• La composition du jury est la suivante :

M. Stéphane GORIA, professeur, Université de Lorraine, Rapporteur
M. Olivier LE DEUFF, Professeur, Université Bordeaux Montaigne, Rapporteur
M. Nicolas MOINET, Professeur, Université de Poitiers, Directeur de thèse
Mme. Claudine BATAZZI, Professeure, Université Côte d’Azur, Suffragant
M. Christian MARCON, Professeur, Université de Poitiers, Suffragant
Mme. Audrey KNAUF, Maîtresse de conférences, Université de Lorraine, Suffragant
M. Philippe CLERC, Académie de l’Intelligence Économique, membre invité

Résumé :

Dans un environnement VUCA et un contexte de déluge informationnel amplifié par l’émergence des IA génératives, les organisations peinent à transformer la masse de données brutes en atout décisionnel. Cette recherche, ancrée dans les Sciences de l’information et de la communication (SIC), part du constat que la fonction d’analyse – le « cœur du réacteur » du cycle de la veille – est souvent reléguée au second plan par rapport à la phase de collecte. Pourtant, l’analyse est le processus essentiel susceptible de transformer les informations en renseignement exploitable. 

L’objectif général de cette thèse est de déterminer les facteurs Humains, Organisationnels et Technologiques (H-O-T) qui favorisent une analyse efficace au sein des organisations françaises (entreprises, administrations, …). Pour y parvenir, l’approche méthodologique se veut résolument pragmatiste, privilégiant l’enquête et la production de connaissances « orientée vers l’action ». L’auteur s’appuie notamment sur une démarche qualitative, incluant la réalisation de 20 entretiens semi-directifs auprès d’analystes français. 

L’analyse des résultats démontre que la performance analytique est systémique et ne dépend pas d’un seul levier, mais d’un équilibre concerté des trois dimensions H-O-T. 

Sur le plan Humain et Organisationnel, les résultats mettent en évidence l’importance des compétences-clés de l’analyste, telles que l’orientation des besoins, la pensée critique pour déjouer les biais cognitifs, et la capacité de mise en récit (storytelling) des résultats pour assurer leur appropriation par les décideurs. L’efficacité exige également une gouvernance clarifiant les rôles, les processus de relecture croisée et des circuits de feedback obligatoires, qui, ensemble, garantissent la fluidité, la cohérence et la valeur décisionnelle de la chaîne analytique. 

Sur le plan méthodologique, la thèse propose le protocole F-T-T (Formuler → Tester → Tracer) pour gérer l’incertitude en environnement VUCA. Ce cadre opérationnel, inspiré de la logique abductive, vise à guider les analystes dans le fait de générer des hypothèses plausibles, les confronter et les discriminer par une recherche ciblée, et surtout, à rendre le raisonnement traçable et opposable aux décideurs en conservant les preuves et les arbitrages effectués. 

Concernant les technologies, l’étude intègre l’impact des IA génératives (LLM) qui s’imposent comme des outils d’« analyse augmentée » capables d’accélérer le traitement des données non structurées, la recherche d’informations ou la traduction. Toutefois, l’usage de l’IA ne peut se substituer à l’intelligence humaine : l’analyste doit la considérer comme un « copilote statistique », l’amenant à adopter une posture critique. 

En définitive, cette thèse souhaite offrir un modèle conceptuel et des recommandations praxéologiques visant à ritualiser le raisonnement partagé, et à transformer ainsi la surabondance informationnelle en un avantage stratégique, en sécurisant la prise de décision par la rigueur et la traçabilité de l’analyse. 

Mots-clés :Intelligence économique, veille stratégique, déluge informationnel, analyse de l’information, analyse du renseignement, prise de décision, pragmatisme, intelligence artificielle générative, modèles de langage (LLM), construction du sens, VUCA