Machine Translated by Google

Prise de décision pour le développement

de modèles d'affairesÿ: une étude de
processus d'effectuation et de causalité
dans les nouvelles entreprises basées
sur la technologie

Isabelle Reymen1 , Hans Berends2,

Rob Oudehand3 et Rutger Stultiens4
1
École de génie industriel, Université de technologie d'Eindhoven, Rondom 70, 5612 AP Eindhoven, Pays-Bas.
immjreymen@tue.nl
2
Faculté d'économie et d'administration des affaires, Université VU d'Amsterdam, De Boelelaan 1105, HV 1180
Amsterdam, Pays-Bas. jjberends@vu.nl
3
Stadionweg 146-4, 1077 SZ Amsterdam, Pays-Bas. oldhand@gmail.com
4
Chematronics BV, High Tech Campus 9, 5656 AE Eindhoven, Pays-Bas.
r.stultiens@chematronics.nl

Cette étude examine les logiques décisionnelles utilisées par les nouvelles entreprises pour développer leurs
modèles d'affaires. En particulier, ils se sont concentrés sur les logiques d'effectuation et de causalité et sur la
manière dont leur dynamique façonne le développement des modèles commerciaux au fil du temps. Ils ont constaté
que la logique de prise de décision efficace était principalement utilisée pour générer une proposition de valeur
viable pour un segment de clientèle spécifique. La logique causale est alors utilisée principalement pour définir les
autres composantes du modèle d'affaires en relation avec la proposition de valeur et le segment de clientèle.
Lorsqu'une pénurie de ressources apparaît, la logique causale est à nouveau remplacée par une augmentation de
la prise de décision efficace. Ils ont conclu qu'avant d'investir des ressources importantes dans un modèle
d'entreprise, il était crucial pour les entreprises de réduire, dans la mesure du possible, l'incertitude technologique
et commerciale grâce à des stratégies efficaces pour éviter des coûts de reconfiguration élevés ultérieurement.

1. Introduction 2014). Pourtant, les entreprises basées sur la technologie

éprouvent souvent de grandes difficultés à définir un modèle
commercial viable dès la première tentative (Andries et
Le développement debasées
entreprises modèles sur
commerciaux est crucial
la technologie pour pour les nouveaux
créer et tirer Debackere, 2007), en raison des niveaux élevés d'incertitude
de la valeur de leurs technologies (Chesbrough et Rose technologique et commerciale auxquels elles sont confrontées
nbloom, 2002 ; Teece, 2010 ; Massa et Tucci, 2014) et ont et de l'imprévisibilité des options de commercialisation. Dans
reçu beaucoup d'attention (Zott et al., 2011 ; Schneider et les premières phases en particulier, ils ont des connaissances
Spieth, 2013 ; Spieth et al., et des ressources limitées pour faire face à toutes ces incertitudes (Bhide,

VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd Il s'agit 1
d'un article en libre accès selon les termes de la Creative Commons Attribution-NonCommercial License, qui autorise l'utilisation, la
distribution et la reproduction sur tout support, à condition que l'œuvre originale soit correctement citée et non utilisé à des fins commerciales.
Machine Translated by Google
Isabelle Reymen, Hans Berends, Rob Oudehand et Rutger Stultiens €
2000). Par conséquent, les composants du modèle d'entreprise
sont créés et révisés à différents moments du processus de
développement (Dmitriev et al., 2014). Développer un business
model est donc un processus dynamique (Sosna et al., 2010) qui
implique une prise de décision dans l'incertitude.
Plusieurs approches de la prise de décision dans l'incertitude
ont été décrites (Wiltbank et al., 2006), telles que les approches
de planification et visionnaires, mettant fortement l'accent sur la
prédiction, ainsi que les approches adaptatives et transformatrices,
avec un faible accent sur la prédiction et se concentrer davantage
sur l'apprentissage et l'expérimentation à la place. Un nombre
croissant d'études empiriques se concentrent sur les approches
adaptatives et transformatrices (Wiltbank et al., 2006) telles que
le bricolage (Baker et Nelson, 2005) et l'effectuation (Sarasva
thy, 2001), qui semblent mieux s'adapter à la prise de décision
dans l'incertitude. (Alvarez et Barney, 2005). Des recherches
récentes sur la prise de décision dans des conditions d'incertitude
ont indiqué que les logiques de prise de décision peuvent être
combinées (plutôt qu'une logique utilisée exclusivement) et que
l'accent mis sur leur utilisation évolue avec le temps (Berends et
al. 2014ÿ; Nummela et al., 2014 ; Rey men et al. 2015), indiquant
une dynamique dans l'utilisation des logiques décisionnelles.
Jusqu'à présent, la relation entre ces logiques décisionnelles
et le développement de modèles commerciaux a été largement
sous-explorée. Chesbrough (2010) a souligné l'importance de
l'expérimentation et de l'effectuation pour le développement de
modèles d'affaires, ce qui était également déjà observé dans
quelques études empiriques (Chandler et al., 2011 ; Andries et
al., 2013 ; Sitoh et al., 2014). Pourtant, il est particulièrement
difficile de savoir comment la dynamique des logiques de prise
de décision est liée au développement des modèles économiques
au fil du temps (Andries et al., 2013), et plus profondément,
comment elle est liée au développement de composants
particuliers du modèle économique.
Cette étude vise à répondre à la question suivanteÿ:
«ÿComment la dynamique des logiques décisionnelles est-elle
liée au développement du modèle d'entreprise dans les nouvelles
entreprises basées sur la technologieÿ?ÿ» Nous avons abordé
cette question en examinant en détail les logiques décisionnelles
utilisées par quatre nouvelles entreprises technologiques dans le
développement de leurs modèles d'affaires. L'étude utilise une
approche de recherche de processus (Langley, 1999) avec une
analyse détaillée des séquences d'événements pour chaque entreprise.technologique et de marché (Andries et al., 2013) et d'imprévisibilité
Nous utilisons l'effectuation et la causalité (Sarasvathy, 2001)
pour conceptualiser les logiques de prise de décision dans
l'incertitude (Wiltbank et al., 2006), car ces concepts sont axés
sur les processus et reçoivent une attention croissante dans la
littérature sur l'entrepreneuriat.
Cette étude contribue à la littérature sur les modèles d'affaires
en offrant des informations approfondies uniques sur la relation
entre la dynamique des logiques de prise de décision au fil du
temps et les changements dans les composants du modèle d'affaires. plus d'informations (Gruber
2 Gestion R&D 00, 00, 2016 VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd
Plus précisément, nous avons constaté que la logique
décisionnelle effective dominante est utilisée initialement pour
générer une proposition de valeur pour un segment de clientèle spécifique.
Cela conduit souvent à des lettres d'intention de clients potentiels
et à des prototypes testés avec succès, réduisant ainsi l'incertitude
technologique et commerciale. Une incertitude réduite est souvent
suivie d'une augmentation de l'utilisation de la logique causale,
en mettant l'accent sur la définition des autres composants du
modèle d'affaires en relation avec la proposition de valeur
cristallisée et le segment de clientèle, souvent consignés dans un
plan d'affaires détaillé. Lorsqu'une pénurie de ressources émerge,
la logique causale dominante est suivie d'une augmentation de la
dominance effective.
Ainsi, cette étude apporte une perspective de modèle
d'affaires à la dynamique des logiques de prise de décision dans
les nouvelles entreprises basées sur la technologie, reliant ainsi
le type de décision à la logique de prise de décision dominante
utilisée. Les idées qui ressortent de cette étude peuvent guider
les entrepreneurs dans leur processus de prise de décision lors
du développement d'une nouvelle entreprise.
2. Théorie
Les modèles économiques définissent la manière dont une
entreprise crée, délivre et capte de la valeur pour ses parties
prenantes (Morris et al., 2005 ; Doganova et Eyquem-Renault,
2009 ; Oster Walder et Pigneur, 2009). Dans l'environnement
économique actuel, les modèles commerciaux sont considérés
comme une source majeure d'avantage concurrentiel (Amit et
Zott, 2001 ; Demil et al., 2015). Les business models comportent
plusieurs composantes (Morris et al., 2005 ; Zott et al., 2011), un
ensemble détaillé a été défini par Osterwalder et Pigneur (2009).
Ils ont identifié la proposition de valeur des principaux composants,
le segment de clientèle, les relations entre les canaux et les
clients, les réseaux de partenaires, les flux de revenus, la
structure des coûts et les ressources et activités clés.
2.1. Processus de développement de modèles commerciaux
de nouvelles entreprises basées sur la technologie
Les nouvelles entreprises basées sur la technologie développent
leurs modèles commerciaux dans des conditions d'incertitude
de la commercialisation en liant technologie et marchés
(Chesbrough et Rosenbloom, 2002), tout en faisant face à des
restrictions en raison aux limites de ressources et de temps. La
viabilité du modèle économique d'une entreprise est donc difficile
à prédire à l'avance (Andries et al., 2013). Les nouvelles
entreprises auront du mal à définir le modèle le plus approprié
dès leur première tentative. Au fil du temps, ils sont susceptibles
de modifier leur conception initiale à mesure qu'ils acquièrent
Machine Translated by Google
et al., 2008). Andries et Debackere (2007) ont constaté que les nouvelles
entreprises qui modifiaient leurs configurations de modèle d'affaires au
cours du développement avaient plus de chances de réussir que celles
qui s'en tenaient à leur configuration initiale.
Le développement du business model est donc un processus
dynamique (Sosna et al., 2010 ; Demil et Lecocq, 2010).
Les actions et les décisions prises par les entrepreneurs définissent leur
modèle d'affaires éventuel, généralement en tenant compte des
événements inattendus (Morris et al., 2005). Par conséquent, le
développement d'un modèle d'entreprise est décrit en termes
d'expérimentation (Andries et al., 2013), d'apprentissage par essais et
erreurs (Chesbrough, 2010 ; Sosna et al., 2010) et de besoin de flexibilité
(Bock et al. al., 2012). Dmitriev et al. (2014) ont constaté que chaque
composant du modèle d'entreprise peut en outre recevoir une attention
à différents moments du processus de développement. De plus, des
modèles économiques alternatifs sont souvent créés en parallèle
(Casadesus-Masanell et Tarzijan, 2012).
2.2. Logiques décisionnelles dans
l'incertitude
Les approches de la prise de décision dans l'incertitude peuvent être
classées en fonction de leur focalisation sur la prédiction (Wiltbank et
al., 2006). Les approches de planification et visionnaires, telles que
l'analyse concurrentielle, les options réelles et la planification de
scénarios, mettent fortement l'accent sur la prédiction, tandis que les
approches adaptatives et transformatrices, comme la stratégie émergente
(Mintzberg, 1994) et l'effectuation (Sarasvathy, 2001), mettent peu
l'accent sur la prédiction, mais se concentrer davantage sur
l'apprentissage et l'expérimentation.
L'effectuation, une logique décisionnelle pour faire face à l'incertitude
développée dans la littérature sur l'entrepreneuriat (Sarasvathy, 2001 ;
Wiltbank et al., 2006 ; Read et al., 2009), repose sur le choix entre la
multitude d'effets qui pourraient être créés avec un ensemble de
moyennes donné (Sarasvathy, 2001; Wiltbank et al., 2006). L'incertitude
est gérée en adoptant une approche plus flexible et en n'investissant
que des quantités non critiques de ressources dans les opportunités,
tout en recherchant un retour d'information au début du processus grâce
aux interactions avec les parties prenantes (Sarasvathy, 2001 ; Wiltbank
et al., 2006). Au cœur de l'approche efficace, les entreprises ne
fonctionnent pas avec un objectif prédéfini (par exemple, développer un
produit ou un modèle commercial spécifique), mais ces objectifs
émergent des interactions entre l'entreprise et les parties prenantes au
fil du temps (Dew et al., 2011). . Ce processus de prise de décision peut
être considéré comme un processus de recherche itératif impliquant
l'expérimentation et l'apprentissage.
En revanche, de nombreuses recherches supposent que, dans la
recherche d'opportunités entrepreneuriales, les entrepreneurs adoptent
un comportement rationnel et axé sur les objectifs. Ce modèle est référencé
VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd R&D Management 00, 00, 2016 3
Prise de décision pour le développement du modèle d'affaires
par Sarasvathy (2001) comme modèle de causalité (Perry et al., 2012).
La causalité prend un objectif particulier comme donné et se concentre
ensuite sur la recherche des bons moyens pour atteindre cet objectif
(Sarasvathy, 2001). Suivant une logique de prise de décision causale,
les entreprises analysent et prédisent à quoi ressemblera l'avenir, puis
planifient leurs actions en fonction de la prédiction (Wiltbank et al.,
2006). La planification causale plaide pour une analyse et une prévision
améliorées de l'environnement afin de s'assurer que le choix d'un modèle
d'entreprise particulier est correct (Wiltbank et al., 2006). Cependant,
étant donné les environnements souvent très imprévisibles et ambigus
dans lesquels opèrent les entreprises innovantes, certaines recherches
se demandent si les approches de planification sont adaptées pour faire
face à de telles conditions (Fisher, 2012).
La recherche sur la dynamique de la prise de décision a récemment
révélé comment les logiques effectuelles et causales sont combinées
dans la prise de décision stratégique d'une entreprise (plutôt qu'une
seule logique est utilisée exclusivement) et comment l'accent mis sur
l'utilisation de ces logiques change avec le temps.
L'effectuation est plus dominante dans les premières phases du
développement, tandis que la causalité est plus dominante dans les
stades ultérieurs (Berends et al., 2014 ; Reymen et al., 2015). La logique
décisionnelle dominante peut changer plusieurs fois (Reymen et al.,
2015) et les deux logiques décisionnelles peuvent coexister selon les
différents degrés d'incertitude du marché et de la technologie, ou le
nombre de décideurs impliqués ( Nummela et al., 2014).
L'utilisation de logiques de prise de décision pour le développement
de modèles d'affaires a récemment retenu l'attention. Andries et al.
(2013) ont constaté que l'expérimentation simultanée d'un modèle
d'entreprise impliquait un comportement efficace, tandis que Sitoh et al.
(2014) ont identifié quatre configurations de prise de décision avec des
modes d'interaction uniques entre un modèle d'affaires et la logique de
prise de décision utilisée. Cependant, on ne sait toujours pas comment
la dynamique des logiques décisionnelles est liée au développement
des modèles d'entreprise au fil du temps, et plus précisément, comment
elle est liée au développement de composants particuliers du modèle
d'entreprise.
3. Méthodes
Pour étudier la dynamique des logiques de prise de décision utilisées
pour le développement de modèles commerciaux au fil du temps dans
de nouvelles entreprises basées sur la technologie, nous avons adopté
une approche de recherche qualitative, car elle est la plus adaptée pour
développer de nouvelles idées théoriques (Eisenhardt et Graebner,
2007). En particulier, cette étude utilise une approche de recherche de
processus (Langley, 1999) analysant en profondeur quatre processus
de développement d'entreprises de nouvelles technologies. La recherche
sur les processus diffère de la recherche sur la variance en ce qu'elle
étudie des séquences d'événements ou
Machine Translated by Google
Isabelle Reymen, Hans Berends, Rob Oudehand et Rutger Stultiens €
TABLEAU 1. Caractéristiques des cas
Cas Industrie Événements Période
couvert
DNACo Sciences de la vie/informatique 50 2009-2012
Semicon MemCo 44 2006-2012
Data Co Informations 34 2008-2012
Technologie
3DCo Sciences de la vie/ 53 2005-2012
Soins de santé
activités qui décrivent comment les choses changent au fil du temps
(Van de Ven, 2007) et convient à cette étude
qui vise à examiner comment la logique décisionnelle
concerne le développement du modèle d'entreprise. Rechercher
axé sur l'identification des événements liés à la prise de décision dans
les processus de développement
temps, résultant en des séquences chronologiques d'événements
(Poole et al., 2000).
3.1. Sélection de cas
Les cas ont été sélectionnés à l'aide d'un échantillonnage ciblé,
rechercher des cas riches en informations qui pourraient aider
étendre la théorie (Eisenhardt et Graebner, 2007 ; Sea wright et Gerring,
2008). Quatre nouvelles entreprises technologiques ont été sélectionnées
selon les critères suivants. Première,
il fallait qu'il s'agisse d'entreprises innovantes qui développaient un
nouvelle technologie, produit ou service impliquant des
incertitude et incertitude technologique et du marché
sur les options de commercialisation, augmentant la probabilité que la
configuration de leur modèle commercial soit
en cours de développement au cours des premières années de l'entreprise.
Deuxièmement, nous avons sélectionné des cas de différentes industries (vie
sciences, semi-conducteurs, santé et information
technologie) pour permettre un échantillonnage à variation maximale
afin de trouver «ÿdes modèles communs importants qui recoupent
cas et tirent leur importance du fait d'avoir
émergé de l'hétérogénéité » (Patton, 2002). Pour terminer,
la sélection des cas a été guidée par les contacts initiaux, qui
un accès garanti pour collecter des informations détaillées sur les affaires
processus de développement du modèle de ness sur plusieurs années.
3.2. Collecte de données
Les données ont été recueillies via des entretiens semi-directifs
avec les fondateurs et les membres des équipes de gestion de risque
qui avaient été étroitement impliqués dans le
trajectoire de développement du modèle d'affaires. Entrevues
ont également été menées auprès d'un employé de l'un des
4 Gestion R&D 00, 00, 2016 VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd
Numéro Nombre d'archives
d'entretiens documents
3, avec les fondateurs 5 business plans, 25 presse
communiqués et présentations
2, avec directeur de l'exploitation 2 plans d'affaires (2010 et
2013), 10 communiqués de presse et
présentations, 3 vidéos
2, avec fondateur 2 business plans, 8 presse
communiqués et présentations, 2
vidéos
3, avec le PDG 2 business plans, 18 presse
communiqués et présentations, 8
vidéos
entreprises et un consultant impliqué, afin d'exploiter
dans différentes perspectives sur le processus de développement. Au
total, 12 entretiens ont été réalisés. La
les entretiens ont duré en moyenne une heure et demie
heures. Onze entretiens ont été enregistrés et retranscrits textuellement.
Au cours d'un entretien où l'enregistrement n'était pas autorisé, des notes
ont été prises.
Pour trianguler les données (Schwenk, 1985) entretiens
ont été combinés avec des données d'archives telles que la documentation du
projet, les communiqués de presse, les plans d'affaires et les rapports annuels.
rapports. Les différentes versions des business plans
ont été particulièrement utiles pour identifier les changements au cours de la
au cours du développement de l'entreprise, et a également agi comme
apport précieux pour les entretiens de suivi. Un aperçu
des cas et des sources de données est présenté dans le tableau 1.
3.3. L'analyse des données
Les données ont été analysées au niveau de l'entreprise :
comment les acteurs clés ont agi ou pris des décisions au cours de la
processus de développement de l'entreprise, que ces actions
étaient principalement efficaces ou causales et comment ces
actions et la logique décisionnelle qui les sous-tend
liés aux changements ultérieurs du modèle économique
(Perry et al., 2012). L'analyse des données a été réalisée en
cinq étapes.
La première étape consistait à identifier les événements pertinents dans
la nouvelle trajectoire de développement de l'entreprise : actions ou
les décisions des acteurs clés, par exemple, l'embauche d'employés, la
collaboration avec des partenaires, la création et l'exécution de plans de
projet ou l'introduction de produits sur le marché.
marché. Pour chaque événement, la date à laquelle il s'est produit, une
description de celui-ci et la ou les sources de données ont été consignées dans un
dossier événements. Des mesures ont été prises pour minimiser le potentiel
biais rétrospectifs (Schwenk, 1985). Suivant
Perry et al. (2012) les cas étaient pour la plupart récents
Date. Ensuite, nous avons triangulé la documentation en utilisant
entretiens et documents d'archives (Yin, 2009)
tandis que les listes d'événements ont été vérifiées par les personnes interrogées pour
Machine Translated by Google

Prise de décision pour le développement du modèle d'affaires

Figure 1. Chronologie DNACo. [La figure en couleur peut être consultée sur wileyonlinelibrary.com]

augmenter leur validité. Cela a abouti à des listes d'événements pour Ressources. Les événements peuvent avoir à la fois des codes effectifs et

chacun des quatre cas (DNACo : 50 événements, MemCo : 44, DataCo :
34, 3DCo : 53). Celles-ci ont été cartographiées sur une chronologie
comme dans les figures 1 à 4.
La deuxième étape consistait à coder les listes d'événements selon les
dimensions d'effectuation et de causalité. Le schéma de codage était basé
sur celui de Reymen et al. (2015) qui propose des indicateurs empiriques
pour chacune des dimensions de l'effectuation et de la causalité, à savoir
la base pour agir, l'attitude envers les événements inattendus, l'attitude
causals (par exemple, une base causale pour prendre des mesures et une
vision effective des risques et des ressources) car les entreprises peuvent
combiner les deux approches (Perry et al., 2012).
Dans la troisième étape, inspirée de l'approche de Rey men et al.
(2015), nous avons déterminé des schémas de causalité et d'effectuation
au fil du temps en calculant les moyennes mobiles de l'utilisation des deux
logiques. Lorsqu'un événement était codé avec un ou plusieurs codes pour
les dimensions d'effectuation, il était marqué comme 1 pour la catégorie

envers les étrangers et la vision du risque et d'effectuation. Lorsqu'un événement n'avait pas de codage pour un

Figure 2. Chronologie MemCo. [La figure en couleur peut être consultée sur wileyonlinelibrary.com]

VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd R&D Management 00, 00, 2016 5
Machine Translated by Google

Isabelle Reymen, Hans Berends, Rob Oudehand et Rutger Stultiens €

Figure 3. Chronologie DataCo. [La figure en couleur peut être consultée sur wileyonlinelibrary.com]

dimension d'effectuation, elle était marquée d'un 0. La même chose a été
faite pour les dimensions et les catégories de causalité. La moyenne
mobile totale a été calculée en soustrayant la moyenne mobile effective
de la moyenne mobile causale pour les dix événements les plus récents
(voir les figures 1 à 4).
La quatrième étape a consisté à coder les événements de changement
de modèles économiques pour les composants distingués par Osterwalder
et Pigneur (2009) : proposition de valeur, segment de clientèle, canal et
relation client, réseau de partenaires, flux de revenus, structure de coûts,
ressources clés et activités clés. Nous avons utilisé leur cadre

Figure 4. Chronologie 3DCo. [La figure en couleur peut être consultée sur wileyonlinelibrary.com]

6 Gestion R&D 00, 00, 2016 VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd
Machine Translated by Google
pour le codage, car il est détaillé, peut être facilement lié à
(par exemple Morris et al., 2005), et a été utilisé dans
études antérieures sur la dynamique des modèles d'affaires (par exemple,
Dmi Triev et al., 2014). Parallèlement aux changements de composants, nous
a également codé les principaux changements de modèle d'entreprise, tels que
abandonner un modèle économique ou expérimenter
différents business models en parallèle. Étant donné qu'il est peu probable
que la plupart des entreprises aient des modèles d'entreprise stables et
opérationnels, leurs modifications ont été codées soit lorsque
le changement a été réellement mis en œuvre ou quand il a été
imaginé.
Une dernière étape consistait à analyser les tendances dans les
trajectoires. Aux fins d'analyse, nous avons résumé les activités
modifications du modèle en un nombre limité d'épisodes constitués d'une
série d'événements liés, marqués par
changements dans la dominance de l'effectuation et de la causalité
et/ou événements critiques. Les événements critiques ont été déterminés
en codant les données pour les changements de marché et
l'incertitude technologique, la position des ressources et l'interaction des
parties prenantes, car Reymen et al. (2015) les ont identifiés comme une
explication de la dynamique dans l'utilisation des
effectuation et causalité. Le plus important
les changements sont indiqués par un astérisque dans les délais
Figures 1 à 4.
4. Résultats
Sur la base d'une analyse et d'une comparaison des quatre trajectoires
de développement du modèle d'entreprise, les figures 1 à 4
montrent deux grandes tendances globales dans la dynamique des
logiques décisionnelles dominantes. Dans trois cas, efficace
la logique a dominé le développement initial du modèle d'entreprise.
Le quatrième cas (3DCo) montre une tout autre
modèle avec une alternance d'épisodes mixtes et
épisodes causals.
4.1. Modèles de logique décisionnelle
Le modèle principal dans le développement du modèle d'affaires
les trajectoires de DNACo, MemCo et DataCo peuvent être
décrit comme une dominance effective précoce. Ces entreprises fondaient
leurs actions principalement sur la disponibilité de
moyens (par exemple connaissances, compétences, ressources financières).
Ils semblaient capables d'identifier et de tester les
hypothèses sous-jacentes aux nouvelles propositions de valeur pour
segments de clientèle particuliers à travers des cycles efficaces
des interactions avec les parties prenantes et recevoir un engagement
précoce, éventuellement rendu explicite par des lettres d'intention,
afin de connaître les besoins spécifiques des clients avant
fixer des objectifs majeurs. Quand technologique et marché
les incertitudes ont été réduites ces entreprises ont changé
leur accent sur la logique de prise de décision causale, alignant leurs
actions pour s'adapter à un modèle d'entreprise spécifique.
VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd R&D Management 00, 00, 2016 7
Prise de décision pour le développement du modèle d'affaires
MemCo, par exemple, est passé par un modèle de
prise de décision efficace au début de son développement de nouvelle
entreprise (voir la figure 2). Au début, il fondait son
des actions sur les moyens, en utilisant une activité de service
modèle pour offrir des services de science des matériaux aux entreprises locales.
Cela a permis à MemCo de connaître les besoins du marché
tout en générant du cash-flow, et identifier de nouveaux
propositions de valeur et segments de marché. « Notre modèle
économique ? En fait, nous n'en avions pas. Nous
a agi de manière opportuniste et a répondu aux demandes de renseignements
qui est venu. La plupart des installations étaient déjà
à notre disposition ». MemCo proposait initialement plusieurs
services et produits et utilisé différents revenus
des modèles. Sa collaboration ultérieure au développement de
un système d'application de revêtements polymères conduit à sa
être invité à travailler avec la société BIGPRINT pour développer
une technologie de revêtement de tranches de silicium. Ensemble, les
deux entreprises ont développé avec succès un prototype qui
a suscité l'intérêt des grands joueurs. Pour maintenir les coûts à
a minima, ils ont travaillé sur des projets subventionnés par
le gouvernement néerlandais, en utilisant la main-d'œuvre étudiante.
Chez MemCo, la prise de décision causale est devenue plus
dominante une fois les tests de prototypes réussis et
des lettres d'intention de clients potentiels ont été reçues.
A ce moment (événement critique B), les technologies et
l'incertitude du marché ont été réduites. La proposition de valeur s'est
cristallisée comme étant axée sur le fabricant d'équipements au lieu d'agir
en tant que service de conseil
fournisseur. Le développement de MemCo est devenu de plus en plus
axé sur les objectifs avec la signature d'une lettre d'intention
par plusieurs sociétés technologiques fin 2009.
MemCo a ensuite rédigé un plan d'affaires, acquis une entreprise
capitaux et ont investi massivement dans le développement d'équipements
conformes à leurs objectifs. En tant que fondateur
a rappeléÿ: «ÿ2010 a été l'année où nous avons décidé qui nous
voulu être. Nous avons embauché plus de personnes, acquis des
investissements et annulé toutes les autres opportunités. L'argent
le taux de combustion a augmenté rapidement, mais nous en avions besoin
investissement pour maintenir l'élan et la concentration ». Mi 2012
MemCo signe son premier contrat de vente d'équipements de production.
DataCo démontre également des processus efficaces précoces
(voir figure 3). Le fondateur de DataCo avait initialement prévu
développer et commercialiser un lecteur virtuel basé sur le cloud
solution, mais un projet client a révélé un besoin radicalement différent qui
a détourné DataCo de son objectif initial.
plan d'affaires. La solution ayant été développée spécifiquement pour un
client, le cabinet a pu à la fois couvrir
coûts de développement et obtenir un retour d'information précieux.
Pendant la période d'identification de l'opportunité, DataCo
a gardé son champ d'action large, travaillant sur une gamme de projets
et l'expérimentation de différents mécanismes de revenus. Pour l'une de
leurs solutions (passerelle basée sur des objets), ils ont pu commencer à
commercialiser déjà fin 2010.
Puis, mi-2011, un prêt bancaire a permis à l'entreprise de
Machine Translated by Google
Isabelle Reymen, Hans Berends, Rob Oudehand et Rutger Stultiens €
développer davantage sa solution logicielle basée sur le cloud.
Utilisant un modèle commercial de licences stratégiques en
partenariat avec une société leader de logiciels de solutions
cloud, le fondateur s'est concentré sur le développement de
logiciels et, en juin 2012, a finalement atteint son objectif. La
DNACo a également montré une domination effective précoce et
est même revenue à une logique de prise de décision effective
en raison d'un manque de ressources, ce qui est expliqué ci-dessous. en chirurgie guidée par l'image.
Notre quatrième cas, 3DCo, a montré un début causal avec
une alternance de dominance causale et un mélange de causalité
et d'effectuation. Cette tendance diffère considérablement des
trois autres cas (voir la figure 4). Après avoir découvert les
opportunités de la technologie 3D dans le domaine de la santé,
les fondateurs de 3DCo ont commencé à développer des solutions
avec un collègue biochimiste. Malgré leur manque de
connaissances pharmaceutiques, ils ont eu l'idée de développer
des stations de visualisation 3D, dont l'utilisation par les grandes
sociétés pharmaceutiques pourrait potentiellement rapporter
d'énormes revenus. Afin de développer les logiciels et le matériel
nécessaires, 3DCo a embauché des ingénieurs logiciels
professionnels, a acquis une entreprise d'algorithmes de protéines
et a attiré de grandes quantités de capital-risque. Entre janvier et
décembre 2007, alors que les résultats commençaient à être
prometteurs, les fondateurs ont pu négocier une série de prêts
bancaires, utilisés pour développer leur premier moteur 3D. Dans
son plan d'affaires préliminaire, l'entreprise a décidé d'adopter un
modèle d'affaires de produit, en vendant des stations de
visualisation 3D avec logiciel à des firmes pharmaceutiques.
Comme l'a observé l'un des fondateurs: «Nous avons toujours cru
fermement que si nous pouvions combiner des algorithmes de
protéines avec la visualisation 3D, cela augmenterait
considérablement la compréhension du chercheur sur les raisons
pour lesquelles ces protéines se lient ou ne se lient pas les unes
aux autres».
Bien que l'entreprise n'ait pas généré de trésorerie ni trouvé
de clients, les fondateurs ont donc poursuivi le développement
technique, aboutissant au lancement d'une première ligne
d'assemblage à la mi-2008. Au cours des années suivantes, bien
que leurs travaux exploratoires dans la technologie 3D aient attiré
beaucoup d'attention, les fondateurs n'ont pas réussi à trouver
une entreprise pharmaceutique disposée à investir dans leur
produit. « Il est difficile d'entrer en contact avec ces géants
pharmaceutiques. Vous devez venir avec quelque chose de
vraiment impressionnant avant de frapper à leur porte. Nous
avons donc simplement fait un acte de foi et espéré que ces
rythmes algorithmiques finiraient par fonctionner ». Ainsi, malgré
une forte incertitude du marché et de la technologie, 3DCo est
restée fidèle à son plan initial, continuant à investir des ressources
dans le développement et à embaucher des professionnels du
marketing expérimentés pour s'occuper des ventes. À la mi-2009,
dans le cadre d'un projet financé par le gouvernement sur la
visualisation des protéines, l'un de ses partenaires de projet a
demandé à 3DCo si leur technologie 3D pouvait également être
utilisée pour visualiser l'anatomie humaine. Les ventes
recherche, plus
pharmaceutiques ne se développant toujours pas, l'entreprise s'est progressivement
8 Gestion R&D 00, 00, 2016 VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd
et en particulier, l'éducation médicale et la chirurgie guidée par
l'image où ils ont eu des contacts et ont finalement également
gagné un premier client fin 2009.
En 2011, la proposition de valeur avait changé vers la production
de suites logicielles 3D simples, le matériel devenant simplement
une option. En janvier 2012, toutes les activités liées à la
pharmacie ont été annulées, 3DCo se concentrant sur les ventes
Par rapport aux trois autres entreprises, 3DCo a adopté une
approche sensiblement différente du développement commercial,
utilisant principalement la logique causale. Les fondateurs ont
choisi un modèle d'entreprise et alloué des ressources à sa
réalisation, malgré le manque d'engagement précoce des parties
prenantes concernées, entraînant inévitablement une grande
incertitude quant à la viabilité de la proposition de valeur.
4.2. Composantes du business model liées
aux logiques décisionnelles
En examinant plus en profondeur les changements des
composantes du modèle d'affaires, nous avons constaté dans
tous les cas que dans sept épisodes avec une logique
décisionnelle effective dominante, les composantes suivantes du
modèle d'affaires ont été principalement modifiéesÿ: la proposition
de valeur (7 fois en 7 épisodes avec des dominante), le segment
de clientèle (7/7), parfois en combinaison avec la définition d'un
flux de revenus (3/7), d'un réseau de partenaires (2/7), d'une
structure de coûts (2/7) ou de ressources et activités clés (1/
sept). La prise de décision efficace correspond donc principalement
au développement de la proposition de valeur et du segment de
clientèle, dans des cycles itératifs axés sur l'implication précoce
des parties prenantes.
Expérimenter la proposition de valeur et le segment de
marché en utilisant une logique de prise de décision efficace peut
conduire à l'engagement de clients potentiels et à des prototypes
testés avec succès, réduisant ainsi l'incertitude du marché et de
la technologie. Par exemple, dans le cas de DNACo (voir Figure
1), lorsque l'équipe de DNACo a été confrontée à une opportunité
de trouver une solution pour l'analyse de l'ADN. Au lieu de fixer
des objectifs de développement et de commencer le
développement de logiciels, l'équipe a d'abord discuté de sa
solution théorique avec les parties prenantes concernées de son
réseau existant et a reporté toute allocation de ressources
significative (en utilisant le démarrage, les subventions et les
subventions). Une fois que les fondateurs ont réalisé que leurs
idées correspondaient aux besoins des scientifiques, ils ont
collaboré étroitement avec des oncologues de centres de
recherche universitaires sur un projet de flux de données ADN.
Cela a permis à DNACo de comprendre rapidement les problèmes
spécifiques de transfert et d'analyse de données impliqués. Entre
mars et mai 2011, comme leurs solutions théoriques semblaient
correspondre à un besoin clair du marché, ils ont pu obtenir un
engagement via des lettres d'intention des institutions de
tard leur
tournée verspremier
le secteur médical
Machine Translated by Google
clients. Une opportunité inattendue s'est ainsi transformée en une
nouvelle proposition de valeur pour un nouveau segment de clientèle,
avec un premier contrat commercial
signé fin 2012.
Dans tous les cas, un marché et des technologies en baisse
l'incertitude était souvent suivie d'une augmentation de la
recours à la logique causale. Cela se voit dans les trois cas
avec une dominance effective précoce, mais aussi en 3DCo
lors de l'événement critique B. 3DCo a attiré de manière efficace
un premier client via leur réseau informel de
partenaires, qui a été utilisé pour affiner leur produit.
Sur la base de ces commentaires des parties prenantes, 3DCo a finalement
changements, en utilisant une logique décisionnelle causale, leur
offre de valeur et commence à réécrire son plan d'affaires.
Dans les six épisodes avec une logique de prise de décision
causale dominante, l'accent a toujours été mis sur le flux de revenus
(6/6), et très souvent sur la structure des coûts (5/6), clé
ressources et activités (5/6), et souvent aussi sur le
proposition de valeur (4/6), segment de clientèle (4/6), réseaux de
partenaires (4/6) et relations canaux et clients (3/6). La proposition de
valeur et le client
segment ont été cristallisés à ce moment et ainsi
objectifs définis à atteindre. Tous les composants du business model
sont définis par rapport à la proposition de valeur
et segment de clientèle, en utilisant la prise de décision causale.
Dans les quatre cas, un business plan détaillé a été rédigé
pour atteindre cet objectif, prédisant ainsi ce que
l'avenir ressemblera. Par exemple en 2011
DNACo, une fois assuré que leur solution satisfaisait
"travail à faire", les fondateurs se sont concentrés sur la définition
d'objectifs pour exploiter l'opportunité et développer
stratégies pour les mécanismes de revenus et les canaux de vente,
afin de maximiser la création et la captation de valeur.
Sur la base de leur analyse de marché et du modèle économique
ils envisageaient ils cherchaient alors des partenaires et
acquis les ressources nécessaires (marketing produit
gestionnaire et deux ingénieurs logiciels) pour mettre en œuvre
leur plan d'affaires.
Les épisodes à logique décisionnelle causale dominante sont
parfois suivis d'une augmentation
en domination effective en cas de pénurie de ressources
émerge. Cela ressort clairement de l'affaire DNACo, où
à l'événement critique D (faible position de ressource perçue) a
la domination de la logique effectuelle survient après une période de
recours accru à la logique causale. Comme il était difficile de
attirer le capital-risque avec une stratégie de croissance à long terme,
ils se sont concentrés sur les «fruits à portée de main» via
projets personnalisés en dehors de leur portée initiale (par exemple dans le
entreprises agro et pharmaceutiques) afin d'obtenir des liquidités
et crédibilité. Logique décisionnelle efficace
sont redevenus dominants alors qu'ils répondaient aux rencontres
dipiteuses sereines au fur et à mesure qu'ils apparaissaient. Le même
schéma est visible dans le cas 3DCo, où un faible
la position de ressource perçue se produit au début de T3
VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd R&D Management 00, 00, 2016 9
Prise de décision pour le développement du modèle d'affaires
et T7 (événement critique C), suivi de l'utilisation
d'une logique plus efficace.
5. Débat
Cet article apporte une contribution unique aux affaires
littérature modèle en donnant un aperçu approfondi de la
relation entre la dynamique de dominance de la logique décisionnelle
et l'évolution des composantes du business model dans le temps.
Tous nos quatre cas ont utilisé à la fois des approches efficaces et
causales pour rendre le modèle d'entreprise
décisions de développement, mais de manière différenciée.
Nous constatons qu'une proposition de valeur pour un segment de
clientèle spécifique est générée à l'aide d'une logique de prise de
décision efficace en passant par des cycles de parties prenantes.
interactions. Ces interactions conduisent souvent à des engagements
de clients potentiels, réduisant ainsi l'incertitude du marché. Les
prototypes sont également testés, ce qui réduit
l'incertitude technologique. A ce moment, l'utilisation de
la logique causale augmente. La proposition de valeur et le segment
client se cristallisent et les autres activités
les composants du modèle sont définis par rapport à ceux-ci,
souvent consignées dans un plan d'affaires détaillé. Lorsque
une pénurie de ressources émerge, causalité dominante
la logique est suivie d'une augmentation de l'utilisation de l'effectuation.
Ces résultats s'ajoutent à la littérature sur l'apprentissage par
essais et erreurs dans le développement de modèles d'affaires (par exemple
Sosna et al., 2010) et expérimentation (Andries
et al., 2013) en précisant les composantes du business model
développé principalement par l'apprentissage et
approches expérimentales, et en montrant que sur
temps, la logique de prise de décision se déplace vers des approches
plus axées sur les objectifs. Nous l'avons fait en adoptant une
perspective sur le développement du modèle d'affaires au niveau de la composante
niveau similaire à celui de Dmitriev et al. (2014), et en le liant à la
dynamique des logiques décisionnelles.
Ces approches axées sur les objectifs commencent souvent par la
rédaction d'un plan d'affaires, une fois que les incertitudes pour les entreprises
sont abaissés. Ils ont ainsi considéré l'ensemble du modèle
d'entreprise, qui a ensuite servi d'instrument cognitif aux gestionnaires
de risque pour développer davantage tous les autres
composantes du business model en relation avec la proposition de
valeur cristallisée et le segment de clientèle (cf.
Baden-Fuller et Mangematin, 2013 ; Baden-Fuller
et Haefliger, 2013).
Les résultats contribuent également à la conception et à la mise
en œuvre de modèles commerciaux. Les cas étudiés concernés
à la fois la conception et la mise en œuvre de modèles commerciaux,
indiqués par le moment où un premier produit a été
vendu à un client payant. Toutes les trajectoires de développement
de business model ont montré que
des logiques décisionnelles causales sont nécessaires pour concevoir
le modèle d'affaires suffisamment loin pour obtenir les premières ventes. Dans
autrement dit, l'exploration complète du modèle d'affaires
Machine Translated by Google
Isabelle Reymen, Hans Berends, Rob Oudehand et Rutger Stultiens €
impliquait une prise de décision à la fois efficace et causale
logiques. Pourtant, plus les nouvelles entreprises se rapprochaient de
la mise en œuvre, plus le processus évoluait vers l'exploitation, plus la
prise de décision devenait causale.
dominant.
Nous offrons également un aperçu du rôle central joué
par la proposition de valeur dans le développement du modèle d'affaires.
La littérature antérieure a suggéré que les entreprises
l'innovation de modèle devrait commencer par le développement
de la proposition de valeur (Johnson et al., 2008 ; Corti miglia et al,
2015). Alors que nos découvertes confirment sa clé
rôle, ils n'impliquent pas que la proposition de valeur doit
être défini en premier. Les approches efficaces peuvent initialement être
plus concernés par les autres composantes du business model afin de
trouver une proposition de valeur viable dans un
manière émergente. Or, dans notre étude, la cristallisation d'une
proposition de valeur pour un segment de clientèle
semblait être le tournant après lequel d'autres
des composants de modèle d'entreprise pourraient être conçus.
Alors que le quatrième cas, 3DCo, montrait un schéma différent dans
l'utilisation de la logique d'effectuation et de causalité, il
confirmé le rôle central de la proposition de valeur.
Définir leur proposition de valeur dès le départ
a permis aux fondateurs de 3DCo d'adopter une approche causale
tôt. Fait intéressant, leur approche s'est déplacée vers l'effectuation une
fois que leur proposition initiale a semblé échouer.
Une proposition de valeur alternative a été trouvée à l'aide d'un
approche efficace, corroborant ainsi le lien
entre l'effectuation et l'émergence d'une solution viable
proposition de valeur.
À la littérature sur l'effectuation, nous proposons des
preuves confirmant la suggestion selon laquelle
la logique est particulièrement utile dans les premières phases de
développement d'entreprise, tandis qu'une planification causale
devient de plus en plus important à mesure que l'entreprise grandit
(Sarasvathy, 2001ÿ; Read et Sarasvathy, 2005ÿ; Wilt bank et al., 2006).
Cela confirme également les travaux de Rey men et al. (2015) et
Nummela et al. (2014) sur le
dynamique des logiques décisionnelles. Nous ajoutons en outre un
perspective du modèle d'affaires à la dynamique de
logique de prise de décision dans les nouvelles entreprises basées sur la
technologie. Nous constatons que la dominance dans l'utilisation de l'effectual
la logique de prise de décision est utilisée pour découvrir une valeur
proposition qui correspond à un certain besoin du marché, qui
est, segment de marché, alors que la domination dans l'utilisation de
une logique décisionnelle causale est appliquée afin de
définir et développer tous les composants du business model.
Nous complétons les conclusions de Sitoh et al. (2014) en offrant un
aperçu plus détaillé du développement de
composants spécifiques du modèle d'entreprise et l'utilisation de
logique effective et causale dans le temps. Basé sur
travaux de Reymen et al. (2015) nous constatons que le marché et
l'incertitude technologique, ainsi que les ressources
position, expliquent en effet les changements de dominance
des logiques décisionnelles effectives et causales.
10 Gestion R&D 00, 00, 2016 VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd
Les conditions de marché et d'incertitude technologique indiquent un
déplacement de l'attention de la proposition de valeur et des segments
de marché vers d'autres composantes du modèle d'affaires,
tandis qu'une position de ressource limitée indique un changement dans la
direction opposée.
Notre étude est limitée par l'échantillon spécifique choisi,
à savoir quatre nouvelles entreprises technologiques dans le
Pays-Bas. Le cadre institutionnel spécifique peut
ont coloré nos découvertes, et plus de variété pourrait être
trouvé avec un plus grand nombre de cas. Étudier un ensemble plus vaste
des processus de développement d'entreprise est donc nécessaire
pour tester nos découvertes. D'autres recherches pourraient également porter sur
sur les facteurs qui déterminent pourquoi un certain modèle
se produit. Nous n'avons trouvé que deux des trois conditions discutées
dans Reymen et al. (2015), partie prenante manquante
interactions. Changements dans les membres de l'équipe de direction,
ou la recherche de financement externe comme indiqué par
Nummella et al. (2014) pourrait également être pris en
compte comme déclencheurs importants dans les recherches futures.
De plus, des recherches futures sont nécessaires pour étudier les
implications sur la performance. Étudier les liens entre les
performance des nouvelles entreprises basées sur la technologie,
leur logique décisionnelle dominante initiale, leur
vision du développement du modèle d'affaires (c'est-à-dire s'efforcer
immédiatement pour le «Saint Graal» ou se concentrer sur les «fruits à
portée de main»), et les capacités organisationnelles nécessaires pour
l'innovation du modèle économique (Mezger, 2014) pourrait donner
entrepreneurs une meilleure indication des décisions
à prendre et quand dans le développement du modèle d'affaires.
Les idées de cette étude pourraient servir à soutenir
entrepreneurs dans leur processus de prise de décision au cours
développement de nouveaux modèles d'affaires. Plus précisement,
l'étude démontre que la cristallisation d'un
proposition de valeur pour un segment de clientèle semblait
être le tournant clé après lequel d'autres entreprises
composants du modèle pourraient être conçus. Il semble crucial pour
les entreprises de diminuer les capacités technologiques et de marché
incertitude autant que possible avant d'investir des ressources
importantes, afin de réduire
les frais de reconfiguration. Les premiers stades du développement d'un
nouveau modèle d'entreprise sont les mieux adaptés à l'expérimentation
avec et apprendre des interactions des parties prenantes, afin
pour trouver la proposition de valeur et le segment de marché appropriés.
Une fois que l'incertitude a été réduite, nos résultats suggèrent qu'une
concentration sur les autres composantes
du modèle d'entreprise est recommandée.
Références
Alvarez, SA et Barney, JB (2005) Comment les entrepreneurs
organisent-ils les entreprises dans des conditions d'incertitude ?.
Journal de gestion, 31, 776–793.
Amit, R. et Zott, C. (2001) Création de valeur dans le commerce électronique.
Journal de gestion stratégique, 22, 493–520.
Machine Translated by Google
Andries, P. et Debackere, K. (2007) Adaptation et performance dans
les nouvelles entreprises : comprendre les effets modérateurs de
l'indépendance et de l'industrie. Économie des petites entreprises,
29, 81–99.
Andries, P., Debackere, K. et van Looy, B. (2013)
L'expérimentation simultanée comme stratégie d'apprentissage :
développement d'un modèle d'affaires dans l'incertitude. Journal
de l'entrepreneuriat stratégique, 7, 288.
Baden-Fuller, C. et Haefliger, S. (2013) Modèles d'affaires et innovation
technologique. Planification à long terme, 46, 419–426.
Baden-Fuller, C. et Mangematin, V. (2013) Modèles économiques :
un programme ambitieux. Organisation stratégique, 11, 418–427.
Baker, T. et Nelson, RE (2005) Créer quelque chose à partir de rien :
construction de ressources par le bricolage entrepreneurial.
Trimestriel des sciences administratives, 50, 329–366.
Berends, H., Jelinek, M., Reymen, IMMJ et Stultiens, RGL (2014)
Processus d'innovation produit dans les petites entreprises :
combiner effectuation entrepreneuriale et causalité managériale.
Journal of Product Innovation Management, 31, 616–635.
Bhide, A. (2000) L'origine et l'évolution des nouvelles entreprises.
Oxfordÿ: presse universitaire d'Oxford.
Bock, AJ, Opsahl, T., George, G. et Gann, DM (2012)
Les effets de la culture et de la structure sur la flexibilité stratégique
lors de l'innovation du modèle d'affaires. Journal of Management
Studies, 49, 279–305.
Casadesus-Masanell, R. et Tarzijan, J. (2012) Lorsqu'un seul modèle
d'entreprise ne suffit pas, LAN Airlines s'épanouit en exécutant
trois opérations distinctes en même temps. Harvard Business
Review, 90, 132–136.
Chandler, GN, DeTienne, DR, McKelvie, A. et Mumford, TV (2011)
Causation and effectuation proc esses: a validation study. Journal
of Business Venturing, 26, 375–390.
Chesbrough, H. (2010) Innovation de modèle d'entreprise :
opportunités et obstacles. Planification à long terme, 43, 354.
Chesbrough, H. et Rosenbloom, RS (2002) Le rôle du modèle
d'entreprise dans la valorisation de l'innovation : preuves des
entreprises dérivées de la technologie de Xerox Corporation.
Changement industriel et corporatif, 11, 529–555.
Cortimiglia, MN, Ghezzi, A., et Frank, AG (2015)
Lien entre l'innovation du modèle d'entreprise et l'élaboration de la
stratégieÿ: preuves d'une étude intersectorielle à méthodes mixtes.
Gestion R&D, 46, 414–432.
Demil, B. et Lecocq, X. (2010) Évolution du modèle économique : à
la recherche d'une cohérence dynamique. Planification à long
terme, 43, 227–246.
Demil, B., Lecocq, X., Ricart, JE et Zott, C. (2015)
Introduction au numéro spécial de la SEJ sur les modèles
d'affaires : les modèles d'affaires dans le domaine de
l'entrepreneuriat stratégique. Journal d'entrepreneuriat stratégique, 9, 1–11. Journal du capital-investissement, 9, 45–62.
Dew, N., Read, S., Sarasvathy, SD et Wiltbank, R.
(2011) Sur la genèse entrepreneuriale des nouveaux marchés :
transformations effectives versus recherche causale. Journal of
Evolutionary Economics, 21, 231–253.
VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd R&D Management 00, 00, 2016 11
Prise de décision pour le développement du modèle d'affaires
Dmitriev, V., Simmons, G., Truong, Y., Palmer, M. et Schneckenberg,
D. (2014) An exploration of business model development in the
commercialisation of technol ogy innovations. Gestion R&D, 44,
306.
Doganova, L. et Eyquem-Renault, M. (2009) Que font les modèles
économiques ? Dispositifs d'innovation dans l'entrepreneuriat
technologique. Politique de recherche, 38, 1559-1570.
Eisenhardt, KM et Graebner, M. (2007) Construction de théories à
partir de cas : opportunités et défis. Académie de revue de gestion,
50, 25–32.
Fisher, G. (2012) Effectuation, causalité et bricolageÿ: une comparaison
comportementale des théories émergentes dans la recherche sur
l'entrepreneuriat. Théorie et pratique de l'entrepreneuriat, 36, 1019–
1051.
Gruber, M., MacMillan, IC et Thompson, JD (2008)
Regardez avant de vous lancerÿ: identification des opportunités de marché
dans les entreprises technologiques émergentes. Sciences de gestion,
54, 1652–1665.
Johnson, MW, Christensen, CM et Kagermann, H.
(2008) Réinventer son business model. Harvard Business Review,
86, 50–59.
Langley, A. (1999) Stratégies de théorisation à partir des données de
processus. Académie de revue de gestion, 24, 691–710.
Massa, L. et Tucci, CL (2014) Business model innovation. Dans :
Dodgson, M., Gann, DM, Phillips, N. (eds.).
Le manuel d'Oxford sur la gestion de l'innovation.
Oxfordÿ: presse universitaire d'Oxford. p. 420–441.
Mezger, F. (2014) Vers une conceptualisation basée sur les capacités
de l'innovation dans les modèles d'affaires : aperçus d'une étude
exploratoire. Gestion R&D, 44, 429–449.
Mintzberg, H. (1994) The Rise and Fall of Strategic Planning:
Reconcencing Roles for Planning, Plans, Planners.
New Yorkÿ: Presse gratuite.
Morris, M., Schindehutte, M. et Allen, J. (2005) Le modèle commercial
de l'entrepreneur : vers une perspective unifiée. Journal of Business
Research, 58, 726–735.
Nummela, N., Saarenketo, S., Jokela, P. et Loane, S.
(2014) Prise de décision stratégique d'un monde né : une étude
comparative de trois petites économies ouvertes.
Revue internationale de gestion, 54, 527–550.
Osterwalder, A. et Pigneur, Y. (2009) Modèles économiques
Génération. Hoboken, New Jerseyÿ: Wiley.
Patton, MQ (2002) Méthodes de recherche et d'évaluation qualitatives,
3e éd. Mille Chênes : Sauge.
Perry, JT, Chandler, GN et Markova, G. (2012) Entre preneurial
effectuation: a review and suggestions for future research. Théorie
et pratique de l'entrepreneuriat, 36, 837–861.
Poole, MS, Van de Ven, AH, Dooley, K. et Holmes, ME (2000)
Processus de changement organisationnel et d'innovation : Théorie
et méthodes de recherche. Oxfordÿ: presse universitaire d'Oxford.
Read, S. et Sarasvathy, SD (2005) Savoir quoi faire et faire ce que
vous savez : l'effectuation comme forme d'expertise entrepreneuriale.
Lire, S., Song, M. et Smit, W. (2009) Une revue méta-analytique de
l'effectuation et de la performance de l'entreprise. Journal of
Business Venturing, 24, 573–587.
Machine Translated by Google
Isabelle Reymen, Hans Berends, Rob Oudehand et Rutger Stultiens €
Reymen, IMMJ, Andries, P., Berends, H., Mauer, R.,
Stephan, U., et van Burg, JC (2015) Compréhension
dynamique de la prise de décision stratégique dans la création
d'entreprise: une étude de processus d'effectuation et de causalité.
Strategic Entrepreneurship Journal, 9, 351–379.
Sarasvathy, SD (2001) Causation et effectuation : vers
un passage théorique de la fatalité économique à la contingence
entrepreneuriale. Académie de gestion
Revue, 15, 243-263.
Seawright, J. et Gerring, J. (2008) Techniques de sélection de cas
dans la recherche d'études de cas : un menu d'options qualitatives
et quantitatives. Revue politique trimestrielle, 61, 294–308.
Schneider, S. et Spieth, P. (2013) Innovation du modèle d'entreprise :
vers un futur programme de recherche intégré. International Journal
of Innovation Management, 17, 34.
Schwenk, CR (1985) L'utilisation du souvenir des participants
dans la modélisation des processus décisionnels organisationnels.
Académie de revue de gestion, 10, 496–503.
Sitoh, MK, Pan, SL et Yu, CY (2014) Business model els and tactics
in new product creation: the interplay of
processus d'effectuation et de causalité. Transactions IEEE
sur la gestion de l'ingénierie, 61, 213.
Sosna , M. , Trevinyo-Rodriguez , RN , et Velamuri , SR
(2010) Innovation de modèle d'entreprise par apprentissage par
essais et erreurs : le cas de naturhouse. Planification à long terme,
43, 383.
Spieth, P., Schneckenberg, D. et Ricart, JE (2014) Business model
innovation–state of the art and future chal
objectifs pour le terrain. Gestion R&D, 44, 237–247.
Teece, DJ (2010) Modèles commerciaux, stratégie commerciale et
innovation. Planification à long terme, 43, 172–194.
Van de Ven, AH (2007) Bourse engagée: un guide
pour la recherche organisationnelle et sociale. Oxfordÿ: Oxford
Presse universitaire.
Wiltbank, R., Dew, N., Read, S. et Sarasvathy, SD
(2006) Que faire ensuite ? Le cas du non prédictif
stratégie. Journal de gestion stratégique, 27, 981–998.
Yin, RK (2009) Recherche d'études de cas : conception et méthodes,
4e éd. Thousand Oaks, Californieÿ: Sauge.
Zott, C., Amit, R. et Massa, L. (2011) L'entreprise
modèle : développements récents et recherches futures. Journal
de la gestion, 37, 1019-1042.
Isabelle Reymen est professeure associée Entrepreneuriat & Design
au sein du pôle Innovation, Technologie
Groupe Entrepreneuriat et Marketing de l'École
de génie industriel de l'Université d'Eindhoven
Technology (TU/e), Pays-Bas. Après avoir obtenu
un MSc en architecture de la KU Leuven, Belgique
elle a obtenu un doctorat en sciences du design à la TU/e. Son
les intérêts de recherche actuels se concentrent sur les processus de
commercialisation de la technologie, l'innovation des modèles d'affaires
12 Gestion R&D 00, 00, 2016 VC 2016 Les auteurs. R&D Management publié par RADMA et John Wiley & Sons Ltd
et la logique de prise de décision dans le développement de nouvelles
entreprises. Ses travaux ont été publiés dans de nombreuses revues
dont Strategic Entrepreneurship Journal, Organization Studies,
Journal of Product Innovation Management, R&D Management et
Journal of
Transfert de technologie.
Hans Berends est professeur d'innovation et d'organisation au sein
du groupe de recherche Knowledge, Information and Innovation
(KIN) de la Faculté de
Économie et administration des affaires, Université VU d'Amsterdam.
C'est un scientifique de l'organisation
avec une formation en philosophie et en génie industriel et a obtenu
un doctorat de l'Université de technologie d'Eindhoven pour une
thèse sur la connaissance
partage de la recherche industrielle. Ses intérêts de recherche
se concentrer sur l'innovation numérique, les processus d'innovation,
l'apprentissage organisationnel et la collaboration
interorganisationnelle. Son travail a été publié dans les principaux
revues dont Organization Science, Organization Studies, Journal of
Management Studies, R&D
Management et Journal de l'Innovation Produit
La gestion.
Rob Oudehand est consultant en stratégie et opérations pour une
société mondiale de conseil en gestion. Il
a obtenu un MSc en Management de l'Innovation de
le Département de génie industriel et des sciences de l'innovation
de l'Université de technologie d'Eindhoven, où ses travaux se sont
centrés sur le processus de
développement de business model et prise de décision
logique dans les entreprises à forte intensité technologique. Son courant
la recherche se concentre sur la commercialisation de nouveaux
technologie, nouveaux modèles d'affaires et organisation
transformation.
Rutger Stulti€ens est consultant en stratégie et développement
commercial chez Chematronics BV, un cabinet de conseil
cabinet de conseil en stratégie, développement commercial et
conseil financier aux PME néerlandaises innovantes. Rutger
a obtenu un MSc en Management de l'Innovation de la
Département de Génie Industriel et Innovation
Sciences à l'Université de technologie d'Eindhoven. Le sien
les activités de conseil et les intérêts de recherche se concentrent sur
processus d'innovation (collaboratifs), modèle économique
l'innovation et la logique décisionnelle dans les nouvelles entreprises
développement. Ses travaux ont été publiés dans des revues
y compris Design Studies et Journal of Product
Gestion de l'innovation.