Avec plus de 100.000 transactions chaque année, les marchés publics représentent près de 10 % du PIB français. Pourtant, peu de travaux en sciences de gestion ont tenté de comprendre les manoeuvres stratégiques qui facilitent l'accès des entreprises à la commande publique. En s'appuyant sur la théorie des réseaux, le but de cette thèse est, justement, d'étudier l'impact de l'environnement relationnel des entreprises. Nous proposons, ainsi, un modèle qui décrit comment les réseaux d'alliances influencent l'attribution des marchés publics. Pour réaliser ce travail de recherche, nous observons 4.242 transactions de marchés publics dans lesquelles sont impliquées des alliances stratégiques. Une analyse structurale des données nous permet, alors, de détecter les réseaux d'alliances. L'organisation de ces réseaux révèle des propriétés relationnelles non-triviales, et identiques à celles des réseaux sociaux. Ces propriétés sont testées à partir d'équations structurelles (PLS-path modeling). Les résultats montrent un effet significatif de 4 propriétés relationnelles (l'encastrement, l'attachement préférentiel, la force des liens et la transitivité) sur l'obtention des marchés publics. Nous décrivons, ensuite, la façon d'organiser, efficacement, des manoeuvres d'alliances. Nous posons, ainsi, les fondements d'un système d'intelligence économique pour former des coalitions. Ce système repose sur une cartographie des réseaux qui permet aux entreprises de comprendre et d'influencer leur environnement relationnel. / With over 100 000 exchanges per years, public procurement represent almost 10% of French GDP. Nevertheless, few scientific management studies have investigated strategies which ease accessibility to public procurement to companies. Based on network theory, my thesis purpose was to study the impact of the company relational environment. We now characterize a model that illustrates the effect of strategic networks on contract awarding. We investigated 4242 transactions in French public market with strategic alliances involvement. A structural data analysis highlighted strategic networks characterized by an organization having non trivial relational properties, which are identical to social networks. We used structural equations modeling (PLS-path modeling) to validate this observation. Indeed, we demonstrated that 4 different relational properties (embeddedness, preferential attachment, strength of ties and transitivity) influence significantly the public contract awarding. What are these model applications? This model draws a company network map, a useful tool for company to manage and understand their possible coalitions. We propose how to organize efficient strategic alliances which is one of the bases of competitive intelligence system.

L'intelligence économique permet de fournir à l'entreprise une compréhension fine de son environnement. Ce concept destiné à aider le processus de décision améliore la gestion des flux informationnels de l'entreprise. Puisqu'une information n'a pas forcément la même signification pour deux individus, il est nécessaire d'avoir un système d'information capable d'aider l'utilisateur à trouver des informations pertinentes en fonctionne de ses besoins.<br />Nous proposons, donc, un modèle fondé sur les besoins informationnels de l'utilisateur qui intègre les caractéristiques individuelles de l'utilisateur, ses activités, son objectif de recherche, le contexte d'utilisation des résultats et l'ensemble d'informations disponibles. Le modèle permet de mieux connaître les attentes des usagers du système en termes d'évolution de leurs connaissances.<br />Ce modèle est implanté dans une interface graphique conçue pour le moteur de recherche d'informations déjà développé au sein de l'équipe SITE

Aujourd'hui, avec la connexion présente en tout lieu et à tout instant, des données considérables naissent. Ces données ou data deviennent un acteur clé pour la compréhension, l'analyse, l'anticipation et la résolution des grands problèmes économiques, politiques, sociaux et scientifiques. Les data changent aussi nos procédures de travail, notre environnement culturel, allant même jusqu'à restructurer notre manière de penser. Et à peine que le monde scientifique, manageriel et financier, s'intéresse au Big Data, qu'une nouvelle discipline est en train de monter en puissance : le Fast Data. Outre le volume saillant de données ; une autre variante devient décisive, la capacité de traiter à vitesse efficiente les données dans toute leur diversité, de les transformer en connaissances en fournissant la bonne information à la bonne personne et au bon moment, voire les utiliser pour prédire l'avenir. L'exploitation de Big Data nécessite la proposition de nouvelles approches mathématiques et informatiques adaptées mais aussi une réingénierie des approches managériales pour la maîtrise de l'environnement informationnel d'un organisme public ou privé. Tout en se basant sur une démarche de management stratégique d'information comme l'Intelligence Économique (IE). Cette dernière combine et englobe les techniques de Business Intelligence pour la maîtrise des données internes et les techniques de veille stratégique pour la surveillance et la maitrise des flux d'informations externe. Cependant, le Big Data, comme source d'information sans limite pour l'IE, a bouleversé le processus traditionnel de l'IE, ce qui demande une réingénierie de la démarche d'IE. Mes travaux de recherche s'inscrivent parfaitement dans ce contexte caractérisé par un environnement incertain et imprévisible. Dans l'objectif principal est de proposer un nouveau système d'IE (SIE) pour l'analyse de Big Data. Donc, comment peut-on adapter la démarche d'IE à la nouvelle ère moderne de Big Data ? Dans lequel les organismes publics ou privés se trouvent submergés par l'information. Une première réponse, fait l'objet de ma contribution sur la proposition d'un nouveau SIE nommé XEW 2.0, qui se base sur une architecture Big Data orientée service, agile et modulable. L'architecture décisionnelle de XEW 2.0, se compose de quatre services : le Service de Sourcing (SS-XEW), le Service de Data Warehousing (SDW-XEW), le Service de Big Data Analytics (SBDA-XEW) et le Service de Big Data Visualisation (SBDV-XEW). Chaque service est vu comme une composante indépendante qui doit rendre un service bien précis aux autres composantes de XEW 2.0. / In the information era, people's lives are deeply impacted by IT due to the exposure of social networks, emails, RSS feeds, chats, white papers, web pages, etc. Such data are considered very valuable for companies since they will help them in improving their strategies, analyzing their customers' trends or their competitors' marketing interventions is a simple and obvious example. Also, with the advent of the era of Big Data, organizations can obtain information about the dynamic environment of the markets by analyzing consumer's reactions, preferences, opinions and rating on various social media and other networking platforms. Thus, the companies should be equipped with the consciousness of competitive intelligence (CI), and grasp the key points of CI, with setting up an efficient and simple competitive intelligence system adapted to support Big Data. The objective of this thesis is to introduce a new architectural model of Big Data collecting, analyzing and using, named XEW 2.0. This system operates according to four principal steps, where each of which has a dedicated service : (i) XEW sourcing service (XEW-SS), allows searching, collecting, and processing the data from different sources ; (ii) XEW data warehousing services (XEW-DWS) : This brings a unified view of the target corpus and then, creates a data warehouse accessible from the analytics and visualization services ; (iii) XEW Big Data Analytics service (XEW-BDAS) : allows for making multidimensional analyses by adapting data mining algorithms to Big Data ; (iv) XEW Big Data Visualization service (XEW-BDVS) : allows visualizing Big Data in the form of innovative design and graphs representing, for instance, social networks, semantic networks, strategic alliances networks, etc.