See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/337022383

Modélisation d’un processus de co-créativité basé sur le design thinking

Conference Paper · May 2017

CITATIONS READS

2 69

4 authors:

Maud Damperat Florence Jeannot

Université Jean Monnet INSEEC
58 PUBLICATIONS   124 CITATIONS    45 PUBLICATIONS   81 CITATIONS   

SEE PROFILE SEE PROFILE

Eline Jongmans Alain Jolibert

University of Grenoble University of Grenoble
32 PUBLICATIONS   56 CITATIONS    158 PUBLICATIONS   2,491 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Relationship Marketing & Proximity View project

Power in Negotiation View project

All content following this page was uploaded by Florence Jeannot on 05 November 2019.

The user has requested enhancement of the downloaded file.

 MODELISATION D’UN PROCESSUS DE CO-CREATIVITE BASE SUR LE DESIGN THINKING

Maud Dampérat
Maître de conférences, Institut National Polytechnique de Grenoble, CERAG CNRS
maud.damperat@grenoble-inp.fr
Florence Jeannot
Professeur Assistant, INSEEC Business School, CERAG CNRS
fjeannot@inseec.com
Eline Jongmans
Maître de conférences, Univ. Grenoble Alpes, CERAG CNRS
eline.jongmans@univ-grenoble-alpes.fr
Alain Jolibert
Professeur, INSEEC Business School, CERAG CNRS
alain.jolibert@univ-grenoble-alpes.fr

MODELISATION D’UN PROCESSUS DE CO-CREATIVITE BASE SUR LE DESIGN THINKING

Résumé : Cet article propose une conceptualisation et le test empirique du processus de co-
créativité basé le design thinking. Le modèle proposé se fonde sur les construits clés associés
à chacune des trois étapes du design thinking : (1) la définition des besoins, (2) la production
des idées, et (3) le prototypage de la solution. De plus, nous étudions le rôle déterminant de
l’empathie, ainsi que la validité prédictive du processus de co-créativité via l’évaluation par
un expert de la solution créative. Notre méthodologie se fonde sur des analyses factorielles
exploratoire et confirmatoire, ainsi qu’une modélisation causale basée sur les équations
structurelles. Notre échantillon est composé de 177 élèves-ingénieurs ayant suivi un processus
de co-créativité sur une période de 2 mois. La plupart des hypothèses du modèle proposé sont
validées, ce qui nous permet de confirmer le rôle de l’empathie et de mieux comprendre les
mécanismes sous-jacents associés au processus de co-créativité basé sur le design thinking.
Mots clés : Créativité ; design ; design thinking ; empathie ; processus de co-créativité.

MODELLING A TEAM CREATIVE PROCESS BASED ON DESIGN THINKING

Abstract: This paper offers a conceptualization and the empirical test of the three stages of a
team creative process based on design thinking. The proposed model is based on the key
constructs associated with the three stages of a design thinking method: (1) definition of
needs, (2) production of ideas, and (3) prototyping of the solution. Moreover, we test the
determinant role of empathy, as well as the predictive validity of the team creative process via
the evaluation of the creative solution by an expert. Our methodology is based on both
exploratory and confirmatory factor analysis, as well as causal model testing using structural
equations modelling. Our sample consists of 177 engineering students who underwent a team
creative process over a 2-month period. Most of the hypotheses in the model are validated,
allowing us to confirm the role of empathy and to better understand the underlying
mechanisms associated with a team creative process based on design thinking.
Keywords: Creativity; design; design thinking; empathy; team creative process.

0
 MODELISATION D’UN PROCESSUS DE CO-CREATIVITE BASE SUR LE DESIGN THINKING

Introduction

La créativité est une condition nécessaire à l’innovation et les organisations doivent

apprendre à la soutenir au sein de leurs équipes (George et Zhou, 2007). Elle constitue une
étape clef du processus de développement de nouveaux produits – fuzzy front-end – (Hauser et
al., 2006). Lors de ce processus, le succès d’une organisation dépend de plus en plus de la
capacité de ses équipes à produire des idées créatives et à les intégrer dans des produits ou des
services destinés à un marché cible (Godart et al., 2015). Stimuler la créativité des équipes de
développement de nouveaux produits permet d’obtenir un avantage concurrentiel face à un
environnement de plus en plus complexe (Bissola, Imperatori et Le colonel, 2014). Dès lors
Liedtka (2014) préconise de porter une attention particulière aux mécanismes spécifiques par
lesquels le design thinking, une approche créative de résolution de problèmes, améliore les
résultats commerciaux.

Littérature et modèle proposé

S’inscrivant dans la lignée des travaux sur le design, le design thinking propose une
approche spécifique du processus de « co-créativité », c’est-à-dire de créativité en équipe. Le
design thinking (ou pensée design) se définit comme « une approche d'innovation centrée sur
l'humain qui puise dans la boîte à outils du designer afin d'intégrer au sein de la démarche les
besoins des utilisateurs, les possibilités offertes par la technologie et les exigences de viabilité
économique des entreprises » (Brown, 2016). Initiée dans les années 80 par Faste, un designer
de l’université de Stanford, sur la base des travaux de McKim, cette approche connaît un
succès grandissant dans de nombreuses entreprises françaises et à l’étranger (Barbaux, 2014).
Le design thinking s’est fait connaître du grand public en 1999 grâce à l’agence de design et
d’innovation IDEO et à Kelley son fondateur. Brown, le dirigeant actuel d’IDEO, continue de
le faire rayonner, notamment grâce à ses interventions dans les médias et à ses publications
d’ouvrages et d’articles dans des revues managériales (e.g., Brown, 2008, 2009) et
académiques (e.g., Brown et Katz, 2011).
La créativité a fait l’objet de nombreuses recherches en management (e.g., Woodman et
al., 1993, Amabile, 1983, 1988). Ces travaux étudient principalement le processus de
créativité ainsi que le rôle des individus, des équipes, de l’organisation et de l’environnement
de travail dans la production créative. Concernant le design thinking, la littérature managériale
est relativement abondante ; en revanche, les travaux académiques à ce sujet sont peu
nombreux et adoptent principalement une perspective théorique (Johansson-Sköldberg,
Woodilla et Çetinkaya, 2013). Par exemple, Liedtka (2014) élabore un ensemble de
propositions sur les apports du design thinking au développement de nouveaux produits, ainsi
que sur les biais cognitifs induits par cette approche. Les rares travaux empiriques, tels ceux
de Seidel et Fixson (2013), étudient les avantages et les limites de techniques associées à
chacune des étapes du design thinking, en comparant les techniques utilisées par des équipes
très performantes versus peu performantes. Il reste nécessaire d’aller au-delà de ces
techniques, et de mieux définir les concepts associés à chaque étape du design thinking, ainsi
que les relations qu’ils entretiennent entre eux. De plus l’empathie, en tant que caractéristique
individuelle, occupe une place privilégiée dans le design thinking (Brown et Kast, 2011). En
effet, les membres d’une équipe créative doivent, avant tout, être capables de faire preuve
d’empathie à l’égard de la cible de marché considérée pour mieux comprendre ses besoins,
qu’ils soient exprimés ou latents (Carlozzi et Bull, 1995). Toutefois, les preuves empiriques
de son influence restent à mettre en évidence.

1
 Cette recherche conceptualise et teste les relations entre les construits associés aux trois
étapes d’un processus de co-créativité basé le design thinking, à savoir (1) la définition des
besoins, (2) la production des idées et (3) le prototypage de la solution. Le modèle proposé
inclut les construits suivants : la clarté des besoins, pour la première étape ; la fluidité, des
idées produites, la diversité des idées produites et la facilité à converger vers une solution,
pour la deuxième étape ; et enfin, la qualité de la matérialisation de la solution pour la
troisième étape. De plus, dans la mesure où l’empathie apparaît être une variable clef pour le
succès d’un processus de co-créativité basé sur le design thinking, nous l’avons intégrée en
tant que déterminant individuel de ce processus. Enfin, la validité prédictive du processus de
co-créativité est testée via l’évaluation de la solution créative par un expert. L’originalité de
ce travail tient principalement en trois points : (1) la conceptualisation et le test empirique du
processus de co-créativité basé sur le design thinking ; (2) le développement d’échelles de
mesure associées aux construits et aux techniques relatifs au processus de co-créativité ; et (3)
l’étude de rôle déterminant de l’empathie sur le processus de co-créativité. La
conceptualisation proposée vise à mieux comprendre les mécanismes sous-jacents au
processus de co-créativité basé sur le design thinking et à fournir aux organisations des outils
et recommandations pour stimuler la créativité de leurs équipes, notamment pour le
développement de nouveaux produits.
Figure 1 – Modèle de co-créativité basé sur le design thinking

Processus de co-créativité basé sur le design thinking

Déterminant Résultat
individuel Définir Produire Prototyper créatif

Facilité à Evaluation de la
H5
Fluidité des converger vers solution par un
Empathie idées produites une solution expert

H1 H2 H4 H6 H8 H9

Clarté des H3 H7 Qualité de la

besoins des Diversité des
matérialisation
utilisateurs idées produites
de la solution

Méthodologie

Echantillon. La collecte de données a été effectuée auprès d’élèves-ingénieurs via un

questionnaire posté sur la plateforme qualtrics et complété à l’issue du processus de créativité
basé sur le design thinking. Selon Calder, Phillips et Tybout (1981) et Peterson (2001), un
échantillon d’étudiants est approprié pour tester une théorie, bien que cela comporte des
limites quant à la validité externe et à la généralisation des résultats en dehors de
l’échantillon. Dans la littérature en créativité, Dahl, Chattopadhyay et Gorn (1999) ont
également recours à des données collectées auprès d’élèves-ingénieurs. Le processus de
créativité s’est déroulé par équipes de 4 à 5 étudiants, formées aléatoirement. Au total,
l’échantillon comprend 177 répondants (répartis en 44 équipes) dont 79,1% d’hommes d’un
âge moyen de 20,3 ans (σ = 0,74) en formation initiale dans une école dont les enseignements
portent principalement sur la physique, l’électronique et les matériaux.
2
 Procédure. En équipe, les étudiants ont eu à élaborer une solution suivant un processus
de co-créativité basé sur le design thinking tel que proposé par Brown (2016). Concrètement,
ils ont suivi une procédure en trois étapes : (1) une phase d’immersion et d’inspiration afin
d’identifier les besoins des utilisateurs, (2) une phase de divergence via la méthode du remue-
méninge (ou brainstorming) dans le but de produire des idées créatives, suivie d’une phase de
convergence permettant la sélection d’une solution, (3) une phase de matérialisation de la
solution via la production d’un scénario d’expérience utilisateur, d’un portrait-robot et d’une
fiche détaillée de la solution, suivie de la présentation de la solution devant un juge expert en
innovation. Cette procédure s’est déroulée sur une période de deux mois ponctuée par trois
séances en classe. L’animation de ces séances a été prise en charge par des intervenants
spécialistes de l’innovation, ayant préalablement expérimenté différents processus de co-
créativité, et notamment celui du design thinking. De plus, ces derniers ont reçu une formation
aux étapes (précises et minutées) du processus de design thinking, ainsi qu’aux attentes en
termes d’évaluation de la production créative. Chaque équipe devait proposer une solution de
produit pour répondre au défi de l’entreprise Makake, libellé comme suit : « comment
mobiliser les ingénieurs autour de la plateforme Makake, le uber de l'ingénierie ? ». Un des
co-fondateurs de l’entreprise a présenté l’entreprise et défini les objectifs et contraintes du
défi. Nous avons privilégié cette thématique en raison de la bonne accessibilité au terrain et
aux besoins des utilisateurs. Globalement, les propositions de solution ont été variées et
respectaient les objectifs et contraintes fixés par l’entreprise.
Echelles de mesure. Pour l’empathie, nous utilisons une mesure en trois items de sept
échelons de type Likert adaptée de Wakabayashi et al. (2006). Pour mesurer les concepts
associés aux étapes successives du design thinking, nous avons construit des échelles
originales pour partie inspirées du travail de Seiden et Fixson (2013). Elles ont été élaborées
en suivant les recommandations de Nunnally (1978) et celles de Churchill (1979). Pour
l’évaluation de la solution créative, nous avons choisi l’échelle de Dahl, Chattopadhyay et
Gorn (1999), différentiateur sémantique à trois items de sept échelons. Cette échelle tient
compte de l’originalité, l’utilité et l’attractivité perçue de la solution.

Résultats

Test de la mesure. Pour évaluer la qualité des échelles de mesure, nous avons suivi une
procédure en deux étapes suivant les recommandations de Steenkamp et van Trijp (1991). La
première étape a consisté en l’étude des corrélations afin d’épurer les échelles. Les items
disposant de corrélations inférieures à 0,30 ont été supprimés. La seconde étape a résidé en
une analyse factorielle confirmatoire (AFC) évaluée sur la base des indices recommandés par
Hu et Bentler (1998). Les résultats de l’AFC confirment l’adéquation du modèle de mesure
aux données collectées : Chi²/107 = 1,287 ; RMSEA = 0,040 ; TLI = 0,971 ; CFI = 0,979 ;
SRMR = 0,041. L’analyse de la fiabilité, de la validité convergente et de la validité
discriminante met en évidence les résultats satisfaisants de chacun des construits. La fiabilité
est satisfaisante avec des valeurs supérieures à 0,70 pour chaque construit, ce qui est
conforme aux recommandations de Nunnally (1978). La validité convergente de chacun des
construit est confirmée avec des valeurs de variance extraite supérieures à 0,50,
conformément aux préconisations de Fornell et Larcker (1981). De même, la validité
discriminante est établie puisque la variance extraite de chaque construit est supérieure aux
carrés de corrélation qui sont largement inférieurs au seuil de 0,50.
Test des hypothèses. Le modèle de structure (H1 à H9) a été testé en une fois via les
équations structurelles suivant la méthode du maximum de vraisemblance (AMOS 18). Pour
l’analyse des résultats, nous nous sommes basés sur les indices et standards de qualité
recommandés par Hu et Bentler (1998). Le modèle proposé présente des résultats

3
satisfaisants : Chi²/288 = 1,239 ; RMSEA = 0,037 ; TLI = 0,945 ; CFI = 0,960 ; SRMR =
0,071. Concernant les relations entre l’empathie et la définition des besoins, les résultats
montrent que l’empathie influence de façon significative et positive la clarté des besoins des
utilisateurs (H1 : ɣ = 0,26 ; p = 0,006). H1 est donc validée. Pour les relations entre définition
des besoins et production des idées, si la clarté des besoins des utilisateurs influence bien de
façon statistiquement significative et positivement la fluidité des idées produites (H2 : β =
0,36 ; p = 0,000), elle n’a qu’une influence marginalement significative sur la diversité des
idées produites (H3 : β = 0,18 ; p = 0,067). Ainsi, H2 est validée alors que H3 ne l’est que
partiellement. Pour la production des idées, la fluidité des idées produites influence de façon
positive et statistiquement significative la diversité des idées produites (H4 : β = 0,29 ; p =
0,003), ainsi que la facilité à converger vers une solution (H5 : β = 0,44 ; p = 0,000). En
revanche, la diversité des idées produites n’a pas d’influence sur la facilité à converger vers
une solution (H6 : β = -0,15 ; p = 0,104). H4 et H5 sont donc validées alors que H6 ne l’est
pas. Concernant les relations entre production des idées et prototypage, les résultats montrent
que la diversité des idées produites a une influence statistiquement significative et positive sur
la qualité de la matérialisation de la solution (H7 : β = 0,18 ; p = 0,016). De même, la facilité
à converger vers une solution a une influence positivement et significative sur la qualité de la
matérialisation de la solution (H8 : β = 0,66 ; p = 0,000). H7 et H8 sont donc validées.
Concernant les relations entre prototypage et test de la solution, les résultats indiquent que la
qualité de la matérialisation de la solution influence de façon positive et significative
l’évaluation de la solution créative telle que jugée par un expert (H9 : β = 0,18 ; p = 0,031).
H9 est donc validée.

Discussion

Les résultats confirment notre conceptualisation du processus de co-créativité basé sur

le design thinking. Les mesures établies pour les concepts associés au design thinking sont
fiables et valides et la plupart des hypothèses du modèle sont validées, confirmant ainsi la
modélisation du processus de co-créativité et les mécanismes sous-jacents proposés.
Conformément à nos attentes, l’empathie voit confirmé son rôle déterminant sur la
définition des besoins. Ainsi, les capacités d’un individu à faire preuve d’empathie améliorent
sa compréhension des besoins des utilisateurs. L’empathie est une composante essentielle de
l’intelligence émotionnelle, et en tant que telle, peut être l’objet d’un travail personnel visant à
la renforcer. Ensuite, plus les besoins des utilisateurs sont clairs pour les membres de l’équipe,
plus il est facile pour eux de produire des idées. En revanche, la clarté des besoins utilisateurs
n’influence qu’à la marge la diversité des idées produites. Le mécanisme sous-jacent est le
suivant : la clarté des besoins des utilisateurs amène à une plus grande fluidité des idées, qui à
son tour accroît la diversité des idées produites. La phase de définition des besoins est donc
nécessaire au bon déroulement du processus de co-créativité en renforçant directement la
fluidité des idées produites et indirectement leur diversité. Ensuite, une production d’idées
fluide et facile améliore conjointement la facilité avec laquelle les équipes convergent vers
une solution unique. Si la diversité des idées rend un peu plus difficile la convergence vers
une solution unique, elle améliore en revanche les capacités de matérialisation de la solution.
Ainsi, malgré une phase de sélection est rendue plus difficile par de très nombreuses idées de
solutions, cette diversité est à nouveau très utile quand il s’agit de proposer une
matérialisation de la solution choisie. Pour finir, la qualité de la matérialisation a une
influence favorable sur l’évaluation de l’expert en charge de juger les solutions proposées par
les équipes. Cette évaluation de la solution se fonde sur trois critères que sont l’originalité,
l’utilité et l’attractivité de la solution proposée.

4
 Limites et voies de recherche. Parmi les limites, rappelons que les résultats se fondent
sur un nombre limité de répondants, 177 au total. Ceci restreint évidemment à la
généralisation des résultats obtenus. Néanmoins, il s’agit d’un échantillon de taille acceptable
si l’on se réfère à la taille des échantillons portant sur l’ensemble d’un processus de créativité
et la difficulté que représente la collecte de ce type de données. Naturellement, il est possible
que les résultats soient affectés par la formation ou la fonction des membres d’une équipe de
créativité, de même que par leur contexte organisationnel ou culturel. Il faudrait donc étudier
la sensibilité du modèle proposé à d’autres contextes (Wong, 2010) avant de pouvoir en
généraliser les résultats. On peut, en effet, envisager un poids encore plus marqué de la
diversité des idées produites dans le cadre d’équipes multidisciplinaires.

Références

Amabile TM (1983) The social psychology of creativity: A componential

conceptualization. Journal of personality and social psychology 45(2): 357-376.
Amabile TM (1988) A model of creativity and innovation in organizations. Research in
organizational behavior 10(1): 123-167.
Barbaux A (2014) Innovation : Du bon usage du design thinking. L’Usine Nouvelle 3380.
Available at : www.usinenouvelle.com (assessed 6 may 2016).
Bissola R, Imperatori B and Colonel RT (2014) Enhancing the creative performance of new
product teams: an organizational configurational approach. Journal of Product Innovation
Management 31(2): 375–391.
Brown T (2008) Design thinking. Harvard Business Review: 1-10.
Brown T (2009) Change by design: How design thinking transforms organizations and
inspires innovation. New York: Harper-Collins.
Brown T and Katz B (2011) Change by design. Journal of Product Innovation Management
28(3): 381–83.
Brown T (2016) About IDEO: Our Approach: Design Thinking. Available at:
www.ideo.com (assessed 13 avril 2016).
Calder BJ, Phillips LW and Tybout AM (1981) Designing research for application. Journal
of Consumer Research 8(2): 197–207.
Carlozzi A, Bull F and Kay S (1995) Empathy as related to creativity, dogmatism, and
expressiveness. Journal of Psychology 129(4) 365-373.
Churchill GA Jr (1979) A paradigm for developing better measures of marketing constructs.
Journal of Marketing Research 16(2) 64-73.
Dahl DW, Chattopadhyay A and Gorn GJ (1999) The use of visual mental imagery in new
product design. Journal of Marketing Research 36(1): 18–28.
Fornell C and Larcker DF (1981) Structural equation models with unobservable variables
and measurement error: Algebra and statistics. Journal of Marketing Research 18(3): 382-388.
George JM and Zhou J (2007) Dual tuning in a supportive context: Joint contributions of
positive mood, negative mood, and supervisory behaviors to employees creativity. Academy of
Management Journal 50(3): 605–22.

5
 Godart FC, Maddux WW, Shipilov AV and Galinsky AD (2015) Fashion with a foreign
flair: professional experiences abroad facilitate the creative innovations of organizations. Academy
of Management Journal 58(1): 195–200.
Hauser J, Tellis GJ and Griffin A (2006) Research on innovation: a review and agenda for
marketing science. Marketing Science 25(6): 687–717.
Hu LT and Bentler PM (1998) Fit indices in covariance structure modeling sensitivity to
underparametrized model misspecification. Psychological Methods 3(4): 424-453.
Johansson-Sköldberg U, Woodilla J and Çetinkaya M (2013) Design thinking: past, present
and possible futures. Creativity and Innovation Management 22(2): 121-146.
Liedtka J (2015) Perspective: linking design thinking with innovation outcomes through
cognitive bias reduction. Journal of Product Innovation Management 32(6): 925-938.
Nunnally JC (1978) Psychometric theory, 2e édition, New York: McGraw-Hill.
Peterson RA (2001) On the use of college students in social science research: insights from
a second order meta-analysis. Journal of Consumer Research 28(4): 450-461.
Seidel V and Fixson S (2013) Adopting “design thinking” in novice multidisciplinary
teams: The application and limits of design methods and reflexive practices. Journal of Product
Innovation Management 30(6): 19–33.
Steenkamp J-BEM and van Trijp HC (1991) The use of LISREL in validating marketing
constructs. International Journal of Research in Marketing 8(4): 283-299.
Wakabayashi A, Baron-Cohen S, Wheelwright S, Goldenfeld N, Delaney J, Fine D and
Weil L (2006) Development of short forms of the Empathy Quotient (EQ-Short) and the
Systemizing Quotient (SQ-Short). Personality and individual differences 41(5): 929-940.
Wong W S (2013) The three orders of cultural signification: a proposed design thinking
theory considering cultures and globalization. Faculty of Design, Swinburne University of
Technology, Melbourne, Australia.
Woodman RW, Sawyer JE and Griffin RW (1993) Toward a Theory of Organizational
Creativity. The Academy of Management Review 18(2): 293-321.

View publication stats