Référence : 25 SH/Thèse chaire R&L
OFFRE DE THESE EN SCIENCE DE GESTION
SSENSIA : Sensemaking (faire sens) des signaux faibles pour la résilience
organisationnelle à l’ère de l’intelligence artificielle
Chaire Résilience & LeaderShip (Ecole navale - UBO - Université Rennes) avec le soutien de Naxicap
et de la Banque Française Mutualiste.
Laboratoire LEGO/UBO - Ecole doctorale Economie & Gestion EDGE
Cette recherche doctorale financée se réalisera dans le cadre d’un contrat doctoral de l’Université de Bretagne
Occidentale (UBO) et de l’école doctorale EDGE. La personne recrutée réalisera ses travaux au sein du de la
Chaire Résilience & Leadership et du Laboratoire d’Économie et de Gestion de l’Ouest (LEGO), qui compte
plus de 110 enseignants chercheurs en sciences de gestion.
Localisation principale : UBO (possibilité travail multisites des partenaires et télétravail, partiel).
Mots clés : Résilience organisationnelle - Signaux faibles - Sensemaking - Complexité - HRO/ Fiabilité
- Intelligence Artificielle - Contextes extrêmes/ à haut risques.
Face à la complexité et à l’incertitude croissantes, la résilience organisationnelle réactive (capacité à
récupérer en post-crise) se doit d’être complétée par une résilience proactive (se préparer en amont des
adversités). Cette approche proactive se fonde notamment sur l’analyse des signaux faibles - indices
précoces et de faible intensité - mais qui peuvent annoncer l'émergence d’une menace significative.
Aussi, identifier les indices pertinents, les analyser pour dégager des tendances claires malgré l'ambiguïté,
et finalement prendre des décisions éclairées constituent un réel enjeu dans ce contexte de permacrise (crise
permanente) qui sollicite les capacités cognitives des acteurs en situation et leurs capacités d’adaptation et
d’anticipation. Pour développer des capacités de résilience et pouvoir agir en amont d’une crise dès
l’émergence de signaux précurseurs, l’intérêt de ce travail réside dans la capacité à comprendre dans quelle
mesure il est possible d’améliorer la capacité d’une organisation à « donner du sens » (sensemaking)
aux processus de collecte, d’analyse et d’action à la base de ces signaux faibles.
Le recours grandissant à l’intelligence artificielle (IA) (modélisation, calcul des paramètres de fiabilité,
détection des anomalies) pose la question du rôle et des limites de ces dispositifs dans le processus de
sensemaking des signaux faibles pour une fiabilité accrue. Les questionnements de ce travail doctoral
porteront notamment sur le recours de l’IA et les enjeux correspondants dans le processus de
sensemaking des signaux faibles dans un objectif de résilience et de fiabilité renforcées.
Une étude de cas approfondie sera menée au sein d’organisations opérant dans un contexte à hauts risques
et qui envisagent/utilisent l’IA pour le traitement des signaux faibles (par exemple, le domaine médical, les
univers aux impératifs de sécurité - maritime, nucléaire…). Selon le terrain retenu, une expérimentation
(simulation) pourrait être envisagée et/ou un travail comparatif avec des partenaires internationaux (ex :
programme SEA-EU).
Profil souhaité / prérequis :
Titulaire (ou en cours d’obtention pendant la phase de sélection) d’un Master 2 ou équivalent (Master
Recherche ou Professionnel), indépendamment du cursus initial (écoles d’ingénieur, écoles de commerce,
ENS, Sciences Po, université, etc.).
Niveau Master 2 (idéalement Master RECHERCHE en sciences de gestion, sciences économiques,
sciences de sûreté. La thèse relèvera de la section 6 - Sciences de Gestion - du CNU),
Une connaissance de l’activité de recherche en sciences humaines,
Une bonne connaissance des méthodes d’études qualitatives et quantitatives,
De fortes capacités rédactionnelles en français et en anglais,
Des capacités d’analyse et de synthèse,
Une maîtrise de l’anglais à l’écrit et à l’oral.
Direction de thèse :
Sophie Le Bris (Maitre de Conférences, HDR - IAE de Brest - LEGO) :
[Link]@[Link]
Natalia Jubault Krasnopevtseva (Maitre de Conférences - IAE de Brest - LEGO) :
[Link]@[Link]
Pour candidater :
Envoyer CV détaillé, lettre de motivation en précisant la référence, les relevés de notes de Master 1 et
Master 2, le mémoire de Master 2 (le cas échéant), éventuellement, lettres de recommandation par voie
électronique à l’adresse suivante : [Link]@[Link]
Date limite de réception des candidatures : 5 juillet 2025 - Poste à pourvoir : octobre 2025