Hétérogénéité Et Efficacité Des Équipes de Travail PDF

Thse de Thomas Delclite, Lille 1, 2015
Universit de Lille
cole doctorale S.E.S.A.M
Laboratoire Clers
Thse pour le doctorat de sciences conomiques
Htrognit et efficacit des quipes de travail
Soutenue publiquement le 28 mai 2015 par Thomas Delclite

sous la direction de MM. Nicolas Vaneecloo et Sbastien Richard
Jury de soutenance :
M. Franois Legendre, Professeur lUniversit Paris-Est-Crteil, rapporteur.

M. Herv Leleu, Directeur de recherche au CNRS, Laboratoire LEM.
M. Sbastien Richard, Matre de confrences lUniversit de Lille, co-encadrant.
M. Daniel Szpiro, Professeur lUniversit Paris-Est-Crteil.
M. Nicolas Vaneecloo, Professeur lUniversit de Lille, directeur de thse.
M. Franois-Charles Wolff, Professeur lUniversit de Nantes, rapporteur.
2015 Tous droits rservs. doc.univ-lille1.fr


Universit de Lille
cole doctorale S.E.S.A.M
Laboratoire Clers
Thse pour le doctorat de sciences conomiques
Soutenue publiquement le 28 mai 2015 par Thomas Delclite

sous la direction de MM. Nicolas Vaneecloo et Sbastien Richard
Jury de soutenance :
M. Franois Legendre, Professeur lUniversit Paris-Est-Crteil, rapporteur.

M. Herv Leleu, Directeur de recherche au CNRS, Laboratoire LEM.
M. Sbastien Richard, Matre de confrences lUniversit de Lille, co-encadrant.
M. Daniel Szpiro, Professeur lUniversit Paris-Est-Crteil.
M. Nicolas Vaneecloo, Professeur lUniversit de Lille, directeur de thse.
M. Franois-Charles Wolff, Professeur lUniversit de Nantes, rapporteur.


Remerciements
Tout a une n, cest peut tre a qui est bien.

Mano Solo, Dis moi, Les annes Sombres (1995)
Et si lcriture de cette thse navait quune n, celle de remercier toutes celles et

tous ceux qui mont permis den arriver l, cela me surait amplement. Prendre le
temps, en quelques lignes, de dire quel point je suis redevable, pour longtemps encore,
dun nombre dicilement calculable de personne. Dailleurs, il me faut ds prsent
mexcuser auprs des personnes que jaurais pu omettre. Il mest dicile dtre exhaustif
au moment dcrire ces lignes.
Mes premiers remerciements vont M. Nicolas Vaneecloo et M. Sbastien Richard, qui

ont tout deux accept la dicile tche de mencadrer et de me faire avancer dans cette
aventure combien prilleuse. Je ne pense pas avoir t des plus agrables durant ces
sept annes de travail et je tiens redire quel point nos changes ont t importants
pour moi dans la construction de mes recherches. Je rajouterai la motion habituelle,
selon laquelle les qualits de cette thse peuvent tre portes leur crdit, tandis que
les dfauts sont porter mon dbit. Je remercie galement M. Franois Legendre, M.
Herv Leleu, M. Daniel Szpiro et M. Franois-Charles Wol davoir accept de lire mon
travail et de participer au jury de ma soutenance de thse.
Ces annes de thse nauraient pas t les mmes sans les occupants du SH1. Les repas,
les pauses caf, les pauses goter, les apritifs forgent la thse mais, surtout, la rendent
plus soutenable, dans les deux sens du terme. ce titre, je souhaite remercier lensemble
des collgues avec qui jai pass dexcellents moments, en particulier Suzy pour sa bonne
humeur absolument intarissable, Aurlien pour son caf si caractristique, Benjamin
pour nos escapades en colloques, Clment pour nos nombreuses discussions de geek,
Jean pour nos longues discussions sur la SNCF et Clment, Ilona et Leslie pour les
franches dconnades du bureau 13C.

Certaines personnes de ce collectif ont jou un rle tout particulier pour cette thse.
Je pense tout dabord Irne qui ma permis de me rendre compte que linformatique
pouvait servir autre chose que des calculs sur lecacit, tout en tant nanmoins
ecace. Concernant le quotidien de la recherche, lcriture de la thse, ou mme en
dehors du travail dans divers moments diciles, Irne aura t un soutien infaillible et
une amie inestimable.
Je pense galement Sylvain et nos longues discussions thoriques et mthodolo-

giques sur lconomie, les mathmatiques ou lconomtrie qui mont permis de toujours
remettre en cause ce que je pensais et forger mes ides actuelles. Je suis heureux, mais
surtout er, davoir pu partager ces annes de travail, mais pas que, avec Sylvain.
Lcriture de cette thse doit galement normment aux dirents relecteurs sur qui
jai pu compter. Cline, Guilain, Irne, Laura, Lee, Lorraine, Marine, Natasha, Phi-
lippe, Sylvain, je tiens vous remercier pour votre temps pass lire, traduire et
amliorer ce que jai crit. Merci notamment Marine qui, plus que moi-mme, aura eu
la gentillesse de lire et relire la thse dans son intgralit.
La thse naurait pas t soutenable sans certains cot. Pour se librer lesprit, jai
pu compter sur la joie de vivre et la bonne humeur de Adeline, Antoine, Axel, Estelle,
Ingrid, Laura, Lee, Pierre, Timothe et Yann. Les histoires fantastiques que nous avons
cres, construites et vcues ensemble ont soulag et ddramatis lcriture de cette thse.
Dans la mme optique, je souhaite remercier toute la faction du Lierre. Nos aventures
inimaginables auront ponctu chacune de ces annes de thse et vous avez su me faire
apprcier la ralit chaque n de nos rves. Toujours dans les loisirs, lassociation Ds
la Carte aura t un passage inoubliable de ces annes. ce titre, je souhaite remercier
Abel, Adrien, Alos, Clment, Fabien, Georey, Julien, Lucie, Nicolas, Rmi, Sophie,
Tristan et Yoann pour votre bonne humeur et votre implication dans cette aventure
collective qua t la gestion de lassociation.
Mme aprs plus de dix ans, certaines rencontres perdurent et se solidient encore
avec le temps. Jamais je naurais pu penser, au lyce, que jcrirai aujourdhui des
ii

remerciements de thse. Et, plus encore, jamais je naurais pu croire encore pouvoir
compter sur Emilie, Florent, Pauline, Quentin, Sylvain et Valrie. Durant cette thse
comme durant tant dvnements, ils ont rpondu prsent et je suis convaincu que je
pourrai dire cela encore pendant longtemps. De mme, je remercie Sophie pour mavoir
encourag dans mes tudes et dans mes recherches.
Pour mavoir pousser poursuivre mes tudes, pour mavoir aid logistiquement le
faire, pour avoir t prsent chaque sollicitation de ma part, et surtout pour mavoir
donn envie denseigner, je tiens remercier M. Grard Fagot.
Rien de tout cela, les tudes, lenvie de la thse, les hauts et les bas durant lcriture, rien
naurait t possible sans mes quatre parents. Gilles, Isabelle (a mest trs trange de
vous nommer comme cela pour la premire fois), Christelle et Philippe mont toujours
soutenu, mont toujours pouss aller l o je le voulais, sans mme savoir o cela allait
me mener. Ils mont fait conance et mont permis de me construire. Nous avons eu
des moments diciles, avant la thse ou durant celle-ci. Nous connaissant, je suis mme
convaincu quil y aura encore beaucoup de moments diciles dans le futur. Mais jespre
pouvoir toujours tre l et leur rendre, ne serait quun dixime de tout ce quils mont
donn sans mme y rchir.
Pour nir, Je tiens remercier Laura. Alors quelle aurait pu fuir ce champ de bataille
qutait mon humeur lors de lcriture, elle est reste. Sa patience, sa prsence incon-
ditionnelle au jour le jour dans ces moments peu agrables me touchent normment.
Pour cela et le reste, merci de me rendre heureux.
Et enn, je souhaite galement remercier Wookie. Sa prsence continue durant lcriture

de la thse, son insistance pour me faire comprendre quil y avait bien plus important
que lhtrognit ou que lecacit dans la vie et son insouciance auront t une bulle
doxygne permanente et salvatrice. Jespre quun jour elle sera capable de lire ces
lignes.
iii


Sommaire
Remerciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
Sommaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
Introduction gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Chapitre 1 Les quipes de travail . . . . . . . . . . . . . . . . . . . . 7
Chapitre 2 Lhtrognit dune quipe de travail . . . . 49
Chapitre 3 La mesure de lefficacit technique . . . . . . . . 95
Chapitre 4 Les liens entre lhtrognit et lefficacit

technique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Conclusion gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
Annexe A Illustrations complmentaires . . . . . . . . . . . . . . . . . . . . . 235
Annexe B Analyse lexicomtrique des termes diver-

sit et htrognit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259

Annexe C Aire partage et intensit de la concurrence

subie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
Glossaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
Liste des illustrations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
Table des matires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
vi

Introduction gnrale
Le travail en quipe est une forme courante dorganisation du travail. On retrouve des
quipes de travail tous les niveaux de responsabilit dune organisation : des quipes
oprationnelles charges de la production dun bien en particulier aux quipes de di-
rection charges du pilotage stratgique de lensemble de lorganisation. Les vertus du
travail en quipe sont rgulirement avances : les synergies entre les individus condui-
raient un rsultat dirent du travail individualis de chacun ; le partage des tches,
des responsabilits, voire de la rmunration inciterait leort. Selon les situations, le
travail en quipe permettrait une plus forte ecacit technique que le travail individuel,
dans la mesure o lquipe arriverait un plus haut niveau de production que celui
atteignable par les individus sils travaillaient seuls.
Lorsquun processus de production repose sur plusieurs acteurs, comme cest le cas avec
le travail en quipe, il est ncessaire danticiper lexistence dune htrognit, tant au
niveau des caractristiques personnelles (ge, genre, personnalit) quorganisationnelles
(comptences, expriences, diplmes). Selon lquipe, le niveau de cette htrognit
peut direr, entre une quipe parfaitement homogne, cest--dire o les membres ont
tous un mme prol, et une quipe trs htrogne, o les prols sont tous dirents.
Si le travail dquipe est aect par cette htrognit, on peut penser que lecacit
technique de lquipe serait partiellement lie lhtrognit de cette quipe.
Cest sur cette interrogation que commence ce travail de thse. Nous nous demandons
quel est le lien entre lhtrognit de lquipe de travail et son ecacit. Ce lien

Introduction gnrale
existe-t-il ? Est-il toujours positif, ou toujours ngatif, ou dpend-il de certains facteurs

que lon pourrait identier ? Telles sont les quelques questions qui sont la base de la
rexion mene dans cette thse.
La littrature scientique nous suggre que ce lien existe. Plusieurs disciplines des
sciences humaines et sociales traitent de cette question et discutent dun tel lien. En
conomie (entre autres : Marschak et Radner 1972 ; Lazear et Rosen 1981 ; Holmstrom
1982 ; Hamilton et al. 2003 ; Battaglini 2006), en gestion (entre autres : Hackman et
Morris 1975 ; Murray 1989 ; Mohammed 2003 ; Perry-Smith et Shalley 2014) et en
psychosociologie (entre autres : Steiner 1972 ; Schmitt et Lappin 1980 ; Tziner 1985
; Tajfel et Turner 1986 ; Wageman 1997 ; Wegge et al. 2008 ; Adair et al. 2013), de
nombreux auteurs en arrivent la mme conclusion : lhtrognit dune quipe agit
sur le processus de production et donc sur lecacit technique de cette quipe.
Si lexistence dun lien est tablie et peu conteste, la nature, le sens et lintensit de
ce lien est par contre toujours le sujet de nombreux travaux de recherche jusqu trs
rcemment (Tillou et Liarte 2012 ; Adair et al. 2013 ; Kahane et al. 2013 ; Nielsen
et Nielsen 2013 ; Richard et al. 2013 ; Loureno et al. 2014 ; Martin et Good 2014 ;
Boehm et Kunze 2015 ; Sastre 2015), et il est dicile de les faire converger vers une
rponse unique ou, du moins, vers un cadre danalyse unique. ce titre, deux thories
sont trs rgulirement mobilises. Selon la premire, la thorie de lattraction pour
la similarit (Byrne 1971 ; Tziner 1985 ; Tajfel et Turner 1986), lhtrognit serait
nfaste lecacit technique dune quipe de travail (Tajfel et Turner 1979 ; Tziner 1985
; Tajfel et Turner 1986 ; Zenger et Lawrence 1989). De nombreux travaux empiriques
rcents valident cette thorie (Bowers et al. 2000 ; Webber et Donahue 2001 ; Ensley
et al. 2002 ; Martin et Good 2014). Dans le mme temps, selon la deuxime thorie,
la thorie de la diversit des ressources cognitives (Cox et Blake 1991 ; Jehn 1995 ;
Horwitz 2005), lhtrognit, sous certaines conditions, serait bnque lecacit
technique de lquipe de travail. Des travaux empiriques tout aussi rcents appuient cette

deuxime thorie (rcemment : Bear et Woolley 2011 ; Tillou et Liarte 2012 ; Somech
et Drach-Zahavy 2013 ; Kahane et al. 2013 ; Nielsen et Nielsen 2013).
Les travaux empiriques cits prcdemment se basent des matriaux dune grande varit
donnes dentreprise (Abowd et al. 2005 ; Hamilton et al. 2003), donnes sportives
(Torre-Ruiz et al. 2011 ; Tillou et Liarte 2012) ou donnes exprimentales (Wageman
1997 ; Shearer 2004 ; Jabs 2011) et il est souvent dicile de comparer ces matriaux
et de synthtiser les rsultats obtenus. Des mta-analyses ont dailleurs t proposes
(Bowers et al. 2000 ; Webber et Donahue 2001) dans lespoir de synthtiser statistique-
ment lensemble de ces travaux empiriques, sans que ces nouvelles analyses naient pu
apporter de conclusion dnitive. La littrature soure donc dun manque de consensus
sur la question du lien entre lhtrognit et lecacit technique, constat partag
notamment rcemment par Harrison et Klein (2007) qui regrettent le fait qu il [soit]
dicile de synthtiser [cette littrature] en partie car les preuves robustes et les indices
cumulatifs nont pas merg, mais aussi simplement car la littrature sur la diversit est
elle-mme tellement diverse (Harrison et Klein 2007, p. 1200, notre traduction).
Nous proposons ds lors de mener ce travail de synthse. Nous souhaitons apporter des
lments de comprhension des liens unissant lhtrognit et lecacit technique
dune quipe de travail en deux temps, qui formeront les deux mouvements de la thse.
Dans le premier mouvement (chapitre 1 et 2), nous proposerons un cadre thorique

danalyse des liens qui unissent lhtrognit des quipes de travail leur ecacit
technique.
Le premier chapitre reviendra sur la dnition dune quipe de travail. Nous y prsen-
terons dirents travaux relatifs la dnition de lquipe et de lquipe ecace. Cette
revue de cette littrature nous permettra ainsi dnoncer les dirents critres qui per-
mettent de dnir ce quest une quipe de travail. Elle nous permettra galement de
mettre en lumire les dirences pouvant exister entre celles-ci, et ainsi proposer une

Introduction gnrale
typologie avec quatre types dquipe : les quipes oprationnelles, les quipes de projet,
les quipes managriales et les quipes dirigeantes.
Dans le chapitre 2, nous dnirons lhtrognit dune quipe de travail. nouveau,

nous synthtiserons les apports de la littrature sur les liens entre lhtrognit et
lecacit technique et sur les classications de lhtrognit. Cette synthse nous
permettra de dnir trois hypothses de travail qui forment notre cadre thorique. La
premire hypothse nonce que lhtrognit se compose de deux dimensions : une
dimension fonctionnelle et une dimension psychosociale. Cette dcomposition en deux
dimensions renvoie en partie ce que de nombreux auteurs voquent en distinguant
lhtrognit lie la tche de lhtrognit non lie la tche (Pelled 1996 ; Jehn
1995 ; Jehn et al. 1999), mais elle ne se rduit pas cette simple distinction. La deuxime
hypothse nonce que leet sur lecacit technique dpend en partie du niveau de lh-
trognit. Pour un faible niveau dhtrognit, leet de la dimension fonctionnelle
est dominant et leet global sur lecacit technique est positif. linverse, pour un
fort niveau dhtrognit, leet de la dimension psychosociale est dominant et leet
global sur lecacit technique est ngatif. La troisime et dernire hypothse nonce
que la dimension psychosociale est un modrateur de leet de la dimension fonctionnelle
de lhtrognit. Ces trois hypothses forment un cadre thorique que nous testerons
par la suite.
Commence alors le deuxime mouvement de la thse (chapitres 3 et 4), dont lobjectif

est de confronter le cadre thorique une tude empirique. Cette tude est base sur
les donnes dune enseigne franaise de grande distribution. Il est important de noter
ds prsent que lenseigne na pratiqu aucune politique de gestion particulire de
lhtrognit de ses quipes et que notre tude ne provient pas dune dmarche engage
de leur part. Ainsi, les rsultats que nous obtenons ne sont pas inuencs par une action
en faveur ou en dfaveur de lhtrognit. Nous travaillerons essentiellement partir
des donnes sur les quipes de managers de vente de cette enseigne.

Le troisime chapitre aborde la mesure de lecacit technique. Nous expliquerons en

quoi consiste une mesure de lecacit technique et nous prsenterons deux mthodes de
mesure de celle-ci : la mthode denveloppement de donnes et lestimation dune fonc-
tion de production CES (Constant Elasticity Substitution). Nous appliquerons ensuite
empiriquement ces mthodes an dobtenir une mesure globale de lecacit technique
robuste lutilisation des deux mthodes.
Le quatrime et dernier chapitre poursuit ltude empirique du troisime chapitre. Nous

prsenterons concrtement ce quest une quipe de travail htrogne. Nous identie-
rons notamment plusieurs formes de lhtrognit, selon que les dirences portent
sur lge, le genre, le diplme ou les comptences. Ces formes de lhtrognit seront
relies conomtriquement lecacit technique, de sorte tester les hypothses non-
ces dans le chapitre 2. Nous testerons si lhtrognit des niveaux de comptences,
des niveaux de diplme, dge et de genre augmentent ou diminuent lecacit tech-
nique de lquipe. Nous analyserons galement les interactions pouvant exister entre les
eets de ces formes de lhtrognit. Ce dernier chapitre conclura par une application
numrique des rsultats de la thse, de sorte souligner lintrt de la prise en compte
de lhtrognit dans les quipes de travail. Il sagira de comprendre quel pourrait
tre limpact conomique dune rorganisation massive des quipes de travail actuelles
optimisant les niveaux dhtrognit.
Deux objectifs seront poursuivis conjointement tout au long des quatre chapitres. Dune
part, nous chercherons tester empiriquement le cadre thorique que nous noncerons,
an de contribuer la littrature sur ce sujet. Dautre part, nous noncerons direntes
recommandations de politique de gestion des ressources humaines partir de nos rsul-
tats. Ces recommandations permettront de mieux prendre en compte lhomognit et
lhtrognit, sous toutes ses formes, dans les quipes de travail.
Pour atteindre ces objectifs, nous prsenterons un grand nombre doutils quantitatifs
tout au long de la thse. Ces outils concernent la statistique et lconomtrie, la lexi-

Introduction gnrale
comtrie, la simulation de donnes informatiques ou encore lextraction de donnes sur

internet. Nous prendrons le soin de prsenter chaque fois ces outils lors de leur utili-
sation et de montrer en quoi ils sont rutilisables pour dautres sujets de recherche.
La thse est dcoupe en quatre chapitres. Trois annexes sont galement prsentes an de
clarier certains points mthodologiques et an dinclure des rsultats complmentaires
qui sont utiles la dmonstration, mais qui peuvent gner la lecture du corps de la
thse. Enn, un glossaire est disponible page 303 an de lister les dnitions des notions
essentielles abordes tout au long de notre travail.

Chapitre 1
Les quipes de travail
Introduction
Quest-ce quune quipe de travail ? Avant de pouvoir traiter de lhtrognit dune

quipe de travail, il nous faut dnir ce quest une quipe de travail et cette dnition
ne peut se rsumer en une phrase. Par exemple, les employs dune chane de montage
forment-ils une quipe de travail ? Un groupe dtudiants travaillant sur un mmoire de
recherche ? Des employs chargs ensemble dun projet damlioration de la qualit de
la production ? Les membres dun comit de pilotage dune entreprise ? Lensemble des
commerciaux dune entreprise ? Un groupe de rexion dun syndicat ?
Comme on peut sen rendre compte au terme de cette courte numration, une quipe
de travail peut tre beaucoup de choses. Nous devons donc dlimiter les frontires de
cette notion et distinguer les quipes de travail des autres groupes dindividus. De plus,
dans le cas hypothtique o tous ces exemples concerneraient des quipes de travail,
on peut avoir ds prsent lintuition que ces quipes ne pourraient tre tudies de la
mme manire : le fonctionnement dun groupe de projet ne semble pas, intuitivement,
identique celui dun comit de direction. Ainsi, tudier les quipes de travail comme
un seul bloc homogne ne semble pas opportun. Partant de ce constat, un travail de
dnition et de classication des quipes de travail est ncessaire.

Chapitre 1 Les quipes de travail
Pour dnir lquipe de travail, nous ralisons une revue de la littrature en conomie
et gestion sur environ 40 ans. De nombreux auteurs ont travaill sur cette question et
ont propos des dnitions, des catgories, des critres dexistence ou des typologies.
Une trs grande diversit existe entre ces travaux thoriques, empiriques et exprimen-
taux. La manire dapprhender lquipe est dirente selon la discipline : les travaux
dconomie portent rgulirement sur la formalisation dun contrat optimal dincitation
leort, ceux de management portent principalement sur loutput de lquipe (ecacit
productive, satisfaction du client, innovation, retour sur investissement), tandis que ceux
de psychosociologie sintressent son processus de fonctionnement (cohsion, turnover,
communication).
De plus, les travaux en conomie (Marschak et Radner 1972 ; Lazear 1976 ; Lazear et
Rosen 1981 ; Lazear 2004 ; Holmstrom 1982 ; Franceschelli et al. 2010, entre autres) et
en gestion (Hackman et Morris 1975 ; Hackman 1987 ; Jehn 1995 ; Jehn et al. 1999, entre
autres) dialoguent peu entre eux. Mme en travaillant sur un mme objet, les auteurs ne
se rpondent que rarement. Nous essayerons donc dans ce chapitre la fois de rsumer
les travaux des auteurs reconnus sur ce thme et de promouvoir ce dialogue trop peu
prsent entre ces disciplines. Pour cela, nous eectuerons un travail de synthse des
dnitions et typologies existantes, en reprenant ce qui fait consensus et en explicitant
les dirences.
Les travaux choisis ont une particularit importante noter : ils dnissent et sinter-
rogent sur la notion dquipe de travail partir de lecacit de lquipe. Leurs questions
sont : quest-ce quune quipe de travail ecace ou inecace ? Nous utilisons ici ces re-
cherches an de construire notre dnition de lquipe de travail, car nous allons,
terme, traiter de son ecacit technique 1 . Ainsi, utiliser des recherches ayant comme
1. Farrell (1957, p. 259) dfinit lefficacit conomique dune organisation comme la runion de deux
efficacits : lefficacit technique et lefficacit allocative. Lefficacit technique, propose initialement par
Debreu (1951) et Koopmans (1951), reprsente la capacit pour une organisation datteindre un haut
niveau doutputs avec un faible niveau dinputs. Une organisation, ou une quipe, est dite techniquement
efficace si elle ne peut plus rduire son niveau dinputs et conserver inchang son niveau doutputs, ou si
elle ne peut plus augmenter son niveau doutputs en gardant inchang son niveau dinput (Pareto 1906

Introduction
appui lecacit de lquipe permettra de faire plus aisment le lien avec la suite de
notre travail.
Deux objectifs sont poursuivis dans ce premier chapitre. Le premier objectif est de dnir
ce quest une quipe de travail. Pour cela, et du fait de leur inuence dans leur discipline
respective, nous prsentons et dtaillons les travaux de Jacob Marschak, Roy Radner et
Richard Hackman. Tous trois proposent une dnition dtaille de lquipe de travail,
soit par un travail de synthse de la littrature, soit par un travail de formalisation
et de conceptualisation. Leurs travaux sont la base dune large littrature que nous
prsenterons galement brivement. Une fois ces travaux dtaills, nous procderons
une synthse avec six critres lexistence dune organisation du travail, lexistence
dune production commune lquipe, lexistence dun lien entre les eorts individuels
et la production commune, lexistence dinteractions entre les membres de lquipe, la
ncessit dune dlibration commune, la complexit de la tche demande lquipe
permettant de passer progressivement dun groupe dindividus ce que nous nommerons
une quipe de travail pour la suite de la thse. Ces six critres sont bass sur la littrature
et permettront dobtenir une dnition de lquipe de travail. Ce premier objectif sera
trait dans la section 1.
Le deuxime objectif est de distinguer les quipes de travail entre elles. Nous partons
du constat que la dnition obtenue ne permet pas encore de travailler sur lhtrog-
nit de lquipe : les six critres laissent une dnition large de lquipe et ne rglent
pas la question des spcicits de certaines dentre elles. Les quipes de travail ne sont
pas toutes identiques et leurs dirences dobjet et de fonctionnement ncessitent dtre
prises en compte an de pouvoir les analyser convenablement. Pour traiter cet objec-
tif, nous reprenons nouveau la littrature, cette fois-ci en dtaillant trois typologies
; Koopmans 1951). Lefficacit allocative (ou efficacit prix) reprsente la capacit de lorganisation
choisir un panier adquat dinputs, par rapport aux prix de ceux-ci. Notamment, dans la dmonstration
de Farrell (1957), pour un nombre important de choix dinputs et doutputs techniquement efficaces,
seuls certains peuvent tre allocativement efficaces. Nous nous focalisons dans le cadre de cette thse
sur lefficacit technique qui est lobjectif prioritairement suivi dans la littrature (Gathon et Pestieau
1996, p. 1229) et qui correspond lanalyse empirique que nous mnerons par la suite.

dquipes de travail proposes par Hackman (1987), Arrow et McGrath (1995) et Co-
hen et Bailey (1997). Nous tudierons les ressemblances et dirences entre ces trois
typologies pour proposer ensuite, comme synthse, notre propre typologie des quipes
de travail. Nous distinguerons ainsi quatre types dquipe de travail : les quipes op-
rationnelles, les quipes de projet, les quipes managriales et les quipes dirigeantes
avec, pour chacune, leurs spcicits en termes de fonctionnement. De plus, nous iden-
tierons neuf axes de distinction entres autres, la dure de vie de lquipe, le niveau
de spcialisation des tches, la hirarchie interne et externe permettant dtudier ces
quatre types dquipe de travail. Ce deuxime objectif sera trait dans la section 2 du
chapitre.
Section I Dfinition dune quipe de travail
Il est complexe de proposer une dnition unique de lquipe de travail. En eet, les
travaux sur cette notion sont nombreux et de disciplines diverses et ils se basent sur
des postulats dirents. Lquipe de travail peut se dnir par rapport aux individus
qui la composent, linstitution dont elle mane, ses objectifs ou aux comptences de
ses membres. Nous proposons pour cette section de nous appuyer sur dirents auteurs
ayant travaill sur cette notion et ayant propos un cadre analytique reconnu comme
pertinent. Ces auteurs ne sont pas toujours daccord sur certains points, aussi nous
prsenterons leurs travaux de la manire la plus exhaustive possible tout en pointant les
divergences.
Une fois les thories et cadres analytiques des auteurs exposs, nous proposons une
synthse de ces travaux en six critres cumulatifs permettant de passer dun simple
regroupement dindividus une quipe de travail. Ces critres, emprunts aux direntes
thories prsentes, permettront de mieux cadrer la dnition dune quipe de travail.
Lorsque des nuances existent entre les auteurs, nous retiendrons lun ou lautre des
critres, sur la base dautres travaux de recherche.
10

Section I Dnition dune quipe de travail
Deux principaux travaux sont utiliss dans cette section : Economic Theory of Teams
(publi en 1972) des conomistes amricains Jacob Marschak et Roy Radner et The
design of work teams (publi en 1987 dans le livre Handbook of organizational beha-
vior ) de Richard Hackman, psychologue des organisations amricain. En outre, nous
mobilisons dautres auteurs ayant contribu la dnition de la notion dquipe de tra-
vail par leurs travaux de recherche. Comme prcis en introduction, les auteurs prsents
ici sintressent lquipe de travail pour dterminer son ecacit. Cest partir de leur
dnition de lquipe de travail ecace que nous dterminerons la dnition de lquipe
de travail.
I.1 Apports de la littrature
I.1.1 Marschak, Radner et la thorie conomique de lquipe
Louvrage de Jacob Marschak 2 et Roy Radner 3 intitul Economic Theory of Teams

synthtise leurs travaux de recherche sur la prise en compte de lquipe dans la thorie
conomique. Cet ouvrage, trs mathmatis, dtaille et rsout certains problmes de
la thorique conomique auxquels doit faire face une quipe de travail (entre autres :
passager clandestin, incitation leort, eorts non observables et collectifs). Dans la
premire partie de louvrage, lquipe est dnie de manire trs rduite : un seul in-
dividu en contrat avec un employeur. Cette partie sert poser les bases de dnitions,
dhypothses autour dun agent rationnel en situation dincertitude. Dans une optique
principal-agent (lagent est le seul connaitre ses aptitudes et son niveau deort, le
principal tant charg de dnir le contrat de travail), Marschak et Radner prsentent
2. Jacob Marschak (1898-1977) est un conomiste amricano-russe, ancien directeur de recherche

la fondation Cowles de la recherche en conomie, fondation dont lobjet est dencourager les recherches,
en conomie quantitative, fondes sur le dveloppement et lapplication de mthodes danalyses ri-
goureuses sur le plan logique, mathmatique et statistique (selon leur propre prsentation traduite
par nos soins, source : http ://cowles.econ.yale.edu/). Jacob Marschak est principalement reconnu pour
ces travaux en conomtrie (Marschak et Andrews 1944 ; Marschak 1950) et il a galement contribu,
partir de 1952, la thorie des quipes et des organisations (Marschak 1954, 1974).
3. Roy Radner (1927-) est un conomiste amricain, associ de lAmerican Economic Association
et de lAmerican Association for the Advancement of Science. Ses travaux en micro-conomie portent
principalement sur lquilibre concurrentiel (Radner 1968, 1972) et sur lincitation leffort (Radner
1962, 1981).
11

les dirents mcanismes luvre dans la prise de dcision du principal et de lagent.

La deuxime partie de louvrage traite de lquipe en supposant plusieurs membres. Il
est alors question deorts collectifs, observables ou non observables, et de mcanismes
dincitation. La troisime partie gnralise lanalyse de lquipe celle dune organisation
pour dterminer lquipe optimale selon les contraintes de la rme.
Marschak et Radner (1972) dnissent lquipe de travail au dbut de leur ouvrage :
We define an organization as a group of persons whose actions (decisions)

agree with certain rules that further their common interests. We define a team
as an organization the members of which have only common interests.
(Marschak et Radner 1972, p. 9)
Cette dnition de lquipe renvoie une association dindividus avec des intrts com-
muns. Le terme dassociation dindividus est volontairement large dans la mesure
o Marschak et Radner traitent dquipes de un une innit de membres. Lindividu,
selon Marschak et Radner, respecte les critres de lhomo conomicus, cest--dire quil
sait hirarchiser ses prfrences, il maximise son utilit espre dans toutes ses actions
et est goste. Lorsquils sont plusieurs, les individus dcident de leurs actions (indivi-
duelles toujours) selon leur utilit espre, partir dun tat du monde donn. Dans la
mesure o leurs intrts sont communs, les auteurs parlent dutilit commune lquipe.
Le fait de traiter les individus comme ayant des intrts communs permet notamment
de simplier lanalyse de lquipe, en distinguant celle-ci de lorganisation, plus vaste et
avec des intrts potentiellement divergents :
The assumption of identical interests of its members makes the team simpler
than a general organization. However, the team problem is sufficiently com-
plex to justify our attacking it separately, instead of introducing at once the
additional difficulty of conflicting interests.
(Marschak et Radner 1972, p. 124)
12

Chaque individu de lquipe partage donc les mmes intrts que les autres membres de
lquipe, et contribue une production commune. Le problme de lquipe , comme
le nomment Marschak et Radner, tient principalement la structure de linformation.
En eet, si linformation est complte dans le cas dun individu unique dans lquipe,
des dirences dinformations existent dans le cadre dune quipe de plusieurs individus.
Marschak et Radner prcisent que, si tous les membres de lquipe ont tous le niveau
dinformation ncessaire leur prise de dcision, loptimum de premier ordre de lquipe
est le mme que celui dun individu seul (p. 128). Le problme apparait alors lorsque le
niveau dinformation dire selon les individus.
Sous hypothse dune dirence dinformations initiales sur lquipe et ses membres et
dun cot de circulation de linformation, Marschak et Radner mettent en place leur ana-
lyse conomique de lquipe. Sans rentrer dans la formalisation mathmatique propose
dans louvrage, voici un exemple daction pour les individus et de problme dquipe :
la spcialisation de laction et de linformation. Les membres de lquipe peuvent choisir
de se spcialiser sur chaque portion dun dcoupage de la tche demande lquipe.
Dans ce cas, les membres de lquipe, sans besoin de communication, agissent chacun
pour le bien collectif (la production de lquipe). Au contraire, ils peuvent dcider de
chacun participer lensemble de la production commune par leur action, linformation
tant alors partage entre les membres de lquipe 4 .
La suite de louvrage porte sur une rsolution logico-mathmatique des dirents pro-
blmes de lquipe, toujours centrs autour de la coordination dactions et du partage
dinformations. Pour Marschak et Radner, une quipe de travail est donc un groupe-
ment dindividus (allant de 1 linni) ayant un intrt commun dans une production
commune. Ds lors que linformation nest pas parfaite, des problmes existent autour
4. Un cas simplifi, avec seulement deux vendeurs et deux types de production, est prsent page
132 142 : Marschak et Radner prsentent 5 cas possibles, de la simple spcialisation de chacun la
ralisation de chaque partie de la production par tous. Avec les cots de chaque action et de chaque
information, il est alors possible, pour un employeur, de dfinir la configuration optimale de travail. La
situation optimale pour une quipe, selon Marschak et Radner, implique une situation optimale pour
chacun de ses membres (linverse ntant pas ncessairement vrai).
13

de sa circulation et de la coordination des membres de lquipe, sous la responsabilit

dun employeur qui xe les termes des contrats individuels et essaye dobtenir un eort
optimal des membres de cette quipe.
Dans la ligne des travaux de Marschak et Radner, une importante littrature sur la
thmatique du travail en quipe sinscrit dans le cadre de la thorie des incitations et des
contrats. En 1982, Holmstrom traite de lala moral sous langle de lquipe : son postulat
est que lquipe est ncessaire si la tche ncessite une interdpendance deort dans
le cas contraire, il est prfrable pour lemployeur de sparer la tche en plusieurs tches
ralisables individuellement , mais elle conduit des comportements stratgiques des
membres de lquipe quil faut anticiper par le contrat incitatif propos. Lazear (Lazear
et Rosen 1981 ; Lazear 2000a,b) travaille sur les contrats dincitations optimaux selon
linterdpendance des individus et leur niveau de comptences. Steiner (1972) prsente
les concepts de production thorique et production eective de lquipe : la production
thorique serait celle thoriquement atteignable daprs les inputs mis la disposition
de lquipe et lenvironnement de travail ; la production eective serait celle rellement
atteinte, et prendrait en compte les interactions dans lquipe comme des bnces ou
des pertes dans le processus de production. Kandel et Lazear (1992) proposent une
solution au risque de passager clandestin li au travail en quipe 5 par lintroduction
de sentiments de ert et de honte ( pride and shame ). Lide avance est
que les employs de lquipe fournissant un eort important, sans tre observs et donc
intresss pcuniairement par cet eort, retirent une ert de cet eort, ce qui revient
accrotre leur utilit. linverse, un faible eort peut conduire un sentiment de honte,
nfaste pour lutilit de lemploy. Cette solution rejoint celle du don contre don entre
5. Si la rmunration est collective et que leffort nest pas observable individuellement, la thorie
des jeux nonce quun membre de lquipe na aucun intrt, individuel, fournir un effort. Sil anticipe
que les autres membres de lquipe fourniront un effort, la rmunration collective sera haute sans quil
ait consentir un effort. Sil anticipe que les autres membres de lquipe ne fourniront pas effort,
la rmunration collective sera faible mme au prix dun effort haut. Dans les deux situations, le cot
individuel de leffort consenti excde lutilit lie la rmunration de lquipe et il est rationnel de ne
fournir quun faible effort.
14

employs et employeur rsume par Rotemberg (2006) 6 . Lensemble de ces travaux est
construit autour du modle conomique de lquipe prsent par Marschak et Radner.
I.1.2 Hackman et le modle de lquipe efficace
Richard Hackman (19402013) est un psychologue amricain spcialiste de lorganisation

du travail. Ses travaux portent sur lorganisation du travail en quipe, sur lhtrognit
des quipes et sur linuence des individus sur lquipe. Ses premiers travaux (entre 1970
et 1987) portent plus spciquement sur les critres de dnition dune quipe ecace,
cest--dire capable datteindre un haut niveau de productivit. Publi sur la forme
dun document de travail en 1983 puis dans le journal Handbook of organizational
behavior en 1987 , larticle The design of work teams propose une srie de critres
pour dnir lquipe et pour distinguer trois types dquipe entre eux.
Lobjectif du modle de Hackman est de combiner une description des quipes de travail
ecaces et inecaces partir de nombreux travaux empiriques et une vision
structure et gnrale de ce vers quoi doit tendre une quipe pour tre ecace. Hackman
se base sur des travaux de Alderfer en 1977 pour laborer son modle, ainsi que sur une
littrature abondante sur le sujet. Une quipe de travail, selon Hackman, est dnie
comme suit :
The normative model focuses exclusively on work groups in organizations.

This means that the model applies only to (1) real groups (that is, intact social
systems complete with boundaries and differentiated roles among members);
(2) groups that have one or more tasks to perform, resulting in deiscernible
and potentially measurable group products; and (3) groups that operate within
an organizational context.
(Hackman 1987, p. 322)
6. Pour un rsum complet des questions daltruisme et de rciprocit en thorie des contrats, voir
Putterman (2006, p. 14201426). Ces solutions reviennent essentiellement modifier la structure de la
fonction dutilit pour y intgrer une rmunration sociale (positive ou ngative) du comportement
de lindividu. Ainsi, en incluant ce type de paramtres dans la fonction dutilit, on obtient nouveau
des contrats optimaux au sens de la thorie des contrats et de la thorie des jeux.
15

Lquipe doit ainsi (1) tre une vraie quipe, reconnue comme telle, par elle-mme et par
les autres membres de lorganisation. Lquipe doit se voir elle-mme et tre vue par
les autres comme une entit sociale propre (Cohen et Bailey 1997, notre traduction).
Lquipe de travail est formalise dans lorganisation, pas ncessairement sous la forme
dune indication dans le contrat de travail des employs (notamment parce que lquipe
peut tre phmre et un employ peut changer dquipe sans changer de contrat de
travail), mais a minima sous la forme dune notication dans lenceinte de lorganisation
(planning dquipe, runion collective, nomenclature de lorganisation). Lemploy doit
savoir, tout moment, quil fait partie dune quipe et qui en sont ses membres. Hackman
le prcise nouveau en traitant des limites de lquipe :
If group members are to work interdependently on the task, it must be clear

who is a member and therefore shares responsability for group outcomes
and who is not. [...] And when there is ambiguity about group composition,
members often become frustated and performance can suffer. The group must
be able to say, at some point, "this is us" and proceed from there.
(Hackman 1987, p. 336)
Lquipe doit ensuite (2) avoir une ou plusieurs tches raliser en commun. La tche
est ralise par lquipe ds lors quelle ne peut tre eectue par un de ses membres de
manire isole (excluant ici le principe daide dun employ envers un autre). Hackman
explique galement que la tche peut tre formule oralement, par crit ou tre implicite,
mais elle doit exister :
Tasks can be given to a group orally, in written form, or even implicitly [...].
But it must be clear what the task is (or else it would be impossible to trace
its impact on the group). The model is not intended to apply to tasks that are
so vague and unclear as to be literally indescribable.
(Hackman 1983, p. 69)
16

Cette tche doit pouvoir tre value Elle doit donc reposer sur des objectifs clairs et
observables par le responsable de lquipe et par lquipe elle-mme. Sans que cette
valuation soit ncessairement quantitative, lquipe doit savoir si la tche sera value
selon une productivit horaire (le cas chant, avec le seuil atteindre), selon la qualit
de la production ou selon dautres critres.
Hackman prcise enn (3) que le contexte organisationnel doit suivre cette valuation.
Par exemple, pour permettre un investissement fort de lquipe, lvaluation de la tche
doit conduire une rmunration collective de lquipe, la fois si lquipe atteint les
objectifs prdnis et si elle atteint un niveau de performance suprieur aux attentes
du responsable. La rmunration de la tche, par son valuation collective, est lune
des cls, selon Hackman, de la motivation des employs dans lquipe. Ces objectifs,
valuations et rmunrations doivent tre bass sur lquipe et non sur lemploy, de
sorte promouvoir les synergies du travail dquipe et limiter les dissensions dans le
groupe (Hackman 1987, p. 325326).
Lquipe devient donc de travail ds lors quil existe une tche prescrite par lor-
ganisation. Nanmoins, si la tche est assigne une quipe, la manire de laccomplir
dpend des situations. La suite de la dnition de lquipe pour Hackman porte sur
la qualication dun travail dquipe ecace. Il sagit de savoir pourquoi et comment
une quipe est qualie decace dans son travail. Selon Hackman, un travail dquipe
ecace se dnit partir de trois critres : (1) un haut niveau deort collectif, (2)
lapplication de connaissances et comptences varies et (3) la mise en place de stra-
tgies de performance par lquipe. Selon les quipes et les organisations, un ou deux
de ces critres sont dterminants pour lecacit de lquipe. Chacun de ces trois cri-
tres ncessite des choix dirents dans la constitution de lquipe, dans lenvironnement
de travail ncessaire lquipe et dans les synergies espres. Nous dtaillons les trois
critres ci-dessous.
17

Pour atteindre un haut niveau deort (1), la tche demande lquipe doit tre moti-
vante et accessible. Laccessibilit a ici deux sens : ni trop simple, ni trop complexe. Une
tche trop simple ne sera pas motivante, une tche trop complexe dmotivera galement.
De plus, cette tche doit tre value prcisment, rgulirement et des rsultats inter-
mdiaires doivent tre communiqus lquipe an quelle puisse sadapter. Concernant
lenvironnement de travail, un systme de rmunration adquat cest--dire collectif,
permettant un challenge dans lquipe et rcompensant rellement les eorts importants
(p. 325) doit tre mis en place. Les synergies espres ici sont une diminution des
pertes de temps lies lquipe mise en place de communication structure, standar-
disation de la rsolution des conits internes et la promotion de solutions nouvelles
proposes par lquipe elle-mme. Le travail dquipe a alors un intrt sil permet de
trouver des possibilits datteindre un haut niveau deort collectif sans mme limpul-
sion du responsable dquipe.
La diusion de connaissances et de comptences (2) requiert un nombre susant de

membres dans lquipe 7 avec un panel consquent de comptences. Le responsable de
lquipe doit ainsi concevoir son quipe de travail en veillant disposer des comptences
ncessaires en nature et en niveau pour la ralisation de la tche. Concernant
lenvironnement de travail, un systme de formation (Hackman 1987, p. 328) favorise
les transferts et lapprentissage de connaissances et de comptences dans lquipe et dans
lorganisation. Les synergies espres ici concernent la prise en compte au maximum des
contributions de chacun la production collective. An que puissent sexprimer les
connaissances et les comptences de chacun, il est ncessaire que lquipe jouisse dune
cohsion susante. Ainsi, chaque membre peut apporter sa contribution lquipe.
Enn, pour permettre la mise en place de stratgie de performance (3), lquipe doit tre
en mesure de dbattre de direntes stratgies possibles et de sorganiser en interne pour
choisir et suivre une stratgie. Les membres de lquipe doivent donc tre informs de ce
7. Hackman prcise sur ce point que lquipe doit comprendre exactement le nombre de membres n-
cessaire son fonctionnement. Trop de membres, en raison des problmes de coordinations, viendraient
rduire la qualit et lefficacit de la production (p. 327).
18

que lon attend deux une recherche active de solutions et de stratgies et lquipe
doit tre structure de sorte quune stratgie collective merge. Concernant lenviron-
nement de travail, dirents indicateurs de performance et davancement doivent tre
fournis lquipe, an quelle puisse jauger de la pertinence de la stratgie choisie et des
alternatives. Un cadre de responsabilit et dautonomie permet galement lquipe de
mettre en place sa stratgie. Les synergies espres ici sont une capacit de ractivit
et de remise en question de la part des membres de lquipe. En eet, si la stratgie
choisie savre dfaillante, lquipe doit tre capable de ragir promptement pour en
changer. Les capacits cratives et dapprentissage des membres de lquipe sont donc
importantes ici.
Pour rsumer les travaux de Richard Hackman, une quipe nest pas le simple rassemble-
ment dindividus travaillant ensemble. Au contraire, elle existe dans un environnement
de travail dni, avec des rles particuliers et dans un contexte organisationnel donn.
Lquipe est dnie par un responsable qui xe les objectifs et les responsabilits et
qui la compose, en veillant faire concider les besoins pour la tche raliser et les
comptences et connaissances des membres. Selon les objectifs de lquipe (haut niveau
deort, circulation des comptences et connaissances ou mise en place de stratgies de
performance), Hackman prconise galement certaines dmarches et rgles an dobtenir
une quipe de travail la plus ecace possible.
Dans la ligne des travaux de Richard Hackman, on trouve une importante littrature
en management et psychosociologie, reprenant les problmatiques de synergies ou de
circulations des comptences et connaissances. Jehn (Jehn 1995 ; Jehn et al. 1999) traite
des conits inhrents lquipe. Ces conits existent ds lors quil existe des dirences
entre les membres de lquipe. La connaissance de la nature de ces dirences permet
danticiper la nature du conit et de connaitre son eet sur le fonctionnement de lquipe
(cohsion, communication, performance productive). Harrison et al. (1998) et Zenger
et Lawrence (1989) voquent les problmes de communication et de cohsion au sein
des quipes. Les synergies espres pour lecacit dune quipe seraient conditionnes
19

par la structure interne de lquipe et sa gestion managriale. Cohen et Bailey (1997)

travaillent galement sur une typologie dquipes et reprennent les travaux de Hackman
pour les complter par des travaux empiriques plus rcents. Certains de ces travaux
seront exploits durant le chapitre 2 pour traiter de lhtrognit dune quipe de
travail.
I.2 Critres de dfinition dune quipe de travail
Les travaux de Jacob Marschak, Roy Radner et Richard Hackman permettent de cir-
conscrire ce que nous entendons par quipe de travail. Aprs eux, de nombreux auteurs
ont travaill sur la notion dquipe de travail en conomie, gestion et psychosociologie, en
reprenant un grand nombre des critres noncs prcdemment. Nous proposons ici une
synthse des travaux de Jacob Marschak, Roy Radner et Richard Hackman, complts
par dautres auteurs plus contemporains, sur ce quest et ce que nest pas une
quipe de travail. Aprs une justication du choix lexical du terme quipe , nous par-
tons dune dnition la plus large possible : une quipe est un groupe dindividus. Nous
nonons ensuite des critres successifs pour carter progressivement certains groupes
et pour conserver ce qui constitue, notre sens, une quipe de travail. Chaque critre
intgre et approfondit les critres prcdents.
I.2.1 Choix entre les termes quipe et groupe
Le terme quipe nest pas le seul terme disponible pour traiter dun groupement
de personnes travaillant ensemble . Dans la littrature, les deux termes quipe et
groupe sont ainsi frquemment et alternativement utiliss dans le cadre du travail.
Certains auteurs ont toutefois pris position sur la terminologie employer. Nous avons
jusqualors principalement utilis le terme quipe et nous justions ce choix ici.
Tout dabord, certains auteurs considrent que les deux termes correspondent au mme
concept et quils peuvent tre utiliss indiremment. Parmi eux, Webber et Donahue
(2001) considrent que les deux termes portent en ralit la mme dnition, se rfrant
20

une collection dindividus interdpendants, partageant la responsabilit de la pro-

duction et tant vus comme une entit sociale propre (ibid, p. 143, notre traduction).
linverse, Cohen et Bailey (1997) expliquent que lusage des deux termes dpend de
la littrature utilise, mme sils considrent que cette rgle nest pas partage par tous
les chercheurs :
We use the words "team" and "group" interchangeably in this paper, although
we more frequently use the term "team". The popular management literature
has tended to use the term "team", for example, empowered teams, quality im-
provement teams, and team effectiveness. The academic literature has tended
to use the word "group", for example, group cohesion, group dynamics, and
group effectiveness. Groups vary in their degree of "groupness", with some
groups being more interdependent and integrated than others.[...] This con-
vention is not yet widely shared and, thus, we do not differentiate in our use of
these terms.
(Cohen et Bailey 1997)
La littrature managriale utiliserait le terme quipe quand la littrature acadmique

serait davantage axe sur le terme groupe 8 . Il sagirait dune dirence dhabitude
selon les disciplines et non dune dirence de dnition.
Au contraire, Neuman et Wright (1999) expliquent que la distinction groupe et

quipe porte sur le degr dinterdpendance entre les membres du groupe ou de
lquipe. Lorsque les interactions sont fortes, lorsquune coordination entre des connais-
sances et comptences spciques est ncessaire (ibid, p. 377), on est face une quipe et
non face un groupe. Lquipe serait alors un groupe o les interactions sont plus fortes
et o le lien avec la tche serait plus arm. Cette dnition rejoint celle propose par
Marschak et Radner (1972) et Hackman (1987) o lquipe existe par les synergies, par
8. Concernant la littrature acadmique, largument est confirm par les donnes de la base de
donnes Web of Science : environ 40 000 documents scientifiques contiennent le terme team dans
leur sujet, contre prs de 400 000 pour le terme group (donnes de janvier 2014).
21

linteraction entre ses membres et par lexistence dune organisation du travail. Ainsi,
nous choisissons le terme quipe de travail pour la suite de la thse, renvoyant celui
de groupe des regroupements plus informels dindividus moins ou non lis une
tche collective.
I.2.2 Critre 1 : Existence dune organisation
Lquipe de travail se dnit dans un environnement de travail. Pour reprendre la di-

chotomie prsente par Blanchet et Trognon (2008), nous faisons rfrence une quipe
de travail, et non un collectif de travail qui est constitu librement par ses membres et
est connu on non de la direction de lorganisation. Une organisation doit prexister la
cration dune quipe de travail et cette dernire fait partie de lorganisation. Hackman
(1987) voque ce point en parlant de vraie quipe .
Le niveau dintgration de lquipe est par contre variable : lquipe peut tre un
sous-ensemble trs restreint de lorganisation ou, au contraire, contenir lorganisation
toute entire. Une quipe de direction est la tte de lorganisation tout en tant,
notre sens, une quipe de travail. Une organisation compose dun seul regroupement
demploys est galement, en ce sens, une quipe de travail.
Par ce critre, nous excluons la gnration spontane de groupes de travail (Arrow

et McGrath 1995, p. 379, notre traduction) ou de clubs (Gruenfeld et Hollingshead 1993
; Arrow et McGrath 1995), avec des objectifs dirents de ceux dune organisation de
travail. Sils peuvent avoir contribu sa constitution, les membres de lquipe ne sont
pas les fondateurs de lquipe, rle revenant une instance externe quest la direction.
Cet environnement de travail permet notamment lidentication de lquipe de travail :
celle-ci est reconnue par ses membres et par ses non-membres comme une entit sociale
propre (Bantel et Jackson 1989 ; Arrow et McGrath 1995 ; Webber et Donahue 2001) et
se distingue dautres quipes de travail (Arrow et McGrath 1995 ; Blanchet et Trognon
2008).
22

I.2.3 Critre 2 : Existence dune production commune de lquipe
Une quipe de travail existe si elle est responsable dune ou plusieurs tches raliser,
et si ces tches conduisent une production commune. De fait, une quipe de travail
nexiste pas sans but, sans dessein clair ds sa cration et ce but doit tre collectivement
partag (Marschak et Radner 1972). Cette tche est prescrite par lorganisation, mais
la manire de laccomplir reste libre. La responsabilit de la tche peut tre cone
lquipe, rendant celle-ci autonome, ou une direction extrieure lquipe.
Avec ce critre, nous excluons les groupes sans rel dessein. Des exemples de ceux-ci sont,
nanmoins, rares ds lors que la constitution dune quipe par la direction, voque par
le prcdent critre, implique que lquipe dispose dun ou plusieurs objectifs atteindre.
I.2.4 Critre 3 : Existence dun lien entre efforts individuels et production

commune
Lquipe de travail est constitue autour dun objectif atteindre. Cet objectif est collec-
tivement partag, est inuenc par les eorts individuels de chaque membre de lquipe,
mais ne peut se rduire la simple addition deorts individuels (Hackman 1983). Cet
objectif doit direr de lobjectif de fonctionnement de lentreprise (De la Garza et
Weill-Fassina 2000) et doit pouvoir tre valu (Hackman 1983). Lquipe, selon Hack-
man, nexiste que si lvaluation est parfaitement collective. Si la production commune
nest que la somme des productions individuelles et est reconstitue a posteriori par le
responsable de lquipe, cela ne constitue pas une quipe de travail mais une faible
agrgation dindividus (ibid, appendice p. 68, notre traduction).
Si ce critre est souvent prsent comme condition dexistence dune quipe, il nest
pas souvent repris dans les tudes empiriques sur lecacit des quipes de travail. Par
exemple, pour capter leet de la mise en place du travail en quipe, Hamilton et al.
(2003) et Franceschelli et al. (2010) mesurent la productivit individuelle avant et aprs
mise en place du travail en quipe. Ils concluent ainsi une hausse de la productivit avec
23

les quipes. Nanmoins, malgr lintroduction dquipes de travail , les procdures

dvaluation de la productivit restent individuelles. Ces rassemblements ne forment
donc pas, au sens o nous lentendons, des quipes de travail.
I.2.5 Critre 4 : Existence dinteractions entre les membres de lquipe
Si la production collective est le fruit des eorts individuels de chaque membre de

lquipe, cette production ne doit pas tre une fonction simple des eorts de chacun : la
production collective ne peut tre rduite la somme des eorts individuels comme
lest une tche o chaque eort est totalement indpendant dun autre ou au minimum
des eorts fournis comme lest une chane de montage. Comme le prcise Hackman,
lquipe existe en partie par les synergies quelle provoque et, pour que ces synergies
soient possibles, il est ncessaire quune certaine interdpendance entre les actions de
chaque membre existe. De plus, si linformation nest pas parfaite entre les membres
de lquipe (Marschak et Radner 1972), les interactions permettent la circulation de
linformation et le bon fonctionnement de lquipe.
Pour Salas et al. (1992) ou Neuman et Wright (1999), si les membres du groupe ont le
mme rle et sils sont substituables dans les tches eectuer, le groupe ne constitue
pas en soi une quipe. Une interdpendance et une direnciation de la fonction des
individus permettent de dnir lquipe et le rle que chacun tient au sein de celle-ci.
Avec ce critre, les employs aects une chane de montage ne forment pas une quipe,
car ils nont pas dinteractions dans le cadre de leur production commune. De mme,
un groupe de vendeurs itinrants, quand bien mme ils partageraient une rmunration
collective, ne forme pas une quipe de travail si les tches sont ralises sans interactions
rgulires.
I.2.6 Critre 5 : Ncessit dune dlibration commune
Les interactions voques dans le critre prcdent doivent se faire sur la base de dis-
cussions, de dbats et dune dlibration commune de lquipe. Lquipe de travail se
24

dnit par les relations existantes entre ses membres. Celles-ci doivent, si lon reprend
les critres proposs par Alderfer (1977), tre frquentes et directes. Les membres de
lquipe doivent se rencontrer rgulirement et tre interdpendants dans la ralisation
de lobjectif. Ce critre rejoint celui de lenvironnement de travail, o lquipe se retrouve
frquemment pour discuter/dbattre des mthodes de travail en quipe (Arrow et Mc-
Grath 1995). Il rejoint galement la notion dinformation non parfaite entre les membres
de lquipe et la ncessit de coordination voque par Marschak et Radner. Ce critre
est repris rgulirement en psychosociologie (Wageman 1995 ; Roberge et van Dick 2010,
par exemple), o les recherches sont focalises sur les dbats ou conits (Pelled 1996 ;
Simons et al. 1999) provoqus justement par les interrelations dans lquipe.
nouveau, ce critre exclut par exemple des commerciaux gographiquement loigns

qui feraient pourtant le mme travail, dans une mme organisation avec une rmunra-
tion en partie collective. En eet, si ceux-ci ne peuvent changer rgulirement sur leurs
mthodes et dicults dans la ralisation de leur tche, ils ne constituent pas une quipe
de travail. De mme, nous excluons par ce critre les lignes trop hirarchiques : dans un
groupe o certains membres prescrivent les tches raliser aux autres membres, il ny
a pas de dlibration commune et le groupe nest pas une quipe de travail.
I.2.7 Critre 6 : Complexit de la tche demande lquipe
Le dernier critre porte sur la tche raliser. La tche cone lquipe doit tre
qualie de complexe. En eet, an dtudier le lien entre la composition de lquipe
et son ecacit, il est ncessaire que les dlibrations communes se fassent autour de
problmes complexes rgler, avec une gamme large de solutions possibles. Dans le
cas contraire, le groupe ne peut mettre en place de relles stratgies de performance
(Hackman 1987) et aucune innovation ne peut tre observe.
De ce fait, nous excluons les groupes dindividus o les membres nont aucune autonomie
de fonctionnement et de prise de dcision vis--vis de la tche. Lorsque le processus de
ralisation de la tche est totalement standardis et prescrit, le travail dquipe perd
25

de son sens, car il ne sagit que dune application procdurale sans rel apport des
interactions entre les membres.
Tableau 1.1 Six critres pour faire dun groupe dindividus une quipe de travail
1 Existence dune organisation du travail

2 Existence dune production commune lquipe
3 Existence dun lien entre les eorts individuels et la production commune
4 Existence dinteractions entre les membres de lquipe
5 Ncessit dune dlibration commune
6 Complexit de la tche demande lquipe
Les six critres, rappels dans le tableau 1.1, permettent ainsi de passer dun regroupe-
ment dindividus une quipe de travail. partir de ces critres, nous nonons alors
une dnition dune quipe de travail.
Une quipe de travail est un groupe dindividus travaillant ensemble

dans un cadre de travail dfini, partageant une production et un
intrt commun celle-ci, et ayant raliser des tches complexes
ncessitant de frquentes interactions et dlibrations communes.
Nanmoins, ces six critres dnissent plusieurs types dquipe, fonctionnant sous des
formes dorganisation sensiblement direntes. Pour analyser ces quipes de travail, il
est donc prsent ncessaire didentier ces dirents types dquipe. Cest lobjet de
la section suivante.
Section II Classifications des quipes de travail
Toutes les quipes de travail ne sont pas semblables dans leur fonctionnement et cette
section propose une rexion sur les dirences entre ces quipes de travail. La prise
en compte de ces dirences sera essentielle an dintgrer la notion dhtrognit de
26

Section II Classications des quipes de travail
lquipe puis de comprendre leet de lhtrognit sur lquipe. Pour ce faire, dans
une logique identique la section prcdente, nous commenons par un tat des lieux
des typologies proposes par la littrature. Cest partir des typologies de Hackman
(1983, 1987), Arrow et McGrath (1995) et Cohen et Bailey (1997) que nous proposons
notre propre typologie des quipes de travail. Nous prsentons quatre types dquipe
de travail, que nous identions autour de neuf axes de distinction. Pour introduire la
problmatique gnrale de la suite de la thse, nous insistons sur trois des neuf axes
de distinction qui sont dterminants pour lanalyse de lhtrognit dune quipe de
travail.
Dans la premire sous section, nous prsentons successivement chacune des typologies
proposes par la littrature. Cette prsentation permet de comprendre les apports de
chaque auteur la constitution dune typologie des quipes de travail. Nous synthtisons
ensuite ces travaux dans une deuxime sous section o nous proposons notre propre
typologie des quipes de travail. Enn, une troisime et dernire sous section revient sur
certains points essentiels de notre typologie pour introduire la notion dhtrognit de
lquipe.
II.1 Apports de la littrature
La premire sous-section dtaille successivement et chronologiquement trois typolo-

gies dquipes de travail. Hackman en propose une dans son modle de 1983 et 1987,
distinguant trois grandes catgories dquipes : quipe supervise, auto-manage ou
auto-conue. Arrow et McGrath (1995) distinguent trois catgories : task forces, team
et crew. Cohen et Bailey (1997) proposent une distinction en quatre catgories : quipe
de travail au sens de Cohen et Bailey, quipe parallle, de projet ou de management.
Les axes de distinction dirent entre les auteurs, aussi ces trois typologies prsentent
des lments intressants intgrer puis confronter. Nous prsentons chaque catgorie
dquipe de travail en nous rfrant tout dabord directement aux travaux des auteurs
larticle puis en rsumant les points essentiels.
27

II.1.1 Richard Hackman
Nous reprenons ici larticle de Hackman dj cit dans la section prcdente (Hackman
1983). Dans ce mme article, il dnit trois types dquipe, selon leur niveau de respon-
sabilit et dautonomie dans lorganisation : lquipe supervise, lquipe auto-manage
et lquipe auto-conue. Aprs avoir prsent successivement chaque type dquipe, nous
illustrons la typologie de Hackman par un schma issu de son article (voir page 30).
quipe supervise
[Manager-led work teams] have responsibility only for the actual execution of
their assigned work. Management is responsible for monitoring and managing
performance processes (i.e., taking any action needed to change what is being
done or how it is being done), for designing the group as a performing unit (i.e.,
structuring the group task, composing the group, and setting basic norms of
acceptable behavior), and for structuring the organizational context in which the
group functions (i.e., establishing supportive reward, education, and information
systems).
(Hackman 1983, p. 4546)
Lquipe supervise est lquipe de travail qui dispose du plus faible niveau de res-
ponsabilits. Cette quipe ralise une ou plusieurs tches. Elle est responsable de cette
ralisation, mais pas de la conception ni de lvaluation de la tche. Cette responsabilit
revient lorganisation.
Le travail est ici prescrit, dni lavance par lorganisation. La hirarchie externe est
donc forte : le ou les responsables de lquipe supervise composent lquipe, xent les
rgles de fonctionnement, dvaluation et de rmunration de lquipe. Lvaluation du
travail est ici gnralement quantitative.
28

quipe auto-manage
Self-managing work groups. For these groups, management has responsibility

for the organizational context and for the design of the group as a performing
unit. Group members are responsible for monitoring and managing their own
performance processes, as well as for actually executing the task. [...] How well
a self-managing group performs depends both on the quality of the team design
and organizational context provided by management and on the competence of
the group in managing and executing its work.
(Hackman 1983, p. 46)
Lquipe auto-manage est toujours en charge de la ralisation dune ou de plusieurs

tches, mais galement de la conception et de lvaluation de cette tche. Lquipe est
responsable de la mise en place des systmes de contrle et de management de son propre
travail. La hirarchie externe est toujours prsente mais plus faible : les responsables de
lorganisation restent en charge de la constitution de lquipe et du choix de ses membres.
quipe auto-conue
Self-designing work groups : For these groups, management has responsibility

only for the teams organizational context. Group members are responsible for
the design of their team (including structuring their task, deciding who will
join or leave the group, and evolving their own norms to guide decision making
about performance processes), as well as for the management and execution of
work on the task.
(Hackman 1983, p. 46)
Lquipe auto-conue est responsable, en plus de la ralisation dune tche et du mana-

gement de lquipe, de la conception de lquipe. Lquipe auto-conue, comme son nom
lindique, gre elle-mme les rgles concernant son fonctionnement et ses membres.
Les membres de cette quipe dcident entre eux de qui intgre lquipe, des modes
dvaluation et de rmunration de lquipe. La hirarchie externe peut encore ici tre
29

Schma 1.1 Typologie dquipes de travail selon le niveau de responsabilit
Conception du
contexte organisationel Responsabilit de lorganisation
Conception de
lquipe
Contrle et management
du processus
de performance
Responsabilit de lquipe
Ralisation de
la tche
quipe quipe quipe

supervise auto-manage auto-conue
Lecture : Les cases hachures reprsentent ce qui est de la responsabilit de lquipe
(source : Hackman 1987, p. 334, notre traduction)
prsente. Mme sans responsable dquipe, la gestion globale de lorganisation est tou-
tefois sous la responsabilit de membres extrieurs lquipe.
Pour rsumer les trois types dquipe de travail selon Hackman, le schma 1.1, issu de
larticle original, illustre ces types dquipe en distinguant de qui relve de la responsa-
bilit de lquipe de ce qui relve de la responsabilit de lorganisation.
II.1.2 Arrow et McGrath
Arrow et McGrath (1995) tudient la dynamique des quipes de travail : comment les
membres dune quipe entrent-ils, sortent-ils et voluent-ils dans une quipe de travail ?
30

Pour cela, la premire partie de leur article propose une typologie des quipes de travail
selon le niveau de spcialisation et dinteraction des membres de lquipe. Ils distinguent
trois types dquipe : les task forces, les teams et les crews (nous conservons les termes
en anglais an dviter la confusion avec lquipe de travail au sens gnral que nous
avons dni dans la section prcdente).
Task force
Task forces are formed to address a particular project or purpose. People

are assigned to this project, and the task force then acquires the tools needed
to complete the project. An example of a task force would be a committee
formed to investigate safety conditions and prepare a report for top manage-
ment. The life of a task force is defined by the life of the project. When the
project is finished, the group disbands. Task forces are typically not the pri-
mary work group of their members. The members are not laid off when their
job is done; they simply return their full attention to their "regular" jobs. The
most important relations in a task force are typically the member-task rela-
tions. Member-member, member-tool, and tool-task relations are typically less
important at the outset.
(Arrow et McGrath 1995, p. 379)
Une task force est en charge dun projet, dune mission spcique dune dure dnie.
Ce type dquipes est form temporairement en vue de la ralisation de ce projet et
disparat ensuite. Arrow et McGrath prcisent que ce type dquipes est rarement la
seule aectation pour ses membres. Les employs ont une quipe de travail rgulire
et sont forms en task force le temps du projet. Les task forces sont penses autour des
comptences de chaque membre de lquipe : chacun amne une comptence ou une
connaissance spcique pour le projet. Du fait du caractre phmre des task forces,
leur valuation est essentiellement qualitative.
31

Team
Teams are a set of people with specific skills and abilities who are provided
with or develop tools and procedures (related to the performance of those skills),
and are then assigned projects of a certain class (related to those skills, tools,
and procedures) as they arise. A utility line repair unit, a crime investigation
team, and the management strategic planning team would fit this category.
[...] Teams are usually intended to be long-term groups with an indefinite
future. These groups are characterized by highly developed member-member
and member-tool relations, with particular emphasis on the "soft" tools of group
norms and procedures.
Une team est en charge dune ou plusieurs tches spciques dans lorganisation. Ce
type dquipes est prenne : les membres intgrent ou sortent de lquipe, mais celle-ci
na pas une dure de vie xe lavance. Les membres dune team sont choisis selon
leurs connaissances et comptences pour lensemble des tches de lquipe. Du fait de la
dure de vie de la team, les interactions entre les membres sont fortes.
Crew
Crews are people assigned as the need arises to an existing set of tools de-
signed for a specific purpose. A cockpit crew, the staff of an intensive care unit
during a given period of time, or a shift of workers on a production line all fit
this category. For a crew, the enduring sets of relations are the task-tool com-
plex and the relations of each member to that task-tool complex. A crew may
be extremely short lived, working together for a single day or week, after which
its members may be reassigned to new unites with different membership config-
urations. One special feature of crews is that the structure of member-member
relations is generally determined in advance by clear role position assignments,
and thus these relations require minimal development by any particular set of
members assigned to the crew.
32

Une crew est en charge dune mission trs spcique sur un temps trs court. Contrai-
rement la task force, la crew est base sur un matriel existant : les outils de travail
existent et lon cherche le meilleur appariement dindividus pour la mission. De fait,
tout comme les task forces, les crews ont une dure de vie trs limite et ses membres
ont souvent une autre aectation plus prenne. Les connaissances et comptences des
membres de lquipe sont primordiales pour le fonctionnement de ce type dquipe, les
interactions entre eux sont par contre faibles et aectent peu la russite ou lchec de la
mission.
II.1.3 Cohen et Bailey
Cohen et Bailey (1997) travaillent sur les sources de lecacit des quipes de travail. Ils
cherchent dterminer, sur la base dune revue de six annes de littrature en gestion,
comment les sources de lecacit dirent selon le type dquipes analys. Pour cela,
ils distinguent quatre types dquipe : lquipe de travail, lquipe parallle, lquipe de
projet et lquipe de management. Lutilisation par les auteurs du terme quipe de
travail (work team) pour dsigner un type dquipes de travail peut conduire une
certaine confusion. Pour contourner celle-ci, nous parlerons donc d quipe de travail
au sens de Cohen et Bailey , an de ne pas confondre avec lquipe de travail prise au
sens gnral.
quipe de travail au sens de Cohen et Bailey
Work Teams are the type of team most people think about when discussing
teams. Work teams are continuing work units responsible for producing goods
or providing services. Their membership is typically stable, usually full-time,
and well-defined (Cohen, 1991). [...] Traditionally, work teams are directed by
supervisors who make most of the decisions about what is done, how it is done,
and who does it.
(Cohen et Bailey 1997, p. 242)
33

Lquipe de travail au sens de Cohen et Bailey est, comme les auteurs le prcisent,
lquipe la plus communment admise dans la littrature. Il sagit dune quipe dure
indtermine, stable, avec des membres ayant une ou plusieurs tches raliser (Cohen
et Bailey prcisent quil peut sagir dune production de biens ou de services). Les
membres de lquipe sont responsables de la ralisation de la tche. Lquipe est par
contre supervise par un responsable dquipe, en charge de sa cration, de son valuation
et de son contrle au quotidien.
quipe parallle
Parallel Teams pull together people from different work units or jobs to per-
form functions that the regular organization is not equipped to perform well
(Ledford, Lawler & Mohrman, 1988; Stein & Kanter, 1980). They literally
exist in parallel with the formal organizational structure. They generally have
limited authority and can only make recommendations to individuals higher up
in the organizational hierarchy. Parallel teams are used for problem-solving and
improvement-oriented activities.
Lquipe parallle travaille littralement en parallle de lorganisation. Lquipe a une

tche particulire raliser et les membres de ce type dquipes ont frquemment une
autre aectation xe. Les membres dune quipe parallle sont choisis pour leurs connais-
sances et comptences spciques la tche demande. Lquipe intervient alors comme
une sorte de consultant externe pour lorganisation.
La dirence faite par Cohen et Bailey entre quipe de travail et quipe parallle se
fonde sur le caractre rgulier ou non de la constitution de lquipe. Pour les quipes
de travail au sens de Cohen et Bailey, lquipe est stable dans le temps, prvue dans
le processus de production. linverse, lquipe parallle est constitue pour pallier un
problme dans ce processus de production et la composition de lquipe est davantage
lie aux alas de la production. Les quipes parallles sont bases galement sur une
34

direction forte et une libert daction faible. Ce type dquipes peut tre prenne dans
lorganisation (seules les aectations changent alors selon les alas de la production).
quipe de projet
Project Teams are time-limited. They produce one-time outputs, such as

a new product or service to be marketed by the company, a new information
system, or a new plant (Mankin, Cohen & Bikson, 1996). For the most part,
project team tasks are non-repetitive in nature and involve considerable appli-
cation of knowledge, judgment, and expertise. The work that a project team
performs may represent either an incremental improvement over an existing
concept or a radically different new idea. Frequently, project teams draw their
members from different disciplines and functional units, so that specialized
expertise can be applied to the project at hand.
Lquipe de projet est en charge dune mission spcique. Cest la raison de lexistence
de cette quipe : celle-ci est conue par lorganisation pour la ralisation de cette mission
puis est dissoute. Les membres de lquipe de projet sont choisis pour leur diversit de
connaissances et de comptences pour la mission. Lobjectif est de proposer une nouvelle
ide ou damliorer le fonctionnement actuel de lorganisation. Dans la mesure o la
mission est unique et temporaire, lvaluation de lquipe de projet est principalement
qualitative.
La dirence faite par Cohen et Bailey entre quipe parallle et quipe de projet porte
essentiellement sur la nature de la tche raliser par lquipe. Dans le cas dune quipe
de projet, le projet mener est temporaire et concerne une nouveaut pour lorganisa-
tion. linverse, lquipe parallle est runie rgulirement ( intervalle rgulier ou non)
sil y a un problme dans le processus de production.
35

quipe de management
Management Teams coordinate and provide direction to the sub-units under

their jurisdiction, laterally integrating interdependent sub-units across key busi-
ness processes (Mohrman et al., 1995). The management team is responsible
for the overall performance of a business unit. Its authority stems from the
hierarchical rank of its members. It is composed of the managers responsible
for each subunit, such as vice-presidents of research and development, manu-
facturing, marketing, and quality. At the top of the organization, the executive
management team establishes the firms strategic direction and manages its
performance.
Lquipe de management est en charge elle-mme dautres quipes de travail. Lquipe

de management est alors responsable de la conception de ses quipes subordonnes,
de leur fonctionnement et de leur valuation. Les quipes subordonnes sont, selon le
contexte, des quipes de travail au sens de Cohen et Bailey, des quipes parallles ou
des quipes de projet. Le niveau de responsabilit de lquipe de management au sein de
lorganisation dpend des situations et lon trouve des quipes de management tous
les chelons de lorganisation. Ainsi, au plus haut chelon, les quipes de direction sont
considres comme des quipes de management (il est frquemment fait rfrence au
terme top team management ). Une telle quipe de management na alors pas de
responsable dquipe.
II.2 Typologie des quipes de travail
Les trois typologies prsentes prcdemment se recoupent sur de nombreux points.

Lquipe de management au sens de Cohen et Bailey recoupe en partie lquipe
auto-manage et lquipe auto-conue au sens de Hackman. Les teams au sens de Ar-
row et McGrath sont trs proches des quipes de travail au sens de Cohen et Bailey et
des quipes supervises au sens de Hackman. Sans utiliser les mmes termes, les types
36

dquipe de travail sont proches et nous prsentons maintenant une synthse laide de
notre propre typologie.
Notre typologie des quipes de travail distingue quatre types dquipe : lquipe op-
rationnelle, lquipe de projet, lquipe managriale et lquipe dirigeante. Sur la base
de lanalyse des typologies prcdentes, et de leur rinterprtation dans la littrature,
nous prsentons neuf axes de distinction pour cette typologie : le type de tches, le
type dvaluation, le niveau de hirarchie interne et externe, les fonctions des membres
de lquipe, lhorizon temporel de lquipe, la dynamique interne de lquipe, lintensit
des interactions hors de lquipe et la proximit gographique des membres de lquipe.
Ces axes de distinction sont prsents tout au long de la description des quatre types
dquipe de travail et le tableau 1.2 page suivante synthtise notre typologie en repre-
nant les quatre types dquipe, les neuf axes de distinction et les liens avec les typologies
prsentes dans la sous-section prcdente.
II.2.1 quipe oprationnelle
Une quipe oprationnelle est une quipe de travail dont la tche et lorganisation du
travail sont imposes par la direction. Lquipe est forme par la direction dans un
objectif de production (de biens ou de services) dtermin lavance, et le rle de
chaque membre est dtermin partir de cet objectif. Lquipe est donc cre, manage
et, le cas chant, dissoute par la direction.
Lvaluation de lquipe est faite partir dindicateurs prtablis et connus de lquipe.

Cette valuation est principalement collective, mais chaque membre peut aussi tre
valu en fonction dune mesure de son impact productif sur le travail collectif. La r-
munration collective, base sur cette valuation, nest pas un critre propre cette
catgorie, mais un critre gnral pour dnir une quipe de travail. Pour autant, le ni-
veau de rmunration collective est variable et lecacit de lquipe dpend en partie de
ladquation entre le caractre collectif du travail et celui de la rmunration (Wageman
1997).
37

Tableau 1.2 Typologie des quipes de travail
Types
dquipes quipe quipe de quipe quipe
Axes de oprationnelle projet managriale dirigeante
distinction
Tches
Tches et Tches et Tches et
prescrites mais
Type de tches processus de processus de processus de
processus de
production production production
production
prescrits libres libres
libres
Type dvaluation Quantitative et

Quantitative Qualitative Quantitative
qualitative
Hirarchie externe Trs forte Moyenne Forte Faible
Hirarchie interne Faible

Trs faible Trs faible Faible forte
moyenne
Identiques Diffrentes Identiques

Fonctions des (membres (membres com- (sur des quipes Diffrentes
membres de substituables) plmentaires) diffrentes)
lquipe
Horizon temporel Dure de vie Dure de vie Dure de vie Dure de vie
de lquipe indtermine limite indtermine indtermine
Intgration de Changement
Dynamique Composition Composition
nouveaux frquent de
interne de lquipe stable stable
membres membres
Forte
Forte Forte
Intensit des (manage
Faible (avec la (pilote
interactions hors dautres
direction) lorganisation)
de lquipe quipes)
Proximit Essentielle Facultative Essentielle Facultative

gographique
quipe
quipe
supervise
supervise quipe quipe
(Hackman 1983)
(Hackman 1983) auto-manage auto-conue
quipe de (Hackman 1983) (Hackman 1983)
quipe
Rfrences la travail, quipe
parallle (Cohen quipe de quipe de
littrature parallle (Cohen
et Bailey 1997) management management
et Bailey 1997)
task force, (Cohen et (Cohen et
team (Arrow Bailey 1997) Bailey 1997)
crew (Arrow et
et McGrath
McGrath 1995)
1995)
38

Les membres de lquipe sont proches gographiquement : le lieu de travail est commun
lquipe et les membres travaillent directement ensemble ou ont des interactions trs
frquentes dans le cadre de la ralisation de la tche ou dans les autres temps du travail
(lieu de pause commun, runions rgulires).
Lquipe oprationnelle reprend les deux dnitions proposes par Hackman (1983) et
Arrow et McGrath (1995), respectivement pour les quipes manages et les teams .
Elle regroupe galement les deux dnitions proposes par Cohen et Bailey (1997) pour
les quipes de travail au sens de Cohen et Bailey et, en partie, les quipes parallles.
II.2.2 quipe de projet
Lquipe de projet est dnie par rapport la ralisation dun projet particulier pour
lorganisation. Lquipe est charge de cette ralisation puis dissoute. Contrairement
aux quipes oprationnelles, lquipe de projet est conue en dehors du processus de
production pour un temps court et la composition de lquipe dpend du projet mettre
en uvre. Le nombre de membres dans lquipe peut, selon les besoins du projet, voluer
au l du temps.
Les membres dune telle quipe possdent chacun un domaine dexpertise particulier, et
lquipe se forme autour de cette association de comptences diverses. Lquipe tant
par nature temporaire, il ne sagit pas de la seule aectation pour les membres. Ceux-ci
travaillent dj au sein une autre structure dorganisation du travail (qui peut tre dj
une quipe) et ils sont aects le temps du projet cette quipe (Arrow et McGrath
1995).
Les projets, xs par la direction, sont uniques et temporaires, aussi lvaluation de

lquipe est davantage qualitative fonde sur la ralisation du projet et collective
le rle prcis de chaque membre dans lquipe est ici moins ais dterminer que
dans le cas des quipes oprationnelles. galement, le processus de ralisation est assez
libre, car il ne sagit pas de procdures de travail dj connues dans lorganisation. Les
39

interactions extrieures de lquipe de projet concernent principalement la direction : il

est ncessaire de raliser rgulirement des runions dtape sur la ralisation du projet.
Lancrage gographique dune quipe de projet est moins important que pour les quipes
oprationnelles. Selon le projet, les membres de lquipe peuvent tre amens travailler
ensemble en interaction directe ou, au contraire, tre rpartis sur plusieurs sites
(par exemple, une quipe de gestion des risques dont les membres sont bass dans
direntes localisations, devant travailler sur un projet global de gestion prvisionnelle
des risques pour lorganisation). Malgr lloignement gographique, les interactions des
membres dune quipe de projet dans le cadre strict du travail sont frquentes :
runion, mise en essai et en place du projet. Cette dnition rejoint en partie celles
de Cohen et Bailey (1997) (quipe parallle et quipe de projet) et celles de Arrow et
McGrath (1995) (task force et crew).
II.2.3 quipe managriale
Une quipe managriale est une quipe de travail dont les membres sont responsables
dautres membres de lorganisation. Chaque membre dune quipe managriale est charg
de lorganisation dune quipe de travail. Le manager a sous sa responsabilit une quipe
oprationnelle ou une quipe de projet. Il lui incombe de constituer lquipe (recrute-
ment, valuation des prols), de lanimer (runion, circulation de linformation) et de
lvaluer. Les managers dune mme quipe ont sous leur responsabilit des quipes
quivalentes en termes de fonctionnement. Lune des principales tches de lquipe ma-
nagriale est de faire atteindre ses quipes de travail subalternes le meilleur rsultat
possible. Pour cela, les membres de lquipe managriale doivent mettre en commun les
problmes lis au management des quipes et de la ralisation des objectifs.
Lquipe managriale ne pilote pas lintgralit de lorganisation, mais uniquement des

quipes oprationnelles ou de projet ou des employs isols. Elles ne regroupent donc ni
les top team management ni les conseils dadministration. La dirence rside dans les
objectifs et lvaluation de ces quipes managriales. En eet, les quipes managriales
40

sont constitues et diriges par la direction de lorganisation, et leurs objectifs sont xs

par cette direction. Concernant les typologies existantes, Hackman (1983) distingue ces
deux types dquipe (quipe auto-manage et quipe auto-conue) alors que Cohen et
Bailey (1997) les rassemblent sous le mme titre (quipe de management).
Les interactions entre les membres dune quipe managriale sont moins frquentes que
dans les deux catgories dquipes cites prcdemment. Ces membres ne travaillent
pas directement ensemble, mais partagent des temps de discussion formels (runions)
et informels (pauses collectives) lors desquels ils changent sur leurs mthodes de tra-
vail. Lvaluation dune quipe managriale est, la fois, quantitative et qualitative. Le
volet quantitatif concerne les rsultats des quipes subalternes gres par chaque mana-
ger, souvent partir dindicateurs quils ont contribu construire. Le volet qualitatif
concerne leur manire de travailler et le bon fonctionnement des quipes manages.
II.2.4 quipe dirigeante
Une quipe dirigeante est une quipe de travail charge du pilotage de lensemble de lor-
ganisation. Ses membres doivent mettre en place lorganisation du travail et prendre les
dcisions stratgiques sur la production et lactivit gnrale de lorganisation. Lquipe
dirigeante est autonome, ce qui signie que les participants sont responsables de leur
propre fonctionnement en quipe et du recrutement de leurs membres.
Si la dure de vie dune quipe dirigeante est indtermine (elle se confond avec la dure
de vie de lorganisation), la composition de lquipe change rgulirement, au l de lar-
rive et du dpart des collaborateurs. Les membres de lquipe sont intgrs en fonction
de leurs comptences et connaissances spciques ncessaires lquipe. Une quipe di-
rigeante ncessite en eet un large panel de fonctions pour tre ecace dans sa tche. Si
la tche et le processus de ralisation de celle-ci ne sont pas prescrits, lvaluation dune
quipe dirigeante est principalement quantitative : il sagit des rsultats conomiques de
lorganisation dans son ensemble.
41

Les interactions entre les membres dune quipe dirigeante sont frquentes, dans et hors
du cadre strict du travail. Mme si ses membres ne sont pas ncessairement proches go-
graphiquement, de nombreux outils de communication sont utiliss an de permettre des
interactions frquentes et des dlibrations communes. Quant ses fonctions au sein de
lorganisation, lquipe dirigeante manage les autres employs, en quipe ou individuel-
lement. Cest elle de mettre en place de la politique dvaluation et de rmunration.
Les interactions hors de lquipe sont donc principalement descendantes. Cette dnition
dquipe dirigeante rejoint celle de Hackman (1983) (quipe auto-conue) et, en partie,
celle de Cohen et Bailey (1997) (quipe de management).
Tout au long de la prsentation des quatre types dquipe de travail, nous avons identi
neuf axes de distinction pour notre typologie : le type de tches, le type dvaluation, le
niveau de hirarchie interne et externe, les fonctions des membres de lquipe, lhorizon
temporel de lquipe, la dynamique interne de lquipe, lintensit des interactions hors de
lquipe et la proximit gographique des membres de lquipe. Les axes sont repris dans
le tableau 1.2 page 38 et permettent de distinguer une quipe oprationnelle dune quipe
de projet, dune quipe managriale et dune quipe dirigeante. De plus, ils permettent
de mieux saisir le fonctionnement au quotidien de ces direntes quipes de travail. Nous
allons prsent nous concentrer sur trois dentre eux qui sont essentiels pour la prise en
compte future de lhtrognit des quipes.
II.3 Axes de distinction des quipes de travail
Sur ces neuf axes de distinction identis dans la typologie des quipes de travail, trois
sont particulirement importants pour la suite de notre travail et nous les dtaillons
dans cette dernire sous-section. Il sagit de la hirarchie externe, de la hirarchie in-
terne et des fonctions des membres de lquipe. Leur intrt concerne la prise en compte
de lhtrognit de lquipe. En eet, ces trois axes inuencent la manire de prendre
en compte lhtrognit dune quipe et la manire danticiper les eets de cette h-
trognit. Mme si la notion dhtrognit dune quipe na pas encore t dnie
42

et sera lobjet du chapitre 2, nous dtaillons ds prsent ces trois axes de distinction
pour comprendre leur eet sur lquipe.
Ces axes de distinction ne sont pas des choix binaires, mais bien des axes continus
avec de nombreuses possibilits. Nous proposons donc pour chacun une reprsentation
schmatique an dy reporter les dirents types dquipe de travail. Lemplacement des
types dquipe de travail propos dans ces schmas nest pas le seul possible, car lenjeu
est avant tout de prsenter la logique de la reprsentation en axe et non de quantier
ces axes.
II.3.1 Hirarchie externe
Le premier axe de distinction des quipes concerne la hirarchie externe lquipe. Cette
hirarchie renvoie au suprieur hirarchique de lquipe, quil sagisse de la direction de
lorganisation en gnral ou dun superviseur charg uniquement de ce groupe. Cette
instance hirarchique est en charge de la constitution de lquipe de travail, le cas chant
de sa dissolution, elle nonce les objectifs de lquipe et mesure ses rsultats par rapport
aux objectifs noncs. Le responsable hirarchique est ici extrieur lquipe de travail.
Une quipe dirigeante na aucune ou une trs faible hirarchie externe. La hirarchie
externe est ensuite progressivement plus forte pour les quipes de projet, les quipes
managriales et, enn, les quipes oprationnelles. Une quipe managriale ou de pro-
jet dispose dune certaine autonomie tout en tant dirige par un responsable, tandis
quune quipe oprationnelle est fortement manage par un responsable. Un exemple de
classement des types dquipe selon leur degr de hirarchie externe est propos avec le
schma 1.2 page suivante.
Le niveau de hirarchie externe inuence les relations existantes entre les membres de
lquipe. Dans le cas dune quipe avec une faible hirarchie externe, la cohsion de
lquipe est primordiale ds lors quaucun responsable extrieur nintervient comme mo-
drateur des conits. Lcoute et le respect des points de vue de chacun sont essentiels
43

Schma 1.2 Axe de distinction 1 : Hirarchie externe
quipe quipe quipe quipe

dirigeante de projet managriale oprationnelle
b b b b
Faible hirarchie Forte hirarchie
externe externe
pour dbattre des choix de stratgie (Hackman 1987) et aucun membre ne doit pouvoir
tre capable dimposer ses vues aux autres. Dans le cas dune quipe avec une plus forte
hirarchie externe, ce type de problme est modr par le responsable de lquipe : mme
si les membres de lquipe dbattent des stratgies suivre, le responsable peut clore la
discussion et arrter une dcision. Les conits internes de personnalits peuvent, gale-
ment, tre rgls par lintervention dun responsable hirarchique. Le degr de hirarchie
externe modre ainsi limpact des conits de personnes et les risques sur la cohsion de
lquipe. Et, nous le verrons durant le deuxime chapitre, la cohsion et les conits sont
dpendant du degr dhtrognit de lquipe.
II.3.2 Hirarchie interne
Le deuxime axe de distinction des quipes concerne la hirarchie interne lquipe.

Celle-ci consiste en une dirence de statut hirarchique entre les membres de lquipe.
Une ligne hirarchique est ainsi prsente, ou non, dans lquipe, et cela aecte les inter-
actions entre ses membres.
Ce critre est indpendant du prcdent concernant la hirarchie externe. Ainsi, une

quipe avec une faible hirarchie externe peut avoir une forte hirarchie interne (conseils
dadministration avec poids dirent des membres) ou non (conseils dadministration
avec une voix pour chaque membre), une quipe avec une forte hirarchie externe peut
avoir une faible hirarchie interne (quipes de managers). De plus, labsence objective
de hirarchie interne nempche pas lexistence de relations hirarchiques informelles
44

fondes par exemple sur les facults de leadership dun ou plusieurs individus (Avolio
et al. 2009). Celle-ci nest juste pas formalise par lorganisation.
Les quipes oprationnelles nont habituellement pas de hirarchie interne. Cest gale-
ment le cas des quipes managriales : chaque manager est au mme niveau hirarchique
concernant le management des quipes subalternes. Les quipes de projet achent un
certain niveau de hirarchie interne. En eet, dans le cas dun projet de conception dun
nouveau produit, plusieurs niveaux hirarchiques peuvent tre prsents, de la conception
la ralisation. Enn, la hirarchie interne est trs variable selon les quipes dirigeantes,
selon le contexte de lorganisation. Un exemple de classement des types dquipe selon
leur degr de hirarchie interne est propos avec le schma 1.3.
Schma 1.3 Axe de distinction 2 : Hirarchie interne

oprationnelle managriale de projet dirigeante
b b b b
Faible hirarchie Forte hirarchie
interne interne
Le niveau de hirarchie interne inuence le poids donn aux discussions et aux changes
entre les membres de lquipe. Cela nous intresse tout particulirement dans le cadre
de ltude de lhtrognit. Sil existe une hirarchie interne, linuence que chacun
a sur lquipe (concernant la diusion des comptences et connaissances ou concernant
la mise en place de stratgie de performance) est, en partie, dtermine par son rang
hirarchique dans lquipe. Limpact de lhtrognit de lquipe est alors en grande
partie dpendante des dirences hirarchiques. linverse, en labsence de hirarchie
interne, chaque membre a, ociellement, la mme possibilit dintervenir lors les discus-
sions collectives et lors des prises de dcisions. Chaque membre a alors le mme poids
dans la mesure de leet de lhtrognit sur lquipe.
45

II.3.3 Fonctions des membres de lquipe
Le dernier axe de distinction des quipes de travail concerne le niveau de spcialisation

des membres de lquipe. Selon la nature de la tche raliser, les comptences deman-
des aux membres de lquipe sont relativement identiques ou radicalement direntes.
Le responsable forme lquipe par rapport cet objectif et selon les membres disponibles.
Une quipe de projet, par dnition, est compose de membres ayant des comptences
diverses. Dans la mesure o les tches sont trs varies, les membres dquipes dirigeantes
ont galement des prols trs dirents. linverse, Une quipe managriale dont les
membres sont chacun chargs dune quipe oprationnelle est compose de membres
ayant un prol relativement identique. Cest galement le cas pour une quipe opra-
tionnelle, o la varit des comptences est moins essentielle pour lquipe. Un exemple
de classement des types dquipe selon leur degr de spcialisation des fonctions des
membres est propos avec le schma 1.4.
Schma 1.4 Axe de distinction 3 : Fonctions des membres de lquipe

oprationnelle managriale de projet dirigeante
b b b b
Fonctions Fonctions
identiques diffrentes
Le niveau de spcialisation inuence la manire de traiter lhtrognit de lquipe. En

eet, si lquipe est constitue de spcialistes, la nature des comptences est ncessaire-
ment dirente entre les membres de lquipe et lanalyse de cette htrognit na que
peu dintrt. linverse, pour des quipes ayant des fonctions relativement identiques,
lhtrognit nest pas requise par la nature de la tche. Les membres de lquipe
peuvent alors tre homognes ou htrognes. Lanalyse de leet de cette htrognit
est alors pertinente. Dans les deux cas de gure spcialistes ou non spcialistes ,
46

Conclusion
lhtrognit portant sur lge ou le genre nest pas ncessairement requise par les
besoins de lquipe, son analyse est donc galement pertinente.
Conclusion
Ce premier chapitre avait pour objectif de prsenter les direntes dclinaisons de la

notion dquipe de travail, en prvision du traitement de la problmatique gnrale de
la thse. travers ltude dune littrature abondante et disperse sur le sujet, nous
avons pu remarquer des similitudes dans la manire de traiter la notion dquipe de
travail. Ainsi, de manire simple, nous dnissons lquipe de travail comme un groupe
dindividus travaillant ensemble dans un cadre de travail dni, partageant une produc-
tion et un intrt commun cette production, et ayant raliser des tches complexes
ncessitant de frquentes interactions et dlibrations communes. En synthtisant les
direntes approches prsentes dans la littrature, nous avons propos six critres qui
permettent de caractriser exactement lquipe de travail.
Pour autant, si la dnition obtenue permet de distinguer ce quest une quipe de tra-
vail de ce qui ne lest pas, les quipes de travail ne fonctionnent pas toutes de manire
analogue et il est alors dicile dtudier lecacit dune quipe sans dtailler son fonc-
tionnement au pralable. Pour en faciliter lanalyse, nous avons synthtis les travaux et
propos une typologie en quatre types dquipe de travail : les quipes oprationnelles,
les quipes de projet, les quipes managriales et les quipes dirigeantes.
Cette typologie a t ralise en identiant neuf axes de distinction des quipes de tra-
vail. Parmi eux, trois ont retenu notre attention, car ils inuencent la prise en compte de
lhtrognit ainsi que la prise en compte de leet de lhtrognit sur une quipe
de travail. En prvision du prochain chapitre, nous avons donc direnci les quipes
selon leur hirarchie externe, selon leur hirarchie interne et selon le niveau de sp-
cialisation des membres de lquipe et prsent limpact de ces axes de distinction
sur lhtrognit ou sur son eet sur lquipe.
47

Nous disposons ainsi de critres pour dnir une quipe de travail, dune typologie des
quipes de travail et daxes de distinction permettant danticiper le fonctionnement
dune quipe. Certains de ces axes traitent des direntes interactions prsentes dans
lquipe. Cela nous amne introduire la notion dhomognit et dhtrognit de
lquipe. Ayant une inuence sur ces interactions, lhtrognit est un enjeu dans
la comprhension de lecacit technique ds lors que le travail dquipe requiert des
synergies et une coordination entre ses membres. Cest sur ce point que le prochain
chapitre dbute.
48

Chapitre 2
Lhtrognit dune quipe

de travail
Introduction
Comment lhtrognit peut-elle inuencer le fonctionnement dune quipe de travail

et son ecacit ? Cette question ncessite plusieurs prrequis pour tre traite. La dni-
tion de lquipe de travail fut lobjet du chapitre premier. Lhtrognit doit galement
tre dnie.
Pour introduire la notion, lhtrognit (ou la diversit) reprsente les dirences entre
les membres dune mme quipe de travail 1 . On dnit lhtrognit dune quipe de
travail par une ou des formes ge, genre ou origine culturelle par exemple et par un
niveau (quantiable) faible, moyen, fort. Ces dirences, faibles ou fortes, agissent
1. Nous supposons que lhtrognit na de sens que pour une quipe de travail. La dfinition
et la mesure de lhtrognit doivent se faire un niveau dquipe et non, comme le proposent par
exemple Abowd et al. (2005), pour une organisation entire. Ces auteurs analysent la distribution des
rmunrations au sein dun grand nombre dentreprises amricaines pour conclure un effet positif
de lhtrognit sur les performances conomiques des entreprises. Nanmoins, daprs les critres
noncs dans le premier chapitre, lhtrognit des membres dune organisation na pas dimpact
direct sur lorganisation si ses membres ninteragissent pas entre eux dans le cadre dune quipe de
travail.
49

Chapitre 2 Lhtrognit dune quipe de travail
sur le fonctionnement quotidien de lquipe et sont donc un enjeu dans lanalyse de

lecacit du travail en quipe.
Lhtrognit est un sujet trs actuel dans les sciences sociales, en particulier en co-
nomie, gestion et psychosociologie. On recense de nombreux travaux sur lhtrognit
de genre (Lee et Farh 2004 ; Joshi et al. 2006 ; Wegge et al. 2008 ; Bear et Woolley 2011
; Rowold 2011 ; Thomas et al. 2012 ; Zimmerman et Brouthers 2012 ; Richard et al.
2013 ; Martin et Good 2014 ; Sastre 2015), dorigine culturelle ou de nationalit (Groves
et Feyerherm 2011 ; Rowold 2011 ; Pieterse et al. 2012 ; Adair et al. 2013 ; Kahane et al.
2013 ; Nielsen et Nielsen 2013 ; Richard et al. 2013 ; Loureno et al. 2014 ; Maderer
et al. 2014 ; Perry-Smith et Shalley 2014), dge (Wegge et al. 2008 ; Backes-Gellner
et al. 2011 ; Rowold 2011 ; Wegge et al. 2012 ; Boehm et Kunze 2015) et pour len-
semble des autres formes de lhtrognit. Cette littrature rcente est principalement
empirique : les auteurs exploitent les bases de donnes de direntes organisations 2 an
de valider des thories mises prcdemment. Si la littrature stoe continuellement,
les auteurs se rfrent pratiquement tous aux mmes travaux sminaux. Pour traiter de
lhtrognit, nous nous basons galement sur ces travaux que nous illustrons avec la
littrature rcente.
Ces travaux sminaux portent sur la dnition de lhomognit et de lhtrognit,

sur la mesure de lhtrognit, sur les liens avec le fonctionnement de lquipe et sur
les apports productifs. Par exemple, Cox et Blake (1991) prsentent leet de lhtro-
gnit de genre et dorigine culturelle sur, entre autres, lattractivit commerciale de
lorganisation, sur la crativit de lquipe et sur sa capacit rsoudre des problmes.
Jackson et al. (1995) et Harrison et Klein (2007) proposent des distinctions des formes de
lhtrognit pour simplier lanalyse de leurs eets sur lquipe. Pelled et al. (1999a)
et Ensley et al. (2002) traitent des multiples conits provoqus par lhtrognit. Zen-
2. Parmi ces organisations, on remarque que les tudes sur des quipes sportives (entre autres :
Timmerman 2000 ; Franck et Nesch 2010 ; Torre-Ruiz et al. 2011 ; Tillou et Liarte 2012 ; Kahane
et al. 2013 ; Maderer et al. 2014) sont de plus en plus frquentes. Les raisons voques par les auteurs sont
la meilleure disponibilit des donnes et le parallle possible avec les quipes de travail traditionnelles.
50

Introduction
ger et Lawrence (1989) et Tziner (1985) abordent les problmes de communication et

cohsion de lquipe causs par, entre autres, lhtrognit dge.
De manire gnrale, cette littrature pose deux problmes. Premirement, les travaux
empiriques sont bass sur des matriaux trs varis et parfois dicilement conciliables.
La diversit des terrains ou des donnes exprimentales (entre autres : Pelled et al. 1999a
; Lee et Farh 2004 ; Martin et Good 2014) rend dicile la synthse de ces travaux.
Deuximement, concernant les travaux thoriques, plusieurs disciplines traitent du lien
entre lhtrognit et lecacit, mais elles dialoguent peu entre elles. Ainsi en est-il de
la gestion et de la psychologie sociale. La psychologie sociale sattache aux phnomnes
psychologiques entrant en jeu dans le fonctionnement quotidien des quipes, quand la
gestion sattache comprendre les origines de lecacit ou de linecacit technique
dune quipe. Ces deux disciplines proposent deux thories apparemment contradic-
toires : la thorie de lattraction pour la similarit et la thorie de la diversit des
ressources cognitives. La thorie psychosociologique de lattraction pour la similarit,
que lon doit Byrne (1971) et Tziner (1985), postule que lquipe a besoin de cohsion
pour fonctionner et que cette cohsion est obtenue par lhomognit. Toute htrog-
nit serait ainsi nfaste la capacit productive de lquipe. La thorie managriale
de la diversit des ressources cognitives, que lon peut attribuer Cox et Blake (1991),
postule que lhtrognit est, au contraire, ncessaire la crativit et la circulation
des connaissances et des comptences dont a besoin lquipe pour atteindre un haut
niveau decacit. Ces deux thories semblent donc contradictoires premire vue et
ce chapitre essayera de les rapprocher.
Nous prsentons dans ce chapitre une revue de la littrature sur quarante ans qui mobi-
lise plusieurs disciplines des sciences sociales, en particulier lconomie, la gestion et la
psychosociologie. Nous nonons ensuite, comme synthse de cette littrature, un cadre
thorique permettant de concilier les thories prsentes tort comme concurrentes. Ce
cadre thorique permettra de proposer direntes hypothses sur les liens entre lh-
51

trognit et lecacit technique, hypothses qui seront testes durant la suite de la

thse.
Le chapitre est constitu de deux sections. La premire section prsente les travaux aca-
dmiques sur lhtrognit et son impact sur lquipe de travail. La deuxime section
proposera une synthse de cette littrature partir de trois questions : quel terme pour
parler de lhtrognit ? Quelle typologie de lhtrognit ? Et comment lhtrog-
nit aecte-t-elle lecacit technique dune quipe de travail ?
Section I Apports de la littrature

Members of an excessively homogeneous group may get along well together
but lack the resources needed to perform the task because the members essen-
tially replicate one another. An excessively heterogeneous group, on the other
hand, may have a rich complement of talent within the group but be unable
to use that talent well because members are so diverse in values or perspective
that they cannot work together effectively.
(Hackman 1987, p. 327)
Dans cette citation de 1987, Richard Hackman nonce que lhtrognit est nces-
saire au bon fonctionnement dune quipe de travail, mais quil nen faut pas trop. Pour
autant, Hackman ne dnit pas, dans cet article, ce quil entend prcisment par lh-
trognit dune quipe, ni ce qui constitue une htrognit excessive . Durant
ces quarante dernires annes, de nombreux auteurs ont trait de lhtrognit et de
lecacit du travail en quipe avec ces direntes questions en tte : comment dnir
lhtrognit dune quipe de travail ? Y a-t-il une ou plusieurs htrognits dans
une mme quipe ? Comment qualier une faible et une forte htrognit ?
Cette section permettra de constater la varit de cette littrature. Nous y prsente-

rons dirents travaux, thoriques et empiriques, sur lhtrognit : ses formes, son
intensit, son ou ses eets sur lquipe et sur son ecacit. Nous exposerons les thories
52

les plus frquemment utilises pour travailler sur ces questions. Nous ferons galement
rfrence de nombreux travaux empiriques rcents qui, sappuyant sur ces thories,
dmontrent les eets multiples que peut avoir lhtrognit sur lecacit technique
dune quipe de travail.
Nous constaterons durant cette section que cette littrature soure parfois dun manque
dunit. Pour des formes de lhtrognit identiques ou trs proches, les rsultats non-
cs par les auteurs sont parfois contradictoires. Comme exemple, nous prsenterons le
cas de lhtrognit de genre, pour laquelle on dnombre approximativement autant de
travaux pour dmontrer son intrt pour lecacit de lquipe que de travaux pour d-
montrer son eet ngatif sur cette mme ecacit. Sans prendre position pour linstant,
nous exposerons les dirents points de vue.
Nous divisons cette revue de la littrature en trois sous-sections. Durant la premire,

nous prsentons deux thories fondatrices , souvent perues comme concurrentes, trai-
tant de leet de lhtrognit sur lquipe de travail. Dans une deuxime sous-section,
nous dtaillons trois distinctions des formes de lhtrognit, permettant en partie de
runir les deux thories prcdentes. Enn, dans une dernire sous-section, nous listons
successivement les direntes formes de lhtrognit rgulirement analyses dans
la littrature. Sur la base des thories et distinctions prsentes prcdemment, nous
rsumons les rsultats noncs par les auteurs.
I.1 Leffet de lhtrognit sur lquipe de travail
Pour commencer cet tat de lart, nous prsentons deux thories nonces comme concur-
rentes pour expliquer les liens entre lhtrognit et lecacit de lquipe : la thorie
de lattraction pour la similarit et la thorie de la diversit des ressources cognitives.
Nous citons Horwitz (2005) pour les noncer et nous les dtaillons ensuite successive-
ment.
53

Two Competing Theories of Team Diversity for Performance : A review of

the literature shows that there are two competing theories of teamwork ex-
amining the relationship between team diversity and performance: (a) the
similarity-attraction paradigm (Byrne, 1971; Tziner, 1985) from the field of
social psychology and (b) the cognitive resource diversity theory from the field
of management (Cox & Blake, 1991; Easely, 2001). Although both theories
predict performance that is based on team composition, their predictions are
grounded in distinctively different assumptions.
(Horwitz 2005, p. 224)
I.1.1 La thorie de lattraction pour la similarit
Nous rsumons la thorie de lattraction pour la similarit partir de larticle de Tziner

(1985). Tziner tudie le lien thorique entre les comptences individuelles des membres
dune quipe et la production collective et discute de ladditivit ou de la non-additivit
des comptences 3 . Selon la thorie de la similarit, les comptences individuelles naug-
mentent pas systmatiquement la performance collective et cette dernire dpend de
lhomognit ou de lhtrognit de lquipe. Lhomognit de lquipe conduit
lattraction mutuelle des membres de lquipe quand lhtrognit provoque invita-
blement des conits :
Similarity theory in its simplest form argues that homogeneity of group mem-
bers is desirable since it evokes positive forms of attraction, while heterogeneity
introduces diversive tensions. Indeed, the research literature on dyads indicates
the validity of the naive notion that "likes like likes". Similarity on a wide variety
of physical and psychological dimensions, including ability-particularly among
people similarly instrumentally motivated-facilitates liking and attraction.
(Tziner 1985, p. 1113)
3. Dans un modle additif, chaque comptence dun individu, quel que soit le niveau de comptences
des autres individus, augmente la performance collective (Steiner 1972). Un modle non additif rfute
cet argument (Hackman 1983 ; Tziner 1985).
54

Nanmoins, lhomognit nest pas toujours souhaitable. Si tous les membres de lquipe
ont une caractristique dfavorable la production (Tziner prend lexemple dune fai-
blesse de comptences), lhomognit est dite ici ngative, car elle conduit une pro-
duction collective infrieure la simple somme des comptences individuelles. Il faut
donc faire la distinction entre lhomognit positive (par exemple : tous identiques, trs
comptents) et lhomognit ngative (tous identiques, peu comptents). Seule lhomo-
gnit positive permet datteindre un plus haut niveau de performance. La similarit
permet donc le renforcement des comptences, dans un sens comme dans un autre.
linverse, par les dissensions quelle procure, lhtrognit conduit invitablement
une baisse de la performance collective.
Lhtrognit agit sur lecacit technique en deux tapes : par lindividu et par
lquipe (Jackson et al. 1995 ; Roberge et van Dick 2010). Ici, lhtrognit inuence,
au niveau des individus, les sentiments dappartenance ou dexclusion des membres
lquipe. Le besoin didentication (Tajfel et Turner 1979, 1986) implique que les
individus se rapprochent de ceux possdant les mmes caractristiques. Pour un indi-
vidu, le fait dtre dirent des autres membres de lquipe rduit son intgration dans
lquipe. Cette faible intgration entrane une implication dans le travail plus faible et,
par exemple, un absentisme plus important (Milliken et Martins 1996 ; Horwitz 2005).
Lhtrognit aecte ensuite lquipe de deux manires. Dune part, lhtrognit

provoque un accroissement des conits (Jehn 1995). Les dirences dopinions sur un
mme sujet ou celles des valeurs dfendre dans lquipe provoquent des conits que
Jehn (1995) ou Roberge et van Dick (2010) nomment socio-motionnels . Dautre
part, lhtrognit diminue la cohsion de lquipe. Du fait de la baisse du sentiment
dappartenance des membres lquipe et de la hausse des conits, lquipe est moins
soude et soure dun manque de communication (Zenger et Lawrence 1989). De nom-
breux auteurs (Terborg et al. 1976 ; Tziner 1985 ; Mullen et Copper 1994 ; Bowers et al.
2000 ; Webber et Donahue 2001 ; Ensley et al. 2002 ; Martin et Good 2014) montrent
alors que cette baisse de cohsion conduit un travail collectif moins ecace.
55

Schma 2.1 Illustration de la thorie de lattraction pour la similarit
Htrognit

Effet sur
lindividu
Sentiment
dappartenance +

Effet sur
lquipe Cohsion Conflits

Effet sur Efficacit
lefficacit technique
Nous illustrons la thorie de lattraction pour la similarit avec le schma 2.1. Pour
rsumer, lhtrognit de lquipe diminue le sentiment dappartenance et augmente
les conits. La baisse du sentiment dappartenance et la hausse des conits rduisent la
cohsion de lquipe. Finalement, la baisse de la cohsion diminue lecacit technique
de lquipe.
Ces dirents eets sont toutefois modrs par le contexte de lquipe. Roberge et van
Dick (2010) noncent que la communication, la conance et la participation des individus
lquipe permettent dattnuer le sentiment dexclusion. De mme, Horwitz (2005)
prcise que le management de lquipe, en faveur ou non de lhtrognit, peut tre un
acclrateur ou un frein la communication dans lquipe et donc aecter sa cohsion.
I.1.2 La thorie de la diversit des ressources cognitives
Nous rsumons ici la thorie de la diversit des ressources cognitives partir de larticle
de Cox et Blake (1991). Selon les auteurs, lhtrognit dune quipe accrot son eca-
cit. Lobjectif de leur article est de montrer cela partir dune revue de la littrature et
56

dune synthse de lensemble des avantages de lhtrognit dans le travail en quipe.

Cox et Blake entendent par htrognit la prsence de femmes et de minorits eth-
niques dans les quipes. Ils considrent que ces dirences ne sont pas assez considres
dans les organisations et que leur prise en compte, au-del de la responsabilit sociale
et lgale de lorganisation (ibid, note de texte n 3 page 55), amliore sa comptitivit.
Ils listent 6 arguments en faveur de lhtrognit :
Social responsibility goals of organizations is only one area that benefits from
the management of diversity. We will focus on six other areas where sound
management can create a competitive advantage: (1) cost, (2) resource ac-
quisition, (3) marketing, (4) creativity, (5) problem-solving, (6) organizational
flexibility.
(Cox et Blake 1991, p. 45)
(1) Le cot de la main-duvre peut diminuer avec son htrognit : sous rserve
dune gestion adquate de celle-ci, lhtrognit dune quipe rduit lisolement des
membres, ce qui facilite leur intgration et diminue le turnover et labsentisme (ibid, p.
46 et 48). (2) Lacquisition de ressources (ici les ressources humaines) est facilite, car les
organisations promouvant lhtrognit sont plus attirantes pour lensemble de la main
duvre. (3) Dun point de vue marketing galement, la promotion de lhtrognit
est apprcie des clients, ce qui peut accrotre les ventes (ibid, p. 49). Concernant (4) la
crativit et (5) la rsolution de problmes, les quipes htrognes sont plus ecaces,
car de nombreux points de vue coexistent parmi les membres et ceux-ci sentraident plus
aisment. (6) La exibilit du travail est facilite pour la mme raison : lquipe dispose
de plus de points de vue et un apprentissage entre les membres peut exister.
Nous distinguons, nouveau, leet sur lindividu de celui sur lquipe. La thorie de
la diversit des ressources cognitives nonce que lhtrognit favorise, au niveau indi-
viduel, lapprentissage mutuel ou tutor entre les membres de lquipe. Lapprentissage
mutuel provient dun travail commun entre, au moins, deux membres de lquipe. Lin-
dividu, face un problme donn, trouve des solutions nouvelles par linteraction avec
57

lquipe. On parle dapprentissage tutor lorsque lun des membres dispose dun niveau
de connaissances, comptences ou aptitudes suprieur un autre membre sur un aspect
prcis de la tche raliser. Il sagit alors dun transfert de comptences. Lhtrog-
nit de lquipe, par lapprentissage, conduit in fine une hausse du niveau global des
comptences, connaissances ou aptitudes (Hamilton et al. 2003).
Au niveau de lquipe, lquipe htrogne est confronte des conits ou, daprs Simons
et al. (1999), des dbats. Ceux-ci se font sur les mthodes de travail et sur la manire de
rsoudre les problmes auxquels est confronte lquipe. Le phnomne dapprentissage
et ces conits impliquent que lquipe htrogne dispose de davantage de points de vue
face un problme donn (Peretti et Roch 2012). Cox et Blake montrent que lhtro-
gnit produit de linnovation, de la crativit et une meilleure rsolution collective des
problmes. Si chaque point de vue est cout et respect (Horwitz 2005), la multiplicit
des avis amliore les capacits de crativit, dinnovation et de rsolution des problmes
de lquipe. Empiriquement, de nombreux auteurs (rcemment : Bear et Woolley 2011 ;
Tillou et Liarte 2012 ; Somech et Drach-Zahavy 2013 ; Kahane et al. 2013 ; Nielsen et
Nielsen 2013) valident leet nal positif sur lecacit technique.
Cox et Blake prcisent que la transformation de lhtrognit en ecacit tech-

nique se fait sous rserve dun management adapt. Ils expliquent, par exemple, que
lhtrognit doit tre annonce lquipe et, surtout, que les membres de lquipe
doivent lintgrer dans leur fonctionnement quotidien. Ainsi, la simple prsence de lh-
trognit ne surait pas provoquer une hausse des capacits cratrices de lquipe :
The research shows that in order to obtain the performance benefits, it was
necessary for heterogeneous team members to have awareness of the attitudinal
differences of other members. Similarly, diversity needs to be managed in part,
by informing work-group members of their cultural differences.
58

Enn, les auteurs prcisent que, si lhtrognit peut tre un facteur de performance,
elle doit tre limite. Un niveau dhtrognit trop haut conduirait une baisse de
la cohsion (selon la thorie de lattraction pour la similarit voque prcdemment),
mme avec un management adquat :
A core of similarity among group members is desirable. [...] Our interpre-

tation is that all members must share some common values and norms to
promote coherent actions on organizational goals. The need for heterogeneity,
to promote problem solving and innovation, must be balanced with the need
for organizational coherence and unity of action.
Nous illustrons la thorie de la diversit des ressources cognitives avec le schma 2.2.
Lhtrognit accrot les phnomnes dapprentissage et les conits. La hausse de
lapprentissage et des conits favorise ensuite la crativit de lquipe. Finalement, la
plus forte crativit augmente lecacit technique de lquipe.
Schma 2.2 Illustration de la thorie de la diversit des ressources cognitives
Htrognit
+
+ Apprentissage Effet sur
lindividu
+
Conflits
+ Crativit
Effet sur
lquipe
+
Efficacit Effet sur
technique lefficacit
59

Nous avons voqu, la fois pour la thorie de lattraction pour la similarit et celle de
la diversit des ressources cognitives, le rle des conits dans la dtermination de leet
sur la cohsion et sur la crativit. ce sujet, Jehn (1995) postule que lhtrognit
provoque ncessairement des conits internes lquipe, mais que ceux-ci ne sont pas
ncessairement nfastes lecacit de lquipe. On distingue les conits cognitifs, por-
teurs de crativit, de ceux qui sont socio-motionnels, porteurs de baisse de cohsion
(Jehn 1995 ; Ensley et al. 2002) :
Paradoxically, conflict can be a catalyst for creativity and understanding as

well as for animosity and resentment. The open exchange of ideas, the ob-
jective assessment of alternatives, and the rigorous contrasting of perspectives
produces conflicts out of which creative ideas and solutions emerge. At the
same time, such interactions may also produce anger and alienation, which can
lead to disaffection and departure by the offended team members.
(Ensley et al. 2002, p. 366)
Lquipe htrogne est donc davantage touche par les conits que lquipe homogne.
Ensuite, leet attendu sur lecacit technique dpend de la thorie retenue. Selon la
thorie de lattraction pour la similarit, ces conits rduisent la cohsion de lquipe et
donc son ecacit technique. linverse, selon la thorie de la diversit des ressources
cognitives, ces conits augmentent sa crativit et son ecacit technique.
Les deux thories prsentes ci-dessus partent dune mme question : comment les ca-
ractristiques individuelles dune quipe sagrgent-elles en une performance collective ?
Les auteurs arrivent toutefois deux rsultats dirents : dans un cas, lhomognit est
souhaite, car elle favorise la cohsion de lquipe ; dans lautre cas, lhtrognit est
prfrable, car elle accrot la crativit et lapprentissage. Les deux thories sont non-
ces pour lensemble des formes de lhtrognit par exemple lge, lanciennet
ou le genre et sont, en ce sens, concurrentes. Pour les rapprocher, dautres auteurs
ont propos de distinguer les formes de lhtrognit. Nous les prsentons dans la
sous-section suivante.
60

I.2 Typologies et distinctions des formes de lhtrognit
Les formes de lhtrognit ge, genre, origine sociale, nature des comptences,
etc. ne sont pas systmatiquement tudies de manire unidimensionnelle par les
chercheurs. Des auteurs ont, au contraire, propos des typologies de lhtrognit. Par
exemple, lhtrognit danciennet et lhtrognit de comptences seraient trs
lies la tche qui est demande lquipe. De mme, les htrognits dge et de
genre auraient en commun dtre perceptibles rapidement par les membres de lquipe.
Ces distinctions ont deux intrts : elles facilitent la proposition de thories plus gnrales
sur le lien entre lhtrognit et lecacit de lquipe et elles permettent de concilier
les deux thories en attribuant chaque forme de lhtrognit un eet sur lquipe.
Nous prsentons trois distinctions : (1) la distinction entre lhtrognit lie la tche
et htrognit non lie la tche ; (2) la distinction entre lhtrognit visible et
htrognit non visible et (3) la distinction entre lhtrognit de sparation, de
varit et de disparit.
I.2.1 Distinction entre htrognit lie ou non lie la tche
La distinction entre htrognit lie ou non lie la tche est la plus frquemment cite
dans la littrature. Pelled (1996), Jehn (1995), Pelled et al. (1999b), Jehn et al. (1999) et
Torre-Ruiz et al. (2011) proposent cette distinction sous les termes high job-related
et less job-related (littralement : fortement et faiblement reli au travail). Hor-
witz (2005) direncie galement lhtrognit lie la tche de lhtrognit
biodmographique . Jackson et al. (1995) reprennent cette distinction sous les termes
task-related et relations-oriented (littralement : relie la tche et oriente
relations sociales).
Les auteurs distinguent les htrognits de connaissances, comptences, aptitudes ou

dexpriences professionnelles htrognits trs lies la tche des htrognits
61

dge, de genre, dorigine culturelle ou de couleur de peau 4 qui ne le sont pas. Chaque
forme de lhtrognit est donc classe selon cette distinction pour simplier ensuite
son analyse.
Cette distinction permet de concilier, en partie, les deux thories sur leet de lhtro-
gnit sur lquipe. Les formes de lhtrognit lies la tche seraient conformes
la thorie de la diversit des ressources cognitives, car elles augmenteraient la crativit
de lquipe et son ecacit technique. Jehn et al. (1999) expliquent que les conits pro-
voqus par lhtrognit lie la tche ne rduiraient pas la cohsion de lquipe, car
ces conits ne porteraient pas sur les valeurs et les croyances des membres de lquipe.
linverse, les formes de lhtrognit non lies la tche seraient conformes la thorie
de lattraction pour la similarit, car elles diminueraient la cohsion de lquipe et son
ecacit technique. Dans le mme article, Jehn et al. expliquent que les conits porte-
raient ici sur les croyances, les opinions et les valeurs des membres de lquipe. Toutes
les formes de lhtrognit non lies la tche seraient donc viter pour favoriser la
cohsion et lecacit technique de lquipe.
Cette distinction pose nanmoins problme certains auteurs (Harrison et al. 1998 ;
Roberge et van Dick 2010). En eet, il nest pas toujours vident de classer une forme
de lhtrognit en htrognit lie la tche ou non lie la tche. Et, selon le
type dhtrognit retenu, on peut conclure deux eets diamtralement opposs. Le
contexte de lquipe peut agir sur cette distinction : par exemple, une htrognit dge
non lie a priori la tche le deviendrait pour un projet commercial devant intgrer les
dirences gnrationnelles entre les clients.
4. Le terme couramment utilis est htrognit de race ( racial heterogeneity ). Ce terme nest
pas utilis en France pour voquer les diffrences dorigine ethnique des individus. Nous ne souhaitons
pas ici rentrer dans un dbat scientifique sur la pertinence de ce terme et prfrons le terme couleur
de peau , notion qui reprsente le mieux ce que dautres auteurs voquent, tort selon nous, sous le
terme de race.
62

I.2.2 Distinction entre lhtrognit visible et non visible
Le deuxime critre de distinction des formes de lhtrognit est la visibilit de

celles-ci. On retrouve cette distinction dans les travaux de Jackson et al. (1995) et
Milliken et Martins (1996) entre les htrognits directement dtectables et celles
moins observables . Harrison et al. (1998) voquent galement cette distinction entre
lhtrognit de surface ( surface level diversity ) et lhtrognit de profon-
deur ( in-deep level diversity ). Dans leur article, ils utilisent galement, de manire
synonyme, les termes attitudinal et demographic , respectivement pour lhtro-
gnit peu visible et lhtrognit visible. Roberge et van Dick (2010) distinguent
les caractristiques perceptibles immdiatement de celles qui ne le sont quaprs une
certaine anciennet de lquipe. Par exemple, lge et la couleur de peau sont des carac-
tristiques trs visibles alors que les comptences ou les opinions politiques ne le sont
quaprs un certain temps.
Cette distinction permet danticiper lintensit de leet sur lquipe. En eet, pour
que lhtrognit provoque des conits, il faut que les membres de lquipe en aient
conscience. Harrison et Klein (2007) insistent sur ce point en prcisant que seules les
formes dhtrognit perues par lquipe peuvent tre tudies. La caractristique sur
laquelle porte lhtrognit doit donc tre visible pour agir sur les conits, la cohsion
et la crativit de lquipe.
Pelled et al. (1999b) et Roberge et van Dick (2010) insistent sur limportance du contexte
professionnel et de lanciennet de lquipe pour dterminer si une caractristique est
trs ou peu visible :
63

For example, when role asymmetry is clear and obvious, such as during a
discussion between a CEO and a front-line employee, status may then become
considered a surface-level aspect of diversity. However, if the context does
not make informational/functional characteristics salient, such indicators of
diversity could be categorized as deep-level diversity. In the instance of three
colleagues having lunch together, occupation would be considered deep-level
which would arise only when one worker asks another about the nature of their
occupation.
(Roberge et van Dick 2010, p. 297)
Comme pour le rapport la tche, la distinction visible / peu visible nest pas toujours
vidente et dpend du contexte de lquipe. Classer une forme de lhtrognit en
visible ou peu visible dpend du contexte et cette classication peut devenir obsolte
au l du temps. La classication des formes de lhtrognit doit, de ce fait, tre plus
souple pour tre pertinente.
I.2.3 Distinction entre lhtrognit de sparation, de varit et de dis-

parit
La troisime distinction porte sur le classement et la hirarchisation des formes de lh-

trognit et est propose par Harrison et Klein (2007). Dans cet article, les auteurs d-
plorent un manque de cohrence de la littrature au sujet de lhtrognit des quipes
de travail. Ils proposent une distinction originale des formes de lhtrognit et ils
noncent des lignes directrices suivre pour amliorer les tudes sur le sujet. Nous
rsumons ici cette distinction.
Selon eux, les formes de lhtrognit se distinguent en trois ensembles : lhtrog-

nit de sparation , de varit et de disparit . Ils dnissent ces trois types
dhtrognit et prcisent, pour chaque type, ce qui correspond un niveau dhtro-
gnit minimal, moyen ou maximal. Le schma 2.3 ci-contre, issu de larticle original,
illustre les trois types dhtrognit et leur niveau.
64

Schma 2.3 Distinction entre lhtrognit de sparation,

de varit et de disparit
Niveau dhtrognit
Minimum Moyen Maximum

bc bc bc
bc bc bc
bc bc bc
bc bc bc
Sparation bc bc bc bc bc
bc bc bc bc bc
bc bc bc bc bc
bc bc bc bc bc bc bc bc bc bc bc bc bc
ld
bc
bc bc
bc bc
bc qp
qp bc
+ qp
Type
Varit bc bc rs rs
dhtrognit ut ut
bc bc rs ut b
bc bc
bc
bc
bc
Disparit bc bc bc bc bc bc bc bc
bc
bc
bc
bc bc bc bc bc bc bc bc
(source : Harrison et Klein 2007, p. 1202, notre traduction)
Lhtrognit de sparation concerne une dirence que lon peut ordonner mais
pas hirarchiser. Par exemple, les opinions des membres de lquipe sur un sujet
donn peuvent tre direntes sans que certaines soient meilleures que dautres.
Lhtrognit signie alors uniquement que les membres de lquipe pensent, plus ou
moins, diremment. Sur le schma 2.3, la premire ligne illustre cette htrognit de
sparation. Laxe horizontal symbolise le fait quil existe un ordonnancement, mais pas
de hirarchie entre les htrognits de sparation. Lhtrognit est minimale si tous
partagent la mme opinion, quelle quelle soit. Lhtrognit est moyenne lorsque len-
semble des opinions est prsent. Enn, lhtrognit est maximale lorsque les opinions
65

se distinguent en deux groupes extrmes. Harrison et Klein expliquent que lhtrog-

nit de sparation concerne les opinions, les croyances, les valeurs et les attitudes.
Lhtrognit de varit concerne une dirence que lon ne peut ni ordonner, ni hi-
rarchiser. Par exemple, les origines professionnelles des membres de lquipe peuvent
tre direntes sans que lon puisse eectuer un classement de celles-ci. Lhtrog-
nit signie alors uniquement la prsence dorigines professionnelles direntes, quelles
quelles soient. La deuxime ligne du schma 2.3 illustre cette htrognit de varit.
Lhtrognit est minimale si tous les membres de lquipe possdent la mme origine
professionnelle. Elle est moyenne lorsque plusieurs origines professionnelles sont parta-
ges par lquipe. Lhtrognit est maximale lorsque lorigine de chaque membre est
dirente. Harrison et Klein donnent comme exemple de lhtrognit de varit le
niveau dexpertise, lexprience professionnelle et le rseau de contacts professionnels.
Lhtrognit de disparit concerne une dirence que lon peut ordonner et hirar-
chiser. Par exemple, les statuts des membres de lquipe dans lorganisation peuvent
tre classs du plus bas au plus haut. Lhtrognit signie alors la prsence simulta-
ne dindividus faiblement et fortement reconnus dans lquipe. La troisime ligne du
schma 2.3 illustre cette htrognit de disparit. Laxe vertical symbolise le fait que
les statuts peuvent tre, la fois, classs et hirarchiss. Lhtrognit est minimale
si tous les membres de lquipe possdent le mme statut. Elle est moyenne lorsque les
statuts sont rpartis uniformment entre les membres. Enn, lhtrognit est maxi-
male si un membre de lquipe possde un statut trs haut tandis que tous les autres
membres possdent un statut bas. Lhtrognit de disparit concerne, par exemple,
la rmunration, le niveau de vie, le statut hirarchique ou lautorit.
Cette distinction entre lhtrognit de sparation, de varit et de disparit permet

de faire concider les deux thories attraction pour la similarit et diversit des res-
sources cognitives en les attribuant un type dhtrognit. Selon Harrison et Klein,
lhtrognit de sparation est lie la thorie de lattraction pour la similarit : ces
66

dirences conduiraient une baisse de la cohsion et des conits interpersonnels n-

fastes lecacit technique de lquipe. Lhtrognit de varit est lie la thorie
de la diversit des ressources cognitives : ces dirences augmenteraient la crativit et
linnovation de lquipe et provoqueraient des conits lis aux tches, conits protables
lecacit technique. Enn, lhtrognit de disparit est lie aux thories sur lin-
galit et la comptition 5 . Nous navons pas abord ces thories jusqualors car elles
sont peu lies, selon nous, au travail en quipe tel que dni dans le premier chapitre.
En eet, la comptition implique un travail valuable individuellement, or nous avons
mis comme critre la prdominance dun travail collectif ne pouvant se ramener la
somme des eorts individuels.
Cette distinction ne permet nanmoins pas de rgler le problme soulev prcdem-

ment, savoir quil faut toujours classer les formes de lhtrognit dans lun de ces
types dhtrognit. De manire identique aux auteurs prcdents, Harrison et Klein
expliquent que le contexte permet de faire cette classication :
Each of these examples still begs a general question: Absent a deductive the-
ory, if a demographic variable distributed within a unit can indicate any diversity
type, what meaning should scholars impute for it? In short, which type is right?
We believe that this depends, in part, on unit members context-dependent in-
terpretations of the variable in question.
(Harrison et Klein 2007, p. 1209)
Les trois distinctions prsentes htrognit lie ou non lie la tche ; htrog-
nit visible ou peu visible ; htrognit de sparation, de varit ou de disparit
permettent de classer les formes de lhtrognit et simplient lanalyse de leurs liens
sur lquipe. En outre, elles permettent, en partie, de faire concider les thories sur leet
5. Harrison et Klein voquent les travaux de diffrences de rmunration de Bloom (1999) et la tho-
rie des tournois de Lazear et Rosen (1981) pour expliquer la hausse de comptition lie lhtrognit
de disparit. Les effets attendus sur lefficacit technique ne sont pas clairs : leffet de comptition peut
amliorer leffort individuel de chaque membre de lquipe, mais ces efforts peuvent se dtourner du
travail dquipe (sabotage, individualisme) (Eisenhardt et Bourgeois 1988).
67

de lhtrognit sur lecacit technique. Nanmoins, ces trois distinctions partagent

une limite commune : les formes de lhtrognit doivent appartenir lun des types
dhtrognit. De ce fait, par exemple, lhtrognit dge serait, selon les auteurs,
non lie la tche ; lhtrognit de niveaux de comptences serait une htrognit
de varit. Le problme est que peu de rsultats synthtiques ressortent de la littrature
ce sujet. Nous illustrons ceci en listant, dans la sous-section suivante, lensemble des
formes de lhtrognit tudies dans la littrature.
I.3 Liste des formes de lhtrognit
Pour conclure cet tat de lart, nous recensons les formes de lhtrognit les plus r-
gulirement tudies dans la littrature. Nous en listons sept : lge (1), lanciennet (2),
le genre (3), lorigine culturelle (4), le niveau de diplme (5), la nature des comptences
(6) et le niveau de comptences (7). Un trs grand nombre darticles empiriques traitent
de chacune de ces formes de lhtrognit, avec une mthodologie assez rgulire :
les auteurs sappuient sur la thorie de lattraction pour la similarit ou sur celle de
la diversit des ressources cognitives, ils classient les formes dhtrognit selon les
distinctions que nous avons prsentes puis ils dmontrent des liens entre lhtrog-
nit et le fonctionnement de lquipe ou entre lhtrognit et lecacit technique
de lquipe.
Nous prsentons successivement ces sept formes de lhtrognit. Pour chacune, nous
prsentons la classication propose par les auteurs, ainsi que les principaux rsultats
sur lecacit technique. Pour faciliter la lecture compare des formes de lhtrognit,
nous avons rsum cette prsentation dans le tableau 2.1 ci-contre en ne conservant que
les rsultats les plus frquemment prsents dans la littrature. Ce tableau indique, pour
chaque forme, le type dhtrognit daprs les trois distinctions, la thorie retenue et
les principaux rsultats sur lquipe. Lorsquun dirend est notable cest le cas des
htrognits de niveaux de diplme, de genre et dorigine culturelle , nous lavons
report sur le tableau avec les direntes tendances.
68

Tableau 2.1 Formes de lhtrognit et principaux rsultats de la littrature
Distinctions associes
Formes de Thorie Effets sur

lhtrognit Lie / non Visible / Sparation retenue lquipe
lie la non / varit /
tche visible disparit
Turnover (+)
Htrognit Non lie
Visible Sparation AS Discriminations (+)
dge la tche
Communication ()
Apprentissage (+)
Htrognit Lie la Varit /
Peu visible DRC Ractivit (+)
danciennet tche Disparit
Crativit (+)
Non lie Cohsion ()

Visible Sparation AS
la tche Communication ()
Htrognit
de genre
Non lie
Visible Varit DRC Crativit (+)
la tche
Non lie Cohsion ()

Visible Sparation AS
Htrognit la tche Discriminations (+)
dorigine
culturelle Ouverture
Non lie
Visible Varit DRC desprit (+)
la tche
Crativit (+)
Non lie Sparation /

Peu visible AS Communication ()
Htrognit la tche Disparit
des niveaux
de diplme Lie la Rsolution de
Peu visible Disparit DRC
tche problmes (+)
Htrognit de Lie la Conflits (+)

Peu visible Varit DRC
nature des tche Crativit (+)
comptences
Htrognit des Lie la Varit / Apprentissage (+)

Peu visible DRC
niveaux de tche Disparit Conflits (+)
comptences

Abrviations : AS : Attraction pour la similarit ; DRC : Diversit des ressources cognitives
69

I.3.1 Htrognit dge
Lhtrognit dge est considre dans la littrature comme non lie la tche et
trs visible par les membres de lquipe. Thoriquement, Roberge et van Dick (2010)
insistent sur limpact ngatif de cette forme de lhtrognit sur le sentiment dappar-
tenance de chacun au groupe et sur la communication dans le groupe. Empiriquement,
lhtrognit dge est rgulirement traite (rcemment : Wegge et al. 2008 ; Kunze
et al. 2011 ; Li et al. 2011 ; Rowold 2011 ; Wegge et al. 2012 ; Boehm et Kunze 2015)
avec des rsultats parfois contradictoires.
Une majorit des auteurs (Wagner et al. 1984 ; Zenger et Lawrence 1989 ; Jackson et al.
1991 ; Timmerman 2000 ; Kunze et al. 2011) valide lhypothse dun eet ngatif sur
lecacit technique : la communication entre les membres de lquipe serait plus faible
(Zenger et Lawrence 1989), le niveau de turnover (Wagner et al. 1984 ; Jackson et al.
1991) et les discriminations (Kunze et al. 2011) seraient plus levs.
Quelques autres prsentent, au contraire, des rsultats radicalement dirents : lhtro-

gnit dge amliorerait la capacit du groupe rsoudre des tches complexes (Wegge
et al. 2008 ; Li et al. 2011). Wegge et al. (2012) expliquent que leet peut tre positif ou
ngatif sur la performance de lquipe selon le contexte de lorganisation. Ces rsultats
sont, nanmoins, minoritaires et la majorit des travaux empiriques prsentent un eet
ngatif de lhtrognit dge sur lquipe.
I.3.2 Htrognit danciennet
Lanciennet dun employ reprsente le temps pass par celui-ci dans un cadre de tra-
vail. Selon les tudes, on distingue lanciennet lie au poste, lie lorganisation ou la
carrire globale de lemploy (Tillou et Liarte 2012). Dans la littrature, lhtrognit
danciennet est toujours considre comme lie la tche et peu visible. Elle serait une
htrognit de varit (en insistant sur les expertises direntes) ou de disparit (en
insistant sur les statuts dirents).
70

De manire assez unanime, les auteurs noncent que cette forme de lhtrognit
conduit une hausse de lecacit. Lapprentissage mutuel entre les membres serait
favoris (Horwitz 2005) et lquipe ferait preuve dune plus grande ractivit dans son
travail (Boeker 1997). Les dbats cognitifs provoqus par lhtrognit danciennet
seraient galement protables lecacit (Simons et al. 1999 ; Mansoor et al. 2013).
Quelques travaux insistent nanmoins sur son eet ngatif sur lecacit technique
(Wagner et al. 1984 ; Zenger et Lawrence 1989 ; Wageman 1997). Ces auteurs voquent
le manque de cohsion (Wagner et al. 1984 ; Wageman 1997) ou les problmes de commu-
nication interne (Zenger et Lawrence 1989) provoqus par lhtrognit danciennet.
Nous avons trait indpendamment la question de lge de celle de lanciennet : lge

serait visible mais peu li la tche, quand lanciennet serait trs lie la tche mais peu
visible. Si cette distinction est lgitime dun point de vue conceptuel, son application
empirique pose problme ds lors que lanciennet est corrle lge. Ds lors, les
conclusions tires dans la littrature sur les eets de lhtrognit dge et danciennet
doivent frquemment tre nuances par cette relation de dpendance.
I.3.3 Htrognit de genre
La rpartition dune quipe entre hommes et femmes fait partie des formes de lhtro-
gnit les plus traites dans la littrature (par exemple : Lee et Farh 2004 ; Joshi et al.
2006 ; Adams et Ferreira 2009 ; Bear et Woolley 2011 ; Rowold 2011 ; Richard et al.
2013 ; Martin et Good 2014 ; Sastre 2015). Le genre des employs est une caractristique
sociale (Tillou et Liarte 2012), visible au mme titre que lge (Harrison et al. 1998).
Les consquences dune htrognit de genre sont, de nouveau, trs contrastes. Em-
piriquement, Martin et Good (2014) et Adams et Ferreira (2009) dmontrent que
cette forme de lhtrognit provoquerait une scission dans lquipe entre hommes
et femmes, dgradant la cohsion. Les quipes homognes seraient ainsi plus ecaces
dans leur travail (Milliken et Martins 1996). Lhtrognit de genre serait une htro-
71

gnit de sparation selon la distinction de Harrison et Klein (2007) : lhtrognit

provoquerait des dirences dopinions non hirarchisables.
En contradiction avec ces travaux, Lee et Farh (2004) et Bear et Woolley (2011) d-
montrent un eet positif de lhtrognit de genre sur lecacit dun groupe. De
mme, Sastre (2015) dmontre une hausse sur les capacits dinnovation dune quipe.
Cette htrognit de genre serait une htrognit de varit, source de crativit
et donc de performance collective. Dautres auteurs encore (Joshi et al. 2006 ; Richard
et al. 2013) ne trouvent pas de liens ables ou insistent sur leet modrateur essentiel
du contexte de lquipe. La littrature ne nous permet donc pas dtablir un eet global
clair.
I.3.4 Htrognit dorigine culturelle
La littrature abonde darticles traitant dhtrognit culturelle, sociale ou de couleur

de peau (par exemple entre 2011 et 2014 : Rowold 2011 ; Pieterse et al. 2012 ; Adair et al.
2013 ; Kahane et al. 2013 ; Nielsen et Nielsen 2013 ; Richard et al. 2013 ; Loureno et al.
2014 ; Maderer et al. 2014 ; Perry-Smith et Shalley 2014). Cette forme de lhtrognit
est lune des plus frquentes dans les travaux sur lhtrognit. On parle davantage
de diversit mme si la dnition est identique : la prsence simultane dans une quipe
demploys aux origines culturelles ou de couleurs de peau direntes. De nombreuses
appellations (origine culturelle/origine sociale/couleur de peau/nationalit/ethnie) ren-
voient une problmatique identique : celle des dirences de culture, de croyances et de
valeurs (Cox et Blake 1991 ; Jackson et al. 1995). Ainsi, pour les prsenter, nous regrou-
pons ces formes de lhtrognit sous le terme htrognit dorigine culturelle
qui, selon nous, rete le plus le phnomne tudi.
Les eets sur lquipe sont trs contradictoires dans la littrature. On peut arguer que
lhtrognit dorigine culturelle est une htrognit de sparation et quelle pro-
voque donc des conits sur les valeurs dans lquipe (Jehn et al. 1999), quelle rduit le
72

sentiment dappartenance de chacun lquipe et diminue la communication de lquipe

(Zenger et Lawrence 1989 ; Bowers et al. 2000). En sappuyant sur la thorie de lattrac-
tion pour la similarit, Schmitt et Lappin (1980), Ensher et Murphy (1997), Timmerman
(2000) ou Maderer et al. (2014) dmontrent empiriquement un eet ngatif des di-
rences de nationalit ou dorigine culturelle sur la communication et la cohsion de
lquipe. Perry-Smith et Shalley (2014) dmontrent que les dirences de nationalit
diminuent la crativit de lquipe.
Mais, on trouve galement des auteurs pour dfendre lopportunit provoque par lh-
trognit culturelle et ses enjeux en termes de management (Peretti et Roch 2012).
Lhtrognit des origines culturelles, en tant que htrognit de varit, serait alors
bnque lecacit, par louverture desprit et par la remise en cause de chacun dans
ses croyances (Cox et Blake 1991). De nombreux travaux empiriques (Pieterse et al. 2012
; Kahane et al. 2013 ; Nielsen et Nielsen 2013 ; Loureno et al. 2014) se rfrent la
thorie de la diversit des ressources cognitives et valident cette position : les dirences
de cultures (Pieterse et al. 2012 ; Loureno et al. 2014) ou de nationalit (Kahane et al.
2013 ; Nielsen et Nielsen 2013) augmentent la performance de lquipe.
I.3.5 Htrognit des niveaux de diplme
Le niveau de diplme reprsente le nombre dannes dtudes valides. Il possde deux

signications. Tout dabord, il sagit de la sanction dtudes scolaires/universitaires me-
nes leur terme, rvlant ainsi les comptences de lemploy. Dans ce cadre, lhtrog-
nit des niveaux de diplme est lie la tche ou est, daprs la distinction de Harrison
et Klein (2007), une htrognit de varit. Son eet sur lecacit technique serait
alors positif (Bantel et Jackson 1989).
Par ailleurs, le niveau de diplmes peut servir de reconnaissance et de statut social

un individu. Le diplme est alors un signal pour lemployeur comme pour les autres
membres de lquipe (Spence 1973). Ds lors, cette htrognit dorigine sociale serait
une htrognit de dispersion ou de disparit. Elle serait un frein la communication
73

dans le groupe et limiterait les sentiments de reconnaissance et dappartenance (notam-

ment des moins diplms) dans le groupe (Milliken et Martins 1996). Zenger et Lawrence
(1989) ont montr comment ce type dhtrognit pouvait conduire des dirences
de langages professionnels entre les employs, et ainsi baisser leur performance collec-
tive. Milliken et Martins (1996) prcisent que, si lhtrognit portant sur les diplmes
peut conduire une baisse de la communication dans lquipe, elle peut conduire dans
le mme temps une hausse de la communication lextrieur de lquipe et ceci peut
accrotre in fine la performance de lorganisation. Le niveau de diplme et le statut
social quil vhicule ne sont pas visibles directement, aussi leet ngatif sur la cohsion
de lquipe serait faible.
I.3.6 Htrognit de nature des comptences
La nature des comptences que possde un employ reprsente la capacit dont il dispose
de transformer un eort productif en une production eective. Ces comptences sont
dveloppes dans le cadre de la formation initiale puis par la formation interne, la for-
mation continue et lexprience. Lhtrognit de nature des comptences reprsente,
dans une quipe, la prsence de comptences direntes, une diversit des mthodes,
des connaissances ou des expriences de travail. A fortiori, une htrognit de na-
ture des comptences est fortement lie la tche. Sa visibilit est faible et dpend de
lanciennet de lquipe.
Lhtrognit de nature des comptences est rgulirement aborde thoriquement

(Byrne 1971 ; Hackman et Morris 1975 ; Pelled 1996 ; Simons et al. 1999 ; Harrison et
Klein 2007) ou empiriquement (entre autres Bantel et Jackson 1989 ; Jos et al. 2011 ;
Halici et al. 2012 ; Cai et al. 2013 ; Mansoor et al. 2013 ; Somech et Drach-Zahavy 2013).
De manire assez unanime, elle est considre comme un facteur decacit de lquipe.
Lquipe dispose en eet dun spectre de comptences plus large. Les conits portent
sur le processus de production (Cai et al. 2013) et lquipe est plus crative (Somech
et Drach-Zahavy 2013). La complexit de la tche et des comptences acqurir est
74

essentielle pour que cette forme de lhtrognit soit eective. Ainsi, les quipes de
projet, celles managriales et celles dirigeantes seraient plus aectes que les quipes
oprationnelles (Cai et al. 2013).
I.3.7 Htrognit des niveaux de comptences
Pour nir, le niveau de comptences reprsente une valuation quantitative de laccu-

mulation des comptences (prises dans leur globalit). Ce niveau de comptences est
dni pour un poste donn, pour un employ donn, et peut tre rajust rgulirement.
Lvaluation de ce niveau de comptences, souvent ralise par la direction de lemploy,
permet de proposer de nouvelles missions lemploy ou sert de base la grille sala-
riale dans lorganisation. Lhtrognit des niveaux de comptences signie la prsence
simultane demploys faiblement et fortement comptents dans une mme quipe.
Contrairement la nature des comptences, lhtrognit des niveaux de comptences

est moins traite dans la littrature. Hamilton et al. (2003) valuent, partir des per-
formances passes, un niveau de comptences pour chaque employ dune fabrique de
vtements pour ensuite capter un impact positif de lhtrognit sur la productivit
du groupe. Tillou et Liarte (2012) distinguent galement accumulation et htrognit
de lexprience et montrent, partir de donnes sportives, que lhtrognit favorise la
performance de lquipe. De manire exprimentale, Tziner et Eden (1985) et Torre-Ruiz
et al. (2011) constatent une relation positive entre lhtrognit des niveaux de com-
ptences et la performance dune quipe, notamment lors de tches complexes 6 . Cela
conduit de nouveau considrer les quipes de projets, celles managriales et celles
dirigeantes, comme plus mme dtre aectes par cette forme de lhtrognit.
6. Les tudes portant sur lhtrognit du niveau de comptences posent certaines limites quant
aux donnes utilises. Hamilton et al. (2003) utilisent le niveau de production pralable comme proxy
du niveau de comptences ; les tudes exprimentales (Tziner et Eden 1985 ; March 1991) se basent
sur une approche analogue ; les tudes de Torre-Ruiz et al. (2011) et Tillou et Liarte (2012), bases sur
des donnes sportives, utilisent lanciennet comme proxy de ce niveau de comptences. Pour analyser
leffet de lhtrognit des niveaux de comptences, il faut disposer dune telle mesure et celle-ci est
peu disponible pour les chercheurs (procdure dvaluation non mise en place par les organisations ou
donnes non communiques aux chercheurs). Nous contribuerons cette littrature par lexploitation
de donnes prcises sur lhtrognit des niveaux de comptences (voir chapitre 4).
75

Le rapport la tche est vident : lhtrognit des niveaux de comptences est trs
lie la tche raliser par lquipe au sens o le niveau de comptences est valu en
fonction de cette tche. Sa visibilit dpend de la politique dachage de ces niveaux
de comptences par lorganisation. Si le niveau de comptences est utilis comme grade
par lorganisation et communiqu publiquement, lhtrognit est visible. Dans le cas
contraire, lhtrognit nest visible quaprs une certaine anciennet des membres
dans lquipe. En reprenant la distinction de Harrison et Klein (2007), lhtrognit
des niveaux de comptences serait une htrognit de varit si lon suppose que
les dirents niveaux de comptences sont autant de prols techniques dirents ou
une htrognit de disparit si lon insiste sur les dirences hirarchiques ou de
statut dans lquipe.
Sur ces quarante dernires annes, de nombreux auteurs et quipes de recherche ont
trait de questions dhtrognit et decacit technique, thoriquement et empiri-
quement, mais les sources de donnes comme les thories utilises sont multiples et les
rsultats sont rgulirement contradictoires. De ce fait, nous partageons le constat fait
par Harrison et Klein :
For many reasons, the organizational literature on diversity is confusing dif-

ficult to understand and difficult to synthesize. It is difficult to synthesize in
part because consistent findings and cumulative insights have not emerged, but
also simply because the diversity literature itself is so diverse.
Les rsultats sur ce sujet sont peu gnralisables et la littrature est encore trop di-
verse . Partant, nous tenterons de contribuer, dans la deuxime section, la synthse
de cette littrature par la proposition dun cadre thorique liant lhtrognit et lef-
cacit technique.
76

Section II Synthse et cadre thorique
Dans cette deuxime section, nous nous cartons de la littrature et proposons une
autre manire de concevoir lhtrognit des quipes. Pour cela, nous constituons une
typologie originale de lhtrognit et nonons trois hypothses rsumant notre cadre
thorique. Notre manire de concevoir lhtrognit nen reste pas moins compatible
avec la grande majorit des travaux existants, nous le montrons tout au long de la
section.
Cette section est dcoupe en trois questions. La premire question concerne le terme
employer pour parler des dirences entre les membres dune quipe. Jusqualors,
alors que les deux termes htrognit et diversit sont disponibles, nous avons
majoritairement utilis le terme htrognit , nous expliquons ici notre choix en nous
basant la fois sur la dnition et les usages des deux termes. La deuxime question porte
sur la typologie utiliser pour tudier lhtrognit. Nous avons vu dans la section
prcdente lintrt de classer les formes de lhtrognit, mais galement les limites
des distinctions actuelles. Nous proposons notre propre typologie, liant lhtrognit et
ses eets sur lquipe. La dernire question sintresse lecacit technique de lquipe
et complte ainsi le cadre thorique.
II.1 Quel terme pour parler de lhtrognit ?
Le terme htrognit nest pas le seul disponible pour rendre compte des di-
rences existantes au sein dune quipe de travail. Notamment, le terme diversit est
galement disponible et couramment employ. Si nous avons retenu principalement le
terme htrognit depuis le dbut de cette thse, nous en prsentons ici les raisons.
Le terme diversit est trs souvent utilis pour qualier les dirences entre indivi-
dus. Pour citer quelques exemples, les rcentes avances de la lutte contre les discrimi-
nations dans les entreprises et plus gnralement dans la socit ont conduit rdiger
77

des chartes de la diversit . Il existe une association franaise des managers de la

diversit (2009), une fondation Culture et Diversit (2006), un rapport mondial sur la
diversit culturelle par lUNESCO (2010). Un label diversit est galement propos
par lAssociation franaise de normalisation (AFNOR) sur la base des discriminations
listes par le Code pnal 7 . La diversit est ainsi, depuis ces quinze dernires annes, au
cur du dbat public.
Du point de vue thorique, il existe deux manires de traiter des dirences entre indi-
vidus. Dun premier point de vue, la diversit serait un objectif social et une obligation
lgale, elle devrait donc tre promue an dviter les discriminations (Peretti et Roch
2012). Peretti et Roch prcisent que les deux notions diversit et discriminations
sont lies dans la manire de traiter du concept :
La notion de diversit ne fait pas lobjet en France dune dfinition ju-

ridique officielle, ni dans la Constitution ni dans les textes de loi, contrairement
au concept de discrimination bien dfini. Aussi, le label diversit , cr par
le dcret du 17 dcembre 2008, associe les deux concepts. Son objet est de
promouvoir les bonnes pratiques de recrutement, dvolution professionnelle et
de gestion des ressources humaines des entreprises ou des employeurs de droit
public ou priv, en vue de dvelopper la diversit et de prvenir les discrimi-
nations . [...] On peut considrer que ces dix-huit critres [de discrimination]
constituent un inventaire des dimensions de diversit aujourdhui identifies.
(Peretti et Roch 2012, p. 20)
Ce point de vue conduit ce que la diversit soit ncessairement souhaitable sociale-

ment, sans ncessairement avoir un intrt productif pour lorganisation. La diversit
est ncessaire, car labsence de diversit quivaut des discriminations. Le deuxime
7. Code pnal, art. 225-1, 225-2 et 432-7 : Dfinition pnale des actes discriminatoires (fonds
sur les distinctions opres entre les personnes physiques raison de leur origine, de leur genre, de
leur situation de famille, de leur apparence physique, de leur patronyme, de leur tat de sant, de
leur handicap, de leurs caractristiques gntiques, de leurs murs, de leur orientation sexuelle, de
leur ge, de leurs opinions politiques, de leurs activits syndicales, de leur appartenance ou de leur
non-appartenance une ethnie, une nation, une race ou une religion dtermine) [...].
78

point de vue sintresse cette fois uniquement lintrt productif de la diversit. Par
exemple, Cox et Blake (1991) prcisent que les arguments en faveur de la diversit quils
noncent dans leur article ne sont pas lis des raisons sociales, morales ou lgales :
This focus is not intended to undermine the importance of social, moral, and
legal reasons for attention to diversity. We have chosen to address its relevance
for other types of goals,such as worker productivity and quality of decision
making, because the impact of diversity in these areas has received relatively
little attention in the past compared to the equal-opportunity related goals.
(Cox et Blake 1991, note de fin de texte n 3, p. 55)
Dun point de vue lexical maintenant, on peut comprendre que les deux termes ont un
usage dirent en analysant la littrature. Par exemple, hors de la sphre acadmique,
le terme diversit est bien plus utilis que le terme htrognit pour qualier
les dirences 8 . linverse, dans la sphre acadmique, si lon se restreint aux publi-
cations en conomie, sociologie, management et gestion, les deux termes sont utiliss
relativement quitablement 9 .
Nous avons men une analyse plus pousse des rfrences prsentes sur la base de don-
nes Econlit 10 pour approfondir cette question des dirences dusage des deux termes.
Pour cela, nous avons collect 8207 rfrences bibliographiques publies avant lanne
2013, concernant les quipes de travail, et contenant les termes diversit et/ou ht-
rognit . Les tableaux 2.2 et 2.3 page suivante synthtisent notre tude et dmontrent
8. Le site de recherche Factiva (service web du groupe Dow Jones & Co. visant regrouper un large
nombre de sources dinformations conomiques, managriales et financires) recense 15 fois plus de
rsultats pour le terme diversity (2 022 000 rsultats, nombre au 8 janvier 2014) que pour le terme
heterogeneity (134 000 rsultats). Pour la presse plus gnraliste, sur le site internet Europresse, ce
ratio est de 30.
9. Sur le moteur de recherche de rfrences bibliographiques Web of Science, concernant les catgories
Economy , Sociology , Management et Business , le nombre de rfrences acadmiques est
denviron 7500 pour heterogeneity comme pour diversity (nombre au 8 janvier 2014). Sur le
moteur de recherche de rfrences bibliographiques Econlit, le nombre de rfrences acadmiques est
denviron 42 000 pour chacun des deux termes.
10. Pour constituer le corpus de rfrences scientifiques, nous nous sommes limits aux articles scien-
tifiques publis dans des revues comit de lecture. Pour plus de dtails sur les choix mthodologiques,
voir lannexe B page 259.
79

Tableau 2.2 Nombre darticles utilisant le terme htrognit selon le sujet
Sujet Nombre dar-

ticles
Human Capital ; Skills ; Occupational Choice ; Labor
176
Productivity
Economic Development : Human Resources ; Human
171
Development ; Income Distribution ; Migration
Political Processes : Rent-seeking, Lobbying, Elections,
148
Legislatures, and Voting Behavior
Wage Level and Structure ; Wage Differentials 145
Consumer Economics : Empirical Analysis 118
Economics of Gender ; Non-labor Discrimination 117
Fertility ; Family Planning ; Child Care ; Children ; Youth 115
Health Production 110
Urban, Rural, Regional, Real Estate, and Transportation
Economics : Regional Migration ; Regional Labor Markets ; 103
Population ; Neighborhood Characteristics
Economics of Minorities, Races, Indigenous Peoples, and
95
Immigrants ; Non-labor Discrimination
Tableau 2.3 Nombre darticles utilisant le terme diversit selon le sujet
Sujet Nombre dar-

ticles
Firm Performance : Size, Diversification, and Scope 1039
Financing Policy ; Financial Risk and Risk Management ;
Capital and Ownership Structure ; Value of Firms ; 431
Goodwill
Economics of Minorities, Races, Indigenous Peoples, and
318
Immigrants ; Non-labor Discrimination
Economic Development : Human Resources ; Human
317
Development ; Income Distribution ; Migration
Mergers ; Acquisitions ; Restructuring ; Voting ; Proxy
281
Contests ; Corporate Governance
Banks ; Depository Institutions ; Micro Finance
275
Institutions ; Mortgages
Corporate Culture ; Diversity ; Social Responsibility 274
Economic Sociology ; Economic Anthropology ; Social and
242
Economic Stratification
Economic Development : Financial Markets ; Saving and
241
Capital Investment ; Corporate Finance and Governance
Urban, Rural, Regional, Real Estate, and Transportation
Economics : Regional Migration ; Regional Labor Markets ; 223
Population ; Neighborhood Characteristics
80

que le terme diversit est majoritairement utilis en gestion et pour lanalyse des
minorits et des discriminations. Au contraire, le terme htrognit renvoie des
champs de recherche en ressources humaines tels que le capital humain, la productivit
du travail et les structures de salaires. Le dtail de lanalyse des rfrences bibliogra-
phiques est disponible en annexe B page 259.
Deux raisons nous amnent donc choisir le terme htrognit pour dsigner les
dirences entre les membres dune quipe de travail. Dune part, le terme diversit
est, en France du moins, trs li celui de discrimination . Dautre part, mme dans
la littrature acadmique au sens large, le terme htrognit convient plus notre
analyse, car il renvoie des problmatiques de ressources humaines et decacit tech-
nique. Nous conservons donc, pour la suite de la thse, le terme htrognit . Ainsi,
tout en respectant le cadre lgal de non-discrimination, lorganisation peut appliquer
des politiques dhomognisation ou dhtrognisation de sa main duvre dans ses
quipes, et cest lintrt productif de ces politiques que nous analysons.
II.2 Quelle typologie de lhtrognit ?
La principale dicult des distinctions actuelles des formes de lhtrognit concerne

laspect de classement quelles imposent. Si cela parat ncessaire pour une typologie,
de nombreux auteurs insistent sur le fait que les formes de lhtrognit nont pas un
classement xe et que le contexte de lquipe et de lorganisation est primordial pour
russir un classement. Par exemple, une htrognit dge est tantt classe en
htrognit non lie la tche, tantt classe en htrognit lie la tche (car
corrle lanciennet). Une htrognit de genre est parfois classe en htrognit
de sparation (les auteurs considrent alors que les hommes et femmes ont des diver-
gences dopinions), parfois en htrognit de varit (les auteurs reconnaissent alors
les connaissances diverses que les hommes et les femmes apportent dans la ralisation
du travail en quipe). Le fait de devoir choisir a priori le type dhtrognit rend peu
oprantes ces distinctions.
81

Nous repartons de la distinction entre lhtrognit lie et non lie la tche pour
proposer notre typologie. Nous intgrons ensuite la distinction entre lhtrognit de
sparation, de varit et de disparit. Celle entre lhtrognit visible et htrognit
peu visible nest pas reprise dans notre typologie mais conserve, selon nous, son intrt.
Selon le degr de visibilit de la forme de lhtrognit, leet sur lquipe (positif ou
ngatif) est plus ou moins fort.
II.2.1 Deux dimensions de lhtrognit
Nous supposons que lhtrognit est compose de deux dimensions : la dimension

fonctionnelle et la dimension psychosociale. La dimension fonctionnelle dune ht-
rognit est lie au travail que doit eectuer lquipe. Des dirences de comptences
pour une mission, de points de vue sur la manire de rsoudre un problme technique,
dorigine culturelle pour un projet transnational ncessitant une rexion sur limpact
de ces direntes cultures sont plusieurs exemples dhtrognit essentiellement fonc-
tionnelle. La dimension psychosociale dune htrognit concerne tout ce qui nest
pas li au travail que fournissent les membres de lquipe. Des dirences politiques et
religieuses, si elles ne concernent pas les missions de lquipe, une dirence dorigine
professionnelle pour un projet ne ncessitant pas cette diversit, sont des exemples de
forme de lhtrognit principalement psychosociale.
Hypothse 1. Une forme de lhtrognit se compose dune dimension fonctionnelle

et dune dimension psychosociale.
La dcomposition de lhtrognit en deux dimensions est dirente de la logique de

la distinction entre lhtrognit lie et non lie la tche. En eet, selon nous, chaque
forme de lhtrognit comporte les deux dimensions et nest pas rduite tre soit
lie la tche, soit non lie la tche. Au contraire, elle est, en partie, lie la tche
(dimension fonctionnelle) et, en partie, non lie la tche (dimension psychosociale).
82

Les deux dimensions de lhtrognit peuvent galement tre compares la distinc-

tion entre lhtrognit de sparation, de diversit et de disparit. La dimension psy-
chosociale de lhtrognit correspond lhtrognit de sparation ou de disparit
(selon quil sagit dune divergence dopinions ou dune position sociale dirente). La
dimension fonctionnelle de lhtrognit correspond lhtrognit de varit ou de
disparit. nouveau, lintrt ici est de ne pas devoir classer de manire trop restrictive
les formes de lhtrognit.
II.2.2 Dimensions de lhtrognit et effets sur lquipe
Les deux dimensions de lhtrognit permettent de concilier les deux thories traitant
de limpact de lhtrognit sur lquipe. La dimension psychosociale de lhtrognit
se rfre la thorie de lattraction pour la similarit et que la dimension fonctionnelle
de lhtrognit se rfre la thorie de la diversit des ressources cognitives. La
dimension psychosociale impliquerait ainsi une baisse du sentiment dappartenance et
de la cohsion de lquipe. Au contraire, la dimension fonctionnelle permettrait une
hausse de lapprentissage et de la crativit dans lquipe.
Une forme de lhtrognit nest pas indissolublement lie lun ou lautre des
eets, lune ou lautre des thories. Au contraire, les deux thories pourraient tre
valides simultanment pour chaque forme de lhtrognit. La dimension psychosociale
de lhtrognit de genre rduirait la cohsion de lquipe, tandis que la dimension
fonctionnelle de cette forme de lhtrognit augmenterait lapprentissage entre les
membres.
Dans la premire section du chapitre, nous avions illustr les deux thories par les sch-
mas 2.1 et 2.2 pages 56 et 59. En supposant la simultanit des eets, nous pouvons
prsent runir ces deux schmas sous un seul (schma 2.4 page suivante). Comme
le schma 2.4 lillustre, il faut tout dabord distinguer les deux dimensions de lht-
rognit. La dimension psychosociale agit sur le sentiment dappartenance et sur la
cohsion. La dimension fonctionnelle agit sur lapprentissage et la crativit. Les deux
83

Schma 2.4 Eets des dimensions de lhtrognit sur lquipe
Htrognit
Dimension de Dimension Dimension

lhtrognit psychosociale fonctionnelle
+
Effet sur
lindividu
Sentiment
dappartenance + + Apprentissage
+
Effet sur
+ Crativit
Effet sur
lefficacit
dimensions agissent sur les conits mais diremment. Les conits provoqus par la
dimension psychosociale agissent sur la cohsion, ceux provoqus par la dimension fonc-
tionnelle agissent sur la crativit.
Le schma 2.4 omet volontairement dindiquer leet nal de la cohsion et de la crati-

vit sur lecacit technique. Nous faisons cette omission car, ce stade, nous navons
pas encore prsent comment leet ngatif de la cohsion et celui, positif, de la cra-
tivit sagrgent et sils aectent ensemble ou non lecacit technique. La question de
leet global sur lecacit technique est lobjet de la dernire sous-section.
84

II.3 Comment lhtrognit affecte-t-elle lefficacit tech-

nique dune quipe de travail ?
Cette dernire sous-section introduit lecacit technique dans notre typologie. ce

sujet, nous nonons deux hypothses concurrentes sur la nature du lien qui unie lh-
trognit lecacit technique.
La premire hypothse nonce que les deux dimensions de lhtrognit agissent si-
multanment sur lecacit technique. Cette premire hypothse est celle faite par une
majorit des travaux empiriques. La deuxime hypothse nonce que certaines dimen-
sions de lhtrognit agissent comme modicateurs de leet dautres dimensions sur
lecacit technique. Cette deuxime hypothse synthtise les suggestions rcentes de
Harrison et Klein (2007) et de Roberge et van Dick (2010).
Lobjet ici nest pas dcarter lune des hypothses, mais au contraire de comprendre leur
impact sur lintroduction de lecacit technique dans notre cadre thorique. Ainsi, nous
traitons successivement des deux hypothses et formulons, pour chacune, une cons-
quence sur le lien entre les dimensions de lhtrognit et lecacit technique de
lquipe. Ces hypothses permettent de comprendre leet conjoint quont la cohsion
et la crativit sur lecacit technique et compltent notre cadre thorique.
II.3.1 Simultanit des effets des dimensions de lhtrognit
Lorsquils tudient plusieurs formes de lhtrognit, la grande majorit des travaux

empiriques postule que les eets des formes sont simultans sur lecacit technique.
Une fois ces eets ramens une mme unit de calcul, les auteurs obtiennent leet
global sur lecacit par une fonction des deux eets individuels.
Nous appliquons la mme logique aux dimensions de lhtrognit. Ainsi, elles agi-
raient ensemble sur lecacit technique. En supposant que les eets sur la cohsion
et sur la crativit sont quantiables et additionnables, leet nal de lhtrognit
85

sur lecacit technique est donc calcul par une fonction des deux eets. Lhypothse,
applique notre cadre thorique, snonce comme suit :
Hypothse 2. Les deux dimensions de lhtrognit agissent simultanment sur lef-

ficacit technique.
Nous pouvons complter le schma prcdent avec cette hypothse. Comme lillustre le
schma 2.5, lhtrognit agit positivement sur la crativit de lquipe et ngativement
sur sa cohsion. Ensuite, la cohsion et la crativit aectent simultanment lecacit
technique.
Les travaux de Hackman (1987, p. 327) et Cox et Blake (1991, p. 51) nous permettent
danticiper la forme de la fonction liant les deux eets lecacit technique. Ces auteurs
Schma 2.5 Simultanit des eets des dimensions de lhtrognit

sur lecacit technique
Htrognit

+
Effet sur
lindividu
Sentiment
+
Effet sur
+ Crativit
+
Effet sur Efficacit
86

noncent que lhtrognit est souhaitable jusqu un certain niveau. Un faible niveau
dhtrognit augmenterait la crativit de lquipe, mais un niveau trop haut rduirait
la cohsion et donc lecacit technique.
Nous reprenons notre compte ces arguments en les adaptant notre cadre thorique.
Nous supposons ainsi que leet de la dimension fonctionnelle de lhtrognit domine
dans un premier temps. Leet global sur lecacit technique est alors positif. Puis,
partir dun certain niveau de lhtrognit, leet de la dimension psychosociale
devient dominant. Leet global sur lecacit devient alors ngatif.
Suite de lhypothse 2. Pour un faible niveau dhtrognit, leffet de la dimension

fonctionnelle domine celui de la dimension psychosociale et leffet global sur lefficacit
technique est positif. La situation est inverse pour un fort niveau dhtrognit.
Le niveau de lhtrognit partir duquel la situation sinverse dpend de la forme de

lhtrognit. Si celle-ci est essentiellement psychosociale, nous supposons que seul un
faible niveau dhtrognit peut accrotre lecacit technique. Au-del, leet ngatif
de lhtrognit psychosociale compense leet positif de lhtrognit fonctionnelle
et leet global sur lecacit technique devient ngatif. linverse, si lhtrognit
est essentiellement fonctionnelle, nous supposons que leet de la baisse de la cohsion
survient pour un niveau dhtrognit plus lev. Finalement, leet dune forme de
lhtrognit sur lecacit technique est non linaire et dpend de leet conjugu
des deux dimensions et du niveau de lhtrognit.
Nous illustrons nos propos par le schma 2.6 page suivante. Quatre formes de lh-
trognit direntes sont illustres : exclusivement ou principalement fonctionnelle,
exclusivement ou principalement psychosociale.
Lorsque la forme de lhtrognit est exclusivement fonctionnelle (2.6a), son eet sur
lecacit technique est toujours positif. De mme, lorsquelle est exclusivement psy-
chosociale (2.6d), son eet est toujours ngatif. Dans les autres cas, lorsque la forme
87

Schma 2.6 Rpartition des dimensions de lhtrognit

et eet global sur lecacit technique
(a) Htrognit (b) Htrognit

exclusivement fonctionnelle principalement fonctionnelle
E E
b
H H
0 0
(c) Htrognit (d) Htrognit

principalement psychosociale exclusivement psychosociale
E E
b
H H
0 0
Dominance de leffet de la dimension fonctionnelle

Dominance de leffet de la dimension psychosociale
(Abscisse : htrognit ; ordonne : efficacit technique)
de lhtrognit est principalement fonctionnelle (2.6b) ou principalement psychoso-

ciale (2.6c), un certain niveau dhtrognit est optimal pour lecacit technique (le
maximum est illustr par un point).
La non-linarit de leet des formes dhtrognit peut tre teste empiriquement.

Par une analyse conomtrique du lien entre les formes de lhtrognit et lecacit
technique dune quipe de travail, il est possible de tester et destimer cette non-linarit.
88

Estimer le point optimal cest--dire le niveau de lhtrognit qui maximise lef-

cacit technique dune forme de lhtrognit permet donc de connatre la seuil
partir duquel leet des dimensions de lhtrognit sinverse et de qualier ensuite
les formes de lhtrognit de principalement fonctionnelle ou de principalement psy-
chosociale.
II.3.2 Effet modrateur de la dimension psychosociale de lhtrognit
Nous pouvons formuler une hypothse trs dirente sur la manire dont sagrge les
deux dimensions de lhtrognit. Cette variante reste fonde sur notre typologie de
lhtrognit et permet toujours de concilier les thories dattraction pour la similarit
et de diversit des ressources cognitives. Mais, au lieu dune additivit des eets, nous
supposons prsent que les deux eets interagissent. Harrison et Klein (2007) suggrent
cette possibilit en conclusion de leur article :
Yet separation, variety, and disparity are likely to cooccur within units. In-
deed, separation, variety, and disparity may, in some cases, be causally related.
Further, they may well have joint consequences for unit outcomes. New the-
ory development and research are needed to examine these possibilities. Does
within-unit diversity of one type lead to within-unit diversity of other types?
Does diversity of one type moderate the effects of diversity of other types?
We offer some speculative answers to these questions below, with the hope of
sparking researchers interest in these topics.
Appliqu notre cadre thorique, cela conduit lhypothse suivante :
Hypothse 3. Les deux dimensions de lhtrognit interagissent sur lefficacit tech-

nique dune quipe de travail.
Comme interaction entre les eets des dimensions de lhtrognit, nous proposons un
eet modicateur de lun sur lautre. Pour justier dun eet modrateur, et pour sup-
89

poser quelle dimension agit sur leet de lautre, nous reprenons la littrature prsente
durant la premire section : Harrison et al. (1998) et Roberge et van Dick (2010) pr-
cisent que les htrognits visibles aectent en priorit le fonctionnement de lquipe et
son ecacit, les htrognits moins visibles aectant lquipe dans un second temps.
Jehn (1995), Pelled et al. (1999b) ou Zenger et Lawrence (1989) expliquent que les
htrognits non lies la tche aectent ngativement la cohsion et le niveau de
communication de lquipe. Or, les dbats (Simons et al. 1999) ou conits sur le pro-
cessus de production (Jehn 1995 ; Pelled et al. 1999b) ncessitent une communication
susante pour se traduire en ecacit pour lquipe.
De plus si lon applique les travaux de Harrison et al. (1998), Harrison et Klein (2007)
et Roberge et van Dick (2010) notre cadre thorique, la dimension psychosociale de
lhtrognit nest pas lie directement la tche raliser par lquipe. Lecacit
technique tant mesure par la consommation dinputs pour produire cette tche, cette
dimension psychosociale naecterait donc pas directement lecacit technique.
Nous supposons donc ici que cest la dimension psychosociale qui agit comme frein de
leet de la dimension fonctionnelle sur lecacit technique. Leet de la dimension
psychosociale sur lecacit technique est conserv mais devient indirect.
Suite de lhypothse 3. La dimension psychosociale de lhtrognit freine leffet de

la dimension fonctionnelle de lhtrognit sur lefficacit technique dune quipe de
travail.
Pour donner un exemple, la dimension psychosociale de lhtrognit des niveaux de

diplme rduirait le sentiment dappartenance de chaque membre lquipe et la coh-
sion de lquipe. Ce phnomne rduirait limpact positif des dbats et de la crativit
de lquipe sur lecacit technique.
Le schma 2.7 ci-contre illustre cette variante. Ce schma est, une exception prs,
identique celui prsent page 86 pour illustrer lhypothse de simultanit des eets.
90

Schma 2.7 Eet modrateur de la dimension psychosociale de lhtrognit
Htrognit

+
Effet sur
lindividu
Sentiment
+
Effet sur
+ Crativit
+
Effet sur Efficacit
Seule la che liant cohsion et ecacit technique est modie : la cohsion naecte
dsormais plus lecacit technique, mais elle aecte ngativement la relation entre la
crativit et lecacit technique.
Nous pouvons illustrer cette hypothse graphiquement laide de courbes diso-ecacit 11 .

Une courbe diso-ecacit reprsente lensemble des combinaisons permettant dat-
teindre un niveau decacit technique donne. En traant plusieurs courbes
diso-ecacit pour dirents niveaux decacit technique, il devient possible de saisir
leet global sur lecacit technique.
Le graphique 2.8 page suivante illustre trois courbes diso-ecacit avec un eet de frein
de la dimension psychosociale sur leet de la dimension fonctionnelle sur lecacit tech-
11. En micro-conomie, lisoquante reprsente toutes les combinaisons de deux facteurs de production
permettant de produire une quantit donne. Dans notre cas, les deux facteurs productifs sont deux
formes de lhtrognit. La production est ici lefficacit technique.
91

Schma 2.8 Eet de modration de la dimension psychosociale de lhtrognit
Efficacit faible
Efficacit moyenne
Efficacit forte
Htrognit fonctionnelle
Htrognit psychosociale
(Courbes diso-ecacit pour trois niveaux decacit technique)
nique. Sur ce graphique, pour tout niveau dhtrognit psychosociale, toute hausse de
lhtrognit fonctionnelle augmente lecacit technique. De mme, pour tout niveau
dhtrognit fonctionnelle, toute hausse de lhtrognit psychosociale diminue lef-
cacit technique. Enn, pour tout niveau decacit, toute hausse de lhtrognit
psychosociale doit tre compense par une hausse de lhtrognit fonctionnelle an
de maintenir le mme niveau decacit.
Pour une forme de lhtrognit donne, la domination des eets entre la dimen-
sion fonctionnelle et celle psychosociale permet nouveau danticiper leet global sur
lecacit technique. Leet modrateur sera plus intense pour une forme de lhtro-
gnit essentiellement psychosociale et plus faible lorsque la forme est essentiellement
92

Conclusion
fonctionnelle. Comme prcdemment, une estimation conomtrique de ces eets est

envisageable.
Conclusion
Ce chapitre avait pour objectif de comprendre le lien thorique entre lhtrognit et

lecacit technique dune quipe de travail. Lnonc de deux thories apparemment
contradictoires pour traiter cette question attraction pour la similarit et diversit des
ressources cognitives , les distinctions proposes entre les formes de lhtrognit et
les nombreux travaux empiriques nous ont permis dtablir un cadre thorique pouvant
se rsumer en trois hypothses : lune sur la typologie de lhtrognit et deux sur la
nature du lien entre lhtrognit et lecacit technique
Selon la premire hypothse, nous supposons que chaque forme de lhtrognit ge,
anciennet ou genre par exemple se dcompose en deux dimensions la dimension
psychosociale et la dimension fonctionnelle. Nous contournons ainsi la limite rcurrente
de la littrature savoir devoir classer a priori les formes de lhtrognit et
concilions les thories existantes pour chaque forme de lhtrognit : la dimension psy-
chosociale de lhtrognit rduirait la cohsion de lquipe tandis que lhtrognit
fonctionnelle en augmenterait la crativit. Sur la base de cette premire hypothse,
deux hypothses suivantes direntes peuvent reter la mcanique de limpact global
de lhtrognit sur lecacit technique.
Lune est fonde sur le postulat dadditivit des eets des dimensions de lhtrognit
sur lecacit technique. Selon cette hypothse, leet de la dimension fonctionnelle do-
minerait celui de la dimension psychosociale jusqu un certain seuil dhtrognit.
Leet global sur lecacit technique serait alors positif. Au del de ce seuil, la situa-
tion serait inverse et leet global serait ngatif. Le seuil dpendrait de la forme de
lhtrognit, ainsi que du type dquipe.
93

Lautre est fonde sur le postulat dinteraction des eets des dimensions de lhtro-
gnit sur lecacit technique. Selon cette hypothse, la dimension psychosociale de
lhtrognit agirait comme frein sur leet de la dimension fonctionnelle sur lecacit
technique. Cette dimension psychosociale naurait donc aucun eet direct sur lecacit,
mais freinerait les bnces de la crativit de lquipe sur son ecacit technique.
Le cadre thorique que avons propos permet de traiter diremment de la notion de

lhtrognit. Devant lenjeu quest lhtrognit dans la gestion quotidienne des
quipes de travail, ces hypothses renouvellent la manire avec laquelle nous pouvons
analyser les gains esprs sur lecacit technique. Ce cadre danalyse ncessite prsent
dtre test. En eet, les hypothses de non-linarit et, surtout, de conditionnalit
de leet des dimensions de lhtrognit ont t suggres, mais nont pas, notre
connaissance, t testes empiriquement. Si des lments thoriques soutiennent ces
hypothses, une tude empirique permettra de les tester et de les complter.
Ce deuxime chapitre conclut le premier mouvement de la thse. Ltablissement dun

cadre thorique du lien entre lhtrognit et lecacit dune quipe de travail, par-
tir dune large lecture de la littrature acadmique de plusieurs disciplines, est ralis
lissue de ces deux chapitres. Il comprend une dnition claire de lquipe de tra-
vail, la prise en compte des spcicits des quipes, la dnition de lhtrognit, une
typologie des dimensions de lhtrognit et des hypothses sur les liens entre lh-
trognit et lecacit technique. Ce cadre thorique va maintenant tre confront,
dans un deuxime mouvement de la thse, une analyse empirique de lhtrognit
et de lecacit technique en entreprise. Le troisime chapitre traitera de la mesure de
lecacit technique. Le quatrime chapitre traitera de lhtrognit de lquipe et la
liera lecacit technique.
94

Chapitre 3
La mesure de lefficacit
technique
Introduction
Comment mesure-t-on lecacit technique ? Aprs avoir dni lquipe de travail et

son htrognit, nous abordons prsent la question de la mesure de lecacit tech-
nique. Nous chercherons comprendre ce que signie, pour une quipe de travail, tre
techniquement ecace ou inecace.
La question de lecacit technique et de sa mesure est aborde empiriquement. Nous

disposons de donnes prcises sur les rsultats conomiques et sur la main duvre des
hypermarchs dune enseigne de grande distribution franaise et nous exploitons ces
donnes dans ce chapitre an de mesurer lecacit technique des units commerciales
de cette enseigne de distribution pour lanne 2010. sa demande, nous conservons son
anonymat.
Lenseigne est divise en units commerciales qui proposent la vente des produits de
consommation alimentaire et non alimentaire. Une unit commerciale est pilote par une
95

Chapitre 3 La mesure de lecacit technique
quipe de managers de vente, responsable de lanimation commerciale et de la gestion

des employs de rayonnage. Les managers de vente travaillent en quipe au sein de
lunit commerciale : ils travaillent ensemble dans un mme cadre de travail pour une
tche commune (la ralisation de chire daaires pour lunit commerciale) et cette
tche requiert des eorts individuels et une synergie du travail commun. Cest la raison
pour laquelle nous cherchons mesurer lecacit technique des units commerciales.
Ce chapitre sera donc consacr cette mesure, le chapitre suivant reliera cette mesure
avec lhtrognit des quipes de managers de vente.
Lobjet de ce chapitre est donc la mesure de lecacit, en sappuyant sur les inputs
et output des units commerciales. Nous nous concentrons sur la mesure de lecacit
technique, celle-ci tant la base de toutes les mesures de lecacit (Gathon et Pestieau
1996). Une unit commerciale ecace produit ainsi un fort niveau doutputs pour un
faible niveau dinputs. Une unit commerciale peu ecace consomme, quant elle,
trop dinputs pour son niveau doutput ou produit trop peu doutputs pour son niveau
dinputs. La mesure est faite par comparaison entre les direntes units commerciales.
Il sagit dordonner ces units par rapport leur ecacit technique et de mesurer lcart
entre chaque unit.
Nous avancerons pas pas pour mesurer lecacit technique. Tout dabord, nous iden-
tions les inputs et loutput pertinents pour lanalyse. Pour les units commerciales,
nous identierons la surface de vente et le nombre annuel dheures de travail comme
inputs et le chire daaires annuel comme output. partir de ces inputs et cet output,
nous proposerons ensuite deux mesures partielles de lecacit technique, cest--dire
prenant en compte lun ou lautre des inputs. Nous verrons que ces mesures partielles,
si elles permettent de comprendre les spcicits des units commerciales, sont par-
fois contradictoires. Par exemple, comment qualier une unit commerciale gnrant un
haut niveau de chire daaires par m2 de surface de vente, mais au prix dune trs forte
prsence de vendeurs ? De mme, comment qualier une unit commerciale ayant une
surface de vente trop importante pour son niveau de chire daaires, mais un nombre
96

Introduction
dheures de travail adapt ? Ces deux exemples suggrent quil est ncessaire de propo-
ser une mesure globale de lecacit technique en prenant en compte simultanment les
deux inputs.
Nous prsenterons deux mthodes concurrentes pour eectuer cette mesure globale. La
premire mthode est lenveloppement de donnes. Elle permet, pour plusieurs inputs et
outputs, de tracer une frontire de production dterminant les units commerciales les
plus ecaces et de mesurer, partir de cette frontire, lecacit technique des autres
units. Cette mthode permet, grce aux travaux de Farrell (1957) puis de Hayami et
Ruttan (1971), de prendre en compte les spcicits des units commerciales ainsi que
direntes hypothses sur les rendements dchelle. La deuxime mthode passe par
lestimation dune fonction de production CES (Constant Elasticity of Substitution) et
permet, pour plusieurs inputs, de tracer une fonction de production et den estimer les
paramtres. Cette fonction permet de dterminer lecacit technique moyenne et les
carts cette fonction mesurent lecacit ou linecacit technique des units com-
merciales.
Nous appliquerons les deux mthodes nos donnes pour vrier si elles sont valides
pour mesurer lecacit technique des units commerciales. Pour chaque mthode, nous
eectuerons plusieurs tests de sensibilit des rsultats des variations sur les donnes
ou sur les hypothses de mesure. Ensuite, nous dterminerons si ces deux mthodes
conduisent des mesures de lecacit technique proches. Dans ce cas, cela renforcera
la pertinence de la mesure propose et nous pourrons eectuer en conance un choix
entre les deux mthodes pour proposer nalement une mesure de lecacit technique
des units commerciales.
Nous prsentons le contexte de ltude dans une section prliminaire. Nous proposons
ensuite, dans une premire section, deux mesures partielles decacit technique, par-
tir de lanalyse des inputs et output des units commerciales. An de synthtiser ces
deux mesures, la seconde section prsente les deux mthodes concurrentes pour mesurer
97

lecacit technique globale : la frontire de production par enveloppement de donnes

et la fonction de production CES. La dernire section confronte ces deux mthodes aux
donnes et propose une mesure nale de lecacit technique, robuste et pertinente pour
la suite de ltude.
Section prliminaire. Prsentation de ltude empi-

rique
Lorganisation tudie dans le cadre de cette thse est une enseigne franaise de grande
distribution 1 . Cette enseigne pratique le commerce de dtail de biens de consommation
avec plus de 1000 hypermarchs et supermarchs dans une dizaine de pays, pour un
chire daaires global annuel dpassant les 30 milliards deuros. Lenseigne propose
environ 100 000 rfrences de produits de consommation courante, regroupes en cinq
secteurs commerciaux de sorte runir les produits similaires (voir tableau 3.1).
Lensemble des magasins (hypermarchs, supermarchs) sont sous la direction de len-

seigne qui y applique sa stratgie globale et pilote le recrutement. Le fonctionnement
des magasins est donc centralis : il est dcid au niveau de lenseigne et appliqu par
les directeurs des magasins.
Tableau 3.1 Catgories de produits pour les cinq secteurs commerciaux
Secteur commercial Catgories de produits

1 Habillement, produits enfants
2 Meubles, lectromnager, multimdia
3 Jeux, jouets, librairie, jardinage
4 Aliments en libre service
5 Aliments la coupe, traiteurs
1. Suite sa demande, nous conservons lanonymat de cette enseigne dans la thse.
98

Section prliminaire. Prsentation de ltude empirique
Nous nous intressons ici aux hypermarchs de cette enseigne 2 , rpartis sur lensemble
du territoire franais. Chacun de ces hypermarchs est divis en cinq units commerciales
(chaque unit correspond lun des secteurs commerciaux 3 ) et environ 45 rayons, pour
une surface de vente moyenne de 10 000 m2 .
Chaque hypermarch est dirig par un directeur, charg du recrutement de ses quipes
et du fonctionnement de lhypermarch sous les directives des responsables de lenseigne.
Chaque unit commerciale est supervise par un responsable de lunit. Celui-ci, sous
la direction du directeur de lhypermarch, pilote lunit commerciale : emplacement et
organisation visuelle des rayonnages de lunit commerciale, proposition de recrutement
pour la gestion quotidienne des rayons, organisation des plannings pour des employs,
etc.
Une unit commerciale est ensuite, elle-mme, divise en 5 20 rayons, toujours dans
une mme logique de regroupement des produits similaires. Les rayons correspondent
aux rayonnages visibles dans les hypermarchs pour les clients. Chaque rayon est gr
par un manager de vente (selon la taille des rayons, un manager de vente peut tre en
charge de plusieurs rayons, ou plusieurs managers de vente peuvent tre en charge dun
mme rayon, toujours dans une mme unit commerciale). Celui-ci est en charge de la
disposition visuelle du rayon et de la gestion des employs travaillant dans ce rayon
(employs dentretien, employs chargs de la mise en place du rayon, employs chargs
de lapprovisionnement du rayon).
Au nal, quatre niveaux hirarchiques sont prsents dans chaque hypermarch : (1) le
directeur de lhypermarch, (2) 4 5 responsables des units commerciales, (3) 5 25
managers de vente et (4) environ 250 employs de rayonnages.
Nous nous intressons spciquement aux managers de vente. Ceux-ci sont entre 1 et 10
par unit commerciale, selon la taille de lunit commerciale et de lhypermarch. Suivant
2. Un hypermarch est un point de vente au dtail dont la surface de vente est suprieure ou gale
2500 m2.
3. Certains hypermarchs de trs faible taille se divisent seulement en quatre units commerciales.
99

les contraintes nonces dans le premier chapitre, les managers de vente de chaque unit
commerciale forment une quipe de travail : les managers sont constitus en quipe par
le responsable de lunit commerciale, ils travaillent ensemble pour un objectif commun
(la ralisation de chire daaires pour lunit commerciale), leur travail individuel et la
synergie de leur travail commun (coordination des oprations commerciales, gestion des
stocks et des rayonnages) aectent la production de chire daaires, ils travaillent dans
un mme cadre de travail et changent frquemment sur leur manire de travailler.
Selon notre typologie des quipes de travail propose dans le premier chapitre, lquipe
de managers de vente est la fois une quipe oprationnelle et managriale. Elle est une
quipe oprationnelle car elle possde des objectifs chirs sur la production de chire
daaires. De plus, les managers agissent directement sur les rayons dont ils ont la res-
ponsabilit, an de modier leur disposition et de raliser des oprations commerciales.
Elle est galement une quipe managriale dans la mesure o chaque manager de vente a
une quipe oprationnelle demploys aects ses rayons. Pour son quipe, le manager
xe les objectifs chirs, planie les recrutements et la rotation des employs.
Concernant les axes de distinctions que nous avions identis avec la typologie, la hi-
rarchie externe de lquipe de managers de vente est forte : ceux-ci travaillent sous la
direction du responsable de lunit commerciale, charg de leur recrutement, de leur af-
fectation et de communiquer les objectifs chirs (chire daaires) ainsi que des pistes
de travail. Il ny a, par contre, aucune hirarchie interne : les managers ont tous le mme
grade hirarchique dans lorganisation de lhypermarch, mme si les niveaux dancien-
net et de comptence peuvent exister. Enn, il y a pas de spcialisation des membres
de lquipe. Les managers de vente ont, lintrieur dun secteur commercial, un pro-
l relativement identique, comme lindique le fait que les managers de vente changent
rgulirement daectation dans une mme unit commerciale (changement de rayon)
durant leur carrire.
100

Section I Mesure partielle de lecacit technique des units commerciales
Nous tudions exclusivement lecacit technique des units commerciales dans ce cha-
pitre. Lhtrognit des quipes de managers de vente sera tudie dans le suivant.
Section I Mesure partielle de lefficacit technique

des units commerciales
I.1 Prsentation des donnes
Nous disposons de donnes comptables pour lanne 2010 concernant les rsultats co-
nomiques de 539 units commerciales pour 110 hypermarchs (certains hypermarchs
ne disposent que de 4 units) 4 en France pour un chire daaires total de 14 milliards
deuros environ et environ 26 000 emplois ETP. Les hypermarchs sont rpartis sur
lensemble du territoire franais.
Une unit commerciale appartient lun des cinq secteurs commerciaux, selon les pro-
duits quelle propose (voir tableau 3.1). Chaque unit commerciale est tudie partir
de deux inputs la surface de vente et le nombre dheures de travail annuel lies la
vente et un output : le chire daaires annuel. Lensemble des donnes utilises
dans le cadre de cette tude empirique concerne lanne 2010.
Pour la suite du chapitre, chaque hypermarch est indic i, compris entre 1 et 110.
Chaque secteur commercial est indic j, compris entre 1 et 5. Une unit commerciale
est donc rfrence par un hypermarch i et un secteur j.
Premier input
Nous comptabilisons la surface de vente en m2 de lunit commerciale comme un input.

En eet, lespace de vente engendre des cots pour lunit commerciale (entre autres :
rayonnage, lectricit, chauage, nettoyage). Seules les surface de vente sont comptabi-
lises, cest--dire que nous excluons les zones de stockage et dapprovisionnement.
4. Les donnes initiales comprenaient 126 hypermarchs dont 16 en situation douverture ou de
rnovation durant lexercice comptable 2010. Nous avons retir ces hypermarchs de notre chantillon.
101

La surface de vente dune unit commerciale est en moyenne de 2050 m2 . La mdiane est
gale 1750 m2 (voir graphique 3.1 ci-contre). La plus petite unit commerciale possde
une surface de vente de 250 m2 , la plus grande une surface de vente de 6840 m2 . On note
Si,j la surface de vente en m2 de lunit commerciale du secteur j et de lhypermarch i.
Deuxime input
Nous comptabilisons le nombre annuel dheures de travail lies la vente de lunit

commerciale comme deuxime input. Cette force de travail engendre des cots salariaux
pour lunit et contribue la production de valeur. Lensemble des mtiers lies la
vente ou la prparation des zones commerciales (de lentretien la gestion managriale
des surfaces commerciales) est pris en compte dans cet input.
Le nombre moyen dheures de travail, pour une anne et par unit commerciale, est de
74 500 heures. La mdiane est gale 56 500 heures (voir graphique 3.2 ci-contre). La
plus petite unit en termes dheures de travail comptabilise annuellement 10 000 heures,
la plus grande en comptabilise 317 000. On note Hi,j le nombre dheures de travail lies
la vente de lunit commerciale du secteur j et de lhypermarch i.
Output
Nous comptabilisons le chire daaires de lunit commerciale pour lanne comme

output. Il correspond lactivit de vente et constitue un objectif de performance x
par lhypermarch et par lenseigne. Lintgralit du chire daaires dune unit provient
de son activit de vente.
Le chire daaires moyen, pour une anne, est de 25 500 000 e par unit commerciale.
La mdiane est de 17 500 000 e (voir graphique 3.3 page 104). Le plus faible chire
daaires annuel est de 2 500 000 e, le plus lev est de 140 000 000 e. On note Yi,j le
chire daaires en euros de lunit commerciale du secteur j et de lhypermarch i.
102

Graphique 3.1 Distribution des units commerciales

selon la surface de vente
160
140
120
100
Frquence
80
60
40
20
0
0 1 500 3 000 4 500 6 000
Surface de vente

selon le nombre dheures de travail
160
140
120
100
Frquence
80
60
40
20
0
0 50 100 150 200 250 300
Heures de travail (en milliers)
103


selon le chire daaires
200
180
160
140
Frquence
120
100
80
60
40
20
0
0 20 40 60 80 100 120 140
Chire daaires (en millions)
De manire attendue, le chire daaires dune unit commerciale dpend positivement

de la surface de vente et du nombre dheures de travail engages dans lunit. Les liens
entre, dune part, la surface de vente et le chire daaires et, dautre part, le nombre
dheures et le chire daaires sont trs forts (voir graphiques 3.4a et 3.4b ci-contre).
On remarque, avec le graphique 3.4b, deux tendances de progression du chire daaires

selon le nombre dheures de travail. Ces dirences seront traites dans la sous-section
suivante par la prise en compte des secteur commerciaux.
De manire gnrale, ces deux inputs contribuent ainsi la formation de loutput. Ds

lors, en comparant les rapports output/input, nous pouvons proposer une premire
mesure de lecacit technique dune unit commerciale. Celle-ci est partielle car elle
prend en compte sparment les deux inputs.
104

Graphique 3.4 Relation entre les inputs et loutput

(a) Relation entre la surface et le chiffre daffaires
140
120
Chiffre daffaires (en millions)
100
80
60
40
20
0 1 500 3 000 4 500 6 000

Surface de vente
(b) Relation entre le nombre dheures et le chiffre daffaires
140
120
Chiffre daffaires (en millions)
100
80
60
40
20
0 50 100 150 200 250 300

105

I.2 Analyse des rapports output/input et efficacit technique

partielle
Les rapports output/input sont une premire mesure de lecacit technique dune
unit commerciale. Soit r(S)(i,j) le ratio entre le chire daaires et la surface de vente
de lunit du secteur j dun hypermarch i :
Y(i,j)
r(S)(i,j) = (3.1)
S(i,j)
Ce ratio correspond au chire daaires produit annuellement par lunit pour 1 m2 de

surface de vente. Les 539 units produisent en moyenne 11 800 e par m2 . Les units
prsentant un ratio r(S)(i,j) lev sont ainsi considres comme trs ecaces : elles
produisent une quantit leve doutput par input. linverse, les units prsentant un
ratio r(S)(i,j) faible sont considres comme peu ecaces.
De manire identique, nous procdons un calcul de ratio r(H)(i,j) pour le nombre

dheures de travail lies la vente :
Y(i,j)
r(H)(i,j) = (3.2)
H(i,j)
Le ratio r(H)(i,j) exprime, pour le secteur j de lhypermarch i, le chire daaires

produit par heure de travail. Celui-ci est de 330 e en moyenne sur les 539 units.
Comparer les 539 ratios r(S) et les 539 ratios r(H) prsuppose que les 539 units com-
merciales ont une consommation dinputs assez proche pour accepter la comparaison.
Or, lanalyse des inputs, outputs et des ratios montre que ce nest pas le cas. Le ta-
bleau 3.2 ci-contre prsente les valeurs moyennes des inputs, output et ratios pour les
cinq secteurs commerciaux. On remarque que les inputs engags dans le processus de
production sont dirents selon ces secteurs : les units commerciales du secteur 4 (ali-
mentation en libre service) ncessitent une surface de vente trs grande (3600 m2 en
106

Tableau 3.2 Inputs/outputs/ratios moyens par secteur
Secteur N CA Surface Heures r(S) r(H)

1 102 10 500 000 1450 38 500 7000 270
2 107 13 500 000 1000 51 000 13 000 260
3 110 17 000 000 2550 44 500 6900 380
4 110 59 500 000 3600 108 500 16 000 540
5 110 24 500 000 1550 126 000 15 600 190
Moyenne
539 25 500 000 2050 74 500 11 800 330
gnrale
moyenne) comparativement la moyenne (2050 m2 ). De mme, les units commerciales

du secteur 5 (service traiteur) achent un nombre dheures de travail lies la vente
(126 000 en moyenne) largement suprieur la moyenne des units (74 500). Loutput
gnr est galement trs dpendant du secteur considr : par exemple, les units com-
merciales du secteur 4 gnrent environ 6 fois plus de chire daaires que celles du
secteur 1 (habillement, produits enfants).
De plus, de grandes disparits existent entre les secteurs pour les ratios r(S) et r(H).
14 % de la variance du ratio r(S) et 31 % de la variance du ratio r(H) sont ainsi expli-
ques par la dcomposition en secteur. Par exemple, les units commerciales du secteur
1 (habillement) gnrent environ 40 % fois moins de chire daaires par m2 de surface
de vente que lensemble des units commerciales (7000 contre 11 800). De mme, les
units commerciales du secteur 4 (alimentation en libre service) gnrent environ 65 %
fois plus de chire daaires par heures de travail que la moyenne (540 contre 330).
La reprsentation graphique des 539 units selon leurs ratios r(S) et r(H) (voir gra-
phique 3.5 page suivante) permet de visualiser les dirences sectorielles. On remarque
que les units commerciales des secteurs 1 (habillement) et 3 (jeux, librairie) sont ca-
ractrises par un ratio r(S) infrieur la mdiane, linverse en grande partie
des units commerciales des secteurs 4 (alimentation en libre service) et 5 (traiteur). De
mme, celles des secteurs 1 (habillement) et 5 sont caractriss par un ratio r(H) inf-
107

Graphique 3.5 Ratios output/input selon le secteur commercial
650
600 Secteur 1
550 (habillement)
Secteur 2
500
(multimdia)
Ratio CA/Heures
450 Secteur 3
400 (jeux, librairie)
Secteur 4
350
(alimentation en
300 libre service)
Secteur 5
250
(traiteur)
200 Mdianes
150
100
2 4 6 8 10 12 14 16 18 20 22 24
Ratio CA/Surface (en milliers)
rieur la mdiane, linverse de celles des secteurs 3 et 4. Seules les units commerciales
du secteur 2 (multimdia) prsentent des ratios autour de la mdiane.
Comparer des units commerciales issues de secteurs dirents nest donc pas possible.
Les rsultats tendraient dnir toujours comme trs ecaces les units du secteur
4 et comme faiblement ecaces celles du secteur 1. Lecacit technique dune unit
commerciale doit donc tre mesure par rapport aux autres units commerciales du
mme secteur.
Nous mesurons donc lecacit technique dune unit commerciale en comparant ses
ratios avec ceux des autres units du mme secteur. Soit E(S)(i,j) le degr partiel de-
cacit technique de lunit du secteur j de lhypermarch i par rapport sa surface de
vente. Celui-ci est calcul en comparant le ratio de lunit avec le ratio maximal dans le
secteur considr :
108

r(S)(i,j)
E(S)(i,j) = (3.3)
max r(S)(o,j)
o[1,110]
Ce degr partiel decacit technique est compris entre 0 et 1. Il est gal 1 pour
lunit prsentant le plus fort ratio r(S), cest--dire la plus techniquement ecace sur
cet input pour ce secteur. Pour les autres units, ce degr decacit mesure la distance
avec lunit la plus ecace. Si ce degr decacit est, par exemple, de 0, 8, cela signie
que lunit pourrait multiplier son chire daaires par 1, 25 (0, 81 ) en conservant sa
surface de vente inchange. Ce faisant, elle atteindrait le niveau maximal decacit
technique de ce secteur.
De manire identique, soit E(H)(i,j) le degr partiel decacit technique li au nombre

dheures de travail lies la vente :
(r(H)(i,j))
E(H)(i,j) = (3.4)
max r(H)(o,j)
o[1,110]
Avec ces deux calculs, pour chaque secteur, deux units commerciales ont une ecacit
technique gale 1 (lune pour la surface de vente, lautre pour les heures de travail). Fi-
nalement, 10 units commerciales sont donc considres comme parfaitement ecaces 5 .
Les degrs partiels decacit technique sont synthtiss par secteur dans le tableau 3.3
page suivante.
Les units commerciales du secteur 3 (jeux et jouet, librairie, bricolage) achent en

moyenne les degrs partiels decacit technique les plus faibles. Les units commerciales
pourraient multiplier leur chire daaires environ par 2 (0, 491) surface de vente
constante, ou par 1,5 (0, 661) heures de travail constantes. linverse, les units
5. La mesure de lefficacit technique est ici relative. Lunit commerciale est parfaitement efficace
compte tenu du rsultat des autres units commerciales. Mme si toutes les units commerciales souffrent
de mauvais rsultats conomiques, nous considrons tout de mme certaines units commerciales comme
parfaitement efficaces , sous entendu relativement aux autres units.
109

Tableau 3.3 Ecacit technique moyenne des units commerciales par secteur
Secteur N E(S) E(H)

1 102 0,54 0,77
2 107 0,56 0,69
3 110 0,49 0,66
4 110 0,62 0,82
5 110 0,64 0,81
Moyenne
539 0,57 0,75
gnrale
commerciales du secteur 4 (alimentation en libre service) et du secteur 5 (alimentation

la coupe) achent les degrs partiels decacit technique les plus levs. Il existe
donc moins de marges de manuvre pour les units de ces secteurs.
On remarque que les degrs partiels decacit technique sont nettement plus faibles
concernant la surface de vente. Cela peut provenir du caractre quasi-xe de cet input.
En eet, il est relativement dicile dajuster, surtout court terme, la surface de vente
dune unit commerciale, la hausse comme la baisse. Ds lors, si celle-ci est peu adap-
te lactivit de lunit commerciale, le responsable ne peut court terme lagrandir
ou la rduire. Lecacit technique mesure sur cet input serait alors potentiellement
plus faible.
Les deux degrs partiels decacit technique sont deux indicateurs permettant dap-
prhender dune manire simple lecacit technique des units. La variance de ces
indicateurs est susamment leve pour pouvoir tudier limpact de lhtrognit des
quipes de travail sur lecacit technique des units commerciales. Nanmoins, les r-
sultats fournis par ces deux indicateurs sont souvent contradictoires quant lecacit
des units (le taux de corrlation entre les deux indicateurs est seulement de 45 %, voir
graphique 3.6 ci-contre). Une unit trs ecace concernant loptimisation de la surface
de vente peut fort bien tre peu ecace concernant loptimisation de la main duvre
et vice versa.
110

Graphique 3.6 Relation entre les deux mesures partielles de lecacit technique
0.9
0.8
Ecacit partielle (heures)
0.7
0.6
0.5
0.4
0.3
0.2
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Ecacit partielle (surface)
Il nest donc pas possible de conserver un seul des deux indicateurs partiels decacit et
une mesure de lecacit globale des units commerciales doit donc tre propose. Cette
ecacit technique globale devra tenir compte la fois de loptimisation de la surface
de vente et du nombre dheures de travail, toujours par rapport au chire daaires
gnr sur lanne. Cette mesure combinera les deux indicateurs partiels prsents ici et
permettra dobtenir une seule variable decacit technique. Pour cela, nous discutons
dans la sous-section suivante des rendements dchelle et de la complmentarit des
facteurs de production an den tenir compte dans la mesure globale de lecacit
technique.
111

I.3 Hypothses pralable lefficacit technique globale
I.3.1 Discussion sur les rendements dchelle
Traditionnellement, les rendements dchelle dans la grande distribution sont considrs

majoritairement comme croissants (Legendre 1992). Cela justie notamment lexistence
et le dveloppement durant les 30 dernires annes des hypermarchs trs grande sur-
face de vente (suprieure 10 000 m2). Nanmoins, plus rcemment, la mise en place de
structures de plus faible taille (suprettes, supermarchs de proximit) par les grands
groupes de distribution (notamment Auchan, Carrefour et Leclerc) peut conduire
interroger cette hypothse de croissance des rendements dchelle. cela sajoute les
contraintes lies limplantation des structures, contrle par la CDAC (commission
dpartementale damnagement commercial), rendant moins libre la dcision des ges-
tionnaires quant la surface de leurs magasins. Ainsi, pour les hypermarchs, il peut
tre dicile de conclure sur la nature des rendements dchelle du fait des conditions
relles dimplantation de ces hypermarchs. Et lapplication de ces hypothses aux units
commerciales des hypermarchs est encore plus complexe.
Pour analyser empiriquement les rendements dchelle des units commerciales, nous
avons regroup celles-ci par secteur et report graphiquement le degr partiel decacit
technique (calcul dans la sous section prcdente) avec linput correspondant (la surface
de vente avec lecacit partielle lie la surface de vente, le nombre dheures de travail
lies la vente avec lecacit partielle lie au nombre dheures de travail li la
vente). Dans la mesure o nous avons construit les degrs partiels decacit technique
sans prendre en compte la taille des units, on sattend ce que le lien entre linput et
lecacit technique lie cet input soit positif si les rendements dchelle sont croissants.
Inversement, le lien devrait tre ngatif pour des rendements dchelle dcroissants et
tre inexistant pour des rendements dchelle constants.
Les deux graphiques 3.7 (a et b) ci-contre illustre les rendements dchelle pour le sec-
teur commercial 1. Dans la mesure o les graphiques pour les autres secteurs sont re-
112

Graphique 3.7 Rendements dchelle pour le secteur 1

(a) Input : Surface de vente
0.9
Efficacit partielle (surface)
0.8
0.7
0.6
0.5
0.4
0.3
0.2
500 1 000 1 500 2 000 2 500
Surface de vente
(b) Input : Heures de travail
1
Efficacit partielle (heures)
0.9
0.8
0.7
0.6
10 20 30 40 50 60 70 80 90
113

lativement identiques, ils sont renvoys en annexe pages 236 240. Ces graphiques ne
permettent pas de dgager des rsultats trs marqus. On ne remarque, par exemple,
aucune tendance pour les graphiques 3.7a et 3.7b : les units commerciales de faible
taille (pour une surface de vente entre 500 m2 et 1000 m2 ou pour un nombre dheures
de travail entre 10 000 30 000) ont des degrs partiels decacit technique compris
entre 0,3 et 1. Le mme constat peut tre fait pour les units de forte taille, et ce pour
tous les secteurs et tous les inputs.
Tableau 3.4 Corrlation entre linput et lecacit technique partielle

lie cet input
Secteur Surface de vente Heures de travail

1 0,27 0,18
2 0,31 0,33
3 0,01 0,40
4 0,29 0,12
5 0,17 0,24
Lanalyse des corrlations entre les inputs et lecacit technique partielle lie cet
input fournit nanmoins quelques rsultats (voir tableau 3.4). Pour les secteurs 1 (ha-
billement), 2 (multimdia) et 4 (alimentation en libre service), les rendements dchelle
seraient croissants pour les deux inputs. Pour le secteur 3 (jeux, librairie), les rendements
dchelle seraient constants pour la surface de vente et croissants pour les heures de tra-
vail. Enn, pour le secteur 5 (traiteur), les rendements dchelle seraient lgrement
dcroissants pour la surface et croissants pour les heures de travail.
Pour un secteur donn, et pour un input donn, aucune tendance globale ne peut tre
propose. Pour cette raison, lestimation de la fonction ou de la frontire de production
devra tre exible quant la nature des rendements dchelle.
I.3.2 Discussion sur la complmentarit des facteurs de production
Nous cherchons dterminer si les inputs sont complmentaires ou substituables dans la

production doutput. Des inputs substituables impliquerait la possibilit, pour un chire
114

daaires constant, de remplacer une surface de vente par des heures de travail et vice
versa. linverse, pour des inputs complmentaires, la surface et les heures de travail
doivent tre simultanment augmentes pour accrotre le chire daaires.
Intuitivement, on peut sattendre deux eets selon les produits proposs la vente
par les units commerciales. Nous identions pour cela deux catgories de produits.
Pour une premire catgorie de produits, on peut penser que les ventes se font sans
quil y ait ncessairement une animation commerciale autour des produits. Ds lors,
augmenter la surface de vente en maintenant constantes les heures de travail pourrait
accrotre le chire daaires. galement, accrotre la prsence de vendeurs pour une
faible surface de vente permettrait de stimuler les ventes et donc le chire daaires. Les
inputs seraient ici substituables. Les produits du secteur 3 (jeux, jardinage) et, dans une
moindre mesure, du secteur 2 (multimdia) appartiendraient cette catgorie.
Pour une deuxime catgorie de produits, on peut linverse penser que les ventes ne se
font quavec simultanment une surface de vente, une animation commerciale autour des
produits et une rotation rgulire de ces derniers. Il serait alors ncessaire daccrotre
les deux inputs simultanment pour augmenter le chire daaires. Les inputs seraient
donc complmentaires. Les produits du secteur 5 rentrent tout particulirement dans
cette catgorie. En eet, les ventes de produits alimentaires la coupe ne peuvent se
faire quavec une surface de vente susante et une prsence de vendeurs pour propo-
ser les produits. Dans la mesure o les produits doivent tre rgulirement renouvels,
cette catgorie de produits concernerait galement le secteur 1 (habillement et produits
enfants) et le secteur 4 (alimentation en libre service).
Empiriquement, on peut analyser le degr de complmentarit des inputs en comparant

la consommation des deux inputs. Pour chaque secteur, nous reprsentons graphique-
ment le lien, pour chaque unit commerciale, entre la surface de vente et les heures de
travail (voir graphiques 3.8 3.12 pages 116118). Pour les secteurs 1, 4 et 5 (graphiques
3.8, 3.11 et 3.12), on constate une forte complmentarit des inputs. Pour ces secteurs,
115

Graphique 3.8 Complmentarit des facteurs de production

pour le secteur 1
90
80
70
60
50
40
30
20
10
500 1 000 1 500 2 000 2 500

Surface de vente

pour le secteur 2
120
100
80
60
40
20
500 1 000 1 500 2 000 2 500

Surface de vente
116


pour le secteur 3
90
80
70
60
50
40
30
20
10
1 000 2 000 3 000 4 000 5 000
Surface de vente

pour le secteur 4
250
200
150
100
50
2 000 3 000 4 000 5 000 6 000 7 000

Surface de vente
117


pour le secteur 5
300

250
200
150
100
50
500 1 000 1 500 2 000 2 500 3 000 3 500

Surface de vente
une relation linaire trs forte lie les deux inputs. linverse, la rpartition plus dis-
perse des units commerciales du secteur 3 (graphique 3.10) suggre que le degr de
complmentarit des inputs pour ce secteur serait plus faible.
Ces discussions autour des hypothses sur les liens entre inputs et output permettent
didentier quelle mthodologie utiliser an de mesurer lecacit technique globale des
units commerciales. Deux contraintes sont formules : la prise en compte des rendements
dchelle doit tre exible et les inputs doivent tre relativement complmentaires dans
la production de loutput.
Pour la suite de ce chapitre, nous mesurons lecacit technique globale laide de

deux mthodes concurrentes : une frontire de production trace par enveloppement des
donnes (mthode DEA) et une fonction de production par estimation dune fonction
lasticit de substitution constante (fonction CES). La section suivante prsente ces
deux mthodes.
118

Section II Mthodes de mesure globale de lecacit technique
Section II Mthodes de mesure globale de lefficacit

technique
Dans cette deuxime section, nous prsentons deux mthodes permettant dobtenir une
mesure de lecacit technique globale de chaque unit commerciale. Lune consiste
tracer une frontire de production, lautre consiste estimer une fonction de production.
La frontire de production est trace partir des ratios output/input(s) les plus hauts.
Les units commerciales situes sur cette frontire de production sont considres comme
parfaitement ecaces et lecacit technique des autres units est mesure partir de
cette frontire. La frontire de production 6 ne ncessite pas destimer les paramtres
dune fonction de production et propose une mesure directe de lecacit.
La fonction de production est une approche paramtrique de lecacit. Il faut au pra-

lable supposer la forme fonctionnelle de la fonction de production pour ensuite estimer
ses paramtres. Une fois la fonction de production obtenue, les carts (positifs ou n-
gatifs) de chaque unit cette fonction de production correspondent une dirence
decacit par rapport une ecacit moyenne. Lune des formes fonctionnelles la plus
souple pour notre tude est la fonction CES (Constant Elasticity Substitution) : celle-ci
permet destimer la fois le degr de complmentarit des inputs et les rendements
dchelle.
Pour chacune des deux mthodes, lecacit technique peut tre mesur avec ou sans
prise en compte du secteur auquel appartient lunit commerciale. Dans un cas, leca-
6. Parmi les frontires de production, une distinction doit tre faite entre les frontires dterministes
et les frontires stochastiques. Les frontires dterministes correspondent la dfinition donne ici : la
distance totale entre la frontire et le point forme linefficacit technique. Les frontires stochastiques
permettent de distinguer, dans linefficacit mesure, ce qui relve dune relle inefficacit de ce
qui relve dalas de production non contrlables par lunit commerciale. Cette mthode dite SFA
(Stochastic Frontier Analysis) ncessite nanmoins de supposer a priori la distribution des deux types
dinefficacit : celle due lala et celle due une relle inefficacit de lunit. Cette mthode affecte
la mesure de lefficacit mais ne modifie pas les carts defficacit entre chaque unit commerciale. De
plus, elle requiert des hypothses supplmentaires sur les types dala. Aussi nous ne traitons ici que la
mthode de frontire de production dterministe.
119

cit technique est mesure sans tenir compte des spcicits sectorielles. Toutes les units
commerciales sont alors analyses ensembles. Dans lautre cas, sur la base de lanalyse
des ratios de la section prcdente, lecacit technique est mesure en sparant les
units commerciales par secteur.
Nous prsentons successivement chaque mthode de mesure de lecacit technique.

Pour chacune, nous formalisons la mesure avec ou sans prise en compte des spcicits
sectorielles. Puis, nous illustrons les mthodes par un exemple avec un nombre rduit de
donnes. Enn, nous prsentons les limites mthodologiques de ces mesures de lecacit
technique.
II.1 Estimation non paramtrique dune frontire de produc-

tion
II.1.1 Prsentation de la mthode DEA
Aprs les travaux de Farrell (1957) sur loptimisation linaire pour mesurer lecacit
technique dunits de production, la mthode denveloppement des donnes (DEA) fut
prsente dans un article de Charnes et al. (1978). Le principe est de rechercher quelles
sont les units commerciales dont la combinaison input(s) / output(s) est optimale,
selon une hypothse faite sur les rendements dchelle des inputs. Une fois trace, cette
frontire de production permet de comparer les units commerciales selon leur distance
avec cette frontire. Un degr decacit est ainsi calcul. Il quivaut au chire daaires
potentiellement ralisable avec une quantit dinputs inchange.
Traditionnellement, dans la littrature, la mthode denveloppement de donnes sap-

plique des units de dcision (decision making unit dans la littrature anglophone).
Lunit de dcision peut se dnir comme une sous division dune organisation capable
de prendre des dcisions, consommant un ou des inputs et produisant un ou des outputs.
Cest ici le cas de nos units commerciales : elles consomment des inputs, produisent
du chire daaires et leurs actions et dcisions aectent cette production de chire
120

daaires. Nous conservons le terme unit commerciale pour prsenter la mthode

DEA, an de simplier le lien avec notre tude empirique.
Lecacit technique est donc ici un critre obtenu par comparaison entre units com-
merciales. Celles-ci doivent avoir un fonctionnement analogue, avec une consommation
dinputs et une ralisation doutputs comparables. Or, dans notre cas, si le mode de
fonctionnement des units commerciales est identique, leur production de chire daf-
faires par input est, en revanche, trs dpendante du secteur observ. Nous avons vu
lors de la section prcdente que la spcicit des produits proposs selon les secteurs
induit des ratios output/input dirents et empche une comparaison totale.
An de prendre en compte les spcicits sectorielles de lecacit technique, Hayami

et Ruttan (1971) ont formalis lutilisation simultane de frontires de production sec-
torielles et dune mta-frontire de production, cest--dire une frontire de production
sans contrainte sectorielle. La mta-frontire est trace en utilisant les donnes de toutes
les units commerciales. Lecacit technique mesure de la sorte est nomme ecacit
technique non contrainte (car non lie un secteur). Paralllement, une frontire de
production est trace pour chaque secteur. Lecacit technique mesure ici est dite
sectorielle. Comparer les mesures de lecacit technique contrainte ou non contrainte
permet de savoir si lutilisation de frontire de production sectorielle est pertinente 7 .
Nous prsentons successivement les deux mesures, non contrainte et sectorielle.
7. Les frontires de production pourraient galement tre appliques avec prise en compte de biais
lis lhypermarch de lunit commerciale tudie. Lefficacit pourrait alors provenir de lunit com-
merciale, de son secteur ou de son hypermarch. Pour autant, nous nappliquons pas cette mesure ici
pour deux raisons. La premire raison est mthodologique : tracer 110 frontires defficacit technique
(une par hypermarch) composes de seulement 5 points (les 5 units commerciales de chaque hyper-
march) na pas vraiment dintrt. Par rapport leur hypermarch, les units commerciales auraient
majoritairement une efficacit maximale et toute linefficacit serait reporte sur le biais li lhy-
permarch. La deuxime raison est thorique : nous ncartons pas le fait que lhypermarch en soi
peut avoir un impact sur lefficacit des units commerciales prsentes en son sein. Par exemple, un
hypermarch bien situ (en terme de concurrence, de clientle) peut permettre chacune de ses
units dobtenir de bons rsultats, indpendamment de leur gestion interne. Ces proccupations sont
nanmoins reportes au chapitre suivant o ces lments seront tudis comme facteurs explicatifs de
lefficacit technique dune unit commerciale.
121

II.1.2 Prsentation du programme doptimisation
Nous supposons une unit commerciale appartenant un hypermarch i (i (1, N)) et

un secteur j (j (1, S)), disposant de deux inputs S(i,j) et H(i,j) et dun output Y(i,j) .
Pour une unit commerciale (i, j), le degr decacit non contraint (i,j) scrit comme
suit :
(i,j) Y(i,j) 0
(i,j) = (3.5)
(i,j),1 S(i,j) + (i,j),2H(i,j)
La technique denveloppement consiste maximiser ce degr par rapport aux para-

mtres dchelle (i,j),1 , (i,j),2 et (i,j) (tous positifs), sous la contrainte quaucune autre
unit nobtienne, avec ces mmes paramtres (i,j),1 , (i,j),1 et (i,j) , un degr decacit
suprieur lunit :
(i,j) Y(p,q) 0
1 p (1, N), q (1, S) (3.6)
(i,j),1S(p,q) + (i,j),2H(p,q)
Cette contrainte dnit la frontire de production, en comparant les paramtres choisis

pour une unit commerciale ceux de lensemble des autres units (quel que soit le
secteur). Il faut rsoudre ce programme de maximisation pour les N S units an
dobtenir les degrs decacit de chacune. Ce programme doptimisation est non linaire
et ne peut donc pas tre rsolu comme tel. Une fois linaris en utilisant le programme
dual (Charnes et al. 1978) (en supposant le dnominateur de la fonction objectif comme
unitaire), nous pouvons crire le programme doptimisation comme suit :
max (i,j) = (i,j) Y(i,j) 0 (3.7a)

(i,j) ,(i,j),1 ,(i,j),2 ,0
s.c.
(i,j) Y(p,q) 0 (i,j),1 S(p,q) + (i,j),2H(p,q) p (1, N), q (1, S) (3.7b)
(i,j),1S(i,j) + (i,j),2H(i,j) = 1 (3.7c)
(i,j),1 , (i,j),2 , (i,j) > 0 , 0 libre (3.7d)
122

Les units commerciales parfaitement ecaces sont celles pour lesquelles la somme pon-
dre des inputs (par les paramtres dchelle (i,j),1 et (i,j),2) galise loutput (eq. 3.7b
avec p = i et q = j), tandis que les units non parfaitement ecaces prsentent un
surplus relatif dinputs. La frontire de production implique quaucune autre unit,
avec les mmes paramtres (i,j),1 , (i,j),2 et (i,j) ne puisse obtenir un degr decacit
suprieur 1 (eq. 3.7b avec p 6= i, q 6= j). Lquation 3.7c est une consquence de la
linarisation de la fonction.
On obtient in fine un degr decacit non contraint gal 1 pour les units parfaite-
ment ecaces, et infrieur 1 pour les units non parfaitement ecaces. Linterprtation
de ce degr decacit pour les units non ecaces est la suivante : ces units pour-
raient multiplier leur output par 1 en conservant leurs inputs inchangs. Se faisant,
ils atteindraient la frontire de production. Ainsi, un degr decacit faible implique
dimportantes marges de manuvre.
Le paramtre 0 permet de contrler les rendements dchelle entre les inputs et loutput :
0 = 0 implique des rendements dchelle constants, 0 0 implique des rendements
dchelle croissants, 0 0 implique des rendements dchelle dcroissants. En laissant
le paramtre 0 libre, on suppose des rendements dchelle variables : il sagit en fait
de rendements dchelle initialement croissants, puis potentiellement constants puis d-
croissants. Cette hypothse, nous le dtaillerons dans le cadre de lillustration ci-aprs,
renvoie sans doute le plus limage denveloppement des donnes avec un trac de
la frontire au plus proche des donnes.
Paralllement, on calcule lecacit technique sectorielle. On rsout un programme de

maximisation identique, cette fois-ci pour obtenir lecacit contrainte sectorielle c. La
mthodologique est similaire, ceci prs que la comparaison se fait ici entre les units
commerciales dun mme secteur. Le programme de maximisation est le suivant :
123

max c(i,j) = (i,j) Y(i,j) 0 (3.8a)

(i,j) ,(i,j),1 ,(i,j),2 ,0
s.c.
(i,j) Y(p,j) 0 (i,j),1 S(p,j) + (i,j),2H(p,j) p (1, N) (3.8b)
(i,j),1S(i,j) + (i,j),2H(i,j) = 1 (3.8c)
(i,j),1 , (i,j),2 , (i,j) > 0 , 0 libre (3.8d)
On rsout ce programme pour toutes les units pour obtenir un degr decacit secto-
rielle ci,j born galement de 0 1. Dans la mesure o on calcule lecacit uniquement
en fonction des autres units commerciales du mme secteur, le degr decacit secto-
rielle ci,j est suprieur ou gal au degr decacit non contraint i,j .
Le degr decacit sectorielle correspond la distance avec la frontire trace pour le

secteur donn. Un degr decacit sectorielle gal 1 correspond une unit parfai-
tement ecace compte tenu de son secteur. Les autres units pourraient multiplier leur
output par c1 en conservant leurs inputs inchangs. Ils attendraient de cette manire
la frontire decacit de leur secteur.
En comparant les deux mesures de lecacit technique (non contrainte et sectorielle),

on dtermine leet du secteur sur lecacit technique de lunit commerciale. Pour
chaque unit commerciale, on peut calculer un ratio sectoriel R(i,j) , calcul comme le
rapport entre les deux mesures de lecacit :
(i,j)
R(i,j) =
c(i,j)
Le maximum decacit technique quune unit (i, j) peut atteindre en appartenant

au secteur j correspond R(i,j) % du maximum decacit technique atteignable sans
contrainte sectorielle. Ainsi, lorsque les deux mesures decacit concident, ce ratio
est de 1. Cela signie que le fait dappartenir ce secteur naecte pas la mesure de
124

lecacit. Lunit considre est dite sans biais sectoriel. linverse, un ratio infrieur
1 indique que lunit ache une faiblesse decacit provoque par son secteur. On
mesure ainsi la part dinecacit provenant du secteur et celle provenant de lunit
elle-mme.
II.1.3 Illustration de la mthode denveloppement de donnes
Nous illustrons la mthode denveloppement de donnes partir dun exemple simple

avec 12 units commerciales, un input et un output (voir tableau 3.5). Le graphique 3.13
page suivante illustre chaque unit commerciale selon la valeur de son input et de son
output. Les 12 units commerciales se regroupent en deux secteurs. Nous commenons
par prsenter le trac de la frontire de production non contrainte, cest--dire sans
direncier les secteurs.
Pour lanalyse graphique, nous pouvons rsumer la mthode denveloppement en deux

temps : le trac de la frontire de production avec les units parfaitement ecaces puis
la dtermination des degrs decacit 8 . Quelle que soit lhypothse sur les rendements
Tableau 3.5 Exemple de donnes pour lenveloppement de donnes
Unit Secteur Input Output Ratio Output/Input

1 1 2 1 0,5
2 1 3 1 0,333
3 1 4 2 0,5
4 1 5 5 1
5 1 8 5 0,625
6 1 10 4 0,4
7 2 5 2 0,4
8 2 6 4 0,667
9 2 7 3 0,428
10 2 9 7 0,778
11 2 9 8 0,889
12 2 10 8 0,8
8. Les programmes de maximisation prsents prcdemment dterminent en une fois la frontire et

la position de chaque point sur cette frontire. Pour autant, la prsentation graphique ici est conforme
en tous points avec la rsolution du programme de maximisation.
125

Graphique 3.13 Reprsentation graphique des 12 units commerciales
10
6
Output
E
5
0
0 1 2 3 4 5 6 7 8 9 10
Input
dchelle, une unit est toujours utilise pour tracer la frontire : celle pour lequel le rap-
port output/input est le plus lev. Dans notre exemple, il sagit de lunit commerciale
4, qui a un ratio gal 1 (sur le graphique 3.13, le point E ). Ensuite, le trac de la
frontire dpend de lhypothse sur les rendements dchelle :
Sous hypothse de rendements dchelle constants, la frontire de production

passe par le point origine (0, 0). Le seul autre point servant au trac est celui pour lequel
le rapport output/input est le plus lev, ici le point E . La frontire (ncessairement
une droite ici) est trace partir du point origine et de ce point E (voir graphique 3.14
ci-contre).
Une fois la frontire de production trace, on mesure le degr decacit technique dune
unit commerciale par sa distance relative avec la frontire. Sur le graphique, il sagit
des droites en pointill entre chaque unit commerciale et la frontire de production 9 .
9. Nous prsentons ici uniquement le programme denveloppement de donnes orient output ,

cest--dire que lon mesure la distance verticale entre les units commerciales et la frontire de produc-
126

Graphique 3.14 Frontire de production sous rendements dchelle constants
10
6
Output
E
5
0
0 1 2 3 4 5 6 7 8 9 10
Input
Des quatre hypothses de rendements dchelle, cette hypothse conduit toujours la

plus faible valeur pour lecacit technique. En eet, les carts entre les units commer-
ciales et la frontire de production sont les plus grands.
Sous hypothse de rendements dchelle dcroissants, la frontire de production

passe par le point origine (0, 0) et le point E . Lhypothse de rendements dchelle
dcroissants implique, qu partir de ce point en termes de quantit doutputs, le rap-
port output/input peut dcroitre en conservant des units commerciales parfaitement
ecaces. La frontire est donc concave partir de ce point E et est trace, point
par point, partir des autres units maximisant le rapport output/input. chaque
nouveau point, le rapport output/input peut diminuer. De ce fait, lunit avec le niveau
doutput le plus haut sera automatiquement considr comme parfaitement ecace. Sur
le graphique 3.15 page suivante, les points correspondants sont nots D .
tion. Lanalyse et les rsultats sont quivalents pour les deux programmes sous hypothse de rendements
dchelle constants.
127

Graphique 3.15 Frontire de production sous rendements dchelle dcroissants
10
9
D D
8
6
Output
E
5
0
0 1 2 3 4 5 6 7 8 9 10
Input
Par rapport lhypothse de rendements dchelle constants, deux units commer-

ciales supplmentaires sont considres comme parfaitement ecaces sous rendements
dchelle dcroissants. De plus, cette hypothse conduit augmenter lecacit technique
des units commerciales ayant un niveau dinput suprieur 5. Lecacit technique
des autres units commerciales reste inchange.
Sous hypothse de rendements dchelle croissants, lunit commerciale avec le

plus faible niveau dinput (le point I sur le graphique 3.16 ci-contre) est automatique-
ment considre comme parfaitement ecace. Ensuite, la frontire de production passe
par le point E . partir du point E , la pente de la frontire de production devient
identique celle pour lhypothse de rendements dchelle constants. Dans le cas o le
point E est galement le point dinput minimal, la frontire est trace uniquement
sous hypothse de rendements dchelle constants.
128

Graphique 3.16 Frontire de production sous rendements dchelle croissants
10
6
Output
E
5
2
I
1
0
0 1 2 3 4 5 6 7 8 9 10
Input
Par rapport lhypothse de rendements dchelle constants, une unit commerciale sup-
plmentaire est considre comme parfaitement ecace. De plus, lecacit technique
des units ayant un niveau dinput infrieur 5 est plus leve.
Lhypothse de rendements dchelle variables est une synthse des trois hypo-
thses prcdentes, cest--dire que les rendements dchelle sont tout dabord croissants,
puis constants, puis ventuellement dcroissants. Lunit commerciale avec le plus faible
niveau dinput est donc sur la frontire, le point E galement. Et, partir de ce
point E , les units ayant successivement un rapport maximal output / input sont
galement sur la frontire (voir graphique 3.17 page suivante).
Ici, quatre units commerciales sont considrs comme parfaitement ecaces. De plus,
il sagit de lhypothse pour laquelle les degrs decacit technique de toutes les units
commerciales sont les plus levs. En eet, la frontire de production colle ici le plus
aux donnes et correspond sans doute le plus au terme enveloppement de donnes.
129

Graphique 3.17 Frontire de production sous rendements dchelle variables
10
9
D D
8
6
Output
E
5
2
I
1
0
0 1 2 3 4 5 6 7 8 9 10
Input
Paralllement lecacit technique non contrainte, lecacit technique sectorielle

sobtient en traant une frontire de production par secteur, sous les mmes conditions
que la frontire de production sans contrainte. Ces frontires se situeront ncessairement
en dessous de la frontire sans contrainte, aussi lecacit technique sera plus leve. La
distance verticale relative entre le point et la frontire de production sectorielle mesure
lecacit sectorielle. La distance verticale relative entre les deux frontires de produc-
tion mesure le biais sectoriel pour cette unit commerciale.
Les deux graphiques 3.18 et 3.19 ci-contre illustrent la mta-frontire (cest--dire la

frontire de production sans contrainte sectorielle) et les frontires sectorielles sous hy-
pothse de rendements dchelle variables 10 . La mta-frontire correspond la frontire
de production prcdente (graphique 3.17) et est reporte ici en gris et pointill. On
remarque que le secteur 1 contribue la construction de la mta-frontire pour un faible
10. Pour tre comparables, les deux types de frontires (sans contrainte et sectorielles) doivent tre
traces avec la mme hypothse concernant les rendements dchelle.
130

Graphique 3.18 Frontire de production du secteur 1 et mta-frontire
10
Mta-frontire
9 Frontire
8
6
Output
C
5
0
0 1 2 3 4 5 6 7 8 9 10
Input
Graphique 3.19 Frontire de production du secteur 2 et mta-frontire
10
Mta-frontire
9 Frontire
8
6
Output
0
0 1 2 3 4 5 6 7 8 9 10
Input
131

niveau dinput. Le secteur 2, quant lui, contribue pour un haut niveau dinput. Avec
la prise en compte des frontires sectorielles, lecacit technique est plus lev. Cest le
cas tout particulirement de lunit commerciale 5 (point C sur le graphique 3.18) qui
devient parfaitement ecace ici.
II.1.4 Limites de la mthode et tests de robustesse
Charnes (1994) nonce trois limites principales la mthode denveloppement de don-

nes. La premire limite est inhrente toute mthode quantitative destimation de
lecacit. Selon les variables choisies, les units commerciales ne sont pas compares
de manire identique et les degrs decacit peuvent en tre aects. Le choix des
variables est donc dterminant dans la mesure decacit.
La deuxime limite est corollaire la non spcication dune fonction de production.

Cette mthode non paramtrique ne permet pas de tester les paramtres dune fonction
de production. Cette limite savre problmatique lorsque lanalyse ncessite de tester
plusieurs hypothses direntes sur la relation liant inputs et outputs, ou lorsque lana-
lyse sert de base pour des prvisions. Cette limite ne nous concerne pas ici car nous
cherchons uniquement mesurer ponctuellement lecacit technique.
La troisime limite provient de la construction de la frontire de production. Lextension

plusieurs inputs et plusieurs outputs conduit augmenter le nombre de rapports output
/ input possibles. En eet, le nombre de ratios possibles est gal au produit du nombre
dinputs et du nombre doutputs. Ds lors, le nombre dunits maximisant au moins
un de ces ratios augmentera donc avec le nombre dinputs et doutputs. De plus, pour
les hypothses autres que les rendements dchelle constants, les units achant le plus
faible niveau sur chaque input et le plus fort niveau sur chaque output seront considrs
comme parfaitement ecaces. Au nal, le nombre dunits parfaitement ecaces ainsi
que lecacit moyenne des units augmentent avec la prise en compte de nouveaux
inputs ou outputs. Dans notre cas, le faible nombre dinputs (2) et doutput (1) permet
de rduire au minimum cet ventuel problme.
132

ces trois limites nonces par Charnes, nous en ajoutons une quatrime : la sensibilit
aux donnes aberrantes. La mthode denveloppement des donnes est sensible aux don-
nes situes sur la frontire de production. Ainsi, une erreur sur une donne situe sur la
frontire aecte lensemble des degrs decacit des donnes avoisinantes. En revanche,
une erreur sur une donne non situe sur la frontire naecte en rien les autres degrs
decacit. Par comparaison avec des mthodes destimation conomtrique classique,
la mthode denveloppement se base sur les donnes maximales et non les donnes
moyennes . De ce fait, seules les donnes situes sur (ou proche de) la frontire de
production aectent lestimation, mais de manire plus forte que pour une estimation
base sur des donnes moyennes . Pour contrler cette limite et en mesurer leet,
il est possible de procder un retrait des units formant la frontire de production et
danalyser leet de la disparition de ces units sur la mesure de lecacit technique. Si
la variation des ecacits mesures est faible, et si la corrlation entre les deux mesures
est forte, les donnes sont peu sensibles cette limite et les rsultats sont dits stables.
II.2 Estimation conomtrique dune fonction de production
II.2.1 Prsentation de la fonction de production CES
La deuxime mthode de mesure de lecacit technique se base sur lestimation co-

nomtrique dune fonction de production. Nous utilisons ici une fonction de production
CES (Constant Elasticity of Subtitution) qui a lavantage de couvrir une large gamme
dhypothses sur les rendements dchelle et sur llasticit de substitution des inputs.
La fonction de production CES a t propose par Arrow et al. (1961) dans le but de
gnraliser la fonction Cobb-Douglas et de proposer une forme gnrale pouvant laisser
libre le degr de substituabilit entre les facteurs de production et llasticit entre les
facteurs de production et la production gnre. La formule a ensuite t amliore
par Kmenta (1967) an dinclure direntes hypothses sur la nature des rendements
133

dchelle. Applique nos variables, la spcication CES est la suivante :
h i

Y = S + (1 )H (3.9)
Le paramtre ( [0, [) mesure la productivit globale des facteurs de production.

Le paramtre ( [0, 1]) indique le partage entre les deux inputs dans la ralisation de
loutput. Le paramtre ( [1, [ hors 0) permet de mesurer llasticit de substitu-
tion entre les inputs (celle-ci est gale (1 + )1 ). Enn, Le paramtre ( [0, [)
mesure les rendements dchelle.
Cette fonction est exible concernant llasticit de substitution entre les inputs. Dans
les deux cas les plus extrmes, la spcication CES permet dobtenir une fonction de
Lontief avec une complmentarit parfaite entre les inputs lorsque tend vers
linni ( 0) ou une fonction Cobb-Douglas avec une substituabilit parfaite entre
les inputs lorsque le paramtre tend vers 0 ( 1). La fonction CES devient une
fonction linaire lorsque tend vers 1.
La fonction de production CES permet galement de mesurer les rendements dchelle.

Daprs lquation de la fonction CES, ces rendements dchelle sont estims croissants
lorsque le paramtre est suprieur 1. Ils sont estims dcroissants lorsque et
infrieur 1 et constants pour gal 1.
Cette fonction nest pas linarisable. Elle ne peut donc pas tre traite par des tech-
niques conomtriques usuelles. Nanmoins, de nombreuses mthodes ont t pro-
poses pour estimer de manire non-linaire cette fonction. Nous utilisons celle de
Levenberg-Marquardt (ci-aprs LM) 11 . La mthode LM fonctionne par itration desti-
mation. partir dun vecteurs de paramtres initiaux, la mthode ralise une estimation
11. Un test des mthodes existantes NM (Nelder et Mead 1965), Conjugate Gradients (Fletcher
et Reeves 1964), BFGS (Broyden 1970 ; Fletcher 1970 ; Goldfarb 1970 ; Shanno 1970), Simulated
Annealing (Blisle 1992) a t ralis, sans quaucune des mthodes nait deffet important sur les
rsultats proposs. Ces diffrences mthodes, toutes non linaires, diffrent dans leur paramtrage et
leur finesse mais ne provoquent pas de diffrences fortes sur les estimations.
134

de la fonction par la mthode des moindres carrs et ajuste les paramtres selon les r-
sultats de cette estimation. La mthode itre jusqu ce que la somme des carrs reste
stable (nous sommes alors face un optimum local) ou lorsque le nombre ditrations
dpasse un seuil pr-dni. Une prsentation complte de la mthode LM est propose
par Mor (1978).
Une fois la fonction de production estime, lcart vertical mesur entre une unit com-
merciale et cette fonction de production est le rsidu de lestimation conomtrique (not
) et mesure lecacit technique de cette unit commerciale. Initialement, un rsidu
ngatif indique une ecacit technique infrieure la moyenne, un rsidu positif indique
une ecacit technique suprieure la moyenne. An dobtenir une mesure decacit
technique comparable celle obtenue par enveloppement de donnes, nous appliquons
une transformation du rsidu avec lquation 3.10 :
i,j min (i,j )

Ef fi,j = (3.10)
max (i,j ) min (i,j )
Avec cette transformation, lecacit technique est dnie entre 0 (pour le rsidu de
la plus faible valeur) et 1 (pour le rsidu avec la plus forte valeur) et augmente avec
laugmentation du rsidu. Nanmoins, ici, la mesure de lecacit technique nest pas,
contrairement la mthode denveloppement de donnes, directement faite avec lunit
commerciale la plus ecace. Nous ralisons cette transformation an de comparer les
deux mthodes de mesure.
Nous estimons tout dabord une fonction de production non contrainte, cest--dire en
incluant toutes les units commerciales. Lecacit technique est ici dite non contrainte.
Puis, an de prendre en compte les spcicits sectorielles, nous estimons un fonction de
production pour chaque secteur commercial. Lecacit technique de chaque unit com-
merciale est alors lcart entre le chire daaires eectif et le chire daaires que lunit
devrait obtenir daprs sa consommation dinputs et selon la fonction de production du
secteur auquel elle appartient. Lecacit technique est ici dite sectorielle.
135

II.2.2 Illustration de la mthode CES
Nous illustrons la fonction de production CES avec les mmes donnes que pour la m-
thode DEA (voir tableau 3.5 page 125). Dans la mesure o ces donnes ne comportent
quun input, lestimation des paramtres et ne peut tre ralise. Sur ces donnes
dexemple, la fonction de production CES est linaire ( = 1 et = 0.641, voir gra-
phique 3.20). Les degrs decacit technique sont indiqus en pointills. Avec cette
mthode, comme pour la mthode DEA, le point E est considr comme le plus
ecace de ces 12 units commerciales.
Nous pouvons galement tracer les deux fonctions de production sectorielles. Pour cela,
nous estimons la fonction de production CES pour les deux secteurs sparment. Les
graphiques 3.21 et 3.22 ci-contre comparent ces fonctions de production sectorielle la
fonction de production non contrainte 12 .
Graphique 3.20 Illustration de la fonction de production CES
10
6
Output
E
5
0
0 1 2 3 4 5 6 7 8 9 10
Input
12. Nous nommons ici cette fonction de production non contrainte mta-fonction afin de faire le
parallle avec la mthode DEA et la mta-frontire de production au sens de Hayami et Ruttan (1971).
136

Graphique 3.21 Fonction de production du secteur 1 et mta-fonction
10
Mta-fonction
9 Fonction
8
6
Output
0
0 1 2 3 4 5 6 7 8 9 10
Input
Graphique 3.22 Fonction de production du secteur 2 et mta-fonction
10
Mta-fonction
9 Fonction
8
6
Output
0
0 1 2 3 4 5 6 7 8 9 10
Input
137

Il est intressant de noter ici que les fonctions de production sectorielles ne sont pas
ncessairement au dessus ou en dessous de la fonction de production non contrainte.
Dailleurs, pour deux secteurs, dans la mesure o lon minimise les carts, les deux
fonctions de production sectorielles sont automatiquement de part et dautre de cette
fonction de production non contrainte.
II.2.3 Limites de la mthode et tests de robustesse
Lestimation dune fonction de production CES soure, tout comme la mthode den-
veloppement de donnes, de certaines limites. Tout dabord, comme rappel prcdem-
ment, les rsultats dpendent des donnes utilises et de leur pertinence. De plus, les-
timation se ralise par des techniques non linaires et deux problmes majeurs sont
prsents dans la dtermination des paramtres. Ainsi, lestimation est trs sensible la
valeur des paramtres initiaux. Selon les situations, loptimum obtenu peut ntre que
de second rang et lalgorithme peut ne pas trouver de solution convenable. La solution
propose peut galement tre totalement incongrue et il est ncessaire de vrier chaque
procdure destimation an de savoir si la solution obtenue est able ou non.
galement, lestimation de la fonction CES est trs sensible aux donnes utilises. De
faibles dirences entre les inputs ou loutput peuvent conduire des rsultats sensi-
blement dirents. Ainsi, des erreurs de report des donnes (mme faibles) auraient des
consquences fortes, la fois sur lestimation des paramtres et sur la mesure de lef-
cacit technique. Pour tester cette sensibilit la variation des donnes, la mthode
habituellement utilise est de simuler de faibles variations sur les donnes et danalyser
limpact sur lestimation de la fonction de production.
Aprs avoir prsent les deux mthodes de mesure de lecacit technique, nous les
appliquons pour mesurer lecacit technique des units commerciales de notre base de
donnes.
138

Section III Mesure globale de lecacit technique des units commerciales
Section III Mesure globale de lefficacit technique

des units commerciales
Nous appliquons les deux mthodes de mesure de lecacit enveloppement de don-

nes et estimation de fonction CES aux donnes disponibles, en prenant en compte les
dirences sectorielles des units commerciales. Les rsultats sont prsents et discuts
selon les secteurs et selon les deux mthodes de mesures.
De plus, les limites connues des deux mthodes sont tudies an de tester la abilit
et la robustesse de la mesure decacit produite. Enn, nous terminons la section en
concluant sur les mthodes et en prsentant quelle mesure decacit technique nous
conservons pour la suite de la thse.
III.1 Prsentation gnrale des rsultats
Pour les 589 units commerciales, nous avons calcul quatre mesures de lecacit tech-
nique. Deux concernent la mthode denveloppement de donnes : partir dune fron-
tire de production non contrainte ou sectorielle. Les deux autres mesures concernent la
fonction de production de production, galement avec la distinction entre fonction sans
contrainte et fonction sectorielle La mthode denveloppement des donnes a t appli-
que sous lhypothse de rendements dchelle variables. Nous prsenterons dans une
sous-section suivante la sensibilit de ces rsultats aux autres hypothses de rendements
dchelle. Le tableau 3.6 page suivante rsume les rsultats par secteur pour les quatre
mesures.
Pour la mthode denveloppement des donnes, lecacit technique correspond lcart

en pourcentage la frontire de production. Par exemple, en faisant rfrence la
frontire de production sectorielle, les units commerciales du secteur 1 ralisent en
moyenne 83,09 % du chire daaires ralisable compte tenu de leurs inputs et du secteur
commercial auquel elles appartiennent. niveau dinputs constant, elles pourraient en
139

Tableau 3.6 Ecacit technique moyenne non contrainte et sectorielle

(selon le secteur et la mthode)
DEA (%) CES (%)

Frontire Fonction
Frontire Ratio Fonction
Secteur non non
sectorielle sectoriel sectorielle
contrainte contrainte
1 48,33 83,09 1,75 64,07 50,57
2 60,25 77,53 1,30 54,10 47,41
3 61,48 78,31 1,28 58,17 39,13
4 83,63 87,93 1,05 50,64 38,63
5 60,54 85,81 1,45 63,71 41,99
Moyenne 63,07 82,55 1,36 58,07 43,42
gnrale
moyenne multiplier leur chire daaires de 1,20 (0.83091). Pour la mthode CES,
lecacit technique correspond lcart relatif en pourcentage lunit commerciale
achant le rsidu le plus haut.
Pour les deux mesures de lecacit technique, la prise en compte des particularits
sectorielles modie fortement les rsultats. Lecacit moyenne des units commerciales
du secteur 1 passe de 48,33 % 83,09 % en intgrant le secteur avec la frontire de
production (et de 64,07 50,57 avec la fonction de production 13 ). Cela est conrm par
la valeur trs leve du ratio sectoriel moyen pour ce secteur (1,75). Nous avions obtenu
le mme rsultat dans la premire section lors de lanalyse des ecacits partielles : les
units du secteur 1 (dont les produits concernent lhabillement et les produits enfants)
produisent en moyenne environ 1,7 fois moins de chire daaires par m2 de surface de
vente que la moyenne des units (voir tableau 3.2 page 107). Ds lors, analyser les units
commerciales de ce secteur entre elles ou avec les autres units conduit des rsultats
trs dirents. La faiblesse de lecacit technique tant ici capte par leet du secteur.
13. Contrairement la mthode denveloppement des donnes, lestimation par frontire de produc-
tion sectorielles ne conduit pas une mesure defficacit automatiquement plus leve.
140

Ce premier rsultat nous conduit privilgier la mesure de lecacit technique avec

la contrainte sectorielle. Utiliser la frontire ou la fonction non contrainte conduirait
systmatiquement considrer les units commerciales du secteur 1 comme trs inecaces
alors que les dirences decacit technique sont ici structurelles et ne renvoient pas
une bonne ou une mauvaise gestion de lunit commerciale. Nous incluons donc prsent
la contrainte sectorielle dans notre mesure de lecacit technique.
Mme avec la prise en compte des particularits sectorielles, lecacit technique reste
dpendante du secteur analys. Ainsi, avec la mthode DEA, les units commerciales
des secteurs 2 et 3 ont une ecacit moyenne infrieure de prs de 10 points celles des
units commerciales du secteur 4. La mme remarque peut tre formule pour lecacit
technique mesure par fonction de production CES.
Ce rsultat peut paratre, premire vue, illogique. Nanmoins, les units commerciales
de chaque secteur dispose dune distribution dirente des ecacits techniques. Avec
lenveloppement des donnes, lecacit technique minimale des units commerciales du
secteur 2 est de 40 %, contre 75 % pour le secteur 4. Lexplication ne semble plus venir
ici du caractre quasi-xe de la surface de vente. En eet, les units commerciales du
secteur 4 (alimentation en libre service) possdent en moyenne les surfaces de vente les
plus grandes et achent en moyenne les plus hauts degr decacit technique. Cela
conrme lexistence de rendements dchelle croissants pour ce secteur.
Les interprtations des deux mthodes DEA et CES sont parfois contradictoires. Par
exemple, pour le secteur 4, lecacit technique moyenne, avec la mthode DEA, est la
plus forte des cinq secteurs (87,93 % contre 82,55 % pour les cinq secteurs). Pourtant,
daprs la mthode CES, lecacit technique moyenne est infrieure la moyenne
des cinq secteurs (38,63 contre 43,42 %). Nous navons pas dlments probants, pour
linstant, pour prfrer lun des rsultats lautre.
141

III.2 Sensibilit des mthodes de mesure
Il existe dirents moyens de tester la sensibilit de nos rsultats aux hypothses et aux
donnes utilises. Nous prsentons ici deux tests faisant rfrence aux limites que nous
avons nonces pour les deux mthodes de mesure de lecacit technique. Ces deux
tests concernent la sensibilit (1) aux hypothses de rendements dchelle et (2) aux
variations des donnes.
III.2.1 Sensibilit aux hypothses de rendements dchelle
En enveloppement des donnes, lhypothse de rendements dchelle est xe en pa-

ramtre an de calculer lecacit technique des units commerciales. Pour tester la
sensibilit des rsultats aux hypothses de rendements dchelle, nous comparons la
distribution des degrs decacit technique, par secteur, pour chaque hypothse. Les
graphiques 3.23 et 3.24 ci-contre illustrent ces distributions respectivement pour les sec-
teurs 1 et 4. Les autres distributions sont pratiquement identiques et sont donc renvoyes
en annexe (graphiques pages 241 243).
Le graphique 3.23 indique que, pour le secteur 1, la distribution des degrs decacit
technique varie peu ou pas selon lhypothse sur les rendements dchelle. Les quatre
courbes sont pratiquement superposes. Le mme constat peut tre fait pour les secteurs
2, 3 et 5 (voir en annexe). linverse, pour le secteur 4 (graphique 3.24), on remarque
que les hypothses de rendements dchelle croissants et variables conduisent un lger
dcalage de la distribution des degrs decacit sur la droite. Cela provient du fait quil
existe, pour ce secteur de lalimentation en libre service, un plus grand nombre dunits
commerciales de faible taille. Et, ces units commerciales sont considres comme par-
faitement ecaces sous hypothses de rendements dchelle variables et croissants mais
peu ecaces sous hypothses de rendements dchelle constants ou dcroissants.
Les hypothses de rendements dchelle ont galement une inuence sur le nombre
dunits considres comme parfaitement ecaces. Lhypothse de rendements dchelle
142

Graphique 3.23 Distribution des degrs decacit pour le secteur 1, selon

lhypothse sur les rendements dchelle
3.5
2.5
Densit
2 RE constants
RE croissants
1.5 RE dcroissants
RE variables
1
0.5
0
0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
Degr decacit technique
Graphique 3.24 Distribution des degrs decacit pour le secteur 4, selon

5.5
4.5
3.5
Densit
3 RE constants
RE croissants
2.5
RE dcroissants
2 RE variables
1.5
0.7 0.75 0.8 0.85 0.9 0.95 1

143

constants conduit obtenir 16 units avec un degr decacit gal 1. Dans le cas des
hypothses de rendements dchelle dcroissants et croissants, ce nombre est respective-
ment de 19 et 36. Enn, dans le cas des rendements dchelle variables, 39 units ont
une ecacit gale 1. Rappelons que les units considres comme parfaitement e-
caces sous les hypothses de rendements dchelle constants, dcroissants et croissants
sont, par construction mthodologique, considres comme parfaitement ecaces sous
hypothse de rendements dchelle variables.
Pour comprendre davantage leet du choix dune hypothse plutt quune autre, on
sintresse uniquement aux degrs decacit calculs sous les hypothses de rendements
dchelle variables et constants. En eet, pour les units commerciales de faible taille
(en termes de quantit dinputs), les hypothses de rendements dchelle croissants et
variables concident. De mme, les hypothses de rendements dchelle dcroissants et
variables concident pour des units avec inputs levs. La comparaison des hypothses
de rendements dchelle constants et variables renseigne donc sur les 4 hypothses.
La corrlation entre les degrs decacit technique sous les deux hypothses est den-
viron 85 % (voir graphique 3.25 ci-contre). Ainsi, les deux hypothses de rendements
dchelle produisent ici des rsultats trs proches. Nanmoins, pour certaines units,
lcart constat entre les deux hypothses est trs lev (70 points dans le cas extrme,
point A sur le graphique 3.25). Les carts les plus importants concernent les units
de faible taille. On retrouve leet prsent ci dessus : avec lhypothse de rendements
dchelle variables, celles-ci sont considres comme parfaitement ecaces (ou du moins
trs ecaces). linverse, elles apparaissent trs faiblement ecaces sous lhypothse
de rendements dchelle constants. Par exemple, une unit commerciale de 250 m2 (le
minimum de notre base de donnes) serait parfaitement ecace mme en ne produisant
que 1000 e de chire daaires lanne. Pour tester si ce problme existe dans notre
cas, nous analysons les ratios outputs/inputs des units concernes.
144

Graphique 3.25 Comparaison des degrs decacit technique obtenu sous

hypothse de rendements dchelle constants et variables
0.9
Ecacit technique (RE constants)
0.8
0.7
0.6
0.5
0.4
A
0.3
0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Ecacit technique (RE variables)
Ainsi, lunit avec lcart le plus important produit 6290 e de chire daaires par m2 de
surface de vente contre 11 800 en moyenne, et produit 125 e de chire daaires par heure
de travail, contre 330 en moyenne. Alors que cette unit est dite parfaitement ecace sous
lhypothse de rendements dchelle variables, ses ratios sont environ moiti moins levs
que la moyenne. Ce rsultat peut paraitre aberrant et lunit commerciale est carte
de lanalyse par souci de robustesse des rsultats. En lcartant, les 5 units suivantes
avec lcart le plus important ont un ratio chire daaires / surface en moyenne de
11 500 et un ratio chire daaires / heures en moyenne de 320. Les ratios de ces units
commerciales sont plus faibles mais aucun ne lest de manire anormale. Lhypothse de
rendements dchelle variables, si elle aecte le degr decacit, ne conduit donc pas (
lexception dune seule unit) des rsultats aberrants en terme de ratios output/input.
145

Avec la mthode CES, les rendements dchelle sont un rsultat de lestimation des fonc-
tions de production. Ils se mesurent laide du paramtre de lquation 3.9 page 134.
Le tableau 3.7 rsume, pour les cinq secteurs, lestimation des paramtres de la fonction
de production. Daprs ce tableau, les secteurs 1 4 achent des rendements dchelle
croissants (les paramtres sont signicativement suprieurs 1). La croissance des
rendements dchelle pour le secteur 5 est en revanche non signicative. Lhypothse
de rendements dchelle constants est ici prfrer. Lexplication de ce rsultat rside
sans doute dans la nature des produits proposs par ce secteur. En eet, le secteur 5
concerne les produits frais vendus la coupe par des traiteurs. Lhypothse de rende-
ments dchelle croissants pour ce type de vente est peu vraisemblable. Laccroissement
de la taille de lunit doit se faire, an de maintenir une bonne animation des ventes,
avec un accroissement proportionnel de la main duvre.
Toutefois, lestimation des paramtres des fonctions de production CES semble peu
able. En eet, le paramtre , qui indique la distribution optimale des deux inputs dans
la fonction de production, est gal 1 pour les secteurs 2, 4 et 5. Daprs lquation 3.9
page 134, cela impliquerait de ne pas prendre en compte le nombre dheures de travail
dans la fonction de production. Daprs nos prcdents rsultats, le nombre dheures
de travail semble pourtant tre un facteur dterminant du chire daaires. Ce rsultat
surprenant serait li la sensibilit de lestimation non linaire de la fonction CES aux
donnes utilises. Nous testons cette sensibilit des paramtres ci-aprs
Tableau 3.7 Estimation conomtrique des fonctions de production CES sectorielles
Secteur 1 Secteur 2 Secteur 3 Secteur 4 Secteur 5
82.45 (151.19) 37.21 (17.27) 198.94 (220.11) 159.32 (49.39) 145.41 (40.35)
0.72 (0.97) 1 (0) 0.31 (0.61) 1 (0) 1 (0)
-0.13 (1.44) 3.96 (2.18) -0.86 (1.03) 4.87 (3.67) 3.64 (7.38)
1.2 (0.03) 1.19 (0.04) 1.19 (0.04) 1.11 (0.03) 1.03 (0.02)
(cart-type des paramtres entre parenthses)
146

III.2.2 Sensibilit aux variations des donnes
La mthode denveloppement est sensible aux donnes formant la frontire de produc-

tion. Celles-ci conditionnent lintgralit des degrs decacit des units commerciales
considres comme non parfaitement ecaces. Une erreur sur une donne formant la
frontire decace aecte donc lensemble des rsultats et nous vrions si cette limite
mthodologique aecte nos rsultats. Pour tester la sensibilit de la mthode denve-
loppement aux donnes formant la frontire, nous crons une base de donnes test en
retirant lensemble des units achant une ecacit gale 1 (sous lhypothse de rende-
ments dchelle variables). De cette manire, nous supprimons toutes les donnes ayant
servi tracer les 5 frontires decacit sectorielle. Ensuite, nous ralisons lenvelop-
pement de donnes sur cette base de donnes tronque et comparons les deux mesures
decacit.
39 units commerciales ont ainsi t retires : 6 pour le secteur 1 ; 9 pour le secteur 2 ;

8 pour chacun des secteurs 3, 4 et 5. Malgr ces retraits, le mesure de lecacit reste
stable : le coecient de corrlation entre les anciennes mesures et celles avec retrait des
donnes est, selon le secteur commercial, compris entre 0,878 (secteur 3) et 0,972 (secteur
1). Ainsi, le retrait des donnes formant les frontires decacit technique sectorielle ne
modie pas les rsultats de manire trop drastique, la mesure de lecacit de lensemble
des units commerciales est donc peu sensible ces 39 donnes.
Concernant la mthode CES, nous avons indiqu que lestimation des fonctions CES
est potentiellement sensible aux donnes utilises. En particulier, du fait de lestimation
non-linaire, lalgorithme destimation peut aboutir un optimum de second rang
cause dune faible dirence dans les donnes, conduisant de fortes dirences dans
les paramtres de la fonction et dans la mesure de lecacit technique. Pour tester la
sensibilit de la mthode ces variations de donnes, nous crons une base de donnes
test et appliquons sur les deux inputs et loutput une variation de plus ou moins 5 %
147

(donnes alatoires gnres laide dune loi uniforme) 14 . Nous estimons les 5 fonctions
de production CES avec ces nouvelles donnes et comparons ensuite les paramtres et
la mesure de lecacit technique.
Les tableaux 3.8 (a et b) rsument les rsultats, la fois pour les paramtres estims et
pour la corrlation entre les deux calculs de lecacit technique (avec ou sans variation
de donnes). On remarque que la variation sur les donnes modie trs peu la mesure
de lecacit. Pour les 5 secteurs, le taux de corrlation entre les deux mesures se situe
entre 0,881 et 0,959. Par contre, lestimation des paramtres nest pas stable. En eet,
les coecients de variation des paramtres atteignent jusqu 650 %. Il nest donc pas
possible de tirer denseignements ables partir des paramtres des fonctions CES, mais
la mesure de lecacit technique reste nanmoins stable et donc utilisable.
Tableau 3.8 Sensibilit de lestimation des fonctions de productions CES aux

variations de donnes
(a) Sensibilit des paramtres
172.93 (98.7) 42.7 (23.8) 201.8 (48.4) 169.74 (60.9) 141.68 (36)
0.59 (61.8) 1 (0.9) 0.44 (58.8) 0.99 (7.6) 2.04 (200.4)
-0.15 (644.1) 3.17 (32.9) -0.69 (-76.8) 4 (31.8) 3.35 (38.6)
1.2 (1.6) 1.19 (1.5) 1.18 (1.5) 1.11 (1.6) 1.02 (1.7)
(Valeur moyenne des paramtres obtenus avec 1000 simulations)

(Coefficient de variation en % entre parenthses)
(b) Sensibilit des degrs defficacit technique
0.903 (1,9) 0.959 (0,7) 0.947 (0,9) 0.881 (2,2) 0.896 (1,9)
(Coefficient de corrlation moyen des degrs defficacit sur 1000 simulations)

(Coefficient de variation en % entre parenthses)
14. Avec une telle mthode, les rsultats obtenus dpendent de la valeur des alas. Aussi, pour sassurer
que les rsultats ne proviennent pas dun tirage particulier, nous simulons la base de donnes test 1000
fois en parallle pour faire ensuite la moyenne des coefficients de corrlation.
148

III.3 Choix entre les deux mesures de lefficacit technique
Nous disposons de deux mthodes de mesure de lecacit avec des rsultats robustes
(voir tests de la sous-section prcdente). Comme dernire tape du raisonnement, nous
comparons les rsultats de ces deux mthodes pour chaque unit commerciale. Il sagit
de dterminer, via une analyse des corrlations, si les rsultats des deux mthodes sont
concordants et donc si les mthodes convergent.
III.3.1 Concordance des rsultats
Selon le secteur tudi, le coecient de corrlation entre les deux mesures decacit
est compris entre 0,725 0,800 (voir tableau 3.9). Les deux mesures donnent ainsi
des rsultats tout fait comparables, renforant ainsi la robustesse de notre mesure
de lecacit. Lenveloppement des donnes propose un degr decacit entre 0 et
1, lestimation de fonction CES fournit un degr decacit sous la forme dun cart
positif ou ngatif. Ces deux mesures ne sont pas de mme nature mais conduisent des
conclusions proches sur lecacit des units commerciales.
Nanmoins, pour certaines units commerciales, les deux mesures decacit conduisent
des rsultats trs dirents. Le graphique 3.26 page suivante compare, pour chaque
unit commerciale, la valeur des deux mesures. On remarque que pour certaines uni-
ts commerciales, la mthode CES donne des rsultats extrmes (en positif comme en
ngatif). Pour sassurer de la abilit de notre mesure de lecacit technique, nous
choisissons donc dcarter les donnes pour lesquelles lcart entre les deux mesures est
trop lev.
Tableau 3.9 Coecient de corrlation entre les deux mesures decacit

(enveloppement de donnes et fonction de production CES)

0.768 0.766 0.767 0.725 0.800
149

Graphique 3.26 Corrlation entre les deux mesures de lecacit technique
Fonction de production (CES) 0.8
0.6
0.4
0.2
0.4 0.5 0.6 0.7 0.8 0.9 1

Frontire de production (DEA)
III.3.2 Cration dune sous base de donnes
Nous proposons de travailler sur un sous ensemble des donnes pour lesquelles le coef-
cient de corrlation par secteur est plus lev encore. Pour constituer cette sous base,
nous procdons secteur par secteur. Pour un secteur donn, nous retirons les units com-
merciales dont lcart entre les deux mesures (calcul par une rgression linaire) est trop
lev, de sorte obtenir in fine un coecient de corrlation entre les deux mesures de
lecacit gal ou suprieur 90 %.
Le graphique 3.27 ci-contre indique les units commerciales conserves et celles cartes
de notre base de donnes. Ce graphique regroupe ensemble lensemble des secteurs. De
ce fait, certaines units commerciales sont conserves alors quelles semblent en dehors
de la tendance. Ceci provient du fait que le retrait de donnes a t eectu par secteur,
et que ces derniers nont pas tous un mme prol concernant les mesures de lecacit
150

Graphique 3.27 Units commerciales robustes aux deux mesures de lecacit
Units conserves
Fonction de production (CES) 1 Units cartes
0.8
0.6
0.4
0.2
0.4 0.5 0.6 0.7 0.8 0.9 1

technique. Nous fournissons en annexe les graphiques pour chaque secteur (voir page
244 246).
Avec cette procdure, 63 units commerciales sont retires pour constituer une sous
base de 476 units commerciales pour lesquelles la mesure de lecacit ne dpend pas
(ou trs peu) de la mthode de mesure (voir le dtail par secteur avec le tableau 3.10
page suivante). Les units commerciales cartes concernent essentiellement les secteurs
1 (habillement, produits enfants) et 3 (jeux, jouets, librairie, jardinage). Pour ces deux
secteurs, les rsidus calculs par la mthode CES sont nettement plus disperss. La
mesure tant moins prcise, les units commerciales de ces secteurs ont t plus fr-
quemment cartes pour obtenir un coecient de corrlation lev.
151

Tableau 3.10 Taille de la sous base de donnes selon le secteur commercial
Nombre Nombre Nombre

Efficacit Efficacit
Secteur initial dunits dunits
(moyenne) (cart-type)
dunits cartes conserves
1 102 20 82 0,83 0.09
2 107 7 100 0.76 0,12
3 110 22 88 0,78 0,11
4 110 8 102 0.87 0,06
5 110 6 104 0.85 0,08
Ensemble 539 63 476 0,82 0,10
Avec cette sous base de donnes, nous disposons dune mesure de lecacit robuste
deux mthodes trs direntes tout en conservant 88 % des donnes 15 . Lcart entre les
ecacits moyennes par secteur est toujours prsent dans cette sous base de donnes :
les secteurs 1, 3 et 4 achent une ecacit technique moyenne entre 0,83 et 0,87, contre
entre 0,76 et 0,78 pour les secteurs 2 et 3.
Avec cette base de donnes rduite, utiliser lune ou lautre des deux mthodes sera sans
aucun eet sur les rsultats. Nous utiliserons alors lecacit technique mesure laide
de lenveloppement des donnes. Elle fournit en eet une mesure decacit borne,
facilement interprtable et est moins soumise au risque de lestimation non-linaire. Les
donnes restantes, celles pour lesquelles la mesure de lecacit dire selon la mthode,
ne sont pas cartes dnitivement de ltude mais seront analyses uniquement dans
un second temps an de vrier si nos rsultats sont robustes lintroduction de ces
donnes moins ables.
Conclusion
Lobjectif de ce chapitre tait de fournir une mesure able de lecacit technique pour
les units commerciales des hypermarchs analyss. Pour atteindre cet objectif, nous
15. Il est noter que les units ayant permis le trac des frontires de production sectorielles ne
sont pas toutes conserves dans la sous base. Sur les 39 units commerciales concernes, seules 23 sont
conserves dans la sous base.
152

Conclusion
avons commenc par une analyse simple des inputs et outputs de ces units commer-
ciales pour comprendre leurs spcicits sectorielles. Les units commerciales ne sont pas
toutes comparables entre elles : les particularits de certains secteurs commerciaux (de
la simple mise en rayonnage la vente la coupe) rendent la comparaison complte des
ratios output/input impossible. Lecacit technique dune unit commerciale doit donc
tre mesure par comparaison avec les autres units commerciales dun mme secteur.
Nous avons constat que ces ratios posent problme ds lors que les conclusions sur lef-
cacit technique dune unit commerciale sont trs dpendantes de lindicateur utilis.
Une unit trs ecace sur lutilisation de sa main duvre peut ainsi ltre nettement
moins concernant lutilisation de sa surface de vente, et vice versa. Lanalyse des ratios
doit donc se faire de manire globale avec lensemble des inputs.
Nous avons prsent deux mthodes pour obtenir une mesure globale de lecacit tech-
nique : le trac de frontires de production par enveloppement de donnes et lestimation
de fonctions de production CES. Aprs avoir prsent et discut ces deux mthodes, nous
les avons appliques aux donnes pour conclure sur deux points importants.
Premirement, les deux mthodes fournissent une mesure able de lecacit. Les li-
mites mthodologiques connues de ces mthodes ne provoquent pas ici de problmes
majeur pour lestimation de lecacit. Deuximement, les deux mthodes fournissent
des rsultats comparables. Ainsi, pour 88 % des donnes, mesurer lecacit technique
par une fonction CES ou par enveloppement des donnes est sensiblement identique.
Cela conrme nouveau la abilit des mthodes et il nous est alors possible de choisir
avec conance lune des deux mthodes pour la suite de la thse.
Nous choisissons la mthode denveloppement des donnes comme mesure de lecacit

technique. Elle fournit en eet une mesure decacit borne qui est facilement inter-
prtable : lecacit technique mesure ainsi lcart qui spare lunit commerciale du
maximum ralisable dans un secteur commercial donn. Cette mesure est, de surcrot,
stable contrairement lestimation de la fonction CES.
153

Nous disposons maintenant dune mesure able de lecacit technique pour 476 units
commerciales. Tout au long de ce chapitre, nous avons pu constater que la mesure est
trs disperse : certaines units commerciales sont ainsi trs ecaces quand dautres
achent une ecacit technique nettement plus faible. Nous allons prsent, dans un
dernier chapitre, chercher expliquer ces dirences par la composition des quipes de
managers de vente travaillant dans ces units commerciales. Tout particulirement, nous
chercherons savoir si lhtrognit dune quipe de managers aecte cette ecacit
technique.
154

Chapitre 4
Les liens entre lhtrognit

et lefficacit technique
Introduction
Ce chapitre poursuit ltude empirique du chapitre prcdent. Aprs avoir mesur lef-
cacit technique des units commerciales, nous allons prsent relier cette variable
lhtrognit des quipes travaillant dans ces units commerciales. Alors que lenseigne
tudie na men aucune politique managriale en faveur ou en dfaveur de lhtrog-
nit, nous cherchons comprendre si celle-ci amliore lecacit technique des quipes.
Et, dans la ligne du cadre thorique nonc durant le deuxime chapitre, nous cher-
chons dterminer quelles formes de lhtrognit sont favorables ou dfavorables
cette ecacit technique et pourquoi.
La premire tape de ce chapitre sera de lister toutes les variables ayant potentielle-
ment un eet sur lecacit technique des units commerciales. Nous identierons ainsi
quatre formes de lhtrognit : lhtrognit des niveaux de comptences, dge,
de niveaux de diplme et de genre. Pour ces quatre formes, nous appliquerons la dis-
tinction entre les dimensions fonctionnelle et psychosociale de lhtrognit prsentes
155

Chapitre 4 Les liens entre lhtrognit et lecacit technique
durant le deuxime chapitre. Nanmoins, nous ne nous limiterons pas lhtrognit

comme seule variable explicative de lecacit technique. Nous tudierons galement
leet de lintensit de la concurrence que subit un hypermarch sur lecacit tech-
nique de ces units commerciales. Nous regrouperons ainsi cinq variables explicatives
internes lquipe et deux variables explicatives externes celle-ci.
Les variables explicatives seront ensuite intgres ensemble dans plusieurs modles co-
nomtriques an destimer leur eet sur lecacit technique. Nous prsenterons leet
de chaque variable sur lecacit technique et, surtout, nous insisterons sur les eets
des direntes formes de lhtrognit.
Ces dirents modles viseront tester successivement les trois hypothses que nous
avons mises durant le deuxime chapitre. Nous verrons ainsi (1) si lhtrognit peut
tre dcompose en une dimension fonctionnelle et une dimension psychosociale, (2) si
leet de la dimension fonctionnelle est dominant pour un faible niveau dhtrognit
et (3) si la dimension psychosociale est un frein leet de la dimension fonctionnelle
sur lecacit technique.
Au-del de la confrontation entre notre cadre thorique et ces tests empiriques, nous
apporterons plusieurs rsultats chirs sur lhtrognit des quipes de travail, an
de proposer des recommandations pour la constitution dune quipe. Nous indiquerons
ainsi lintrt de chaque forme de lhtrognit et discuterons de lopportunit de les
mixer dans une quipe.
An dinsister sur lenjeu de la prise en compte de lhtrognit dans les politiques

de gestion des ressources humaines, nous proposerons pour nir de mener une tude
prospective de leet sur son chire daaires global dune rorganisation de la main
duvre de lenseigne. Nous prsenterons les gains esprs sur le chire daaires global
ainsi que les consquences concrtes sur la composition de ses quipes. Nous discuterons
nalement des implications managriales qui en dcoulent.
156

Section I Les variables explicatives de lecacit technique
La premire section numre lensemble des variables explicatives. La deuxime section

dtaille les rsultats conomtriques sur le lien entre htrognit et ecacit et teste
les hypothses nonces dans le deuxime chapitre. La troisime section prsente une
tude sur la rorganisation des quipes de managers sur la base des rsultats obtenus.
Section I Les variables explicatives de lefficacit

technique
Cette section prsente successivement chacune des variables potentiellement explicatives

de lecacit technique. Pour chacune de ces variables, le plan de la prsentation sera
identique. Nous expliquons tout dabord pourquoi nous pourrions, sur la base dhypo-
thses thoriques, attendre une liaison positive ou ngative avec lecacit technique.
Nous dtaillons ensuite la manire dont la variable a t construite ou mesure. Enn,
nous vrions que la variable a une variance susante pour peser empiriquement sur
lecacit technique et quelle est eectivement corrle cette ecacit.
Les variables explicatives se regroupent en deux ensembles : (1) les variables internes et
(2) les variables externes lquipe. (1) Les variables internes concernent la composi-
tion de lquipe de managers de vente responsable de lunit commerciale, la fois en
moyenne et en htrognit. Une variable de niveau ainsi que quatre variables dhtro-
gnit sont tudies pour chaque quipe de managers : niveau moyen des comptences,
htrognit des niveaux de comptences, de lge, des niveaux de diplme et de genre.
(2) Les variables externes concernent lenvironnement de lunit commerciale. Nous ana-
lysons leet de lintensit de la concurrence subie et du secteur commercial ( partir
des rsultats du chapitre prcdent) sur lecacit technique de lunit commerciale.
Pour les variables internes, la source de donnes est lenseigne que nous tudions dans le
cadre de cette thse. En complment du chier comptable utilis au troisime chapitre,
nous disposons du chier anonyme du personnel comprenant lensemble des employs
157

lis lactivit commerciale des hypermarchs de lenseigne. Le chier comporte ainsi

lge, lanciennet, le genre, laectation et lvaluation des managers de vente pour
lanne 2010. Ce chier nous permet de reconstituer des quipes de managers de vente
et dobtenir dirents indicateurs de lquipe. Les donnes utilises sont individuelles et
condentielles, le regroupement par quipe de travail est ralis par nos soins.
Pour les variables externes, nous utilisons trois sources de donnes : une recherche ma-
nuelle pour les coordonns GPS des hypermarchs situs en France, une extraction du
service de cartographie Google Maps pour la distance entre deux coordonnes GPS et
une extraction des bases de lINSEE pour la densit de population des dpartements.
I.1 Variables internes lunit commerciale
Les variables internes concernent lquipe de managers de vente en charge de lunit

commerciale. Nous dcrivons lquipe de managers laide de cinq variables : le niveau
moyen des comptences dans lquipe et quatre variables dhtrognit de lquipe.
En vue de ce travail, nous reprenons la base de donnes du chapitre prcdent, la-

quelle nous retirons lensemble des units commerciales pour lesquelles un seul manager
de vente est responsable de lunit. En eet, lhtrognit des membres de lquipe
naurait ici pas de sens. Ceci est le cas pour des hypermarchs de faible surface de vente,
o un seul manager peut soccuper de lintgralit des rayons de lunit commerciale.
Finalement, nous utilisons une base de donnes pour 1543 managers de vente pour 411
units commerciales. Le nombre de managers par quipe est distribu entre 2 et 10, pour
une moyenne denviron 3,75.
Nous utilisons le niveau de comptences, lge, le niveau de diplme et le genre des

managers de vente pour concevoir nos variables explicatives internes. Pour comprendre
ces variables, il faut bien faire la distinction entre les donnes concernant les managers et
les donnes agrges concernant lquipe. Les 4 donnes utilises pour chaque manager
158

niveau de comptences, ge, niveau de diplme et genre permettent de reconstituer

5 variables au niveau de lquipe : (1) le niveau moyen de comptences, (2) lhtrognit
des niveaux de comptences, (3) lhtrognit dge, (4) lhtrognit des niveaux de
diplme et (5) lhtrognit de genre. Pour analyser lecacit technique dune unit
commerciale, ce sont ces cinq variables explicatives que nous utilisons. Les sous-sections
suivantes prsentent successivement chaque variable.
I.1.1 Niveau de comptences moyen de lquipe
Les comptences individuelles dun manager de vente aectent la production commune.

Ds lors, le niveau moyen dexprience ou de comptences dune quipe devrait accrotre
lecacit technique de lunit commerciale. On dispose, pour mesurer les comptences
au niveau individuel, dun niveau de comptences tabli par le responsable hirarchique
de chaque manager. Chaque manager est, en eet, valu annuellement par le responsable
de lunit commerciale. Cette valuation est la fois quantitative (en partie partir
des rsultats du ou des rayons du manager de vente) et qualitative ( partir dune
apprciation du responsable de lunit sur le travail eectu par le manager de vente
partir de critres tablis au niveau de lenseigne). Sept chelons ordonns sont dtermins
par lenseigne, de dbutant expert .
Sur la base de lvaluation et de lanciennet du manager de vente, le responsable de

lunit commerciale dtermine lchelon du manager pour qualier son niveau de comp-
tences sur le poste. Les managers de vente commencent tous leur carrire lchelon 1.
Les chelons 2 et 3 sont obtenus quasi automatiquement par lanciennet, car on suppose
quelle saccompagne dune monte quasi automatique en comptence (connaissance du
mtier, des produits, de lenseigne, etc.). Lvaluation ( la fois quantitative et quali-
tative) est ensuite primordiale pour les chelons 4 7. Lexistence dune grille unique
dvaluation pour lensemble de lenseigne permet de disposer dune mesure directe et
comparable du niveau de comptences des managers de vente.
159

Graphique 4.1 Distribution des quipes selon le niveau moyen de comptences
140
120
100
Frquence
80
60
40
20
0
2.5 3 3.5 4 4.5 5 5.5 6 6.5
Niveau moyen de comptences
En supposant ces niveaux de comptences additionnables, nous mesurons le niveau

moyen de comptences de lquipe de managers. On suppose que le lien entre ce ni-
veau moyen de comptences et lecacit technique est positif : par leur exprience sur
le poste, les managers de vente de lunit sont plus aptes rsoudre les dirents pro-
blmes auxquels ils font face et plus aptes produire un haut niveau de chire daaires.
Sur les 411 units commerciales, le niveau de comptences moyen est de 4,77 avec une
forte disparit entre les quipes : lcart-type est de 0,698, soit un coecient de variation
de prs de 15 %, lquipe la moins exprimente a un niveau moyen de comptences de
2,5, contre 6,5 pour la plus exprimente (voir graphique 4.1). Le lien positif entre le
niveau moyen de comptences et ecacit technique semble conrm dans nos donnes :
le coecient de corrlation entre ces deux variables est de 0,169.
Nous navons pas retenu comme variable explicative le nombre moyen dannes dan-
ciennet des managers dans lenseigne, pour deux raisons. Dune part, cette anciennet
moyenne est trs corrle au niveau moyen de comptences (le coecient de corrlation
160

Graphique 4.2 Relation entre le niveau moyen de comptences

et lanciennet moyenne de lquipe
25
20
Anciennet moyenne
15
10
0
2.5 3 3.5 4 4.5 5 5.5 6 6.5
Niveau moyen de comptences
est de 0,559, voir graphique 4.2). Dautre part, thoriquement, cette variable joue le
mme rle que la variable de niveau moyen de comptences : elle rete la monte en
comptence de lquipe et devrait donc avoir un eet positif sur lecacit technique. Ces
deux variables ont donc thoriquement le mme rle et sont empiriquement corrles.
Il nous apparat plus intressant de conserver uniquement la variable de niveau moyen
de comptences, car il sagit l dune mesure relle et directe de la comptence des ma-
nagers quand lanciennet nest quun proxy de celle-ci. Nous cartons donc la variable
danciennet moyenne et conservons la variable de niveau moyen de comptences.
I.1.2 Htrognit des niveaux de comptences
La production de chire daaires par lquipe dpend de dlibrations communes sur

des tches complexes. La mise en place dune opration commerciale, la rorganisa-
tion profonde dun rayon ou dun secteur requirent des dbats et direntes actions
sont envisageables pour rsoudre une problmatique de vente. Ds lors, lhtrognit
161

des membres de lquipe peut aecter les dlibrations, les prises de dcisions et donc
lecacit technique de lunit.
Daprs les deux dimensions de lhtrognit que nous avons propos dans le chapitre
deux, lhtrognit des niveaux de comptences est essentiellement une htrognit
fonctionnelle, car la comptence value est directement lie la tche des managers
et lvaluation est uniquement faite sur cette tche. En tant quhtrognit essentiel-
lement fonctionnelle, cette htrognit des niveaux de comptences devrait faciliter
lapprentissage et accrotre le potentiel de crativit de lquipe sans en diminuer la co-
hsion. Leet global sur lecacit technique de lunit commerciale devrait donc tre
positif.
En calculant, par quipe, lcart-type des niveaux de comptences des managers de

vente, nous mesurons lhtrognit des niveaux de comptences de lquipe. Une quipe
homogne signie que tous ses membres ont un mme niveau de comptences (faible,
moyen ou lev). Une quipe htrogne correspond la prsence simultane dans une
quipe demploys peu et trs comptents.
Lhtrognit des niveaux de comptences est en moyenne de 1,03. On dnombre 32

quipes parfaitement homognes (htrognit gale 0) et lhtrognit maximale
est de 2,83 (voir graphique 4.3 ci-contre). Le coecient de variation (51,67 %) est suf-
sant pour tudier leet de cette variable sur lecacit technique. Le coecient de
corrlation entre ces deux variables (0,105) appuie notre hypothse : lhtrognit des
niveaux de comptences dune quipe augmenterait a priori lecacit technique dune
unit commerciale.
I.1.3 Htrognit dge
Lge moyen des managers de vente est de 38 ans et est distribu de 23 63 ans.
Nous mesurons lhtrognit dge en calculant, par quipe, lcart-type des ges des
162

Graphique 4.3 Distribution des quipes selon lhtrognit des niveaux de

comptences
80
60
Frquence
40
20
0
0 0.6 1.2 1.8 2.4 3
Htrognit des niveaux de comptences
managers de vente. En se rfrant au chapitre 2, deux eets sont envisageables, renvoyant

aux deux dimensions de lhtrognit :
(1) Lhtrognit dge est une htrognit principalement psychosociale et serait,

en tant que telle, susceptible de diminuer la cohsion du groupe et le sentiment dappar-
tenance lquipe de chacun. Ces carts dge nuiraient alors la communication entre
les membres de lquipe et leet sur lecacit technique serait donc ngatif.
Nanmoins, (2) lhtrognit dge est galement souvent prsente comme compor-
tant une dimension fonctionnelle : lge est ncessairement corrl lanciennet dans
lorganisation et cette anciennet est de dimension fonctionnelle. Lhtrognit dge
serait alors galement un vecteur deets dapprentissage entre les membres de lquipe,
amliorant de fait lecacit technique de lquipe. Nous tcherons didentier ces deux
dimensions et nous analyserons leet global sur lecacit technique.
Lhtrognit dge est en moyenne de 7,42 ans. 12 quipes sont trs ou parfaitement
homognes (htrognit infrieure une anne) et lhtrognit maximale est de
163

Graphique 4.4 Distribution des quipes selon lhtrognit dge
100
80
60
Frquence
40
20
0
0 5 10 15 20
Htrognit dge
19,25 ans (voir graphique 4.4). On constate ainsi que cette variable possde une forte
variance (le coecient de variation est de 49,59 %).
Le coecient de corrlation entre lhtrognit dge et lecacit technique est faible

(0,037). Cela peut signier que les deux eets ngatif provoqu par la dimension
psychosociale et positif provoqu par la dimension fonctionnelle sannulent ici pour
cette forme de lhtrognit.
Nous ne retenons pas la variable dhtrognit danciennet de lquipe comme variable

explicative. Les raisons sont analogues celles voques prcdemment pour lanciennet
moyenne. La variable dhtrognit danciennet est trs corrle avec lhtrognit
dge (le coecient de corrlation est de 0,626, voir graphique 4.5 ci-contre). De plus,
lhtrognit danciennet serait, daprs notre typologie, essentiellement fonctionnelle
et jouerait un rle similaire lhtrognit des niveaux de comptences. linverse,
lhtrognit dge serait compose des deux dimensions et il sera intressant de d-
terminer, empiriquement, comment celles-ci aectent lecacit technique. Pour ces rai-
164

Graphique 4.5 Relation entre lhtrognit danciennet et lhtrognit dge
20
Htrognit danciennet
15
10
0
0 5 10 15 20
Htrognit dge
sons, nous cartons la variable dhtrognit danciennet et conservons la variable

dhtrognit dge.
I.1.4 Htrognit des niveaux de diplme
Nous disposons du nombre dannes dtudes aprs le baccalaurat de chaque manager 1 .

En calculant lcart-type, pour une quipe, de ces niveaux de diplme des managers, nous
mesurons lhtrognit des niveaux de diplme de lquipe. Cette htrognit peut
tre la fois analyse dans sa dimension fonctionnelle et dans sa dimension psychosociale.
Elle comporte une dimension fonctionnelle, car elle concerne les comptences des mana-
gers acquises par le diplme. Ce dernier est alors vu comme la sanction dune formation
initiale du manager. Toutefois, lhtrognit des niveaux de diplme peut galement
comporter une dimension psychosociale. Les dirences de niveaux de diplme retent
des dirences dorigine sociale des managers de vente. Dans ce cas, le diplme est ga-
1. Le niveau de diplme est ngatif pour les managers nayant pas obtenu le baccalaurat, mais
ayant obtenu la place le brevet des collges ou une formation professionnelle de type BEP ou CAP.
165

lement un signal et lhtrognit des niveaux de diplme indiquerait une dirence

sociale entre les individus.
Leet global escompt sur lecacit est positif ou ngatif : positif si lon considre
que cette htrognit, par sa dimension fonctionnelle, augmente les discussions dans
lquipe et la remise en question de certaines pratiques ; ngatif si lon considre que
cette htrognit, par sa dimension psychosociale, induit des dirences de langage
entre les membres de lquipe et une baisse gnrale de la cohsion. Le sens de leet de
cette htrognit ntant pas clair dans la littrature, nous contribuerons lclairer
par nos rsultats.
Lhtrognit des niveaux de diplme est en moyenne de 2,49 pour un coecient de

variation de 47,5 %. Les quipes sont distribues entre une homognit parfaite (pour 28
quipes, les managers possdent tous le mme niveau de diplme) et une htrognit
de 4,95 (voir graphique 4.6). La corrlation avec lecacit technique est positive mais
Graphique 4.6 Distribution des quipes selon lhtrognit

des niveaux de diplme
80
70
60
50
Frquence
40
30
20
10
0
0 1 2 3 4 5
Htrognit des niveaux de diplme
166

faible (0,151). La prsence des deux dimensions peut nouveau expliquer labsence de
corrlation simple de cette forme de lhtrognit, ce que nous vrierons par la suite.
I.1.5 Htrognit de genre
1036 managers de notre base de donnes sont des hommes, 507 managers sont des
femmes. En calculant lcart-type du genre pour une quipe, on mesure lhtrognit
de genre de lquipe 2 . Notons que, dans le cas dune variable binaire, lcart-type peut
correspondre la proportion si cette dernire ne dpasse pas ou peu les 50 %. Dans
ce cas, lhtrognit homme/femme serait assimilable une proportion plus forte de
femmes dans lquipe. Nanmoins, dans notre situation, 143 quipes ont une proportion
de femmes suprieure ou gale 50 %. Lindicateur dcart-type est donc dirent dun
simple indicateur de proportion.
Lhtrognit de genre provoque galement deux eets contradictoires selon la littra-

ture retenue. Cette forme de lhtrognit peut conduire une baisse de cohsion et
un manque de communication. linverse, lhtrognit de genre peut accrotre la
crativit et louverture desprit de lquipe et son ecacit technique. Ainsi, les deux
dimensions de lhtrognit seraient prsentes dans lhtrognit de genre. Nous
contribuerons la littrature en tudiant leet global de ces deux dimensions sur lef-
cacit technique.
Lhtrognit de genre est en moyenne de 0,29 avec un coecient de variation de

77,77 %. 156 quipes sont parfaitement homognes et 175 achent une htrognit de
genre suprieure 0,45. Le graphique 4.7 page suivante illustre la distribution de cette
variable.
Labsence de frquence pour les valeurs dhtrognit de genre suprieures 0 et in-

frieures 0,3 dcoule du nombre maximum de managers dans les quipes. En eet, les
2. Le genre tant une variable qualitative, il est galement possible dutiliser comme indicateur
de dispersion lindice de Blau (Blau 1977). Nanmoins, dans le cas dune variable deux modalits
seulement (ici homme ou femme), le calcul de lindice de Blau est strictement quivalent au calcul de
lcart-type.
167

quipes comptent entre 2 et 10 membres. Pour une quipe compose de 10 membres, le

passage dune homognit parfaite 10 hommes ou 10 femmes une trs faible
htrognit 9 hommes et 1 femme, ou 9 femmes et 1 homme provoque une
htrognit de genre de 0,3. Ce phnomne est accentu pour des quipes moins nom-
breuses.
La corrlation avec lecacit technique est positive mais trs faible (0,051). Comme
pour lhtrognit dge et lhtrognit des niveaux de diplme, cet absence deet
peut provenir de la prsence des deux dimensions de lhtrognit. Les deux eets,
positif et ngatif, sannuleraient, ce que l encore nous testerons.
Graphique 4.7 Distribution des quipes selon lhtrognit de genre
180
160
140
120
Frquence
100
80
60
40
20
0
0 0.1 0.2 0.3 0.4 0.5
Htrognit de genre
Nous disposons donc de cinq variables explicatives pour dcrire les quipes de managers :
une pour la composition moyenne de lquipe et quatre formes de lhtrognit. Le
tableau 4.1 ci-contre rsume les statistiques descriptives de ces variables pour les 411
units commerciales.
168

Tableau 4.1 Statistiques descriptives des variables explicatives internes
Variable Moy. E-T CV Min Q1 Md. Q3 Max

Niveau moyen de 4,77 0,70 14,64 2,50 4,33 4,75 5,25 6,50
comptences
Htrognit des 1,03 0,53 51,67 0,00 0,71 1,00 1,41 2,83
niveaux de
comptences
Htrognit dge 7,42 3,68 49,59 0,00 4,95 7,27 9,81 19,35
Htrognit des 2,49 1,18 47,50 0,00 1,58 2,65 3,35 4,95
niveaux de diplme
Htrognit de genre 0,29 0,23 77,77 0,00 0,00 0,43 0,49 0,50
Moy. = Moyenne ; E-T = cart-type ; CV = Coefficient de variation (en %) ; Md. = Mdiane
Niveau danalyse : quipe des managers de vente (N = 411)
I.2 Variables externes lunit commerciale
La deuxime sous-section analyse lenvironnement extrieur de lunit commerciale. Sans

que lunit commerciale puisse localement et court terme, agir sur ces lments, la
prsence de concurrents ou la densit de population aecte son ecacit technique.
Nous prsentons successivement deux variables externes : lintensit de la concurrence
subie 3 et les secteurs commerciaux tudis dans le chapitre prcdent.
Les longueurs des deux sous-sections sont trs ingales. Pour lintensit de la concurrence
subie, la variable est intgralement conue par nos soins et nous prsentons la fois la
mthode de collecte, de traitement et danalyse des donnes utilises. Pour les secteurs
commerciaux, nous reprenons la constatation dune dirence dans lecacit technique
mesure dans le chapitre prcdent. Pour corriger ces carts, nous introduisons des
variables explicatives binaires.
3. Nous tenons remercier Nicolas Rohr pour son aide prcieuse dans la conception mthodolo-
gique de lintensit de la concurrence subie, la collecte et lanalyse gospatiale des donnes. Une part
significative de la mthodologie prsente dans cette sous-section provient de son travail de recherche.
169

I.2.1 Intensit de la concurrence subie
Nous dnissons lintensit de la concurrence subie partir de la force et de linuence

des concurrents dun hypermarch (Porter et al. 1982). En nous inspirant des modles
gravitaires de Reilly (1931) et Converse (1949) 4 , nous proposons trois points pour dnir
cette intensit de la concurrence subie :
Linuence dun concurrent nest eective que sil existe une certaine proximit.
En eet, la grande distribution a pour caractristique dtre trs localise : un
consommateur dtermine sa liste dhypermarchs potentiels en fonction de leur
distance. La concurrence ne peut se faire sentir que sil y a une clientle potentielle
commune et cela implique une certaine proximit entre les hypermarchs. Un
hypermarch est donc un concurrent sil est susamment proche ;
Linuence du concurrent est galement proportionnelle la proximit. Dans son

modle, Reilly explique quune population serait attire par un point de vente
de manire inversement proportionnelle la distance qui le spare de ce point de
vente. Ainsi, plus un concurrent est proche dun hypermarch, plus il capte une
part importante de sa clientle potentielle ;
Linuence du concurrent dpend enn de la taille de la clientle potentielle. Une

zone gographique peu peuple accrot la concurrence entre deux hypermarchs
alors que, dans une zone gographique trs peuple, larrive dun concurrent a
une plus faible inuence.
Pour mesurer lICS, nous commenons par analyser thoriquement comment un concur-
rent capte la clientle potentielle dun hypermarch selon la distance qui les spare. En
marketing, la zone de chalandise dnit la zone dans laquelle lhypermarch a une clien-
tle potentielle. Le rayon de celle-ci correspond la distance maximale quun consom-
4. Le lecteur intress trouvera une prsentation dtaille des diffrents modles gravitaires dans
larticle de Anderson et al. (2010).
170

mateur serait prt parcourir pour eectuer ses achats. Nous supposons 5 le rayon de
celle-ci gal 30 km. Deux hypermarchs sont donc en concurrence si leur distance
est infrieure 60 km. Les deux zones de chalandise sentrecroisent et une partie de la
clientle potentielle devient commune.
Lanalyse thorique des zones de chalandise permet darmer que la relation entre la
distance et lICS nest pas linaire. Pour des zones de chalandise de 30 km de rayon, les
schmas 4.1 montrent 4 exemples de distance entre deux hypermarchs et laire partage
correspondante.
Schma 4.1 Exemples daires partages par deux hypermarchs

(a) 60 km de distance (b) 45 km de distance
0 15 30 45 60 0 15 30 45 60
Aire partage : 0 % Aire partage : 14 %

Variation : + 14
(c) 30 km de distance (d) 15 km de distance
0 15 30 45 60 0 15 30 45 60
Aire partage : 39 % Aire partage : 69 %

Variation : + 25 Variation : + 30
5. Polombo et Beauvais (2011), Benoit et al. (2002) et Vernette (2008) estiment que la dure maxi-
male de trajet est de 20 minutes en voiture, cest--dire entre 25 et 30 km ; lautorit de la concurrence
a dfini en dcembre 2013 cette dure 30 minutes en voiture (Autorit de la concurrence 2013, p. 25).
171

On remarque ainsi que laire partage par les deux hypermarchs augmente plus rapi-
dement que diminue la distance. En somme, on peut anticiper que la fonction liant la
distance et lICS est dcroissante et convexe.
Nous avons formalis dans lannexe C page 273 la fonction de laire partage entre
deux cercles selon la distance et la taille des zones de chalandise. Dans notre situation,
laire partage (AP ) entre deux hypermarchs i et j de distance di,j ayant chacun une
zone de chalandise de 30 km de rayon se calcule par la fonction suivante (reprsentation
graphique de la fonction avec le graphique 4.8 ci-contre) :
AP (di,j ) = 1 si di,j = 0
q
1 d2i,j + 3 600 1 q 4
= 2 arcsin di,j + 3 600d2i,j si 0 < di,j 60
60 1 800
= 0 si di,j > 60
Pour un concurrent une distance de 0 km, laire partage est de 100 %. Cette aire
partage est de 50 % pour un concurrent prsent une distance denviron 25 km (cet
exemple est report sur le graphique 4.8).
LICS est galement fonction du nombre dhabitants dans la zone de chalandise. Nous
supposons que lICS est inversement proportionnelle la population : plus la zone de
chalandise est densment peuple, moins lintensit de la concurrence est forte, car les
hypermarchs se rpartissent une clientle potentielle plus importante. Nous divisons
donc la formule de laire partage par le nombre dhabitants dans la zone de chalandise.
An dobtenir une valeur interprtable de lICS, nous multiplions ce rsultat par un
facteur 100 000. Finalement, pour un hypermarch i, nous calculons lICS avec la formule
suivante :
J
AP (i, j)
P
j=1
ICS(i) = 100 000
P OPi
172

Graphique 4.8 Aire partage entre deux hypermarchs selon la distance
0.8
Aire partage
0.6
0.4
0.2
0
0 10 20 30 40 50 60
Distance entre les hypermarchs (km)
(Pour une zone de chalandise de 30 km de rayon)
Avec J le nombre de concurrents dans la zone de chalandise et P OPi le nombre dha-

bitants dans la zone de chalandise de lhypermarch i. Lintensit de la concurrence
quivaut au nombre de concurrents prsents 0 km pour 100 000 habitants ou, de ma-
nire plus raliste, au nombre de concurrents prsents 25 km pour 50 000 habitants.
Cette formule respecte les 3 critres que nous avons noncs prcdemment : (1) seuls
les hypermarchs proches de lhypermarch i sont comptabiliss dans lICS ; (2) lICS
augmente avec la proximit dun concurrent ; (3) lICS diminue avec laugmentation de
la population dans la zone de chalandise de lhypermarch.
Pour mesurer lintensit de la concurrence subie par chaque hypermarch de notre base
de donnes, nous avons prsent besoin de la liste des concurrents, des distances entre
chaque hypermarch et ses concurrents et de la taille de la population dans la zone de
chalandise. La suite porte sur la collecte de ces donnes.
173

Nous avons rpertori 1094 hypermarchs concurrents 6 pour les sept plus grandes en-
seignes de distribution (en termes de nombre dhypermarchs) avec leurs coordonnes
GPS. An de prendre en compte les spcicits du rseau routier selon les rgions,
nous utilisons le service de navigation routire Google Maps : pour deux coordonnes
gographiques, le service fournit la distance minimale parcourir en voiture.
Par un script automatique (prsentation du script dans lencadr 4.1), nous constituons,
pour lensemble des hypermarchs de notre base de donnes, la distance routire qui les
spare de leurs concurrents. Nous disposons in fine dune base de donnes recensant,
pour chaque hypermarch, la distance qui le spare des 1094 concurrents.
Encadr 4.1 Script de rcupration automatique des distances routires
Le script fonctionne avec le logiciel R. Il faut au pralable disposer dune base

de donnes comprenant en colonne les 4 variables de golocalisation longitudes
(long1 et long2) et latitudes (lat1 et lat2) des deux hypermarchs et en ligne
chaque couple dhypermarchs dont on cherche la distance routire qui les spare.
Le script eectue une boucle sur lensemble des lignes de la base. Pour chaque ligne,
on envoie lAPI Google Maps une requte avec les longitudes et latitudes des
deux hypermarchs. La page XML obtenue est ensuite analyse selon ses balises et
la distance routire est extraite de la page et rfrence dans la base de donnes. Le
script est le suivant :
library(XML)
library(doBy)
for (i in 1:nrow(base)){
url <- paste("http://maps.googleapis.com/maps/api/distancematrix/xml?~
~origins=",base$lat1[i],",",base$long1[i],"&~
~destinations=",base$lat2[i],",",base$long2[i],"&mode=driving",sep=)
page <- xmlParse(url)
if (xmlValue(status[[1]]) == "OK" & xmlValue(status[[2]]) == "OK"){
base[i,distance] <- as.numeric(xmlValue(getNodeSet(page,"//distance/~
~value")[[1]]))/1000
}else{
base[i,distance] <- NA
}
}
6. Nous dfinissons un concurrent dun hypermarch de lenseigne tudi comme un hypermarch

dune surface de vente suprieure ou gale 2500 m2, proposant des produits analogues et prsents dans
la zone de chalandise de lhypermarch.
174

Nous ne disposons pas du nombre dhabitants dans la zone de chalandise dun hypermar-
ch. Un tel niveau de nesse nest pas accessible par la statistique nationale. Nanmoins,
nous connaissons laire de la zone de chalandise ( (30 km)2 2827,43 km2 ). Ds lors,
en supposant que la rpartition de la population est homogne au sein dun mme d-
partement, la densit de la population serait identique dans le dpartement et dans la
zone de chalandise. En multipliant laire de la zone de chalandise par la densit de la
population du dpartement, nous obtenons une valeur approche du nombre dhabitants
dans la zone de chalandise.
Lintensit de la concurrence subie est mesure au niveau de lhypermarch et nous

supposons que leet se reporte lidentique sur chaque unit commerciale de lhy-
permarch. Pour une unit commerciale, le lien entre lICS et lecacit technique est
suppos ngatif : lICS diminue le niveau de chire daaires 7 pour un niveau dinputs
donn et diminue donc lecacit technique de lunit.
laide des donnes collectes, nous calculons lintensit de la concurrence subie pour
lensemble des units commerciales selon leur hypermarch. LICS est de 1,17 en moyenne
et est comprise entre 0,12 (pour un hypermarch ayant 6 concurrents entre 0 et 60 km
et environ 400 000 habitants estims dans la zone de chalandise) et 3,33 (pour un hy-
permarch ayant 5 concurrents moins de 15 km et environ 130 000 habitants estims).
La variable est susamment disperse (le coecient de variation est de 64 %, voir gra-
phique 4.9 page suivante) pour avoir un eet empirique sur lecacit technique. De
plus, on conrme ici leet ngatif attendu sur lecacit technique : la corrlation entre
lICS et lecacit technique dune unit commerciale est de 0,1877.
7. Lanalyse est faite ici court terme et nest pas dynamique. Ainsi, nous supposons que les units
commerciales ne peuvent adapter la baisse leur niveau dinputs. Lhypothse est particulirement
valide pour la surface de vente.
175

Graphique 4.9 Distribution des units commerciales selon lintensit de la

concurrence subie
140
120
Frquence 100
80
60
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5
Intensit de la concurrence subie
I.2.2 Secteur commercial
Nous avons dtermin durant le chapitre 3 que lecacit technique dune unit commer-
ciale devait tre mesure en prenant en compte le secteur commercial de lunit. En eet,
selon le secteur, les ratios output/input sont sensiblement dirents. Nous avons donc
mesur lecacit technique laide de 5 frontires sectorielles decacit distinctes.
Pour autant, les ecacits techniques mesures restent dpendantes du secteur commer-
cial. Le tableau 4.2 ci-contre rappelle, pour chaque secteur commercial, la moyenne et
lcart-type de lecacit technique des units commerciales. On constate, par exemple,
que les units commerciales du secteur 4 (alimentation en libre service) achent une
ecacit moyenne (0,87) bien suprieure celles des secteurs 2 et 3 (0,77 et 0,78). Pour
les secteurs 2 et 3, cette plus faible ecacit technique moyenne provient de la plus
grande dispersion des valeurs de lecacit technique alors que le maximum decacit
technique est x 1. Les graphiques A.16 A.20 en annexe (pages 247 249) illustrent
ces dirences de distribution de lecacit technique selon le secteur commercial.
176

Tableau 4.2 Statistiques descriptives des secteurs commerciaux
Efficacit technique
Secteur N
Moyenne cart-type
1 57 0,85 0,08
2 69 0,77 0,11
3 86 0,78 0,11
4 100 0,87 0,06
5 99 0,85 0,08
Aussi, pour estimer lecacit technique, nous conservons en variables binaires les dif-
frents secteurs commerciaux. Dans la mesure o le secteur commercial 4 comprend le
plus grand nombre dunits commerciales et possde la moyenne decacit technique
la plus leve, nous utilisons ce secteur comme secteur de rfrence.
I.3 Corrlations entre les variables explicatives
Lensemble des corrlations entre les 10 variables explicatives 8 est prsent dans le ta-
bleau 4.3 page suivante. De manire gnrale, les variables explicatives sont peu corrles
entre elles. Aucune corrlation nexcde 0,339 en valeur absolue.
Concernant tout dabord les variables explicatives internes, on constate que le niveau
moyen de comptences et lhtrognit des niveaux de comptences ont des corrla-
tions trs faibles avec lensemble des autres variables explicatives. Les plus fortes cor-
rlations concernent les autres variables dhtrognit : les coecients de corrlation
entre, dune part, lhtrognit dge et lhtrognit des niveaux de diplme et,
dautre part, lhtrognit des niveaux de diplme et lhtrognit de genre, sont
respectivement de 0,339 et 0,228. Ainsi, lorsquune quipe de managers de vente est
htrogne sur une dimension, elle est plus rgulirement htrogne sur une autre di-
mension. Nanmoins, ces coecients de corrlation restent faibles et nempchent pas
de raliser une estimation conomtrique.
8. Les corrlations entre les variables binaires des secteurs commerciaux nont pas de sens statistique
et ne sont donc pas reportes.
177

2015 Tous droits rservs.
178
Tableau 4.3 Matrice des corrlations des variables explicatives
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
Niveau moyen de comptences (1) -0.124 0.172 0.139 0.057 0.126 -0.075 -0.156 -0.112 0.201
Htrognit des niveaux de comptences (2) -0.124 0.153 0.065 0.146 -0.072 -0.149 -0.067 -0.016 0.106
Htrognit dge (3) 0.172 0.153 0.339 0.031 -0.069 0.014 -0.092 -0.077 0.095
Htrognit des niveaux de diplme (4) 0.139 0.065 0.339 0.228 0.012 -0.075 -0.200 -0.078 0.194
Htrognit de genre (5) 0.057 0.146 0.031 0.228 0.038 -0.143 -0.329 0.128 0.099
Intensit de la concurrence subie (6) 0.126 -0.072 -0.069 0.012 0.038 -0.049 -0.030 0.033 0.020
Secteur 1 (7) -0.075 -0.149 0.014 -0.075 -0.143 -0.049
Secteur 2 (8) -0.156 -0.067 -0.092 -0.200 -0.329 -0.030
Secteur 3 (9) -0.112 -0.016 -0.077 -0.078 0.128 0.033
Secteur 5 (10) 0.201 0.106 0.095 0.194 0.099 0.020

doc.univ-lille1.fr
Section II Estimation des eets de lhtrognit sur lecacit technique
Ensuite, on constate quil ny a aucune corrlation entre lintensit de la concurrence

subie et les autres variables explicatives. De mme, les corrlations entre les variables
binaires des secteurs commerciaux et les variables explicatives internes sont trs faibles.
Les eets internes lunit commerciale semblent donc indpendants des eets externes.
Les variables externes serviraient donc consolider lanalyse de lecacit technique,
mais naecteraient pas les conclusions que nous tirons sur les liens entre htrognit
des quipes et ecacit technique des units commerciales.
Pour conclure, la matrice des corrlations des variables explicatives ne prsente aucune
anomalie statistique et nous procdons sans risque lestimation conomtrique du lien
entre ces variables et lecacit technique des units commerciales.
Section II Estimation conomtrique des effets de

lhtrognit sur lefficacit technique
Les variables explicatives sont prsent incluses ensemble pour estimer leet de lht-
rognit des quipes de managers de vente sur lecacit technique des units commer-
ciales. Trois modles sont tests successivement. Le premier modle inclut uniquement
les variables externes lunit commerciale. Le deuxime modle ajoute les variables
internes lquipe (avec leurs eets linaire et quadratique). Le troisime modle ajoute
des variables de croisement entre les htrognits. Le tableau 4.4 page suivante reprend
les variables explicatives utilises dans les trois modles.
Les estimations sont faites chaque fois par un modle linaire et par la mthode des
moindres carrs ordinaires. Cette mthode permet de comprendre les carts decacit
technique des units commerciales en conservant des hypothses conomtriques simples.
Chaque modle est prsent dans une sous-section an dtudier progressivement les
eets sur lecacit technique.
179

Tableau 4.4 Prsence des variables explicatives selon le modle
Modle
Variable 1 2 3
Intensit de la concurrence subie X X X

Secteur 1 X X X
Variables
externes Secteur 2 X X X
Secteur 3 X X X
Secteur 5 X X X
Niveau moyen de comptences X X

Variables Htrognit des niveaux de comptences X X
internes
(effet Htrognit dge X X
linaire) Htrognit des niveaux de diplme X X
Htrognit de genre X X
Htrognit des niveaux de comptences (au carr) X

Htrognit dge (au carr) X
(effet
quadratique) Htrognit des niveaux de diplme (au carr) X
Htrognit de genre (au carr) X
Variables Htrognits des niveaux de comptences et dge X

de Htrognits des niveaux de comptences et de diplme X
croisement
Htrognits des niveaux de comptences et de genre X
Lensemble des estimations est eectu avec les donnes les plus robustes concernant
lecacit technique (voir chapitre 3 page page 152). Les rsultats prsents dans cette
section sont stables lutilisation de ces donnes moins robustes. Les estimations cono-
mtriques des trois modles avec introduction des donnes moins robustes, sont renvoys
en annexes (page 250 252).
II.1 Introduction des variables externes lquipe
Nous intgrons dans un premier temps les variables externes lunit commerciale pour
lestimation de lecacit technique. Cinq variables explicatives sont introduites : lin-
180

Tableau 4.5 Modle 1 : Eets des variables externes sur lecacit technique
Variable Paramtre cart-type t value p value

Constante 0,8993 0,0110 81,61 < 0,001
Variables externes
Intensit de la concurrence 0,0248 0,0057 4,34 < 0,001
subie
Secteur 1 0,0238 0,0144 1,65 0,0988
Secteur 2 0,1050 0,0136 7,73 < 0,001
Secteur 3 0,0936 0,0128 7,34 < 0,001
Secteur 5 0,0164 0,0123 1,33 0,1835
Test de significativit : (< 0,1) | (<0,05) | (<0,01) | (<0,001)
R2 = 0,2279, R2 ajust = 0,2184
Statistique F = 23,91 avec 5 et 405 DdL, p.value < 0,001
Test de normalit de Shapiro-Wilk : 0,996 (p.value = 0,3021)
tensit de la concurrence subie et les quatre variables binaires sectorielles. Les rsultats
de lestimation conomtrique sont indiqus dans le tableau 4.5.
Le coecient de dtermination du modle est de 22,79 %. Plus dun cinquime de la

variance des carts decacit est ainsi expliqu par les variables explicatives externes.
Hormis les variables binaires des secteurs 1 et 5, toutes les variables explicatives sont
signicatives au seuil de 1 % . De plus, le test statistique de Shapiro-Wilk (W = 0.996,
p value = 0.3021) indique que le rsidu obtenu est distribu normalement. Enn, leca-
cit technique estime par le modle est comprise entre 0,7124 et 0,8845. Aucune unit
commerciale nobtient donc une ecacit technique estime infrieure 0 ou suprieure
1. Les rsultats du modle peuvent donc tre interprts en conance.
Les paramtres estims pour les variables explicatives sont tous ngatifs. Sur la base
dune ecacit technique de 0,8893 (la constante du modle), lensemble des variables
vient rduire lecacit technique de lunit commerciale. Lecacit technique diminue
181

avec lintensit de la concurrence subie et diminue si lunit commerciale appartient

un secteur autre que le secteur 4.
Concernant lintensit de la concurrence, son lien ngatif anticip sur lecacit tech-
nique est ici conrme : lajout dun concurrent une distance de 0 km pour 100 000
habitants dans la zone de chalandise diminue lecacit technique dune unit com-
merciale de 2,48 points. Concernant les secteurs commerciaux, la valeur ngative des
coecients tait galement attendue ds lors que le secteur 4 possde la plus forte e-
cacit technique moyenne (voir tableau 4.2 page 177).
Nous illustrons leet estim de lintensit de la concurrence subie laide dun exemple.
Nous considrons le cas ctif dune unit commerciale gnrant un million deuros de
chire daaires annuellement, dont lecacit technique est de 0,8. Nous calculons alors
leet de larrive dun concurrent une distance de 25 km.
Daprs la formule de lICS calcule prcdemment, la prsence dun concurrence une

distance de 25 km accrot donc lICS de 0,5 pour une zone de chalandise contenant
100 000 habitants. Ds lors, limplantation dun concurrent une distance de 25 km
diminue lecacit technique de cette unit commerciale de 1,24 point, soit une baisse
de chire daaires annuel de 15 500 e.
II.2 Introduction des variables internes lquipe
Nous intgrons dans un deuxime temps les variables internes lunit commerciale.
En postulant que les formes de lhtrognit agissent simultanment sur lecacit
technique, nous ajoutons neuf variables explicatives au modle prcdent : le niveau
moyen de comptences et les formes linaire et quadratique (variable au carr) pour
lhtrognit des niveaux de comptences, dge, des niveaux de diplme et de genre.
Les formes quadratiques permettent de tester les eets potentiellement non linaires des
formes de lhtrognit. Les rsultats sont rsums dans le tableau 4.6 ci-contre.
182

Tableau 4.6 Modle 2 : Eets linaires et quadratiques des variables internes sur
lecacit technique

Constante 0,8105 0,0406 19,95 < 0,001
Variables externes
subie
Secteur 1 0,0124 0,0153 0,82 0,4153
Secteur 2 0,0998 0,0151 6,59 < 0,001
Secteur 3 0,0882 0,0128 6,87 < 0,001
Secteur 5 0,0224 0,0121 1,85 0,0655
Variables internes
Niveau moyen de 0,0166 0,0066 2,53 0,0118
comptences
Htrognit des niveaux de 0,0501 0,0255 1,97 0,0499
comptences
comptences (carr)
Htrognit de lge 0,0018 0,0043 0,43 0,6671
Htrognit de lge 0,0003 0,0002 1,04 0,2977
(carr)
diplme
diplme (carr)
Htrognit de genre 0,2126 0,1689 1,26 0,2087
(carr)
R2 = 0,2778, R2 ajust = 0,2522
183

II.2.1 Prsentation des rsultats
Le coecient de dtermination du modle slve 27,78 %. Lajout des variables in-

ternes na pas modi la signicativit des variables externes : les variables binaires des
secteurs 2 et 3, ainsi que lintensit de la concurrence subie, sont toujours hautement
signicatives. Les rsidus du modle sont distribus normalement et sont compris entre
0 et 1.
Le niveau moyen de comptences augmente lecacit technique dune unit commer-

ciale. Toutes choses gales par ailleurs, la hausse dun point de niveau moyen de comp-
tences accrot lecacit technique de 1,66 point. Ce rsultat tait attendu, ds lors que
les comptences dun manager sont le reet direct de sa capacit produire du chire
daaires pour lunit commerciale. Notre modle permet ici de chirer lintrt de la
hausse du niveau moyen de comptences de lquipe et donc de la formation interne
lquipe : pour une unit commerciale gnrant un million deuros de chire daaires
et ayant une ecacit technique mesure 0,8, laugmentation dun point du niveau
moyen de comptences de lquipe augmenterait le chire daaires de 20 700 e.
Lhtrognit de lquipe de managers aecte galement lecacit technique de lunit

commerciale. Lhtrognit des niveaux de comptences et des niveaux de diplme
ont un eet signicatif sur lecacit technique. Les autres formes de lhtrognit
htrognit de lge et de genre semblent ici non signicatives. Nanmoins, cette
non-signicativit peut provenir de la corrlation entre les eets linaire et quadratique
des variables. Avant dinterprter les rsultats, nous prsentons ci-dessous le problme
statistique li cette corrlation et la manire de le contourner.
Une variable est ncessairement corrle avec elle-mme porte au carr. Ds lors, lors-
quune variable explicative est prsente dans un modle avec ses eets linaire et qua-
dratique, les deux paramtres associs peuvent tre non signicatifs, alors mme que
la variable a un rel pouvoir explicatif. Pour contourner ce risque, nous regroupons les
eets linaire et quadratique de la variable sous une seule variable synthtique.
184

Pour illustrer ce regroupement, nous prenons le cas de lhtrognit dge. Leet li-
naire de cette forme de lhtrognit est estim 0,0018 ; leet quadratique est estim
2
0,0003. Nous regroupons ces deux eets sous une variable de type HA HA , o
HA est lhtrognit dge et HA est le niveau de lhtrognit dge pour laquelle
lecacit technique est son extremum (minimum ou maximum). Cet extremum se
rsout laide de lquation suivante :
E = + 0.0018HA 0.0003HA2 (4.1)
Avec E lecacit technique et lensemble des eets des autres variables explicatives
et la constante. On drive lquation 4.1 par rapport HA pour dterminer lextremum :
E
=0
HA
0.0018 0.0006HA = 0
HA = 3 (4.2)
Lecacit technique est donc son extremum pour une htrognit dge gale 3.
partir de ce rsultat, nous concevons une variable (HA 3)2 qui mesure leet au carr
de lcart dun point lextremum. Le mme calcul est appliqu pour lhtrognit
des niveaux de comptences, des niveaux de diplme et de genre. Les extrema de ces
trois variables sont respectivement de 0,81, 3,36 et 0,21.
Le signe de leet quadratique indique si ces extrema sont des maxima ou des minima.
Lorsque le signe de leet quadratique est positif, lextremum est un minimum, et inverse-
ment pour un signe ngatif. Ainsi, nous sommes face un maximum pour lhtrognit
des niveaux de comptences. Pour les trois autres formes de lhtrognit, il sagit dun
minimum.
Le problme de corrlation du modle 2 entre les eets linaire et quadratique des

formes de lhtrognit est prsent rsolu et nous disposons de quatre variables
185

synthtiques prenant en compte les deux eets. Nous ralisons un modle 2 bis avec
les variables externes, le niveau moyen de comptences et ces quatre variables carres
dcart lextremum. Le tableau 4.7 ci-contre rsume les rsultats.
Le coecient de dtermination du modle 2 bis est identique au modle 2 (27,78 %).

La signicativit des variables externes na pas t modie par lintroduction de ces
variables. De mme, leet du niveau moyen de comptences sur lecacit technique
est rest stable. Par contre, contrairement au modle 2, toutes les formes de lhtro-
gnit ont, cette fois-ci, un eet signicatif sur lecacit technique. Les quatre eets
obtenus sont les suivants : tout cart lextremum de lhtrognit des niveaux de
comptences accrot lecacit technique ; tout cart lextremum des htrognits
dge, de niveaux de diplme et de genre diminue lecacit technique.
Pour illustrer et comparer ces eets, nous reportons sur le graphique 4.10 page 188 les
quatre formes de lhtrognit. Pour les quatre formes de lhtrognit, lchelle des
abscisses est xe selon les valeurs minimales et maximales de notre base de donnes.
La valeur minimale de chaque abscisse (0 dans les quatre cas) correspond au niveau
minimal dhtrognit dans nos quipes de managers. De mme, la valeur maximale
de chaque abscisse correspond au niveau maximal dhtrognit dans nos quipes. Les
quatre courbes reprsentent donc leet sur lecacit technique dune faible une forte
htrognit. Les quatre prochains paragraphes interprtent chacune des courbes.
Sauf pour un faible niveau, lhtrognit des niveaux de comptences augmente conti-
nuellement lecacit technique dune unit commerciale. Daprs le graphique 4.10,
du fait de leet quadratique, le bnce pour lecacit technique est de plus en plus
lev. Pour une quipe trs htrogne en niveaux de comptences (le maximum de
notre base de donnes est de 2,82), cette hausse de lecacit technique est suprieure
10 points. Pour reprendre notre exemple prcdent, pour une unit commerciale g-
nrant un million de chire daaires avec une ecacit technique de 0,8, passer dune
quipe totalement homogne une quipe trs htrogne augmenterait le chire daf-
186

Tableau 4.7 Modle 2 bis : Eets des variables dcart lextremum


Constante 0,8535 0,0365 23,39 < 0,001
Variables externes
subie
Secteur 1 0,0126 0,0145 0,87 0,3857
Secteur 2 0,0999 0,0142 7,02 < 0,001
Secteur 3 0,0882 0,0126 6,99 < 0,001
Secteur 5 0,0225 0,0121 1,86 0,0630
Variables internes
Niveau moyen de 0,0166 0,0064 2,59 0,0101
comptences
comptences (carr de lcart
lextremum)
Htrognit dge (carr 0,0002 0,0001 2,26 0,0243
de lcart lextremum)
diplme (carr de lcart
lextremum)
(carr de lcart
lextremum)
R2 = 0,2778, R2 ajust = 0,2597
Statistique F = 15,38 avec 10 et 400 DdL, p.value < 0.001
187

Graphique 4.10 Eet individuel des formes de lhtrognit


0.10 Htrognit dge
Htrognit de genre
0.08
0.06
Efficacit technique
0.04
0.02
0.00
0.02
0.04
0.06
0 0.5 1 1.5 2 2.5 3
0 2 4 6 8 10 12 14 16 18 20
Htrognit dge
0 1 2 3 4 5
0 0.1 0.2 0.3 0.4 0.5

Htrognit de genre
(Donnes issues du modle 2 bis)
188

faires de 125 000 e. Nos rsultats conrment donc leet trs positif de cette forme
de lhtrognit. Elle conduirait lquipe de managers amliorer collectivement son
fonctionnement, par des dbats lis aux mthodes et aux processus de production, et
par le transfert de comptences et de connaissances entre ses membres.
Hormis un eet positif trs limit pour un faible niveau, lhtrognit dge diminue
continuellement lecacit technique. De plus, leet ngatif est de plus en plus fort
avec lhtrognit de lquipe. Daprs nos rsultats, pour lquipe la plus htrogne
de notre base de donnes (niveau dhtrognit gal 19,34), la baisse de lecacit
technique est estime environ 6 points. On remarque ainsi qu un trs haut niveau,
leet de lhtrognit dge compense fortement leet positif dune htrognit des
niveaux de comptences. Lhtrognit dge conduirait une baisse du sentiment
dappartenance de chaque manager lquipe et ainsi une baisse de la cohsion de
lquipe. Lhomognit dge permettrait, au contraire, une meilleure communication
dans lquipe et donc une plus haute ecacit technique.
Lhtrognit des niveaux de diplme a un double eet sur lecacit technique. Jus-
quau seuil de 3,36, toute hausse de lhtrognit des niveaux de diplme accrot lef-
cacit technique. Les dirences de points de vue amlioreraient ainsi la crativit de
lquipe. Comme lhtrognit est alors faible, les dirences sont encore peu mar-
ques et ne nuiraient pas la cohsion. Au-del de ce seuil, lhtrognit des niveaux
de diplme fait dcrotre lecacit technique. Les dirences dorigine sociales vhicu-
les par le diplme seraient alors plus marques et aecteraient la cohsion de lquipe.
Nanmoins, comme illustr par le graphique 4.10, un trs haut niveau dhtrognit
des niveaux de diplme reste prfrable une situation de parfaite homognit.
Lhtrognit de genre a un double eet comparable celle des niveaux de diplme.

Une faible htrognit accrot lecacit technique (jusquau seuil de 0,21). Au-del,
lecacit technique dcrot avec la hausse de lhtrognit. Contrairement lht-
rognit des niveaux de diplme, une forte htrognit de genre (au-del de 0,42)
189

conduit un eet ngatif sur lecacit technique. La parit totale hommes/femmes ne

serait donc pas donc souhaitable pour lecacit du travail en quipe.
II.2.2 Validation du cadre thorique
Les rsultats du modle 2 bis permettent de discuter du cadre thorique tabli durant
le deuxime chapitre. Voici, pour rappel, la premire hypothse que nous avions mise :
Hypothse 1. Une forme de lhtrognit se compose dune dimension fonctionnelle

et dune dimension psychosociale.
Pour le niveau de diplme et le genre, le double eet du niveau de lhtrognit sur

lecacit technique conforte notre hypothse. Lexistence de ces deux eets, pour une
mme forme de lhtrognit, proviendrait de la prsence des deux dimensions de lh-
trognit. Ainsi, pour ces deux formes de lhtrognit, les deux dimensions seraient
perceptibles avec le graphique 4.10 page 188.
Cela ne semble pas directement tre le cas avec les htrognits de niveaux de com-
ptences et dge. Pour la premire, leet est pratiquement toujours positif 9 . Pour la
deuxime, leet est pratiquement toujours ngatif. Nanmoins, ces eets univoques ne
contredisent pas la prsence des deux dimensions. En ralit, pour ces deux formes de
lhtrognit, lune des dimensions dominerait systmatiquement lautre. Ces rsultats
ninrment donc pas notre hypothse et sont en concordance avec ce que nous avions
anticip.
Tout dabord, lhtrognit des niveaux de comptences est, par construction, trs
lie aux tches que doivent raliser les managers. Selon notre typologie, cette forme de
lhtrognit est essentiellement fonctionnelle. Ds lors, leet attendu sur lecacit
technique est positif, quel que soit le niveau de lhtrognit. un faible comme
9. Nous cartons ici le faible effet ngatif constat de lhtrognit des niveaux de comptences pour
un niveau dhtrognit trs faible. Cet effet est trs limit, dune faible ampleur, et est principalement
provoqu, selon notre interprtation, par la forme quadratique de lhtrognit.
190

un fort niveau, lhtrognit nagirait pas ou trs peu sur la cohsion de lquipe. Le
rsultat concernant lhtrognit des niveaux de comptences est donc en accord avec
notre typologie.
Concernant lhtrognit dge, nous avions voqu le fait que les deux dimensions
taient prsentes. Tout dabord la dimension psychosociale, car les dirences de gn-
ration provoqueraient un manque de communication entre les membres de lquipe et
une baisse du sentiment dappartenance. Ensuite la dimension fonctionnelle, car lh-
trognit dge est statistiquement corrle avec lhtrognit danciennet qui est
essentiellement fonctionnelle. Si les deux dimensions sont prsentes, nous avions pr-
cis que la dimension fonctionnelle avait un statut particulier. En eet, la dimension
fonctionnelle serait prsente par corrlation, et non par nature.
De ce fait, si lon tudie seule la variable dhtrognit dge, les deux eets sont
prsents du fait de la corrlation. Nous validons ceci en testant le modle 2 avec unique-
ment lhtrognit dge : les deux eets sont eectivement prsents dans ce cas (voir
tableau A.4 page 253 en annexe). linverse, la prsence dautres formes de lhtro-
gnit, dont une exclusivement fonctionnelle, conduit la non-signicativit de lh-
trognit dge : leet de la dimension fonctionnelle de lhtrognit dge serait
capt par dautres variables, laissant uniquement leet de la dimension psychosociale.
Finalement, leet obtenu de lhtrognit dge est celui attendu : lhtrognit
dge, du fait de dimension psychosociale par nature, est nfaste lecacit technique
de lquipe.
Pour lhtrognit des niveaux de diplme et de genre, les deux dimensions seraient
prsentes par nature. Lhtrognit des niveaux de diplme reprsente des dirences
dans les prols techniques des membres de lquipe autant quelle rete des dirences
dorigine sociale. De mme, lhtrognit de genre correspond des dirences dopi-
nions sur les manires de travailler et, simultanment, des dirences de reprsentations
191

sociales sur les manires de travailler en quipe et de prendre en compte la diversit. Le

double eet, pour ces deux formes de lhtrognit, tait donc attendu.
La deuxime hypothse que nous avions formule durant le deuxime chapitre concernait
leet global de lhtrognit sur lecacit technique. En postulant la simultanit
des eets des dimensions de lhtrognit, nous avions mis lhypothse suivante :
Hypothse 2. Pour un faible niveau dhtrognit, leffet de la dimension fonction-

nelle domine celui de la dimension psychosociale et leffet global sur lefficacit technique
est positif. La situation est inverse pour un fort niveau dhtrognit.
Les rsultats que nous avons prsents concernant lhtrognit des niveaux de di-
plme et de genre confortent cette hypothse. Pour ces deux formes de lhtrognit,
leet global sur lecacit technique est, dans un premier temps, positif. partir dun
certain niveau de lhtrognit, leet global sinverse et lhtrognit devient nfaste
lecacit.
un faible niveau, lhtrognit permettrait ainsi dapporter de nouvelles ides

lquipe et de favoriser lchange dinformations. Les dirences seraient alors trop faibles
pour aecter la cohsion de lquipe et leet global sur lecacit technique serait
positif. Lorsque lhtrognit devient forte, les conits rduiraient la communication et
la cohsion dans lquipe et auraient un eet ngatif plus important que celui, positif, de
la hausse de crativit. Leet global sur lecacit technique deviendrait donc ngatif.
Leet quasi-univoque de lhtrognit des niveaux de comptences ou dge ninrme

pas notre hypothse. Comme expliqu prcdemment, il indique que ces deux formes
de lhtrognit sont, soit quasi exclusivement fonctionnelle (pour lhtrognit des
niveaux de comptences), soit quasi exclusivement psychosociale (pour lhtrognit
dge). Il est donc cohrent que seul lun des eets soit prsent.
192

Dans notre cadre thorique, nous avions reli la dimension fonctionnelle de lhtrog-
nit la thorie de la diversit des ressources cognitives et la dimension psychosociale
de lhtrognit la thorie de lattraction pour la similarit. Nos rsultats appuient
et concilient donc chacune des deux thories : lhtrognit peut, selon ses formes et
son niveau, tre bnque ou nfaste lecacit technique du travail en quipe.
Durant les paragraphes prcdents, nous avons arm que cest lhtrognit de
lquipe qui aecte lecacit technique de lunit commerciale. Nanmoins, les rsultats
conomtriques des modles 2 et 2 bis ne prouvent pas, eux seuls, ce lien de causalit.
En eet, on pourrait galement interprter les rsultats en arguant que cest lecacit
technique qui agit sur lhtrognit des quipes. La validation du lien de causalit
est fonde sur des arguments la fois contextuels et thoriques, que nous prsentons
ci-dessous.
Nous savons que, sur la priode dtude, il nexiste aucune stratgie de la part de la
direction gnrale de lenseigne de contrler lhtrognit. Aucune politique de mixage
des comptences, de mixit homme/femme ou de diversit dge na t eectue dans
lenseigne. Ainsi, si la direction peut aecter ses managers de vente partir des rsultats
prcdents des units commerciales, cela nest pas eectu de sorte modier lhtro-
gnit des quipes qui reste donc un facteur non pris en compte. De plus, notre cadre
thorique, ainsi que la littrature sur laquelle il sappuie, conforte ce sens de causalit.
Les nombreux travaux thoriques et empiriques sur les quipes de travail insistent tous
sur limportance de lhtrognit de lquipe dans son fonctionnement au quotidien.
Si un lien entre htrognit et ecacit technique est observ ce qui est le cas dans
nos rsultats , la seule hypothse valide, selon nous, est donc celle de lhtrognit
comme facteur explicatif de lecacit technique.
Les rsultats permettent denrichir notre cadre thorique. Nous identions ainsi le fait
que les formes de lhtrognit nont pas toutes le mme prol. Lhtrognit des
niveaux de diplme peut tre trs forte avant que leet sur la cohsion ne lemporte
193

sur lecacit technique. Dailleurs, une trs forte htrognit des niveaux de diplme
reste prfrable une homognit parfaite. linverse, lhtrognit de genre, si elle
accrot lecacit technique dans un premier temps, nit un haut niveau par tre
nfaste cette ecacit.
Ces rsultats permettent de guider le responsable dquipe dans la constitution concrte

dune quipe de travail. Sans noncer un prol type de lquipe idale, nous pouvons
noncer quatre recommandations :
(1) Privilgier les dirences concernant les parcours professionnels, les parcours
dtudes et dexprience des membres de lquipe. Les rsultats concernant lh-
trognit des niveaux de comptences et de diplme illustrent lintrt de la
promotion dans les quipes de ce type de dirences ;
(2) Hormis lge, promouvoir le plus dhtrognit possible, car sauf de trs hauts
niveaux, lhtrognit rend les quipes plus ecaces dans leur travail. Leet
ngatif sur la cohsion existe, mais il semble tre compens trs largement par
leet positif sur la crativit ;
(3) Limiter lhtrognit dge. Celle-ci, mme un trs faible niveau, diminue
lecacit technique de lquipe ;
(4) Agir sur une forme de lhtrognit implique ncessairement des modications
sur les autres formes de lhtrognit. Favoriser lhomognit dge peut, par
exemple, rduire drastiquement lhtrognit des niveaux de comptences ou
de diplme. Ainsi, le responsable dquipe doit prendre en compte la multidimen-
sionnalit de lhtrognit avant dagir sur celle-ci.
Les rsultats prsents ici postulent la simultanit et lindpendance des eets

des formes de lhtrognit sur lecacit technique. Nous examinerons, dans la
sous-section suivante, linteraction entre les dimensions de lhtrognit. Pour cela,
194

nous introduisons des variables de croisement entre les formes de lhtrognit dans
un troisime modle.
II.3 Introduction des variables de croisement entre les dimen-

sions de lhtrognit
Nous testons prsent lhypothse de modration de la dimension psychosociale sur

leet de la dimension fonctionnelle de lhtrognit. Pour cela, nous intgrons dans
un troisime modle trois variables de croisement des formes de lhtrognit. Dans la
mesure o lhtrognit des niveaux de comptences est, daprs nos prcdents rsul-
tats, essentiellement voire exclusivement fonctionnelle, nous analysons les croisements
entre cette forme de lhtrognit et les trois autres formes notre disposition.
Trois variables explicatives sont donc ajoutes au modle prcdent : le produit entre
lhtrognit des niveaux de comptences et (1) lhtrognit dge, (2) lhtrog-
nit des niveaux de diplme et (3) lhtrognit de genre. Par souci de simplier
lanalyse, nous tudions uniquement les eets linaires entre les variables explicatives et
lecacit technique.
Les rsultats de lestimation conomtrique sont, en ltat, dicilement interprtables,

car trs peu de variables sont signicatives. Comme pour le modle 2, les variables
de croisement des formes de lhtrognit sont ncessairement corrles entre elles et
peuvent donc perturber les rsultats de lestimation conomtrique. Pour contourner
ce problme, nous appliquons une procdure de stepwise avec le critre dAIC (Akaike
Information Criteria). Ce critre dinformation, formalis par Akaike (1973), teste la
vraisemblance des modles avec inclusion ou retrait des variables les moins signicatives.
Dans la mesure o lajout dune variable accrot automatiquement la vraisemblance du
modle, le critre dAIC eectue un compromis entre le nombre de variables utilises et le
195

maximum de vraisemblance 10 . Ce critre dinformation peut donc conduire conserver

des variables non signicatives, ds lors que leur retrait aecterait trop le maximum
de vraisemblance du modle. La procdure de stepwise employe teste successivement
lajout ou le retrait de variables avec ce critre.
Lestimation conomtrique avec procdure de stepwise est rsume dans le tableau 4.8
ci-contre. Les rsultats complets sans procdure de stepwise sont renvoys en annexe
(tableau A.5 page 255).
II.3.1 Prsentation des rsultats
Le coecient de dtermination du modle reste stable 25,3 %. Lajout de ces variables

de croisement na pas modi la signicativit des variables externes : la procdure de
stepwise a cart les variables binaires des secteurs 1 et 5. Les autres variables externes
sont toutes signicatives au seuil de 1 %. Pour les variables internes, le niveau moyen
de comptences conserve sa signicativit.
Lintroduction des variables de croisement diminue fortement la signicativit des va-

riables dhtrognit. Seule lhtrognit des niveaux de comptences est conserve
en ltat par la procdure de stepwise malgr sa faible signicativit (p value = 0,2243).
En eet, sa prsence est ncessaire la signicativit des variables de croisement. Son
absence conduirait rendre non signicatives les deux variables de croisement prsentes
dans le modle.
Deux des trois variables de croisement sont retenues par la procdure de stepwise. Il
sagit des variables de croisement entre lhtrognit des niveaux de comptences et,
dune part, lhtrognit dge, dautre part, lhtrognit des niveaux de diplme.
Lhtrognit de genre na donc plus aucun eet dans ce modle.
10. Mathmatiquement, le critre dAIC se calcule avec la formule suivante : AIC = 2k 2 ln(L)
(avec k le nombre de paramtres du modle et L le maximum de vraisemblance du modle). Le modle
retenu est celui qui minimise ce critre.
196

Tableau 4.8 Modle 3 : Eets des variables de croisement sur lecacit technique

Constante 0,7839 0,0340 23,08 < 0,001
Variables externes
subie
Secteur 2 0,0812 0,0121 6,69 < 0,001
Secteur 3 0,0741 0,0109 6,80 < 0,001
Variables internes
Niveau moyen de 0,0181 0,0064 2,82 0,0050
comptences
comptences
Variables de croisement des htrognits
Niveaux de comptences * 0,0025 0,0011 2,38 0,0180
ge
diplme
Application dun stepwise bidirectionnel (critre dAIC)
R2 = 0,253, R2 ajust = 0,2401
Hormis lhtrognit des niveaux de comptences, aucune forme de lhtrognit

nagit seule sur lecacit technique. Concernant les variables de croisement, deux ef-
fets opposs sont prsents. Le produit entre lhtrognit des niveaux de comptences
et lhtrognit des niveaux de diplme accrot lecacit technique. Une hausse dun
point de ce produit conduit une hausse de 0,74 point decacit technique. linverse,
le produit entre lhtrognit des niveaux de comptences et lhtrognit dge af-
fecte ngativement de lecacit technique. Une hausse dun point de ce produit conduit
une baisse de 0,25 point decacit technique.
197

Lhtrognit des niveaux de diplme est donc toujours souhaitable : cette forme
de lhtrognit acclre leet de lhtrognit des niveaux de comptences sur
lecacit technique. linverse, lhtrognit dge freine cet eet. Si lhtrognit
dge est trs forte dans lquipe et dpasse un certain seuil, lhtrognit des niveaux
de comptences peut mme devenir nfaste lecacit technique. Nous cherchons
calculer ce seuil.
Nous notons leet des variables non lies lhtrognit des niveaux de comp-
tences, HC , HA et HD respectivement lhtrognit des niveaux de comptences, dge
et des niveaux de diplme. Voici lquation estime de lecacit technique daprs les
rsultats du tableau 4.8 page prcdente :
E = + 0.0158 HC 0.0025 HC HA + 0.0074 HC HD (4.3)
Nous cherchons le sens du lien entre lhtrognit des niveaux de comptences et

lecacit technique :
E
= 0.0158 0.0025 HA + 0.0074 HD (4.4)
HC
Daprs lquation 4.4, leet positif ou ngatif de lhtrognit des niveaux de com-
ptences dpend du niveau de lhtrognit dge et de lhtrognit des niveaux
de diplme. Il nest pas possible dillustrer ces rsultats de la mme manire que pour
le modle 2. En eet, nous avons simultanment trois variables explicatives ayant un
eet sur lecacit technique. Il est revanche possible dillustrer nos rsultats avec des
courbes diso-ecacit. Une courbe diso-ecacit reprsente lensemble des combinai-
sons des formes dhtrognit permettant datteindre un niveau decacit technique
donne. On trace plusieurs courbes diso-ecacit pour capter leet global des formes
de lhtrognit sur lecacit technique. Pour chaque courbe, lune des formes de
lhtrognit est maintenue constante.
198

Le graphique 4.11 illustre cinq courbes diso-ecacit pour les htrognits des niveaux
de comptences et dge, sous lhypothse dabsence totale dhtrognit des niveaux
de diplme. Chaque courbe reprsente donc lensemble des couples htrognit des
niveaux de comptences htrognit dge permettant datteindre un niveau
decacit technique donne. Comme prcdemment, les axes du graphique sont borns
aux minima et maxima de notre base de donnes.
Nous dtaillons la premire courbe diso-ecacit (celle lextrme gauche du graphique)

an de clarier la lecture du graphique. Cette courbe reprsente lensemble des combi-
naisons des formes de lhtrognit permettant une hausse de lecacit technique de
Graphique 4.11 Eets croiss des htrognits de niveaux de comptences

et dge sur lecacit technique
2.5
1.5
0.5 (+ 0.01) ( 0.01)

(+ 0.02) ( 0.02)
( 0.06)
0
0 2 4 6 8 10 12 14 16 18 20
Htrognit dge
(Courbes diso-efficacit pour une homognit des niveaux de diplme)

(Donnes issues du modle 3)
199

2 points. On remarque alors quune homognit parfaite dge couple une htro-
gnit des niveaux de comptences gale 1,25 permet dobtenir la mme hausse de
lecacit technique quune htrognit dge gale 5 couple une htrognit
des niveaux de comptences gale 3.
Lhtrognit dge est donc trs rapidement nfaste leet de lhtrognit des
niveaux de comptences sur lecacit technique. Mme une faible htrognit dge
doit tre compense par une trs forte htrognit des niveaux de comptences. De
plus, au-del dun certain seuil (estim ici 6,31), lhtrognit dge inverse le lien
entre lhtrognit des niveaux de comptences et lecacit technique. Dans un tel
cas de gure, la hausse de lhtrognit des niveaux de comptences conduit une
baisse de lecacit technique.
Les dirences dge provoquent des dicults de communication entre les membres
de lquipe. De surcroit, elles peuvent provoquer des conits qui nont rien voir avec
le processus de production ou le travail des managers. Donc lhtrognit dge, si
elle naecte pas directement lecacit technique, rduit lintrt de lhtrognit des
niveaux de comptences. Les transferts de comptences sont plus diciles raliser et
lquipe ne prote plus de cette htrognit. Pire, pour des quipes avec une grande
dirence dge, lhtrognit des niveaux de comptences devient nfaste lecacit
technique.
Dans une logique similaire, le graphique 4.12 ci-contre illustre quatre courbes
diso-ecacit pour les htrognits des niveaux de comptences et de diplme, cette
fois sous lhypothse dabsence totale dhtrognit dge. Leet global sur leca-
cit technique est toujours positif, quelle que soit la combinaison retenue. Les deux
formes de lhtrognit semblent ici substituables : accrotre lune des htrognits
en diminuant lautre naecte pas lecacit technique de lquipe. Selon la combinaison
choisie entre ces deux formes de lhtrognit, leet sur lecacit technique peut tre
suprieur 10 points.
200

Graphique 4.12 Eets croiss des htrognits de niveaux de comptences

et de niveaux de diplme sur lecacit technique
2.5
1.5
0.5
(+ 0.015) (+ 0.06)
(+ 0.03) (+ 0.1)
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
(Courbes diso-efficacit pour une homognit dge)

(Donnes issues du modle 3)
Lhtrognit des niveaux de diplme naecterait donc pas seule lecacit technique,
mais elle accentuerait leet positif de lhtrognit des niveaux de comptences. Les
dirences dorigine sociale et de formation augmenteraient ainsi louverture desprit des
managers et leur crativit, sans rduire la cohsion de lquipe. Cette hausse de la cra-
tivit se cumulerait celle provoque par lhtrognit des niveaux de comptences.
II.3.2 Validation du cadre thorique
Nous avions nonc, durant le deuxime chapitre, une hypothse concernant les eets
croiss des dimensions de lhtrognit. Nous la rappelons ici :
201

Hypothse 3. La dimension psychosociale de lhtrognit freine leffet de la dimen-

sion fonctionnelle de lhtrognit sur lefficacit technique dune quipe de travail.
Les rsultats du modle 3 confortent cette hypothse : la dimension psychosociale de

lhtrognit na, dans notre modle, aucun eet direct sur le processus de production.
Par contre, elle aecte leet de la dimension fonctionnelle sur lecacit technique. Cet
eet est particulirement prsent pour lhtrognit dge. Cette forme de lhtro-
gnit, essentiellement psychosociale, freine leet de lhtrognit des niveaux de
comptences. Les bnces de lhtrognit fonctionnelle peuvent tre annules par
une htrognit dge, mme faible.
La dimension psychosociale de lhtrognit aecterait le sentiment dappartenance

lquipe de chacun, le niveau de communication et de cohsion de lquipe, cela ayant
pour impact indirect de diminuer les possibilits de crativit, de rsolution des pro-
blmes et de circulation des comptences. Leet est indirect mais fort.
Lhtrognit des niveaux de diplme semble, premire vue, inrmer notre hypo-
thse. En eet, au lieu de le freiner, sa prsence acclre leet de lhtrognit des
niveaux de comptences sur lecacit technique. Pour comprendre ce phnomne, nous
devons dcomposer nouveau la forme de lhtrognit en dimensions fonctionnelle
et psychosociale. En eet, lhtrognit des niveaux de diplme est compose des
deux dimensions mais leet de la dimension fonctionnelle semble, daprs nos rsul-
tats prcdents (modle 2 bis illustr par le graphique 4.10 page 188), dominer celui
de la dimension psychosociale. Ds lors, cette forme de lhtrognit ne rduirait pas
ncessairement lhtrognit des niveaux de comptences, car leet de la dimension
psychosociale serait trop faible. Au contraire, elle contribuerait lacclration de leet
global sur lecacit technique. Ce rsultat ninrme donc pas notre hypothse.
La non-prsence de lhtrognit de genre peut tre interprt de la mme manire. Les

deux dimensions sont, daprs nos rsultats prcdents, trs prsentes pour cette forme
202

de lhtrognit. Il ny aurait alors pas deet de frein sur leet dune htrognit
uniquement fonctionnelle.
Durant les paragraphes prcdents, nous avons arm que cest la dimension psychoso-
ciale qui agit comme frein de leet de la dimension fonctionnelle de lhtrognit sur
lecacit technique. Nanmoins, les rsultats conomtriques ne prouvent pas, eux
seuls, ce lien de causalit. En eet, la signicativit des variables de croisement pourrait
galement sinterprter statistiquement comme linuence de la dimension fonctionnelle
sur leet de la dimension psychosociale sur lecacit technique. Ce sont des arguments
thoriques, que nous prsentons ci-dessous, qui nous permettent darmer que le lien
de causalit est bien celui que nous avons nonc.
Daprs notre cadre thorique et la littrature sur laquelle il sappuie, la dimension psy-
chosociale de lhtrognit na pas de lien direct avec la tche raliser. Au contraire,
les dirences dge, par exemple, agiraient sur le niveau de cohsion et de commu-
nication au sein de lquipe. Il est donc attendu quelle naecte pas directement
du moins lecacit technique dune quipe de travail. En revanche, la dimension
fonctionnelle de lhtrognit concerne, elle, des caractristiques directement lies la
tche. Par exemple, les dirences de comptences et dexpriences aectent la capacit
de lquipe rsoudre des problmes et tre crative. Aussi, si un eet de modration
est observ entre ces deux dimensions ce qui est le cas dans nos rsultats , la seule
hypothse valide, selon nous, est donc celle de la dimension psychosociale comme frein
de leet de la dimension fonctionnelle sur lecacit technique.
Les rsultats permettent denrichir notre modle thorique. Ainsi, alors que nous avions
suppos uniquement un eet de frein de lhtrognit psychosociale, nous obtenons
un eet plus fort : une forte htrognit dge inverse le lien entre lhtrognit des
niveaux de comptences et lecacit technique. Ds lors, la hausse de lhtrognit,
quelle quelle soit, ferait dcrotre cette ecacit. Nous navions pas prvu cet eet, mais
celui-ci est compatible avec notre cadre thorique. Une forte htrognit psychosociale
203

conduirait, par exemple, des conits dans lquipe bien trop frquents. Les interac-
tions requises par lhtrognit fonctionnelle ne pourraient alors plus soprer. Toute
dirence supplmentaire serait donc nfaste lecacit technique de lquipe.
Nous compltons donc les prconisations prcdentes :
(1) Leet de lhtrognit de genre serait relativiser. Cette forme de lhtro-

gnit naurait en ralit pas de rel impact, positif ou ngatif, sur lecacit
technique ;
(2) Lintrt de lhtrognit des niveaux de diplme est conrm. De plus, nous
notons quune substituabilit semble exister entre cette forme et lhtrognit
des niveaux de comptences. Une ecacit technique identique pourrait alors tre
obtenue par lune ou lautre de ces htrognits ;
(3) Leet nfaste de lhtrognit dge est conrm et accentu. Au del dun
certain niveau, les dirences dge rendent mme inecace la dimension fonc-
tionnelle de lhtrognit.
Les rsultats prsents durant cette section montrent quel point la prise en compte de
lhtrognit est dterminante pour la russite conomique de lquipe. La modication
des niveaux dhtrognit modie trs sensiblement le fonctionnement au quotidien
de celle-ci et peut accrotre comme rduire ses rsultats. De plus, contrairement aux
variables externes que nous avons identies, le responsable des ressources humaines
peut ici agir directement sur les niveaux dhtrognit dans ses quipes.
Pour conclure cette dmonstration de limportance de la prise en compte de lhtrog-

nit dans la gestion des ressources humaines, nous traitons une application concrte de
nos rsultats sur la politique de ressources humaines de lenseigne. Il sagit de la rorga-
nisation des quipes de managers, de sorte promouvoir ou limiter certaines formes de
lhtrognit. Nous prsentons une mthode originale doptimisation du chire daf-
faires par cette rorganisation de la main duvre et discutons des implications en terme
de management des quipes.
204

Section III Implication en gestion des ressources humaines
Section III Implication en gestion des ressources hu-

maines : rorganisation des quipes de managers de
vente
Cette dernire section propose de montrer lenjeu concret pour lenseigne dune prise en
compte de lhtrognit de ses quipes de managers de vente. Pour cela, partir de
sa main duvre actuelle, nous tudions la possibilit dune rorganisation des quipes
de managers, de sorte promouvoir ou limiter lhtrognit. partir de la situation
initiale (ici, laectation actuelle des managers), nous suggrons quune nouvelle aecta-
tion des managers dans les quipes existantes peut permettre aux units commerciales
daccrotre leur ecacit technique, augmentant ainsi le chire daaires global de len-
seigne. Les rsultats obtenus lors la section prcdente nous permettront de chirer les
consquences dune telle politique de gestion des ressources humaines.
Sur la base des rsultats conomtriques de la section prcdente, nous pouvons en eet
calculer lecacit technique estime pour une quipe de managers, partir des donnes
sur les managers ge, niveau de comptences et diplme et des donnes sur lunit
commerciale secteur commercial et intensit de la concurrence subie. Ds lors, leet
sur lecacit technique (et donc sur le chire daaires) des units commerciales dune
modication des quipes peut tre estim. En calculant toutes les situations possibles,
nous pourrions connatre le chire daaires maximal global ralisable avec les ressources
disponibles.
Il est nanmoins impossible de procder ainsi, car le nombre de situations possibles est
trop lev pour tre calcul en un temps raisonnable. Nous dtaillerons cette limite et
en expliquerons les raisons durant la section.
Pour contourner cette limite, nous avons choisi de concevoir une heuristique danalyse
combinatoire. Une heuristique danalyse combinatoire est un algorithme de recherche
205

dune combinaison optimale parmi un ensemble ni de combinaisons possibles en un

temps de calcul raisonnable. Cette mthode est relativement peu utilise en conomie
et management et se limite principalement des tudes concernant les transports ou la
logistique. Par exemple, on trouve un certain nombre darticles traitant du problme
du voyageur de commerce (entre autres : Little et al. 1963 ; Cerny 1985 ; Loiola
et al. 2007 ; Jozefowiez et al. 2008) : il sagit de trouver le chemin le plus court pour
traverser un nombre donn de villes. Dans un autre domaine, on trouve rcemment une
tude sur les marchs nanciers utilisant cette mthode (Benth et al. 2012). notre
connaissance, aucune tude doptimisation de la main duvre na t propose partir
de cette mthode.
Nous dveloppons donc une heuristique pour la question spcique de lhtrognit des
quipes de travail. Le principe de cette heuristique reste identique lensemble des tudes
cites prcdemment : tester un nombre raisonnable de combinaisons permettant, avec
une certaine abilit et dans un temps raisonnable, datteindre loptimum global. Cette
heuristique est toutefois spcique aux ressources humaines. En eet, nous incluons de
nombreuses contraintes directement lies la gestion du travail en quipe.
Lintrt de cette heuristique sera triple. (1) Nous pourrons chirer lintrt direct de
la prise en compte de lhtrognit dans les quipes (en termes de chire daaires).
(2) Elle permettra didentier les modications concrtes apporter aux quipes an
daccrotre lecacit technique des units commerciales. (3) Au-del, elle permettra
de poser une question centrale du management : une telle politique de rorganisation
de la main duvre doit-elle tre centralise (conue et applique par lenseigne) ou
dcentralise (conue et applique par chaque unit commerciale) ?
La section est divise en quatre points. Tout dabord, nous prsenterons les contraintes
spciques notre tude. Ensuite, nous dtaillerons les caractristiques du problme
doptimisation et lheuristique employe pour rsoudre ce problme. Dans une troi-
sime tape, nous testerons la abilit de notre heuristique sur un chantillon rduit
206

de donnes. Pour nir, nous prsenterons les rsultats de lheuristique et discuterons des
consquences en termes de politique de gestion des ressources humaines.
III.1 Contraintes lies la rorganisation des quipes
Considrant les 411 units commerciales utilises pour le modle 3 (voir tableau 4.8
page 197), le chire daaires estim 11 de lenseigne est de 13,45 milliards deuros. Pour
accrotre celui-ci, nous supposons que lon peut raecter la main duvre. Cest une
hypothse raisonnable au regard de la clause de mobilit des managers de vente. En
eet, daprs la clause de mobilit incluse dans leur contrat de travail, nous savons que
les managers sont susceptibles dtre raects un poste similaire dans un hypermarch
dirent dans toute la France.
Nous conservons inchange la structure actuelle des units commerciales et supposons

donc que le nombre de managers dans une quipe doit rester constant. Ds lors, chaque
modication des quipes doit se faire par une permutation entre deux managers.
Les managers de vente dun mme secteur commercial ralisent des tches semblables et
peuvent donc tre permuts. Un entretien avec un responsable des Ressources Humaines
de lenseigne nous a conrm que les raectations, dans un mme secteur commercial,
ont rgulirement lieu. linverse, dans la mesure o les tches sont, en partie, di-
rentes, nous supposons que les managers de deux secteurs commerciaux dirents ne
peuvent permuter.
Pour modier le chire daaires tout en respectant lhypothse prcdente, les permu-
tations doivent ncessairement se faire entre deux hypermarchs dirents. La clause de
mobilit des managers de vente permet des permutations dans la France entire. Toute-
fois, nous souhaitons nous concentrer sur une politique des ressources humaines raliste
avec des raectations relativement proches. Ce critre nous permet dinsister sur les
11. Nous utilisons le chiffre daffaires estim par le modle conomtrique et non celui rel, car len-
semble de lheuristique doit se faire sur les donnes estimes du modle.
207

gains decacit technique accessibles avec des changements non drastiques sur la main
duvre.
Ce critre aecte le pool de managers concerns par la rorganisation des quipes. En

eet, si lon suppose que les permutations peuvent se faire entre tous les hypermar-
chs, lensemble des managers de vente est pris en compte dans ltude. linverse, si
lon suppose quun manager ne peut pas tre raect un autre hypermarch au-del
dune certaine distance, nous excluons certains managers de ltude selon lisolement
gographique de leur hypermarch.
Le graphique 4.13 ci-contre reporte, selon la distance maximale pour eectuer une per-
mutation, le nombre de managers disponibles pour la rorganisation des quipes. Sur
la base de ce graphique, nous choisissons de limiter les permutations une distance
maximale de 40 km. Cela signie que, par rapport son hypermarch dorigine, aucun
manager ne peut tre raect un hypermarch au-del de cette distance. Le choix
de cette distance permet de proposer une tude raliste tout en disposant dun grand
nombre de managers disponibles pour tudier cette rorganisation.
Finalement, avec cette contrainte, 322 units commerciales (sur un total de 411) et 1221
managers de vente (sur un total de 1543) sont concerns par loptimisation. La suite de
la section travaille partir de cette sous-base de donnes. Notons que le chire daaires
maximal que nous tudions par la suite augmente potentiellement avec le nombre duni-
ts commerciales et de managers intgrs dans ltude. De plus, nous pouvons remarquer
laide du graphique 4.13 ci-contre que, mme avec une faible distance maximale, le
nombre de managers concerns par les permutations et donc les hausses potentielles
sur le chire daaires est lev. Il est donc possible de r-organiser les quipes de
managers avec des dplacements de faibles ampleurs.
208

III.2 Caractristiques dun problme doptimisation combina-

toire
Nous cherchons dterminer le chire daaires maximum atteignable par lenseigne

partir de ses quipes de managers actuelles. En mathmatique, ce problme se rsume
un problme doptimisation combinatoire. Il consiste trouver, dans un ensemble
ni de combinaisons, la combinaison optimale (optimale signiant ici maximisant le
chire daaires). Dans notre situation, une combinaison est une aectation possible de
lensemble des managers de vente.
La particularit de ce problme est quil est discret. Lensemble des combinaisons ne peut
tre formul par une fonction mathmatique continue. Ds lors, les outils mathmatiques
usuels (driv, lagrangien) ne peuvent tre utiliss ici.
Graphique 4.13 volution du nombre de managers concerns par la raectation

selon la distance maximale pour permuter
1 600
1 400
Nombre de managers concerns
1 200
1 000
800
600
400
200
0
20 40 60 80 100 120 140 160
Distance maximale
209

III.2.1 Taille du problme danalyse combinatoire
Dans la mesure o il sagit dun ensemble ni de combinaisons, il est possible, thorique-

ment, de calculer lensemble des combinaisons possibles, puis de dterminer la combi-
naison optimale. Nanmoins, mme pour des problmes danalyse combinatoire de faible
taille, le nombre de combinaisons possibles est trs rapidement trop lev pour esprer
en dnombrer lensemble et de calculer lecacit technique pour chacune.
Supposons deux units commerciales, chacune comprenant trois managers. En respec-

tant le critre prcdent, savoir que les permutations sont ralises entre units com-
merciales et non au sein delle mme, on dnombre 20 combinaisons possibles. Le ta-
bleau 4.9 liste les 20 solutions possibles (les managers sont nots de A F).
Tableau 4.9 Nombre de solutions possibles pour deux units commerciales

et six managers
Combinaison Unit 1 Unit 2

1 A B C D E F
2 A B D C E F
3 A B E C D F
4 A B F C D E
5 A C D B E F
6 A C E B D F
7 A C F B D E
8 A D E B C F
9 A D F B C E
10 A E F B C D
11 B C D A E F
12 B C E A D F
13 B C F A D E
14 B D E A C F
15 B D F A C E
16 B E F A C D
17 C D E A B F
18 C D F A B E
19 C E F A B D
20 D E F A B C
210

Pour cet exemple, il est rapide de dnombrer lensemble des combinaisons possibles, et
donc de calculer, pour chacune, le chire daaires espr. Ici, une heuristique dopti-
misation nest donc pas utile. Nanmoins, lexemple ne concerne que deux units com-
merciales et six managers. Lorsque lon passe trois units commerciales (toujours avec
trois managers pour chacune), le nombre de combinaisons possibles slve 1680. Pour
quatre units commerciales, ce nombre atteint 13 833.
Ds lors, pour 322 units commerciales, avec une moyenne de managers par quipe gale
environ 3,75 et les contraintes gographiques de dplacement de chaque manager, il
serait dicile de calculer le nombre de combinaisons possibles. Il serait encore plus
complexe de vouloir les lister et de calculer le chire daaires pour chacune. Il faut
alors dnombrer un nombre plus restreint de solutions. Pour ce faire, des algorithmes
sont dvelopps pour faciliter la recherche de la combinaison optimale.
III.2.2 Algorithme de recherche
Dans la mesure o lon ne peut calculer toutes les combinaisons possibles, nous nous li-
mitons ce que lon appelle en analyse combinatoire une recherche locale 12 . Cest--dire
qu partir de la combinaison de dpart (dans notre cas, laectation actuelle des ma-
nagers de vente), nous recherchons des combinaisons proches et testons si elles per-
mettent daccrotre le chire daaires.
Le fait de rechercher des solutions proches pose le problme de loptimum local. En

eet, il faut distinguer deux types doptimum : les optima locaux, pour lesquels aucune
combinaison proche nest prfrable ; et loptimum global, pour lequel aucune autre
combinaison nest prfrable. Loptimum global est, de fait, loptimum de tous les optima
locaux. Pour illustrer ceci, le graphique 4.14 page suivante donne un exemple de parcours
du chire daaires selon les combinaisons. Dans cet exemple, on dnombre six optima :
cinq optima locaux et un optimum global.
12. Les trois algorithmes les plus courants en analyse combinatoire sont lalgorithme de recherche
locale, dvolution et dhybridation. Le lecteur intress trouvera une prsentation complte des trois
algorithmes dans larticle de Hao et al. (1999).
211

Graphique 4.14 Ensemble des combinaisons possibles, optima locaux

et optimum global
Optima locaux
Optimum global
Chire daaires
Combinaison
Lorsque lalgorithme se situe en dehors de ces optima locaux, il lui est possible dam-
liorer le chire daaires en calculant les combinaisons proches. Par exemple, sur le
graphique, le point A reprsente une situation o lalgorithme peut amliorer le chire
daaires localement. En calculant les deux combinaisons locales, gauche et droite
du point, on conclut que lalgorithme doit se dplacer sur la droite pour augmenter
le chire daaires. Lalgorithme progresse ainsi par sauts successifs.
Par contre, ds lors que lalgorithme se situe sur lun des optima locaux, il nest plus
possible, en recherchant parmi les combinaisons les plus proches, damliorer le chire
daaires. La recherche locale bloque sur cet optimum local. Pour contourner ce pro-
blme, lalgorithme doit pouvoir faire de grands sauts an de tester des combinaisons
plus loignes. Nous dtaillerons cette technique de sauts sous le terme dexploration
lorsque nous prsenterons lheuristique utilise.
212

Bien entendu, au moment ou lalgorithme navigue parmi les combinaisons, nous navons
pas la connaissance de lensemble des optima locaux et de loptimum global comme sur
le graphique 4.14. De ce fait, lorsque lalgorithme sarrte sur une combinaison, nous
savons que celle-ci est un optimum, mais nous ne pouvons pas avoir la certitude quil
sagit de loptimum global.
De plus, ce graphique illustre une situation o il existe seulement deux mouvements pour
chaque combinaison ( gauche ou droite ). Pour notre problme doptimisation,
il existe bien plus de mouvements possibles pour chaque combinaison. Cela complique
la fois la recherche locale et les sauts mener pour contourner les optima locaux.
III.2.3 Prsentation de lheuristique
Sur la base des contraintes de lanalyse que nous souhaitons mener, nous prsentons
prsent lheuristique doptimisation combinatoire que nous employons ici 13 . Celle-ci se
dnit selon quatre caractristiques : linitialisation, le voisinage, la fonction de score et
les stratgies.
Linitialisation de lheuristique dtermine la combinaison de dpart de loptimisation.

Ici, il sagit de la situation actuelle daectation des 1221 managers des 322 units com-
merciales. Linitialisation comprend les informations sur chaque manager ses informa-
tions personnelles, lunit commerciale et lhypermarch dans lequel il est aect et
sur chaque unit commerciale son niveau decacit technique et son chire daaires
estim.
La fonction de voisinage dnit la manire dont on passe dune combinaison une

autre, que lon qualie de proche . Ici, nous utilisons comme fonction de voisinage la
permutation entre deux managers. Pour une combinaison donne, le voisinage comprend
lensemble des permutations entre deux managers respectant les contraintes de mme
13. Nous tenons remercier Yoann Dufresne pour son aide prcieuse dans la comprhension de la
mthode de lheuristique doptimisation combinatoire. Ses explications claires et prcises des enjeux de
la mthode et de son fonctionnement informatique concret ont t indispensables pour la ralisation de
ce travail.
213

Tableau 4.10 Nombre de permutations possibles pour une combinaison donne

selon le secteur commercial
Nombre duni- Taille Nombre de

Nombre de
Secteur ts commer- moyenne permutations
managers
ciales des quipes possibles
1 49 2,67 131 795
2 53 2,51 133 604
3 65 3,57 232 1917
4 78 5,31 414 6406
5 77 4,04 311 2893
Ensemble 322 3.79 1221 12615
secteur commercial et de 40 km de distance maximale. Nous pouvons lavance calculer,

pour chaque secteur commercial, la taille du voisinage. En eet, compte tenu de la stabi-
lit de la taille des quipes et des contraintes gographiques, le nombre de permutations
possibles nest pas trs lev (voir tableau 4.10). Pour autant, il est important de dis-
tinguer le nombre de permutations possibles et nombre de combinaisons possibles : une
permutation est un mouvement concernant deux managers alors quune combinaison est
une situation concernant lensemble des managers. Ainsi, pour le secteur 4, pour chaque
combinaison, il est possible de raliser 6406 permutations direntes pour passer une
autre combinaison (contrairement aux deux mouvements possibles pour le graphique
4.14). Le nombre de combinaisons, pour ce secteur, est donc de lordre de la factorielle
de 6406.
La fonction de score permet dvaluer numriquement chaque combinaison. Nous

utilisons ici comme fonction de score le chire daaires de lensemble des units com-
merciales. Pour lobtenir, nous devons dabord recalculer lecacit technique des units
commerciales concernes par une permutation avec lquation issue de lestimation co-
nomtrique du modle 3 (cf tableau 4.8 page 197) :
E = 0,7839 0,0265 ICS 0,0812 S2 0,0741 S3 + 0,0181 NC
+ 0,0158 HC 0,0025 HC HA + 0,0074 HC HD (4.5)
214

Avec ICS lintensit de la concurrence subie, S2 la variable binaire relative au secteur 2,

S3 celle relative au secteur 3, NC le niveau moyen de comptences, HC lhtrognit
des niveaux de comptences, HA lhtrognit dge et HD lhtrognit des niveaux
de diplme.
Pour les deux units commerciales concernes par la permutation, nous calculons ensuite
le nouveau chire daaires par lquation suivante :
E
CA = CA0 (4.6)
E0
Avec E0 et CA0 lecacit technique et le chire daaires avant permutation. La fonc-

tion de score est la somme des chires daaires de lensemble des units commerciales.
Les stratgies concernent la manire dont seectue le choix entre les combinaisons.
Nous utilisons deux stratgies, selon quon se situe ou non sur un optimum local :
Stratgie dexploitation : Nous testons successivement et alatoirement lensemble

du voisinage. Ds quune permutation augmente le score, celle-ci est eectue et
on recalcule le voisinage. Ainsi, nous nanalysons pas lintgralit dun voisinage
pour choisir la permutation la plus localement ecace, mais nous appliquons une
permutation ds que celle-ci augmente le score 14 . On procde ainsi tant que cela
permet de faire des permutations ;
Stratgie dexploration : Si lexploitation dun voisinage entier ne permet au-

cune permutation, nous sommes face un optimum local : aucune permutation
simple de deux managers ne peut augmenter le score. Pour contourner cet op-
timum local, nous ralisons une exploration. Une exploration consiste eec-
tuer une ou plusieurs permutations sans se proccuper dune baisse du score.
14. Cette stratgie dappliquer la permutation ds la premire augmentation du score est nomme le
first improvement en analyse combinatoire. Cette stratgie peut paratre contre-intuitive pour recher-
cher un optimum global. Mais, au contraire, cette stratgie permet de ne pas systmatiquement stopper
lors dun optimum local. En effet, partir de la situation initiale, sil existe une succession de per-
mutations localement efficaces conduisant un optimum local, lheuristique atteint systmatiquement
cet optimum local. linverse, en procdant par permutation ds la premire amlioration du score,
lheuristique est stochastique et peut contourner plus facilement ces optima locaux.
215

Ces permutations sont choisies partir de la liste des permutations testes lors
de lexploitation prcdente. Nous eectuons les permutations qui diminuent le
moins le score 15 . Aprs lexploration, lalgorithme reprend la stratgie dexploita-
tion partir de cette nouvelle situation. La stratgie dexploration permet, avec
plusieurs sauts successifs, de contourner les optima locaux et de tester des
combinaisons inaccessibles avec la combinaison initiale et la stratgie dexploita-
tion.
Le panorama gnral de lheuristique est le suivant : pour chaque secteur commercial,

nous appliquons des exploitations tant que cela est possible. Lorsque nous atteignons un
optimum local, nous appliquons des explorations an de le contourner, et ainsi reprendre
des exploitations. Lorsque nous sommes sur un optimum et que le nombre maximal
dexplorations successives (x par un paramtre) est atteint, nous considrons que
nous avons atteint loptimum global ou, du moins, que notre heuristique nest pas en
mesure de contourner cet optimum. Nous passons donc un autre secteur commercial.
Une fois les cinq secteurs commerciaux optimiss, lheuristique sarrte.
Nous xons le nombre maximal dexplorations successives cinq. Si cinq explorations

successives namliorent pas le chire daaires, loptimum atteint est soit global, soit il
ne peut tre contourn. Nous xons une longueur variable pour les explorations. Ainsi, la
premire exploration a une longueur dune permutation, et chaque nouvelle exploration
est deux fois plus longue que la prcdente. Les explorations sont donc de longueur 1,
puis 2, 4, 8 et enn 16 permutations. Cela permet de tester des combinaisons de plus en
plus loignes de loptimum local atteint.
Avant de prsenter les rsultats de notre heuristique pour lenseigne, nous testons la
abilit de celle-ci partir dun problme simpli.
15. Cette stratgie dexploration est nomme recherche par liste tabou et est prsente par Glover
(Glover 1989, 1990a,b). Elle permet dviter les parcours qui ont peu de chance de permettre une hausse
du score en fin dexploration. Ainsi, cette stratgie maximise la probabilit de succs des explorations,
mais est dterministe dans ces choix.
216

III.3 Tests de lheuristique par simulation de donnes
Il nest pas possible de savoir si notre heuristique doptimisation combinatoire conduit

un optimum global. Avec 322 units commerciales et 1221 managers de vente, le nombre
total de combinaisons dquipes pour lensemble des units commerciales est bien trop
grand pour dnombrer et tester toutes les combinaisons. Si cela tait possible, nous
nutiliserions dailleurs pas cette heuristique.
Nanmoins, il est possible de raliser direntes simulations plus petite chelle an de

tester la abilit de lheuristique. En eet, si lon sintresse un nombre rduit dunits
commerciales, il est possible de tester lensemble des combinaisons et donc de trouver
la combinaison optimale. Nous pouvons alors tester si lheuristique atteint cet optimum
global ou si elle se bloque sur un optimum local. En ralisant cette simulation un grand
nombre de fois, nous pouvons nous assurer de la abilit de notre dmarche.
III.3.1 Taille des simulations
Le nombre dunits commerciales et leur proximit gographique aectent les possibilits

de permutation. Notamment, certains optima locaux peuvent tre provoqus par la faible
taille du voisinage ou par un grand nombre dunits commerciales.
Pour cela, nous testons notre heuristique pour deux, trois et quatre units commerciales,
chacune comprenant 3 managers 16 . Il nest pas possible de raliser des simulations pour
plus de 4 units commerciales, car le nombre total de combinaisons est dj trop lev
pour nos ressources informatiques. Le nombre de combinaisons possibles, respectivement
pour deux, trois et quatre units commerciales, est de 20, 1680 et 13 833. Pour cinq units
commerciales, ce nombre serait suprieur cinq millions.
16. Dautres tests ont t raliss, avec un nombre de managers plus lev et avec une rpartition non
homogne des membres par quipes, sans modifications sensibles des rsultats prsents.
217

Pour les trois cas, nous appliquons la mme hypothse de proximit gographique :
chaque unit commerciale est proche de deux autres units commerciales et seulement
deux. Le schma 4.2a illustre les trois cas.
Schma 4.2 Proximit selon le nombre dunits commerciales
(a) Deux units (b) Trois units (c) Quatre units

commerciales commerciales commerciales
III.3.2 Fiabilit de lheuristique
Nous avons ralis 50 simulations de lheuristique, pour deux, trois et quatre units
commerciales. chaque itration, nous construisons alatoirement une base de donnes
dunits commerciales. Le chire daaires initial est x 100 000 par unit commer-
ciale. Nous listons ensuite toutes les combinaisons dquipes an de calculer loptimum
global. Enn, on applique lheuristique sur la base de donnes et on compare les rsultats
obtenus avec loptimal global.
Le tableau 4.11 ci-contre rsume les rsultats des 50 simulations. Nous reportons pour
chaque cas le chire daaires moyen atteint par lheuristique, la frquence avec laquelle
lheuristique atteint loptimum global, la proximit moyenne avec cet optimum global 17
et le nombre moyen de permutations de dexplorations eectues.
Mme avec un nombre rduit dunits commerciales, lheuristique natteint pas systma-
tiquement loptimum global. Par exemple, pour deux units commerciales, lheuristique
17. La proximit est ici le rapport entre la progression ralise (diffrence entre le chiffre daffaires
atteint et celui de dpart) et la progression ralisable (diffrence entre le chiffre daffaires globalement
optimal et celui de dpart).
218

Tableau 4.11 Rsultats des simulations de lheuristique
Nombre dunits commerciales

2 3 4
Chiffre daffaires atteint 201 548,1 304 659,5 405 812,2
Frquence avec laquelle lheuristique a 34 35 22
atteint loptimum global
Proximit avec loptimum global 99,32 % 99,81 % 97,67 %
Nombre moyen dexplorations effectues 2,22 5,5 6,72
Nombre moyen de permutations 112,16 393,58 326,66
effectues
Donnes moyennes sur 50 simulations
atteint loptimum global 34 fois sur les 50 simulations. Ce nombre diminue avec laug-
mentation du nombre dunits commerciales. Ds lors, il est peu probable que, pour 322
units commerciales, lheuristique atteigne coup sr loptimum global.
Pour autant, lheuristique sapproche de trs prs de loptimum global, et ce quel que
soit le nombre dunits commerciales. Ainsi, pour quatre units commerciales, la pro-
gression du chire daaires reprsente 97,67 % de la progression ralisable. Lheuristique
permet donc daugmenter sensiblement le chire daaires et sapproche trs prs de
loptimum global.
Au nal, nous remarquons que lheuristique ne teste quun nombre rduit de combinaison
pour atteindre loptimum (global ou local). Par exemple, pour trois units commerciales,
le nombre total de combinaisons est de 1680. Malgr cela, lheuristique na eectu en
moyenne que 393,58 permutations et 5,5 explorations.
Ces rsultats conrment la abilit de lheuristique pour accrotre sensiblement le chire

daaires. Sil y a quune faible probabilit datteindre loptimum, cette simulation in-
dique toutefois que lheuristique sen rapproche trs fortement. De plus, nous navons
pas report les statistiques dans le tableau 4.11, mais la dure des simulations fut rela-
219

tivement courte. Mme sur un grand nombre de donnes, il serait alors possible, dans
un temps raisonnable, de trouver une combinaison proche de loptimum global.
Lheuristique peut prsent tre applique nos donnes. La sous-section suivante en

prsente les rsultats.
III.4 Rsultats et discussions
Dans la mesure o lheuristique a une faible probabilit datteindre loptimum global, et

an dobtenir des rsultats stables, nous avons ralis 100 fois la mme heuristique. Pour
chaque indicateur analys (augmentation du chire daaires, nombre de permutations,
modication des niveaux dhtrognit, etc.), le coecient de variation pour les 100
heuristiques est infrieur 5 %. Les 100 heuristiques conduisent donc des rsultats
stables, ce qui semble indiquer que nous sommes proches de loptimum global. Les
rsultats prsents dans cette sous-section proviennent de lheuristique ayant permis
la plus forte hausse du chire daaires.
Ces rsultats visent conrmer lintrt pour lenseigne de mener une telle rorganisa-
tion des quipes de managers de vente. Trois rsultats sont prsents successivement. Le
premier porte sur laugmentation globale du chire daaires et la abilit de lheuris-
tique. Le deuxime porte sur la modication de la composition des quipes de managers.
Enn, le troisime porte sur les hausses locales (pour les units commerciales) et globales
(pour lenseigne) du chire daaires.
III.4.1 Progression globale du chiffre daffaires
La rorganisation des quipes de managers augmenterait en moyenne le chire daaires

de 1,61 %, soit 148 millions deuros. Lvolution du chire daaires dire fortement
selon le secteur observ. Laugmentation serait de 8,2 millions deuros pour le secteur 1
contre 87 millions deuros pour le secteur 4.
220

Graphique 4.15 volution du chire daaires pour le secteur 3
18 A
B
16
Chire daaires (en millions deuros)
14
12
10
4
Exploitations
2 Explorations
0
50 100 150 200 250 300 350 400
Permutation
Pour illustrer la progression du chire daaires, le graphique 4.15 reprsente lvolution

du chire daaires du secteur 3 (les graphiques pour chacun des quatre autres secteurs
sont disponibles en annexe, voir pages 256 258).
Pour optimiser le chire daaires du secteur 3, lheuristique a eectu 375 permutations.

Nous indiquons en noir la stratgie dexploitation et en gris celle dexploration. Le chire
daaires supplmentaire atteint pour le secteur 3 est denviron 17,8 millions deuros (le
point A sur le graphique).
Sur ce graphique, on remarque que quatre explorations ont permis de contourner des
optima locaux. Pour autant, la simple stratgie dexploitation permet datteindre un
optimum local dj trs lev : Le premier optimum local fut atteint pour un chire
daaires denviron 17,09 millions deuros (le point B sur le graphique). La faible pro-
221

gression par exploration et la stabilit du chire daaires optimal sur les 100 heuristiques
conduisent penser que cet optimum est proche de loptimum global.
Pour les secteurs 1 5, la progression du chire daaires est respectivement de 1,46 %,

1,57 %, 1,56 %, 1,73 % et 1,92 %. Pour les cinq secteurs et pour lensemble des simula-
tions, le chire daaires obtenu uniquement avec la simple stratgie dexploitation est
proche de loptimum atteint.
Ces rsultats dmontrent lintrt nancier que peut avoir lenseigne raliser cette ror-
ganisation. Loptimisation des quipes de managers de vente permettrait ainsi dobtenir
une hausse trs sensible du chire daaires global. Ensuite, la faisabilit dune telle r-
organisation est grande : un petit nombre de permutations permettent une progression
sensible du chire daaires.
III.4.2 Modification de la composition des quipes
Au terme de la procdure doptimisation, 764 managers de vente en moyenne sont per-

muts, concernant 282 units commerciales. Il ny a pas de prol type de managers
ayant permut (voir tableau 4.12). Sur les variables dge, de niveaux de comptences
et de niveaux de diplme, il ny a pratiquement aucune dirence de prol entre les 764
managers permuts et les 457 non permuts.
Tableau 4.12 Prol moyen des managers de vente ayant, ou non, permut
Niveau de
Niveau de
N comp- ge
diplme
tences
Managers 764 4,72 38,01 2,30
permuts
Managers non 457 4,98 38,63 2,08
permuts
Ensemble des 1221 4,82 38,25 2,22
managers
222

De surcroit, la composition moyenne nest pas modie par la raectation. Le niveau

moyen de comptences, lge moyen et le niveau moyen de diplme sont pratiquement
identiques entre la situation initiale et celle aprs optimisation du chire daaires. Cela
signie quil est possible de faire varier lhtrognit des quipes tout en maintenant
constant leur composition moyenne. Ceci rend la rorganisation plus facile mettre en
uvre car, par exemple, les units ne perdent pas de comptences.
De manire attendue, les niveaux dhtrognit des quipes ont t fortement modis
par loptimisation (tableau 4.13). Ces volutions dcoulent logiquement des rsultats
du modle 3 : les htrognits de niveaux de comptences et de niveaux de diplme
augmentent lecacit technique et sont donc favorises dans les quipes ; lhtrognit
dge rduit lecacit technique et se trouve donc limite. Lapport de lheuristique
est ici de chirer concrtement quelles sont les modications possibles de ces niveaux
dhtrognit. Lhtrognit des niveaux de comptences et des niveaux de diplme
ont ainsi augment en moyenne de 10 % et 12 %, lhtrognit dge a diminu de 23 %.
Tableau 4.13 Modication de lhtrognit des quipes
Initial Final volution

Htrognit des niveaux de comptences 1,01 1.12 +10%
Htrognit dge 7,41 5.65 23%
Htrognit des niveaux de diplme 2,49 2.77 +12%
III.4.3 Progression localise et globale du chiffre daffaires
Sur les 322 units commerciales, 40 ne sont pas aectes par loptimisation : leur quipe
de managers de vente reste lidentique. Pour les 282 units aectes par loptimisation,
nous notons que 199 dentre elles connaissent une hausse du chire daaires (de 2,8 %
en moyenne) et seulement 83 dentre elles connaissent une baisse du chire daaires (de
1,3 % en moyenne).
223

Ces rsultats dmontrent quune grande part des responsables des units commerciales
seraient favorables cette politique de rorganisation. En eet, pour la plupart dentre
eux, le chire daaires de leur unit commerciale serait constant ou en hausse. De plus,
mme pour les units commerciales achant une baisse de leur chire daaires, cette
baisse resterait faible.
Ce rsultat peut sexpliquer, en partie, par le fait que nous analysons lhtrognit
des quipes. En eet, deux units commerciales peuvent, par une permutation, accrotre
chacune leur niveau dhtrognit. Les deux units commerciales peuvent donc bn-
cier de cette permutation. En observant lquipe et non lindividu, il ny a pas de perte
ou de gain de managers expriments ou dbutants, mais une modication des niveaux
dhtrognit des quipes.
Pour autant, le rsultat observ est intressant, car il nest pas cod explicitement dans
lheuristique doptimisation. Le seul critre de lheuristique est celui de la hausse globale
du chire daaires, quel que soit le chire daaires des units commerciales. Ceci
suggre alors quune politique centralise de rorganisation des quipes de managers de
vente pourrait tre acceptable galement au niveau local.
Nous dnissons par politique centralise de gestion des ressources humaines une action
provenant de la direction de lenseigne. Nous faisons lhypothse que, au niveau de len-
seigne, cest le chire daaires global qui importe. Nous dnissons par politique dcen-
tralise de gestion des ressources humaines une action provenant de chaque responsable
dunit commerciale. Nous faisons lhypothse que, lors dune politique dcentralise, un
responsable dune unit commerciale accepte de raliser une permutation que si elle lui
est favorable. Ces deux politiques de management ont leurs avantages et inconvnients.
La politique centralise permet une vision globale des ressources humaines disponibles
dans lorganisation, mais peut conduire une certaine forme de mimtisme (application
de la mme stratgie lensemble des units commerciales sans prise en considration
224

des particularits). La politique dcentralise permet, au contraire, une prise en compte

des intrts de chaque unit, au dtriment nanmoins de lintrt global de lenseigne.
Ces deux politiques ne sont pas ncessairement opposes, mais peuvent conduire des
rsultats dirents. Notamment, la politique dcentralise requiert une contrainte sup-
plmentaire : le fait que les deux units commerciales soient bnciaires dans la permu-
tation. linverse, la politique centralise requiert uniquement que la somme des gains
et pertes soit positive. On peut donc sattendre une hausse de chire daaires global
plus faible avec une politique dcentralise.
Pour mieux comprendre leet de ces deux politiques, nous avons test une variante de
lheuristique doptimisation avec la contrainte suivante : la permutation nest eective
que si le chire daaires des deux units commerciales concernes augmente. Nous
cherchons alors mesurer limpact de cette contrainte sur le chire daaires global et
sur la structure des permutations. Cette variante a t mene galement 100 fois.
En moyenne, laugmentation du chire daaires serait plus faible que prcdemment

avec cette nouvelle contrainte. Il augmenterait ainsi de 1,36 % seulement. Ceci est at-
tendu du fait de la contrainte supplmentaire. Nous constatons que la hausse de chire
daaires est nettement plus faible avec cette contrainte. La modication de la compo-
sition des quipes de managers est sensiblement identique avec cette variante : lht-
rognit des niveaux de comptences et de niveaux de diplme augmentent (de 11 %
chacun en moyenne) et celle dge diminue (de 20 % en moyenne).
Ces rsultats indiquent que lheuristique sans contrainte sur laugmentation du chire
daaires de chaque unit commerciale permettrait datteindre un niveau de chire daf-
faires signicativement plus lev, tout en garantissant une grande majorit des units
commerciales une hausse de leur chire daaires. Une politique centralise de la gestion
des ressources humaines apparat donc comme prfrable, au niveau global comme, dans
une large majorit, au niveau local.
225

Conclusion
Lobjectif de ce chapitre tait dexpliquer lecacit technique des units commerciales

par la composition des quipes de managers de vente et ainsi mettre en lumire les liens
existant entre htrognit et ecacit technique. La premire tape fut didentier
direntes variables explicatives internes et externes lquipe de managers dont
plusieurs formes de lhtrognit. Une fois ces variables prsentes et tudies indivi-
duellement, trois modles conomtriques ont t raliss an de tester les direntes
hypothses mises dans le chapitre 2.
Tout dabord, nos rsultats appuient notre premire hypothse selon laquelle lhtro-
gnit est multidimensionnelle. Chaque forme de lhtrognit possderait bien les
deux dimensions lune fonctionnelle et lautre psychosociale qui aectent direm-
ment lecacit technique de lquipe. Le modle conomtrique teste nous permet de
conrmer lhypothse que lhtrognit des niveaux de comptences est essentiellement
fonctionnelle et que lhtrognit dge est essentiellement psychosociale. Lhtrog-
nit des niveaux de diplme et de genre serait de type mixte.
En eet, partant du postulat que les eets des dimensions de lhtrognit sont simul-
tans sur lecacit technique, nous dmontrons que leet de la dimension fonctionnelle
de lhtrognit est dominant pour un faible niveau dhtrognit. Les dirences
entre les membres de lquipe permettraient ainsi dapporter de nouvelles ides et aug-
menteraient sa crativit, sans nuire sa cohsion. Par contre, au-del dun certain
seuil, dpend de la forme de lhtrognit et du type dquipe, leet de la dimension
psychosociale devient dominant et leet global sur lecacit technique est ngatif.
Enn, partant du postulant que les dimensions de lhtrognit interagissent, nos

rsultats appuient lhypothse de frein de la dimension psychosociale sur leet de la di-
mension fonctionnelle sur lecacit technique. Les rsultats obtenus soutiennent mme
lhypothse que la dimension psychosociale peut, au-del dun certain seuil, rendre toutes
226

Conclusion
les formes de lhtrognit nfaste lecacit technique. Les dirences entre les
membres de lquipe seraient alors telles quaucune communication ne pourrait avoir
lieu sans conits, rduisant ainsi tout intrt aux dirences dexpertise ou dexprience
professionnelle.
Les deux dernires hypothses que nous avons valides dpendent de deux postulats
dirents. Le travail conomtrique que nous avons men ne nous permet pas de pri-
vilgier lun plus quun autre et nous ne souhaitons pas le faire dans le cadre de cette
thse. Au contraire, lutilisation de ces deux postulats permet dinsister sur deux aspects
complmentaires des eets de lhtrognit multidimensionnelle sur le fonctionnement
du travail en quipe. Le travail eectu sur les deux hypothses a notamment permis de
proposer des recommandations direntes en terme de politique de gestion des ressources
humaines, insistant chacune sur un aspect particulier de lhtrognit.
Pour nir, nous avons prsent une application concrte des rsultats de ce chapitre et
de cette thse, savoir la rorganisation des quipes de managers de vente. Ce travail
prospectif visait connatre concrtement les possibilits daugmentation du chire daf-
faires pour lenseigne de distribution sur la base des rsultats conomtriques obtenus.
Nous avons montr quil sagit dun problme danalyse combinatoire et nous avons pro-
pos une mthode de rsolution de ce problme. Les rsultats que nous avons obtenus
dmontrent limportance de la prise en compte de lhtrognit des quipes sur les
rsultats conomiques dune organisation.
227


Conclusion gnrale
La diversit est un sujet dsormais courant en France dans les mdias, dans les dbats
politiques, dans les pratiques managriales et dans la recherche acadmique. Nomme
sous ce terme, la diversit renvoie frquemment labsence de discrimination envers des
minorits dans une organisation, quelle quelle soit. Ainsi prsente, la diversit est
ncessairement souhaitable car les discriminations ne le sont pas. Dun point de vue
social et politique tout dabord, mais galement dun point de vue conomique, car des
travaux tendent montrer que les discriminations ont un eet ngatif sur lincitation
leort.
Lhtrognit, comme nous lavons analyse tout au long de cette thse, ne renvoie
pas ces considrations, aussi lgitimes puissent-elles tre. En eet, comme nous lavons
expliqu, labsence dhtrognit dans une quipe de travail est parfaitement compa-
tible avec une absence de discrimination au niveau de lorganisation. Avec une main
duvre diversie, le responsable dquipe peut former des quipes homognes comme
des quipes htrognes, et cest lintrt productif de ce choix que nous avons cherch
mettre en lumire.
An de mener bien cette tche, un travail de conceptualisation a t ncessaire, tant sur

les quipes de travail que sur lhtrognit. Lhtrognit nest pas une notion simple
prendre en compte, tant elle renvoie des formes direntes comme, par exemple,
lhtrognit dge, lhtrognit de genre ou lhtrognit de comptences . Il
nexiste donc pas une htrognit, mais plusieurs formes dhtrognit qui coexistent
229

Conclusion gnrale
au sein de la mme quipe. Par ailleurs, chaque forme de lhtrognit est compose
dune dimension fonctionnelle et dune dimension psychosociale, chacune ayant un eet
dirent sur lquipe. Ce cadre thorique tabli, nous avons pu le confronter aux donnes
de notre tude empirique.
Notre premire conclusion est que leet de lhtrognit sur lecacit technique est
principalement positif. Nos rsultats ont montr cet eet pour de nombreuses formes et
dirents niveaux dhtrognit. Lhtrognit des niveaux de comptences, lh-
trognit des niveaux de diplme et, dans une plus faible mesure, lhtrognit de
genre augmentent statistiquement lecacit technique des quipes de travail que nous
avons tudies. Notre cadre thorique en fournit lexplication. Ces formes de lhtrog-
nit comportent, en eet, une large part de dimension fonctionnelle, si bien que leur
prsence augmenterait la crativit de lquipe et la circulation des connaissances, sans
trop nuire sa cohsion. Leet global sur lecacit technique serait donc positif. Ce
rsultat est particulirement net pour lhtrognit des niveaux de comptences et
lhtrognit des niveaux de diplme. Pour lhtrognit de genre, leet est plus
faible et tendrait devenir ngatif pour un trs haut niveau dhtrognit.
Si lhtrognit a un eet principalement positif sur lecacit technique des quipes

de travail, elle peut aussi avoir des eets ngatifs, ainsi en est-ce de lhtrognit dge.
Cette forme de lhtrognit, mme un trs faible niveau, aecte ngativement le-
cacit technique. nouveau, ce rsultat est comprhensible dans notre cadre thorique.
Lhtrognit dge est en eet essentiellement de dimension psychosociale, dont leet
nfaste sur la cohsion de lquipe, lorsquelle est nest pas introduite seule, primerait
toujours sur leet bnque sur la crativit.
Ces questionnements autour de lhtrognit des quipes de travail ne concernent pas

uniquement les chercheurs en thorie des organisations, mais galement les praticiens
et les responsables des ressources humaines. Ainsi, nous avons montr dans cette thse
limpact nancier considrable dune prise en compte de lhtrognit dans les quipes.
230

Leet dune hausse de chaque forme de lhtrognit a pu tre chir et il est loin
dtre ngligeable. Ces rsultats sont dautant plus intressants pour le responsable des
ressources humaines quil sagit dun levier daction facilement accessible au sein dune
organisation. Nous avons ainsi dmontr, dans le cas de notre enseigne, quune rorgani-
sation raliste des quipes de travail, sur la base des rsultats conomtriques obtenus,
permettrait daugmenter sensiblement lecacit technique de ces quipes et, au-del,
le chire daaires de lensemble de lenseigne.
Une des implications de notre travail est quil faudrait rduire le plus possible le niveau
dhtrognit dge des quipes. Pour autant, alors que nos rsultats sont calculs
toutes choses gales par ailleurs, nous savons quen ralit, les formes dhtrognit ne
sont pas indpendantes. Le niveau de comptences des managers, acquis en partie par
lexprience, est par exemple corrl leur ge ; les plus plus jeunes managers sont gale-
ment, en moyenne, les plus diplms. Diminuer lhtrognit dge peut ainsi conduire
diminuer lhtrognit des niveaux de comptences ou de diplmes, qui agissent
elles positivement sur lecacit technique. Un certain niveau dhtrognit
dge devrait donc tre conserv. Les rsultats de loptimisation du chire daaires du
chapitre 4 indique, ainsi, que lhtrognit dge nest pas annule malgr son impact
ngatif sur lecacit technique.
Par ailleurs, sil nest pas possible de rduire lhtrognit dge son minimum, il
est toutefois possible dagir pour en modier les eets. Nos rsultats montrent, quen
labsence dune politique de ressources humaines adquate, lhtrognit dge a un
eet ngatif sur lecacit technique. Mais on peut arguer que cela doit justement
inciter dvelopper des politiques adquates pour combattre cet eet. En prparant les
membres dune quipe mieux grer les problmes rsultant, par exemple, de dirences
de points de vue, on peut dsamorcer les conits de gnrations et eacer leurs eets
ngatifs sur lecacit technique. Notre travail ouvre donc la perspective de politiques
de ressources humaines volontaires sur lhtrognit des quipes.
231

Conclusion gnrale
Cette nouvelle hypothse ncessiterait cependant dtre confront aux faits, ce qui ap-
pelle dautres investigations empiriques. Lanalyse dquipes sur plusieurs annes,
avant et aprs mise en place dune politique active de dveloppement de la tolrance
vis--vis de la dimension psychosociale de lhtrognit serait une voie de test possible.
Nous pourrions ainsi mesurer la fois lvolution de lhtrognit et lvolution de son
eet sur lecacit technique.
Enn, notre travail, mme sil nous parait dmontrer la validit de notre dcomposition
des formes de lhtrognit en deux dimensions, mriterait dtre complt en testant
nos hypothses sur des quipes de nature dirente : quipes de projet, quipes opra-
tionnelles ou quipes dirigeantes. Les dirences tablies dans le chapitre 1 concernant
les niveaux de hirarchie (interne et externe) et le niveau de spcialisation aectent les
occasions de conits lintrieur dune quipe. Leet de lhtrognit pourrait donc
tre, en partie, dirent pour ces autres types dquipes de travail.
Par ailleurs, un travail qualitatif au cur mme des quipes pourrait sans aucun doute
complter nos conclusions. Des entretiens auprs des membres dune quipe sur leur
perception de lhtrognit permettraient, par exemple, de mesurer lhtrognit
perue et de confronter cette mesure lhtrognit factuelle calcule partir des
formes que nous avons identies (ge, genre, diplme, comptences). Des carts entre
htrognit perue et htrognit factuelle sont, en eet, susceptibles dexpliquer
pourquoi cette htrognit factuelle peut, dans certains cas, ne pas produire les eets
prvues.
Ces nombreuses perspectives de recherche indiquent que notre travail est nalement une
base dans la prise en compte de lhtrognit dans les quipes de travail.
232

Annexes


Annexe A
Illustrations complmentaires
Cette annexe regroupe dirents tableaux et graphiques lis aux chapitre 3 et 4. Ils
sont regroups ici an de faciliter la lecture du corps de la thse. Pour chaque groupe
dillustrations, nous indiquons dans le titre de la section la page laquelle le lecteur doit
se rfrer dans ces chapitres.
Section I Illustrations complmentaires pour le cha-

pitre 3
I.1 Rendements dchelle (page 112)
235

Annexe A Illustrations complmentaires
Graphique A.1 Rendements dchelle pour le secteur 1

(a) Input : Surface
Efficacit partielle (surface) 0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
500 1 000 1 500 2 000 2 500
Surface de vente
(b) Input : Heures
1
0.9
0.8
0.7
0.6
10 20 30 40 50 60 70 80 90
236

Section I Illustrations complmentaires pour le chapitre 3

(a) Input : Surface
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
500 1 000 1 500 2 000 2 500
Surface de vente
(b) Input : Heures
0.9
0.8
0.7
0.6
0.5
0.4
0.3
20 40 60 80 100 120
237


(a) Input : Surface
Efficacit partielle (surface) 0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
1 000 2 000 3 000 4 000 5 000

Surface de vente
(b) Input : Heures
0.9
0.8
0.7
0.6
0.5
10 20 30 40 50 60 70 80 90
238


(a) Input : Surface
0.9
0.8
0.7
0.6
0.5
0.4
0.3
2 000 3 000 4 000 5 000 6 000 7 000
Surface de vente
(b) Input : Heures
0.95
0.9
0.85
0.8
0.75
0.7
0.65
50 100 150 200 250
239


(a) Input : Surface
0.9
0.8
0.7
0.6
0.5
0.4
500 1 000 1 500 2 000 2 500 3 000 3 500

Surface de vente
(b) Input : Heures
0.95
0.9
0.85
0.8
0.75
0.7
0.65
0.6
50 100 150 200 250 300

240

I.2 Distributions des degrs defficacit technique selon les ren-

dements dchelle (page 142)
Graphique A.6 Distribution des degrs decacit pour le secteur 1, selon

3.5
2.5
Densit
2 RE constants
RE croissants
1.5 RE dcroissants
RE variables
1
0.5
0
0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
241


3.5
2.5
Densit
2 RE constants
RE croissants
1.5 RE dcroissants
RE variables
1
0.5
0
0.4 0.5 0.6 0.7 0.8 0.9 1

3.5
3
Densit
2.5
RE constants
2 RE croissants
RE dcroissants
RE variables
1.5
0.5
0.6 0.7 0.8 0.9 1
242


5.5
4.5
3.5
Densit
3 RE constants
RE croissants
2.5
RE dcroissants
2 RE variables
1.5
0.7 0.75 0.8 0.85 0.9 0.95 1


4.5
3.5
3
Densit
2.5 RE constants
RE croissants
2 RE dcroissants
RE variables
1.5
0.5
0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
243

I.3 Corrlation entre les mthodes de calcul de lefficacit tech-

nique (page 151)
Graphique A.11 Units commerciales du secteur 1 robustes aux

deux mesures de lecacit
1 Units conserves
Units cartes
Fonction de production (CES)
0.8
0.6
0.4
0.2
0.4 0.5 0.6 0.7 0.8 0.9 1

244


1 Units conserves
Units cartes
0.8
0.6
0.4
0.2
0.4 0.5 0.6 0.7 0.8 0.9 1


1 Units conserves
Units cartes
0.8
0.6
0.4
0.2
0.4 0.5 0.6 0.7 0.8 0.9 1

245


1 Units conserves
Units cartes
Fonction de production (CES) 0.8
0.6
0.4
0.2
0.4 0.5 0.6 0.7 0.8 0.9 1


1 Units conserves
Units cartes
0.8
0.6
0.4
0.2
0.4 0.5 0.6 0.7 0.8 0.9 1

246

Section II Illustrations complmentaires pour le chapitre 4
Section II Illustrations complmentaires pour le cha-

pitre 4
II.1 Distribution des units commerciales selon leur efficacit

technique (page 176)
Graphique A.16 Distribution des units commerciales du secteur 1

selon leur ecacit technique
30
25
20
Frquence
15
10
0
0.5 0.6 0.7 0.8 0.9 1
Efficacit technique
247


30
25
20
Frquence
15
10
0
0.5 0.6 0.7 0.8 0.9 1
Efficacit technique

30
25
20
Frquence
15
10
0
0.5 0.6 0.7 0.8 0.9 1
Efficacit technique
248


30
25
20
Frquence
15
10
0
0.5 0.6 0.7 0.8 0.9 1
Efficacit technique

30
25
20
Frquence
15
10
0
0.5 0.6 0.7 0.8 0.9 1
Efficacit technique
249

II.2 Rgressions conomtriques complmentaires
II.2.1 Sensibilit des rsultats conomtriques aux donnes moins robustes

(page 179)
Tableau A.1 Introduction des donnes moins robustes dans le modle 1

Constante 0,9057 0,0113 80,07 < 0,001
Variables externes
subie
Secteur 1 0,0421 0,0139 3,02 0,0026
Secteur 2 0,1035 0,0140 7,39 < 0,001
Secteur 3 0,0964 0,0126 7,67 < 0,001
Secteur 5 0,0211 0,0127 1,66 0,0967
R2 = 0,1891, R2 ajust = 0,1804
250


Constante 0,8485 0,0403 21,05 < 0,001
Variables externes
subie
Secteur 1 0,0378 0,0146 2,60 0,0097
Secteur 2 0,1026 0,0155 6,62 < 0,001
Secteur 3 0,0939 0,0127 7,39 < 0,001
Secteur 5 0,0273 0,0126 2,16 0,0313
Variables internes
Niveau moyen de 0,0119 0,0065 1,84 0,0669
comptence
comptence
comptence (carr)
Htrognit dge 0,0036 0,0044 0,84 0,4031
Htrognit de lge 0,0003 0,0003 1,08 0,2799
(carr)
diplme
diplme (carr)
(carr)
Test de significativit : . (< 0,1) | * (<0,05) | ** (<0,01) | *** (<0,001)
R2 = 0,2249, R2 ajust = 0,201
251


Constante 0,8452 0,0420 20,12 < 0,001
Variables externes
subie
Secteur 1 0,0399 0,0144 2,77 0,0058
Secteur 2 0,0978 0,0152 6,43 < 0,001
Secteur 3 0,0902 0,0128 7,04 < 0,001
Secteur 5 0,0249 0,0127 1,96 0,0505
Variables internes
Niveau moyen de 0,0127 0,0065 1,94 0,0527
comptence
comptence
Htrognit dge 0,0009 0,0026 0,36 0,7196
diplme
Niveaux de comptence * 0,0019 0,0022 0,87 0,3858
ge
Niveaux de comptence * 0,0123 0,0064 1,92 0,0552
diplme
genre
Application dun stepwise bidirectionnel (critre dAIC)
R2 = 0,2083, R2 ajust = 0,1856
252

II.2.2 Htrognit dge et efficacit technique (page 191)
Tableau A.4 Variante du modle 2 : Eets de lhtrognit dge


Constante 0,8159 0,0361 22,59 < 0,001
Variables externes
ICS_den 0,0262 0,0058 4,53 < 0,001
Secteur 1 0,0166 0,0147 1,13 0,2577
Secteur 2 0,0981 0,0139 7,07 < 0,001
Secteur 3 0,0891 0,0129 6,93 < 0,001
Secteur 5 0,0171 0,0123 1,39 0,1641
Variables internes
Niveau moyen de 0,0162 0,0065 2,50 0,0128
comptence
Htrognit dge 0,0035 0,0040 0,87 0,3834
Htrognit dge (au 0,0003 0,0002 1,28 0,2024
carr)
Test de significativit : . (< 0,1) | * (<0,05) | ** (<0,01) | *** (<0,001)
R2 = 0,2435, R2 ajust = 0,2285
Daprs les donnes du tableau A.4, en suivant la mme mthodologie que dans le corps
du chapitre 4 (voir page 185), lextremum du niveau dhtrognit dge est, avec cette
variante, de 5,75. partir de ce rsultat, le graphique A.21 page suivante illustre leet
global de lhtrognit dge sur lecacit technique.
253

Graphique A.21 Eet individuel de lhtrognit dge

0.06
Htrognit dge
0.04
0.02
Efficacit technique
0.00
0.02
0.04
0 2 4 6 8 10 12 14 16 18 20
Htrognit dge
(Donnes issues du tableau A.4)
254

II.2.3 Variables de croisement et efficacit technique (page 196)
Tableau A.5 Modle 3 : Eets des variables de croisement sur lecacit technique

Constante 0,8089 0,0416 19,44 < 0,001
Variables externes
Intensit de la concurrence subie 0,0266 0,0058 4,62 < 0,001
Secteur 1 0,0175 0,0150 1,17 0,2415
Secteur 2 0,0968 0,0147 6,58 < 0,001
Secteur 3 0,0847 0,0129 6,56 < 0,001
Secteur 5 0,0206 0,0122 1,69 0,0925
Variables internes
Niveau moyen de comptence 0,0186 0,0066 2,83 0,0049
comptence
Htrognit dge 0,0003 0,0026 0,12 0,9009
diplme
Niveaux de comptence * ge 0,0028 0,0022 1,27 0,2035
Niveaux de comptence * diplme 0,0108 0,0065 1,66 0,0975
Niveaux de comptence * femme 0,0088 0,0360 0,25 0,8059
R2 = 0,2613, R2 ajust = 0,2371
255

II.3 volution du chiffre daffaires selon le secteur (page 220)
Graphique A.22 volution du chire daaires pour le secteur 1

2
Explorations
Exploitations
0
20 40 60 80 100 120 140 160
Permutation
256

12
10
2 Explorations
Exploitations
0
20 40 60 80 100 120 140 160
Permutation
18
16
14
12
10
8
6
4 Explorations
2 Exploitations
0
50 100 150 200 250 300 350 400
Permutation
257


80
60
40
20
Explorations
Exploitations
0
100 200 300 400 500 600
Permutation
30
25
20
15
10
5 Explorations
Exploitations
0
50 100 150 200 250 300 350
Permutation
258

Annexe B
Analyse lexicomtrique des

termes diversit et
htrognit
Introduction
Cette annexe a pour objectif danalyser les usages des termes diversit et htro-
gnit dans la littrature scientique. Ces termes renvoient, daprs nous, la mme
notion de dirences entre des individus et nous essayons de comprendre comment les
deux termes sont utiliss par les chercheurs eux-mmes. Par une dmarche mthodolo-
gique similaire celle employe pour tudier lvolution de lappellation du critre de
Pareto (Berthonnet et Delclite 2014), nous proposons une analyse statique et historique
des usages des termes diversit et htrognit dans la littrature.
Nous ne souhaitons pas analyser, ici, la pense ou les recherches de quelques auteurs,
mais comprendre lusage des termes par la communaut des chercheurs. De ce fait,
lanalyse des usages requiert au pralable la constitution dune large base de donnes
259

Annexe B Analyse lexicomtrique des termes diversit et htrognit
bibliographique. Nous avons donc besoin de collecter un grand nombre de rfrences,

pour un large panel de revues scientiques et sur une longue priode.
Les bases de donnes darticles scientiques actuelles permettent davoir accs une
large littrature, mais elles ne mettent pas disposition des chercheurs des tableaux
synthtiques aisment accessibles. Pour autant, nous le montrerons dans cette annexe,
la constitution de telles bases de donnes est dsormais accessible laide doutils infor-
matiques que nous prsenterons rapidement.
Nous avons ainsi extrait un corpus de 8207 articles scientiques publis dans des revues
comit de lecture entre 1985 et 2012, traitant des quipes de travail et contenant les
termes diversit ou htrognit . Sur ce corpus, nous disposons des informations
concernant le titre de larticle, le nom des auteurs, lanne de publication et les sujets
de larticle. Ces sujets dtude sont dnis partir de la classication en code JEL qui
est actuellement la classication la plus courante des articles en conomie.
Dans cette annexe, nous analyserons les usages de trois manires successives. Tout
dabord, nous eectuerons une analyse croise des usages de la diversit et de lhtro-
gnit. Cette analyse croise permettra de savoir quel est le terme le plus couramment
utilis et si les deux termes sont utiliss comme des synonymes. Nous analyserons en-
suite lvolution temporelle des usages, sur une priode de trente ans. Nous chercherons
alors savoir si les conclusions de lanalyse croise sont stables dans le temps. Enn,
nous analyserons les sujets dtude de lensemble des articles de notre corpus. Cette
dernire analyse permettra de dterminer les domaines dtude o le terme diversit
est prfr au terme htrognit et inversement.
La premire section revient sur la mthode dextraction de la base de donnes. La

deuxime section traite de lanalyse croise des termes. La troisime section concerne
lvolution temporelle des usages. Finalement, la quatrime section catgorise les usages
selon les domaines de recherche.
260

Section I Extraction des donnes
Section I Extraction des donnes
Pour constituer le corpus de rfrences scientiques permettant lanalyse, nous nous

sommes limits aux articles scientiques publis dans des revues comit de lecture : les
articles scientiques sont dsormais la forme de publication la plus courante et ceux-ci
ont lavantage dtre accessibles aisment avec les bases de donnes de revues lec-
troniques. Nous avons choisi comme base de donnes la base EconLit, constitue par
lAmerican Economic Association comme sa bibliographie lectronique. Cette base de
donnes darticles scientiques lavantage dtre constitue par et pour des scienti-
ques, linverse des bases telles que Jstor ou ScienceDirect. De plus, elle concerne la
discipline conomique dans laquelle nous nous inscrivons, tout en prenant en compte
les rfrences dautres disciplines. Par contre, ltude est ralise uniquement sur des
publications anglophones, car la trs grande majorit des revues rfrences par la base
EconLit sont anglo-saxonnes.
Econlit rfrence des articles, mais ne permet pas dextraire automatiquement un corpus
comme nous le souhaitons. Les informations sur les articles (anne de publication, revue,
auteurs, etc.) sont consultables, mais ils ne sont pas directement disponibles sous forme,
par exemple, dun tableau synthtique. Nanmoins, il est dsormais possible, laide
doutils informatiques simples, de raliser cette extraction sur un site internet et de
raliser soi-mme le tableau souhait. Le logiciel que nous avons utilis ici est iMacros.
Ce logiciel permet dautomatiser des actions simples sur un site internet et dextraire des
bases de donnes partir de sources diverses. Les donnes utilises dans cette annexe
proviennent toutes de la base de donnes Econlit et sont collectes laide du logiciel
iMacros. Le script dextraction des donnes est indiqu dans lencadr B.1 page suivante.
Tout dabord, nous avons restreint notre analyse aux publications traitant des quipes
de travail. Pour cela, nous avons recherch lensemble des articles contenant le terme
team ou le terme group dans le rsum et publis avant lanne 2013 dans des
261

Encadr B.1 Script dextraction automatique des rfrences bibliographiques
Le chercheur doit, dans un premier temps, accder la base de donnes Econlit.

Une fois les requtes de recherche indiques, le site web ache les rsultats sous la
forme dun tableau central indiquant 50 publications. Le premier code fonctionne
avec le logiciel iMacros. Le programme extrait le tableau de rsultat puis clique sur
le lien pour acher le tableau de rsultats suivants. Il faut lancer le programme
autant de fois que le nombre de tableaux extraire.
SET !VAR1 C: Emplacement du fichier extrait
TAG POS=1 TYPE=DIV ATTR=ID:resultListControl EXTRACT=HTM Extraire tableau
SAVEAS TYPE=EXTRACT FOLDER={{!VAR1}} FILE=base_imacros.txt Exporter tableau
TAG POS=1 TYPE=A ATTR=ID:ctl00_ctl00_MainContentArea_MainContentArea_bottom~

~MultiPage_lnkNext Aller la page suivante des rsultats
revues comit de lecture. La base Econlit rfrenait, au moment o la recherche a t

eectue (aot 2014), 29 862 articles scientiques respectant les critres ci-dessus.
Ensuite, nous avons an notre recherche autour de la diversit et de lhtrognit.

Ainsi, comme contrainte supplmentaire, les articles doivent contenir le terme diver-
sit ou le terme htrognit 1 dans le titre, le rsum ou le corps du texte. Sur les
29 862 articles, 8207 respectent cette nouvelle contrainte et contiennent au moins une
fois lun des deux termes. Ces 8207 articles forment notre corpus pour la suite de ltude.
Les articles de notre corpus sont rpartis entre 1985 2 et 2012, avec une croissance excep-
tionnelle de leur nombre par anne. Le graphique B.1 ci-contre illustre cette croissance
et la compare avec celle du nombre total darticles scientiques rfrencs sur Econlit.
Les deux chelles sont direntes : le nombre darticles de la base Econlit est environ 50
fois plus lev que celui des articles de notre corpus.
1. Nous avons inclus les variantes des deux termes dans la recherche. Ainsi, les mots-cls utiliss
sur le moteur de recherche de la base de Econlit taient divers* et heteroge* . Cela permet de
capter, entre autres, les termes diversely , diversify , heterogeneous ou heterogeneousness .
2. Econlit dispose de peu de rfrences bibliographiques avec titre, rsum et texte complet de
larticle avant les annes 1980. Alors que des travaux acadmiques existent avant cette date sur lht-
rognit des quipes de travail, cela explique leur absence dans notre corpus.
262

Section II Exclusivit des usages
Graphique B.1 Comparaison historique de notre corpus

et de la base de donnes Econlit
1 000 50 000
Notre corpus
900 Tout Econlit 45 000
800 40 000
Nombre darticles (tout EconLit)

Nombre darticles (notre corpus)
700 35 000
600 30 000
500 25 000
400 20 000
300 15 000
200 10 000
100 5 000
0 0
1970 1980 1990 2000 2010
Anne
Le nombre darticles de notre corpus crot denviron 20 % chaque anne. Cette croissance
est nettement suprieure celle du nombre total darticles rfrencs sur Econlit (environ
5,5 %). Lhtrognit des quipes de travail serait ainsi un sujet de plus en plus pris
par les chercheurs conomistes.
Section II Exclusivit des usages
Pour amorcer ltude, nous analysons les usages des deux termes htrognit et
diversit dans les articles de notre corpus. Pour cela, nous sparons les articles en
3 catgories : (1) ceux qui utilisent exclusivement le terme diversit , (2) ceux qui
utilisent exclusivement le terme htrognit et (3) ceux qui utilisent indiremment
les deux termes. Le tableau B.1 page suivante classe lensemble des articles dans ces trois
catgories.
263

Tableau B.1 Rpartition des articles selon la prsence

des termes htrognit ou diversit
Prsence du
Absence du terme
terme Total
htrognit
htrognit
Absence du terme diversit 21655 2304 23959
Prsence du terme diversit 4523 1380 5903
Total 26178 3684 29862
Sur les 8207 articles, plus de la moiti (4523 articles) utilisent uniquement le terme
diversit . De mme, plus du quart dentre eux utilisent uniquement le terme ht-
rognit . Seuls 17 % environ des articles utilisent simultanment les deux termes.
Ainsi, premier rsultat notable de notre tude, nous remarquons quune trs large ma-
jorit des articles se direncie dans leur usage entre lhtrognit et la diversit.
Certains utilisent le terme diversit , certains utilisent le terme htrognit ,
mais peu utilisent les deux termes dans un mme article. Sil sagissait de parfaits sy-
nonymes, nous supposons que les deux termes seraient utiliss simultanment dans un
mme article. Ce nest pas le cas ici. Les auteurs font un choix entre les deux termes
et sy tiennent tout au long de leur article. Nous essayons, dans la suite de cette tude,
danalyser ce choix.
Section III Tendance historique des usages
Nous disposons, pour lensemble des articles de notre corpus, de lanne de publication.
laide de cette donne, nous tudions prsent lvolution historique des trois catgories
darticles. Cela permet de savoir si lun des termes a supplant lautre, ou si les usages
sont rests stables au cours du temps.
Le graphique B.2 ci-contre illustre les trois volutions historiques entre 1985 et 2012. Il
indique, pour chaque anne, la proportion des articles dans chacune des trois catgories.
Donc, pour chaque anne, la somme des proportions vaut toujours 1.
264

Section III Tendance historique des usages
Graphique B.2 volution de la proportion des articles utilisant

les termes htrognit ou diversit
1
Exclusivement diversit
0.9 Exclusivement htrognit
Les deux
0.8
0.7
Proportion
0.6
0.5
0.4
0.3
0.2
0.1
1990 1995 2000 2005 2010

Anne
Comme lindique le graphique, mis part le dbut des annes 1980, o le faible nombre
darticles de notre corpus se rfre uniquement lhtrognit, les proportions de
lusage exclusif du terme diversit et de celle du terme htrognit sont relati-
vement stables dans le temps. Quelle que soit lanne, les articles utilisant exclusivement
le terme diversit forment entre 50 % et 60 % du corpus. De mme, la proportion des
articles utilisant exclusivement le terme htrognit uctue entre 25 % et 35 %. On
note, par contre, une lgre progression du nombre darticles utilisant indiremment les
deux termes. La proportion de ceux-ci augmente denviron 0,4 point par anne, passant
denviron 10 % en 1985 environ 20 % en 2012.
Deuxime rsultat notable de notre tude, les usages restent stables dans le temps. Au
cours des trente dernires annes, Il ny a pas eu de priode o lun des termes tait
plus populaire quun autre. De plus, on ne remarque aucun remplacement progressif
265

dun terme par un autre. Par contre, nous montrons que lusage indirenci des termes
progresse lgrement dans la littrature. Ceci suggre que les deux termes tendent
devenir des synonymes dans leur usage.
Section IV Catgorisation des usages
Pour nir cette tude, nous cherchons savoir si les usages des termes diversit et
htrognit sont lis ces domaines de recherches. Pour cela, nous analysons le
sujet de recherche des articles pour les trois catgories.
La base Econlit fournit une classication des articles avec les codes JEL. Cette classica-
tion a t cre par lAmerican Economic Association (qui sont galement les crateurs
de la base Econlit) pour la revue Journal of Economic Literature. Cette classication
permet de standardiser la recherche darticles, de livres ou de thse par sujets de re-
cherche. La classication JEL est dsormais utilise par la grande majorit des revues,
franaises et internationales.
Dans notre corpus, nous recensons 705 sujets (sur les 828 codes JEL disponibles), avec
une prdominance de certains dentre eux. Le graphique B.3 ci-contre illustre le nombre
darticles pour chaque sujet class selon leur frquence. Le sujet le plus prsent ( Firm
Performance : Size, Diversification, and Scope ) comptabilise 1165 articles lui seul,
tandis que la moiti des sujets comportent moins de 15 articles. Notons quun article
peut tre rfrenc avec plusieurs sujets.
Nous comptabilisons le nombre darticles pour chaque sujet de recherche selon les trois
catgories. Les tableaux B.2 B.4 pages 268270 indiquent, pour les trois catgories, le
classement des dix sujets les plus utiliss pour rfrencer les articles.
Les articles utilisant exclusivement le terme diversit sont plus regroups autour
de quelques sujets (tableau B.2). Le sujet Firm Performance : Size, Diversification,
and Scope concerne, lui seul, 23 % des articles de cette catgorie. Les autres sujets
266

Graphique B.3 Distribution des sujets de notre corpus
1 000
800
Nombre darticles
600
400
200
0 100 200 300 400 500 600 700

Sujet
les plus frquents concernent la gestion (avec la performance de la rme ou les risques
nanciers) et lanalyse des minorits et des discriminations.
Les articles utilisant exclusivement le terme htrognit sont moins regroups

autour de quelques sujets (tableau B.3). Le sujet le plus frquent ( Human Capital ;
Skills ; Occupational Choice ; Labor Productivity ) nest prsent que dans 8 % des articles
de cette catgorie. Les sujets les plus frquents portent sur des champs de recherche en
ressources humaines tels que le capital humain, la productivit du travail et les structures
de salaires 3 .
Les articles utilisant indiremment les deux termes sont peu clivants (tableau B.4). Ils
sont regroups dans des sujets les plus frquents des deux premires catgories.
3. Le sujet Firm Performance : Size, Diversification, and Scope est totalement absent des articles
utilisant exclusivement le terme htrognit , tandis quil est le premier sujet des articles utilisant
exclusivement le terme diversit et deuxime des articles utilisant indiffremment les deux termes.
Il semble peu probable quil sagisse dune erreur de la base de donnes Econlit. Nous navons pas
dexplication pour cette absence de rfrencement.
267

Tableau B.2 Nombre et proportion darticles utilisant exclusivement le terme

diversit selon le sujet
Sujet Nombre
Proportion
darticles
Firm Performance : Size, Diversification, and Scope 1039 23 %
Financing Policy ; Financial Risk and Risk Management ; Ca- 431 10 %
pital and Ownership Structure ; Value of Firms ; Goodwill
Economics of Minorities, Races, Indigenous Peoples, and Im- 318 7%
migrants ; Non-labor Discrimination
Economic Development : Human Resources ; Human Develop- 317 7%
ment ; Income Distribution ; Migration
Mergers ; Acquisitions ; Restructuring ; Voting ; Proxy 281 6%
Contests ; Corporate Governance
Banks ; Depository Institutions ; Micro Finance Institutions ; 275 6%
Mortgages
Corporate Culture ; Diversity ; Social Responsibility 274 6%
Economic Sociology ; Economic Anthropology ; Social and Eco- 242 5%
nomic Stratification
Economic Development : Financial Markets ; Saving and Ca- 241 5%
pital Investment ; Corporate Finance and Governance
Urban, Rural, Regional, Real Estate, and Transportation Eco- 223 5%
nomics : Regional Migration ; Regional Labor Markets ; Popu-
lation ; Neighborhood Characteristics
268

Tableau B.3 Nombre et proportion darticles utilisant exclusivement le terme

htrognit selon le sujet
Sujet Nombre
Proportion
darticles
Human Capital ; Skills ; Occupational Choice ; Labor Produc- 176 8%
tivity
Political Processes : Rent-seeking, Lobbying, Elections, Legis- 148 6%
latures, and Voting Behavior
Wage Level and Structure ; Wage Differentials 145 6%
Consumer Economics : Empirical Analysis 118 5%
Economics of Gender ; Non-labor Discrimination 117 5%
Fertility ; Family Planning ; Child Care ; Children ; Youth 115 5%
Health Production 110 5%
Economics of Minorities, Races, Indigenous Peoples, and Im- 95 4%
269

Tableau B.4 Nombre et proportion darticles utilisant simultanment les deux

termes selon le sujet
Sujet Nombre
Proportion
darticles
Economics of Minorities, Races, Indigenous Peoples, and Im- 163 12 %
Firm Performance : Size, Diversification, and Scope 126 9%
Economic Sociology ; Economic Anthropology ; Social and Eco- 108 8%
nomic Stratification
Political Processes : Rent-seeking, Lobbying, Elections, Legis- 82 6%
latures, and Voting Behavior
Formal and Informal Sectors ; Shadow Economy ; Institutional 66 5%
Arrangements
Economic Development : Urban, Rural, Regional, and Trans- 62 4%
portation Analysis ; Housing ; Infrastructure
Economic Development : Agriculture ; Natural Resources ; 60 4%
Energy ; Environment ; Other Primary Products
Financing Policy ; Financial Risk and Risk Management ; Ca- 57 4%
pital and Ownership Structure ; Value of Firms ; Goodwill
270

Conclusion
Conclusion
Ltude des rfrences bibliographiques menes dans cette annexe permet de mieux
comprendre les usages des termes diversit et htrognit dans la littrature
acadmique. Si les deux termes sont couramment utiliss et sont prsents dans un grand
nombre de publications, nous avons pu noter quelques faits notables sur leur usage.
(1) Les deux termes ne sont pas utiliss comme de parfaits synonymes par les auteurs.
En eet, la proportion darticles utilisant indiremment les deux termes est faible, les
auteurs prfrant, daprs nous, se positionner ds le dbut de leur article sur lutilisation
dun terme unique pour dsigner les dirences entre individus.
(2) Les dirents usages des termes sont constantes dans le temps. Les proportions
darticles utilisant, soit lun, soit lautre des termes restent stables durant les trente
dernires annes. Il ny a pas eu de priode o lun des termes tait plus populaire.
Nous avons montr que lusage des deux termes comme de simples synonymes serait en
lgre progression.
(3) Les deux termes ne sont pas utiliss pour parler des mmes sujets. Ainsi, lusage du
terme diversit est trs concentr sur des sujets en gestion autour de la performance
des rmes. Celui du terme htrognit est, quant lui, plus rparti autour de
sujets en ressources humaines concernant le capital humain, la productivit du travail
ou les structures de salaires.
Lextraction et lanalyse de base de donnes bibliographique permettent ainsi, laide

doutils informatiques dsormais accessibles, de comprendre les usages faits par les cher-
cheurs dun concept, ici les dirences existantes entre des individus dans une mme
quipe de travail. Si la limite de ltude est de ne pas entrer dans les publications
pour analyser la pense des auteurs, son intrt est de traiter une large bibliographie
retant les usages de lensemble dune communaut scientique. En cela, cette mthode
permet dapporter une synthse quantitative dune littrature.
271


Annexe C
Aire partage et intensit de

la concurrence subie
Introduction
Cette annexe dtaille une partie du calcul de la mesure de lintensit de la concur-

rence subie par un hypermarch. Daprs notre dnition dans la thse (voir page I.2.1
page 170), lintensit de la concurrence subie est fonction de trois lments : (1) le nombre
de concurrents prsents dans la zone de chalandise de lhypermarch, (2) la distance de
chaque concurrent avec lhypermarch, (3) la densit de la population dans la zone de
chalandise de lhypermarch.
Nous nous intressons ici aux deux premiers lments. Nous cherchons dnir la fonc-
tion liant le nombre de concurrents et leur distance relative lintensit de la concurrence
subie. Nous montrons dans cette annexe que ce problme se rsout par un calcul daire
partage entre deux cercles. Dans la mesure o nous la formule de calcul nest pas
disponible, notre connaissance, dans la littrature, nous la prsentons ici.
Lannexe commencera par une illustration de lintensit de la concurrence subie laide

dexemples. Nous montrons en quoi le problme se ramne un calcul daire partage
273

Annexe C Aire partage et intensit de la concurrence subie
entre deux cercles. Nous dtaillerons ensuite lensemble des cas possibles du partage
daire en vue de leur traitement mathmatique. La suite et la n de lannexe portera sur
la formalisation mathmatique du calcul daire partage. Pour cette anne, lensemble
des calculs seront raliss pour un cas simpli avec un seul hypermarch et un seul
concurrent.
La premire section dcrit et dnit le problme. La deuxime section prsente les cinq
cas possibles au problme, selon la distance sparant les deux hypermarchs. La troisime
section formalise progressivement le problme et le rsout.
Section I Description du problme
Nous commenons par illustrer ce quest lintensit de la concurrence subie laide dun
exemple. Pour cet exemple, nous prenons successivement le point de vue dun client
potentiel dun hypermarch puis celui dun hypermarch.
Nous prenons tout dabord le point de vue du client : nous supposons quun individu
est un potentiel client dun hypermarch si et seulement si la distance qui le spare de
cet hypermarch est infrieure ou gale x (dans le cadre de la thse, nous utilisons
une distance maximale de 30 km). Pour cet individu, deux hypermarchs sont donc en
concurrence si et seulement sils se situent tous deux dans un cercle de rayon x autour
de cet individu.
Le schma C.1 ci-contre illustre le point de vue du client. Nous supposons deux clients
C1 et C2 (reprsents sous forme de triangle) et leur distance maximale de dplacement
x. Nous supposons galement trois hypermarchs H1 , H2 et H3 (reprsents sous forme
de carr). Daprs le schma, les hypermarchs nont, du point de vue de ces deux clients,
aucun concurrent : le client C1 ira lhypermarch H1 ; le client C2 ira lhypermarch
H2 ; aucun des deux clients nira lhypermarch H3 .
274

Section I Description du problme
Schma C.1 Concurrence selon le client potentiel

: Client potentiel
: Hypermarch
H2rs
ut
C2 x
H1rs
ut
C1
rs
H3
Nous prenons prsent le point de vue de lhypermarch : la clientle potentielle dun

hypermarch se situe une distance infrieure ou gale x. Dans ce cas, un concurrent
prsent une distance infrieure ou gale 2x capte une part de la clientle potentielle
de lhypermarch. Nous notons d la distance partir de laquelle deux hypermarchs sont
en concurrence, avec d = 2x.
Le schma C.2 page suivante reprend les mmes donnes que le schma C.1, cette fois
avec le point de vue de lhypermarch. On trace ainsi un cercle de rayon x autour de
chaque hypermarch pour reprsenter les clients potentiels de cet hypermarch. Avec ce
point de vue, nous constatons que les deux hypermarchs H1 et H2 sont en concurrence
sur une grande aire. Les hypermarchs H2 et H3 sont galement en concurrence, mme
si laire partage est plus faible. Deux hypermarchs sont donc en concurrence si leur
distance est infrieure ou gale d.
Cest cette aire partage que nous nommons intensit de la concurrence subie. Plus la
distance entre les deux hypermarchs est grande, plus laire partage est petite et plus
275

Schma C.2 Concurrence selon lhypermarch

: Client potentiel
: Hypermarch
rs
H2 x
ut
C2
rs
H1
ut
C1
rs
H3
lintensit de la concurrence est faible. linverse, moins la distance qui les sparent est
grande, plus laire partage est grande et plus lintensit de la concurrence est forte.
Nous cherchons calculer cette aire, quelle que soit la distance entre les deux hypermar-
chs et quelle que soit la taille de leur zone de chalandise. Nous posons ici d la distance
entre les deux hypermarchs et R et r les zones de chalandise des hypermarchs. Ces
dernires peuvent tre direntes (avec R r).
Finalement, nous illustrons le problme avec le schma C.3 ci-contre : deux cercles 1 et
2, de centre A et B et de rayon R et r (R < r), sont une distance d. Nous cherchons
dterminer laire partage par les deux cercles. Graphiquement, sur le schma C.3, il
sagit des points dinterrogation. Selon la valeur de d, de R et de r, cinq cas peuvent se
produire. La section suivante les traite successivement.
276

Section II Description des cas possibles
Schma C.3 Dnition du problme
r
r 2
?
A B
D ?
Nous dtaillons ici les cinq cas possibles pour notre problme. Chacun des cas prsents
ci-aprs dpend des valeurs de d, R et r. Selon leur valeur, le cercle 2 est contenu
partiellement ou totalement dans le cercle 1. Nous xons la valeur de R et r et faisons
varier la valeur d an de faire glisser le cercle 2 progressivement hors du cercle 1.
Dans la mesure o les valeurs de R, r et d sont interdpendantes pour la mthode de
calcul, il est possible de nen faire varier quune pour prsenter les cinq cas.
II.1 Cas 1 : d < (R r)
Ce cas est relativement simple. Le cercle 2 est ici inclus dans le cercle 1, laire partage
est simplement laire du cercle 1 :
Schma C.4 Cas 1 : d < (R r)
A B
277

II.2 Cas 2 : (R r) < d r
Dans ce cas, le point B, centre du cercle 2, est inclus dans le cercle 1 et labscisse des
deux points dintersection des cercles se situe droite des deux centres des cercles :
Schma C.5 Cas 2 : (R r) < d r
A B
II.3 Cas 3 : r < d R
Dans ce cas, le point B, centre du cercle 2, est inclus dans le cercle 1 ; le point A, centre
du cercle 1, est exclu du cercle 2 et labscisse des deux points dintersections des cercles
se situe entre les deux abscisses des deux centres des cercles :
Schma C.6 Cas 3 : r < d R
A B
II.4 Cas 4 : R < d (R + r)
Dans ce cas, les points A et B, centres des cercles 1 et 2, sont exclus respectivement des
cercles 2 et 1 et labscisse des deux points dintersection des cercles se situe entre les
deux abscisses des centres des cercles :
278

Schma C.7 Cas 4 : R < d (R + r)
A B
II.5 Cas 5 : (R + r) < d
Dans ce dernier cas simple, il ny a aucun point dintersection entre les cercles. Laire
dintersection est alors nulle :
Schma C.8 Cas 5 : (R + r) < d
A B
Hormis les cas simples 1 et 5, la mthodologie est la suivante : (1) dterminer les points
dintersection des deux cercles, (2) calculer les angles des triangles rectangles lis aux
cercles, (3) calculer les aires des portions de cercles et des triangles rectangles associs
et (4) calculer laire partage par les deux cercles. Pour les trois premires tapes, la
mthodologie est identique, quel que soit le cas analys. La section suivante dtaille
chaque tape.
279

Section III Formalisation du calcul de laire partage
III.1 Dterminer les intersections des deux cercles
Le calcul dintersection de cercle est identique pour les trois cas. On pose A = (0, 0)
lorigine du repre et C le point dintersection suprieur dont on cherche les coor-
donnes. On pose galement D le point dabscisse 0 et dordonne gale au point C.
Comme lillustre le schma C.9, on dispose prsent de deux triangles rectangles ACD
et BCD dont on peut connatre les dimensions :
Schma C.9 Illustration des triangles rectangles (cas 3)
1
C
R r 2
A B
D
Soit y = [DC], x = [AD] et d = [AB]. d est connue, x et y sont inconnues. Comme

il sagit de triangles rectangles, le carr de la longueur de lhypotnuse est gal la
somme des carrs des deux autres longueurs des cts de langle droit. On pose les deux
quations suivantes pour les triangles rectangles ACD et BCD :
x2 + y 2 = R2 (C.1)
(d x)2 + y 2 = r 2 (C.2)
280

On injecte lquation C.1 dans lquation C.2 :
x2 (d x)2 = R2 r 2
d2 + R 2 r 2
x= (C.3)
2d
On rinjecte lquation C.3 dans lquation C.1 :
x2 + y 2 = R2
v
u !2
u d2 + R 2 r 2
y= t
R2
2d
q
(d + R r) (d + R + r) (d + R + r) (d + R r)
y= (C.4)
2d
Avec A = (0, 0), le point C est de coordonne (x, y). Le point symtrique pour lautre
intersection de cercle est (x, y), mais il ne nous intresse pas ici, car nous doublerons
laire calcule la n du calcul.
III.2 Dterminer les angles des triangles rectangles
Pour calculer laire partage par les deux cercles, nous avons prsent besoin de calculer
quatre aires : les aires des deux triangles rectangles ACD et BCD, celle de la portion
du cercle 1 avec langle \ \ Cela
CAD et celle de la portion du cercle 1 avec langle CBD.
implique de calculer langle des triangles rectangles.
\ et CBD,
Nous cherchons donc calculer les angles CAD \ nots respectivement et .
Le schma C.10 page suivante illustre ces angles (nous centrons prsent le schma pour
nous concentrer sur les triangles rectangles et les portions de cercle) :
281

Schma C.10 Illustration des angles et

C
R
r
A B
On dtermine la valeur dun angle selon la longueur du ct oppos du triangle rectangle

et la longueur de lhypotnuse (cest--dire ici le rayon du cercle associ). On pose donc
les quations suivantes :
y
sin =
r
y
= sin1
r
y
= sin1 (C.5)
r
III.3 Calculs des aires
Nous calculons prsent les aires lies aux triangles rectangles et celles lies aux cercles.
nouveau, le calcul des aires est identique pour les trois cas.
III.3.1 Calcul de laire des triangles rectangles
On note At1 laire du premier triangle rectangle (celui li au premier cercle) et At2 celle
du deuxime triangle rectangle (celui li au deuxime cercle).
Schma C.11 Illustration des portions daires des triangles rectangles

C C
R R
r r
At1 At2
A B A B
D D
282

Laire dun triangle rectangle se calcule en multipliant les longueurs des deux cts
adjacents langle droit et diviser le rsultat par 2. Pour le deuxime triangle, nous
prenons la valeur absolue de la distance d x. En eet, la valeur d x est ngative pour
le deuxime cas :
xy
At1 = (C.6)
2
|(d x)|y
At2 = (C.7)
2
III.3.2 Calcul de laire de la portion des cercles
On note Ac1 laire de la portion de cercle dnie par langle et Ac2 celle du deuxime
cercle dni par langle .
Schma C.12 Illustration des portions daires des cercles

C C
R R
r r
Ac1 Ac2
A B A B
D D
Laire dune portion de cercle se calcule laide dun angle et du rayon du cercle. Ici,
partir des angles et , on calcule laire des deux portions de cercle :
R2
Ac1 = (C.8)
2
r 2
Ac2 = (C.9)
2
283

III.4 Diffrence daires et aire partage
Le calcul de dirence des aires dpend, cette fois-ci, du cas tudi. Dans tous les cas,
laire partage est une fonction des quatre aires calcules prcdemment. Mais, cette
fonction dire selon la position relative des points dintersection des cercles et les centres
des cercles. Nous traitons tout dabord les cas 3 et 4 pour ensuite traiter le cas 2 qui est
plus singulier.
III.4.1 Les cas 3 et 4
Pour les cas 3 et 4, o labscisse des points de lintersection est entre les deux centres
des cercles, on doit calculer la dirence entre laire de la portion de cercle et laire du
triangle rectangle associ. Il faut doubler ce rsultat an de prendre en compte la partie
infrieure du schma que nous avions cart jusqu lors. :
Schma C.13 Dtermination des portions daires des cercles

C C
R R
r r
A B A B
D D
On note A1 la dirence entre laire la portion du cercle 1 et la laire du triangle rectangle

1. De mme pour AT2 . Enn, on note AT laire partage par les deux cercles 1 et 2 :
A1 = Ac1 At1
A2 = Ac2 At2
AT = 2 (A1 + A2 )
AT = 2 (Ac1 At1 + Ac2 At2 ) (C.10)
284

En rinjectant les rsultats prcdents :
R2 xy r 2 (d x)y
! !
AT = 2 +2
2 2 2 2
AT = R2 xy + r 2 (d x)y
AT = R2 + r 2 yd (C.11)
III.4.2 Diffrence daire : le cas 2
Pour le cas 2, o labscisse des points de lintersection sont droite des centres du cercle,
le calcul est donc dirent. On cherche tout dabord calculer laire non partage entre
les deux cercles. Pour cela, pour chaque cercle, il faut toujours calculer la dirence entre
la portion des cercles le triangle rectangle associ. Par contre, ensuite, il faut retrancher
ces deux valeurs pour obtenir laire non partage des deux cercles.
On retranche enn cette valeur laire du cercle 2, et lon multiplie par 2 pour tenir
compte des deux parties de laire partage :
h i
AT = 2 r 2 [(Ac2 At2 ) (Ac1 At1 )] (C.12)
Aprs simplication :
AT = r 2 + R2 r 2 + |d x|y xy (C.13)
III.5 Expression de la formule gnrale
Finalement, voici lquation du calcul de laire partage entre deux cercles, selon la
distance et le rayon des deux cercles. Laire partage (AP ) entre deux hypermarchs i
et j de distance di,j une distance d se calcule par la fonction suivante :
285


r 2 si d < R r

r 2 + R2 r 2 + |d x|y xy

si R r < d < r

AP (di,j , R, r) =

2
+ r 2 yd

R si r < d < R + r

0 si R + r < d

Dans le cadre de la thse, nous supposons une distance maximale entre deux hypermar-
chs gale 60 km pour lensemble des hypermarchs. Avec la simplication R = r = 60,
lquation ne dpend plus que de la distance entre les distance hypermarch et se rduit
la forme suivante :

1 si d = 0

h q q i
AP (di,j ) = 1
2 arcsin 1
d2i,j + 3 600 1
d4i,j + 3 600d2i,j si 0 < d 60

60 1 800

0 if 60 < d

Conclusion
Cette annexe avait pour objectif de formaliser le calcul de partage des zones de chalandise
des hypermarchs en situation de concurrence. Nous avons montr que cela pouvait se
ramener un calcul daire partage entre deux cercles.
Nous avons alors dtaill ce problme et montr lensemble des cas possibles, selon la
distance sparant les deux cercles. partir de lnonc de ces cas, nous avons prsent
progressivement et de manire didactique la formule de calcul.
Cette quation est utilise dans le chapitre 4 pour calculer la zone de chalandise partage
par deux hypermarchs en fonction de leur distance et de la taille de ces zones de
chalandise.
286

Bibliographie
Abowd, J. M., Haltiwanger, J., Jarmin, R., Lane, J., Lengermann, P., McCue,
K., McKinney, K. et Sandusky, K. (2005). Measuring capital in the new economy,
chapitre The Relation among Human Capital, Productivity, and Market Value : Buil-
ding Up from Micro Evidence, pages 153204. University of Chicago Press.
Adair, W. L., Hideg, I. et Spence, J. R. (2013). The culturally intelligent team. The
impact of team cultural intelligence and cultural heterogeneity on team shared values.
Journal of Cross-Cultural Psychology, 44(6):941962.
Adams, R. B. et Ferreira, D. (2009). Women in the boardroom and their impact on

governance and performance. Journal of Financial Economics, 94(2):291309.
Akaike, H. (1973). Maximum likelihood identication of gaussian autoregressive mo-

ving average models. Biometrika, 60(2):255265.
Alderfer, C. P. (1977). Improving life at work, chapitre Group and intergroup rela-
tions., pages 227296. Goodyear.
Anderson, S. J., Volker, J. X. et Phillips, M. D. (2010). Converses breaking-point

model revised. Journal of Management and Marketing Research, 3:110.
Arrow, H. et McGrath, J. E. (1995). Membership dynamics in groups at work : A

theoretical framework. Research in Organizational Behavior, 17:373411.
287

Bibliographie
Arrow, K. J., Chenery, H. B., Minhas, B. S. et Solow, R. M. (1961). Capital-labor

substitution and economic eciency. The Review of Economics and Statistics, 3:
225250.
Autorit de la concurrence (2013). Dcision 13-dcc-90 du 11 juillet 2013 re-

lative la prise de contrle exclusif de la socit monoprix par la socit casino
guichard-perrachon. Dcision 13-DCC-90, Autorit de la concurrence.
Avolio, B. J., Walumbwa, F. O. et Weber, T. J. (2009). Leadership : Current

theories, research, and future directions. Annual Review of Psychology, 60:421449.
Backes-Gellner, U., Schneider, M. R. et Veen, S. (2011). Eect of workforce age

on quantitative and qualitative organizational performance : conceptual framework
and case study evidence. Organization Studies, 32(8):11031121.
Bantel, K. A. et Jackson, S. E. (1989). Top management and innovations in banking :

Does the composition of the top team make a dierence ? Strategic Management
Journal, 10(S1):107124.
Battaglini, M. (2006). Joint production in teams. Journal of Economic Theory,

130:138167.
Bear, J. B. et Woolley, A. W. (2011). The role of gender in team collaboration and

performance. Interdisciplinary science reviews, 36(2):146153.
Benoit, J.-M., Benoit, P. et Pucci, D. (2002). La France 20 minutes (et plus). La

rvolution de la proximit. Belin.
Benth, F. E., Dahl, G. et Mannino, C. (2012). Computing optimal recovery policies

for nancial markets. Operations Research, 60(6):13731388.
Berthonnet, I. et Delclite, T. (2014). Pareto-optimality or pareto-eciency : same

concept, dierent names ? an analysis over a century of economic literature. Research
in the History of Economic Thought and Methodology, 32:129145.
288

Bibliographie
Blanchet, A. et Trognon, A. (2008). La psychologie des groupes. Psychologie.
Blau, P. (1977). Inequality and Heterogeneity : A primitive theory of social structure.

Free Press.
Blisle, C. J. (1992). Convergence theorems for a class of simulated annealing algo-

rithms on rd. Journal of Applied Probability, 29(4):885895.
Bloom, M. (1999). The performance eects of pay dispersion on individuals and orga-
nizations. Academy of Management Journal, 42(1):2540.
Boehm, S. A. et Kunze, F. (2015). Age diversity and age climate in the workplace.
In Bal, P. M., Kooij, D. T. et Rousseau, D. M., diteurs : Aging Workers and the
Employee-Employer Relationship, pages 3355. Springer International Publishing.
Boeker, W. (1997). Executive migration and strategic change : The eect of top
manager movement on product-market entry. Administrative Science Quarterly, 42(2):
213236.
Bowers, C. A., Pharmer, J. A. et Salas, E. (2000). When member homogeneity is

needed in work teams : A meta-analysis. Small Group Research, 31(3):305327.
Broyden, C. G. (1970). The convergence of a class of double-rank minimization algo-

rithms 2. the new algorithm. IMA Journal of Applied Mathematics, 6(3):222231.
Byrne, D. (1971). The attraction paradigm. Academic Press.
Cai, L., Liu, Q. et Yu, X. (2013). Eects of top management team heterogeneous
background and behavioural attributes on the performance of new ventures. Systems
Research and Behavioral Science, 30(3):354366.
Cerny, V. (1985). Thermodynamical approach to the traveling salesman problem -

an ecient simulation algorithm. Journal of Optimization Theory and Applications,
45(1):4151.
289

Bibliographie
Charnes, A. (1994). Data envelopment analysis : theory, methodology and applications.

Springer.
Charnes, A., Cooper, W. et Rhodes, E. (1978). Measuring the eciency of decision

making units. European Journal of Operational Research, 2(6):429444.
Cohen, S. G. et Bailey, D. E. (1997). What makes teams work : Group eectiveness

research from the shop oor to the executive suite. Journal of Management, 23(3):
239291.
Converse, P. D. (1949). New laws of retail gravitation. The Journal of Marketing,

14(3):379384.
Cox, T. H. et Blake, S. (1991). Managing cultural diversity : Implications for organi-

zational competitiveness. The Executive, 5(3):4556.
De la Garza, C. et Weill-Fassina, A. (2000). Le travail collectif. Perspectives ac-

tuelles en ergonomie, chapitre Rgulations horizontales et verticales du risque, pages
217234. A. Weill-Fassina, A., & T.H. Benchekroun.
Debreu, G. (1951). The coecient of resource utilization. Econometrica, 19(3):273292.
Eisenhardt, K. M. et Bourgeois, L. J. (1988). Politics of strategic decision making

in high-velocity environments : Toward a midrange theory. Academy of management
journal, 31(4):737770.
Ensher, E. A. et Murphy, S. E. (1997). Eects of race, gender, perceived similarity,

and contact on mentor relationships. Journal of Vocational Behavior, 50(3):460481.
Ensley, M. D., Pearson, A. W. et Amason, A. C. (2002). Understanding the dy-

namics of new venture top management teams : cohesion, conict, and new venture
performance. Journal of Business Venturing, 17(4):365386.
Farrell, M. J. (1957). The measurement of productive eciency. Journal of the Royal

Statistical Society. Series A (General), 120(3):253290.
290

Bibliographie
Fletcher, R. (1970). A new approach to variable metric algorithms. The computer

journal, 13(3):317322.
Fletcher, R. et Reeves, C. M. (1964). Function minimization by conjugate gradients.

The computer journal, 7(2):149154.
Franceschelli, I., Galiani, S. et Gulmez, E. (2010). Performance pay and produc-

tivity of low- and high-ability workers. Labour Economics, 17(2):317322.
Franck, E. et Nesch, S. (2010). The eect of talent disparity on team productivity

in soccer. Journal of Economic Psychology, 31(2):218229.
Gathon, H.-J. et Pestieau, P. (1996). La performance des entreprises publiques. une

question de proprit ou de concurrence ? Revue conomique, 47(6):12251238.
Glover, F. (1989). Tabu search-part i. ORSA Journal on computing, 1(3):190206.
Glover, F. (1990a). Tabu search : A tutorial. Interfaces, 20(4):7494.
Glover, F. (1990b). Tabu search-part ii. ORSA Journal on computing, 2(1):432.
Goldfarb, D. (1970). A family of variable-metric methods derived by variational

means. Mathematics of computation, 24(109):2326.
Groves, K. S. et Feyerherm, A. E. (2011). Leader cultural intelligence in context :

Testing the moderating eects of team cultural diversity on leader and team perfor-
mance. Group & Organization Management, 36(5):535566.
Gruenfeld, D. H. et Hollingshead, A. B. (1993). Sociocognition in work groups

the evolution of group integrative complexity and its relation to task performance.
Small Group Research, 24(3):383405.
Hackman, J. (1983). A normative model of work team eectiveness. Document de

travail, DTIC Document.
291

Bibliographie
Hackman, J. (1987). The design of work teams. Handbook of organizational behavior,

pages 315342.
Hackman, J. et Morris, C. G. (1975). Group tasks, group interaction process, and

group performance eectiveness : A review and proposed integration. Advances in
Experimental Social Psychology, 8:4599.
Halici, A., Akta, R., Kasimoglu, M. et Gruber, A. G. (2012). Human capital

heterogeneity and organizational performance analysis : an empirical study about
international hotel chains in turkey. Emerging Markets Journal, 2(1):1320.
Hamilton, B. H., Nickerson, J. A. et Owan, H. (2003). Team incentives and worker

heterogeneity : An empirical analysis of the impact of teams on productivity and
participation. Journal of Political Economy, 111(3):465497.
Hao, J.-K., Galinier, P. et Habib, M. (1999). Mtaheuristiques pour loptimisation

combinatoire et laectation sous contraintes. Revue dIntelligence Artificielle, 13(2):
283324.
Harrison, D. A. et Klein, K. J. (2007). Whats the dierence ? diversity constructs

as separation, variety, or disparity in organizations. The Academy of Management
Review, 32(4):11991228.
Harrison, D. A., Price, K. H. et Bell, M. P. (1998). Beyond relational demography :

Time and the eects of surface- and deep-level diversity on work group cohesion.
Academy of Management Journal, 41(1):96107.
Hayami, Y. et Ruttan, V. (1971). Agricultural development : An international pers-

pective. Journal of Development Economics, 26:197200.
Holmstrom, B. (1982). Moral hazard in teams. Bell Journal of Economics, 13(2):

324340.
292

Bibliographie
Horwitz, S. K. (2005). The compositional impact of team diversity on performance :

Theoretical considerations. Human Resource Development Review, 4(2):219245.
Jabs, K. (2011). Entrepreneurship and team participation : An experimental study. In

EMIR.
Jackson, S. E., Brett, J. F., Sessa, V. I., Cooper, D. M., Julin, J. A. et Pey-
ronnin, K. (1991). Some dierences make a dierence : Individual dissimilarity and
group heterogeneity as correlates of recruitment, promotions, and turnover. Journal
of applied psychology, 76(5):675689.
Jackson, S. E., May, K. E. et Whitney, K. (1995). Team effectiveness and deci-

sion making in organizations, chapitre Understanding the dynamics of diversity in
decision-making teams, pages 383396. San Francisco : Jossey-Bass.
Jehn, K. A. (1995). A multimethod examination of the benets and detriments of

intragroup conict. Administrative Science Quarterly, 40(2):256282.
Jehn, K. A., Northcraft, G. B. et Neale, M. A. (1999). Why dierences make

a dierence : A eld study of diversity, conict, and performance in workgroups.
Administrative Science Quarterly, 44(4):741763.
Jos, M., Aragn-Correa, J. A. et Ferrn-Vlchez, V. (2011). Job-related skill

heterogeneity and action team performance. Management Decision, 49(7):10611079.
Joshi, A., Liao, H. et Jackson, S. E. (2006). Cross-level eects of workplace diversity

on sales performance and pay. Academy of Management Journal, 49(3):459481.
Jozefowiez, N., Semet, F. et Talbi, E.-G. (2008). Multi-objective vehicle routing

problems. European Journal of Operational Research, 189(2):293309.
Kahane, L., Longley, N. et Simmons, R. (2013). The eects of coworker heterogeneity

on rm-level output : assessing the impacts of cultural and language diversity in the
national hockey league. Review of Economics and Statistics, 95(1):302314.
293

Bibliographie
Kandel, E. et Lazear, E. P. (1992). Peer pressure and partnerships. Journal of

Political Economy, 100(4):80117.
Kmenta, J. (1967). On estimation of the ces production function. International Eco-

nomic Review, 8(2):180189.
Koopmans, T. C. (1951). Analysis of production as an ecient combination of activi-

ties. Activity analysis of production and allocation, 13:3337.
Kunze, F., Bhm, S. A. et Bruch, H. (2011). Age diversity, age discrimination climate
and performance consequences a cross organizational study. Journal of organiza-
tional behavior, 32(2):264290.
Lazear, E. (1976). Age, experience, and wage growth. The American Economic Review,
66(4):548558.
Lazear, E. P. (2000a). Performance pay and productivity. The American Economic

Review, 90(5):13461361.
Lazear, E. P. (2000b). The power of incentives. The American Economic Review,

90(2):410414.
Lazear, E. P. (2004). Salaire la performance : incitation ou slection ? Economie &

prvision, 3(164165):1725.
Lazear, E. P. et Rosen, S. (1981). Rank-order tournaments as optimum labor

contracts. Journal of Political Economy, 89(5):84164.
Lee, C. et Farh, J.-L. (2004). Joint eects of group ecacy and gender diversity on
group cohesion and performance. Applied Psychology, 53(1):136154.
Legendre, F. (1992). La distribution des rendements dchelle dans lindustrie : Une

illustration partir dun panel de plus de 700 entreprises franaises. Revue cono-
mique, 43:71100.
294

Bibliographie
Li, J., Chu, C. W. L., Lam, K. C. K. et Liao, S. (2011). Age diversity and rm
performance in an emerging economy : Implications for cross-cultural human resource
management. Human Resource Management, 50(2):247270.
Little, J., Murty, K., Sweeney, D. et Karel, C. (1963). An algorithm for the
traveling salesman problem. Operations Research, 11(6):972989.
Loiola, E. M., de Abreu, N. M. M., Boaventura-Netto, P. O., Hahn, P. et Que-

rido, T. (2007). A survey for the quadratic assignment problem. European Journal
of Operational Research, 176(2):657690.
Loureno, P. R., Dimas, I. D. et Rebelo, T. (2014). Eective workgroups : The role

of diversity and culture. Revista de Psicologa del Trabajo y de las Organizaciones,
30(3):123132.
Maderer, D., Holtbrgge, D. et Schuster, T. (2014). Professional football squads

as multicultural teams : Cultural diversity, intercultural experience, and team perfor-
mance. International Journal of Cross Cultural Management, 14(2):215238.
Mansoor, H. S., Ali, H., Ali, N. et Ali, H. (2013). Cognitive diversity and team
performance : a review. Journal of Basic and Applied Scientific Research, 3(6):913.
March, J. G. (1991). Exploration and exploitation in organizational learning. Organi-

zation Science, 2(1):7187.
Marschak, J. (1950). Rational behavior, uncertain prospects, and measurable utility.

Econometrica, 18(2):111141.
Marschak, J. (1954). Towards an economic theory of organization and information.

Decision processes, 3:187220.
Marschak, J. (1974). Economic measurements for policy and prediction. In Economic

Information, Decision, and Prediction, pages 293322. Springer.
295

Bibliographie
Marschak, J. et Andrews, W. H. (1944). Random simultaneous equations and the

theory of production. Econometrica, 12(34):143205.
Marschak, J. et Radner, R. (1972). Economic Theory of Teams, chapitre Decision

under Uncertainty, pages 941. Yale University Press.
Martin, E. et Good, J. (2014). Strategy, team cohesion and team member satisfaction :
The eects of gender and group composition. Computers in Human Behavior. (en
cours de publication).
Milliken, F. J. et Martins, L. L. (1996). Searching for common threads : Unders-

tanding the multiple eects of diversity in organizational groups. The Academy of
Management Review, 21(2):402433.
Mohammed, S. (2003). Personality heterogeneity in teams : Which dierences make a

dierence for team performance ? Small Group Research, 34(6):651677.
Mor, J. (1978). The levenberg-marquardt algorithm : Implementation and theory. In

Watson, G., diteur : Numerical Analysis, volume 630 de Lecture Notes in Mathe-
matics, pages 105116. Springer Berlin Heidelberg.
Mullen, B. et Copper, C. (1994). The relation between group cohesiveness and

performance : An integration. Psychological bulletin, 115(2):210227.
Murray, A. I. (1989). Top management group heterogeneity and rm performance.

Strategic Management Journal, 10:125141.
Nelder, J. A. et Mead, R. (1965). A simplex method for function minimization. The

computer journal, 7(4):308313.
Neuman, G. A. et Wright, J. (1999). Team eectiveness : Beyond skills and cognitive

ability. Journal of Applied Psychology, 84(3):376389.
Nielsen, B. B. et Nielsen, S. (2013). Top management team nationality diversity and

rm performance : a multilevel study. Strategic Management Journal, 34(3):373382.
296

Bibliographie
Pareto, V. (1906). Manuel dconomie Politique, 2nd dition [1963]. Librairie Droz.
Pelled, L. H. (1996). Demographic diversity, conict, and work group outcomes : An

intervening process theory. Organization Science, 7(6):615631.
Pelled, L. H., Eisenhardt, K. M. et Xin, K. R. (1999a). Exploring the black box :

An analysis of work group diversity, conict and performance. Administrative science
quarterly, 44(1):128.
Pelled, L. H., Ledford, G. E. et Mohrman, S. A. (1999b). Demographic dissimilarity

and workplace inclusion. Journal of Management Studies, 36(7):10131031.
Peretti, J.-M. et Roch, B. (2012). Lencyclopdie des diversits, chapitre Regards

croises sur les diversits, pages 2024. Questions de socit.
Perry-Smith, J. E. et Shalley, C. E. (2014). A social composition view of team

creativity : The role of member nationality-heterogeneous ties outside of the team.
Organization Science, 25(5):14341452.
Pieterse, A. N., Van Knippenberg, D. et Van Dierendonck, D. (2012). Cultural

diversity and team performance : The role of team member goal orientation. Academy
of Management Journal, 56(6):782804.
Polombo, N. et Beauvais, J.-M. (2011). Etalement urbain : mesure de lloignement

des grandes surfaces laide des estimations carroyes de population. Document de
travail, Confrence francophone ESRI, Versailles.
Porter, M. E., de Lavergne, P. et Sudrie, G. (1982). Choix stratgiques et concur-

rence : techniques danalyse des secteurs et de la concurrence dans lindustrie. Eco-
nomica.
Putterman, L. (2006). Chapter 22 reciprocity, altruism, and cooperative production.

In Kolm, S.-C. et Ythier, J. M., diteurs : Applications, volume 2 de Handbook of
the Economics of Giving, Altruism and Reciprocity, pages 14091435. Elsevier.
297

Bibliographie
Radner, R. (1962). Team decision problems. The Annals of Mathematical Statistics,

33(3):857881.
Radner, R. (1968). Competitive equilibrium under uncertainty. Econometrica, 36(1):

3158.
Radner, R. (1972). Existence of equilibrium of plans, prices, and price expectations in

a sequence of markets. Econometrica, 40(2):289303.
Radner, R. (1981). Monitoring cooperative agreements in a repeated principal-agent

relationship. Econometrica, 49(5):11271148.
Reilly, W. J. (1931). The Laws of Retail Gravitation. New York, Knickerbocker Press.
Richard, O. C., Kirby, S. L. et Chadwick, K. (2013). The impact of racial and

gender diversity in management on nancial performance : how participative strategy
making features can unleash a diversity advantage. The International Journal of
Human Resource Management, 24(13):25712582.
Roberge, M. E. et van Dick, R. (2010). Recognizing the benets of diversity : When

and how does diversity increase group performance ? Human Resource Management
Review, 20(4):295308.
Rotemberg, J. J. (2006). Chapter 21 altruism, reciprocity and cooperation in the

workplace. In Kolm, S.-C. et Ythier, J. M., diteurs : Applications, volume 2 de
Handbook of the Economics of Giving, Altruism and Reciprocity, pages 13711407.
Elsevier.
Rowold, J. (2011). Relationship between leadership behaviors and performance : The

moderating role of a work teams level of age, gender, and cultural heterogeneity.
Leadership & organization development journal, 32(6):628647.
298

Bibliographie
Salas, E., Dickinson, T. L., Converse, S. A. et Tannenbaum, S. I. (1992). Teams :

Their training and performance, chapitre Toward an understanding of team perfor-
mance and training, pages 329. Robert W. Swezey, Eduardo Salas.
Sastre, J. F. (2015). The impact of r&d teams gender diversity on innovation outputs.
International Journal of Entrepreneurship and Small Business, 24(1):142162.
Schmitt, N. et Lappin, M. (1980). Race and sex as determinants of the mean and
variance of performance ratings. Journal of Applied Psychology, 65(4):428435.
Shanno, D. F. (1970). Conditioning of quasi-newton methods for function minimiza-

tion. Mathematics of computation, 24(111):647656.
Shearer, B. (2004). Piece rates, xed wages and incentives : Evidence from a eld
experiment. The Review of Economic Studies, 71(2):513534.
Simons, T., Pelled, L. H. et Smith, K. A. (1999). Making use of dierence : Diversity,

debate, and decision comprehensiveness in top management teams. The Academy of
Management Journal, 42(6):662673.
Somech, A. et Drach-Zahavy, A. (2013). Translating team creativity to innovation

implementation the role of team composition and climate for innovation. Journal of
Management, 39(3):684708.
Spence, A. M. (1973). Job market signaling. The Quarterly Journal of Economics,

87(3):355374.
Steiner, L. (1972). Group processes and productivity. Social Psychological.
Tajfel, H. et Turner, J. (1979). An integrative theory of intergroup conict. The

social psychology of intergroup relations, 33(47):3348.
Tajfel, H. et Turner, J. (1986). The social identity theory of intergroup behavior.

Chicago : Nelson-Hall.
299

Bibliographie
Terborg, J. R., Castore, C. et DeNinno, J. A. (1976). A longitudinal eld in-

vestigation of the impact of group composition on group performance and cohesion.
Journal of Personality and Social Psychology, 34(5):782790.
Thomas, D. E., Arthur, M. M. et Hood, J. N. (2012). Internationalization, TMT

gender diversity and rm performance in mexican rms. International Journal of
Strategic Management, 12(2):1326.
Tillou, C. et Liarte, S. (2012). Limpact de lexprience sur la performance du

groupe. le cas de lquipe nationale de football du brsil de 1954 2010. Management
international, 16(2):113128.
Timmerman, T. A. (2000). Racial diversity, age diversity, interdependence, and team

performance. Small Group Research, 31(5):592606.
Torre-Ruiz, J. M. D. L., Aragon-Correa, J. A. et Ferron-Vilchez, V. (2011).

Job-related skill heterogeneity and action team performance. Management Decision,
49(7):10611079.
Tziner, A. (1985). How team composition aects task-performance - some theoretical

insights. Psychological reports, 57(3f):11111119.
Tziner, A. et Eden, D. (1985). Eects of crew composition on crew performance : Does

the whole equal the sum of its parts ? Journal of Applied Psychology, 70(1):8593.
Vernette, E. (2008). Lessentiel du marketing. Rfrences. (3me dition).
Wageman, R. (1995). Interdependence and group eectiveness. Administrative Science

Quarterly, 40(1):145180.
Wageman, R. (1997). Incentives and cooperation : the joint eects of task and reward
interdependence on group performance. Journal of Organizational Behavior, 18(2):
139158.
300

Bibliographie
Wagner, W. G., Pfeffer, J. et OReilly III, C. A. (1984). Organizational demo-

graphy and turnover in top-management group. Administrative Science Quarterly,
29(1):7492.
Webber, S. S. et Donahue, L. M. (2001). Impact of highly and less job-related

diversity on work group cohesion and performance : a meta-analysis. Journal of
Management, 27(2):141162.
Wegge, J., Jungmann, F., Liebermann, S., Shemla, M., Ries, B., Diestel, S.
et Schmidt, K.-H. (2012). What makes age diverse teams eective ? results from a
six-year research program. Work : A Journal of Prevention, Assessment and Rehabi-
litation, 41:51455151.
Wegge, J., Roth, C., Neubach, B., Schmidt, K.-H. et Kanfer, R. (2008). Age and
gender diversity as determinants of performance and health in a public organization :
the role of task complexity and group size. Journal of Applied Psychology, 93(6):
13011313.
Zenger, T. R. et Lawrence, B. S. (1989). Organizational demography : The die-

rential eects of age and tenure distributions on technical communication. Academy
of Management Journal, 32(2):353376.
Zimmerman, M. A. et Brouthers, K. D. (2012). Gender heterogeneity, entrepreneu-

rial orientation and international diversication. International Journal of Gender and
Entrepreneurship, 4(1):2043.
301


Glossaire
quipe de travail Une quipe de travail est un groupe dindividus travaillant en-
semble dans un cadre de travail dni, partageant une production et un intrt
commun celle-ci, et ayant raliser des tches complexes ncessitant de fr-
quentes interactions et dlibrations communes.. 26, 99
Axe de distinction Un axe de distinction permet de comparer les quipes de tra-

vail selon leur nature ou leur fonctionnement. Les axes de distinction permettent
de comprendre les dirences entre les types dquipe de travail et danticiper
leet de lhtrognit sur le fonctionnement de lquipe. 37, 42, 100
Combinaison Une combinaison, en analyse doptimisation combinatoire, est un

tat des lieux xe de lensemble des objets. Dans notre situation, une combinai-
son est une aectation possible de lensemble des managers de vente dans les
direntes units commerciales. 209, 210
Dimension de lhtrognit Une dimension de lhtrognit est une divi-

sion conceptuelle de lhtrognit, selon leet attendu sur lquipe de travail.
Chaque forme de lhtrognit est compose de deux dimensions : une dimen-
sion fonctionnelle et une dimension psychosociale. 82
Efficacit technique Lecacit technique reprsente la capacit pour une organi-

sation datteindre un haut niveau doutputs avec un faible niveau dinputs. Une
organisation est dite techniquement ecace si elle ne peut plus rduire son ni-
veau dinputs et conserver inchang son niveau doutputs, ou si elle ne peut plus
303

Glossaire
augmenter son niveau doutputs en gardant inchang son niveau dinput. 8, 96,
108, 119
Forme de lhtrognit Une forme de lhtrognit est une division concrte

de lhtrognit en indicateur observable et mesurable. Les formes de lht-
rognit dune quipe les plus couramment tudis sont lge, lanciennet, le
genre, le niveau de diplme et de comptence et lorigine sociale et culturelle. 49,
68, 158
Heurisitique danalyse combinatoire Une heuristique danalyse combinatoire

est un algorithme de recherche dune combinaison optimale parmi un ensemble
ni de combinaisons possibles en un temps de calcul raisonnable. 205, 213
Hypermarch Un hypermarch est un point de vente au dtail dont la surface de

vente est suprieure ou gale 2500 m2 . Un hypermarch est dirig par un direc-
teur, charg du recrutement de ses quipes et du fonctionnement de lhypermarch
sous les directives des responsables de lenseigne. 98
Intensit de la concurrence subie Lintensit de la concurrence subie est une

mesure de la pression concurrentielle que subit un hypermarch par la prsence
de concurrent dans sa zone de chalandise. Lintensit de la concurrence quivaut
au nombre de concurrents prsents 25 km de distance de lhypermarch pour
50 000 habitants dans sa zone de chalandise. 170, 172
Managers de vente Un manager de vente est charg dun ou plusieurs rayon dune
unit commerciale. Il soccupe de lanimation commerciale de lunit commer-
ciale, de la disposition visuelle des rayons et la gestion quotidienne des employs
de rayonnage. Les managers de vente dune unit commerciale constituent une
quipe de travail. 99, 158
Niveau de lhtrognit Le niveau dune forme de lhtrognit est la mesure

quantitative dune forme de lhtrognit. Ce niveau permet de savoir si lquipe
304

Glossaire
est faiblement ou fortement htrogne sur cette forme de lhtrognit. Par

extension, le niveau de lhtrognit est la mesure quantitative de lensemble
des formes identies de lhtrognit. 49, 87
Optimum global Un optimum global est une combinaison dun problme dopti-
misation combinatoire pour laquelle aucune autre combinaison possible. Pour un
problme doptimisation combinatoire donn, loptimum global est loptimum de
tous les optima locaux. 211
Optimum local Un optimum local est une combinaison dun problme doptimi-
sation combinatoire pour laquelle aucune combinaison proche nest prfrable.
Pour un problme doptimisation combinatoire donn, plusieurs optima locaux
peuvent exister. 211
Permutation Une permutation est un mouvement entre deux objets dune ana-
lyse doptimisation combinatoire, permettant de passer dune combinaison une
autre. Dans notre situation, une permutation se fait entre deux managers de
vente. 212, 213
Secteur commercial Un secteur commercial est, au niveau de lenseigne de distri-

bution, un regroupement de produits similaires. On dnombre dans notre cas cinq
secteurs commerciaux. Chaque unit commerciale dun hypermarch appartient
lun de ces secteurs commerciaux. 98
Type dquipe de travail Un type dquipe de travail est un regroupement

dquipes de travail ayant des caractristiques communes. Nous proposons quatre
type dquipe de travail : lquipe oprationnelle, lquipe de projet, lquipe ma-
nagriale et lquipe dirigeante. 37, 100
Unit commerciale Une unit commerciale est une sub-division dun hypermar-
ch. Elle propose la vente des produits de consommation alimentaire ou non
alimentaire. Une unit commerciale est pilote par une quipe de managers de
305

Glossaire
vente, responsable de lanimation commerciale de lunit et de la gestion des em-

ploys de rayonnage. Une unit commerciale appartient un hypermarch et
un secteur commercial. 99
Unit de dcision Une unit de dcision (ou decision making unit dans la littra-
ture anglophone) est une sous division dune organisation capable de prendre des
dcisions, consommant un ou des inputs et produisant un ou des outputs.. 120
Voisinage Un voisinage, en analyse doptimisation combinatoire, est lensemble des

permutations permettant de passer dune combinaison une autre. 213
306

Liste des illustrations
Tableaux
1.1 Six critres pour faire dun groupe dindividus une quipe de travail . 26
1.2 Typologie des quipes de travail . . . . . . . . . . . . . . . . . . . . . 38
2.1 Formes de lhtrognit et principaux rsultats de la littrature . . 69
2.2 Nombre darticles utilisant le terme htrognit selon le sujet . . 80
2.3 Nombre darticles utilisant le terme diversit selon le sujet . . . . 80
3.1 Catgories de produits pour les cinq secteurs commerciaux . . . . . . 98
3.2 Inputs/outputs/ratios moyens par secteur . . . . . . . . . . . . . . . 107
3.3 Ecacit technique moyenne des units commerciales par secteur . . 110
3.4 Corrlation entre linput et lecacit technique partielle lie cet input 114
3.5 Exemple de donnes pour lenveloppement de donnes . . . . . . . . . 125
3.6 Ecacit technique moyenne non contrainte et sectorielle (selon le

secteur et la mthode) . . . . . . . . . . . . . . . . . . . . . . . . . . 140
3.7 Estimation conomtrique des fonctions de production CES sectorielles 146
3.8 Sensibilit de lestimation des fonctions de productions CES aux va-

riations de donnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
3.9 Coecient de corrlation entre les deux mesures decacit (envelop-

pement de donnes et fonction de production CES) . . . . . . . . . . 149
3.10 Taille de la sous base de donnes selon le secteur commercial . . . . . 152
307

Liste des tableaux
4.1 Statistiques descriptives des variables explicatives internes . . . . . . 169
4.2 Statistiques descriptives des secteurs commerciaux . . . . . . . . . . . 177
4.3 Matrice des corrlations des variables explicatives . . . . . . . . . . . 178
4.4 Prsence des variables explicatives selon le modle . . . . . . . . . . . 180
4.5 Modle 1 : Eets des variables externes sur lecacit technique . . . 181
4.6 Modle 2 : Eets linaires et quadratiques des variables internes sur

lecacit technique . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
4.7 Modle 2 bis : Eets des variables dcart lextremum sur lecacit
technique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
4.8 Modle 3 : Eets des variables de croisement sur lecacit technique 197
4.9 Nombre de solutions possibles pour deux units commerciales et six

managers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
4.10 Nombre de permutations possibles pour une combinaison donne selon

le secteur commercial . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
4.11 Rsultats des simulations de lheuristique . . . . . . . . . . . . . . . . 219
4.12 Prol moyen des managers de vente ayant, ou non, permut . . . . . 222
4.13 Modication de lhtrognit des quipes . . . . . . . . . . . . . . . 223
A.1 Introduction des donnes moins robustes dans le modle 1 . . . . . . 250
A.4 Variante du modle 2 : Eets de lhtrognit dge sur lecacit

technique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
A.5 Modle 3 : Eets des variables de croisement sur lecacit technique 255
B.1 Rpartition des articles selon la prsence des termes htrognit

ou diversit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
B.2 Nombre et proportion darticles utilisant exclusivement le terme di-

versit selon le sujet . . . . . . . . . . . . . . . . . . . . . . . . . . 268
308

Liste des graphiques
B.3 Nombre et proportion darticles utilisant exclusivement le terme h-

trognit selon le sujet . . . . . . . . . . . . . . . . . . . . . . . . . 269
B.4 Nombre et proportion darticles utilisant simultanment les deux
termes selon le sujet . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
Graphiques
3.1 Distribution des units commerciales selon la surface de vente . . . . 103

3.2 Distribution des units commerciales selon le nombre dheures de travail 103
3.3 Distribution des units commerciales selon le chire daaires . . . . . 104
3.4 Relation entre les inputs et loutput . . . . . . . . . . . . . . . . . . . 105
3.5 Ratios output/input selon le secteur commercial . . . . . . . . . . . . 108
3.6 Relation entre les deux mesures partielles de lecacit technique . . 111
3.7 Rendements dchelle pour le secteur 1 . . . . . . . . . . . . . . . . . 113
3.8 Complmentarit des facteurs de production pour le secteur 1 . . . . 116
3.13 Reprsentation graphique des 12 units commerciales . . . . . . . . . 126
3.14 Frontire de production sous rendements dchelle constants . . . . . 127
3.15 Frontire de production sous rendements dchelle dcroissants . . . . 128
3.16 Frontire de production sous rendements dchelle croissants . . . . . 129
3.17 Frontire de production sous rendements dchelle variables . . . . . . 130
3.18 Frontire de production du secteur 1 et mta-frontire . . . . . . . . . 131
3.19 Frontire de production du secteur 2 et mta-frontire . . . . . . . . . 131
3.20 Illustration de la fonction de production CES . . . . . . . . . . . . . 136
309

3.21 Fonction de production du secteur 1 et mta-fonction . . . . . . . . . 137
3.22 Fonction de production du secteur 2 et mta-fonction . . . . . . . . . 137
3.23 Distribution des degrs decacit pour le secteur 1, selon lhypothse

sur les rendements dchelle . . . . . . . . . . . . . . . . . . . . . . . 143
3.24 Distribution des degrs decacit pour le secteur 4, selon lhypothse

3.25 Comparaison des degrs decacit technique obtenu sous hypothse

de rendements dchelle constants et variables . . . . . . . . . . . . . 145
3.26 Corrlation entre les deux mesures de lecacit technique . . . . . . 150
3.27 Units commerciales robustes aux deux mesures de lecacit . . . . 151
4.1 Distribution des quipes selon le niveau moyen de comptences . . . . 160
4.2 Relation entre le niveau moyen de comptences et lanciennet

moyenne de lquipe . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
4.3 Distribution des quipes selon lhtrognit des niveaux de comp-

tences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
4.4 Distribution des quipes selon lhtrognit dge . . . . . . . . . . 164
4.5 Relation entre lhtrognit danciennet et lhtrognit dge . . 165
4.6 Distribution des quipes selon lhtrognit des niveaux de diplme 166
4.7 Distribution des quipes selon lhtrognit de genre . . . . . . . . . 168
4.8 Aire partage entre deux hypermarchs selon la distance . . . . . . . 173
4.9 Distribution des units commerciales selon lintensit de la concur-

rence subie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
4.10 Eet individuel des formes de lhtrognit sur lecacit technique 188
4.11 Eets croiss des htrognits de niveaux de comptences et dge

sur lecacit technique . . . . . . . . . . . . . . . . . . . . . . . . . 199
4.12 Eets croiss des htrognits de niveaux de comptences et de ni-

veaux de diplme sur lecacit technique . . . . . . . . . . . . . . . 201
310

4.13 volution du nombre de managers concerns par la raectation selon

la distance maximale pour permuter . . . . . . . . . . . . . . . . . . . 209
4.14 Ensemble des combinaisons possibles, optima locaux et optimum global 212
4.15 volution du chire daaires pour le secteur 3 . . . . . . . . . . . . . 221
A.1 Rendements dchelle pour le secteur 1 . . . . . . . . . . . . . . . . . 236
A.6 Distribution des degrs decacit pour le secteur 1, selon lhypothse





A.11 Units du secteur 1 robustes aux deux mesures de lecacit . . . . . 244
A.16 Distribution des units du secteur 1 selon leur ecacit technique . . 247
311

Liste des schmas
A.21 Eet individuel de lhtrognit dge sur lecacit technique . . . 254
A.22 volution du chire daaires pour le secteur 1 . . . . . . . . . . . . . 256
B.1 Comparaison historique de notre corpus et de la base de donnes Econlit 263
B.2 volution de la proportion des articles utilisant les termes htrog-
nit ou diversit . . . . . . . . . . . . . . . . . . . . . . . . . . 265
B.3 Distribution des sujets de notre corpus . . . . . . . . . . . . . . . . . 267
Schmas
1.1 Typologie dquipes de travail selon le niveau de responsabilit . . . . 30

1.2 Axe de distinction 1 : Hirarchie externe . . . . . . . . . . . . . . . . 44
1.3 Axe de distinction 2 : Hirarchie interne . . . . . . . . . . . . . . . . 45
1.4 Axe de distinction 3 : Fonctions des membres de lquipe . . . . . . . 46
2.1 Illustration de la thorie de lattraction pour la similarit . . . . . . . 56
2.2 Illustration de la thorie de la diversit des ressources cognitives . . . 59
2.3 Distinction entre lhtrognit de sparation, de varit et de disparit 65
2.4 Eets des dimensions de lhtrognit sur lquipe . . . . . . . . . . 84
2.5 Simultanit des eets des dimensions de lhtrognit sur lecacit
technique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
2.6 Rpartition des dimensions de lhtrognit et eet global sur le-
cacit technique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
2.7 Eet modrateur de la dimension psychosociale de lhtrognit . . 91
312

2.8 Eet de modration de la dimension psychosociale de lhtrognit . 92

4.1 Exemples daires partages par deux hypermarchs . . . . . . . . . . 171
4.2 Proximit selon le nombre dunits commerciales . . . . . . . . . . . . 218
C.1 Concurrence selon le client potentiel . . . . . . . . . . . . . . . . . . . 275
C.2 Concurrence selon lhypermarch . . . . . . . . . . . . . . . . . . . . 276
C.3 Dnition du problme . . . . . . . . . . . . . . . . . . . . . . . . . . 277
C.4 Cas 1 : d < (R r) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
C.5 Cas 2 : (R r) < d r . . . . . . . . . . . . . . . . . . . . . . . . . . 278
C.6 Cas 3 : r < d R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
C.7 Cas 4 : R < d (R + r) . . . . . . . . . . . . . . . . . . . . . . . . . 279
C.8 Cas 5 : (R + r) < d . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
C.9 Illustration des triangles rectangles (cas 3) . . . . . . . . . . . . . . . 280
C.10 Illustration des angles et . . . . . . . . . . . . . . . . . . . . . . . 282
C.11 Illustration des portions daires des triangles rectangles . . . . . . . . 282
C.12 Illustration des portions daires des cercles . . . . . . . . . . . . . . . 283
C.13 Dtermination des portions daires des cercles . . . . . . . . . . . . . 284
Encadrs
4.1 Script de rcupration automatique des distances routires . . . . . . 174

B.1 Script dextraction automatique des rfrences bibliographiques . . . 262
313


Table des matires
Remerciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
Sommaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
Introduction gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Chapitre 1 Les quipes de travail . . . . . . . . . . . . . . . . . . . . 7
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Section I Dnition dune quipe de travail . . . . . . . . . . . . . . . . . . . . . . 10
I.1 Apports de la littrature . . . . . . . . . . . . . . . . . . . . . 11
I.1.1 Marschak, Radner et la thorie conomique de lquipe 11
I.1.2 Hackman et le modle de lquipe ecace . . . . . . 15
I.2 Critres de dnition dune quipe de travail . . . . . . . . . . 20
I.2.1 Choix entre les termes quipe et groupe . . . 20
I.2.2 Critre 1 : Existence dune organisation . . . . . . . 22
I.2.3 Critre 2 : Existence dune production commune de

lquipe . . . . . . . . . . . . . . . . . . . . . . . . . 23
I.2.4 Critre 3 : Existence dun lien entre eorts individuels

et production commune . . . . . . . . . . . . . . . . 23
I.2.5 Critre 4 : Existence dinteractions entre les membres

de lquipe . . . . . . . . . . . . . . . . . . . . . . . 24
I.2.6 Critre 5 : Ncessit dune dlibration commune . . 24
I.2.7 Critre 6 : Complexit de la tche demande lquipe 25
315

Table des matires
Section II Classications des quipes de travail . . . . . . . . . . . . . . . . . . . 26
II.1 Apports de la littrature . . . . . . . . . . . . . . . . . . . . . 27
II.1.1 Richard Hackman . . . . . . . . . . . . . . . . . . . 28
II.1.2 Arrow et McGrath . . . . . . . . . . . . . . . . . . . 30
II.1.3 Cohen et Bailey . . . . . . . . . . . . . . . . . . . . . 33
II.2 Typologie des quipes de travail . . . . . . . . . . . . . . . . . 36
II.2.1 quipe oprationnelle . . . . . . . . . . . . . . . . . 37
II.2.2 quipe de projet . . . . . . . . . . . . . . . . . . . . 39
II.2.3 quipe managriale . . . . . . . . . . . . . . . . . . 40
II.2.4 quipe dirigeante . . . . . . . . . . . . . . . . . . . . 41
II.3 Axes de distinction des quipes de travail . . . . . . . . . . . . 42
II.3.1 Hirarchie externe . . . . . . . . . . . . . . . . . . . 43
II.3.2 Hirarchie interne . . . . . . . . . . . . . . . . . . . . 44
II.3.3 Fonctions des membres de lquipe . . . . . . . . . . 46
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Chapitre 2 Lhtrognit dune quipe de travail . . . . 49
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Section I Apports de la littrature . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
I.1 Leet de lhtrognit sur lquipe de travail . . . . . . . . 53
I.1.1 La thorie de lattraction pour la similarit . . . . . 54
I.1.2 La thorie de la diversit des ressources cognitives . . 56
I.2 Typologies et distinctions des formes de lhtrognit . . . . 61
I.2.1 Distinction entre htrognit lie ou non lie la

tche . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
I.2.2 Distinction entre lhtrognit visible et non visible 63
I.2.3 Distinction entre lhtrognit de sparation, de va-

rit et de disparit . . . . . . . . . . . . . . . . . . . 64
316

Table des matires
I.3 Liste des formes de lhtrognit . . . . . . . . . . . . . . . . 68

I.3.1 Htrognit dge . . . . . . . . . . . . . . . . . . . 70
I.3.2 Htrognit danciennet . . . . . . . . . . . . . . . 70
I.3.3 Htrognit de genre . . . . . . . . . . . . . . . . . 71
I.3.4 Htrognit dorigine culturelle . . . . . . . . . . . 72
I.3.5 Htrognit des niveaux de diplme . . . . . . . . 73
I.3.6 Htrognit de nature des comptences . . . . . . . 74
I.3.7 Htrognit des niveaux de comptences . . . . . . 75
Section II Synthse et cadre thorique . . . . . . . . . . . . . . . . . . . . . . . . . 77
II.1 Quel terme pour parler de lhtrognit ? . . . . . . . . . . . 77
II.2 Quelle typologie de lhtrognit ? . . . . . . . . . . . . . . . 81
II.2.1 Deux dimensions de lhtrognit . . . . . . . . . . 82
II.2.2 Dimensions de lhtrognit et eets sur lquipe . 83
II.3 Comment lhtrognit aecte-t-elle lecacit technique
dune quipe de travail ? . . . . . . . . . . . . . . . . . . . . . 85
II.3.1 Simultanit des eets des dimensions de lhtrog-
nit . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
II.3.2 Eet modrateur de la dimension psychosociale de
lhtrognit . . . . . . . . . . . . . . . . . . . . . 89
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Chapitre 3 La mesure de lefficacit technique . . . . . . . . 95
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Section prliminaire. Prsentation de ltude empirique . . . . . . . . . . . . . . 98
Section I Mesure partielle de lecacit technique des units commerciales . 101
I.1 Prsentation des donnes . . . . . . . . . . . . . . . . . . . . . 101
I.2 Analyse des rapports output/input et ecacit technique par-
tielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
I.3 Hypothses pralable lecacit technique globale . . . . . . 112
317

Table des matires
I.3.1 Discussion sur les rendements dchelle . . . . . . . . 112

I.3.2 Discussion sur la complmentarit des facteurs de
production . . . . . . . . . . . . . . . . . . . . . . . 114
Section II Mthodes de mesure globale de lecacit technique . . . . . . . . . 119
II.1 Estimation non paramtrique dune frontire de production . . 120
II.1.1 Prsentation de la mthode DEA . . . . . . . . . . . 120
II.1.2 Prsentation du programme doptimisation . . . . . . 122
II.1.3 Illustration de la mthode denveloppement de donnes 125
II.1.4 Limites de la mthode et tests de robustesse . . . . . 132
II.2 Estimation conomtrique dune fonction de production . . . . 133
II.2.1 Prsentation de la fonction de production CES . . . 133
II.2.2 Illustration de la mthode CES . . . . . . . . . . . . 136
II.2.3 Limites de la mthode et tests de robustesse . . . . . 138
Section III Mesure globale de lecacit technique des units commerciales . 139
III.1 Prsentation gnrale des rsultats . . . . . . . . . . . . . . . 139
III.2 Sensibilit des mthodes de mesure . . . . . . . . . . . . . . . 142
III.2.1 Sensibilit aux hypothses de rendements dchelle . 142
III.2.2 Sensibilit aux variations des donnes . . . . . . . . . 147
III.3 Choix entre les deux mesures de lecacit technique . . . . . 149
III.3.1 Concordance des rsultats . . . . . . . . . . . . . . . 149
III.3.2 Cration dune sous base de donnes . . . . . . . . . 150
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
Chapitre 4 Les liens entre lhtrognit et lefficacit

technique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Section I Les variables explicatives de lecacit technique . . . . . . . . . . . 157
I.1 Variables internes lunit commerciale . . . . . . . . . . . . . 158
I.1.1 Niveau de comptences moyen de lquipe . . . . . . 159
318

Table des matires
I.1.2 Htrognit des niveaux de comptences . . . . . . 161
I.1.3 Htrognit dge . . . . . . . . . . . . . . . . . . . 162
I.1.4 Htrognit des niveaux de diplme . . . . . . . . 165
I.1.5 Htrognit de genre . . . . . . . . . . . . . . . . . 167
I.2 Variables externes lunit commerciale . . . . . . . . . . . . 169
I.2.1 Intensit de la concurrence subie . . . . . . . . . . . 170
I.2.2 Secteur commercial . . . . . . . . . . . . . . . . . . . 176
I.3 Corrlations entre les variables explicatives . . . . . . . . . . . 177
Section II Estimation des eets de lhtrognit sur lecacit technique . 179
II.1 Introduction des variables externes lquipe . . . . . . . . . 180
II.2 Introduction des variables internes lquipe . . . . . . . . . . 182
II.2.1 Prsentation des rsultats . . . . . . . . . . . . . . . 184
II.2.2 Validation du cadre thorique . . . . . . . . . . . . . 190
II.3 Introduction des variables de croisement entre les dimensions

de lhtrognit . . . . . . . . . . . . . . . . . . . . . . . . . 195
II.3.1 Prsentation des rsultats . . . . . . . . . . . . . . . 196
II.3.2 Validation du cadre thorique . . . . . . . . . . . . . 201
Section III Implication en gestion des ressources humaines . . . . . . . . . . . . 205
III.1 Contraintes lies la rorganisation des quipes . . . . . . . . 207
III.2 Caractristiques dun problme doptimisation combinatoire . 209
III.2.1 Taille du problme danalyse combinatoire . . . . . . 210
III.2.2 Algorithme de recherche . . . . . . . . . . . . . . . . 211
III.2.3 Prsentation de lheuristique . . . . . . . . . . . . . . 213
III.3 Tests de lheuristique par simulation de donnes . . . . . . . . 217
III.3.1 Taille des simulations . . . . . . . . . . . . . . . . . 217
III.3.2 Fiabilit de lheuristique . . . . . . . . . . . . . . . . 218
III.4 Rsultats et discussions . . . . . . . . . . . . . . . . . . . . . . 220
III.4.1 Progression globale du chire daaires . . . . . . . . 220
319

Table des matires
III.4.2 Modication de la composition des quipes . . . . . . 222
III.4.3 Progression localise et globale du chire daaires . 223
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
Conclusion gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
Annexe A Illustrations complmentaires . . . . . . . . . . . . . . . . . . . . . 235
Section I Illustrations complmentaires pour le chapitre 3 . . . . . . . . . . . . 235
I.1 Rendements dchelle . . . . . . . . . . . . . . . . . . . . . . . 235
I.2 Distributions des degrs decacit technique selon les rende-

ments dchelle . . . . . . . . . . . . . . . . . . . . . . . . . . 241
I.3 Corrlation entre les mthodes de calcul de lecacit technique 244
Section II Illustrations complmentaires pour le chapitre 4 . . . . . . . . . . . . 247
II.1 Distribution des units selon leur ecacit technique . . . . . 247
II.2 Rgressions conomtriques complmentaires . . . . . . . . . . 250
II.2.1 Sensibilit des rsultats conomtriques aux donnes

moins robustes . . . . . . . . . . . . . . . . . . . . . 250
II.2.2 Htrognit dge et ecacit technique . . . . . . 253
II.2.3 Variables de croisement et ecacit technique . . . . 255
II.3 volution du chire daaires selon le secteur . . . . . . . . . 256
Annexe B Analyse lexicomtrique des termes diver-

sit et htrognit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
Section I Extraction des donnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
Section II Exclusivit des usages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
Section III Tendance historique des usages . . . . . . . . . . . . . . . . . . . . . . 264
Section IV Catgorisation des usages . . . . . . . . . . . . . . . . . . . . . . . . . . 266
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
320

Table des matires
Annexe C Aire partage et intensit de la concurrence

subie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
Section I Description du problme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
Section II Description des cas possibles . . . . . . . . . . . . . . . . . . . . . . . . 277
II.1 Cas 1 : d < (R r) . . . . . . . . . . . . . . . . . . . . . . . . 277
II.2 Cas 2 : (R r) < d r . . . . . . . . . . . . . . . . . . . . . 278
II.3 Cas 3 : r < d R . . . . . . . . . . . . . . . . . . . . . . . . . 278
II.4 Cas 4 : R < d (R + r) . . . . . . . . . . . . . . . . . . . . . 278
II.5 Cas 5 : (R + r) < d . . . . . . . . . . . . . . . . . . . . . . . . 279
Section III Formalisation du calcul de laire partage . . . . . . . . . . . . . . . 280
III.1 Dterminer les intersections des deux cercles . . . . . . . . . . 280
III.2 Dterminer les angles des triangles rectangles . . . . . . . . . 281
III.3 Calculs des aires . . . . . . . . . . . . . . . . . . . . . . . . . 282
III.3.1 Calcul de laire des triangles rectangles . . . . . . . . 282
III.3.2 Calcul de laire de la portion des cercles . . . . . . . 283
III.4 Dirence daires et aire partage . . . . . . . . . . . . . . . . 284
III.4.1 Les cas 3 et 4 . . . . . . . . . . . . . . . . . . . . . . 284
III.4.2 Dirence daire : le cas 2 . . . . . . . . . . . . . . . 285
III.5 Expression de la formule gnrale . . . . . . . . . . . . . . . . 285
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
Glossaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
Liste des illustrations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
Table des matires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
321



Rsum
Cette thse porte sur le lien entre lhtrognit et lefficacit technique dune quipe de
travail. La littrature acadmique avance deux thses opposes ce sujet : les uns soutiennent
que lhtrognit, en diminuant la cohsion de lquipe, nuirait son efficacit tandis que
dautres y voient une source de crativit et dapprentissages rciproques favorables la pro-
ductivit. La thse propose un nouveau cadre thorique permettant de comprendre ce lien et
de dpasser ces oppositions en distinguant, pour chaque forme de lhtrognit, une dimen-
sion fonctionnelle et une dimension psychosociale. Cette nouvelle approche est ensuite mise
lpreuve des faits. partir de donnes dune enseigne de la grande distribution, nous mesu-
rons lefficacit technique de 411 quipes de managers de vente, et testons conomtriquement
nos hypothses propos de plusieurs formes dhtrognit (ge, genre, diplmes, niveaux
de comptences). Nous en dduisons un certain nombre de recommandations sur la manire
dont un responsable des ressources humaines peut prendre en considration lhtrognit
de ses quipes de travail.
Heterogeneity and efficiency of work teams
Abstract
This thesis addresses the link between the heterogeneity of a work team and its technical
efficiency. The academic literature puts forth two opposite statements on this topic: On one
side heterogeneity is said to reduce the teams efficiency by diminishing its cohesion ; on
the other side it is considered as a source of mutual learning and creativity, thus increasing
the teams productivity. This thesis proposes a new theoretical framework that enables us
to understand this link and overcome these oppositions by distinguishing, for every form of
heterogeneity, a functional dimension and a psychosocial dimension. This new approach was
then empirically tested by using data from a large-scale retail company. We measured the
technical efficiency of 411 teams of sales managers and econometrically tested our hypothesis
for several forms of heterogeneity (age, gender, education level and skills level). Based on the
result we put forth several recommended practices intended for Human Resources supervisors
who want to take into account the heterogeneity of their teams.

Hétérogénéité Et Efficacité Des Équipes de Travail PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Hétérogénéité Et Efficacité Des Équipes de Travail PDF

Uploaded by

Copyright:

Available Formats

Thse de Thomas Delclite, Lille 1, 2015

Thse pour le doctorat de sciences conomiques

Htrognit et efficacit des quipes de travail

Soutenue publiquement le 28 mai 2015 par Thomas Delclite

M. Franois Legendre, Professeur lUniversit Paris-Est-Crteil, rapporteur.

2015 Tous droits rservs. doc.univ-lille1.fr

2015 Tous droits rservs. doc.univ-lille1.fr

Thse pour le doctorat de sciences conomiques

Htrognit et efficacit des quipes de travail

Soutenue publiquement le 28 mai 2015 par Thomas Delclite

M. Franois Legendre, Professeur lUniversit Paris-Est-Crteil, rapporteur.

2015 Tous droits rservs. doc.univ-lille1.fr

2015 Tous droits rservs. doc.univ-lille1.fr

Tout a une n, cest peut tre a qui est bien.

Et si lcriture de cette thse navait quune n, celle de remercier toutes celles et

Mes premiers remerciements vont M. Nicolas Vaneecloo et M. Sbastien Richard, qui

2015 Tous droits rservs. doc.univ-lille1.fr

Je pense galement Sylvain et nos longues discussions thoriques et mthodolo-

2015 Tous droits rservs. doc.univ-lille1.fr

Et enn, je souhaite galement remercier Wookie. Sa prsence continue durant lcriture

2015 Tous droits rservs. doc.univ-lille1.fr

2015 Tous droits rservs. doc.univ-lille1.fr

Chapitre 1 Les quipes de travail . . . . . . . . . . . . . . . . . . . . 7

Chapitre 2 Lhtrognit dune quipe de travail . . . . 49

Chapitre 3 La mesure de lefficacit technique . . . . . . . . 95

Chapitre 4 Les liens entre lhtrognit et lefficacit

Conclusion gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

Annexe A Illustrations complmentaires . . . . . . . . . . . . . . . . . . . . . 235

Annexe B Analyse lexicomtrique des termes diver-

2015 Tous droits rservs. doc.univ-lille1.fr

Annexe C Aire partage et intensit de la concurrence

Liste des illustrations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307

Table des matires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315

2015 Tous droits rservs. doc.univ-lille1.fr

2015 Tous droits rservs. doc.univ-lille1.fr

existe-t-il ? Est-il toujours positif, ou toujours ngatif, ou dpend-il de certains facteurs

2015 Tous droits rservs. doc.univ-lille1.fr

Dans le premier mouvement (chapitre 1 et 2), nous proposerons un cadre thorique

2015 Tous droits rservs. doc.univ-lille1.fr

Dans le chapitre 2, nous dnirons lhtrognit dune quipe de travail. nouveau,

Commence alors le deuxime mouvement de la thse (chapitres 3 et 4), dont lobjectif

2015 Tous droits rservs. doc.univ-lille1.fr

Le troisime chapitre aborde la mesure de lecacit technique. Nous expliquerons en

Le quatrime et dernier chapitre poursuit ltude empirique du troisime chapitre. Nous

2015 Tous droits rservs. doc.univ-lille1.fr

comtrie, la simulation de donnes informatiques ou encore lextraction de donnes sur

2015 Tous droits rservs. doc.univ-lille1.fr

Les quipes de travail

Quest-ce quune quipe de travail ? Avant de pouvoir traiter de lhtrognit dune

2015 Tous droits rservs. doc.univ-lille1.fr

Chapitre 1 Les quipes de travail

2015 Tous droits rservs. doc.univ-lille1.fr

2015 Tous droits rservs. doc.univ-lille1.fr

Chapitre 1 Les quipes de travail

Section I Dfinition dune quipe de travail

2015 Tous droits rservs. doc.univ-lille1.fr

Section I Dnition dune quipe de travail

I.1 Apports de la littrature

I.1.1 Marschak, Radner et la thorie conomique de lquipe

Louvrage de Jacob Marschak 2 et Roy Radner 3 intitul Economic Theory of Teams

2. Jacob Marschak (1898-1977) est un conomiste amricano-russe, ancien directeur de recherche

2015 Tous droits rservs. doc.univ-lille1.fr

Chapitre 1 Les quipes de travail