaptée et validée dans cette recherche peut

aider les organisations à se positionner en terme d’orientation CRM.

Dans ce travail doctoral, notre objectif était également de montrer que mettre en place une

démarche de gestion de la relation client avait un impact sur la performance tant commerciale

que financière de l’organisation. Néanmoins, nous tenions à souligner que l’impact

stratégique du département des Systèmes d’Information et des équipes informatiques qui le

composent ne devait pas être sous-estimé dans une telle démarche. Nos résultats sur le co-

alignement de l’orientation CRM et du déploiement technologique sur la performance

organisationnelle ne se sont certes révélés que très légèrement meilleurs que le test de

l’impact direct de l’orientation CRM sur la performance mais nous sommes convaincus que

cette piste de recherche doit être poursuivie.

Limites et perspectives de la recherche

Le contexte doctoral imposant des contraintes de temps, cette recherche comporte plusieurs

limites mais ouvre également quelques voies de recherche.

L’utilisation d’un échantillon de convenance

La principale limite de cette recherche est liée à notre échantillon. Ce dernier est en effet un

échantillon de convenance où les répondants occupent des postes de direction dans les

domaines du marketing et/ou des systèmes d’information dans tout type d’activité. Se pose

alors un des problèmes fondamentaux de la recherche : la généralisation des résultats. Les

résultats ne peuvent en effet pas être généralisés à l’ensemble des entreprises de notre

population mère, toutes tailles et activités confondues.

En outre, les données collectées sont déclaratives ce qui implique que leur fiabilité repose sur

la perception des répondants de la réalité. Cette dernière peut cependant s’avérer très éloignée

de leurs déclarations. « Les résultats sont soumis aux distorsions des interlocuteurs dans le

dispositif d’enquête » (Rival, 2005).

Enfin, l’analyse factorielle confirmatoire a été réalisée avec les mêmes observations que

l’analyse factorielle exploratoire, ce qui représente une limite méthodologique. Selon la

démarche de Churchill (1979), chaque analyse devrait en effet être réalisée sur un échantillon

de données indépendant.

Des variables modératrices à exploiter

La taille de notre échantillon, 138 observations, nous a en outre empêchés de réaliser une

analyse multi-groupes afin de tester l’effet d’éventuelles variables modératrices telles que la

taille de l’entreprise « Taille » ou la durée d’exploitation de l’outil CRM « Durée ». Nous

pensions a priori que ces variables étaient susceptibles d’avoir un effet modérateur sur le lien

entre le co-alignement de l’orientation CRM et le déploiement technologique sur la

performance organisationnelle. Pour la variable « Taille », notre groupe 1 « PME » n’était

qu’un sous-échantillon de 22 observations ce qui est beaucoup trop réduit pour pouvoir

réaliser une étude multi-groupes sur notre variable « Taille ». Pour la variable « Durée », les

mêmes contraintes liées à la taille réduite de notre échantillon ont été observées. Même si

nous avions la possibilité d’effectuer deux sous-échantillons de taille relativement proches,

sachant que près de 41% de notre échantillon avait une démarche CRM supérieure à 6 ans, la

taille restait insuffisante et l’analyse multi-groupes fut irréalisable.

Néanmoins, l’utilisation de la régression multiple modérée (MRA – Moderated Régression

Analysis) a permis d’observer un effet modérateur de la taille de l’organisation sur la relation

entre l’orientation CRM et le déploiement technologique. Il semblerait en effet que l’impact

du déploiement technologique sur l’orientation CRM soit davantage marqué dans une PME

que dans une grande structure. Compte tenu de la taille restreinte de notre échantillon, ce

résultat est toutefois à prendre avec précaution et doit être confirmé.

Une perspective sectorielle à envisager

En outre, nous sommes attachés à ne définir que deux variables modératrices qui sont la taille

de l’organisation et la durée d’exploitation de l’outil CRM. Or, l’activité de l’organisation

peut s’avérer être une variable modératrice très intéressante à intégrer dans notre modèle de

recherche dans des recherches futures et ainsi effectuer des comparaisons d’un secteur

d’activité à l’autre. Nous pensons tout particulièrement à des secteurs où l’information est

abondante tels que le secteur bancaire, caractérisé par un fort développement du multi-canal,

ainsi que la grande distribution « qui a déployé des moyens de collecte de l’information si

grands qu’on ne sait par quel bout les exploiter » (Bénavent et De Villarmois, 2006).

Mesurer la dynamique de l’alignement stratégique

Enfin, les recherches d’Henderson et Venkatraman (1993) suggèrent que le modèle de

l’alignement stratégique est un processus dynamique car il n’existe pas de perspective

universelle de l’alignement. Selon Ciborra (1997), il s’agit d’un trajet et non pas d’un

événement. Or, l’administration de notre questionnaire a eu lieu à une période précise ce qui

ne prend en compte que l’aspect « statique » de l’alignement et rend la mesure de la

dynamique de l’alignement très difficile. Il conviendrait de procéder à des analyses multi-

périodes telles que préconisé par Sabherwal, Hisrschheim et Goles (2001). Pour ce faire, il

serait intéressant d’administrer le même questionnaire à différentes périodes pour évaluer

l’aspect « dynamique » de l’alignement.

Nous conclurons ce travail doctoral en précisant que ce dernier constitue le point de départ de

nouvelles recherches, telles que l’élaboration de modèles plus complexes intégrant de

nouvelles variables, ou l’utilisation de nouvelles approches.

« L’essence même de la réflexion, c’est de comprendre qu’on n’avait pas compris. »

Gaston Bachelard, Le nouvel esprit scientifique, 1934.

Bibliographie

A

ABBES, M., (2005), « Etat des pratiques relationnelles en B to C: la confiance au 

cœur des relations consommateurs – enseignes de distribution », Actes du 4ème 

Congrès des Tendances du Marketing, Paris – Venise.

AGUINIS H., PIERCE C., (1999), « Improving the Power of Moderated Multiple 

Regression to Estimate Interaction Effects », Academy of Management, Research 

Methods Division, Research Methods Forum, Vol.4, summer. 

AMARA, E., KALIKA, M., (2007), « L’alignement entre orientation client stratégie 

technologique : Application Empirique au contexte tunisien », Actes du colloque AIM. 

APPIAH­ADU, K. ; SINGH, S., (1998), « Customer Orientation and Performance: A 

Study of SMEs, » Management Decision, Vol.36, N°6, p. 385–394.

ASKENAZY, P., GIANELLA, C., (2000), « Le paradoxe de productivité : les 

changements organisationnels, facteur complémentaire à l'informatisation », 

Économie statistique, Vol.339­340, p. 219­241.

B

BAGOZZI, R.P., (1981), « An examination of the validity of two models of attitude », 

Multivariate Behavorial Research, Vol.16, p. 323­359.

BALAKRISHNAN, S., (1996), « Benefits of Customer and Competitive Orientations in 

Industrial Markets, » Industrial Marketing Management, Vol.25, N°4, p. 257–269.

BARKI, H., HARTWICK, J., (1989), « Rethinking the Concept of User Involvement», 

MIS Quartely¸ March, p. 52­63.

BARRAND, J., (2006), Le Manager agile, vers un nouveau management pour 

affronter la turbulence, Edition Dunod, Paris, 220 p. 

BAUMARD, P., (1997), « Constructivisme processus de la recherche: l’émergence 

d’une posture épistémologique chez le chercheur », Constructivismes sciences de 

gestion, IAE Aix de Lille.

BECK, B., SUMMER, J., (2001), « CRM : Not Just Operational and Collaborative », 

DM Review Magazine, September.

BELL, D., DEIGHTON, J., REINARTZ, W., RUST, R.T., SWARTZ, G., (2002), 

« Seven barriers to customer equity management », Journal of Service Research, 

Vol.5, N°1,     p. 47­55.

BENAMOUR, Y., (2000), « Confiance interpersonnelle et confiance institutionnelle 

dans la relation client/entreprise de service », Thèse de doctorat en sciences de 

gestion, Université Paris IX Dauphine.

BENAVENT, C., (2000), « Les NTIC, le marketing stratégique et le jeu 

concurrentiel », Revue Française de Gestion, N°129.

BENAVENT, C., DE LA VILLARMOIS, O., (2006) « CRM, apprentissage et contrôle 

organisationnel », Journal of Information Systems and Technology Management, 

Vol.3, N°2, p. 193­210.

BERGERON F., RAYMOND L., (1995), « The Contribution of Information Technology 

to the Bottom Line: A Contingency Perspective of Strategic Dimensions », 

Proceedings of International Conference of Information Systems, p. 167­181.

BERGERON F., RAYMOND L., RIVARD S., (2001), « Fit in Strategic Information 

Technology Management Research: An Empirical Comparison of Perspectives », 

Omega, Vol.29, N°2, p. 125­142.

BERGERON F., RAYMOND L., RIVARD S., (2002), « Strategic Alignment and 

Business Performance: Operationalizing and Testing a Covariation Model », Cahier 

de la chaire de gestion stratégique des technologies de l’information, HEC Montréal, 

Mai, 35 p. 

BERGERON F., RAYMOND L., RIVARD S., (2004), « L’alignement stratégique des 

TI et la performance des PME », Actes du colloque de l’AIMS, 20 p. 

BERRY, L.L., (1983), « Relationship Marketing », Proceedings of the American 

Marketing Association’s Services Marketing Conference. 

BERRY, L.L., (1995), « Relationship marketing of services: growing interest, 

emerging perspectives », Journal of the Academy of Marketing Science, Vol.23.

BERTHON, P., HOLBROOK, M.B., HULBERT, J.M., (2000), « Beyond market 

orientation: A conceptualisation of market evolution », Journal of Interactive 

Marketing, Vol.14, N°3, p. 50­66.

BLATTBERG, R.C., DEIGHTON, J., (1996), « Manage marketing by customer equity 

test », Harvard Business Review, Vol.74, N°4, p. 136­144.

BOLTON, M., (2004), « Customer centric business processing », International 

Journal of Productivity and Performance Management, Vol.53, N°1, p. 44­51.

BONNEMAIZON, A., COVA, B., LOUYOT, M.C., (2006), « Représentations du 

marketing relationnel à l’horizon 2010 : Une analyse Delphi », 5th international 

Congress of Marketing Trends.

BOUJENA, O., JOHNSTON, W.J., MERUNKA, D.R., (2009), « The Benefits of Sales 

Force Automation: A Customer's Perspective », Journal of Personal Selling and 

Sales Management, Vol.29, N°2, p. 137­150. 

BOURCIER­DESJARDINS, R., MAYERE, A., MUET, F., SALAUN, J.M., (1990), 

« Veille Technologique : revue de la littérature, étude de terrain », papier de 

recherche du Centre d’Etudes de Recherches en Sciences de l’Information.

BRADY, M.K., CRONIN, J.J., (2001), « Customer Orientation », Journal of Service 

Research, Vol.3, No. 3, p. 241­251.

BREU, H., HEMINGWAY, C.J., STRATHERN, M., BRIDGER, D., (2002), 

« Workforce Agility: the new employee strategy for the knowledge economy, Journal 

of Information Technology, Vol.17, N°1, p. 21­31.

BROADBENT, M., WEILL, P., (1993), « Improving business and information strategy 

alignment: learning from the banking industry », IBM Systems Journal, Vol.32, N°1, 

p. 162­179.

BROWN C.V., MAGILL S.L., (1994), « Alignment of the IS Functions With the 

Enterprise: Toward a Model of Antecedents », Management Information Systems 

Quarterly, December, p. 371­403.

BROWN, S., (2001), CRM, La gestion de la relation client, Pearson Education 

France, Paris. 

BRYNJOLFSSON, E., (1996), « The contribution of information technology to 

consumer welfare », Information System Research, Vol.7, N°3, p. 281­300.

BRYNJOLFSSON, E., MALONE, T., GURBAXANI, V., (1991) « Does Information 

Technology Lead to Smaller Firms? » MIT, Center Coordination Science Technical 

Report N°123.

BULL, C., (2003), « Strategic issues in customer relationship management (CRM) 

implementation. Business », Process Management Journal, Vol.9, N°5, p. 592–602.

BULTEMA, P., (2000), « Getting the big picture on operational CRM », Proceedings 

of DCI Customer Relationship Management Conference, Boston, MA.

BURKE, R.R., RANGASWAMY, A., GUPTA, S., (1999), Rethinking marketing 

research in the digital world, Working Paper, eBusiness Research Center, 

Pennsylvania State University, University Park, PA.

BUTTLE, F., (2004), Customer Relationship Management, Oxford, Elsevier, p. 161­

164.

C

CALIN, C., CENDRINE, F., (2007), « La relation client comme source d’avantage 

concurrentiel : un modèle expérimental des stratégies génériques », Actes du 

colloque de l’AIMS, Montréal.

CARON­FASAN, M.L., LESCA, H., (2003), « Implantation d’une veille stratégique 

pour le management stratégique ­ cas d’une PME du secteur bancaire », La Revue 

des Sciences de Gestion, Direction Gestion, Vol.203, p. 55.

CHALMETA, R. (2006), « Methodology for customer relationship management », 

The Journal of Systems and Software, Vol.79, p. 1015­1024. 

CHAN, J., (2005), « Toward a unified view of customer relationship management », 

The Journal of Amercian Academy of Business, Cambridge, March.

CHAN, Y.E., HUFF, S.L., (1993), « Strategic information systems alignment », 

Business quarterly, fall, Vol.58, N°1, p. 51­56.

CHAUDHURY, A., KUIOBER, J.P., (2002), e­Business and e­Commerce 

infrastructure, McGraw­Hill, New York.

CHEN, I.J., POPOVICH, K., (2003), « Understanding customer relationship 

management (CRM): people, process and technology », Business Process 

Management Journal, Vol.9, N°5, p. 672­688.

CHURCHILL, G.A., (1979), « A paradigm for developing better measures of 

marketing constructs », Journal of Marketing Research, Vol.16, p. 64­73.

CHURCHILL, G.A., PETER, J., (1984), « Research Design Effects on the Reliability 

of Rating Scales : A Meta­Analysis », Journal of Marketing Research, Vol.21, N°4, p. 

360­375.

CIBORRA C.U., (1997), « De profundis ? Deconstructing the concept of strategic 

alignment », Scandinavian Journal of Information Systems, p. 67­82.

CLEMONS, E.K., REDDI, S.P., ROW, M.C., (1993), « The impact of information 

technology on the organization of economic activity: The "move to the middle" 

hypothesis », Journal of Management Information Systems, Vol.10, N°2, p. 9­35.

CLEMONS, E.K., ROW, M.C., (1993), « Limits to interfirm coordination through 

information technology: Results of a field study in consumer goods packaging 

distribution », Journal of Management Information Systems, Vol.10, N°1, p. 73­95.

CONLON, G., (1999), « Growing sales from existing customers », Sales and 

Marketing Management, Vol.15, N°11.

COVIELLO, N.E., BRODIE, R.J., MUNRO, H.J., (1997), « Understanding 

contemporary marketing: development of a classification scheme », Journal of 

Marketing Management, Vol.13, N°6, p. 501­522.

CROSBY, L.A., JOHNSON, S.L., (2001), « Technology: Friend or Foe to Customer 

Relationships? », Marketing Management, Vol.10, N°4, p. 10­13.

CROTEAU, A.M., BERGERON, F., RAYMOND, L., (2000), « Stratégie d’affaires 

déploiement des technologies de l’information : Alignement performance », Actes du 

colloque de l’AIM.

CROTEAU, A.M., BERGERON, F. (2001), « An information technology trilogy: 

business strategy, technological deployment and organizational performance », The 

Journal of Strategic Information Systems, Vol.10, N°2, p. 77­99.

CZEPIEL, J.A., (1990), « Service encounters and service relationships: Implications 

for research », Journal of Business Research, Vol.20, N°1, p. 13­21. 

D

DAS, S.R., ZAHRA, S.A., WARKENTIN, M.E., (1991), « Integrating the Content and 

Process of Strategic MIS Planning with Competitive Strategy », Decision Sciences, 

Vol.22, N°5, p. 953­984.

DAVENPORT, T. H., DE LONG, D. W., BEERS M. C., (1998), Successful Knowledge 

Management Projects, Sloan Management Review, Vol.39, N°2, p 43­57.

DAWES J. 2000. « Market Orientation and Company profitability: Further Evidence 

Incorporating Longitudinal Data », Australian Journal of Management, Vol.25, N°2, p 

173­199.

DAY, G., (2006), « Aligning the Organisation with the Market », Sloan Management 

Review, Vol.48, N°1, p. 41­49.

DELONE, W.H., MCLEAN, E.R., (1992), « Information Systems Success: The Quest 

for the Dependant Variable », Information Systems Research, Vol.3, N°1, p. 60­95.

DELONE, W.H., MCLEAN, E.R., (2003), « The DeLone and McLean Model of 

Information Systems Success: A Ten­Year Update », Journal of Management 

Information Systems Vol.19, N°4, p. 9­30.

DESHPANDE, R., FARLEY, J., WEBSTER, F., (1993), « Corporate Culture, 

Customer Orientation, and Innovativeness in Japanese Firms: A Quadrad Analysis, » 

Journal of Marketing, Vol.57, p. 23–37.

DICKIE, J., (1999), « Why CRM projects fail », CRM Journal, 

www.crmcommunity.com accessed on 8 March, 2005.

DIDELLON, L., VALETTE-FLORENCE, P., (1996), « L’tilisation des indices d’ajustement

dans les modèles d’équations structurelles : présentation recommandations d’usage », Actes

des XIIIème Journées Nationales des IAE, tome 2.

DOWNES, L., (1997), Beyond Porter, Context Magazine, on www.contextmag.com. 

DRAZIN R., VAN DE VEN, A.H., (1985), « Alternative forms of fit in contingency 

theory », Administrative Science Quarterly, Vol.30, p. 514­539.

DURAND, A., BOUZIDI, L., (2003), CRM / Business Intelligence ­ Packaging d'une 

offre CRM BI, Mémoire de DESS Management Conception des Systèmes 

d’Information Communicants, Université Jean Moulin Lyon 3.

E

ECONOMIST, (1990) «Working Harder, Doing Less », p. 17.

EGAN, J., (2003), « Back to the Future: Divergence in Relationship Marketing 

Research », Marketing Theory, Vol.3, N°1, p. 145­157.

EVANS, J.R., LASKIN, R.L., (1994), « The relationship marketing process: a 

conceptualisation and application », Industrial Marketing Management, Vol.23, p 439­

452. 

EVRARD, Y., PRAS, B., ROUX, E., (2000), Etudes recherches en marketing, Paris, 

Dunod.

EVRARD, Y., PRAS, B., ROUX, E., CHOFFRAY, J.M., DUSSAIX, A., (1993), Market,  

études recherches en Marketing, fondements, méthodes, Paris, Nathan.

F

FICKEL, L., (1999), « Know your customer », CIO Magazine, Vol.12, N°21.

FORESTER RESEARCH, (2001), Glossary.

FORNELL, C., LARCKER, D.F., (1981), « Evaluating structural equations models 

with unobservable variables and measurement errors », Journal of Marketing 

Research, Vol.18, p. 39­50.

FOURASTIE, J., (1979), Les trente glorieuses, Editions Fayard, Paris, 288 p. 

FOURNIER, S., DOBSCHA, S., MICK, D.G., (1998), « Preventing the Premature 

Death of Relationship Marketing », Harvard Business Review, p. 42­51.

G

GALBRAITH, J.R., (2002), « Designing organizations – an executive guide to 

strategy, structure and process », Second Edition, Jossey­Bass, San Francisco, CA.

GATIGNON, H., XUEREB, J.M., (1997), « Strategic Orientation of the firm and new 

product performance », Journal of Marketing Research, Vol.34, N°1, p. 77­90.

GAUTHY­SINÉCHAL, M., VANDERCAMMEN, M., (2005), Etudes de marché : 

Méthodes outils, De Boeck Université, 456 p. 

GAUZENTE, C., (2000), L'orientation marché des entreprises: dimensions 

stratégiques, culturelles et organisationnelles, L'harmattan.

GERBING, D.W., ANDERSON, J.C., (1988), « An Updated pardigm for Scale 

Development Incorporating Unidimensionality and Its Assessment », Journal of 

Marketing research, Vol.25, p. 186­192.

GIANELLONI, J.L., (1990), Contribution à l’étude du mode d’influence de la 

communication par l’événement, Thèse ès Sciences de Gestion, Université des 

Sciences Techniques, Lille Flandres.

GILLENSON, M.L., SHERELL, D.L., CHEN, L., (1999), « Information technology as 

the enabler of One­to­One Marketing », Actes du Colloque AIS, Vol.2.

GIRISHANKAR, S., (2000), « Companies want CRM tools to manage business 

relationships », Information Week, April 17th, p. 65.

GOLDENBERG, B., (2000), « What is CRM?, What is an e­customer?, Why you 

need them now », in Proceedings of DCI Customer Relationship Management 

Conference, Boston, MA.

GOLDMAN, S.L., NAGEL, R.N., PREISS, K., (1995), Agile competitors and virtual 

organizations. Strategies for enriching the customer, Van Nostrand Reinhold.

GOLDMAN, S.L., PREISS, K., NAGEL, R.N., DOVE, R., (1991), « 21st Century 

Manufacturing Enterprise Strategy: An Industry­Led View », Vol.2, Iacocca Institute 

at Lehigh University, Bethlehem.

GRONROOS, C. (1994), « From marketing mix to relationship marketing », 

Management Decision, Vol.32, N°1, p. 4­20.

GUEGUEN, G., (2000), « L’administration des enquêtes par Internet », Actes du 

colloque de l’AIMS.

GUMMESSON, E., (2002), Total Relationship Marketing, 2nd Edition, Butterworth­

Heinemann, Chatered Institue of Marketing, Oxford.

GUMMESSON, E., (2004), « Return on relationships (ROR): the value of relationship 

marketing and CRM in business­to­business contexts », Journal of Business & 

Industrial Marketing, Vol.19, N°2, p. 136­148.

H

HAIR, J.F., ANDERSON, R.E., TATHAM, R.L., BLACK, W.C., (1998), Multivariate 

data analysis with readings, 5ème édition, New Jersey, Prentice Hall.

HAKASSON, H., (1982), International Marketing and Purchasing of International 

Goods, Chichester, John Wiley and Sons.

HALLOWELL, G., (1996), « The Relationships of Customers Satisfaction, Customer 

Loyalty, and Profitability: an empirical study », International Journal of Service 

Industry Management, Vol.7, N°4, p. 27­42.

HAN, J.K., KIM, N., SRIVASTAVA, R.K., (1998), « Market Orientation and 

Organizational Performance: Is Innovation a Missing Link?  », Journal of Marketing, 

Vol.62, p. 30­45.

HARAN, A., (2005), Development of a framework to retain customers trough 

customer relationship management, Research Paper, Dublin Institute of Technology, 

School of Computing Research Paper (ITSM), DIT, Dublin, Ireland.

HELFER, J. P., ORSONI, J., (1998), Marketing, Vuibert, 398 p. 

HENDERSON, J.C., VENKATRAMAN, N., (1993), « Strategic Alignment: Leveraging 

information technology for transforming organizations », IBM Systems Journal, 

Vol.32, N°1, p. 4­17.

HIRSCHHEIM, R., KLEIN, H.K., LYYTINEN, K., (1995), Information Systems 

Development and Data Modeling: Conceptual and Philosophical Foundations, 

Cambridge, University Press, Cambridge, UK.

HITT, L., BRYNJOLFSSON, E., (1994), « The three faces of IT value: Theory and 

evidence », Proceedings of the International Conference on Information Systems, 

Atlanta, GA, Association for Information Systems, p. 263­278.

HULLAND, J.S., (1999), « Use of partial least squares (PLS) in strategic 

management research: a review of four recent studies », Strategic Management 

Journal, Vol.20, p. 195­204.

HUMPHREY, W., (1988) « Characterizing the Software Process: A Maturity 

Framework ». IEEE Software, Vol.5, N°2, p. 73­79.

I

IACOBUCCI, D., BARNES, J., COTE, J., CUDECK R., MALTHOUSE, E., 

STEWART, D.W., (2001), « Factor analysis », Journal of Consumer Psychology, 

Vol.10, p. 75­82.

IGALENS J., ROUSSEL P., (1998), Méthodes de recherche en gestion des 

Ressources Humaines, Paris, Economica.

IRIANA, R., BUTTLE, F., (2006), « Strategic, operational and analytical customer 

relationship management: attributes and measures », Journal of Relationship 

Marketing, Vol.5, N°4, p. 23­42.

ISHMAN, M., (1998), « Measuring information system success at the individual level 

in cross­cultural environments », In E.J. Garrity G.L. Sanders Information Systems 

Success  Measurement, Hershey, Idea Group, p. 60­78.

ITTNER, C.D., LARCKER, D.F., (1996), « Measuring the impact of quality initiatives 

on firm financial performance », Advances in the Management of Organizational 

Quality , Vol.1, p. 1­37.

IVES, B., JARVENPAA, S.L., MASON, R.O., (1993), « Global business drivers: 

Aligning information technology to global business strategy », IBM System Journal, 

Vol.32, N°1, p. 143­161.

J

JACKSON, B.B., (1985), « Building customer relationships that last », Harvard 

Business Review, Vol.63, p. 120­128.

JELASSI, T., ENDERS, A., (2005) Strategies for e­business, creating value through 

electronic and mobile commerce, Harlow, Pearson Education­FT Prentice Hall.

JEONG, Y.A., SEOK, K.K., KYUNG, S.H., (2003), « On the Design Concepts for 

CRM system », Industrial Management & Data Systems, Vol ; 103, N°5, p. 324­331.

JIANG, J.J., KLEIN, G., CARR, C.L., (2002), « Measuring information systems 

service quality: SERVQUAL from the other side », MIS Quartely, Vol.26, N°2, p. 146­

166.

JOLIBERT, A., JOURDAN, P., (2006), Marketing research. Méthodes de recherche 

et d'études en marketing, Dunod.

JORESKOG, K.G., SORBOM, D., (1988), LISREL 7: A guide to the program and 

apllications, Chicgo, IL, SPSS Inc. 

JOUIROU, N., KALIKA, M., (2004), « L’alignement stratégique : déterminant de la 

performance (une étude empirique sur les PME) », Actes du colloque de l’AIM, Evry.

K

KALE, S.H., (2004) « CRM Failure and the seven deadly sins », Marketing 

Management, Vol.13, N°5.

KAUF, A., (2005), « l’interaction acteur – système d’information au cœur de la 

dynamique d’un dispositif d’intelligence territoriale », Actes du 4ème colloque Tic & 

Territoire : quels développements ?, 13 p.

KEFI, H., KALIKA, M., (2003), « Choix stratégiques de l’entreprise étendue et 

déploiement technologique : alignement et performance », Actes du colloque de 

l’AIM, 22 p. 

KEFI, H., KALIKA, M., (2005), « Survey of Strategic Alignment Impacts on 

Organizational Performance in International European Companies », Proceedings of 

the 38th Hawaii International Conference on Systems Sciences.

KENNEDY, K.N., GOOLSBY, J.R., ARNOULD, E.J., (2003), « Implementing a 

Customer Orientation: Extension of Theory and Application, » Journal of Marketing, 

Vol.67, N°4, p. 67–81.

KIDD, T.P., (1994), « Agile Manufacturing: Forging New Frontiers », London, 

Addison­Wesley.

KOHLI, A.K., JAWORSKI, B.J., (1990), « Market Orientation: The Construct, 

Research Propositions, and Managerial Implications », Journal of Marketing, Vol.54, 

N°2, p. 1­18.

KOTLER, P., (2001), Marketing Management, 7ème Edition, Prentice Hall. 

KOTLER, P., DUBOIS., B., MANCEAU, D., (2004), Marketing Management, 11ème 

Edition, Pearson Education. 

KOTOROV, R., (2002), « Ubiquitous organisation: organisational design for e­

CRM », Business Management Journal, Vol.8, N°3, p. 218­232.

KRACKLAUER, A.H., MILLS, D.Q., (2004), Collaborative customer relationship 

management: taking CRM to the next level, Springler, Berlin.

KUMAR, V., VENKATESAN, R., REINARTZ, W., (2008), « Performance Implications 

of Adopting a Customer­Focused Sales Campaign », Journal of Marketing, Vol.72, 

N°5, p. 50­68.

KYUNGRAN, K., (2004), « Online customer relationship and online database », 

papier de recherche, Université du Texas, Austin, TX.

L

LAUDON, K., LAUDON, J., (2002), Management Information Systems – Managing 

the Digital Firm, Seventh Edition , Prentice Hall International, NJ.

LEE, S.M., HONG, S., (2002), « An enterprise­wide knowledge management system 

infrastructure », Industrial Management & Data Systems, Vol.102, N°1, p. 7­25.

LEFEBURE, R., VENTURI, G., (2005), CRM, Gestion de la relation client, Paris, 

Eyrolles, 465 p. 

LE MOIGNE, J.L., (1990), La modélisation des systèmes complexes, Dunod, 178 p. 

LESCA, H., (1986), « Systèmes d’information pour le management stratégique de 

l’entreprise : l’entreprise intelligente », Mc Graw­Hill, Paris, 146 p. 

LUFTMAN J.N., (1997), « Align in the Sand », Computer world Leadership Series, 

Vol.3, N°2, February, p.  1­11.

LUKAS, B., FERELL, O., (2000), « The Effect of Market Orientation on Product 

Innovation, » Journal of the Academy of Marketing Science, Vol.28, N°2, p. 239–

247.

M

MAGGI, B., (2006), « Critiques de la notion de flexibilité », Revue Française de 

Gestion, N°162, p. 39­46.

MALHOTRA, N., (2004), Etudes marketing avec SPSS, Pearson Education.

MARION, G., (2001), « Le marketing relationnel existe­t­il ? », Décisions Marketing, 

Vol.22, Janv­Avril, p. 7­16.

MASON, R.O., (1978), « Measuring Information Output: A Communication Systems 

Approach », Information & Management, Vol.1, N°5, P. 219­234. 

MCFARLAN, E.W., MCKENNEY, J.L., PYBURN, P., (1983), « The Information 

Archipelago – Plotting a Course », Harvard Business Review, Vol.61, N°1, p. 145­

156.

MERLE, A., (2007), « La valeur perçue de la customisation de masse : Proposition 

test d’un modèle conceptuel intégrateur », Thèse de doctorat en Sciences de 

Gestion, Université Paul Cézanne Aix­Marseille III.

MEYER, M., KOLBE, L.M., (2005), « Integration of customer relationship 

management: status quo and implications for research and practice », Journal of 

Strategic Marketing, Vol.13, N°3, p. 175­198.

MILES, R.E., SNOW, C.C., (1978), Organizational Strategy, Structure and Process, 

McGraw Hill, New York.

MILES, R.E., SNOW, C.C., (1984), « Fit, Failure, and the Hall of Fame », California 

Management Review, Vol.26, p. 10­28.

MONOD, E., (2002), « Epistémologie de la recherche en systèmes d’information », 

dans « Faire de la Recherche en Systèmes d’Information », ouvrage coordonné par 

F. ROWE, chapitre 1, VUIBERT, FNEGE.

MORGAN, R.M., HUNT, S.D. (1994), « The commitment­trust theory of relationship 

marketing », Journal of Marketing, Vol.58, July, p. 20­38.

MYERS, B.L., KAPPELMAN, L.A., PRYBUTOK, V.R., (1998) « A comprehensive 

mode! for assessing the quality and productivity of the information systems function: 

Toward a theory for information systems assessment », In E.J. Garrity and G.L. 

Sanders, Information Systems Success Measurement, Hershey, Idea Group, p. 94­

121.

N

NARVER, J.C., SLATER, S.F., (1990), « The effect of a market orientation on 

business profitability », Journal of Marketing, Vol.54, p. 20­34.

NAVER, J.C., SLATER, S.F., (1994), « Market Orientation, Customer Value, and 

Superior Performance », Business Horizons, Mars­Avril, p. 22­28.

NOBLE, C.H., SINHA, R.K., KUMAR, A., (2002), « Market Orientation and Alternative 

Strategic Orientations: A Longitudinal Assessment of Performance Implications, » 

Journal of Marketing, Vol.66, N°4, p. 25–39.

P

PALMER, A., (2002), « The Evolution of an Idea: An Environmental Explanation of 

Relationship Marketing », Journal of Relationship Marketing, Vol.1, N°1, p. 79­94.

PAPP, R., (1998), « Business­IT Alignment Payoff: Financial Factors and 

Performance Implications », Proceedings of AMCIS, p. 533­535.

PAPP, R., (2001), « Introduction to Strategic Alignment », in Strategic Information 

Technology: Opportunities for Competitive Advantage, Robert Papp, Idea Group 

Publishing, p. 1­24.

PAPP, R., LUFTMAN, J., (1995), « Business and IT Strategic Alignment: New 

Perspectives and Assessments », Proceedings of AMCIS, 5 p. 

PAYNE, A., CHRISTOPHER, M., CLARK, M., PECK, H., (1998), Relationship 

Marketing for competitive advantage, Butterworth Heinemann.

PAYNE, A., FROW, P., (2005), « A Strategic Framework for Customer Relationship 

Management », Journal of Marketing, Vol.69, N°4, p. 167­176.

PAYNE, A., RYALS, L., (2001), « Customer relationship management in financial 

services: towards information­enabled relationship marketing », Journal of Strategic 

Marketing, Vol.9, N°1, p. 3–27.

PEACOCK, P.E., (1998), « Datamining in Marketing: Part 1 », Marketing Management,

Vol.6, N°4, p. 1-14.

PEELEN, E., (2005), CRM, Prentice Hall, Harlow. 

PEELEN, E., JALLAT, F., STEVENS, E., VOLLE, P., (2006), Gestion de la relation 

client, 2ème Edition, Pearson Education, Paris. 

PEPPERS, D., ROGERS, M., (1993), The One­to­One Future: Building Relationships  

one Customer at a time, New York: Currency Doubleday.

PEPPERS, D., ROGERS, M., (1999), The One to One Manager, Currency­

Doubleday, New­York.

PEPPERS, D., ROGERS, M., DORF, B., (2004), le One­to­One en pratique, Paris, 

Editions d’Organisation.

PERRIEN, J., RICARD, L. (1995), « The meaning of marketing relationship: A pilot 

study », Industrial Marketing Management, Vol.24, N°1, p. 37­43.

PIERCY, N.F., (1998), « Barriers to implementing relationship marketing: analysing 

the internal market­place. », Journal of Strategic Marketing, Vol.6, N°3, p. 209–222.

PITT, L.F., WATSON, R.T., KAVAN, C.B., (1995) « Service Quality: a measure of 

information systems effectiveness », MIS Quartely, Vol.19, N°2, p. 173­188.

PITTA, D.A., (1998), « Marketing one­to­one and its dependence on knowledge 

discovery databases », Journal of Consumer Marketing, Vol.15, N°5, p. 468­480.

PLAKOYIANNAKI, E., TZOKAS, N., (2002), « Customer relationship management: A 

capabilities portfolio perspective », Journal of Database Marketing, Vol.9, N°3, p. 

228­37.

PORTER, M., (1980), Competitive Strategy: Techniques for Analyzing Industries and  

Competitors, New York, Free Press.

PORTER, M., (1986), l’Avantage concurrentiel (Competitive Advantage), Paris, 

InterEditions.

PORTER, M., MILLAR, V.E., (1985), « How Information Gives You Competitive 

Advantage », Harvard Business Review, Vol.63, N°4, p. 149­160.

Q

QUIVY, R., CAMPENHOUDT, L.C., (1995), Manuel de recherche en sciences 

sociales, Dunod.

R

RAYMOND, L., (2002), « L’impact des Systèmes d’Information sur la performance de 

l’entreprise», dans Faire de la Recherche en Systèmes d’Information, ouvrage 

coordonné par F. ROWE, chapitre 17, VUIBERT, FNEGE, 2002.

RAYMOND, L., PARE, G., BERGERON, F., (1995), « Matching Information 

Technology and Organization Structure: an empirical study with implications for 

Performance », European Journal of Information Systems, Vol.10, N°4, p. 3­16.

REICH, B.H., BENBASAT I., (2000), « Factors that Influence the Social Dimension of 

Alignment between Business and Information Technology Objectives », 

Management Information Systems Quarterly, March, p. 81­113.

REICHHELD, F.F., SASSER, W.E., (1990), « Zero defections: quality comes to 

services », Harvard Business Review, Vol.68, N°5, p. 105­111.

REICHHELD, F.F., TEAL, T., (1996), The Loyalty Effect: The Hidden Force Behind 

Growth, Profits and Lasting Value, Boston, Harvard Business School Press.

REINARTZ, W.J., KUMAR, V., (2000), « On the profitability of long lifetime 

customers: an empirical investigation and implications for marketing », Journal of 

Marketing, Vol.64, N°4, p. 17­35.

REINARTZ, W.J., KUMAR, V., (2003), « The impact of customer relationship 

characteristics on pofitable lifetime duration », Journal of Marketing, Vol.67, N°1, p. 

77­99.

REIX, R., (1998), Systèmes d’information et management des organisations, 2ème 

Edition, Vuibert Gestion. 

REIX, R., (1999), « Les technologies de l’information, facteur de flexibilité? », Revue 

Française de Gestion, N°123, p. 111­119.

REIX, R., (2002a), « Systèmes d’Information et performance de l’entreprise 

étendue», dans Faire de la Recherche en Systèmes d’Information, ouvrage 

coordonné par F. ROWE, chapitre 19, VUIBERT, FNEGE.

REIX, R., (2002b), «La recherche en systèmes d'information : de l'histoire au concept», 

dans Faire de la Recherche en Systèmes d’Information, ouvrage coordonné par F. 

ROWE, Introduction de l’ouvrage, VUIBERT, FNEGE.

REIX, R., (2006), « Stratégie des systèmes d’information », dans Encyclopédie de 

l’Informatique des systèmes d’information, ouvrage collectif coordonné par Jacky 

AKOKA et Isabelle COMYN­WATTIAU, Vuibert, Paris, 2 064 p. 

RIGBY, D.K., REICHHELD, F. F., SCHEFTER, P., (2002), « Avoid the Four Perils of 

CRM », Harvard Business Review, Vol.80, N°2, p. 101­109.

RIVAL, Y., (2005), L’évaluation de l’activité internet de l’entreprise : Une application 

au secteur du tourisme français, Thèse de doctorat ès Sciences de Gestion, Paris.  

RIVELINE, C., (1986), « L’enseignement du dur, l’enseignement du mou », Gérer 

Comprendre, Vol.5, Paris, Ecole des Mines.

ROSSITER, J.R. (2002), « The C­OAR­SE procedure for scale development in 

marketing », International Journal of Research in Marketing, Vol.39, N°3, p. 379­413.

ROUSSEL, P., (1996), « Application de l’analyse factorielle confirmatoire sous Lisrel à la

validation d’un questionnaire », Actes des XIIIème Journées Nationales des IAE, tome 2.

ROUSSEL, P., WACHEUX F., (2005), Management des ressources humaines ­ 

Méthodes de recherche en sciences humaines et sociales, De Boeck.

ROUSSEL, P., DURRIEU, F., CAMPOY, E., EL AKREMI, A., (2002), Méthodes

d’Equations Structurelles : Recherche Applications en Gestion, Economica.

ROWLEY, J., (2002), « Eight questions for customer knowledge management in e­

business », Journal of Knowledge Management, Vol 6, N°5, p. 500­511.

S

SABHERWAL, R., CHAN, Y., (2001), « Alignment between business and I.S. 

strategies: a study of prospectors, analyzers and defenders », Information Systems 

Research, Vol.12, N°1, p. 11­33.

SABHERWAL R., HIRSCHHEIM R., GOLES T., (2001), « The Dynamics of 

Alignment: Insights from a Punctuated Equilibrium Model », Organization Sciences, 

Vol.12, N°2, p. 179­197.

SALOMANN, H., DOUS, M., KOLBE, L., BRENNER, W., (2005), Customer 

relationship management survey: status quo and future challenges, Working Paper, 

University of St. Gallen, Switzerland.

SCHAAPER, J., (2005), La multidimensionnalité en Sciences de Gestion, Application  

au contrôle d’une filiale à l’étranger au comportement d’achat d’un produit de l’enfant, 

Habilitation à diriger des Recherches.

SEDDON, P.B., (1997), « A Respecification and Extension of the DeLone and 

McLean Model of IS Success », Information System Research, Vol.8, N°3, p. 240­

253.

SEDDON, P.B., KIEW, M.Y., (1994), « A Partial Test of  Development of the DeLone 

and McLean Model of IS Success », Proceedings of ICIS International Conference of  

Inormation System, Vancouver, Canada, p. 99­110.

SHAFER, R.A., (1997), « Creating organizational agility: The human resource 

dimension » Document de recherche non publié, Cornell University.

SHANNON, C.E., WAEAVER, W., (1949), The mathematical theory of 

communication, University of Illinois Press, Urbana, Illinois.

SHETH, J. N., PARVATIYAR, A., (1995), « Relationship marketing in consumer 

markets: antecedents and consequences », Journal of the Academy of Marketing 

Science, Vol.23, N°4, p. 255­71.

SIEGEL, D., (1997), Creating Killer Websites, Second Edition, Indianapolis, Hayden 

Books.

SINGH, S., RANCHHOD, A., (2004), « Market orientation and customer satisfaction: 

Evidence from British machine tool industry », Industrial Marketing Management, 

Vol.33, N°2, p. 135­144.

SLATER, S.F., NERVER, J.C., (1998), « Customer­Led and Market­Oriented: Let’s 

Not Confuse the Two » Strategic Management Journal, Vol.19, N°10, p. 1001–1006.

SMITH, K., (2001). « Getting payback from CRM. Webcast » on 

www.CRMGuru.com, November. 

SNYDER, M., DAVIDSON, I., (2003), « In trouble? », Conspectus, The IT Report for 

Directors and Decision Makers.

SOLOW, R., (1997), « How Did Economics Get that Way and What Way Did it Get? 

 », Daedalus, Winter.

SUTCLIFFE, K.M., (1994), « What Executives Notice : Accurate Perceptions in Top 

Management Team », Academy of Management Journal, Vol.37, N°5, p. 1360­1378.

T

TARONDEAU, J.C., (1999), La flexibilité dans les entreprises, PUF, Paris.

TAVAKOLIAN, H., (1995), « Linking the information technology Structure with 

Organizational Competitive Strategy: Asurvey », MIS Quarterly, Vol.13, N°3, p. 309­

317.

TEO T., KING W.R., (1996), « Assessing the impact of Integrating Business Planning 

and IS Planning », Information & Management, Vol.30, N°6, p. 309­321.

THEVENOT J., (1998), « Alignement stratégique d’un réseau de PME grâce aux 

nouvelles technologies d’information », Cahier de  recherche GREFIGE, N° 1998­14, 

27 p. 

THIETARD, R.A., (1999), Méthodes de recherche en management, Paris, Dunod.

TODMAN, C., (2001), Designing a Data Warehouse: Supporting Customer 

Relationship Management, Upper Saddle River, NJ, Prentice Hall.

TWOMEY, M., (2002), « Cutting through the hype », Sunday Business Post – 12 

May.

V

VALETTE­FLORENCE, P., (1988), « Spécificités et apports des méthodes d’analyse 

multivariée de la deuxième génération », Recherche Applications en Marketing, 

Vol.3, N°4.

VAN DYKE, T.P., KAPPELMAN, L.A., PRYBUTOK, V.R., (1997), « Measuring 

information systems service quality: Concerns on the use of the SERVQUAL 

questionnaire », MIS Quaterly, Vol.21, N°2, p. 195­208.

VAUJANY, F.X., (de), (2007), « Evaluer la valeur d’usage de l’informatique. Une 

architecture de tableau de bord », Revue Française de Gestion, Vol.173, N°4, p. 31­

46.

VENKATRAMAN N., (1989), « The Concept of Fit in Strategy Research: Toward 

Verbal and Statistical Correspondence », Academy of Management Review, Vol.14, 

N°3, p. 423­444.

VIDAL, P., PLANEIX, P., (2005), Systèmes d’information organisationnels, Pearson 

Education. 453 p.

VOSS, G.B., VOSS, Z.G., (2000), « Strategic Orientation and Firm Performance in 

an Artistic Environment », Journal of Marketing, Vol.64, N°1, p. 67­83.

W

WEILL, P., OLSON, M.H., (1989), « An Assessment of the Contingency theory of 

Management Information Systems », Journal of Management Information Systems, 

Vol.6, N°1, p. 59­86.

WILSON, D.T., (1995), « An Integrated Model of Buyer­Seller Relationships », 

Journal of the Academy of Marketing Science, p. 335­345.

WISEMAN, C., (1987), L’informatique stratégique : nouvel atout de la compétitivité,. 

Les éditions d’organisation.

WU, J ;H., WANG, Y.M., (2006) « Measuring KMS Success: a respecification of the 

DeLone and McLean’s model », Information & Management, Vol.43, p. 728­739.

X

XU, M., WALTON, J., (2005), « Gaining customer knowledge through analytical 

CRM », Industrial Management & Data Systems, Vol.105, N°7, p. 955­971.

XU, Y., YEN, D., LIN, B., CHOU, D., (2002), « Adopting customer relationship 

management technology », Industrial Management & Data Systems, Vol.102, N°8, p. 

442­452.  

Y

YEUNG, M.C.H., ENNEW, C.T., (2000), « From customer satisfaction to 

profitability », Journal of Strategic Marketing, Vol.8, p. 313­326.

YUSUF, Y.Y., SARHADI, M., GUNASEKARAN, A., (1999), « Agile manufacturing: 

the drivers, concepts and attributes », International Journal of Production Economics, 

Vol.62, N°1, p. 33­43.

Z

ZHU, Z., NAKATA, C., (2007), « Reexamining the Link between Customer 

Orientation and Business Performance: The Role of Information Systems », Journal 

of Marketing Theory and Practice, Vol.15, N°3, p. 187­203.

Annexe 1. Questionnaire de recherche

Formulaire écran - page 1 :

La démarche de la Gestion de la Relation Client (CRM) de l’entreprise

Formulaire écran - page 2

Formulaire écran - page 3

Formulaire écran - page 4 :

Les Systèmes d’Information (SI) dans l’entreprise

Formulaire écran - page 5

Formulaire écran - page 6

Formulaire écran - page 7 : Quelques éléments financiers

Formulaire écran - page 8 : Profil de l’entreprise

Formulaire écran - page 9 : Profil du répondant

Annexe 2. ACP de l’orientation CRM

1ère ACP

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,773

Test de sphéricité de Bartlett

Khi-deux approximé 1866,350ddl 465Signification de Bartlett ,000

Qualité de représentation

Initial ExtractionCRMS01 1,000 ,622CRMS02 1,000 ,662CRMS03 1,000 ,622CRMS04 1,000 ,634CRMS05 1,000 ,595CRMS06 1,000 ,527CRMS07 1,000 ,758CRMS08 1,000 ,681CRMS09 1,000 ,661CRMS10 1,000 ,724CRMOP01 1,000 ,522CRMOP02 1,000 ,567CRMOP03 1,000 ,595CRMOP04 1,000 ,739CRMOP05 1,000 ,716CRMOP06 1,000 ,702CRMOP07 1,000 ,508CRMOP08 1,000 ,573CRMOP09 1,000 ,790CRMOP10 1,000 ,779CRMA01 1,000 ,550CRMA02 1,000 ,642CRMA03 1,000 ,652CRMA04 1,000 ,725CRMA05 1,000 ,695CRMA06 1,000 ,732CRMA07 1,000 ,543CRMA08 1,000 ,688CRMA09 1,000 ,604CRMA10 1,000 ,628CRMA11 1,000 ,555

Méthode d'extraction : Analyse en composantes principales.

Variance totale expliquée

Composante

Valeurs propres initialesExtraction Sommes des carrés des facteurs

retenus

Total% de la variance % cumulés Total

% de la variance % cumulés

1 7,635 24,629 24,629 7,635 24,629 24,6292 2,618 8,445 33,074 2,618 8,445 33,0743 2,293 7,398 40,472 2,293 7,398 40,4724 1,946 6,277 46,749 1,946 6,277 46,7495 1,689 5,447 52,196 1,689 5,447 52,1966 1,394 4,496 56,691 1,394 4,496 56,6917 1,241 4,002 60,693 1,241 4,002 60,6938 1,178 3,799 64,493 1,178 3,799 64,4939 ,994 3,205 67,698 10 ,948 3,057 70,755 11 ,850 2,742 73,496 12 ,787 2,538 76,034 13 ,746 2,405 78,439 14 ,696 2,245 80,684 15 ,652 2,102 82,785 16 ,576 1,857 84,642 17 ,527 1,699 86,341 18 ,477 1,539 87,880 19 ,462 1,489 89,369 20 ,426 1,373 90,742 21 ,385 1,241 91,983 22 ,380 1,227 93,209 23 ,354 1,141 94,350 24 ,314 1,012 95,362 25 ,278 ,897 96,259 26 ,269 ,867 97,126 27 ,247 ,798 97,924 28 ,186 ,600 98,523 29 ,167 ,540 99,063 30 ,158 ,510 99,573 31 ,132 ,427 100,000

Méthode d'extraction : Analyse en composantes principales.

Matrice des composantes(a)

Composante

1 2 3 4 5 6 7 8CRMS01 ,205 ,498 ,137 -,080 ,356 -,294 ,291 ,094CRMS02 ,409 ,363 ,285 ,065 -,381 ,286 -,009 -,225CRMS03 ,444 ,241 ,259 -,053 -,406 ,222 ,288 ,028CRMS04 ,385 ,314 ,185 ,368 ,248 -,011 -,339 -,202CRMS05 ,378 ,508 -,006 -,013 ,274 -,160 -,256 ,166CRMS06 ,322 -,035 ,264 ,492 ,085 ,274 -,141 ,097CRMS07 ,419 ,035 ,313 ,355 -,071 -,542 ,183 -,161CRMS08 ,473 -,070 ,261 ,429 -,165 -,314 ,274 ,018CRMS09 ,120 -,066 ,047 ,583 ,127 ,175 ,352 ,361

CRMS10 ,236 ,364 -,018 -,184 ,424 ,106 ,303 ,468CRMOP01 ,289 ,335 ,387 ,145 -,293 ,253 ,003 ,069CRMOP02 ,507 ,125 ,324 -,110 -,182 ,131 -,315 ,167CRMOP03 ,518 -,030 ,316 -,430 -,014 ,183 -,024 ,080CRMOP04 ,585 -,413 ,218 -,109 ,008 -,192 -,264 ,246CRMOP05 ,614 -,221 ,200 -,043 -,138 -,071 -,320 ,350CRMOP06 ,493 -,620 ,081 ,045 ,152 ,112 -,099 -,142CRMOP07 ,331 -,214 ,169 -,137 ,413 ,354 ,076 ,048CRMOP08 ,595 -,253 ,154 -,128 -,196 -,198 ,163 ,101CRMOP09 ,603 -,173 ,330 -,380 ,159 ,006 ,260 -,226CRMOP10 ,507 -,420 ,217 -,107 ,332 ,067 ,171 -,378CRMA01 ,567 -,016 -,233 -,348 -,120 -,108 ,101 ,127CRMA02 ,686 -,238 -,296 ,018 ,008 -,155 ,001 -,049CRMA03 ,671 -,256 -,238 ,211 -,072 -,160 -,035 ,050CRMA04 ,622 ,118 -,506 -,011 -,209 -,022 ,123 ,096CRMA05 ,587 -,056 -,530 ,062 -,005 ,214 ,125 -,016CRMA06 ,595 -,018 -,552 ,115 -,218 ,026 -,100 ,037CRMA07 ,403 ,062 -,198 ,434 ,178 ,264 ,036 -,217CRMA08 ,678 ,175 -,309 -,126 -,056 ,263 ,057 -,102CRMA09 ,565 ,217 -,119 ,065 ,429 -,002 -,165 -,086CRMA10 ,557 ,418 -,082 -,095 ,148 -,213 -,226 -,097CRMA11 ,359 ,485 -,011 -,218 -,147 -,105 ,041 -,331

Méthode d'extraction : Analyse en composantes principales.

a 8 composantes extraites.

2ème ACP (3 composantes, avec rotation Varimax)

Variance totale expliquée

Valeurs propres initialesExtraction Sommes des carrés des

facteurs retenusSomme des carrés des facteurs retenus

pour la rotation

Total% de la variance

% cumulés Total

% de la variance

% cumulés Total

% de la variance % cumulés

1 7,635 24,629 24,629 7,635 24,629 24,629 4,646 14,987 14,9872 2,618 8,445 33,074 2,618 8,445 33,074 4,427 14,281 29,2683 2,293 7,398 40,472 2,293 7,398 40,472 3,473 11,203 40,4724 1,946 6,277 46,749 5 1,689 5,447 52,196 6 1,394 4,496 56,691 7 1,241 4,002 60,693 8 1,178 3,799 64,493 9 ,994 3,205 67,698 10 ,948 3,057 70,755 11 ,850 2,742 73,496 12 ,787 2,538 76,034 13 ,746 2,405 78,439 14 ,696 2,245 80,684 15 ,652 2,102 82,785 16 ,576 1,857 84,642 17 ,527 1,699 86,341 18 ,477 1,539 87,880

19 ,462 1,489 89,369 20 ,426 1,373 90,742 21 ,385 1,241 91,983 22 ,380 1,227 93,209 23 ,354 1,141 94,350 24 ,314 1,012 95,362 25 ,278 ,897 96,259 26 ,269 ,867 97,126 27 ,247 ,798 97,924 28 ,186 ,600 98,523 29 ,167 ,540 99,063 30 ,158 ,510 99,573 31 ,132 ,427 100,000

Méthode d'extraction : Analyse en composantes principales.

Matrice des composantes après rotation(a)

Composante

1 2 3CRMS01 -,059 ,017 ,552CRMS02 ,226 ,033 ,573CRMS03 ,300 ,077 ,475CRMS04 ,183 ,096 ,489CRMS05 -,029 ,237 ,587CRMS06 ,371 -,001 ,193CRMS07 ,423 ,022 ,309CRMS08 ,486 ,098 ,226CRMS09 ,138 ,040 ,010CRMS10 -,051 ,158 ,401CRMOP01 ,218 -,122 ,532CRMOP02 ,438 ,068 ,425CRMOP03 ,523 ,083 ,297CRMOP04 ,719 ,206 -,030CRMOP05 ,625 ,236 ,138CRMOP06 ,696 ,257 -,290CRMOP07 ,421 ,082 ,014CRMOP08 ,605 ,260 ,087CRMOP09 ,663 ,127 ,216CRMOP10 ,671 ,158 -,070CRMA01 ,252 ,539 ,149CRMA02 ,414 ,666 -,009CRMA03 ,445 ,612 -,012CRMA04 ,069 ,783 ,195CRMA05 ,126 ,783 ,025CRMA06 ,099 ,804 ,053CRMA07 ,122 ,407 ,157CRMA08 ,181 ,666 ,331CRMA09 ,188 ,446 ,383CRMA10 ,095 ,410 ,561CRMA11 -,032 ,228 ,557

Méthode d'extraction : Analyse en composantes principales.

Méthode de rotation : Varimax avec normalisation de Kaiser.

a La rotation a convergé en 7 itérations.

Matrice de transformation des composantes

Composante 1 2 31 ,650 ,632 ,4212 -,534 -,013 ,8453 ,540 -,775 ,329

Méthode d'extraction : Analyse en composantes principales.

Méthode de rotation : Varimax avec normalisation de Kaiser.

3ème ACP (avec rotation Varimax)

Variance totale expliquée

Méthode d'extraction : Analyse en composantes principales.

Matrice des composantes après rotation(a)

Composante

1 2 3CRMS01 -,061 -,045 ,598CRMS02 ,151 ,075 ,617CRMS04 ,090 ,085 ,510CRMS05 -,007 ,211 ,589CRMOP01 ,124 -,067 ,575CRMOP03 ,599 ,054 ,327CRMOP04 ,753 ,147 -,006CRMOP05 ,615 ,267 ,142

CRMOP06 ,743 ,146 -,226CRMOP08 ,621 ,270 ,066CRMOP09 ,744 ,018 ,312CRMOP10 ,738 ,001 -,003CRMA01 ,351 ,534 ,180CRMA04 ,106 ,847 ,168CRMA05 ,159 ,807 ,015CRMA06 ,117 ,845 ,070CRMA11 ,023 ,189 ,582

Méthode d'extraction : Analyse en composantes principales.

Méthode de rotation : Varimax avec normalisation de Kaiser.

Annexe 3. ACP du déploiement technologique

1ère ACP

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,755

Test de sphéricité de Bartlett

Khi-deux approximé 1887,490ddl 300Signification de Bartlett ,000

Qualité de représentation

Initial ExtractionAT01 1,000 ,689AT02 1,000 ,787AT03 1,000 ,761AT04 1,000 ,697AT05 1,000 ,553ISDSI01 1,000 ,693ISDSI02 1,000 ,724ISDSI03 1,000 ,664ISDSI04 1,000 ,708ISDSI05 1,000 ,551VT01 1,000 ,581VT02 1,000 ,804VT03 1,000 ,813DSI02 1,000 ,927DSI03 1,000 ,869NC01 1,000 ,815ISDSI06 1,000 ,534DSI01 1,000 ,789ESI01 1,000 ,886ESI02 1,000 ,906AT06 1,000 ,668VT04 1,000 ,618GE01 1,000 ,847GE02 1,000 ,760

NC02 1,000 ,833

Méthode d'extraction : Analyse en composantes principales.

Variance totale expliquée

Composante

Valeurs propres initialesExtraction Sommes des carrés des facteurs

retenus

Total% de la variance % cumulés Total

% de la variance % cumulés

1 6,995 27,979 27,979 6,995 27,979 27,9792 2,753 11,011 38,991 2,753 11,011 38,9913 2,082 8,326 47,317 2,082 8,326 47,3174 1,680 6,719 54,036 1,680 6,719 54,0365 1,470 5,882 59,918 1,470 5,882 59,9186 1,277 5,109 65,027 1,277 5,109 65,0277 1,198 4,793 69,819 1,198 4,793 69,8198 1,021 4,082 73,902 1,021 4,082 73,9029 ,850 3,401 77,303 10 ,696 2,784 80,086 11 ,614 2,456 82,542 12 ,574 2,295 84,837 13 ,517 2,068 86,905 14 ,491 1,966 88,870 15 ,465 1,860 90,730 16 ,416 1,664 92,394 17 ,355 1,420 93,814 18 ,320 1,281 95,095 19 ,270 1,079 96,173 20 ,244 ,977 97,150 21 ,231 ,924 98,074 22 ,210 ,839 98,913 23 ,124 ,497 99,410 24 ,077 ,310 99,720 25 ,070 ,280 100,000

Méthode d'extraction : Analyse en composantes principales.

Matrice des composantes(a)

Composante

1 2 3 4 5 6 7 8AT01 ,513 ,171 ,325 ,289 -,021 -,136 -,234 ,366AT02 ,483 ,109 -,030 ,050 -,076 ,070 ,002 ,726AT03 ,689 ,001 ,261 ,273 ,067 -,155 -,339 ,020AT04 ,704 ,142 ,237 ,229 ,048 ,030 -,259 -,042AT05 ,581 ,028 ,123 ,345 -,055 ,220 -,097 -,137ISDSI01 ,677 -,089 ,217 ,135 -,147 -,052 ,296 -,222ISDSI02 ,655 -,174 ,274 ,122 -,098 -,109 ,231 -,316ISDSI03 ,614 -,066 ,135 -,039 ,138 -,184 ,442 ,120ISDSI04 ,562 -,057 -,094 -,058 -,033 ,220 ,555 ,137ISDSI05 ,647 -,079 ,242 -,002 ,240 -,031 ,096 ,000VT01 ,646 ,116 ,137 ,006 ,145 ,024 -,125 -,308VT02 ,565 -,028 -,051 -,080 ,190 ,612 -,244 -,071

VT03 ,380 ,182 -,327 -,035 ,339 ,640 ,051 ,012DSI02 -,182 ,886 ,151 ,175 -,138 ,033 ,186 -,002DSI03 -,236 ,838 ,188 ,160 -,144 ,078 ,151 ,022NC01 ,357 -,214 -,543 ,417 -,412 ,047 -,016 ,023ISDSI06 ,610 -,079 -,008 -,030 ,237 -,129 ,279 ,068DSI01 ,337 -,781 -,164 -,099 ,020 -,073 -,047 ,145ESI01 ,333 ,393 -,685 -,015 ,309 -,217 ,014 -,085ESI02 ,428 ,399 -,616 -,022 ,275 -,325 -,039 -,028AT06 ,631 ,203 -,002 -,292 ,090 -,264 -,256 ,021VT04 ,534 ,202 -,119 -,424 -,233 -,143 -,098 -,113GE01 ,621 ,158 ,022 -,513 -,411 ,027 -,062 ,032GE02 -,430 -,109 ,062 ,471 ,559 -,147 ,049 ,019NC02 -,247 ,097 ,501 -,557 ,440 ,038 ,003 ,082

Méthode d'extraction : Analyse en composantes principales.

a 8 composantes extraites.

2ème ACP (7 composantes, avec rotation)

Variance totale expliquée

Valeurs propres initialesExtraction Sommes des carrés des

facteurs retenusSomme des carrés des facteurs

retenus pour la rotation

Total% de la variance % cumulés Total

% de la variance % cumulés Total

% de la variance % cumulés

1 6,995 27,979 27,979 6,995 27,979 27,979 3,691 14,766 14,7662 2,753 11,011 38,991 2,753 11,011 38,991 2,867 11,467 26,2333 2,082 8,326 47,317 2,082 8,326 47,317 2,688 10,752 36,9844 1,680 6,719 54,036 1,680 6,719 54,036 2,445 9,781 46,7655 1,470 5,882 59,918 1,470 5,882 59,918 2,185 8,739 55,5046 1,277 5,109 65,027 1,277 5,109 65,027 1,868 7,474 62,9787 1,198 4,793 69,819 1,198 4,793 69,819 1,710 6,841 69,8198 1,021 4,082 73,902 9 ,850 3,401 77,303 10 ,696 2,784 80,086 11 ,614 2,456 82,542 12 ,574 2,295 84,837 13 ,517 2,068 86,905 14 ,491 1,966 88,870 15 ,465 1,860 90,730 16 ,416 1,664 92,394 17 ,355 1,420 93,814 18 ,320 1,281 95,095 19 ,270 1,079 96,173 20 ,244 ,977 97,150 21 ,231 ,924 98,074 22 ,210 ,839 98,913 23 ,124 ,497 99,410 24 ,077 ,310 99,720 25 ,070 ,280 100,000

Méthode d'extraction : Analyse en composantes principales.

Matrice des composantes après rotation(a)

Composante

1 2 3 4 5 6 7AT01 ,718 ,127 ,112 ,063 ,008 ,054 -,059AT02 ,302 ,227 ,033 ,222 ,107 ,157 ,173AT03 ,837 ,153 -,130 ,079 ,086 ,071 ,002AT04 ,773 ,188 ,022 ,143 ,068 ,069 ,179AT05 ,565 ,226 ,022 ,045 -,075 ,273 ,286ISDSI01 ,399 ,638 -,046 ,191 -,084 ,179 ,003ISDSI02 ,438 ,602 -,140 ,153 -,107 ,114 -,053ISDSI03 ,231 ,742 -,093 ,101 ,149 -,060 -,020ISDSI04 -,027 ,719 -,024 ,198 ,039 ,170 ,318ISDSI05 ,474 ,493 -,166 ,073 ,079 -,150 ,145VT01 ,549 ,260 -,042 ,195 ,167 -,067 ,213VT02 ,363 ,059 -,181 ,206 ,004 -,003 ,767VT03 ,034 ,143 ,046 ,026 ,246 ,041 ,852DSI02 ,011 -,037 ,958 ,013 ,074 -,025 -,043DSI03 -,007 -,087 ,926 ,001 ,002 -,051 -,028NC01 ,085 ,076 -,201 ,098 ,129 ,853 ,088ISDSI06 ,253 ,590 -,178 ,064 ,267 -,038 ,096DSI01 ,044 ,212 -,831 ,065 -,041 ,159 ,011ESI01 ,003 ,075 ,084 ,059 ,899 ,161 ,170ESI02 ,126 ,098 ,065 ,122 ,913 ,144 ,077AT06 ,473 ,128 -,102 ,456 ,420 -,180 -,002VT04 ,188 ,145 -,029 ,683 ,285 -,013 ,006GE01 ,208 ,217 -,020 ,863 ,053 -,004 ,091GE02 -,029 -,096 -,006 -,844 ,075 -,134 -,116NC02 -,103 -,028 ,040 ,008 -,127 -,892 ,032

Méthode d'extraction : Analyse en composantes principales.

Méthode de rotation : Varimax avec normalisation de Kaiser.

a La rotation a convergé en 7 itérations.

Matrice de transformation des composantes

Composante 1 2 3 4 5 6 71 ,621 ,529 -,186 ,391 ,240 ,159 ,2532 ,117 -,117 ,889 ,174 ,360 -,125 ,0783 ,428 ,164 ,187 -,053 -,657 -,522 -,2224 ,378 ,013 ,208 -,669 -,092 ,595 -,0525 ,096 ,090 -,169 -,588 ,434 -,571 ,3086 -,120 -,085 ,107 ,017 -,426 ,071 ,8837 -,501 ,815 ,237 -,141 -,063 ,045 -,050

Méthode d'extraction : Analyse en composantes principales.

Méthode de rotation : Varimax avec normalisation de Kaiser.

3ème ACP

Variance totale expliquée

Méthode d'extraction : Analyse en composantes principales.

Matrice des composantes après rotation(a)

Composante

1 2 3 4 5 6 7AT01 ,096 ,743 ,077 ,001 ,159 ,024 -,079AT03 -,142 ,848 ,097 ,090 ,135 ,044 ,034AT04 ,016 ,801 ,173 ,070 ,188 ,046 ,205AT05 -,018 ,603 ,079 -,009 ,060 ,214 ,357ISDSI03 -,100 ,266 ,141 ,087 ,763 -,022 -,043ISDSI04 -,036 ,016 ,205 -,010 ,722 ,176 ,323ISDSI06 -,162 ,278 ,069 ,175 ,714 ,001 ,080VT02 -,177 ,305 ,214 ,016 ,045 -,004 ,774VT03 ,055 ,008 ,018 ,240 ,185 ,037 ,850DSI02 ,965 ,014 ,011 ,065 -,015 -,015 -,049DSI03 ,934 ,000 -,003 -,007 -,055 -,044 -,036DSI01 -,832 ,050 ,066 -,061 ,207 ,167 ,010NC01 -,183 ,090 ,097 ,106 ,092 ,880 ,088NC02 ,027 -,110 ,001 -,119 -,010 -,917 ,022ESI01 ,067 -,001 ,071 ,939 ,081 ,120 ,160ESI02 ,052 ,117 ,126 ,931 ,123 ,117 ,070VT04 -,033 ,169 ,690 ,282 ,122 -,008 ,029GE01 -,029 ,204 ,875 ,054 ,203 -,018 ,088GE02 -,003 -,025 -,863 ,056 -,057 -,125 -,108

Méthode d'extraction : Analyse en composantes principales.

Méthode de rotation : Varimax avec normalisation de Kaiser.

a La rotation a convergé en 6 itérations.

Résumé : 

Un consensus est généralement établi sur l’existence d’un lien positif entre une stratégie

orientée client et la performance organisationnelle. Néanmoins, les travaux concernant plus

spécifiquement le Customer Relationship Management (CRM) sont peu nombreux, compte

tenu du caractère récent du concept et de la difficulté à le définir. Nous avons ainsi choisi

d’étudier plus en profondeur le lien entre le CRM, décliné sous trois formes : CRM

stratégique, CRM opérationnel et CRM analytique, et la performance organisationnelle,

incluant la stratégie technologique dans notre objet de recherche. Nous avons considéré que la

perspective de l’alignement stratégique ou de « fit », inscrit dans la théorie de la contingence

consistait un cadre de référence particulièrement adapté. Notre recherche repose ainsi sur

l’analyse de l’impact du co-alignement entre la stratégie orientée client, que nous avons

appelé « Orientation CRM », et le déploiement technologique (stratégie/structure TI), sur la

performance organisationnelle. Une analyse quantitative a été effectuée auprès d’un

échantillon de 138 entreprises afin de procéder au test de notre modèle de recherche et des

sept hypothèses associées. Les tests successifs, par la méthode des équations structurelles,

d’un modèle direct puis d’un modèle global intégrant une variable « co-alignement », ont

permis d’établir une relation significative, mais de faible intensité, entre le co-alignement de

l’orientation CRM et le déploiement technologique d’une part et la performance

organisationnelle d’autre part. Un profil de déploiement technologique a en outre pu être

identifié pour chaque orientation CRM : CRM stratégique, CRM opérationnel et CRM

analytique.

Mot-clés : Customer Relationship Management, orientation CRM, déploiement

technologique, performance organisationnelle, équations structurelles.

Abstract:

A customer-oriented strategy is widely believed to improve organizational performance. But

there are few research papers on CRM / performance link, as the concept of Customer

Relationship Management is fairly recent and difficult to define. To this end, this research sets

out to propose an in-depth analysis of the CRM concept and to analyze the relationship

between the three forms of CRM identified (operational CRM, analytical CRM and strategic

CRM), the IT strategy/structure and organizational performance, using the strategic alignment

perspective. In view of this, an empirical study was conducted among 138 firms to validate

our research model linking CRM orientation and technological deployment to performance.

Using Structural Equation Modeling techniques, a “direct model” was tested and then, a

“global model” including the “co-alignment” latent variable. The main thrust of the findings

indicate that the co-alignment between CRM orientation and technological deployment

enhance business performance in terms of growth and profitability. Furthermore, we

identified a different profile of technological deployment for each form of CRM

Keywords: Customer Relationship Management, CRM orientation, technological deployment,

measurement scale, confirmatory factor analysis.