La théorie des échelons supérieurs et l'intelligence artificielle : Cartographie Bibliométrique d'un champ de recherche émergent (2017-2025)

Abstract

Résumé : Cet article examine la littérature consacrée au lien entre la théorie des échelons supérieurs (Upper Echelons Theory – UET) et l’intelligence artificielle (IA) à travers une analyse bibliométrique. Dans un contexte où les technologies d’IA transforment les processus décisionnels et les pratiques organisationnelles, un nombre croissant de travaux mobilisent l’UET pour analyser l’influence des dirigeants sur l’adoption et l’utilisation stratégique de ces technologies. À notre connaissance, aucune revue n’a proposé de cartographie bibliométrique ciblée de l’intersection de l’UET et l’IA. L’objectif de cette recherche est d’analyser la production scientifique afin d’en saisir les dynamiques, d’identifier les acteurs les plus influents et les axes thématiques qui structurent cette littérature. Le corpus analysé comprend 176 documents indexés dans la base Web of Science, publiés entre 2017 et 2025. L’analyse a été réalisée à l’aide du package Bibliometrix sous RStudio et de l'interface Biblioshiny, en mobilisant une analyse de performance (productivité et impact des auteurs, revues et pays), des réseaux de co‑occurrence de mots‑clés et de co‑citation. Les résultats montrent un taux de croissance annuel de 29,15 % et un pic de 77 publications en 2025 (43 % du corpus), avec une prédominance de la Chine en volume de production et un impact moyen par article plus élevé dans plusieurs pays européens et nord‑américains. La configuration intellectuelle du champ s'articule autour de trois grandes thématiques : l’adoption de l'IA et la gouvernance exécutive, la transformation digitale, la stratégie et la performance organisationnelle ; et les valeurs exécutives, les biais cognitifs et l'IA responsable. En proposant cette cartographie, l’étude contribue à mieux comprendre l’architecture conceptuelle et intellectuelle du champ UET-IA et met en évidence plusieurs pistes de recherche futures. Mots-clés : Upper Echelons Theory, Intelligence artificielle, Analyse Bibliométrique, Transformation digitale, Équipe de Direction. Abstract : This research article examines the scientific literature on the relationship between Upper Echelons Theory (UET) and artificial intelligence (AI) through a bibliometric analysis. In a context where AI technologies are transforming decision-making processes and organizational practices, an increasing number of studies draw on UET to analyse how top executives influence the adoption and strategic use of these technologies. To the best of our knowledge, no review has yet provided a targeted bibliometric mapping of the intersection between UET and AI. The aim of this study is to analyse the scientific production in order to understand its main dynamics, identify the most influential actors, and highlight the dominant themes that structure this body of literature. The analysed corpus consists of 176 documents indexed in the Web of Science database and published between 2017 and 2025. The analysis was conducted using the Bibliometrix package in RStudio and the Biblioshiny interface, drawing on performance analysis (productivity and impact of authors, journals and countries), as well as co‑occurrence and co‑citation network analyses. The results show strong growth in research on UET and AI, with an annual growth rate of 29.15% and a peak of 77 publications in 2025 (43% of the corpus). China leads in terms of publication volume, while several European and North American countries exhibit higher average citations per article. The intellectual structure of the field is organized around three main themes: the adoption of AI and executive governance; digital transformation, strategy and organizational performance; and executive values, cognitive biases and responsible AI. By providing a systematic mapping of this field, the study clarifies its conceptual and intellectual architecture and points to several avenues for future research. Keywords: Upper Echelons Theory, Artificial Intelligence, Bibliometric Analysis, Digital Transformation, Top Management Team.