L'IA Générative et l'Évaluation des Performances: Vers de Nouvelles Perspectives Organisationnelles

Christine Marsal ()
Additional contact information
Christine Marsal: MRM-SI - Montpellier Research in Management - Systèmes d’Information - MRM - Montpellier Research in Management - UPVD - Université de Perpignan Via Domitia - UM - Université de Montpellier

Post-Print from HAL

Abstract: L'implantation des intelligences artificielles génératives (IAG) soulève d'importantes attentes en matière de productivité organisationnelle. Cet article examine comment les IAG transforment le système d'évaluation des performances à travers le prisme de la théorie de l'architecture organisationnelle. L'étude s'appuie sur une méthodologie qualitative exploratoire combinant 5 entretiens semi-directifs et 30 questionnaires auprès de participants issus de 35 organisations. Les résultats révèlent que les IAG permettent une collecte massive et amplifiée d'indicateurs de performance tout en introduisant de nouvelles asymétries d'information. Le système de codécision humain-IAG induit des pratiques d'ajustements permanents et un déplacement des asymétries d'information entre parties prenantes. Cette recherche identifie les enjeux, opportunités et limites d'un système d'évaluation des performances en mode IAG, offrant des implications théoriques et managériales pour le pilotage organisationnel.

Date: 2026-05-20
Note: View the original document on HAL open archive server: https://hal.science/hal-05789327v1
References: Add references at CitEc
Citations:

Published in AIM 2026 : 31e conférence de l'Association Information et Management, Haute École spécialisée de Suisse occidentale = HES-SO University of Applied Sciences and Arts Western Switzerland = Fachhochschule Westschweiz [Schweiz] [HES-SO], May 2026, Neuchâtel, Suisse

Downloads: (external link)
https://hal.science/hal-05789327v1/document (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:hal:journl:hal-05789327

Access Statistics for this paper

More papers in Post-Print from HAL
Bibliographic data for series maintained by CCSD ().