Exploring Psychosocial, Cognitive, and Behavioural Factors in Supply Chain Operations: A Human-Centric Approach

RÉSUMÉ: L’industrie 4.0 (I4.0) transforme les lieux de travail industriels modernes grâce à l'adoption de technologies avancées telles que l'intelligence artificielle (IA), l'analyse de données en temps réel et l'automatisation. Ces technologies modifient de manière significative les rôles et les responsabilités des travailleurs, introduisant à la fois des opportunités et des défis. D'un côté, ces avancées peuvent améliorer la productivité et offrir aux travailleurs la possibilité de s'engager dans des tâches plus significatives et stimulantes. D'un autre côté, elles introduisent des défis tels que des exigences cognitives accrues, l'insécurité de l'emploi, des tâches standardisées et monotones, ainsi que le besoin de développement continu des compétences. Ces derniers peuvent impacter de façon significative le bien-être, la rétention, la performance, la motivation et la satisfaction au travail à moyen ou long terme. Malgré de nombreuses recherches sur les aspects techniques des technologies de l'I4.0, il y a un manque notable d'études abordant les impacts psychologiques, en particulier les dimensions psychosociales, cognitives et comportementales de ces technologies sur les travailleurs. Ainsi, l'objectif général de cette thèse est d'évaluer l'impact des technologies de l'I4.0 sur les dimensions psychologiques de l'interaction humain-technologie au sein des opérations de la chaîne d'approvisionnement. Pour atteindre cet objectif, la thèse utilise une méthodologie multifacette, incluant des revues systématiques de la littérature, des études expérimentales et des études de terrain longitudinales. La première étape consistait en une revue systématique visant à identifier et caractériser les résultats psychosociaux, cognitifs et comportementaux liés aux technologies de l'I4.0, à analyser leurs antécédents et leurs conséquences et à développer un plan de recherche pour les futures recherches centrées sur l'humain. Cette revue a permis d’identifier plusieurs lacunes importantes ouvrant la voie aux études expérimentales et longitudinales subséquentes. Premièrement, il existe peu de recherche évaluant les composantes psychosociales de l'interaction humain-IA, telles que la motivation des travailleurs, l'autonomie et le sens du travail, sans compter l’absence d'études expérimentales sur ces variables. Deuxièmement, la recherche sur les aspects cognitifs de l'interaction humain-IA, en particulier en ce qui concerne l'attention et la prise de décision lorsque les opérateurs humains doivent intervenir, est rare. Enfin, il y a un manque significatif de recherches longitudinales sur l'impact global de la technologie sur les travailleurs. Pour combler la première lacune, une étude expérimentale a été menée pour évaluer les impacts psychosociaux de différents niveaux de soutien à la décision par l'IA sur la motivation, l'autonomie, le sens du travail et l'engagement des travailleurs. Cette étude a révélé que l'automatisation partielle de la sélection des décisions, qui équilibre l'assistance de l'IA avec le contrôle humain, conduit à de meilleurs résultats psychosociaux par rapport à l'automatisation complète, améliorant la motivation, l'engagement, le sens du travail et l'autonomie des travailleurs. Pour combler la deuxième lacune, une autre étude expérimentale s'est concentrée sur l'automatisation par l'IA pendant la formation examinant comment différents niveaux de soutien à la décision par l'IA pendant la formation de travailleurs impactent l'acquisition de compétences, l'engagement, la motivation et les capacités de prise de décision. Les résultats ont indiqué que l'automatisation partielle de la sélection des décisions pendant la formation améliore significativement l'acquisition de compétences, la motivation et maintien des niveaux plus élevés d'engagement cognitif chez les travailleurs. Pour combler la dernière lacune, une étude de terrain longitudinale a été menée pour évaluer les impacts psychosociaux, cognitifs et comportementaux réels des technologies de l'I4.0 en examinant spécifiquement les facteurs de risque situationnels introduits par les technologies avancées dans la livraison du dernier kilomètre. En utilisant une approche multi-méthodes incluant des mesures physiologiques, perceptuelles et observationnelles, cette étude a révélé que les conditions de livraison telles que le secteur de livraison, la durée du quart de travail et la pression temporelle affectent significativement la fatigue, le stress, l'attention et le comportement de conduite à risque des conducteurs, soulignant ainsi l'importance de considérer comment les choix de conception technologique impactent les travailleurs. En conclusion, l'exploration des facteurs humains dans l'intégration des technologies avancées dans les opérations de la chaîne d'approvisionnement a produit des résultats généralisables à d’autres contextes que ceux étudiés. Ces constats ont des implications pour l'avenir du travail, la conception technologique et la gestion organisationnelle, faisant progresser la vision d'une Industrie 5.0 centrée sur l'humain. En somme, les résultats démontrent que l'automatisation équilibrée et une conception réfléchie des systèmes d'IA peuvent améliorer de manière significative les dimensions psychosociales, cognitives et comportementales de l'interaction humain-technologie. Cet équilibre améliore non seulement le bien-être individuel, mais se traduit également par des niveaux plus élevés de motivation, d'engagement et de performance, entre autres. En favorisant des environnements qui priorisent le bien-être et le développement des travailleurs, l'Industrie 5.0 peut soutenir un avenir durable et inclusif où la technologie et l'humanité progressent ensemble. Cette thèse souligne également l'importance critique de la recherche interdisciplinaire, multi-méthodes et intersectorielle pour comprendre les impacts multifacettes des nouvelles technologies sur les travailleurs humains. Intégrer des perspectives de domaines tels que l'ergonomie, la psychologie organisationnelle, les sciences cognitives et le génie industriel est essentiel pour développer une vue d'ensemble de la manière dont les travailleurs s'adaptent aux changements dans leur environnement de travail. Cette approche assure que la conception et la mise en œuvre des nouvelles technologies et des processus de travail soient informées par une compréhension profonde de la réalité des travailleurs, promouvant ultimement le bien-être humain et faisant avancer la vision d'une Industrie 5.0 centrée sur l'humain. ABSTRACT: Industry 4.0 (I4.0) is reshaping modern industrial workplaces through the adoption of advanced technologies such as artificial intelligence (AI), real-time data analytics, and automation. These technologies significantly alter worker roles and responsibilities, introducing both opportunities and challenges. On the positive side, these advancements can improve productivity and create opportunities for workers to engage in more meaningful and stimulating tasks. However, they also introduce challenges such as increased cognitive demands, job insecurity, standardized monotonous tasks, and the need for continuous skill development. These dual-edged impacts of technology have significant medium- to long-term effects on the psychological dimensions of workers, including employee well-being, retention, performance, motivation, and job satisfaction. Despite extensive research on the technical aspects of I4.0 technology, there is a notable lack of studies addressing the psychological impacts—specifically the psychosocial, cognitive, and behavioral dimensions—of these technologies on workers. As such, the general objective of this thesis is to assess the impact of I4.0 technology on the psychological dimensions of human-technology interaction within supply chain operations. To achieve this objective, the thesis employs a multifaceted methodology, including systematic literature reviews, experimental studies, and longitudinal field studies. The first step was a systematic review aimed at identifying and characterizing the psychosocial, cognitive, and behavioral outcomes related to I4.0 technology, analyzing their antecedents and consequences, and developing a roadmap for future human-centered research. This review identified several critical gaps, which paved the way for the subsequent experimental and longitudinal data collections. First, there is a lack of evaluation of the psychosocial components of human-AI interaction, such as worker motivation, autonomy, and job meaningfulness, compounded by the absence of experimental studies on these variables. Second, research on the cognitive aspects of human-AI interaction, particularly in attention and decision-making when human operators must intervene, is insufficient. Finally, there is a significant gap in longitudinal and field research on the overall impact of technology on workers. To address the first gap, an experimental study was conducted to evaluate the psychosocial impacts of different levels of AI decision support on worker motivation, autonomy, job meaningfulness and engagement. This study found that partial automation of decision selection, which balances AI assistance with human control, leads to better psychosocial outcomes compared to full automation, enhancing worker motivation, engagement, job meaningfulness, and autonomy. Addressing the second gap, another experimental study focused on AI automation during training, examining how different levels of AI decision support during training sessions impact skill acquisition, engagement, motivation, and decision-making capabilities. The findings indicated that partial automation of decision selection during training significantly improved skill acquisition and motivation and maintained higher levels of cognitive engagement among workers. To fill the final gap, a longitudinal field study was conducted to assess the real-world psychosocial, cognitive, and behavioral impac

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.