Corps de l’article

Cette chronique a pour objectif de décrire les transformations en cours du métier de chercheur en sciences de gestion. J’examinerai d’abord pourquoi le décathlonien, modèle standard de l’enseignant-chercheur, est en voie d’extinction. J’indiquerai ensuite pourquoi le modèle historique de l’artisan-chercheur indépendant est menacé, et décrirai notamment la multitude des nouvelles espèces de spécialistes qui viennent peupler l’univers jadis préservé des artisans-chercheurs – et même empiéter sur ses plates-bandes. J’en tirerai un ensemble d’observations relatives aux nouvelles activités, aux nouveaux métiers et aux nouvelles identités des plus jeunes chercheurs.

L’extinction programmée du décathlonien, modèle standard de l’enseignant-chercheur

Au risque de caricaturer, et sans une certaine nostalgie, j’observe l’extinction lente d’une espèce d’enseignant-chercheur, le prof tout terrain, généraliste, capable d’enseigner (en français et en anglais) devant tout type de public (étudiants, jeunes cadres, dirigeants, doctorants) et de publier ses travaux dans les meilleures revues scientifiques et professionnelles au niveau mondial, tout en maîtrisant l’ensemble de la chaîne de production (maîtrise de la littérature, devis de recherche, méthodes de collecte et d’analyse des données, rédaction, etc.). Évidemment soucieux de l’impact de ses recherches (sous la pression, notamment, des parties prenantes qui financent son écosystème), il est aussi clairement engagé dans le développement de son institution. Cet enseignant-chercheur, véritable décathlonien des établissements d’enseignement supérieur et de recherche en gestion, est en voie de disparition, sous la pression de deux tendances lourdes :

  • L’absence de synergie entre activités d’enseignement et activités de recherche, désormais démontrée au niveau de l’enseignant-chercheur comme individu. Dans sa très belle chronique intitulée Recherche et enseignement : le meilleur des deux mondes, Christophe Roux-Dufort (2016) rappelle ce résultat un peu dérangeant, mais systématiquement reproduit : « […] aucune synergie significative n’a été démontrée jusqu’ici entre la recherche et l’enseignement » (p. 11). « [Selon Hattie et Marsh (2004)] « la corrélation entre l’enseignement et la recherche est nulle » (p. 13) (voir aussi le Dossier de veille de l’IFÉ publié en mars 2017 et intitulé Recherche ou enseignement : faut-il choisir ?, notamment p. 27-28). De manière croissante, tant les individus que les institutions qui les emploient en tirent les conséquences, en créant des profils de postes spécialisés et des dispositifs d’incitation et des trajectoires de carrières adaptés à ces profils (chercheurs, enseignants, avec, on le verra plus tard, de multiples sous-espèces dans ces deux catégories)[2].

  • L’expertise croissante requise pour exceller dans chacune des épreuves du décathlon universitaire :

    • en matière de formation initiale, les architectes pédagogiques capables d’imaginer, de construire et de déployer des dispositifs innovants sont désormais choyés, notamment lorsqu’ils maîtrisent l’usage des plates-formes d’apprentissage et les formations à distance ou en ligne. Les places de marché type Akadeus (agence de recrutement en ligne de professeurs et de professionnels dans le monde des écoles de management) listent désormais des postes de superviseurs en ligne (on-line supervisors) pour exécuter des activités pédagogiques traditionnellement prises en charge par les enseignants-chercheurs, principalement les réponses simples aux questions routinières des étudiants et l’animation de forums et de wiki adossés à un cours ou à un programme. Enfin, à l’instar d’autres professions comme celles du monde médical, des enseignants-chercheurs quittent leurs activités traditionnelles et se spécialisent dans les fonctions de direction et gestion de programmes et d’établissements ;

    • en matière de formation continue au plus haut niveau, les compétences attendues par les entreprises relèvent de manière croissante de profils hybrides type « enseignant-consultant » et « instructeur-facilitateur » (teachsultant et coachstructor) qui valent de l’or (Iniguez, 2015). Ces nouveaux profils sont capables (1) d’orchestrer un apprentissage en action et (2) de transcender les disciplines traditionnelles ; (3) en partant des enjeux clés d’une (ou plusieurs) organisation(s). Ces « enseignant-consultant » et « instructeur-facilitateur » combinent à leurs expériences de recherche des expériences avec des entreprises (ce qui diffère d’expériences en entreprises) et des relations continues avec des équipes de direction.

Cette croissance des expertises singulières pour exceller dans chaque épreuve conduit donc à une forte spécialisation des tâches, un mouvement connu aux États-Unis sous le nom d’unbundling (difficilement traduisible : décomposition des tâches / division du travail), parfois débattu, voire contesté[3]. Bref, on observe une forme d’éclatement du modèle standard de l’enseignant-chercheur. Ainsi décrite, l’extinction progressive de l’espèce généraliste « enseignant-chercheur tout-terrain » laisse la place à une multitude d’espèces plus spécialisées, chacune en forte symbiose avec son propre écosystème de ressources spécifiques. Plus que jamais en sciences de gestion, il est donc souhaitable de s’interroger sur le métier de chercheur pleinement spécialisé dans des activités de recherche. Pourtant, lui aussi est menacé dans ses pratiques et son identité par des tendances nouvelles.

Des artisans-chercheurs indépendants aux spécialistes en activités scientifiques

[Milieu des années 1990. Mes collègues et amis Roland Calori, Michael Lubatkin et Phlippe Véry publient une série de travaux précurseurs sur les fusions et acquisitions dans les meilleures revues du champ. Leurs données sont collectées par questionnaire, en coupe, et un répondant par firme acquéreuse ou acquise (espérons que ce soit le bon !) répond à tous les items, que ceux-ci constituent les variables explicatives ou les variables à expliquer. Papiers géniaux, inspirants ! Mais solides ? Certains seraient probablement rejetés d’emblée aujourd’hui de ces revues : biais mono-méthode, endogénéité, hétérogénéité non observée, modèles simples (simplistes ?) de régressions multiples. Il faudrait aujourd’hui multiplier les sources de données ; mobiliser une/des variables instrumentales ; si possible recourir à des données de panel ; voire procéder à des modèles de double différence].

[Début des années 2000. Avec mes collègues et amis Rodolphe Durand et Hayagreeva Rao, nous publions trois manuscrits dans American Sociological Review, American Journal of Sociology et Strategic Management Journal sur la base de données relatives aux carrières et pratiques des chefs étoilés au Guide Michelin entre 1968 et 1997. Il nous aura fallu un an pour collecter les données, les trier, les coder et les analyser à l’aune de méthodes statistiques standards à l’époque (toutes disponibles sur STATA). La base de données nous semble solide, avec 18 000 observations (dyades chef* année). Début des années 2010. Nous reprenons un projet. Nous n’irons pas au bout. Nous comprenons, entre autres raisons, que les travaux sur des thèmes connexes : catégories* restaurants* performance s’appuient désormais sur des données textuelles et structurées de type données massives (big data), moissonnées auprès de moteurs, portails ou sites spécialisés. On parle alors de centaines de milliers ou de millions d’observations, de logiciels d’analyse textuelle standard ou de programmes spécifiquement développés qui s’appliquent aux données générées par les utilisateurs[4]].

Qu’évoquent ces deux souvenirs ? Que laissent-ils poindre ? De la nostalgie ? Non ! Une augmentation des standards ? À n'en point douter. Davantage de rigueur ? Certainement. Plus fondamentalement, ils annoncent le déclin progressif de la figure de l’artisan-chercheur ; et l’émergence, dans un monde numérique caractérisé par des données abondantes et qui ne s’épuisent pas en s’échangeant, d’équipes de recherche constituées en collectifs qui maîtrisent les nouvelles technologies dans lesquelles nous évoluons.

Comme le décathlonien, l’artisan-chercheur – parfois aussi un peu artiste ! – qui faisait tout dans sa recherche, souvent seul, de A à Z, voit donc apparaître de nouveaux types de spécialistes, qui expérimentent et se divisent le travail de recherche, bref qui transforment les pratiques de la recherche. Les institutions elles-mêmes encouragent ce mouvement de transformation des pratiques. Notamment, leurs directeurs de recherche déploient des dispositifs explicites de division du travail. Ils inscrivent dans les chartes des corps professoraux des statuts de chercheurs architectes de projets de recherche. Ils recrutent des chercheurs rompus aux méthodes qualitatives les plus avancées, par exemple des spécialistes d’ethnographie ; recrutent ou sous-traitent auprès d’économètres les modélisations statistiques les plus avancées ; recrutent ou sous-traitent auprès d’éditeurs spécialisés la révision de manuscrits, parfois la rédaction de sections spécifiques (notamment les éléments de méthode) ; sous-traitent de manière croissante la collecte de données, notamment dans les devis expérimentaux, avec toutes les limites éthiques que l’on peut connaître, parfois déplorer[5]. Cet écosystème se peuple également d’ingénieurs de recherche (à l’instar des sciences dites dures), une pratique récente en voie d’institutionnalisation en sciences de gestion. Ces ingénieurs de recherche ne sont plus confinés aux revues de littérature ! Ils assurent l’exécution des protocoles de collecte de données, programment des sites Web ou des interfaces numériques par lesquels les données sont collectées, automatisent les retours aux contributeurs lorsqu’un retour est promis (c’est le cas le plus fréquent lorsque les recherches mobilisent un grand nombre d’entreprises, notamment dans le cadre de chaires ou de clubs d’entreprises), investissent dans les technologies de visualisation des données et des résultats, etc. Enfin, l’écosystème se peuple d’animateurs de réseaux universitaires qui, notamment, animent des collectifs et éditent des ouvrages collectifs ; de vulgarisateurs spécialisés qui médiatisent sous toutes les formes (vidéographie, blogs, billets, etc.) des articles universitaires peu accessibles, éditent des encyclopédies, etc. ; de spécialistes des financements structurés européens ; et d’organisateurs de conférences scientifiques financées par les éditeurs, etc.

Au risque de simplifier, depuis 40 ans et l’émergence d’une recherche autonome en sciences de gestion, les artisans-chercheurs notamment quantitativistes qui étudient les comportements des individus dans les organisations partagent généralement les mêmes habitudes : ils collectent leurs données empiriques par le biais de questionnaires ou d’outils psychométriques. Lorsque tout va bien, ils les collectent auprès d’acteurs en situation de consommation (marketing et comportement du consommateur) ou de travail dans leur organisation (relations humaines et comportement organisationnel). Mais la plupart du temps, c’est compliqué et cher, donc ils mobilisent leurs étudiants, qu’ils dédommagent parfois pour leur participation. En conséquence de quoi, ils s’appuient sur ce que certains qualifieraient aujourd’hui de « petits » échantillons : quelques centaines, au mieux quelques milliers de répondants. C’est sur la base de ces données que les théories se sont développées.

L’artisan-chercheur quantitativiste est un artisan, il a un éthos d’indépendant, il est donc peu partageur : il ne divulgue pas ses données (c’est son trésor, des fois qu’on lui pique !). Évidemment, cela ne facilite pas la réplication (un enjeu majeur dans le champ des sciences de gestion, dont l’Academy of Management s’est emparé, et qui a conduit, entre autres motifs, au lancement d’Academy of Management Discovery, la dernière-née des revues de l’AoM[6]), et quelques scandales retentissants sur des données fabriquées contribuent à instiller le doute sur la qualité générale des données utilisées[7]. Cela étant dit, dans son écosystème d’indépendants en concurrence les uns avec les autres, l’artisan-chercheur a fait le job et a fait progresser la science[8]. Mais il est menacé. L’heure des équipes pluridisciplinaires a sonné…

En janvier 2015, Michal Kosinski, chercheur en comportement organisationnel à Stanford, publiait à titre de coauteur dans la célèbre revue Proceedings of the National Academy of Sciences[9] (PNAS) un article intitulé Computer-based personality judgements are more accurate than those made by humans (voir Youyou, Kosinski et Stillwell, 2015). Il en publiait un second en septembre 2015, comme auteur principal cette fois-ci, dans American Psychologist, intitulé Facebook as a research tool for the social sciences : opportunities, challenges, ethical considerations, and practical guidelines. Enfin, début octobre 2015, il publiait un billet sur son blog intitulé : Will Facebook replace traditional research methods ? Social media offers researchers a window into the human experience ?

À la question : les scientifiques étudiant la condition et les comportements humains remplaceront-ils les enquêtes et les tests psychologiques traditionnels par Facebook ?, il répond que les jugements relatifs à la personnalité basés sur la computation informationnelle des machines sont plus précis que ceux réalisés par l’homme. Dans son article publié dans PNAS, il compare la précision des analyses de personnalité réalisées par l’homme et par la machine sur 86 220 volontaires (oui 86 220 !). Les analyses de personnalité produites par la machine sur la base des traces digitales les plus génériques que l’on puisse trouver (les « likes » sur Facebook) sont plus précises que les analyses faites sur la base d’un questionnaire d’une centaine de questions, questionnaire rempli par les amis/collègues/époux(se)/parents des personnalités analysées. Et en termes prédictifs, les analyses de personnalité par la machine ont une validité externe plus forte lorsqu’il s’agit de prédire des phénomènes touchant à la vie des individus, comme la consommation de substances, les attitudes politiques ou la santé physique. Flippant, je le concède.

Mais il y a autre chose : non seulement la machine est plus précise que l’homme dans l’analyse et la prédiction, mais en plus les données de Facebook sont de meilleure qualité que celles que notre artisan-chercheur avait l’habitude de collecter (vous savez, auprès d’étudiants dans ses cours, etc.). D’ailleurs, sur ce point, Facebook bat Twitter ou YouTube à plate couture. Pourquoi Facebook offre-t-il une meilleure base empirique que les enquêtes de notre artisan-chercheur ? (1) Il y a plus de données sur Facebook. (2) Il y a plus de données « personnelles », « intimes », et en plus elles sont librement diffusées par leurs auteurs. (3) Elles sont plus nuancées, subtiles. (4) Et elles sont d’une exceptionnelle qualité. Dans un questionnaire, les répondants peuvent répondre un peu ce qu’ils veulent, même si les chercheurs emploient des stratagèmes sophistiqués pour déceler si et quand les répondants rusent. Sur Facebook, le poids des amis et des réseaux sociaux réduit la fréquence de données non valides ou fausses. (5) Enfin, étant donné la masse de « clients », le chercheur peut traiter de phénomènes minoritaires, voire très minoritaires, il trouvera toujours assez de cas. Ah, j’oubliais : (6) les données de Facebook ne sont pas coûteuses : en fait elles sont gratuites ! (Enfin, pas exactement, elles ont été mises gratuitement sur Facebook par les utilisateurs qui travaillent, eux, gratuitement pour Facebook… et je vous renvoie à la note de bas de page n° 5). Donc il n’y a pas besoin de dédommager des cohortes d’étudiants. Alors évidemment, il faut que les chercheurs se méfient et ne modélisent pas les algorithmes de Facebook… mais ils sont nés dans la génération numérique, et savent déjouer ce risque.

Dans la même veine, aujourd’hui (pas demain !), sur la suite BLUEMIX d’IBM accessible gratuitement, le Watson Personality Insights permet d’inférer pour à peu près n’importe qui les traits centraux de la personnalité connus sous le nom de Big Five[10]. Le Big Five est un point de passage obligé dans les recherches en comportement organisationnel, mais aussi dans des travaux récents qui portent par exemple sur l’intention entrepreneuriale, que les dimensions du Big Five soient appréciées en variables explicatives ou en variables de contrôle. En termes de mode opératoire, il suffit de saisir le nom de quelqu’un. Cette technologie utilise des analytiques linguistiques sur toutes les traces laissées par n’importe quel individu sur Internet : blogs, forums, tweets, etc. D’après les créateurs du Watson Personality Insights, eux-mêmes chercheurs en comportement organisationnel, il suffit de 3 500 mots pour avoir des résultats. Et à partir de 6 000 mots en langage naturel, l’intervalle de confiance devient vraiment intéressant. Flippant2 (bis).

Voulez-vous savoir si j’ai davantage confiance dans les traces librement laissées par les internautes sur de longues durées, dans le cadre d’activités multiples sur Internet, et dans des contextes variés, ou si j’accorde davantage de crédit aux réponses ponctuelles à des questionnaires administrés hors contexte… ? En conclusion de son blog, Michal Kosinski écrit : « Compared with old-style laboratory-based research, Facebook provides a powerful approach to studying people. I am quite sure that one day, research based in a digital environment will become more widespread than traditional psychological experiments and studies. » Moi aussi, j’en suis sûr, et cela ne va pas traîner.

En synthèse, l’appareillage méthodologique traditionnel que l’apprenti chercheur, futur artisan, était capable de découvrir, de comprendre et de déployer pendant sa formation doctorale (en simplifiant : entretiens qualitatifs et statistiques descriptives et inférentielles sur de petits échantillons), et qui valait trousse de survie, est aujourd’hui pour une grande part insuffisant. Plus ennuyeux, la nouvelle trousse de survie (ou barrières à l’entrée dans la profession de chercheur) suppose des connaissances beaucoup plus profondes, à défaut une capacité à travailler en équipe, dans des collectifs qui comptent des compétences tant qualitatives (par exemple ethnographiques) que quantitatives (analyses sémantiques/linguistiques pour examiner des contenus textes/images ; manipulation et traitement de données massives). Le chercheur 2.0 va prospérer dans l’ère digitale grâce aux données et aux ressources technologiques de la machine : sciences computationnelles, traitement du langage naturel, reconnaissance et traitement de la voix et des images, modèles prédictifs, etc. Ces changements risquent de rendre la vie dure à l’artisan-chercheur 1.0 d’aujourd’hui. Le chercheur 2.0 prospérera d’autant mieux qu’il saura manipuler voire coder les Application Programming Interface (API, ou interface de programmation) afin d’accéder aux données volumineuses et de qualité : croire qu’il pourra sous-traiter entièrement cette activité est une erreur de raisonnement ; et qu’il saura traiter des données très volumineuses. Les modèles statistiques ou économétriques utilisés par l’artisan-chercheur 1.0 pour des jeux de données relativement petits ne résisteront pas toujours aux données massives. Bientôt, le Web sémantique et l’analyse linguistique sur langage naturel s’ajouteront aux compétences à maîtriser dans une équipe.

Nouveaux métiers, nouvelles activités, nouvelles identités

Au fond, que doit-on dire à un doctorant ou à un jeune chercheur aujourd’hui ? Que doit-on dire au sens catégorique ? La vérité : que ses activités et son identité n’auront rien à voir avec celles de son directeur de thèse.

Nouveaux métiers. Au cours des cinquante dernières années, le métier d’enseignant- chercheur en sciences de gestion s’est structuré en profession au sens d’Abbott (1988) : modalités d’accès à la profession régulées par des dispositifs juridictionnels (en France : qualification, habilitation, agrégation, etc.), homogénéité d’obligations et de traitement des enseignants-chercheurs, notamment en termes de recherche, et dispositifs de défense de la juridiction professionnelle. Or, ainsi que nous l’avons esquissé, de profondes transformations sont en marche. De nombreux acteurs viennent empiéter sur les plates-bandes des enseignants-chercheurs décathloniens et des artisans-chercheurs : enseignants-consultants, instructeurs-facilitateurs, instructeurs en ligne, architectes pédagogiques, architectes de projets de recherche, ethnographes, économètres, scientifiques de données (datascientists), éditeurs spécialisés, ingénieurs de recherche, animateurs de réseaux universitaires, vulgarisateurs spécialisés (ou médiateurs), spécialistes des financements structurés européens, organisateurs de conférences scientifiques…

Nouvelles activités. Cet éclatement des chaînes de valeur bénéficiera aux spécialistes qui contrôleront les activités les plus créatrices de valeur. Aujourd’hui, les vainqueurs et les vaincus ne sont pas connus. Naturellement, les vainqueurs qui bénéficieront de l’éclatement des chaînes de valeur valoriseront leurs expertises auprès de multiples institutions – c’est déjà le cas d’économètres, de scientifiques de données, de chercheurs (qui, déjà, cumulent souvent leur affiliation principale dans une université publique, avec une ou plusieurs affiliations dans des établissements privés du même pays ou publics de pays tiers), de consultants en financements publics, etc. Le marché du travail des enseignants-chercheurs, plutôt régulé en France, évoluera également, subrepticement, vers des marchés du travail spécialisés. Entre marché (vacataires), et hiérarchie (salariat monolithique d’enseignants-chercheurs indifférenciés), la diversité des relations contractuelles entre spécialistes en tous genres et institutions va s’accroître[11].

Nouvelles identités. Dans ce contexte de transformation de la profession d’enseignant- chercheur et d’absence de synergies entre enseignement et recherche au niveau individuel, que dire à un doctorant ou à un jeune chercheur aujourd’hui ? Au fond, mon expérience d’une quinzaine d’années dans des fonctions de direction de faculté ou de recherche dans une grande école française, et le privilège d’avoir observé de nombreuses trajectoires de carrière dans diverses fonctions au sein de l’Association internationale de management stratégique (AIMS), m’inspirent deux observations.

  • Les trajectoires de nature plutôt individualiste (sans sens péjoratif) sont possibles et multiples. Celles-ci préservent l’autonomie (si ce n’est l’indépendance) et les capacités d’initiative individuelle qui caractérisent historiquement la profession d’enseignant-chercheur. Elles se dessinent assez tôt (quelques années après l’obtention d’une qualification doctorale), et les individus qui les développent construisent une identité précise, aigüe (les théoriciens de l’identité utiliseraient le terme anglo-saxon sharp).

  • Les trajectoires de carrière au sein de collectifs que les institutions sauront développer constituent l’autre voie. Dans ce cas, les enseignants-chercheurs perdront probablement une partie de l’initiative individuelle et de l’autonomie, dont leurs prédécesseurs ont bénéficié. Mais ils bénéficieront des opportunités et des ressources complémentaires que leurs institutions offriront. Dans ce cas, le caractère saillant de l’identité professionnelle dans l’identité sociale des enseignants-chercheurs pourrait s’affaiblir, et la part organisationnelle de leur identité sociale devenir prépondérante.

En synthèse, le corps homogène d’enseignants-chercheurs et le modèle historiquement dominant du chercheur-artisan, indépendant et pleinement autonome verront leur influence relative refluer au bénéfice, d’une part, d’experts qui chacun développeront des activités spécialisées et une identité plus aigüe, et d’autre part, de collectifs organisés par les institutions, avec pour conséquence une transformation de la structure de l’identité sociale des individus. In fine, ne faudrait-il pas ajouter deux « s » à cette belle rubrique : Chronique sur le(s) métier(s) de chercheur ?