Revue de Management et Cultures (REMAC)

ISSN : 2550-6293
N° 11 (2024)
[Link]

Gestion des ressources humaines et intelligence

artificielle : Une analyse bibliométrique
AZAIZI Amira
Docteure en sciences de gestion, Laboratoire de Recherche en Management Marketing et
Communication (LRMMC), ENCG, Université Hassan Premier (UHP), SETTAT, MAROC
[Link]@[Link]

Résumé — L'intelligence artificielle (IA) fait partie des technologies les plus influentes qui
modifient profondément notre façon de vivre, de travailler et d'interagir avec le monde qui
nous entoure. Intégrée dans plusieurs départements de diverses industries et institutions,
l'intelligence artificielle révolutionne les processus traditionnels, améliorant l'efficacité, la
précision et la prise de décision à travers une automatisation intelligente et une analyse
avancée des données. Un corpus croissant de connaissances affirme que les développements
contemporains des technologies d'automatisation offrent des avantages remarquables pour la
gestion des ressources humaines (GRH).
L'intelligence artificielle a le potentiel de changer l'avenir de la gestion des ressources
humaines. Cet article vise donc à effectuer une analyse bibliométrique de la littérature
scientifique qui aborde l’adoption de l'IA dans le domaine de la GRH. La base de données
scientifique consultée est Web of Science (WoS), ce qui a donné un nombre initial de 207
articles, dont 70 ont été sélectionnés pour une analyse ultérieure. Les informations ont été
traitées à l'aide de l'outil Vosviewer (version 1.6.20), qui fournit des cartes bibliométriques sur
les revues, les pays, les auteurs, et les mots-clés, etc. Les résultats obtenus révèlent que l'IA
appliquée à la GRH est un domaine d'étude en développement, avec une croissance constante
et une perspective positive pour l'avenir.

Mots-clés— Gestion des ressources humaines (GRH), Intelligence artificielle (IA), Ressources
humaines (RH), Analyse bibliométrique, Web of science (WoS), Vosviewer.

Abstract — Artificial intelligence (AI) stands as one of the most impactful technologies,
fundamentally reshaping our lives, professions, and interactions with the environment.
Embedded in many departments across diverse industries and institutions, artificial intelligence
is revolutionising traditional processes, improving efficiency, accuracy and decision-making
through intelligent automation and advanced data analysis. A growing body of knowledge
argues that contemporary developments in automation technologies offer remarkable benefits
for human resource management (HRM).
Artificial intelligence holds the promise of transforming the future landscape of human
resource management. The aim of this article is to carry out a bibliometric analysis of the

90
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

scientific literature concerning the adoption of AI in the field of HRM. The scientific database
consulted was Web of Science (WoS), resulting in an initial number of 207 articles, of which 70
were selected for further analysis. The information was processed using the Vosviewer tool
(version 1.6.20), which provides bibliometric maps of journals, countries, authors, keywords,
and so on. The results obtained show that AI applied to HRM is a developing field of study,
with constant growth and a positive outlook for the future.

Keywords — Human resource management (HRM), Artificial intelligence (AI), Human resources
(HR), bibliometric analysis, Web of science (WoS), Vosviewer.

INTRODUCTION
La « quatrième révolution industrielle » ou « l’industrie 4.0 », marque une ère d'utilisation
accrue des technologies émergentes, telles que l'intelligence artificielle (IA), le big data,
l'apprentissage automatique, la robotique collaborative, la technologie mobile, l'internet des
objets, la géolocalisation, la réalité virtuelle / augmentée, et la biométrie (Shank et al., 2019).
Parmi ces avancées technologiques, l'intelligence artificielle se présente aujourd'hui comme
une force transformative, remodelant profondément nos processus industriels, nos interactions
sociales et même notre compréhension du travail. Cependant, cette transformation suscite
également des réserves par rapport à son rôle et à ses répercussions pour l’individu,
l’organisation et la société.
L'IA est une science interdisciplinaire qui imite les capacités humaines et le comportement
intellectuel. Elle désigne « une vaste catégorie de technologies qui permettent à un ordinateur
d'effectuer des tâches qui requièrent normalement la cognition humaine, y compris la prise de
décision » (Cappelli et al. 2019). Dans la simulation du processus d'information de la conscience
et de la pensée humaine, cet ordinateur peut rapidement récupérer la base de données,
extraire des informations, répondre efficacement à nos doutes et fournir la meilleure réponse
directement et rationnellement. Le fonctionnement de l’IA est basé sur la construction de
machines, qu'il s'agisse d'ordinateurs ou de robots, visant à accomplir des tâches qui sont
traditionnellement réservées aux humains (Bolander, 2019).
Alors que différents départements de multiples organisations ont adopté et intégré des
outils basés sur l'IA, son application dans le domaine des ressources humaines reste encore en
développement. L'amélioration de l'efficacité de la gestion des ressources humaines grâce à
l'application de la technologie de l'IA est devenue une tendance importante dans l’évolution
future de la gestion des ressources humaines. Des enquêtes menées par des organisations
comme IBM indiquent qu'environ 66 % des PDG pensent que l'IA peut apporter une
contribution significative au domaine des RH (Tewari & pant, 2020).
L’intégration des outils de l'IA dans le domaine de la GRH soulève des questions
fondamentales sur la nature du travail, les relations professionnelles et les compétences
requises dans le monde du travail moderne. D’ailleurs, à mesure que nous progressons dans
cette ère d'intelligence artificielle, il devient impératif de comprendre comment cette fusion

91
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

entre la GRH et l'IA transforme notre manière de travailler, de recruter, de former et de gérer
les ressources humaines.
Malgré les recherches limitées en matière d'études sur l'IA et la GRH, un corpus croissant de
connaissances affirme que les développements récents des technologies d'IA offrent des
avantages remarquables pour la GRH (Tewari et pant, 2020 ; Prikshat et al., 2021).
L’automatisation accrue des processus RH, permet ainsi aux professionnels des RH de se
concentrer sur des tâches à plus forte valeur ajoutée telles que le développement du personnel,
la gestion des talents, la planification de la relève, la gestion de la diversité et de l'inclusion, la
conception des politiques de rémunération et d'avantages sociaux et la promotion de la santé
et du bien-être des employés. L’IA permet d’améliorer la satisfaction, l'engagement, la
fidélisation, la participation au travail des employés, la productivité, la performance, la
rentabilité des RH, la prise de décision efficace, tout en réduisant les coûts liés aux RH et autres
coûts opérationnels (Malik et al, 2021 ; Budhwar et al., 2022). Les outils de l'IA peuvent soutenir
l'acquisition, le développement, l'évaluation et la rétention des talents (Malik et al., 2021). Elle
peut également contribuer au recrutement, à la sélection et à l'entretien des candidats les plus
appropriés (Davenport et al., 2018). Elle permet aussi de fournir des modèles personnalisés de
formation et d’accompagnement en fonction des compétences et des objectifs de carrière des
employés (Sitzmann & Weinhardt, 2019).
L'intelligence artificielle, bien qu'elle puisse apporter des avantages considérables, elle n'est
pas sans risques. Des études telles que celle menée par Berg et ses collègues en 2018, ont mis
en lumière les conséquences potentielles de l'IA sur le marché de l'emploi, avec une estimation
alarmante selon laquelle plus de 45 % de tous les emplois pourraient être éliminés. De plus,
des chercheurs comme Levy (2018) ont souligné le risque accru d'aggraver les inégalités
sociales avec l'adoption généralisée de cette technologie. Ces préoccupations sont renforcées
par les recherches de Li et ses confrères (2019), qui ont identifié des effets néfastes
supplémentaires tels qu'une rotation élevée des employés, une baisse de la satisfaction au
travail et des coûts élevés associés à la mise en place et à la maintenance des systèmes de l’IA.
Un autre grand défi auquel sont confrontées les organisations est de faire face à l’impact
financier de l’introduction des nouvelles technologies de l’IA sur le lieu de travail (Tewari et
Pant, 2020). De plus, il serait primordial pour les responsables RH de recruter des candidats
compétents dans la maîtrise des nouveaux logiciels et systèmes technologiques. En effet,
l'intégration de ces systèmes dans les entreprises a déjà engendré une demande croissante de
candidats qualifiés sur le marché du travail, étant donné que la plupart des employés éprouvent
des difficultés à s'adapter aux nouvelles technologies et aux outils de l’IA (Tewari et Pant, 2020 ;
Budhwar et al., 2022).
Parallèlement, l’intelligence artificielle soulève d’autres défis relatifs à la protection de la vie
privée des employés, à la gestion éthique des données et aux craintes liées à la perte d'emplois
causée par l'automatisation (Brescoll et al., 2018).
Néanmoins, en reconnaissant et abordant avec prudence ces défis, les organisations peuvent
exploiter les avantages de l’IA pour améliorer leurs pratiques en GRH tout en atténuant les
risques (Hausknecht et al., 2019).
En définitive, l'association de l'IA à la GRH se heurte généralement à des limites en raison de
la complexité inhérente des phénomènes RH, des contraintes liées aux petits ensembles de
données, des questions associées à l'équité et à d'autres problèmes éthiques et juridiques, et
92
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

des éventuelles réactions négatives des employés aux décisions de gestion prises par le biais
d'algorithmes basés sur des datas.
Bien que l'IA soit un outil puissant pour la GRH, la recherche universitaire sur le sujet n'est
pas très développée (Pan et al. 2022). Dans ce contexte, en se basant sur une approche
bibliométrique, l'article vise à souligner l’état des connaissances dans ce domaine, en analysant
la production scientifique, les revues influentes dans ce domaine précis de recherche, les
collaborations existantes et potentiels ainsi que les tendances de recherche.
En ce qui concerne l'originalité de ce travail, notre approche bibliométrique utilisant la base
de données scientifiques Web of Science permettra d'enrichir la compréhension globale de la
GRH-IA et d'orienter les futures recherches dans des directions prometteuses. En conclusion,
grâce à notre approche méthodologique novatrice et notre analyse approfondie, cette étude
apporte une contribution significative à la littérature académique.

I. MÉTHODLOGIE DE RECHERCHE BIBLIOMÉTRIQUE

La méthodologie bibliométrique englobe l'application de techniques quantitatives sur des
données bibliométriques (Broadus, 1987 ; Pritchard, 1969). Cette méthode fournit des
représentations graphiques qui permettent aux chercheurs de mettre en lumière des modèles
de recherche spécifiques en analysant les citations et les références de ces publications. En
outre, parce qu'elle est basée sur l'analyse de données volumineuses, une approche
bibliométrique peut aider les chercheurs à examiner de vastes ensembles de publications et à
se concentrer ensuite sur les citations qui semblent être les plus régulièrement référencées.
Les premières discussions sur la bibliométrie ont commencé dans les années 1950 (Wallin,
2005), ce qui suggère que la méthodologie bibliométrique n'est pas nouvelle. Pourtant, la
prolifération de la bibliométrie est assez récente.
Suivant la démarche de Van Eck et Waltman (2017), le présent article adopte une perspective
bibliométrique pour analyser et tirer des conclusions à partir de 70 articles extraits de la base
de données Web of Science entre 2013 et mars 2024. Nous avons procédé à une évaluation
bibliométrique rigoureuse de la recherche sur le champ GRH-IA à l'aide du logiciel VOSviewer
étant que l'analyse bibliométrique est une méthodologie sophistiquée (Markoulli et al., 2016)
et scientifique (Bouyssou et Marchant, 2011) permettant de comprendre en profondeur
n'importe quel domaine d'étude.

93
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

La figure 1 représente une vue schématique de la méthodologie adoptée. Elle montre que
cette méthodologie comprend trois étapes : la collecte de données, l'analyse des données, la
visualisation et l'interprétation des données.

Figure.1 Étapes approche bibliométrique.

1. STRATEGIE DE RECHERCHE ET DE COLLECTE DE DONNEES

La première étape consiste à déterminer les bases de données à utiliser pour la recherche
documentaire. Comme précédemment mentionné, la base de données interrogée est WoS car
elle est actuellement parmi les bases de données les plus pertinentes en sciences de gestion
(Parris et Peachey, 2013). Les mots-clés de recherche étaient « Artificial Intelligence » et
« Human Resources Management » dans le champ de recherche « topic » incluant le titre de
l'article, le résumé et les mots-clés, pour la période entre 2013 et 31 mars 2024. Nous avons
ciblé des articles issus de la catégorie « management » pour obtenir une cohérence au niveau
des thèmes. Les travaux analysés sont ceux rédigés en anglais afin de couvrir un plus grand
nombre de publications et limités aux publications qui ne sont que des articles. Après avoir
établi cette chaîne de recherche, nous avons identifié 207 articles pertinents, dont 70 ont été
retenus après l'application des filtres.

2. STRATEGIE D’ANALYSE DES DONNEES

94
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

Pour créer et visualiser des cartes bibliométriques, nous avons exporté les données des 70
articles sélectionnés sur WoS vers VOSviewer (version 1.6.20). VOSviewer est un logiciel
d’analyse des données réputé pour sa capacité à créer et à représenter graphiquement des
cartes bibliométriques de manière extrêmement pratique. Dans notre étude, les cartes
générées par VOSviewer englobent les éléments clés de notre analyse, notamment les revues,
les auteurs, les mots-clés des auteurs, ainsi que les institutions ou pays affiliés. Cette approche
visuelle et interactive offre une vue d'ensemble détaillée des réseaux de recherche et des liens
entre les différentes entités, permettant ainsi une compréhension approfondie des tendances
et des interconnexions dans notre domaine d'étude.

II. RÉSULTATS
Les données issues de la recherche sur WoS, après l’application d’un ensemble de filtres, ont
fourni un ensemble de 70 articles pertinents. Cette analyse nous a permis de mettre en
évidence plusieurs résultats significatifs portant sur : 1) la production scientifique, 2) les revues
scientifiques, 3) les pays, les institutions et les collaborations internationales, 4) les auteurs, et
5) les mots-clés des auteurs.

1. ANALYSE DE LA PRODUCTION SCIENTIFIQUE

D'après les résultats de cette étude bibliométrique, il apparaît qu'au cours de la dernière
décennie, environ 70 publications de recherche se sont penchées sur le sujet de la GRH-IA.
L'analyse de la figure 2 révèle que les premières publications de recherche abordant à la fois
la GRH et le domaine de l'IA remontent à l'année 2019. La production scientifique a franchi le
cap des 10 publications en 2021, puis a continué à croître, atteignant 21 publications en 2022.
Toutefois, cette tendance a connu un léger recul en 2023, avec 18 articles publiés. Il est
intéressant de noter qu'au cours du premier trimestre de l'année en cours, la plateforme a
enregistré 9 publications, laissant entrevoir une perspective prometteuse quant à une
augmentation continue du nombre de publications dans les mois à venir.

Figure.2 Publications sur le sujet GRH-IA (2013 à 2024).

95
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

2. ANALYSE DES REVUES SCIENTIFIQUES

Le tableau ci-dessous, regroupe les principaux éditeurs des articles retenus ainsi que les
revues les plus importantes, leurs scores internationaux (ABS), et leurs contributions dans notre
base de données.
En analysant les résultats, nous avons constaté que 4 éditeurs célèbres gèrent 80 % des
publications sélectionnées pour cette étude. L’éditeur « Emerald Group Publishing » se
positionne en tête avec 27 articles, représentant ainsi 38,57 % de l'ensemble des publications.
En deuxième position, l’éditeur « Elsevier » compte 15 articles, soit un taux de 21,43 % de notre
base de données. Les éditeurs « Taylor & Francis » et « Wiley » occupent la troisième position
avec 7 articles chacun, représentant, ensemble, 20 % de l'ensemble des articles retenus.
Concernant les revues influentes, dans cette étude, la revue la plus productive est « Human
Resource Management Review », qui est gérée par l’éditeur « Elsevier », avec 8 publications, ce
qui représente 11,43 % du total des articles sélectionnés. En deuxième position, les revues les
plus importantes sont « International Journal of Human Resource Management » et «
International Journal of Manpower », avec 5 publications chacune, soit un ratio de 7,14 % du
total des articles par revue. En 3ème position, la revue « Organizational Dynamics », avec 4
publications, soit un taux de 5,71 de l’ensemble des publications.
En outre, les résultats de notre analyse ont montré que la revue « management décision »,
gérée par l’éditeur Emerald, a reçu le plus grand nombre de citation (84).
Il est également à signaler que les revues les plus influentes dans ce travail, sont d’une très
bonne qualité. Certes elles ne sont pas très citées du fait que les publications portant sur le
thème GRH-IA sont récentes.
Tableau.1 Éditeurs et revues leaders dans le domaine de la GRH-IA.

Revue ABS TP Article le plus cité NC Éditeur Influence

2021 éditorial
International 2 5 “Artificial intelligence and 49 Emerald 27
Journal of human workers interaction (38,571%)
Manpower at team level: a conceptual
assessment of the
challenges and potential
HRM strategies” (Arslan et
al., 2022)
Personnel 2 3 “Addressing the gap in
Review information security: an
HR-centric and AI-driven
framework for mitigating
insider threats” (Thite &
Iyer, 2024)

96
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

Management 2 2 “Innovating through digital 84

Decision revolution: The role of soft
skills and Big Data in
increasing firm
performance” (Caputo et
al., 2019)
Human 3 8 “Unlocking the value of 60 Elsevier 15
Resource artificial intelligence in (21,429%)
Management human resource
Review management through AI
capability framework”
(Chowdhury et al., 2023)
Organizational 3 4 “How to use generative AI 1
Dynamics as a human resource
management assistant”
(Aguinis et al., 2024)
The 3 5 “The adoption of artificial 71 Taylor and 7 (10%)
International intelligence in employee Francis
Journal of recruitment: The influence
Human of contextual factors” (Pan
Resource et al., 2021)
Management
International 2 1 “The Future of Employee 26
Studies of Engagement: Real-Time
Management & Monitoring and Digital
Organization Tools for Engaging a
Workforce” (Burnett & Lisk,
2019)
Asia Pacific 2 3 “Artificial intelligence in 8 Wiley 7 (10%)
Journal of health-care: implications
Human for the job design of
Resources healthcare professionals”
(Tursunbayeva &
Renkema, 2022)
Human 4 3 “Sixty years of research on 47
Resource technology and human
Management resource management:
Looking back and looking
forward” (Kim et al., 2020)
Note: TP (Total Publications); NC(Nombre de Citations).

La figure graphique 3 dévoile les liens entre les revues citées conjointement, offrant ainsi un
aperçu de la façon dont les articles académiques mettent en avant l'étendue des connaissances

97
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

dans le domaine de la gestion des ressources humaines et de l'intelligence artificielle. Cette

proximité entre les revues facilite la visualisation des différentes publications abordant ce sujet,
offrant en conséquence une référence visuelle claire pour les chercheurs.
Nous observons qu'un nombre significatif de revues traite cette thématique, ce qui pointe
l'importance de la recherche sur le sujet GRH-IA pour la communauté académique. Dans le
graphique, la taille des nœuds (représentant les revues) est proportionnelle au nombre de
citations, tandis que la distance entre les nœuds reflète la force des relations entre ces revues.
Pour une meilleure lisibilité, nous avons restreint la visualisation aux 24 revues ayant reçu au
moins 30 citations.

Figure.3 Carte de co-occurrente des revues.

3. ANALYSE DES PAYS, DES INSTITUTIONS ET DES COLLABORATIONS INTERNATIONALES

La Figure 4 représente les principaux contributeurs à la recherche en GRH-IA, éclairant les
pays qui ont joué un rôle prépondérant dans la production d'articles et leur impact à l'échelle
mondiale. Entre 2019 et 2024, environ 24.286% des publications mondiales ont émané de six
pays : l'Angleterre, les États-Unis, l'Australie, la Chine, l'Inde et la France. Ces nations ont
98
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

marqué de leur empreinte le paysage de la recherche en GRH-IA, reflétant ainsi leur

engagement dans ce domaine en pleine expansion.
Outre ces acteurs majeurs, d'autres pays ont également contribué significativement à
l'avancement des connaissances en matière de la GRH-IA. Parmi eux, l'Allemagne, l'Italie, les
Pays-Bas, la Malaisie, l'Afrique du Sud, les Émirats arabes unis, etc. Ces contributions diverses
enrichissent la perspective globale sur la relation entre la GRH et l’IA, témoignant ainsi de
l'importance et de la portée internationale de cette thématique.
En somme, 37 pays ont participé à l'avancement des connaissances dans ce domaine de
recherche spécifique et actuel. Cette diversité d'acteurs et d'approches renforce la richesse et
la pertinence des connaissances générées, ouvrant ainsi de nouvelles perspectives et défis pour
l'avenir de ce domaine en évolution permanente.

Figure.4 Nombre de publications par pays.

La figure 5 affiche les pays influents en termes de publications et leur degré de proximité en
matière de coopération. La proximité fait ici référence à la fréquence et à l'intensité des
collaborations entre ces pays dans le domaine de la production académiques, et non à leur
proximité géographique.
Plusieurs facteurs contribuent à encourager la collaboration internationale, notamment le
nombre maximal de chercheurs invités, la diversité des partenariats de recherche et l'allocation
de fonds pour la recherche. Pour renforcer les liens internationaux, une politique de recherche
stable et flexible est nécessaire (Khudzari et al., 2018).

99
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

Figure.5 Carte des pays influents en matière de publications.

4. ANALYSE DES AUTEURS

Dans l'ensemble, notre échantillon comprend 142 auteurs qui ont contribué à la production
scientifique dans le domaine de la GRH-IA. Pour cartographier visuellement les auteurs les plus
influents, nous avons sélectionné ceux qui ont été cités au moins trois fois. La figure ci-dessous
présente les 25 meilleurs auteurs de notre base de données, offrant ainsi un aperçu clair des
principaux acteurs de cette sphère de recherche.
La carte bibliographique révèle trois clusters distincts, chacun représentant un groupe
d'auteurs étroitement liés par leurs collaborations scientifiques. Le premier cluster, identifié en
bleu, comprend des auteurs tels que Budhwar, Dutta, Malik, Patel, Prikshar et Srikanth. Le
deuxième cluster, marqué en rouge, regroupe des chercheurs comme Abadie, Bhattacharya,
Chowdhury, Dey et Joel-Edgar. Enfin, le troisième cluster, représenté en vert, rassemble des
auteurs tels que Edgar, Alsmairat, Arslan, Cooper et Golgeci.
Ces regroupements illustrent non seulement les contributions individuelles des auteurs, mais
également les collaborations scientifiques qui dynamisent et enrichissent le domaine de la
GRH-IA. En identifiant ces clusters, notre analyse met en évidence les réseaux de recherche
émergents et les axes de collaboration potentiels pour les futurs travaux dans ce domaine de
recherche.

100
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

Figure.6 Carte des auteurs les plus influents de notre base de données.

Il est pertinent de mentionner que l'auteur ayant le plus grand nombre d'articles est Malik
A, avec 6 publications, ce qui représente 8,571 % du total des publications retenues dans cette
étude. Budhwar P arrive en deuxième position avec 5 articles. Ensuite, chacun des auteurs
suivants - Bhattacharya S, Chowdhury S, Dutta D, Gaskin J, Jabbour CJC, Johnson RD, Kambur
E, Meijerink J, Ogbeibu S, Prikshat V et Srikanth NR - a contribué avec 2 publications.
Le tableau 2, affiche les meilleurs 10 auteurs dans le domaine de la GRH-IA, leurs
contributions dans notre base de données, ainsi que le total des citations reçues par chaque
auteur dans cette base. Le tableau expose également l’indice H de chaque auteur, pour donner
une vue d’ensemble de la qualité ses travaux.

Tableau.2 Top 10 auteurs dans le domaine GRH-IA.

Auteurs H indice Nombre de Total citations

publications
Malik Ashish 26 6 123
Budhwar Pawan 49 5 123
Srikanth Nr 4 2 81
101
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

Prikshat Verma 8 2 31
Bhattacharya Sudeshna 41 2 69
Chowdhury Soumyadeb 14 2 69
Meijerink Jeroen 15 2 25
Gaskin James 20 2 27
Ogbeibu Samuel 10 2 27
Kambur Emine 2 2 20

5. ANALYSE DES MOTS CLES DES AUTEURS

En ce qui concerne l'analyse des mots-clés des auteurs, il convient de noter que lors du
téléchargement des données dans VOSviewer, le nombre minimum d'apparitions de mots-clés
était fixé à 3, ce qui a permis d'identifier un total de 272 mots-clés dans la base de données.
Ces mots-clés ont été associés entre eux par 13 liens, révélant ainsi des connections
significatives entre les différents concepts abordés. La force totale de ces liens s'élève à 108,
soulignant ainsi l'intensité des relations entre les mots-clés identifiés.
Dans la carte graphique, la taille des nœuds correspond à la fréquence de chaque mot-clé.
Ainsi, plus le nœud est grand, plus la proportion de mots-clés associée est significative. La force
des relations entre les mots est représentée par la distance entre les nœuds, reflétant ainsi les
connexions importantes entre les différents concepts.
Nos résultats révèlent que le concept d’ « intelligence artificielle » est le mot-clé le plus
fréquemment rencontré, avec une fréquence de n=38. En deuxième position, nous retrouvons
l'expression « gestion des ressources humaines », avec une fréquence de n=27. D'autres termes
tels que « technologie », « apprentissage automatique », « analyse des ressources humaines »,
« numérisation » et « pratiques de gestion des ressources humaines » sont pareillement,
régulièrement présents dans nos données.
Ces mots clés expriment que la recherche actuelle ne porte que sur l’intégration de l’IA dans
la GRH de façon générale. Cependant, il est important de noter une lacune significative en ce
qui concerne l'exploration de l'impact spécifique de l'IA dans chaque sous domaine précis de
la GRH, tels que le recrutement, la sélection, la formation, la rémunération et le développement
des carrières. Alors que les études existantes abordent souvent l'IA dans un contexte global de
la GRH, il y a un besoin croissant de recherche approfondie qui examine comment l'IA affecte
chacun des sous-domaines de la GRH de manière individuelle. Par exemple, comment l'IA peut-
elle améliorer les processus de recrutement en identifiant les candidats les plus qualifiés de
manière plus efficace ? Comment l'IA peut-elle soutenir la prise de décision en matière de
rémunération en analysant les données salariales et en proposant des recommandations
basées sur des critères objectifs et équitables ? Comment peut-elle optimiser les pratiques de
formation en personnalisant les programmes de développement professionnel pour chaque
employé ? Comprendre ces aspects distincts est essentiel pour maximiser les avantages de l'IA
dans la gestion des ressources humaines.

102
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

Figure.7 Carte des mots-clés des auteurs.

III. LIMITES ET PERSPECTIVES

Malgré les efforts consacrés à cette étude d'analyse bibliométrique, plusieurs limites sont à
prendre en compte. Tout d'abord, notre recherche s'est restreinte à la base de données Web
of Science, alors que l'inclusion de d’autres bases de données telles que Scopus aurait pu offrir
une vision plus exhaustive de la production scientifique sur le thème de la GRH-IA. De plus, en
limitant notre recherche à la catégorie « management », nous risquons de biaiser la qualité de
nos résultats, étant donné que la recherche sur le sujet de la GRH-IA tend à être de plus en
plus multidisciplinaire (Connelly et al., 2020). Cette démarche restrictive pourrait
potentiellement exclure des études pertinentes provenant d'autres domaines, tels que
l'informatique, la psychologie ou l’économie, qui pourraient enrichir notre compréhension de
ce sujet complexe. Ainsi, une approche plus inclusive aurait pu conduire à une analyse plus
approfondie et équilibrée des tendances et des avancées dans ce domaine en perpétuelle
évolution.
À la lumière des découvertes de cette analyse bibliométrique, plusieurs pistes de recherche
prometteuses se dessinent pour l'avenir. Tout d’abord, une perspective comparative entre les
différentes régions géographiques permettrait de mieux comprendre les variations mondiales
de l’acceptation et de l’adoption de l'IA dans la gestion des ressources humaines. Ensuite, en
s'appuyant sur les revues de grande influence identifiées par cette étude, les efforts de
103
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

recherche futurs peuvent mener des méta-analyses approfondies afin d’explorer en détail les
tendances émergentes et les pistes de recherche spécifiques dans le domaine GRH-IA. Ces
méta-analyses pourraient permettre d'identifier les principales questions de recherche qui
suscitent le plus d'intérêt, ainsi que les lacunes à combler et qui nécessitent une attention
particulière. De plus, elles pourraient exposer les méthodologies les plus efficaces et les
approches les plus prometteuses utilisées dans les études précédentes, offrant ainsi des
orientations précieuses pour les futurs travaux de recherche. En outre, une analyse plus
approfondie des implications éthiques, sociales et juridiques de l'utilisation croissante de l'IA
dans les processus RH pourrait contribuer à éclairer les pratiques organisationnelles. Enfin des
études longitudinales visant à suivre l'évolution de l’adoption de l’IA dans la GRH pourrait offrir
des insights précieux sur les tendances à long terme. En explorant ces diverses perspectives,
les chercheurs peuvent contribuer de manière significative à l'avancement des connaissances
sur la convergence entre la GRH et l'IA, ainsi qu'à son impact sur les organisations et les
individus.

IV. CONCLUSION
Nous avons examiné la recherche sur la gestion des ressources humaines et l’intelligence
artificielle indexée dans la base de données WoS en cartographiant les revues, les pays, les
auteurs et les mots-clés. Cette étude de recherche a fourni un résumé des tendances de la
recherche dans ce domaine à partir de 70 publications extraites de la base de données WoS.
A partir de l’année 2019, la littérature académique portant sur le thème GRH-IA a connu une
croissance progressive du nombre de publications. On peut donc s'attendre à ce que le nombre
de publications annuelles continue d'augmenter.
Il a été relevé que les établissements de recherche de l'Angleterre, des États-Unis, de
l'Australie et de la Chine dominent la publication de travaux scientifiques. Ces institutions
pourraient servir de plateforme pour les chercheurs et universitaires provenant de diverses
régions, favorisant ainsi le renforcement des collaborations et des liens de recherche entre eux.
Nous avons également évoqué les revues les plus influentes dans ce domaine de recherche.
Ces revues représentent ainsi une ressource solide pour se documenter sur le sujet de la GRH-
IA, et les chercheurs à venir peuvent les solliciter pour publier davantage dans ce domaine.
Nous avons également examiné la tendance des publications utilisant des mots-clés
renommés. Notre objectif était de décrire les tendances passées de la recherche ainsi que les
mots-clés les plus utilisés. En somme, l’analyse a confirmé que les efforts de recherche se sont
axés dans un premier temps sur l'évolution de la gestion des ressources humaines vers
l'utilisation d'algorithmes et de technologies avancées pour prendre des décisions et optimiser
les processus. Cette évolution reflète l'impact croissant de l'intelligence artificielle et de la
technologie sur la gestion des ressources humaines et ouvre de nouvelles perspectives de
recherche dans ce domaine en constante évolution. Il serait donc pertinent d'approfondir
l'étude de l'influence des algorithmes issus de l'IA sur chaque aspect de la gestion des
ressources humaines, afin de mieux appréhender leur impact global sur le département RH.
Cette approche permettrait de mieux comprendre comment l'IA modifie les pratiques
traditionnelles de la GRH et comment elle peut être exploitée de manière optimale pour
améliorer les processus et les décisions dans ce domaine crucial.

104
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

RÉFÉRENCES

Berg, A., Buffie, E. F., & Zanna, L. F. (2018). Should we fear the robot revolution? (The correct
answer is yes). Journal of Monetary Economics, 97, 117–148.
Bolander, T. (2019). What do we loose when machines take the decisions?. Journal of
Management and Governance, 23 (4), 849–67.
Bouyssou, D. and Marchant, T. (2011). Bibliometric rankings of journals based on Impact
Factors: an axiomatic approach. Journal of Informetrics, Vol. 5, pp. 75-86.
Brescoll, V. L., Uhlmann, E. L., & Newman, G. E. (2018). The Effects of AI-Based Personnel
Selection Tools on Workplace Diversity. Journal of Experimental Social Psychology, 74,
368-374.
Budhwar, P., Malik, A., De Silva, M. T., & Thevisuthan, P. (2022). Artificial intelligence–
challenges and opportunities for international HRM: a review and research agenda. The
International Journal of human resource management, 33(6), 1065-1097.
Cappelli, P., P. Tambe, and V. Yakubovich. (2019). Artificial Intelligence in human resources
management: Challenges and a path forward. California Management Review, 61,4,15–
42.
Davenport, T. H., Harris, J., & Shapiro, J. (2018). Competing on Talent Analytics. Harvard
Business Review, 96(10), 52-60.
Hausknecht, J. P., Day, D. V., & Thomas, S. C. (2019). Applicant Reactions to Selection
Procedures: An Updated Model and Meta-Analysis. Personnel Psychology, 72(4), 395-
424.
Khudzari, J.M., Kurian, J., Tartakovsky, B. and Raghavan, G.V. (2018). Bibliometric analysis of
global research trends on microbial fuel cells using Scopus database. Biochemical
Engineering Journal, 136, pp.51- 60.
Levy, F. (2018). Computers and populism: Artificial intelligence, jobs, and politics in the near
term. Oxford Review of Economic Policy, 34(3), 393–417.
Li, J. J., Bonn, M. A., & Ye, B. H. (2019). Hotel employee’s artificial intelligence and robotics
awareness and its impact on turnover intention: The moderating roles of perceived
organisational support and competitive psychological climate. Tourism Management, 73,
172–181.
Malik, A., De Silva, M. T. T., Budhwar, P., & Srikanth, N. R. (2021). Elevating talents’ experience
through innovative artificial intelligence-mediated knowledge sharing: Evidence from an
IT-multinational enterprise. Journal of International Management, 27(4), 100871.
Markoulli, M., Lee, C.I., Byington, E.K. and Felps, W.A. (2016). Mapping human resource
management: reviewing the field and charting future directions. Human Resource
Management Review, Vol. 27 No. 3, pp. 367-396.
Pan, Y., F. Froese, N. Liu, Y. Hu, and M. Ye. (2022). The adoption of artificial intelligence in
employee recruitment: The influence of contextual factors. International Journal of
Human Resource Management, 33, 6, 1125–47.
Parris, D. L., and J. W. Peachey. (2013). A systematic literature review of servant leadership
theory in organizational contexts. Journal of Business Ethics, 113 (3), 377–93.
Prikshat, V., Malik, A., & Budhwar, P. (2021). AI-augmented HRM: Antecedents, assimilation
and multilevel consequences. Human Resource Management Review, 33(1), 100860.
105
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC
 Revue de Management et Cultures (REMAC)
ISSN : 2550-6293
N° 11 (2024)
[Link]

Shank, D. B., Graves, C., Gott, A., Gamez, P., & Rodriguez, S. (2019). Feeling our way to machine
minds: People’s emotions when perceiving mind in artificial intelligence. Computers in
Human Behavior, 98, 256–266.
Sitzmann, T., & Weinhardt, J. M. (2019). Approaching evaluation from a multilevel perspective:
A comprehensive analysis of the indicators of training effectiveness. Human Resource
Management Review, 29(2), 253–269.
Tewari, I., & Pant, M. (2020, December). Artificial intelligence reshaping human resource
management: A review. In 2020 IEEE international conference on advent trends in
multidisciplinary research and innovation (ICATMRI) (pp. 1-4). IEEE.
Van Eck, N.J. and Waltman, L. (2017). Citation-based clustering of publications using
CitNetExplorer and VOSviewer. Scientometrics, 111, 2, pp. 1053-1070.
Wallin, J. A. (2005). Bibliometric methods: pitfalls and possibilities. Basic & clinical
pharmacology & toxicology, 97(5), 261-275.

106
REMAC N° 11 (2024)
DOI : ……………………..
CC BY-NC