Les expériences rares, qu’elles soient positives ou négatives, surprennent par leur avènement inopiné et brutal. Toutefois, le plus surprenant reste l’incapacité des organisations à en tirer des leçons appropriées. Les expériences rares challengent les approches traditionnelles de l’apprentissage organisationnel fondées sur la réplication et l’amélioration progressive. De plus, les expériences rares sont souvent complexes : elles sont composées d’une grande variété d’éléments qui interagissent de façon incertaine. De ce fait, elles sont marquées par un niveau élevé d’ambiguïté causale qui peut conduire à un apprentissage superstitieux. Dans ces conditions, la littérature souligne la nécessité de mettre en oeuvre un apprentissage délibéré fondé sur la codification des connaissances. Mais la codification est une arme à double tranchant, qui peut rigidifier l’organisation et la littérature reste assez silencieuse sur comment réaliser une « bonne codification ». Ce travail de thèse s’intéresse alors à la question suivante : comment développer et mettre en oeuvre une stratégie de codification appropriée pour faciliter un apprentissage organisationnel délibéré à partir d’une expérience rare et complexe ? Cette recherche menée au sein de l’Institut de Radioprotection et de Sûreté Nucléaire s’appuie sur étude de cas réaliste critique. Elle vise à étudier deux apprentissages délibérés mis en place au sein de l’institut pour apprendre de deux accidents nucléaires graves : l’accident Fukushima Daiichi et l’accident Three Mile Island. Les résultats obtenus identifient trois mécanismes générateurs clés du processus de codification, leurs modes d’activation et la façon dont ils se combinent. Ces mécanismes s’activent grâce à la fois au contexte environnemental et à l’apparition de structures dédiées à la codification, puis se combinent pour former différentes configurations qui supportent deux cycles distincts d’apprentissage. Ces deux cycles sont essentiels pour apprendre d’une expérience rare et complexe. / Rare experiences, whether they are positive or negative, surprise by their unexpected and brutal occurrence. However, more surprising is organizations’ incapability to draw lessons from such rare experiences. Indeed, these experiences challenge traditional approaches of organizational learning based on replication and incremental improvement. In addition, rare experiences are often complex: they are composed of a large variety of elements that interact in uncertain ways. As a result, rare experiences are characterized by a high level of causal ambiguity that can lead to superstitious learning. In these circumstances, the literature emphasizes the need to implement deliberate learning based on knowledge codification. However, codification is a double-edged sword, which can produce organizational rigidity. Besides, research remains quite silent on how to achieve a "well-performed codification”. This research addresses the following question: how to develop and implement an appropriate codification strategy to facilitate deliberate organizational learning from rare and complex experiences? This research is conducted in the Institute of Radioprotection and Nuclear Safety. It is based on a critical realist case study which aims to study two deliberate learning process implemented within the institute to learn from two serious nuclear accidents: Fukushima Daiichi accident and Three Mile Island accident. Our results identify three key generative mechanisms of the codification process, their activation modes and how they are combined. These mechanisms are activated by both the environmental context and the emergence of dedicated structures to codification. The combination of these mechanisms forms different configurations that support two distinct learning cycles which are essential for learning from a rare and complex experience.
Identifer | oai:union.ndltd.org:theses.fr/2018AZUR0013 |
Date | 19 June 2018 |
Creators | Echajari, Loubna |
Contributors | Côte d'Azur, Thomas, Catherine |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0021 seconds