Une question de perspective : les managers et les consommateurs évaluent différemment les contributions des technologies

Abstract

Même si la valeur de la technologie (par rapport à l’homme) pour développer des produits et offrir des services a été largement explorée du point de vue du consommateur, les managers comprennent-ils vraiment à quel point la technologie présente une valeur ajoutée pour les consommateurs ? Cette recherche met en évidence des disparités entre les perceptions des managers et celles des consommateurs concernant la valeur de la technologie en tant que ressource pour les services et produits. Sept études (N = 1320) réalisées dans différents contextes montrent que la technologie est perçue comme une ressource plus précieuse du point de vue des managers que du point de vue des consommateurs (études 1A–D). Ces différences sont liées au fait que les managers accordent une plus grande importance aux avantages liés à l’efficience de la technologie, contrairement aux consommateurs (étude 2). Pour réduire l’écart entre managers et consommateurs, mettre en avant les avantages technologiques pour les consommateurs peut accroître leur évaluation de la technologie au niveau de celle des managers (étude 3). Cependant, informer les managers des objections des consommateurs à l’égard de la technologie n’a pas permis de corriger leurs évaluations excessivement optimistes de la technologie (étude 4). Nos résultats soulignent l’importance de reconnaître l’écart entre les managers et les consommateurs concernant l’utilisation de la technologie dans les entreprises.

Keywords

cognitions liées à la technologie différences entre managers et consommateurs heuristique prise de recul valeur de la technologie

Introduction

Les avancées en technologie, robotique et automatisation transforment de nombreux secteurs, incitant les entreprises à remplacer le travail humain par des robots et de nouvelles technologies (Granulo et al., 2019). Par exemple, dans de nombreux supermarchés, il est possible de choisir de payer en se rendant devant un caissier ou en scannant les produits sur une caisse automatique. Au Royaume-Uni, certains trains n’ont plus besoin de conducteur, car ils sont gérés par un système automatique (Kessel, 2019). Au Canada, Pizzaforno propose des pizzas via un distributeur automatique fonctionnant 24 heures sur 24 et 7 jours sur 7 (Pizzaforno, 2024). Un autre exemple se trouve dans le secteur de la santé, où le marché de l’intelligence artificielle devrait croître de manière exponentielle, passant de 28 milliards d’USD en 2024 à 188 milliards d’USD en 2030 (Statista, 2024). Cependant, des recherches montrent que les consommateurs sont réticents à l’utilisation de l’IA dans des contextes médicaux (Longoni et al., 2019). Plus de 98% des entreprises du classement Fortune 500 utilisent des systèmes de suivi automatiques des candidats lors des recrutements (Pierce, 2019), mais les individus préfèrent être évalués par un humain (Jago et Laurin, 2022).

Bien que ces divergences puissent sembler étranges à première vue, elles peuvent être expliquées par le fait que les managers, qui décident de la mise en œuvre de la technologie en tant que ressource, évaluent celle-ci différemment des consommateurs. Managers et consommateurs peuvent avoir des points de vue divergents sur le développement et la mise en œuvre de nouveaux produits (DeRosia et Elder, 2019), car chaque groupe possède ses propres valeurs et préférences (Herzog et al., 2021 ; Weaver et al., 2012). Nous suggérons que cette divergence de points de vue se manifeste également dans le contexte de l’utilisation de la technologie, les managers ayant des attitudes plus positives à son égard que les consommateurs, ce qui les amène à surestimer systématiquement la valeur de sa contribution. En effet, selon la dernière enquête World Value Survey (https://www.worldvaluessurvey.org), un programme de recherche international évaluant les attitudes des individus au fil du temps dans plus de 120 pays, les personnes interrogées travaillant comme managers (N = 13101) expriment une opinion plus favorable à l’égard de la technologie que les non-managers (N = 71706), affirmant que « le monde se porte mieux [. . .] grâce à la science et à la technologie » (b = 0,105, SE = 0,023, p < 0,001). Cet écart dans les évaluations de la technologie entre consommateurs et managers risque d’entraîner des décisions sous-optimales et de nuire à la satisfaction des consommateurs.

Au cours de la dernière décennie de recherche, plusieurs croyances liées à la technologie ont été identifiées (Castelo et al., 2023 ; Dunne et al., 2019). Par exemple, les consommateurs estiment que l’adoption de la technologie est principalement motivée par la volonté des entreprises de réduire leurs coûts (Castelo et al., 2023), ce qui influence leur évaluation des produits, leur satisfaction, et leur propension à payer. Des études sur la perception de la technologie par les managers indiquent qu’ils adoptent généralement une attitude optimiste à cet égard (Dunne et al., 2019). En revanche, les résultats concernant l’évaluation de la technologie sont divergents (cf. Rogeon et al., 2022 ; Ruan et Mezei, 2022). Certaines études suggèrent une évaluation positive de la technologie, les individus préférant celle-ci à la participation humaine (Clark et al., 2016 ; Dunne et al., 2019 ; Logg et al., 2019), tandis que d’autres montrent une évaluation négative, avec une préférence pour la participation humaine par rapport à celle de la technologie (Fuchs et al., 2015 ; Granulo et al., 2021 ; Leung et al., 2018). Cette recherche propose que les individus peuvent avoir des évaluations différentes, voire opposées, de la technologie et ces évaluations dépendent du rôle adoptés par les individus (Deval et al., 2013).

Notre cadre théorique postule que les jugements concernant un sujet ou une situation identique peuvent varier en fonction du rôle joué par les individus. Bien que des recherches aient documenté l’acceptation ou la résistance à la technologie (par exemple, Clark et al., 2016 ; Granulo et al., 2021 ; Longoni et Cian, 2022 ; Song et al., 2022), elles n’explorent pas les conséquences des perspectives à partir desquelles ces jugements sont formulés. La littérature sur l’écart des perspectives et son importance en gestion est relativement limitée, à quelques exceptions près (par exemple, Kang et Wooten, 2019 ; Li et al., 2023). Par exemple, Weaver et al. (2012) démontrent que le point de vue adopté lors des négociations, qu’il s’agisse du rôle de présentateur (comme les vendeurs) ou de destinataire, influence la manière dont une personne pense et perçoit la valeur d’un produit ou d’un service. Ceci est important car les managers ont tendance à projeter leurs préférences personnelles sur les prévisions des préférences des consommateurs (Herzog et al., 2021). Le point de vue du manager peut donc également engendrer des divergences dans la valeur attribuée à la technologie. Nous posons ainsi une question simple mais importante : Existe-t-il une différence entre l’évaluation des managers et celle des consommateurs concernant la valeur que la technologie apporte à ces derniers ?

Sept expérimentations examinent les divergences entre les managers et les consommateurs dans l’évaluation de la technologie dans divers contextes industriels (par exemple, le commerce, le transport aérien, les ressources humaines, les services médicaux et l’alimentation). Nous obtenons que les managers attribuent une valeur plus élevée que les consommateurs à la contribution de la technologie (par rapport à celle de l’homme) aux produits et services. De plus, le seul fait d’ inciter des personnes à penser comme des managers les conduit à surestimer la valeur de la technologie par rapport à celle perçue par les consommateurs. Les interventions visant à réduire cet écart mettent en lumière la persistance de la différence entre les deux perspectives et la difficulté de la combler. Cette recherche repose sur l’idée que les jugements concernant un sujet ou une situation identique peuvent varier selon que les individus occupent le rôle de manager ou de consommateur.

Cette recherche comporte deux contributions principales. Premièrement, nous contribuons à la littérature sur l’écart entre les jugements des managers et des consommateurs (Hult et al., 2017 ; Kang et Wooten, 2019 ; Li et al., 2023 ; Weaver et al., 2012). De nouvelles connaissances sur la disparité entre ces deux perspectives peuvent aider à comprendre pourquoi certaines stratégies marketing, censées renforcer la valeur pour le consommateur, peuvent produire des effets contraires (Weaver et al., 2012). Les managers peuvent tirer des conclusions erronées sur les facteurs qui génèrent de la valeur pour les consommateurs (Hult et al., 2017). Nos résultats suggèrent que les croyances des managers concernant la contribution de la technologie au développement des produits et services pourraient également les amener à surestimer la valeur perçue par leurs consommateurs.

Deuxièmement, nous contribuons à la littérature sur l’acceptation des technologies et l’attribution de valeur. En enrichissant la recherche ayant examiné les perceptions des consommateurs et des managers concernant la technologie (par exemple, Clark et al., 2016 ; Dunne et al., 2019 ; Granulo et al., 2021 ; Rogeon et al., 2022 ; Song et al., 2022), nous mettons en lumière les divergences entre ces deux perspectives et participons au débat sur l’évaluation de la technologie dans les pratiques commerciales (Chai et Menon, 2019 ; Dowling et al., 2020). Si les technologies sont adoptées pour impressionner les clients et générer de la valeur (Dunne et al., 2019), il est crucial que les marketeurs et les managers évaluent avec soin la valeur réelle que la technologie apporte aux consommateurs.

Revue de la littérature

L’aversion et l’appréciation de la technologie

Dans un contexte managérial de plus en plus influencé par la technologie, la littérature met en lumière de nombreuses perceptions, intuitions et préjugés entourant son adoption, qui peuvent avoir des conséquences potentiellement opposées (par exemple, Dunne et al., 2019 ; Granulo et al., 2021). Plusieurs études ont révélé à la fois une appréciation de, et une aversion envers, l’intégration de la technologie dans divers aspects des interactions entreprise–client (Clark et al., 2016 ; Dunne et al., 2019 ; Elsbach et Stigliani, 2019 ; Granulo et al., 2021 ; Joerss et al., 2021 ; Wang et al., 2019). Ces résultats apparemment contradictoires illustrent la complexité de l’adoption des technologies, où les décisions d’adopter ou de rejeter une technologie dépendent souvent d’une combinaison de facteurs variés.

D’une part, la technologie est reconnue pour sa capacité à améliorer la prise de décision. Les individus sont de plus en plus enclins à s’appuyer sur des recommandations algorithmiques plutôt que sur des conseils humains (Candrian et Scherer, 2022 ; Logg et al., 2019). La valorisation croissante des technologies est liée à la perception de l’objectivité et de la fiabilité des algorithmes, particulièrement dans des contextes où la partialité ou la corruption peuvent être préoccupantes (Castelo et al., 2023 ; Jago et Laurin, 2022). De plus, la technologie est souvent perçue comme un moyen d’augmenter l’efficience de la production et de la prestation de services (Elsbach et Stigliani, 2019). Les managers et les entrepreneurs, en particulier, considèrent les apports technologiques comme supérieurs, les associant à une productivité accrue et à des économies de coûts (Clark et al., 2016 ; Dunne et al., 2019 ; Elsbach et Stigliani, 2019 ; Wang et al., 2019). Enfin, la recherche suggère que les investisseurs perçoivent les avancées technologiques d’une entreprise comme un signe d’innovation et de valeur, ce qui pourrait influencer leurs décisions d’investissement (Dunne et al., 2019).

D’autre part, la majorité des recherches sur l’adoption des technologies soulignent une aversion à leur égard. Par exemple, l’aversion pour les algorithmes se manifeste par la tendance à rejeter la technologie après avoir constaté ses erreurs, même lorsque celle-ci surpasse les performances humaines (Dietvorst et al., 2015 ; 2018). Cette aversion peut être atténuée en mettant en avant les capacités d’apprentissage des technologies (Reich et al., 2023). Dans divers domaines, les données révèlent une résistance à l’adoption des technologies. Dans le secteur des services médicaux, les individus hésitent à utiliser la technologie en raison de la perte de singularité (Longoni et al., 2019) et des caractéristiques opaques des processus décisionnels technologiques (Cadario et al., 2021). De plus, les individus sont moins enclins à automatiser des tâches à l’aide de la technologie lorsqu’ils sont fortement impliqués dans le sujet (Leung et al., 2018). La recherche a également démontré que les gens préfèrent la contribution humaine à celle de la technologie dans des contextes subjectifs (par exemple, lors de rencontres) par rapport à des contextes objectifs (comme les décisions financières ; Castelo et al., 2019), dans des contextes hédoniques par rapport à des contextes utilitaires (Longoni et Cian, 2022), et dans des contextes symboliques (Granulo et al., 2021). Par ailleurs, les études sur les processus de production indiquent que les individus privilégient les produits fabriqués par l’homme à ceux fabriqués par la machine (Fuchs et al., 2015). En conclusion, l’adoption de la technologie est un phénomène complexe, influencé par de nombreux facteurs, croyances et points de vue. Nous postulons que les points de vue distincts et uniques des managers et des consommateurs constituent une dimension cruciale qui a été peu explorée dans la littérature.

Différences dans des jugement et les prises de décision des consommateurs et des managers

Le jugement des individus à l’égard d’un stimulus peut varier en fonction du rôle qu’ils adoptent dans une interaction (par exemple, Weaver et al., 2012). La littérature sur la prise de décision des consommateurs et des managers suggère l’existence de deux systèmes d’évaluation potentiellement indépendants (Li et al., 2023 ; Weaver et al., 2012). Selon le contexte et l’attention accordée, l’un de ces systèmes peut être activé au détriment de l’autre, influençant ainsi les jugements et les comportements des individus. Par exemple, le point de vue adopté lors d’une négociation, que ce soit en tant que présentateur (comme un vendeur) ou destinataire d’un message, modifie la manière de penser d’une personne et, par conséquent, son évaluation des éléments du produit et du service (Weaver et al., 2012). Lorsqu’ils adoptent la perspective du présentateur, les individus estiment que l’ajout de nouvelles caractéristiques, même modestes, améliorera l’évaluation de l’offre. En revanche, en se plaçant du côté de l’évaluateur (comme un consommateur), la présence d’une caractéristique supplémentaire pourrait diminuer l’appréciation de l’offre si celle-ci est jugée inférieure. Cela s’explique par le fait que les consommateurs ont tendance à faire une moyenne mentale de toutes les caractéristiques disponibles, tandis que les vendeurs privilégient l’addition pour parvenir à une évaluation globale (Weaver et al., 2012).

Ces différents systèmes d’évaluation peuvent amener les managers à adopter des mesures contre-productives ou à élaborer des stratégies préjudiciables à la satisfaction et à la fidélité des consommateurs (Hult et al., 2017). Cela s’explique par le fait que les managers ont souvent tendance à projeter leurs propres préférences pour prévoir celles des consommateurs (Hattula et al., 2015 ; Herzog et al., 2021). Par exemple, les préférences personnelles des managers sont de forts prédicteurs de leurs inférences concernant les préférences des consommateurs. Cet impact est d’autant plus marqué chez les managers qui font preuve d’une plus grande empathie envers leurs clients (Hattula et al., 2015). Dans cette même optique, parfois, les gestionnaires ne parviennent pas à saisir correctement comment leurs clients perçoivent les produits ou services de leur entreprise, ni ce qui façonne ces perceptions (Hult et al., 2017). En particulier, les managers ont tendance à surestimer la perception positive que leurs clients ont de leurs offres, tout en sous-estimant l’importance de certains attributs dans la satisfaction client (Hult et al., 2017). Ce constat s’applique également aux produits et innovations, qui échouent souvent parce que les entreprises ne comprennent pas correctement leurs consommateurs, alors que les managers sont convaincus du succès de leur produit (Markovitch et al., 2015).

Nous postulons qu’il existe également des divergences entre les managers et les consommateurs en ce qui concerne les croyances liées à la technologie et l’attribution de valeur. La littérature sur le jugement et la prise de décision suggère que les managers effectuent des calculs systématiques, maximisant la valeur et évaluant les coûts et bénéfices d’un plan d’action (Hastie, 2001 ; Simon, 1957). Cependant, des études récentes soutiennent l’idée que les managers utilisent simultanément la pensée intuitive et la pensée rationnelle ou analytique (Sadler-Smith et Sparrow, 2008), car ils sont susceptibles d’être influencés par leurs propres préjugés et perceptions subjectives dans leur prise de décision (par exemple, Dunne et al., 2019 ; Sadler-Smith et Sparrow, 2008). Par exemple, les managers se montrent souvent très optimistes à l’égard de la technologie, ce qui accroît la valeur qu’ils attribuent à ses contributions (Dunne et al., 2019). Parallèlement, les consommateurs attribuent une plus grande valeur aux produits où l’amour (Reich et al., 2023), l’effort (Kruger et al., 2004) et l’originalité sont intégrés dans la production (Granulo et al., 2021), ces éléments étant généralement associés à l’apport humain et aux produits fabriqués de manière artisanale. Nous proposons donc que les managers attribuent systématiquement une plus grande valeur à la technologie que les consommateurs et nous formulons l’hypothèse suivante :

H1 : La perspective (managers vs. consommateurs) influence l’évaluation de la technologie. Les individus adoptant une perspective de manager évalue la contribution technologique comme étant plus importante que ceux ayant une perspective de consommateur.

Efficience des services : les différences d’évaluations entre managers et consommateurs

Nous proposons que l’écart d’évaluation de la technologie entre les managers et les consommateurs peut être attribué à des différences dans leur manière de penser. Les managers sont fortement ancrés dans un contexte économique et hiérarchique, ainsi que dans les justifications qui y sont liées (Lam et Van der Borgh, 2021). Ils recherchent souvent la rationalité et la valeur économique dans leurs jugements et décisions (Lam et Van der Borgh, 2021), se concentrant sur des solutions objectives et ne reconnaissant pas toujours le caractère subjectif de ces dernières (Gilovich, 1990). En revanche, les consommateurs expriment des jugements souvent motivés par des dimensions qualitatives, telles que des valeurs symboliques et émotionnelles, plutôt que par des objectifs économiques fonctionnels (Granulo et al., 2021). Par exemple, les consommateurs préfèrent les produits faits à la main, même si ceux-ci ne sont pas supérieurs selon des critères objectifs, car ils perçoivent ces produits comme empreints d’amour (Fuchs et al., 2015). Ainsi, par rapport aux consommateurs, les managers adoptent un état d’esprit plus fonctionnel et axé sur les résultats, qui pourrait être plus en phase avec les croyances relatives à la technologie.

Des recherches récentes montrent que la technologie est perçue comme étant axée sur la fonctionnalité et l’efficience. Par exemple, les individus ne sont pas favorables aux algorithmes dans des contextes de décisions morales, car les algorithmes sont perçus comme étant motivés par des objectifs de minimisation de coût et décidant uniquement avec une stratégie basée sur le résultat (Dietvorst et Bartels, 2022). Ces croyances naïves se retrouvent également dans des expressions populaires courantes, comme « c’est une machine », qui fait référence à une personne fonctionnant sans erreur et très productive, ou « penser comme un robot » qui n’a pas d’émotions ou de sensations (Longoni et Cian, 2022 : 72). En outre, la recherche a démontré que la technologie, et plus particulièrement l’intelligence artificielle, est perçue comme supérieure aux humains dans l’exécution de tâches utilitaires (Longoni et Cian, 2022). Les individus croient ainsi que l’intelligence artificielle est plus compétente dans les contextes utilitaires, qui sont caractérisés comme étant cognitivement orientés, fonctionnels et instrumentaux (Longoni et Cian, 2022). Lorsque les individus associent ces attributs à l’intelligence artificielle, ils établissent une correspondance avec l’évaluation de la compétence dans ce contexte.

Comme les managers se focalisent davantage sur les aspects rationnels et sont plus fortement guidés par des considérations économiques et rationnelles que les consommateurs, ils sont probablement plus influencés par des aspects d’efficience et de fonctionnalité, sous-estimant ainsi l’importance de l’apport humain aux yeux des consommateurs. Par conséquence, nous proposons que la valeur accordée à la contribution de la technologie (par rapport à la contribution humaine) dépend du point de vue de la prise de décision, de sorte que les personnes qui jugent du point de vue du manager attribueront plus de valeur à la contribution de la technologie (par rapport à la contribution humaine) que celles qui adoptent le point de vue du consommateur. Plus formellement, nous proposons :

H2 : Les managers (par opposition aux consommateurs) accordent une plus grande valeur à l’apport de la technologie parce qu’ils mettent davantage l’accent sur l’efficience.

Présentation des études

Nous adoptons une approche expérimentale pour étudier l’évaluation de la technologie dans divers contextes et déterminer son lien avec le point de vue adopté (manager ou consommateur). Vu que la magnitude de l’impact du point de vue peut différer entre les secteurs d’activités, nous avons tout d’abord mené une série de quatre études pour tester notre hypothèse principale : les managers accordent une plus grande valeur à la contribution de la technologie que les consommateurs. Dans l’étude 1A, nous étudions la préférence pour un service rendu par la technologie (par opposition à un service rendu par l’homme) dans un contexte utilitaire non symbolique (voyage en avion). Dans l’étude 1B, nous examinons un contexte plus symbolique (décoration de maison), où la créativité et le côté singulier devraient jouer un rôle plus important. Les études 1C et 1D portent sur deux contextes dans lesquels la présence et l’utilisation actuelles de la technologie varient. L’étude 1C teste l’adoption de la technologie pour remplacer les experts humains dans la gestion des ressources humaines. Bien que de nombreuses entreprises préconisent l’utilisation d’algorithmes pour remplacer la main-d’œuvre humaine dans leur processus de sélection des employés, cette pratique est encore relativement nouvelle. Enfin, l’étude 1D examine les différences de perception entre les managers et les consommateurs dans le contexte de la vente et le commerce ; un secteur où la présence de la technologie est déjà bien implantée.

Dans l’étude 2, nous démontrons le mécanisme psychologique expliquant pourquoi les managers attribuent une plus grande valeur à la technologie : ils perçoivent une plus grande efficience associée à celle-ci, ce qui influence leur attribution de valeur. Pour réduire cet écart, nous proposons des interventions correctives qui ciblent à la fois le point de vue du manager et celui du consommateur. L’étude 3 montre que le fait de mettre en évidence les avantages de la technologie en termes d’efficience pour les consommateurs peut atténuer leurs appréhensions à son égard. En revanche, le fait d’informer les managers des réserves des consommateurs à l’égard de la technologie (étude 4) ne corrige pas les évaluations plus positives des managers à l’égard de la technologie.

Étude 1A - Évaluation de la technologie pour un service de transport aérien

Cette expérimentation vise à déterminer si l’évaluation de l’offre d’une entreprise est influencée par l’utilisation prédominante de ressources humaines ou technologiques. Plus important encore, elle teste notre hypothèse selon laquelle le point de vue adopté lors de la prise de décision impacte l’évaluation de la technologie (par rapport à l’humain) et les choix qui en résultent.

Participants et procédure

Dans l’étude 1A, ainsi que dans plusieurs autres études de ce document (voir tableau 1), nous avons recruté des étudiants d’une école de commerce. Cette caractéristique de notre échantillon est particulièrement pertinente pour cette recherche, car les participants suivent actuellement une formation en gestion et occuperont bientôt des postes dans ce domaine au sein d’une organisation. Cent dix-neuf étudiants en gestion (voir tableau 1 pour les détails de l’échantillon) ont été invités à se projeter en tant que managers (décidant d’investir dans les ressources humaines ou la technologie) ou en tant que consommateurs (choisissant des produits ou services issus des ressources humaines ou de la technologie) et à prendre des décisions en conséquence.

Tableau 1.

Échantillons des études 1 à 4.

Étude	Contextes industriel	Choix	N	Type de répondant	Âge (en années)	Genre (femmes)	Pays
1A	Transport aérien (piloter un avion)	Un vol principalement opéré par une IA vs un pilote	119	Étudiants en gestion	22,5 (1,78)	63,9%	France
1B	Appartement (décoration d’intérieur)	Un appartement conçu par un logiciel d’intelligence artificielle vs un architecte	159	Étudiants en gestion	22,3 (1,73)	64,2%	France
1C	Ressources humaines (sélection des candidats)	Embauche par un logiciel d’IA vs un expert humain	105	Travailleurs MTurk	36,8 (12,71)	46,7%	États-Unis
1D	Vente (caisse enregistreuse)	Caisse automatique vs. caissier humain	240	Travailleurs MTurk	32,5 (11,94)	49,6%	États-Unis
2	Soins médicaux	Une IA vs. un médecin humain	242	Travailleurs Prolific	38,9 (11,29)	49,0%	États-Unis et Angleterre
3	Soins médicaux	Une IA vs. un médecin humain	234	Étudiants en gestion	20,4 (,680)	61,1%	France
4	Alimentation	Chef cuisinier IA vs. Chef cuisinier humain	221	Étudiants en gestion	20,1 (,646)	59,1%	France

Les participants ont été assignés de manière aléatoire à l’une des conditions expérimentales. Après avoir lu le scénario concernant les voyages en avion (voir tableau 2), deux options de service de voyage aux caractéristiques similaires (voir l’annexe A pour plus de détails) leur ont été présentées ; la seule différence résidait dans le type de main-d’œuvre employée (technologie vs. humain). Les participants ont ensuite été invités à choisir l’une des deux options, en fonction de leur point de vue : du côté du manager, la question était : « Si votre objectif est de convaincre les consommateurs que le vol peut leur offrir un meilleur service, lequel choisiriez-vous ? » ; du côté du consommateur, la question était : « Si votre objectif est de trouver un vol qui peut vous offrir un meilleur service, lequel choisiriez-vous ? »

Tableau 2.

Scénarios utilisés dans les études 1A à 1D.

Étude	Point de vue	Manipulation
1A	Consommateur	Imaginez que vous cherchiez à acheter un billet d’avion pour vos prochaines vacances et que vous envisagiez d’acheter un billet d’avion pour les États-Unis. Sur le site web, vous voyez les deux options de vol suivantes.
1A	Manager	Imaginez que vous êtes responsable de la création d’options de billets d’avion à proposer aux clients de votre entreprise. En travaillant sur le développement du service, vous vous retrouvez avec deux options parmi lesquelles vous devez choisir pour les proposer à vos clients.
1B	Consommateur	Imaginez que vous souhaitiez rénover votre maison et que vous envisagiez de faire appel à une entreprise pour vous aider à concevoir une nouvelle architecture. En recherchant des sociétés de services, vous voyez les deux options ci-dessous.
1B	Manager	Imaginez que vous êtes directeur d’une entreprise de décoration et que votre entreprise a décidé d’investir pour améliorer son service de création. Vous souhaitez disposer d’un service qui améliorera la réussite de votre entreprise sur le marché. En recherchant les investissements potentiels que vous pourriez réaliser pour offrir un meilleur service à vos clients, vous trouvez les deux options ci-dessous.
1C	Consommateur	Imaginez que vous postulez auprès de deux entreprises qui élargissent leurs activités à un nouveau secteur. Vous êtes invité par les deux entreprises, mais vous ne pouvez vous rendre qu’à un seul entretien d’embauche. Vous avez le choix entre deux options (les entreprises sont de qualité égale et vous offrent le même emploi) ; d’après les invitations, vous pouvez constater que : (a) cette entreprise utilise un logiciel d’intelligence artificielle (logiciel de ressources humaines) pour recruter de nouveaux employés ou (b) cette entreprise fait appel à des experts en ressources humaines pour recruter de nouveaux employés.
1C	Manager	Imaginez que vous êtes propriétaire d’une entreprise qui étend ses activités à un nouveau secteur. Pour ce faire, elle a besoin d’étoffer son service des ressources humaines. Pour ce faire, vous avez deux options (qui ont démontré une efficience égale et qui coûtent le même prix) : (a) embaucher de nouveaux employés (experts en ressources humaines) ou (b) acheter un logiciel d’intelligence artificielle (logiciel de ressources humaines). Tous deux sont spécialisés dans la présélection des candidatures entrantes.
1D	Consommateur	Imaginez que les supermarchés de votre ville changent de structure depuis peu. Ils doivent améliorer leur service en magasin afin de mieux servir leurs clients. Pour ce faire, deux structures de magasins ont été mises en place : (a) Des magasins avec un plus grand nombre de caissiers. Après avoir terminé vos achats, vous vous rendez à l’une des caisses disponibles pour que votre liste de courses soit calculée et débitée. (b) Des magasins avec des caisses automatiques. Après avoir terminé vos achats, vous devez passer dans une zone spécifique et tous les articles de votre panier seront automatiquement calculés et débités.
1D	Manager	Imaginez que vous êtes responsable d’un nouveau supermarché dans votre ville et que vous devez décider de la structure du magasin pour offrir le meilleur service à vos consommateurs. Pour ce faire, vous disposez de deux types de structures de magasin qui coûtent le même prix et que vous pouvez mettre en œuvre :(a) Des magasins avec système de caisses automatiques. Après avoir terminé leurs achats, les consommateurs doivent passer dans une zone spécifique et toutes leurs courses seront automatiquement calculées et débitées. (b) Des magasins avec un plus grand nombre de caissiers. Après avoir terminé leurs achats, les consommateurs se rendent à l’une des caisses disponibles pour que leur liste de courses soit calculée et débitée.

Pour évaluer la préférence pour le service humain par rapport au service technologique, l’une des deux options a été étiquetée comme une création humaine (c’est-à-dire « un vol principalement opéré par un pilote avec l’aide d’une technologie d’intelligence artificielle »), tandis que l’autre était présentée comme une création technologique (c’est-à-dire « un vol principalement opéré par une technologie d’intelligence artificielle avec l’aide d’un pilote »). Dans cette étude, ainsi que dans les études 1B à 1D, nous avons contrebalancé l’ordre des deux options : pour la moitié des participants, l’option technologique était présentée à droite, et pour l’autre moitié, à gauche. Le choix des participants (service humain ou service technologique) constituait la principale variable dépendante. Nous avons également recueilli des données sociodémographiques (âge, genre, etc.).

Résultats et discussion

La fréquence des options choisies, en fonction du point de vue adopté (manager vs. consommateur), indique que les consommateurs ont une préférence plus importante pour le service avec une contribution humaine (57,6%) que pour le service avec une technologie (42,4%). Toutefois, lorsque la décision est prise du point de vue du manager, la préférence est plus importante pour la technologie (60%) que pour la contribution humaine (40%). Un test du Chi-carré indique que la différence pour l’option technologique entre les deux points de vue est marginalement significative (χ2 = 3,70, p = 0,054).

L’étude 1A fournit une première démonstration que la valeur accordée à la technologie est plus élevée chez les managers, tandis que les consommateurs privilégient davantage la main-d’œuvre humaine. Dans l’étude 1B, nous examinons si ces évaluations divergentes s’appliquent aussi dans un autre contexte : la décoration intérieure d’un appartement.

Étude 1B - Évaluation de la technologie pour un service de décoration

L’étude 1B vise à déterminer si l’adoption du point de vue du manager (par opposition à celui du consommateur) influence l’évaluation de la technologie (par rapport à celle de l’humain) dans le cadre de l’élaboration de solutions de décoration pour les logements. Contrairement à l’étude 1A, qui concerne un service plus utilitaire (un billet d’avion), l’étude 1B se concentre sur un service plus symbolique (l’aménagement intérieur d’un appartement).

Participants et procédure

Cent cinquante-neuf étudiants de gestion (tableau 1) ont participé à cette étude en échange d’un crédit de cours. Les participants ont été assignés de manière aléatoire à un point de vue (manager vs. consommateur). Nous avons appliqué un processus similaire à celui de l’étude 1A. Après avoir lu le scénario (tableau 2), les participants ont vu deux appartements ayant des caractéristiques et une esthétique relativement similaires (annexe A pour plus de détails) et ont dû choisir l’un d’entre eux (manager : « Si votre objectif est de faire croire aux consommateurs que le modèle de décoration peut leur apporter une meilleure valeur, lequel choisiriez-vous ? » ; consommateur : « Si votre objectif est de trouver un modèle de décoration qui peut vous apporter une meilleure valeur, lequel choisiriez-vous ? »). L’une des deux options a été étiquetée comme étant réalisée principalement avec une contribution humaine et l’autre principalement avec une contribution de la technologie. Nous avons attribué cette étiquette aux options de manière aléatoire, de sorte que les deux options comportaient le label technologique dans la moitié des cas, et le label humain dans l’autre moitié. Le choix du participant (humain ou technologie) était notre principale variable dépendante.

Résultats et discussion

La différence de préférence (tableau 3) montre, une fois de plus, une plus forte préférence humaine dans la perspective du consommateur, les participants choisissant plus souvent l’option humaine (71,8%) que l’option technologique (28,2%). Lorsque les participants prennent la décision du point de vue du manager, la préférence pour le service à intervention humaine tombe à 55,6%. Cette différence entre les deux perspectives est significative (test chi-carré : χ2 = 4,52, p = 0,033).

Tableau 3.

Resultats des expériences 1A à 1D.

Expérimentation	Contexte	Choix (Point de vue Manager)			Choix (Point de vue Consommateur)			Différence entre les points de vue
Expérimentation	Contexte	AI	Humain	p	AI	Humain	p	Diff	χ ²	p
1A	Transport aérien (piloter un avion)	60,0	40,0	0,12	42,4	57,6	0,24	17,6	3,70	0,054
1B	Appartement (décoration d’intérieur)	44,4	55,6	0,32	28,2	71,8	<0,001	16,2	4,52	0,033
1C	Ressources humaines (sélection des candidats)	28,8	71,2	<0,001	13,2	86,8	<0,001	15,6	3,88	0, 049
1D	Vente (caisse enregistreuse)	65,0	35,0	<0,001	56,7	43,3	0,14	8,3	1,75	0,186
Moyenne		49,5%	50,5%		35,1%	64,9%		14,4

Notes. Les différences significatives et marginalement significatives sont en gras.

L’étude 1B souligne que lorsque les individus adoptent le point de vue du consommateur, ils privilégient davantage l’apport humain, alors que cette valorisation est moins importante lorsque les individus adoptent le point de vue du manager. Ces résultats montrent le rôle très important du point de vue des consommateurs dans la prise de décision en matière de services technologiques. Ils mettent également en évidence la différence importante entre l’évaluation de la technologie par les managers et par les consommateurs. Dans l’étude 1C, nous examinons un contexte dans lequel l’utilisation de la technologie progresse depuis peu, à savoir la gestion des ressources humaines (RH). Les outils d’intelligence artificielle aident et même remplacent plus fréquemment les humains dans les RH (Siocom, 2023). Par exemple, l’intelligence artificielle peut assurer la gestion du recrutement des employés, répondre aux questions des employés liées aux ressources humaines et effectuer un large éventail d’autres tâches. Cependant, l’utilisation de ces outils est encore émergente. Récemment, des rapports ont indiqué qu’IBM suspendait l’embauche de personnel humain dans ce domaine, estimant qu’environ 7 800 emplois pourraient être remplacés par l’intelligence artificielle (Reuters, 2023).

Étude 1C – Évaluation de la technologie dans le secteur des ressources humaines

L’étude 1C applique notre recherche à un autre secteur et à un autre type de service que la technologie peut offrir : les ressources humaines. Entre autres tâches, l’IA peut faciliter ou remplacer complètement les humains dans le processus de recrutement et d’embauche. Nous testons donc si les managers et les consommateurs préfèrent l’intelligence artificielle (aux humains) comme ressource humaine dans ce contexte.

Participants et procédure

Cent cinq travailleurs de Mechanical Turk (MTurk) ont participé à cette étude en échange d’une récompense monétaire. L’expérimentation a suivi le même protocole que les études précédentes. Après avoir lu le scénario de l’étude (tableau 2), les participants ont indiqué leur préférence pour l’option technologique (par rapport à l’option humaine) (c’est-à-dire « Que choisiriez-vous ? Expert en ressources humaines ou logiciel d’intelligence artificielle »), qui est notre principale variable dépendante.

Résultats et discussion

Les résultats montrent à nouveau une différence significative entre les managers et les consommateurs en ce qui concerne la valeur de la technologie (par rapport à l’humain) (χ2 = 3,88, p = 0,049). Nous observons une préférence notable pour l’apport humain du point de vue du consommateur (tableau 3), avec des participants préférant le plus souvent (86,8%) le service humain à celui basé sur la technologie (13,2%). Lorsque la décision est prise du point de vue du manager, la préférence pour l’option humaine – bien que toujours forte – tombe à 71,2%. Ainsi, l’étude 1C corrobore nos conclusions selon lesquelles la valorisation de la contribution de la technologie augmente dans la perspective du manager par rapport à celle des consommateurs. Même si nous constatons une forte préférence pour l’option humaine des deux points de vue, lorsque les participants ont été évalués du point de vue du manager, ils ont estimé que la technologie était une ressource plus valorisante pour les entreprises. Néanmoins, le contexte de cette étude concerne une situation où la technologie est encore naissante, même si elle se développe de manière exponentielle. Les avancées technologiques varient selon les secteurs et les services. Dans l’étude 1D, nous testons notre phénomène dans une autre secteur : la vente.

Étude 1D - Évaluation de la technologie dans le secteur de la vente

Cette étude teste notre effet dans un contexte où les innovations technologiques sont déjà omniprésentes. Compte tenu de l’importance de la familiarité pour l’acceptation des technologies (Komiak et Benbasat, 2006), nous pensons que la valeur attribuée à la technologie sera plus élevée dans le contexte de la vente et le commerce. Toutefois, il est possible que les managers surestiment encore l’appréciation de la technologie dans ce contexte.

Participants et procédure

Adoptant la méthodologie des études précédentes, 240 travailleurs MTurk ont participé à l’étude en échange d’une récompense monétaire et ont été assignés de manière aléatoire à la condition de point de vue du manager ou du consommateur via la lecture d’un scénario (tableau 2). Notre variable dépendante était la préférence des participants pour l’option technologique ou humaine (c’est-à-dire la perspective du manager : « Compte tenu des deux approches, dans quelle structure de magasin investiriez-vous ? »; la perspective du consommateur : « Compte tenu des deux approches, dans quels magasins choisiriez-vous d’aller ? », toutes deux comprenant les deux options « magasins avec un plus grand nombre de caissiers » contre « magasins avec un système de caisses automatiques »).

Résultats et discussion

Contrairement aux études précédentes, nous observons une préférence plus importante pour l’option technologique dans la perception du consommateur, les participants choisissant moins souvent l’option de l’apport humain (43,3%) que celle de la technologie (56,7%). Lorsque les participants ont pris les décisions du point de vue du gestionnaire, cette préférence pour la technologie s’est encore accentuée pour atteindre 65%. La différence dans la préférence pour la technologie (par rapport à l’humain) entre les deux perspectives, bien que directionnelle, n’était pas significative (χ2 = 1,75, p = 0,186).

Les études 1A à D démontrent que l’adoption d’un point de vue de manager semble provoquer une surestimation de la valeur de contribution de la technologie par rapport à la valorisation du consommateur. Dans tous les contextes, nous constatons que les individus qui jugent du point de vue du manager attribuent une valeur relativement plus élevée à la technologie que ceux qui jugent du point de vue du consommateur. En complément de la littérature antérieure sur le sujet, nous constatons que la force de la préférence pour l’apport humain (par rapport à l’apport de la technologie) dépend des caractéristiques du service ou du produit et de son principal avantage pour les consommateurs (par exemple, Granulo et al., 2021). Nos résultats suggèrent que les individus préfèrent l’apport humain (plutôt que technologique) dans les contextes où l’offre a une valeur symbolique élevée (étude 1B) plutôt que lorsqu’elle n’en a pas (étude 1A). Ce résultat est complémentaire aux études antérieures montrant que les consommateurs préfèrent davantage l’apport humain à l’apport technologique lorsque les produits et les services ont une valeur symbolique (Granulo et al., 2021). Nos résultats renforcent la littérature antérieure sur la façon dont les consommateurs attribuent plus d’amour et d’originalité aux produits fabriqués par des êtres humains (Fuchs et al., 2015). L’écart entre l’évaluation de la technologie par les managers et les consommateurs soutient également notre proposition selon laquelle les managers se concentrent davantage sur les avantages liés à l’efficience de la technologie et ne parviennent donc pas à concevoir que les consommateurs apprécient les attributs uniques et symboliques (par exemple, l’effort, l’amour, la chaleur) de l’offre d’une entreprise au-delà du résultat (produit, service) final.

La magnitude de l’écart de perception entre le manager et le consommateur était plus faible dans le contexte de la vente et du commerce (étude 1D) que pour les autres contextes dans lesquels les différences entre la perspective du manager et celle du consommateur étaient plus importantes (étude 1A–C). Comme les systèmes de caisse automatisés sont très présents dans la vie des consommateurs, nous estimons que notre résultat est conforme aux recherches antérieures démontrant une augmentation de l’acceptation de la technologie par les utilisateurs lorsqu’ils ont des expériences positives avec la technologie (Böhm et al., 2023). Cela peut également indiquer que les différences d’évaluation des technologies entre les managers et les consommateurs peuvent diminuer au fur et à mesure que les consommateurs sont exposés à la technologie sur le marché. Le tableau 3 résume les résultats.

Étude 2 – Explication de l’effet

Nous cherchons maintenant à expliquer les différences observées entre les managers et les consommateurs concernant leur évaluation de la contribution de la technologie (par rapport à celle de l’humain). Pour tester cette relation, nous avons mené une étude dans le contexte des soins médicaux, l’un des domaines les plus prometteurs pour l’application de l’intelligence artificielle. Des recherches antérieures montrent une aversion générale pour l’utilisation de l’IA dans les contextes de santé en raison de la négligence du caractère unique des patients (Longoni et al., 2019) ou de l’opacité des processus de décision des algorithmes (Cadario et al., 2021). Cependant, nous nous intéressons à la différence entre les évaluations de la technologie par les managers et les consommateurs et nous postulons que l’aversion envers la technologie devrait être plus faible pour les managers parce qu’ils infèrent un bénéfice relativement plus élevé de l’efficience de la technologie que les consommateurs. Pour améliorer la validité externe de nos résultats, nous avons délibérément choisi comme échantillon des personnes occupant des postes de gestion pour la condition du point de vue du manager et des personnes n’occupant pas de poste de gestion pour la condition du point de vue du consommateur.

Participants et procédure

Deux cent quarante-deux travailleurs de Prolific ont participé à cette étude en échange d’une récompense monétaire. Les participants ont été délibérément sélectionnés pour l’une des deux conditions de point de vue (manager vs. consommateurs). Pour la condition de point de vue du manager (n = 121), nous avons sélectionné des participants qui sont répertoriés dans la base de données Prolific comme ayant un rôle de gestion dans leur emploi de tous les jours (c’est-à-dire « PDG ou cadre supérieur », « Président », « Vice-président », « Directeur / Directeur associé », « Cadre supérieur », « Manager »), tandis que pour la condition de point de vue du consommateur (n = 121), nous avons sélectionné des participants qui sont répertoriés comme « Contributeur individuel / Non-manager » dans la base de données Prolific. Dans les deux cas, les participants ont lu une introduction générale sur les maladies cardiovasculaires (MCV) et la possibilité de tester leur risque personnel :

« Les maladies cardiovasculaires (MCV) sont la principale cause de décès aux États-Unis. Pour mesurer le risque de MCV d’une personne, un test génétique cardiovasculaire peut être effectué. Le test génétique cardiovasculaire consiste à prélever un échantillon d’ADN, généralement au moyen d’un écouvillon de salive que vous pouvez prélever vous-même à l’aide du kit illustré ci-dessous. L’échantillon d’ADN est envoyé à une clinique pour le test de dépistage des maladies cardiovasculaires. Les tests génétiques cardiovasculaires peuvent être utilisés pour améliorer le diagnostic des maladies cardiovasculaires ainsi que pour prédire, affiner et renforcer la prise en charge des maladies cardiovasculaires au sein des familles et des individus. »

Par la suite, les participants dans la perspective du manager ont lu :

« Imaginez que vous êtes le directeur d’une clinique qui propose un service de dépistage des maladies cardiovasculaires (MCV). Les consommateurs envoient donc leurs échantillons de salive à votre clinique pour un test de dépistage des maladies cardiovasculaires. Vous devez décider de la manière dont les échantillons de salive destinés aux tests de dépistage des MCV seront analysés à l’avenir : Plus précisément, vous disposez de deux options de service que vous pouvez mettre en œuvre (toutes deux au même coût) : (a) une IA automatisée qui peut analyser les échantillons (b) un médecin qui peut analyser les échantillons. L’expérience montre qu’un médecin et une IA sont tous deux précis dans 82 à 85% des cas. »

Par la suite, les participants dans la perspective du consommateur ont lu :

« Imaginez que vous préleviez un échantillon de salive pour un test de dépistage des maladies cardiovasculaires (MCV). Vous envoyez maintenant votre échantillon à une clinique qui propose des tests de dépistage des maladies cardiovasculaires (MCV). Dans cette clinique, vous pouvez décider comment vous souhaitez que l’échantillon de salive que vous avez envoyé pour un test de dépistage des maladies cardiovasculaires soit analysé. Plus précisément, vous avez deux options (toutes deux au même coût) : (a) une IA automatisée qui peut analyser votre échantillon (b) un médecin qui peut analyser votre échantillon. L’expérience montre que le médecin et l’IA sont tous deux précis dans 82 à 85% des cas. »

En ce qui concerne la variable dépendante, les participants ont indiqué leur préférence pour l’option humaine ou technologique (c’est-à-dire, pour le point de vue du manager : « Lorsque les échantillons sont expédiés à la clinique, les clients n’interagissent ni avec l’IA, ni avec le médecin directement, indépendamment de leur choix. En tant que responsable de cette clinique, dans quelle option investiriez-vous pour analyser les échantillons de vos clients ? »; point de vue du consommateur : « Lorsque vous envoyez votre échantillon à la clinique, vous n’interagissez ni avec l’IA ni avec le médecin directement, indépendamment de votre choix. Quelle option de service préféreriez-vous ? » ). Après avoir lu le scénario correspondant, les participants ont répondu sur une échelle de 1 à 10 à la question concernant leur préférence (1 = le médecin ; 10 = l’IA automatisée). Ensuite, les participants ont répondu à trois questions sur la perception de l’efficience de la technologie par rapport aux humains (c’est-à-dire « Qui pensez-vous être plus fiable [cohérent, efficace] ? »; α = 0,83) sur une échelle allant de 1 « certainement le médecin » à 7 « certainement l’IA ». Enfin, nous avons demandé aux participants de nous fournir des données démographiques (âge, genre).

Résultats et discussion

Reproduisant des recherches passées, nous identifions une aversion générale à l’égard de la contribution de la technologie (test t par rapport au point médian de l’échelle : M = 4,24, SD = 2,90, t(241) = 6,75, p < 0,001). Les résultats confirment également que l’aversion est significativement plus forte chez les consommateurs que chez les managers (F(1, 240) = 15,27 ; p < 0,001). Conformément à nos conclusions précédentes, les managers (M_manager = 4,95) ont une préférence plus forte que les consommateurs pour la technologie (M_consommateur = 3,54). En outre, les managers ont également perçu une plus grande efficience de la technologie que les consommateurs (M_manager = 4,33, M_consommateur = 3,65, p < 0,001). Nous avons estimé un modèle de médiation comportant la perspective comme variable indépendante (le point de vue du consommateur étant la catégorie de référence), l’ efficience perçue comme médiateur et la préférence pour la technologie comme variable dépendante (figure 1). Les résultats indiquent que la différence d’efficience perçue entre les managers et les consommateurs explique les différences de préférence (effet indirect : b = 0,84, SE = 0,24, IC 95% [0,38 ; 1,32]).

Figure 1.

Modèle de médiation avec l’efficience perçue comme médiateur, expliquant les différences de préférence pour la technologie (par rapport à l’humain) entre managers et consommateurs.

Conformément aux résultats précédents, l’étude 2 démontre l’aversion des individus pour l’apport technologique (par rapport à l’apport humain) dans le secteur des soins médicaux et cette aversion est considérablement sous-estimée du point de vue des managers. Nous expliquons cette différence entre les consommateurs et les managers en démontrant que les consommateurs perçoivent l’IA comme étant nettement moins efficace que les humains, contrairement aux managers. Les résultats de cette étude doivent toutefois être considérés avec prudence, car notre effet pourrait aussi être dû à d’éventuelles différences personnelles entre les deux groupes de participants. Même si les participants des deux groupes ne diffèrent pas en termes d’âge (M_manager = 37,8 vs. M_cconsumer = 40,0 ; p = 0,137) ou de genre (M_{Homme_manager} = 50,4%, M_{Femme_manager} = 48,8% vs. M_{Homme_consommateur} = 49,2%, M_{Femme_consommateur} = 49,2% ; χ² = 1,03, p = 0,597), d’autres facteurs non mesurés, tels que le niveau socio-économique ou l’éducation, pourraient différencier les participants. En outre, il est possible que la formulation de nos mesures clés (c’est-à-dire que les managers ont choisi un service à mettre en œuvre, tandis que les consommateurs ont choisi un service déjà en place) ait pu renforcer l’écart identifié entre les managers et les consommateurs. Plus précisément, les participants de la condition manager auraient pu se projeter dans une décision future, alors que les consommateurs prenaient la décision à ce moment précis. Après avoir établi le mécanisme par lequel les managers et les consommateurs diffèrent dans leur évaluation de l’apport technologique (étude 2), nous nous concentrons maintenant, dans la dernière étape de notre recherche, sur les possibilités de combler cet écart. Plus précisément, nous testons des interventions correctives ciblées sur le client (étude 3) et sur le manager (étude 4).

Étude 3 - Promouvoir la préférence des consommateurs pour la technologie

L’orientation vers l’efficience, identifiée comme le mécanisme pertinent dans l’étude 2, peut être interprétée différemment et a probablement des significations différentes pour les consommateurs et les managers. Alors que pour les managers, l’orientation vers l’efficience est sans doute connotée positivement, elle peut être considérée comme ayant un côté ‘sombre’ pour les consommateurs. Des recherches récentes ont étudié les leviers de l’acceptation (ou plutôt de la non acceptation) de la technologie par les consommateurs. Castelo et al. (2023) ont constaté que les consommateurs jugent souvent les services fournis par la technologie comme moins bons parce qu’ils pensent que l’automatisation est motivée par le désir de l’entreprise d’en tirer profit (c’est-à-dire de réduire les coûts) au détriment des bénéfices pour le client. Dans un pré-test avec 500 travailleurs Prolific (M_age = 40,6, 51,7% de femmes), nous avons pu observer que les consommateurs infèrent que les entreprises bénéficient de coûts inférieurs lorsqu’elles adoptent la technologie en remplacement de l’homme. Mais ceci implique également une moins bonne qualité du service ou du produit (l’annexe B présente un rapport complet de cette étude).

Nous proposons que l’écart d’évaluation de la technologie entre les managers et les consommateurs diminue si les avantages liés à l’efficience profitent clairement aux consommateurs. Par exemple, les consommateurs peuvent apprendre que la technologie utilisée et le gain d’efficience qui en résulte améliorent l’offre ou le service qui leur est offert, même s’ils ne sont pas en contact direct avec la technologie. Le fait de mettre en évidence les gains d’efficience et les avantages qui en découlent pour le consommateur pourrait donc améliorer la perception qu’ont ceux-ci de la technologie. L’étude 3 teste si une intervention basée sur ce principe (c’est-à-dire informer les consommateurs que les ressources libérées sont utilisées à leur profit) peut amener les consommateurs à évaluer la technologie de la même manière que les managers.

Participants et procédure

Deux cent trente-quatre étudiants en gestion ont participé à l’étude en échange d’un crédit de cours. Tous les participants ont été affectés de manière aléatoire à l’une des trois conditions (manager vs. consommateur vs. consommateur avec intervention). La conception de l’étude était identique à celle de l’étude 2, mais dans la condition « consommateur avec intervention », nous avons ajouté la phrase suivante : « Si vous choisissez l’IA pour analyser votre échantillon de salive, le médecin peut investir son temps dans d’autres activités. Par exemple, le médecin peut consacrer plus de temps au contact direct avec les patients », afin de mettre en évidence les avantages liés à l’efficience pour le consommateur. Après avoir lu leurs scénarios respectifs, les participants ont indiqué sur une échelle de 1 à 10 la probabilité qu’ils choisissent le médecin ou l’IA (1 = le médecin ; 10 = l’IA automatisée).

Résultats et discussion

Les résultats indiquent un effet significatif de la perspective sur le choix du participant pour la technologie par rapport à l’intervention humaine (F(2, 231) = 9,546 ; p < 0,001). En accord avec nos résultats précédents, les participants dans la condition manager (M_manager = 4,58) ont rapporté une préférence plus forte pour la technologie que les consommateurs sans intervention (M_consommateur = 2,96, p = 0,001). Toutefois, le fait d’avoir appris que les gains d’efficience profitaient également aux utilisateurs à l’extérieur de l’entreprise (c’est-à-dire que les ressources humaines seraient utilisées ailleurs) a renforcé la préférence des consommateurs pour la technologie (M_consommateur = 2,96 contre M_{consommateur avec intervention} = 5,01 ; p < 0,001). À la suite de cette intervention, les consommateurs qui ont vu l’intervention ont montré une préférence pour la solution technologique similaire à celle des managers (p = 0,382).

Cette étude démontre l’importance de la manière dont les consommateurs interprètent la mise en œuvre de la contribution technologique dans leurs expériences de service. Elle montre que l’évaluation de la technologie par les consommateurs peut augmenter lorsqu’il est clair que les ressources humaines sont utilisées pour améliorer la qualité du service. Ce résultat renforce la littérature suggérant que la préférence pour la technologie peut augmenter si les consommateurs identifient clairement un avantage pour eux-mêmes (Castelo et al., 2023). De toute évidence, l’écart entre les perceptions des managers et celles des consommateurs peut être atténué si la manière dont les consommateurs interprètent les gains d’efficience générés par la technologie est adaptée. Il est intéressant de noter que de tels gains de préférence pour la technologie peuvent se produire même lorsque le service n’est pas fourni en contact direct avec le consommateur.

Étude 4 - Réduction de l’écart entre les managers et les consommateurs en promouvant le point de vue du consommateur

Après avoir démontré que les managers attribuent systématiquement une plus grande valeur à la contribution technologique que les consommateurs, l’étude 4 vise à tester une intervention destinée à réduire cette différence. Nous testons si la différence entre le manager et le consommateur peut être corrigée en informant les managers que les consommateurs préfèrent systématiquement l’apport humain à l’apport technologique.

Participants et procédure

Deux cent vingt et un étudiants en gestion ont participé à cette étude en échange de crédits de cours. Les participants ont été affectés de manière aléatoire à l’une des trois conditions (consommateurs vs. managers vs. managers avec intervention). Les participants de la condition consommateurs ont lu le scénario suivant :

« Imaginez que vous cherchiez une pizza pour un bon dîner entre amis. Lorsque vous décidez où aller dîner, vous avez le choix entre deux options (toutes deux au même prix) : (a) un robot pizzaïolo automatisé dans lequel votre pizza sera préparée par un robot cuisinier ; (b) un restaurant dans lequel un chef cuisinier préparera votre pizza. Il est important de noter que vous ne serez pas en contact avec chacune de ces options. En d’autres termes, vous n’interagirez ni avec le robot cuisinier ni avec le chef directement, indépendamment de votre choix. Quelle option préférez-vous pour la préparation de votre pizza ? »

Les participants de la condition manageur lu :

« Imaginez que vous ouvriez une nouvelle pizzeria. Lorsque vous décidez du service à proposer à vos clients pour le dîner, vous avez le choix entre deux options (toutes deux au même coût) : (a) un robot-pizza automatisé dans lequel les pizzas seront préparées par un chef robotisé ; (b) un restaurant où un chef cuisinier préparera les pizzas.

Il est important de noter que les consommateurs ne seront pas en contact avec chacun de ces deux types de service. En d’autres termes, ils n’interagissent ni avec le robot cuisinier ni avec le chef directement, indépendamment de leur choix. Dans quelle option de service investiriez-vous en tant que manager de ce nouveau service de pizzas ? »

La condition manager avec l’intervention corrective était la même, à l’exception d’une phrase ajoutée pour informer les managers des réserves des consommateurs concernant la mise en œuvre ou la substitution de la technologie : « Toutefois, des recherches récentes ont démontré que les consommateurs pensent que l’automatisation des services est principalement motivée par le désir d’efficience des entreprises (c’est-à-dire la réduction des coûts) et se fait au détriment des avantages pour les clients (tels que la qualité du service) ». Après avoir lu leurs scénarios respectifs, les participants ont répondu sur une échelle de 1 à 10 à la probabilité qu’ils choisissent le chef ou l’IA (1 = le chef ; 10 = le chef automatisé de l’IA), et ont répondu à des questions démographiques (âge, genre).

Résultats et discussion

Nous observons à nouveau un effet significatif de la perspective sur la préférence des participants pour la contribution de la technologie par rapport à la contribution humaine (F(2, 218) = 9,666 ; p < 0,001). Les participants de la condition manager (M_manager = 3,14) ont exprimé une plus forte préférence pour la technologie que les consommateurs (M_consommateur = 1,45, p < 0,001). Cependant, le fait d’informer les managers que les consommateurs pensent que l’adoption de la technologie est uniquement motivée par les avantages de l’entreprise et se fait au détriment du client n’a pas modifié leurs préférences par rapport à l’absence d’intervention (M_manager = 3,14 vs. M_{manager avec intervention} = 3,23 ; p = 0,830). Il est remarquable que, même avec une tentative de réduction de biais aussi simple, les individus ayant une perspective de manager ont encore surestimé la valeur de la technologie par rapport aux consommateurs (p < 0,001).

Cette dernière expérimentation confirme nos résultats précédents, révélant une divergence entre l’évaluation de la technologie par les consommateurs et par les managers. Notamment, même en informant explicitement les participants que les consommateurs interprètent la technologie comme un choix qui profite à l’entreprise au détriment du consommateur, nous n’avons pas réussi à corriger le déséquilibre entre le point de vue du gestionnaire et celui du consommateur, et l’écart entre les deux persiste en ce qui concerne l’évaluation de la technologie. Dans une étude complémentaire, nous avons démontré que le scénario était effectivement adapté pour manipuler les perceptions des consommateurs quant aux avantages de la technologie. Dans ce post-test (N = 301), les participants ont vu le même scénario que celui de l’étude 4 et ont répondu à la question suivante : Selon le scénario que vous avez lu, veuillez indiquer dans quelle mesure vous êtes d’accord avec la phrase suivante : « Les consommateurs perçoivent moins d’avantages de la part des entreprises utilisant des services d’IA », avec les ancrages « pas du tout d’accord » et « tout à fait d’accord ». Confirmant l’efficience de l’intervention, les participants de la condition « manager avec intervention » (M = 5,44) étaient plus d’accord avec l’affirmation que les participants dans la condition « manager » (M = 4,71, p < 0,001), mais pas moins que les participants de la condition « consommateur » (M = 5,12, p = 0,127). Les participants de la condition « consommateur » étaient également plus d’accord que les participants de la condition « manager » (p = 0,052). L’écart entre les managers et les consommateurs pourrait donc s’expliquer par le fait que les managers prennent en compte de multiples autres perspectives lorsqu’ils évaluent l’utilisation de la technologie (par exemple, l’efficience) et pas seulement la perspective du consommateur. Les résultats des tentatives de réduction de biais ciblant les consommateurs (étude 3) et les managers (étude 4) sont résumés dans la figure 2.

Figure 2.

Impact du point de vue du manager (vs. consommateur) et de l’intervention sur la préférence pour la technologie (par rapport à l’humain).

Discussion

Cette recherche, qui comprend sept études, met en évidence des différences significatives entre les points de vue des managers et des consommateurs concernant les valeurs à considérer dans le processus de décision. Nous avons adopté une approche comparative entre les consommateurs et les managers pour éclaircir les résultats contradictoires de la littérature sur la perception de la technologie, notamment en ce qui concerne les évaluations à la fois positives et négatives qu’elle suscite. Nos expériences révèlent que les consommateurs privilégient davantage l’apport humain au détriment de la technologie, tandis que les managers tendent à avoir une vision plus favorable de la valeur générée par la technologie. Il est essentiel de reconnaître ces différences dans l’évaluation de la technologie, comme l’indiquent les hypothèses H1 et H2, et d’intégrer systématiquement le point de vue du consommateur (ainsi que les éventuels conflits avec celui du manager) dans le processus décisionnel de l’entreprise afin de créer un avantage stratégique.

Au cours de sept expérimentations menées dans des contextes et des secteurs d’activité très différents, nous avons démontré que la perspective utilisée lors d’un jugement a une incidence sur l’importance de l’évaluation de la technologie. Il est important de noter que cette recherche a montré que le simple fait de demander aux individus de penser comme des managers ou des consommateurs a déjà permis de modifier l’évaluation de la valeur de la contribution technologique (par rapport à la contribution humaine) à la création de produits et de services. Ces résultats illustrent comment un simple changement de la perspective de prise de décision peut modifier la force avec laquelle une croyance populaire se manifeste et ses implications sur la prise de décision. Nous contribuons ainsi à la littérature sur les croyance populaires en démontrant qu’une même personne peut avoir des croyances différentes, voire opposées, qui deviennent plus (ou moins) saillantes en fonction du contexte et de la façon de penser utilisée pendant le jugement (Deval et al., 2013).

Cette recherche contribue également à la littérature sur l’écart entre les points de vue des managers et des consommateurs et leurs conséquences. Des études antérieures montrent que les managers ont souvent une compréhension incomplète de leurs consommateurs (Herzog et al., 2021 ; Hult et al., 2017 ; Markovitch et al., 2015) parce qu’ils ont tendance à projeter leurs propres préférences sur celles des consommateurs (Kang et Wooten, 2019 ; Li et al., 2023 ; Weaver et al., 2012). Notre série d’études soutient cette idée que les managers peuvent prendre des décisions différentes et incompatibles avec ce que veulent les consommateurs. Nous démontrons que ces différences d’évaluation existent pour une ressource qui a radicalement changé plusieurs industries : la contribution de la technologie dans le développement de produits et de services. Comme les managers accordent plus d’importance aux aspects liés à l’efficience dans leur prise de décision, ils évaluent la technologie de manière plus positive que les consommateurs. Plus précisément, le danger est de (sur)accentuer les avantages et les opportunités, sans reconnaître que les consommateurs apprécient davantage les attributs symboliques (par exemple, l’effort, l’amour, la chaleur) et peuvent avoir des réserves quant aux avantages que les entreprises peuvent tirer de la technologie, ce qui peut avoir un coût pour le consommateur. Paradoxalement, les personnes qui adoptent une perspective managériale ont des perceptions biaisées qui s’écartent de celles des consommateurs, même lorsque la technologie est couramment appliquée dans un contexte de marché (étude 1D) ou lorsqu’elles ont pris connaissance de l’aversion des consommateurs et de leurs inférences défavorables des bénéfices de la technologie (étude 4). Alors que l’intervention pour réduire l’écart ciblant les consommateurs a été efficace (étude 3), l’écart a persisté après notre tentative d’intervention ciblant les managers.

Implications pour les managers concernant la technologie

Nos efforts pour comparer et distinguer les points de vue des managers et des consommateurs sur la technologie ont des conséquences spécifiques sur la manière dont les préférences individuelles peuvent servir à faire avancer la théorie du marketing. Tout d’abord, notre travail permet d’approfondir la compréhension actuelle des particularités de la prise de décision managériale (Hult et al., 2017). Bien que supposée plus rationnelle (Lam et Van der Borgh, 2021), la pensée managériale peut également être guidée (et souvent induite en erreur) par des croyances que d’autres parties prenantes ne partagent pas nécessairement, y compris les consommateurs (Hult et al., 2017). Ces différences peuvent avoir des conséquences sur l’évaluation de l’impact de la conception d’une technologie donnée et, par conséquent, sur sa réussite commerciale (Herzog et al., 2021). Deuxièmement, nous encourageons d’autres chercheurs à investiguer les implications des écarts cognitifs spécifiques qui influencent les décisions de gestion et l’innovation. Par exemple, l’évaluation de la technologie est importante, car elle permet aux managers de déterminer s’ils doivent ou non s’engager et investir dans des innovations basées sur la technologie.

Troisièmement, notre étude contribue à la diversité des données sur les perceptions de la technologie. Nous avons montré que le simple fait d’activer la réflexion des managers (ou des consommateurs) peut provoquer des effets différents sur l’évaluation de la technologie et les réflexions liées à l’efficience (étude 2 et étude de l’annexe B). Une explication compatible avec notre théorie est que les individus fortement ancrés dans un environnement économique et hiérarchique, tels que les managers, poursuivent plus probablement le processus économique rationnel et développent donc une perception plus positive de l’apport technologique. Comme l’illustre l’exemple que nous avons donné dans l’introduction en utilisant des données provenant d’environ 84 000 personnes interrogées dans le cadre de la dernière enquête World Value Survey (voir Annexe D), les personnes qui occupent un poste de gestion dans leur vie professionnelle voient la technologie d’un œil plus positif que les autres. Les consommateurs, cependant, sembles poursuivre une approche plus équilibrée entre les attributs économiques rationnels et les attributs alternatifs (par exemple, les aspects sociaux, les émotions, la valeur symbolique). Comme les produits fabriqués par l’homme sont associés à des attributs symboliques et que les consommateurs semblent avoir une opinion plutôt pessimiste de la manière dont les entreprises bénéficient principalement des gains d’efficience induits par la technologie, les consommateurs peuvent aussi avoir une opinion négative de la technologie. Sur la base de ces différences, les théories en marketing existantes peuvent être testées quant à leur sensibilité à ces différents schémas de pensée et peuvent être étendues en conséquence.

Limites et suggestions pour la recherche future

Si les dirigeants peuvent sous-estimer l’acceptation de la technologie par les consommateurs, la littérature existante propose des explications potentielles à cet écart de perception. Il est possible que les dirigeants connaissent mieux les services ou les produits de leur entreprise. Cela impliquerait que leur évaluation d’une nouvelle technologie est motivée par une élaboration plus rationnelle sur la manière dont cette technologie peut apporter des avantages. À l’exception de l’étude 2, dans tous nos expérimentations (utilisant une technique de scénario), nous avons veillé à ce qu’il n’y ait pas de différences systématiques dans la connaissance des procédures organisationnelles entre le cadrage de la perspective du manager et celui de la perspective du consommateur. Cependant, une partie de l’effet observé pourrait être due au fait que les participants supposent qu’ils contrôlent la technologie. Les recherches futures pourraient évaluer plus en détail ce facteur potentiel en tant que levier des hypothèses biaisées des managers sur les préférences des consommateurs.

Même si notre recherche a révélé des preuves significatives et multi-domaines de la préférence pour l’apport humain par rapport à la technologie, la littérature antérieure montre que l’acceptation de la technologie nécessite souvent un temps d’adaptation. Pour cette raison, nous avons constaté une préférence pour la technologie (par rapport au service humain) dans les supermarchés. Ces observations pourraient résulter de la plus grande présence de la technologie dans la vie quotidienne dans ce secteur (par exemple, les caisses automatiques sont largement connues). La recherche a également montré que les expériences positives avec la technologie peuvent surmonter une résistance antérieure à la technologie (Böhm et al., 2023). Par conséquent, les études futures devraient tenir compte de la présence à long terme de l’adoption de la technologie.

En ce qui concerne les heuristiques individuelles, l’opposition entre les convictions des managers et celles des consommateurs, au regard des principes de la demande, soulève d’importantes questions sur le rôle de l’organisation. Premièrement, est-il utile que les organisations corrigent la situation en faveur des croyances consommateurs ? Dans notre étude 1D (et dans une étude supplémentaire présentée à l’annexe C), nous démontrons que les préférences des managers sont plus proches de la perspective du consommateur (et non l’inverse) dans les situations où les consommateurs ont une plus forte préférence pour la technologie (étude 1D). Ces résultats pourraient s’expliquer par une exposition accrue à l’utilisation de la technologie au cours des dernières années. Cela pourrait aussi se traduire par l’inclusion d’autres dimensions technologiques dans l’évaluation des managers. Deuxièmement, les organisations diffèrent-elles dans la manière dont elles prennent en compte et corrigent les croyances des managers et des consommateurs ? Enfin, quelles stratégies permettent de mieux prendre en compte les deux types de croyances sur la technologie (Bazerman, 2001 ; Brief et Bazerman, 2003) ?

Footnotes

Annexes

References

Bazerman

(2001) Consumer research for consumers. Journal of Consumer Research 27(4): 499–504.

Böhm

Jörling

Reiter

et Fuchs

(2023) People devalue generative AI’s competence but not its advice in addressing societal and personal challenges. Communications Psychology 1(32): 1–10.

Brief

et Bazerman

(2003) Editor’s comments: bringing in consumers. The Academy of Management Review 28(2): 187–189.

Cadario

Longoni

et Morewedge

(2021) Understanding, explaining, and utilizing medical artificial intelligence. Nature Human Behaviour 5(12): 1636–1642.

Candrian

et Scherer

(2022) Rise of the machines: delegating decisions to autonomous AI. Computers in Human Behavior 1(134): 107308.

Castelo

Bos

et Lehmann

(2019) Task-dependent algorithm aversion. Journal of Marketing Research 56(5): 809–825.

Castelo

Boegershausen

Hildebrand

et Henkel

(2023) Understanding and improving consumer reactions to service bots. Journal of Consumer Research 50(4): 848–863.

Chai

et Menon

(2019) Breakthrough recognition: bias against novelty and competition for attention. Research Policy 48(3): 733–747.

Clark

Robert

et Hampton

(2016) The technology effect: how perceptions of technology drive excessive optimism. Journal of Business and Psychology 31: 87–102.

10.

DeRosia

et Elder

(2019) Harmful effects of mental imagery and customer orientation during new product screening. Journal of Marketing Research 56(4): 637–651.

11.

Deval

Mantel

Kardes

et Posavac

(2013) How naive theories drive opposing inferences from the same information. Journal of Consumer Research 39(6): 1185–1201.

12.

Dietvorst

Simmons

et Massey

(2015) Algorithm aversion: people erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General 144(1): 114–126.

13.

Dietvorst

Simmons

et Massey

(2018) Overcoming algorithm aversion: people will use imperfect algorithms if they can (even slightly) modify them. Management Science 64: 1155–1170.

14.

Dietvorst

et Bartels

(2022) Consumers object to algorithms making morally relevant tradeoffs because of algorithms’ consequentialist decision strategies. Journal of Consumer Psychology 32(3): 406–424.

15.

Dowling

Guhl

Klapper

Spann

Stich

et Yegoryan

(2020) Behavioral biases in marketing. Journal of the Academy of Marketing Science 48(3): 1–29.

16.

Dunne

Clark

Berns

et McDowell

(2019) The technology bias in entrepreneur-investor negotiations. Journal of Business Research 105: 258–269.

17.

Elsbach

et Stigliani

(2019) New information technology and implicit bias. Academy of Management Perspectives 33(2): 185–206.

18.

Fuchs

Schreier

et Van Osselaer

SMJ

(2015) The handmade effect: what’s love got to do with it? Journal of Marketing 79: 98–110.

19.

Gilovich

(1990) Differential construal and the false consensus effect. Journal of Personality and Social Psychology 59(4): 623–634.

20.

Granulo

Fuchs

et Puntoni

(2019) Psychological reactions to human versus robotic job replacement. Nature Human Behaviour 3: 1062–1069.

21.

Granulo

Fuchs

et Puntoni

(2021) Preference for human (vs. robotic) labor is stronger in symbolic consumption contexts. Journal of Consumer Psychology 31: 72–80.

22.

Hastie

(2001) Problems for judgment and decision making. Annual Review of Psychology 52: 653–683.

23.

Hattula

Herzog

Dahl

et Reinecke

(2015) Managerial empathy facilitates egocentric predictions of consumer preferences. Journal of Marketing Research 52(2): 235–252.

24.

Herzog

Hattula

et Dahl

(2021) Marketers project their personal preferences onto consumers: overcoming the threat of egocentric decision making. Journal of Marketing Research 58(3): 456–475.

25.

Hult

Morgeson

Morgan

Mithas

et Fornell

(2017) Do managers know what their customers think and why? Journal of the Academy of Marketing Science 45(1): 37–54.

26.

Jago

et Laurin

(2022) Assumptions about algorithms’ capacity for discrimination. Personality and Social Psychology Bulletin 48(4): 582–595.

27.

Joerss

Hoffmann

Mai

et Akbar

(2021) Digitalization as solution to environmental problems? When users rely on augmented reality-recommendation agents. Journal of Business Research 128: 510–523.

28.

Kang

et Wooten

(2019) Presenter’s paradox? Downstream consequences of non-truthful communication. Advances in Consumer Research. 47

29.

Kessel

(2019) ATO – exploiting the technology. Disponible en ligne: https://www.railengineer.co.uk/ato-exploiting-the-technology/ [consulté le 27 juin 2024].

30.

Komiak

et Benbasat

(2006) The effects of personalization and familiarity on trust and adoption of recommendation agents. MIS Quarterly 30(4): 941–960.

31.

Kruger

Wirtz

Van Boven

et Altermatt

(2004) The effort heuristic. Journal of Experimental Social Psychology 40(1):91–98.

32.

Lam

et Van der Borgh

(2021) On salesperson judgment and decision making. Journal of the Academy of Marketing Science 49(5): 855–863.

33.

Leung

Paolacci

et Puntoni

(2018) Man versus machine: resisting automation in identity-based consumer behavior. Journal of Marketing Research 55(6): 818–831.

34.

Hsee

et O’Brien

(2023) It could be better: can make it worse: when and why people mistakenly communicate upward counterfactual information. Journal of Marketing Research 60(2): 219–236.

35.

Logg

Minson

et Moore

(2019) Algorithm appreciation: people prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes 151: 90–103.

36.

Longoni

Bonezzi

et Morewedge

(2019) Resistance to medical artificial intelligence. Journal of Consumer Research 46: 629–650.

37.

Longoni

et Cian

(2022) Artificial intelligence in utilitarian vs. hedonic contexts: the “word-of-machine” effect. Journal of Marketing 86(1): 91–108.

38.

Markovitch

Steckel

Michaut

Philip

et Tracy

(2015) Behavioral reasons for new product failure: does overconfidence induce overforecasts? Journal of Product Innovation Management 32(5): 825–841.

39.

Pierce

(2019) The balance of technology and a human touch in recruiting. Disponible en ligne: https://www.forbes.com/sites/forbeshumanresourcescouncil/2019/08/02/the-balance-of-technology-and-a-human-touch-in-recruiting/ [consulté le 24 juin 2024].

40.

Pizzaforno (2024) 24/7 Automatic Pizza Vending Machine! Disponible en ligne: https://pizzaforno.com/ [consulté le 18 juin 2024].

41.

Reich

Kaju

et Maglio

(2023) How to overcome algorithm aversion: learning from mistakes. Journal of Consumer Psychology 33(2): 285–302.

42.

Reuters (2023) IBM to pause hiring in plan to replace 7,800 jobs with AI, Bloomberg reports. Disponible en ligne: https://www.reuters.com/technology/ibm-pause-hiring-plans-replace-7800-jobs-with-ai-bloomberg-news-2023-05-01/ [consulté le 19 septembre 2024].

43.

Rogeon

Michaud-Trevinal

et Collin-Lachaud

(2022) Between fear of and desire for the digitalization of retailing: an initial conceptualization to understand the ambivalent reactions of shoppers. Recherche et Applications en Marketing (English Edition) 37(2): 47–75.

44.

Ruan

et Mezei

(2022) When do AI chatbots lead to higher customer satisfaction than human frontline employees in online shopping assistance? Considering product attribute type. Journal of Retailing and Consumer Services 68: 103059.

45.

Sadler-Smith

et Sparrow

(2008) Intuition in organizational decision making. In: Hodgkinson

et Starbuck

(éds) The Oxford Handbook of Organizational Decision Making. Oxford: Oxford Academic, 305–324.

46.

Simon

(1957) Models of Man; Social and Rational. New York: Wiley.

47.

Siocom

(2023) Ways AI is changing HR departments. Disponible en ligne: https://www.businessnewsdaily.com/how-ai-is-changing-hr [consulté le 23 avril 2023].

48.

Song

Xing

Duan

Cohen

et Mou

(2022) Will artificial intelligence replace human customer service? The impact of communication quality and privacy risks on adoption intention. Journal of Retailing and Consumer Services 66: 102900.

49.

Statista (2024) Artificial intelligence (AI) in healthcare market size worldwide from 2021 to 2030 (in billion U.S. dollars). Disponible en ligne: https://www-statista-com.em-lyon.idm.oclc.org/statistics/1334826/ai-in-healthcare-market-size-worldwide/ [consulté le 23 juin 2024].

50.

Wang

Qureshi

Deeds

et Ren

(2019) How do technology ventures signal IPO quality? A configurational approach. Journal of Business Research 99: 105–114.

51.

Weaver

Garcia

et Schwarz

(2012) The presenter’s paradox. Journal of Consumer Research 39: 445–460.