Marché & Organisations

Naviguer dans l'incertitude : risques futurs et grands défis pour les entreprises modernes

Directrices du numéro/plus d’informations :

Kaouther Boubaya kboubaya@edcparis.edu

Galina Kondrateva gkondrateva@edcparis.edu 

 EDC Paris Business School 

Les entreprises évoluent dans un avenir incertain caractérisé par des défis majeurs liés au climat et à la durabilité, à la santé, à l'inclusion, aux transformations numériques et à la sécurité. Ces défis transcendent les frontières organisationnelles et nationales. Ils sont complexes, interconnectés et évolutifs. Ils exigent des réponses coordonnées entre les parties prenantes publiques, privées et citoyennes, combinant gouvernance, innovation et création de valeur partagée (George et al., 2016). En conséquence, les entreprises peinent à structurer les problèmes et à trouver des solutions définitives (Wang et al., 2025). Leur gouvernance nécessite agilité, apprentissage rapide, réaffectation flexible des ressources et création d'équipes adaptées plutôt qu'un plan fixe (Ooi & Husted, 2025). Dans ce contexte, la technologie numérique introduit des leviers et des contraintes supplémentaires (Mongo et al., 2024). Les plateformes et les données permettent une coordination à grande échelle, l'arbitrage des tensions et une meilleure attribution de la valeur créée, à condition d'adopter transparence, responsabilité et gouvernance des contributions (Nambisan & George, 2024).

À cet égard, la littérature sur les « grands défis » montre que l'action efficace repose sur des architectures de coopération et des mécanismes d'action collective capables d'aligner des intérêts hétérogènes sur des horizons futurs (Adomako et al., 2024 ; Chuah et al., 2025 ; Wang et al., 2025 ; Ooi & Husted, 2025). Dans la littérature, un grand défi est généralement défini comme une barrière critique spécifique qui, si surmontée, permettrait de résoudre un problème sociétal important avec un impact global significatif et une mise en œuvre à grande échelle (Adomako et al., 2024 ; George et al., 2016). Les « grands défis » se caractérisent par une forte complexité et une dimension systémique, impliquant de multiples acteurs, niveaux d’analyse et interdépendances. Ils dépassent le cadre des organisations individuelles pour toucher des enjeux sociétaux ou globaux, et nécessitent des approches interdisciplinaires ainsi que des solutions à fort impact. Leur résolution est associée à des transformations durables des pratiques managériales et des systèmes socio-économiques (Drori et al., 2025). Au niveau organisationnel, le traitement des « grands défis » peut être facilité par l'IA (l’intelligence artificielle), la cybersécurité, la résilience de la chaîne d'approvisionnement et la durabilité des infrastructures (Karwowski et al., 2025).

L'un des « grands défis » pour l'organisation consiste à répondre à l'évolution des besoins des consommateurs. Les organisations modernes font face à une incertitude croissante, les consommateurs futurs étant de plus en plus façonnés par la numérisation rapide et l'adoption généralisée des technologies d'IA  (Rabby et al., 2021). Ces technologies permettent des formes d'engagement plus personnalisées, proactives et prédictives, mais introduisent également des risques stratégiques et éthiques importants (Kim et al., 2023). Des recherches récentes mettent en lumière comment les systèmes et algorithmes de recommandation à grande échelle basés sur l’IA influencent la prise de décision organisationnelle (Sun et al., 2025 ; Ngo, 2025 ; Zaman, 2022). Bien que les systèmes pilotés par l'IA puissent considérablement améliorer l'efficacité et la réactivité, ils exposent également les organisations à des défis non triviaux liés aux violations de la vie privée, aux biais algorithmiques et aux formes subtiles de manipulation difficiles à détecter et à réguler (Gaczek et al., 2025 ; Vaileanu et Paun, 2024). À mesure que les entreprises étendent les interactions habilitées par l'IA au-delà des frontières, les technologies numériques restructurent de plus en plus les parcours clients pour qu'elles soient interactives et en temps réel, obligeant les organisations à naviguer dans la tension entre rapidité, personnalisation et conformité aux principes d'équité, de transparence et de respect de l'autonomie des consommateurs (Gupta et al., 2025).

Parallèlement, les attentes sociales plus larges redéfinissent les paysages de risque organisationnels. La durabilité, l'éthique, l'inclusion sociale et le marketing inclusif évoluent de considérations périphériques vers des impératifs stratégiques fondamentaux qui façonnent la légitimité organisationnelle et la création de valeur à long terme (Ceccarelli et al., 2023). Les recherches sur le marketing durable démontrent que des pratiques telles que la publicité digitale verte (El-Hana et al., 2024), la conception de produits écologiques, les influences par les pairs sur la consommation durable et les modèles économiques éthiques (Tran et al., 2022) ne séduisent plus uniquement des segments éthiques de niche mais influencent de plus en plus le comportement des consommateurs d’une manière générale (Jia et al., 2022). Ces dynamiques s'entrecroisent directement avec les défis émergents de la gouvernance de l'IA, en particulier la nécessité d'identifier et d'atténuer les biais dans les contenus générés par l'IA et dans les communications marketing, selon des dimensions telles que le genre, l'âge, l'origine ethnique et le statut socio-économique. Collectivement, ces évolutions soulignent que naviguer dans l'incertitude exige que les entreprises anticipent non seulement l'évolution des préférences des consommateurs, mais aussi des attentes évolutives quant à la manière dont les consommateurs sont engagés—à travers des cadres numériques, éthiques et inclusifs—positionnant ainsi l'innovation marketing à la fois comme une opportunité stratégique et un défi organisationnel crucial.

Ce numéro spécial invite à des contributions qui explorent comment les entreprises modernes font face aux « grands défis ». Les auteurs peuvent adopter des approches empiriques, théoriques ou conceptuelles. Les questions de recherche potentielles peuvent inclure, sans s'y limiter :

·       Comment les entreprises peuvent-elles concevoir une stratégie permettant des réponses agiles et coordonnées face à des « grands défis » interconnectés en matière de durabilité, santé, inclusion, numérisation et sécurité ?

·       Quelles architectures coopératives et mécanismes d'action collective sont les plus efficaces pour aligner des parties prenantes hétérogènes vers des solutions à long terme face à des défis sociétaux complexes ?

·       Comment les plateformes numériques et les infrastructures basées sur les données permettent-elles mais aussi limitent-elles la coordination à grande échelle, la transparence et la distribution de la valeur entre acteurs publics, privés et citoyens ?

·       De quelles manières les technologies d'IA transforment-elles la prise de décision organisationnelle, la responsabilité et la diffusion de la responsabilité lorsqu'elles abordent des dilemmes éthiques et stratégiques des entreprises ?

·       Comment les entreprises peuvent-elles équilibrer les avantages de la personnalisation et de l'engagement en temps réel grâce à l'IA avec les risques liés à la vie privée, aux biais, à la manipulation et à l'autonomie des consommateurs ?

·       Quelles capacités organisationnelles (par exemple, équipes adaptatives, apprentissage rapide, allocation flexible des ressources) sont essentielles pour gérer l'incertitude et répondre aux attentes changeantes des consommateurs ?

·       Comment la durabilité, l'éthique et l'inclusion transforment-elles les stratégies marketing, passant d'outils de positionnement de niche à des moteurs clés de légitimité organisationnelle et de création de valeur à long terme ?

·       Quels mécanismes organisationnels et principes de conception sont nécessaires pour détecter, atténuer et prévenir les biais dans les contenus marketing générés par l'IA, selon les dimensions de genre, d'âge, d'ethnie et de conditions socio-économiques ?

Instructions pour les auteurs :

Les contributions peuvent être en français ou en anglais.

Articles proposés : - 6 000 à 10 000 mots incluant bibliographie, tableaux, figures et annexes

Soumettez votre article à l'adresse de la plateforme suivante : https://mo.manuscriptmanager.net

Le comité scientifique de la conférence sélectionnera les meilleurs articles de haute qualité présentés à ENIG2026 et fournira des retours fiables et approfondis sur le potentiel officiel des manuscrits pour une soumission formelle à ce numéro spécial M&P.

Chronologie

• janvier 2026 : Diffusion de l’appel à articles

• 1er mars 2026 : Date limite pour la soumission de résumés par les auteurs potentiels/participants à l’ENIG (Entrepreneurship Innovation and Gouvernance) conférence

• 20 juin 2026 : Les auteurs soumettent leurs articles complets

• 30 septembre 2026 : Les auteurs reçoivent des retours

• 1^er  décembre 2026 : Les auteurs soumettent leurs articles révisés

• Première moitié de 2027 : publication de la revue

 Références:

Adomako, S., Gyensare, M. A., Amankwah-Amoah, J., Akhtar, P., & Hussain, N. (2024). Tackling grand societal challenges: Understanding when and how reverse engineering fosters frugal product innovation in an emerging market. Journal of Product Innovation Management, 41(2), 211–235

Ceccarelli, A., Chouki, M., & Persson, S. (2023). Innovation sociale et enjeux de l’accessibilité numérique: le point de vue des professionnels du digital. Innovations, 71(2), 153-183.

Chuah, K., Slager, R., Gond, J.-P., & Homanen, M. (2024). Configuring the external corporate governance of multinationals’ solutions to grand challenges. Academy of Management Proceedings.

Drori, I., Neumann, K., Vaara, E., Boersma, K., Kyratsis, Y., Santacreu-Vasut, E., & Suddaby, R. (2025). Grand challenges and the rhetoric of collective action (Introduction to special issue). Academy of Management Perspectives, 39(1), 7–21.

El Hana, N., Kondrateva, G., & Martin, S. (2024). Emission-smart advertising: Balancing performance with CO2 emissions in digital advertising. Technological Forecasting and Social Change, 209, 123818.

Gaczek, P., Leszczyński, G., Wei, Y., & Sun, H. (2025). The Bright Side of AI in Marketing Decisions: Collaboration with Algorithms Prevents Managers from Violating Ethical Norms: P. Gaczek et al. Journal of Business Ethics, 1-24.

George, G., Howard-Grenville, J., Joshi, A., & Tihanyi, L. (2016). Understanding and tackling societal grand challenges through management research. Academy of Management Journal, 59(6), 1880–1895. https://doi.org/10.5465/amj.2016.4007

Gupta, S., Wang, Y., Patel, P., & Czinkota, M. (2025). Navigating the future of AI in marketing: AI integration across borders, ethical considerations, and policy implications. International Journal of Information Management, 82, 102871.

Jia, H. M., Wang, Y., Tian, Q., & Fan, D. (2022). Marketing innovations and sustainable development for the future ecosystem. Journal of Cleaner Production, 372, 133295.

Karwowski, W., Salvendy, G., Albert, L., Kim, W. C., Denton, B., Dessouky, M., … Tiwari, M. K. (2025). Grand challenges in industrial and systems engineering. International Journal of Production Research, 63(4), 1538–1583.

Kim, T., Lee, H., Kim, M. Y., Kim, S., & Duhachek, A. (2023). AI increases unethical consumer behavior due to reduced anticipatory guilt. Journal of the Academy of Marketing Science, 51(4), 785-801.

Mongo, M., Aouinait, C., & Le, S. T. K. (2024). Impact de la Covid-19 sur la numérisation des chaînes d’approvisionnement alimentaire. Marché & Organisations, (2), I110-XXVII.

Nambisan, S., & George, G. (2024). Digital approaches to societal grand challenges: Toward a broader research agenda on managing global–local design tensions. Information Systems Research, 35(4), 2059–2076.

Ngo, V. M. (2025). Human–AI collaboration for marketing capabilities: a meta-analysis. Marketing Letters, 36(4), 839-855.

Ooi, Y. M., & Husted, K. (2025). Problem-solving and organisation of public-funded challenge-based research projects using a wicked problem lens. Innovation: The European Journal of Social Science Research, 38(2), 1052–1071.

Rabby, F., Chimhundu, R., & Hassan, R. (2021). Artificial intelligence in digital marketing influences consumer behaviour: a review and theoretical foundation for future research. Academy of marketing studies journal, 25(5), 1-7.

Sun, L., Tang, Y., & Ma, X. (2025). It just would not work for me: perceived preference heterogeneity and consumer response to AI-driven product recommendations. European Journal of Marketing, 59(5), 1426-1452.

Tran, T. T. H., Robinson, K., & Paparoidamis, N. G. (2022). Sharing with perfect strangers: The effects of self-disclosure on consumers’ trust, risk perception, and behavioral intention in the sharing economy. Journal of Business Research, 144, 1-16.

Vaileanu, I., & Paun, F. (2024). L’économie de la fonctionnalité des données qualifiées au cœur d’une croissance vertueuse. Marché & organisations, (3), I114-XXXVII.

Wang, H., Li, J., Tian, L., & Cheng, W. (2025). Policy on Multiple Grand Challenges and Firm Responses. In Academy of Management Proceedings (Vol. 2025, No. 1, p. 15684). Valhalla, NY 10595: Academy of Management.

Zaman, K. (2022). Transformation of marketing decisions through artificial intelligence and digital marketing. Journal of Marketing Strategies, 4(2), 353-364.