Aller au menu Aller au contenu
Consultez les publications et les thèses
Laboratoire des Sciences pour la Conception, l'Optimisation et la Production de Grenoble
Consultez les publications et les thèses
Consultez les publications et les thèses

> GSCOP_RESULTATS > GSCOP_ThèsesSoutenues

Thèse Karolin Gebhardt

Auteur : Karolin Gebhardt
Directeur de thèse : Andreas RIEL
Date : 12 juin 2020
 
Le management de projets d’innovation piloté par l’incertitude : méthodes et outils 


L'incertitude fait partie intrinsèque de chaque projet, en particulier des projets d'innovation. Spécifications peu claires et changeantes, manque d'expérience et de compétences ainsi que les influences du contexte provenant entre autres des parties prenantes et de la législation ne sont que quelques sources typiques d'incertitude. En général, les niveaux d'incertitude ne sont pas répartis de manière homogène entre les tâches individuelles du projet. Le niveau d'incertitude d'une tâche, cependant, a une influence importante sur la façon dont cette tâche doit être gérée et exécutée. Dans la pratique courante, les chefs de projet, les équipes de projet et les outils de gestion de projet ne tiennent pas systématiquement compte de ce fait, ce qui conduit à des modes d'exécution de tâches inappropriés avec des résultats insatisfaisants et des conséquences négatives en aval du projet. Dans ce contexte, cette thèse propose une nouvelle méthodologie pour inclure systématiquement l'incertitude et les considérations contextuelles dans la planification et l'analyse de projet du niveau macro (projet) au niveau micro (tâche). Il est basé sur la classification des tâches du projet en fonction de l'incertitude à laquelle elles sont confrontées. Pour y parvenir, ce travail identifie d'abord les exigences fondamentales des outils de gestion et d'aide à la décision facilitant la planification, le suivi et l'analyse de tout type de projets caractérisés par un niveau d'incertitude considérable. Basée sur un modèle de tâche qui intègre une définition de l'entrée, du résultat visé, de l'action ainsi que de son contexte sous la forme de parties prenantes impliquées, la méthode facilite la classification des tâches en fonction des niveaux d'incertitude estimés du résultat visé de chaque tâche par rapport à les entrées, ainsi que les actions de la tâche et son contexte. Le contexte peut être pris en compte systématiquement en utilisant un nouveau cadre de classification et de mesure du contexte dérivé des cadres existants pour capturer la complexité et l'incertitude du projet. Un langage de modélisation facilitant l'application pratique de ces modèles à l'aide des outils d'analyse et de visualisation des tâches ainsi que du réseau de parties prenantes a été mis en place. L'ensemble du travail est basé sur une étude de terrain qui a été réalisée dans l'environnement de recherche industrielle du groupe Bayer Group pendant trois ans. Elle a été complétée par une recherche littéraire approfondie dans les domaines concernés. Les principaux moyens pratiques pour développer et valider les résultats sont des entretiens avec des experts, des ateliers et des formations, ainsi que le soutien actif et l'accompagnement des projets d'innovation chez  l'entreprise.
 

mise à jour le 4 juin 2020

  • Tutelle CNRS
  • Tutelle Grenoble INP
  • Université Joseph Fourier
  • Tutelle UMR
Université Grenoble Alpes