La nouvelle société digitale est caractérisée par un environnement numérique complexe, difficile à gérer : consommateurs imprévisibles, besoin de réponse en temps réel, législation stricte mais souvent inadaptée aux évolutions technologiques et organisationnelles, concurrence amplifiée… Ces changements structurels, technologiques, et relationnels impactent l’organisation des services marketing et les missions qui leur sont désormais dévolues (Cadenat et al, 2013).
Cette transformation numérique a changé les modèles relationnels des entreprises, les obligeant à adopter de nouvelles stratégies clients, et à revoir ainsi la définition de leurs modèles d’affaires. Il s’agit donc de revoir la logique des relations avec ses partenaires et ses clients, logique selon laquelle l’entreprise va s’efforcer de générer de la valeur.
Bughin et al (2010), dans un article de McKinsey, dégagent dix nouvelles tendances économiques liées aux technologies numériques, parmi lesquelles on retrouve l’innovation à travers les clients ou « la co-création distribuée », la croissance des usages des objets connectés, l’expérimentation du Big Data… L’illustration de ces tendances et leur impact économique sur les organisations se trouve dans différents secteurs d’activités.
Par exemple l’utilisation des objets connectés par les compagnies d'assurance automobile a permis de définir de nouveaux modèles de prix. Les compagnies d’assurance en Europe et aux Etats-Unis ont établi de nouveaux modèles de prix à partir des données récoltées sur le comportement des conducteurs et non à partir des données démographiques classiques Bughin et al (2010).
Ces auteurs citent également l’exemple de réduction des coûts de la relation client dans le cadre de « la co-création » rendue possible par des solutions de technologies collaboratives et les réseaux sociaux. Par exemple, par l’utilisation des forums pour répondre aux questions des clients, Bughin et al (2010) expliquent que dans le cas ou une communauté résout le problème d’un client, cela réduit de 10% les coûts de contact des centres d’appels traditionnels.
Parmi ces tendances du digital, Bughin, et al (2010) retiennent l’expérimentation du Big Data comme un élément clé de la transformation numérique des entreprises. Le Big Data fait référence aux nouvelles capacités d’analyser, en temps réel, d’importants volumes de données générées en continu par une multitude de terminaux mobiles (tablettes, Smartphones, objets connectés, etc.).
Les coûts de stockage et d’analyse des données étant aujourd’hui très accessibles, les entreprises testent de nouveaux modèles de prise de décision, orientés par les données. Les GAFA1 sont connus pour être les précurseurs dans cette pratique. Cette nouvelle tendance permet aux différents acteurs d’identifier rapidement les nouveaux besoins des clients, et d’adapter aussi rapidement leurs offres de produits et services.
En témoigne le cas de l’entreprise Capital One, du secteur de la banque, qui affine sa segmentation des clients détenteurs des cartes de crédits, et ajuste ainsi ses offres en fonction des risques relatifs à ces différents clients. On retrouve aussi les principaux acteurs du web tels qu’Amazon, Google et eBay. Ces derniers sont les premiers à avoir introduit de nouveaux modèles d’affaires basés sur ces technologies. Ils sont plus précisément les premiers à générer des revenus à partir des données saisies par les clients (Bughin et al, 2011). Les auteurs citent également l’exemple de Tesco dans la distribution.
L’entreprise utilise le Big Data pour améliorer la définition des prix des produits, et les promotions, ainsi que son merchandising.
Le concept du Big Data est défini par l’annotation des « 4V ». Il s’agit « des quantités gigantesques de données (Volume) qui sont publiées en continu (Vélocité), dans des formats structurés ou non, provenant de sources diverses (Variété) et dont la légitimité n’est pas toujours vérifiée (Véracité) » (Bouteiller, 2013).
[…]
Selon Lecocq et al (2006), le business model correspond à : « Un ensemble de choix qu’une entreprise effectue pour générer des revenus. Ces choix portent sur trois dimensions principales que sont les ressources et compétences mobilisées (qui permettent de proposer une offre), l’offre faite aux clients (au sens large), et l’organisation interne de l’entreprise (chaîne de valeur) et les transactions de l’entreprise avec ses partenaires externes (réseau de valeur) »
Cette description du business model est ici intéressante si on considère le Big Data parmi les nouvelles ressources importantes de l’entreprise, et si on étudie son apport à la croissance de celle ci. Il est alors envisageable d’observer de manière plus détaillée comment ces données massives peuvent contribuer à préparer l’élaboration de nouvelles offres adaptées aux clients, ou comment elles améliorent les processus existants. On peut se poser ainsi la question suivante : Quelle est la valeur apportée par le Big Data pour les entreprises ? Existe-il des modèles d’affaires appropriés ?
Pour tenter de répondre à ces deux questions, nous avons choisi de structurer notre thèse selon un plan en deux parties. La première partie est consacrée au contexte de la recherche, détaillé dans deux chapitres. Le chapitre 1 caractérise la société digitale et ses différents aspects, particulièrement celui du Big Data, puis présente quels sont les nouveaux besoins liés à cette nouvelle ère numérique. Dans le chapitre 2, il sera d’abord question
d’approfondir les concepts clés que nous avons retenus pour ce travail de recherche, à savoir principalement celui de business model. Nous verrons ensuite comment ces derniers sont affectés par le numérique et en particulier par le Big Data. Nous constaterons en particulier que si différentes typologies de modèles d’affaires ont effectivement été proposées pour le e-business (Timmers, 1998; Tapscott et al, 2000; Rappa, 2001 ; Dubosson-Torbay et al, 2002 ; et Osterwalder et Pigneur, 2002), il n’en va pas de même pour le Big Data.
La deuxième partie de la thèse, largement empirique, s’efforcera de combler cette lacune. Pour cela, nous présenterons et testerons d’abord (chapitre 3) la typologie des modèles d’usage du Big Data proposée par Bénavent (2014). Nous pourrons ensuite (chapitre 4) tenter de passer de cette typologie des modèles d’usage à une typologie des modèles d’affaires du Big Data.

Première Partie : Contexte de la Recherche
Chapitre 1 : Transformation numérique de la société et nouveaux enjeux pour les entreprises
Section1 : Transformation digitale et nouveaux besoins de gestion
Section 2 : Le Concept du Big Data
Chapitre 2 : Théorie des business model mobilisée par la recherche
Section 1: Concept du business/e-business model
1. Origines du concept de business model
2. Définitions du concept de Business Model
3. Le modèle d’affaire « RCOV » selon Lecocq et al (2006)
4. Le e-business model
5. Classification des e-business model
Section 2 : Les business model du Big Data dans la littérature
Section 3 : Typologie des modèles d’usage du Big Data selon Bénavent (2014) vs définition du business model proposée par Lecocq et al (2006)
Deuxième Partie : Démarche empirique – Proposition d’une typologie des modèles d’affaires du Big Data.
Chapitre 3 : Méthodologie de recherche retenue
Section 1: Collecte et traitement des données
Section 2 : Codage et construction de la base de données
Chapitre 4 : Analyse des résultats
Section 1 : Analyse de la pertinence de la typologie des modèles d’usage proposée
Section 2 : Extension de la typologie des modèles d’usages du Big Data à une typologie des modèles d’affaires du Big Data
Chapitre 5 : Approfondissement de l’analyse exploratoire par recours à l’analyse factorielle des correspondances multiples
Section 1 : La démarche utilisée
Section 2 : Production des cartes factorielles et classifications hiérarchiques