L'intelligence artificielle au service des pratiques de responsabilité sociétale des entreprises marocaines : une analyse qualitative exploratoire

Résumé

Cet article examine, dans une perspective qualitative et exploratoire, les modalités d'intégration de l'Intelligence Artificielle (IA) dans les pratiques de Responsabilité Sociétale des Entreprises (RSE) au sein d'organisations marocaines. En l’absence d’investigations empiriques qualitatives sur ce sujet dans les économies émergentes, cet article vise à combler un vide de recherche significatif. Inscrit dans un paradigme interprétativiste, le dispositif méthodologique repose sur des entretiens semi-directifs conduits auprès de dix (10) entreprises marocaines issues de secteurs diversifiés, menés auprès de responsables RSE, directeurs des ressources humaines et managers d'entreprises issues de secteurs diversifiés (industrie, technologies de l'information, services). Les données ont été soumises à une analyse thématique de contenu selon la méthode de Braun et Clarke (2006).

Les résultats révèlent trois enseignements majeurs. Premièrement, les entreprises marocaines affichent un engagement RSE structuré, principalement articulé autour des volets social et environnemental, sous l'impulsion de contraintes normatives et de pressions de parties prenantes. Deuxièmement, l'intégration de l'IA dans les pratiques RSE demeure embryonnaire et sectorielle, concentrée sur l'optimisation des processus, la communication et la gestion des données. Troisièmement, cette adoption est freinée par des obstacles substantiels : coûts d'implémentation élevés, résistance organisationnelle au changement et préoccupations éthiques relatives à la gouvernance des données. Sur le plan théorique, la recherche mobilise conjointement la théorie des parties prenantes (Freeman, 1984), la Resource-Based View (Barney, 1991), la théorie de la légitimité (Suchman, 1995) et la théorie de la base de connaissances (Poole & Mackworth, 2010), offrant un cadre analytique multiniveau adapté à la complexité du phénomène. Cette étude apporte une contribution empirique originale à la compréhension de l’intersection IA-RSE dans un contexte d’économie émergente peu documenté, en identifiant des mécanismes d’adoption spécifiques et en ouvrant des pistes de recherche quantitatives et longitudinales.

Classification JEL : M14, O33, Q56.

Type du papier : Recherche Empirique.