ISSN: 2658-8455

Volume 6, Issue 12 (2025), pp. 91-106.

© Authors: CC BY-NC-ND

Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence

artificielle dans la recherche, la reconnaissance et la concrétisation
d’opportunités d’affaires
Augmented entrepreneurship : conceptual model of the role of artificial
intelligence in researching, recognizing, and capitalizing on business
opportunities
Mohamed Amine BENAYAD, (Doctorant)
Laboratoire interdisciplinaire de recherches sur les organisations (liro)
Encg El Jadida
Université Chouaib Doukkali, Maroc

Najia BEDOUI, (Enseignante chercheuse)

Laboratoire interdisciplinaire de recherches sur les organisations (liro)
Encg El Jadida
Université Chouaib Doukkali, Maroc

National School of Commerce and Management El Jadida

ENCG-J, Corner of Ahmed Chaouki Avenue and Fez Street
Adresse de correspondance : Chouaib Doukkali University Morocco (El Jadida)
B.P 122-24000
05 23 39 44 35
Les auteurs n'ont pas connaissance de quelconque financement qui
pourrait affecter l'objectivité de cette étude. Ils assument l’entière
Déclaration de divulgation : responsabilité de tout éventuel plagiat, de l’usage de l’intelligence
artificielle dans la rédaction, ainsi que des résultats présentés dans cet
article.
Conflit d’intérêts : Les auteurs ne signalent aucun conflit d'intérêts.
BENAYAD, M. A., & BEDOUI, N. (2025). Entrepreneuriat augmenté :
modèle conceptuel du rôle de l’intelligence artificielle dans la recherche,
Citer cet article la reconnaissance et la concrétisation d’opportunités d’affaires.
International Journal of Accounting, Finance, Auditing, Management and
Economics, 6(12), 91–106. https://doi.org/10.5281/zenodo.17538220

Cet article est publié en open Access sous licence

Licence
CC BY-NC-ND

Received: 06/10/2025 Accepted: 09/11/2025

International Journal of Accounting, Finance, Auditing, Management and Economics - IJAFAME

ISSN: 2658-8455
Volume 6, Issue 12 (2025)

91
www.ijafame.org
 Mohamed Amine BENAYAD & Najia BEDOUI. Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence
artificielle dans la recherche, la reconnaissance et la concrétisation d’opportunités d’affaires.

Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence

artificielle dans la recherche, la reconnaissance et la concrétisation
d’opportunités d’affaires

Résumé
Cet article propose un modèle conceptuel visant à expliquer comment l’intelligence artificielle influence le
processus entrepreneurial, depuis la recherche jusqu’à la concrétisation des opportunités d’affaires. En mobilisant
la théorie des capacités dynamiques, la théorie de l’opportunité entrepreneuriale et la théorie cognitive de
l’entrepreneuriat, le modèle suggère que l’adoption de l’IA - sous ses formes analytique, générative et cognitive -
agit sur trois médiateurs : la capacité cognitive augmentée, la créativité entrepreneuriale et l’apprentissage
expérientiel numérique. Ces mécanismes favorisent la reconnaissance et la mise en œuvre des opportunités, dans
une logique d’entrepreneuriat augmenté. L’orientation entrepreneuriale joue un rôle modérateur, renforçant la
conversion des effets cognitifs en actions concrètes. Méthodologiquement, l’étude adopte une revue intégrative de
la littérature (Integrative Review), combinant des apports théoriques récents et classiques pour élaborer un cadre
conceptuel original et testable. Ce cadre propose une lecture renouvelée du rôle de l’IA dans l’entrepreneuriat, où
la technologie devient un partenaire cognitif plutôt qu’un simple outil d’automatisation.

Mots-clés : Intelligence artificielle - Entrepreneuriat - Cognition - Créativité - Capacités dynamiques - Orientation

entrepreneuriale
JEL Classification : L26, M13, O33
Type du papier : Revue intégrative et modèle conceptuel

Abstract
This paper proposes a conceptual model explaining how artificial intelligence influences the entrepreneurial
process, from opportunity recognition to implementation. Drawing on the Dynamic Capabilities Theory, the
Entrepreneurial Opportunity Theory, and the Cognitive Theory of Entrepreneurship, the model suggests that the
adoption of AI - through its analytical, generative, and cognitive forms - acts upon three key mediators: enhanced
cognitive capacity, entrepreneurial creativity, and digital experiential learning. These mechanisms foster both the
identification and realization of business opportunities within a logic of augmented entrepreneurship. Furthermore,
entrepreneurial orientation is proposed as a moderating factor that strengthens the conversion of cognitive potential
into entrepreneurial action. Methodologically, this study adopts an Integrative Review approach, combining
classical and recent theoretical contributions to build an original and testable conceptual framework. Overall, this
framework offers a renewed understanding of AI’s role in entrepreneurship, positioning technology as a cognitive
partner rather than a mere automation tool.

Keywords : Artificial Intelligence - Entrepreneurship - Cognitive Capacity -Creativity -Dynamic Capabilities -

Entrepreneurial Orientation
Classification JEL : L26, M13, O33
Paper type: Integrative Review and Conceptual Model

92
www.ijafame.org
ISSN: 2658-8455
Volume 6, Issue 12 (2025), pp. 91-106.
© Authors: CC BY-NC-ND

1. Introduction :
L’entrepreneuriat connaît, depuis la dernière décennie, une mutation profonde, marquée par la
numérisation généralisée des processus économiques et l’émergence d’outils d’intelligence
artificielle (IA) capables de transformer les dynamiques de création et de capture de valeur.
Longtemps fondé sur l’intuition, la créativité et l’expérience, le processus entrepreneurial
s’ouvre aujourd’hui à de nouvelles formes d’intelligence augmentée, où la donnée,
l’apprentissage automatique et la simulation prédictive jouent un rôle déterminant. Cette
transition n’est pas seulement technologique : elle engage une reconfiguration des fondements
mêmes de l’action entrepreneuriale, redéfinissant la manière dont les individus identifient,
évaluent et concrétisent les opportunités d’affaires (George, Lakhani & Puranam, 2023).
Traditionnellement, la littérature académique décrit le processus entrepreneurial comme un
enchaînement logique allant de l’intention à l’action, en passant par la reconnaissance d’une
opportunité (Shane & Venkataraman, 2000 ; Ardichvili, Cardozo & Ray, 2003). Toutefois, les
transformations contemporaines introduites par l’intelligence artificielle bouleversent ce
schéma. L’accès massif à l’information, la capacité des algorithmes à détecter des signaux
faibles et l’automatisation de certaines tâches analytiques confèrent à l’entrepreneur des
moyens inédits pour explorer son environnement et anticiper les besoins du marché (Haefliger
et al., 2024). En d’autres termes, l’IA ne se contente plus de soutenir l’entrepreneur : elle
amplifie ses capacités cognitives, accélérant le passage du projet à l’action et redéfinissant les
contours de la recherche d’opportunité.
L’essor des technologies d’intelligence artificielle générative, telles que ChatGPT, Midjourney
ou Copilot, illustre cette dynamique de transformation. Ces outils participent à un phénomène
que certains auteurs qualifient d’entrepreneuriat augmenté (Obschonka & Audretsch, 2023),
c’est-à-dire une forme d’entrepreneuriat dans laquelle l’humain et la machine coconstruisent
les décisions, les idées et les opportunités. Dans ce nouveau paradigme, l’entrepreneur ne se
limite plus à mobiliser son expérience ou son intuition : il interagit avec des systèmes
intelligents capables de proposer, de tester et d’affiner des hypothèses stratégiques. Ce
phénomène bouleverse la temporalité du processus entrepreneurial, en rendant la phase
exploratoire plus rapide, plus itérative et souvent plus efficace (George et al., 2023).
Cependant, malgré l’abondance croissante des travaux sur la digitalisation et la transformation
numérique de l’entrepreneuriat, la littérature scientifique demeure fragmentée lorsqu’il s’agit
de comprendre le rôle précis de l’IA dans la recherche et la création d’opportunités. Il existe un
manque d’études holistiques articulant la séquence complète du processus entrepreneurial, de
la recherche à la reconnaissance puis à la concrétisation des opportunités d’affaires. La plupart
des recherches se limitent encore à décrire des outils ou des cas d’usage sans proposer de cadre
théorique intégrateur. Or, l’IA agit à plusieurs niveaux : elle influence la perception des signaux
du marché (niveau cognitif), facilite l’apprentissage expérientiel (niveau comportemental) et
restructure la prise de décision stratégique (niveau organisationnel). Ces interactions multiples
appellent la construction d’un modèle conceptuel unifié permettant d’expliquer comment
l’adoption de l’IA transforme la capacité de l’entrepreneur à détecter et exploiter les
opportunités dans un environnement incertain et concurrentiel.
De plus, les travaux existants accordent encore peu d’attention aux spécificités contextuelles,
notamment dans les pays émergents, où les écosystèmes entrepreneuriaux se caractérisent par
des ressources limitées, une digitalisation inégale et une forte dépendance institutionnelle. Peu
d’études examinent la manière dont les médiateurs cognitifs influencés par l’IA, tels que la
vigilance, la créativité ou l’apprentissage numérique, façonnent le comportement
entrepreneurial dans ces contextes. Ces dimensions sont pourtant cruciales pour comprendre la
diversité des dynamiques entrepreneuriales à l’échelle mondiale et les conditions de réussite de
l’intégration de l’IA dans des environnements socioéconomiques contrastés.

93
www.ijafame.org
 Mohamed Amine BENAYAD & Najia BEDOUI. Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence
artificielle dans la recherche, la reconnaissance et la concrétisation d’opportunités d’affaires.

Enfin, le cadre conceptuel existant offre une lecture souvent réductrice de l’intelligence
artificielle, la considérant principalement comme un simple outil d’automatisation ou
d’optimisation des processus décisionnels. Une telle approche occulte la dimension cognitive
et stratégique de l’IA, qui agit comme un véritable partenaire de raisonnement, de créativité et
d’apprentissage. Comprendre cette évolution exige une approche intégrative, articulant les
mécanismes cognitifs et comportementaux dans une vision globale du processus
entrepreneurial à l’ère de l’intelligence artificielle.
Sur le plan théorique, ce travail s’inscrit dans la continuité des approches de l’opportunité
entrepreneuriale (Shane & Venkataraman, 2000) et des capacités dynamiques (Teece, 1997 ;
Eisenhardt & Martin, 2000), en y intégrant la dimension cognitive de l’intelligence artificielle.
Ces cadres permettent d’envisager l’entrepreneur comme un acteur capable de reconfigurer en
permanence ses ressources et ses routines décisionnelles grâce aux outils d’IA, afin d’exploiter
de nouvelles opportunités émergentes. Dans cette perspective, l’intelligence artificielle devient
une ressource stratégique à part entière, augmentant la flexibilité, la rapidité d’adaptation et la
capacité d’innovation de l’entrepreneur.
Ce contexte ouvre la voie à une interrogation centrale : dans quelle mesure l’intelligence
artificielle agit-elle comme catalyseur de la recherche, de la reconnaissance et de la
concrétisation d’opportunités entrepreneuriales ? Autrement dit, comment l’adoption de
l’IA transforme-t-elle le passage du projet de création à l’action entrepreneuriale ? Cette
problématique soulève des enjeux épistémologiques et pratiques majeurs : elle invite à repenser
la notion même d’opportunité, à redéfinir les capacités cognitives de l’entrepreneur, et à
interroger la complémentarité homme-machine dans la création de valeur.
L’objectif de cet article est donc de proposer un modèle conceptuel original décrivant les
mécanismes à travers lesquels l’IA influence le processus de découverte et d’exploitation
d’opportunités. Ce modèle repose sur l’idée que l’intelligence artificielle agit à la fois comme
amplificateur cognitif, accélérateur d’apprentissage et outil de décision stratégique, favorisant
la transition de l’intention à l’action. Ce travail contribue ainsi à la littérature en entrepreneuriat
numérique en offrant un cadre théorique intégré et en ouvrant de nouvelles perspectives de
recherche sur la coévolution entre intelligence humaine et intelligence artificielle dans les
processus entrepreneuriaux. Enfin, cet article s’articule en cinq grandes sections : la première
introduit la problématique et les fondements conceptuels du sujet ; la deuxième présente une
revue de littérature détaillée sur les liens entre IA et entrepreneuriat ; la troisième élabore le
modèle conceptuel proposé et ses hypothèses ; la quatrième discute les implications
managériales et scientifiques ; et la dernière conclut par les limites et les pistes de recherche
futures.

2. Revue de littérature : Intelligence artificielle et processus entrepreneurial

2.1.Revue conceptuelle : définitions, typologies et normes de l’intelligence artificielle
L’intelligence artificielle s’impose aujourd’hui comme l’une des technologies les plus
transformatrices du XXIᵉ siècle, suscitant un intérêt croissant dans les sciences de gestion, et
particulièrement dans l’entrepreneuriat. Dans sa conception la plus large, l’IA renvoie à la
capacité des machines à exécuter des tâches requérant des fonctions cognitives humaines :
perception, raisonnement, apprentissage, anticipation et créativité (Haefliger et al., 2024). Si
les définitions abondent, deux approches dominent la littérature : l’approche technocentrée, qui
considère l’IA comme un ensemble d’algorithmes d’apprentissage automatique capables de
détecter des régularités et d’effectuer des prédictions (Russell & Norvig, 2020) ; et l’approche
sociotechnique, qui l’envisage comme une technologie d’augmentation de la cognition et de la
décision humaines (George et al., 2023). Cette seconde approche, de plus en plus mobilisée

94
www.ijafame.org
ISSN: 2658-8455
Volume 6, Issue 12 (2025), pp. 91-106.
© Authors: CC BY-NC-ND

dans les recherches entrepreneuriales, met l’accent sur la complémentarité homme-machine, où

l’IA devient un partenaire d’exploration et de création, et non un simple outil d’exécution.
Les typologies récentes distinguent trois formes principales d’intelligence artificielle selon
leurs finalités et modes d’apprentissage. Premièrement, l’IA analytique ou prédictive, fondée
sur la modélisation statistique et le machine learning, soutient les fonctions d’analyse et de
détection de tendances en exploitant des volumes massifs de données structurées ou non
structurées (Pečan et al., 2024). Deuxièmement, l’IA générative, fondée sur les réseaux de
neurones de grande taille, permet la production de contenus nouveaux : textes, images, designs,
plans d’affaires ou prototypes (Haefliger et al., 2024). Elle introduit une rupture en donnant aux
entrepreneurs la capacité d’externaliser une partie de leur créativité et de simuler rapidement
de nouvelles idées. Enfin, l’IA cognitive ou symbolique se concentre sur le raisonnement, la
résolution de problèmes et la planification stratégique, en reproduisant certaines logiques de
traitement humain. Ces trois formes ne sont pas exclusives, mais complémentaires, formant une
architecture d’intelligence distribuée que l’entrepreneur peut mobiliser à différents stades de
son processus décisionnel.
Au-delà de ces typologies, la compréhension contemporaine de l’IA doit être replacée dans le
contexte des cadres éthiques et normatifs qui structurent son développement et son utilisation.
Les initiatives internationales de normalisation cherchent à garantir un usage responsable, sûr
et transparent de l’intelligence artificielle. L’Organisation de coopération et de développement
économiques (OCDE, 2019) a adopté les Principes sur l’intelligence artificielle, qui constituent
la première recommandation intergouvernementale en la matière, insistant sur la transparence,
la robustesse et la responsabilité algorithmique.
De même, l’UNESCO (2021) a promu une Recommandation sur l’éthique de l’intelligence
artificielle, soulignant l’importance de la diversité culturelle et des droits humains dans la
conception et le déploiement des systèmes d’IA.
Sur le plan réglementaire, l’Union européenne a franchi une étape décisive avec le AI Act
(2024), premier cadre juridique mondial visant à classifier les systèmes d’IA selon leur niveau
de risque, imposant des obligations de conformité et de gouvernance. Enfin, l’Organisation
internationale de normalisation (ISO), à travers son comité ISO/IEC JTC 1/SC 42, développe
des normes techniques et éthiques relatives à la fiabilité, à la traçabilité et à la gestion des
risques liés à l’IA.
Tableau 1: Typologies de l’intelligence artificielle et apports à l’entrepreneuriat
Type d’IA Caractéristiques principales Contribution au processus entrepreneurial
IA Analyse prédictive, apprentissage Détection de tendances, anticipation des besoins du
analytique supervisé/non supervisé marché, réduction de l’incertitude informationnelle
IA Production de contenu nouveau Génération d’idées, conception de prototypes,
générative (texte, image, code) exploration créative d’opportunités
IA cognitive Raisonnement, logique symbolique, Aide à la décision, structuration du business model,
planification adaptation stratégique
Sources : Haefliger et al. (2024) ; George et al. (2023) ; Obschonka & Audretsch (2023)
Ces initiatives convergent vers une reconnaissance globale de l’IA comme technologie socio-
technique et normative, dont la légitimité repose autant sur ses performances que sur sa
conformité aux principes de confiance, d’équité et de responsabilité. Dans le champ de
l’entrepreneuriat, cette dimension normative revêt une importance croissante : elle influence la
perception, l’adoption et l’intégration de l’IA dans les modèles d’affaires et les comportements
décisionnels.
2.2.Processus d’opportunité : recherche, reconnaissance et exploitation
Au cœur de la dynamique entrepreneuriale se trouve le concept de processus d’opportunité,
défini comme l’ensemble des activités cognitives et comportementales qui permettent de
95
www.ijafame.org
 Mohamed Amine BENAYAD & Najia BEDOUI. Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence
artificielle dans la recherche, la reconnaissance et la concrétisation d’opportunités d’affaires.

découvrir, d’évaluer et d’exploiter des occasions de création de valeur (Shane & Venkataraman,
2000). Ardichvili, Cardozo et Ray (2003) proposent un modèle canonique articulé en trois
phases : la recherche d’informations et de signaux environnementaux ; la reconnaissance de
motifs ou de combinaisons nouvelles perçues comme opportunes ; et l’exploitation, c’est-à-dire
la concrétisation de l’idée en action entrepreneuriale et en modèle d’affaires viable. Ce
processus, autrefois linéaire, est désormais perçu comme itératif, dynamique et interactif :
chaque phase nourrit la suivante, dans un cycle d’apprentissage et de réévaluation permanente
(Shepherd & Gruber, 2021).
L’intégration de l’intelligence artificielle dans ce processus vient reconfigurer la nature même
des interactions entre l’entrepreneur, la donnée et la décision. Dans la phase de recherche,
l’entrepreneur doit traiter un volume d’informations exponentiel : signaux de marché,
innovations technologiques, comportements des consommateurs. L’IA analytique, en
automatisant la fouille de données, permet d’extraire des régularités ou des signaux faibles
impossibles à repérer par la seule observation humaine (Haefliger et al., 2024). Dans la phase
de reconnaissance, l’IA générative aide à reformuler, combiner et tester des idées, tandis que
l’IA cognitive assiste le raisonnement hypothético-déductif. Enfin, dans la phase d’exploitation,
ces technologies facilitent le prototypage rapide, la simulation de business models et la
personnalisation de produits, favorisant un passage accéléré de l’idée à l’action. Ces évolutions
conduisent à un processus entrepreneurial augmenté, où la cognition humaine et l’intelligence
artificielle coopèrent pour transformer les intentions en opportunités tangibles.
2.3.Apports de l’intelligence artificielle à chaque phase du processus entrepreneurial
L’impact de l’IA sur le processus d’opportunité se manifeste différemment selon les phases,
mais son effet transversal réside dans l’amplification cognitive de l’entrepreneur. Dans la phase
de recherche, les outils d’analyse prédictive offrent une capacité inédite de veille intelligente.
L’entrepreneur peut détecter des tendances émergentes à partir de données hétérogènes : réseaux
sociaux, brevets, publications scientifiques, signaux macroéconomiques. L’étude de Nambisan
et al. (2023) montre que ces outils renforcent la proactivité et la réactivité entrepreneuriale en
réduisant la dépendance à l’intuition seule. L’IA permet également de surmonter l’asymétrie
d’information propre aux contextes émergents : les petites structures peuvent désormais accéder
à une qualité d’analyse équivalente à celle des grandes entreprises (George et al., 2023).
Dans la phase de reconnaissance et d’évaluation, l’IA devient un véritable partenaire cognitif.
L’étude de Kang et al. (2023) démontre que l’intégration de l’IA dans le bricolage
entrepreneurial accroît la capacité de reconnaissance d’opportunités en enrichissant la mémoire
organisationnelle et la créativité heuristique. Les modèles génératifs comme ChatGPT ou
Gemini permettent de tester rapidement des hypothèses, de reformuler des concepts, voire de
générer de nouveaux segments de marché à explorer. En parallèle, les modèles cognitifs et
symboliques soutiennent la prise de décision multicritère et la simulation des scénarios
d’affaires (Eisenhardt & Martin, 2000). L’entrepreneur bénéficie alors d’une extension de ses
capacités de raisonnement, traduisant une symbiose entre intelligence naturelle et artificielle.
La phase d’exploitation marque la concrétisation de l’action. L’IA agit ici comme un
accélérateur d’apprentissage expérientiel : elle aide à tester les produits, à ajuster les offres selon
le comportement des consommateurs, et à automatiser les opérations répétitives (Obschonka &
Audretsch, 2023). Les IA génératives permettent la création de prototypes fonctionnels en un
temps record, tandis que les algorithmes analytiques mesurent en continu la performance des
initiatives. L’étude de George et al. (2023) souligne que l’intégration de l’IA dans cette phase
favorise la scalabilité, la personnalisation et la résilience du modèle d’affaires. Le cycle
entrepreneurial devient ainsi plus court, plus agile et fondé sur des boucles de rétroaction
immédiates, permettant à l’entrepreneur de corriger et d’améliorer sa stratégie en temps réel.

96
www.ijafame.org
ISSN: 2658-8455
Volume 6, Issue 12 (2025), pp. 91-106.
© Authors: CC BY-NC-ND

2.4.Synthèse critique et identification du vide théorique

La littérature récente témoigne d’un intérêt croissant pour l’intelligence artificielle dans
l’entrepreneuriat, mais elle demeure marquée par une forte fragmentation. Si les travaux
existants soulignent les apports fonctionnels de l’IA, en matière d’automatisation, d’analyse
prédictive ou de performance, ils négligent largement les mécanismes cognitifs et
comportementaux à travers lesquels cette technologie influence le processus entrepreneurial.
L’IA est ainsi souvent envisagée comme un outil technique plutôt que comme un facteur de
transformation cognitive et stratégique.
Cette approche partielle conduit à une compréhension incomplète du phénomène
entrepreneurial à l’ère de l’IA. La plupart des recherches se concentrent sur les aspects
opérationnels ou technologiques, en dissociant l’intelligence artificielle des dynamiques
mentales et expérientielles de l’entrepreneur. Or, de nombreux auteurs (Mitchell et al., 2002 ;
Ardichvili et al., 2003) rappellent que les capacités cognitives – telles que la vigilance, la
créativité et l’apprentissage expérientiel – constituent des leviers déterminants dans la
reconnaissance et la concrétisation d’opportunités. L’absence d’un cadre intégrant ces
dimensions cognitives à l’usage de l’IA limite la portée explicative de la littérature actuelle.
En outre, les études empiriques demeurent fortement concentrées sur les économies avancées,
laissant de côté les dynamiques propres aux contextes émergents ou faiblement digitalisés. Dans
ces environnements, l’IA pourrait pourtant jouer un rôle d’égalisation cognitive et
informationnelle, en aidant les entrepreneurs à compenser les déficits d’accès aux données, aux
infrastructures ou à la formation. Les mécanismes d’adoption et d’appropriation de l’IA dans
ces contextes spécifiques restent donc largement sous-explorés, alors qu’ils constituent un
levier clé pour comprendre les disparités mondiales dans la création de valeur entrepreneuriale.
Par ailleurs, très peu de recherches abordent les médiations cognitives permettant d’expliquer
comment l’intelligence artificielle transforme les capacités humaines – qu’il s’agisse de la
perception, de la créativité, de la prise de décision ou de l’apprentissage expérientiel. En se
concentrant sur les fonctions techniques de l’IA, la littérature omet de rendre compte des
processus internes qui relient la technologie à la cognition et à l’action entrepreneuriale.
Enfin, les dimensions normatives et éthiques de l’IA sont encore marginalement intégrées dans
les études entrepreneuriales, alors même que les cadres internationaux – OCDE (2019),
UNESCO (2021), Union européenne (2024), ISO/IEC JTC 1/SC 42 – insistent sur la nécessité
d’une IA fiable, responsable et transparente. Ces principes influencent pourtant la manière dont
les entrepreneurs adoptent et exploitent l’IA dans leurs stratégies d’innovation.
Ainsi, la littérature actuelle, bien que dense et diversifiée, reste dominée par des approches
fonctionnelles, décontextualisées et peu intégratives. Cette situation révèle un vide théorique
majeur : l’absence d’un modèle conceptuel global reliant les différentes formes d’intelligence
artificielle (analytique, générative, cognitive) aux mécanismes cognitifs et comportementaux
qui sous-tendent la découverte, la reconnaissance et la concrétisation des opportunités
d’affaires.
Le présent article ambitionne de combler ce vide en proposant un cadre conceptuel intégré où
l’IA est envisagée non comme une simple technologie de traitement de l’information, mais
comme un véritable co-acteur cognitif et décisionnel. Cette approche vise à mieux comprendre
comment la collaboration entre l’humain et la machine redéfinit la cognition, l’apprentissage et
l’action entrepreneuriale dans un environnement de plus en plus numérique et complexe.

3. Cadre théorique et élaboration du modèle conceptuel

L’architecture théorique proposée s’appuie sur trois piliers complémentaires : la théorie des
capacités dynamiques, la théorie de l’opportunité entrepreneuriale et la théorie cognitive de
l’entrepreneuriat. Premièrement, la théorie des capacités dynamiques conçoit l’avantage
97
www.ijafame.org
 Mohamed Amine BENAYAD & Najia BEDOUI. Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence
artificielle dans la recherche, la reconnaissance et la concrétisation d’opportunités d’affaires.

compétitif comme la faculté d’orchestrer, reconfigurer et renouveler les ressources pour faire
face à l’incertitude. Dans notre contexte, l’intelligence artificielle (IA) n’est pas qu’un outil ;
elle devient une ressource stratégique et, plus encore, un mécanisme d’augmentation des
capacités de perception, de saisie et de transformation des opportunités (sensing, seizing,
transforming). L’intégration de l’IA alimente donc directement ces microfondations : elle élargit
le « sensing » par la fouille de données et la détection de signaux faibles, accélère le « seizing
» via la simulation et la décision assistée, et renforce le « transforming » par l’automatisation
et l’apprentissage expérientiel continu. Ce positionnement s’ancre dans le cadre fondateur de
Teece, Pisano & Shuen (1997), régulièrement mobilisé pour analyser des environnements
technologiques turbulents.
Deuxièmement, la théorie de l’opportunité entrepreneuriale précise que l’entrepreneuriat est le
nexus entre l’existence d’opportunités et l’action d’individus capables de les reconnaître et de
les exploiter. Notre modèle inscrit l’IA à tous les stades du processus : exploration/recherche,
reconnaissance/évaluation et exploitation/concrétisation, prolongeant la trame canonique de
Shane & Venkataraman (2000) et l’opérationnalisation d’Ardichvili, Cardozo & Ray (2003).
Concrètement, l’IA analytique élargit le scanning (exploration de données et veille intelligente),
l’IA générative soutient l’idéation et la recombinaison (reformulation d’hypothèses, scénarios),
et l’IA cognitive outille le raisonnement séquentiel et la planification ; la boucle d’exploitation
bénéficie ensuite d’un feedback accéléré (mesures, itérations). Ainsi, l’IA densifie les liens entre
la découverte et l’action, potentiellement en réduisant les « frictions cognitives » historiques
qui freinaient le passage du projet à l’exécution.
Troisièmement, la théorie cognitive de l’entrepreneuriat rappelle que les structures de
connaissance, les scripts d’expertise et les biais/heuristiques déterminent la manière dont les
fondateurs perçoivent, interprètent et décident. Dans notre proposition, l’IA agit comme
amplificateur cognitif : elle étend la capacité d’encoder l’information (veille élargie), de la
transformer (raisonnement assisté) et de la rappeler/utiliser (mémoire externe outillée). Elle
peut, de fait, moduler l’alerte entrepreneuriale, la créativité, l’apprentissage expérientiel et la
perception du risque - en cohérence avec les appels à formaliser la « people side » de
l’entrepreneuriat (Mitchell et al.). Cette lecture cognitive est également soutenue par des
synthèses récentes montrant comment l’IA reconfigure les décisions sous incertitude et les
trajectoires d’adoption entrepreneuriale.
Sur cette base, nous proposons un modèle conceptuel intégré illustrant comment l’adoption de
l’intelligence artificielle - déclinée sous ses trois formes principales, analytique, générative et
cognitive - influence la dynamique du processus entrepreneurial. L’IA, considérée ici comme
une ressource stratégique et cognitive, agit sur trois médiateurs essentiels qui traduisent la
manière dont les entrepreneurs transforment la donnée, l’expérience et la créativité en
opportunités exploitables. Le premier médiateur, la capacité cognitive augmentée, reflète la
faculté d’un individu à percevoir, filtrer et interpréter des signaux complexes de
l’environnement grâce aux technologies d’IA. En élargissant le champ d’attention et en
améliorant la qualité du raisonnement, l’IA renforce l’alerte entrepreneuriale et la capacité de
détection des tendances émergentes. Le second médiateur, la créativité entrepreneuriale,
renvoie à la génération et à la recombinaison d’idées nouvelles issues de l’interaction entre
l’humain et la machine. Les outils d’IA générative (comme ChatGPT, Midjourney ou Gemini)
permettent d’explorer des combinaisons inédites et de matérialiser rapidement des concepts ou
prototypes, favorisant ainsi la transition entre imagination et faisabilité. Enfin, le troisième
médiateur, l’apprentissage expérientiel numérique, désigne la capacité de l’entrepreneur à
expérimenter, tester et améliorer ses initiatives à travers des boucles rapides d’essai-erreur et
d’ajustement fondées sur les données.
Ces trois médiateurs interagissent et convergent vers deux résultats complémentaires : la
reconnaissance puis la concrétisation des opportunités d’affaires. La reconnaissance traduit la

98
www.ijafame.org
ISSN: 2658-8455
Volume 6, Issue 12 (2025), pp. 91-106.
© Authors: CC BY-NC-ND

capacité à identifier des combinaisons de ressources ou de besoins encore inexploitées, tandis

que la concrétisation correspond au passage à l’action, c’est-à-dire la transformation de l’idée
en projet viable à travers l’élaboration et la validation d’un modèle économique. Dans ce
processus, l’IA agit non pas comme un substitut à la cognition humaine, mais comme un
amplificateur cognitif, capable d’élargir les frontières de la rationalité entrepreneuriale tout en
accélérant la temporalité des décisions et des apprentissages. Ce rôle d’augmentation rejoint la
logique de la théorie des capacités dynamiques (Teece, 1997), selon laquelle la compétitivité
dépend de la faculté à saisir et reconfigurer en continu les ressources internes et externes face
aux changements de l’environnement. Toutefois, l’effet de l’adoption de l’IA sur la
reconnaissance et la concrétisation d’opportunités n’est pas uniforme. Il dépend étroitement du
profil comportemental de l’entrepreneur, notamment de son orientation entrepreneuriale (EO),
définie par Covin et Slevin (1989) à travers trois dimensions : la proactivité, la capacité
d’innovation et la prise de risque. Cette orientation agit ici comme un modérateur qui amplifie
ou atténue les effets de l’IA sur les variables cognitives et comportementales. Les entrepreneurs
dotés d’une EO élevée exploitent davantage les potentialités de l’IA pour transformer les
informations en actions concrètes, tandis qu’une EO faible peut limiter les effets bénéfiques de
la technologie en réduisant l’ouverture au changement et la vitesse d’exécution. Par ailleurs,
des variables de contrôle telles que l’expérience entrepreneuriale, le secteur d’activité et
l’écosystème institutionnel sont intégrées afin de tenir compte des spécificités contextuelles
pouvant influencer la relation entre IA et performance entrepreneuriale.
Tableau 2: Synthèse des variables et spécifications opérationnelles
Type de Dénomination Description opérationnelle
variable
Variable Adoption de l’intelligence artificielle Niveau et diversité d’usage des outils d’IA par le
indépendante fondateur ; degré d’intégration dans le processus
décisionnel.
Médiateurs - Capacité cognitive Capacité d’analyse et d’interprétation des
augmentée signaux ; aptitude à générer des idées nouvelles ;
- Créativité entrepreneuriale fréquence des cycles de test et d’itération
- Apprentissage expérientiel numérique.
numérique
Variable Concrétisation d’opportunités Identification de nouvelles opportunités et
dépendante transformation en projets concrets ou modèles
économiques validés.
Variable Orientation entrepreneuriale Degré de proactivité, d’innovation et de prise de
modératrice risque de l’entrepreneur (mesuré à partir
d’échelles validées).
Source : Nos soins
Le modèle conceptuel proposé établit ainsi un cheminement explicite :
Adoption de l’IA → (Capacité cognitive augmentée, Créativité entrepreneuriale, Apprentissage
expérientiel numérique) → Reconnaissance et concrétisation de l’opportunité. Ce cadre répond
au vide théorique identifié dans la littérature récente (Haefliger et al., 2024 ; Obschonka &
Audretsch, 2023 ; George et al., 2023), qui souligne l’absence d’un modèle unifié articulant la
séquence complète IA - cognition - action entrepreneuriale.
Ce modèle conceptuel, fondé sur la convergence des approches cognitives et dynamiques, offre
une lecture intégrée du rôle de l’intelligence artificielle dans l’action entrepreneuriale. Il met en
évidence la transformation de la cognition humaine à travers les technologies intelligentes et
ouvre la voie à des investigations empiriques visant à tester la robustesse des liens proposés,
notamment à travers des analyses de médiation et de modération (PLS-SEM ou PROCESS). À
partir de ce cadre conceptuel, nous formulons les hypothèses suivantes, qui traduisent les

99
www.ijafame.org
 Mohamed Amine BENAYAD & Najia BEDOUI. Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence
artificielle dans la recherche, la reconnaissance et la concrétisation d’opportunités d’affaires.

mécanismes explicatifs reliant l’adoption de l’IA aux différentes étapes du processus

entrepreneurial.
Figure 1: Modèle conceptuel proposé

Source : Nos soins

3.1. Adoption de l’IA → Capacité cognitive augmentée

Les travaux récents montrent que l’intégration de l’intelligence artificielle dans les processus
décisionnels améliore la qualité de la cognition managériale et entrepreneuriale. Par exemple,
Fossen et al. (2024) soulignent que l’IA renforce la capacité d’analyse et la détection de signaux
faibles, augmentant ainsi la vigilance entrepreneuriale. Haefliger et al. (2024) observent que les
outils analytiques d’IA facilitent la structuration des connaissances et la génération de schémas
mentaux plus précis. D’un point de vue théorique, cette relation s’appuie sur la théorie des
capacités dynamiques (Teece, 1997), selon laquelle les technologies émergentes étendent la
capacité des acteurs à capter et à traiter l’information.
Des résultats similaires ont été observés dans des contextes organisationnels : Kang, Park et
Lee (2023) montrent que l’IA améliore les capacités de perception et de filtrage stratégique
dans les startups technologiques. Ces constats empiriques suggèrent que l’IA agit comme un
amplificateur de la vigilance entrepreneuriale (entrepreneurial alertness) et de la capacité
cognitive. Ainsi, nous formulons l’hypothèse suivante :
H1 : L’adoption de l’intelligence artificielle a un effet positif sur la capacité cognitive
augmentée de l’entrepreneur.
3.2. Capacité cognitive augmentée → Reconnaissance de l’opportunité
De nombreuses études empiriques confirment le lien entre la cognition entrepreneuriale et la
reconnaissance d’opportunités. Ardichvili, Cardozo et Ray (2003) ont démontré que la vigilance

100
www.ijafame.org
ISSN: 2658-8455
Volume 6, Issue 12 (2025), pp. 91-106.
© Authors: CC BY-NC-ND

cognitive permet d’identifier des combinaisons inédites de ressources et de besoins. Mitchell et

al. (2002) ont montré que les schémas mentaux d’experts différencient les entrepreneurs
performants des novices. Plus récemment, Nambisan, Siegel et Kenney (2023) et Obschonka
& Audretsch (2023) soulignent que l’IA renforce ces capacités cognitives, favorisant une
reconnaissance plus rapide et plus pertinente des opportunités. Dans les environnements
numériques, la cognition augmentée permet une compréhension plus fine du marché et une
interprétation dynamique des données.
H2 : La capacité cognitive augmentée influence positivement la reconnaissance d’opportunités
entrepreneuriales.
3.3. Adoption de l’IA → (a) Créativité entrepreneuriale et (b) Apprentissage expérientiel
numérique
Les travaux sur la créativité entrepreneuriale montrent que les outils d’IA générative favorisent
la production d’idées nouvelles et la recombinaison conceptuelle (George et al., 2023 ; Kang et
al., 2023). En parallèle, l’IA soutient l’apprentissage expérientiel en réduisant les coûts de test
et en facilitant la simulation de prototypes (Kolb, 1984 ; Pečan et al., 2024). Des études
empiriques menées dans les startups numériques (Shepherd & Gruber, 2021 ; Nambisan et al.,
2023) confirment que l’usage d’IA améliore la vitesse d’apprentissage et la qualité des
expérimentations.
Ces résultats convergent vers l’idée que l’IA agit simultanément sur la créativité et sur
l’apprentissage expérientiel, deux composantes clés de la capacité d’adaptation
entrepreneuriale.
H3a : L’adoption de l’IA a un effet positif sur la créativité entrepreneuriale.
H3b : L’adoption de l’IA a un effet positif sur l’apprentissage expérientiel numérique.
3.4. Médiation sérielle : IA → Cognition → Créativité/Apprentissage → Concrétisation
de l’opportunité
Les études récentes montrent que les effets de l’IA sur la performance entrepreneuriale sont
indirects, médiés par des mécanismes cognitifs et comportementaux (Haefliger et al., 2024 ;
Obschonka & Audretsch, 2023). L’IA accroît d’abord la vigilance cognitive, ce qui stimule la
créativité et facilite l’expérimentation. Fossen et al. (2024) et Kang et al. (2023) confirment que
cette chaîne de médiation améliore la capacité à transformer les idées en actions concrètes. Dans
la lignée des approches processuelles de l’entrepreneuriat (Shane & Venkataraman, 2000), cette
dynamique traduit la séquence IA → cognition → expérimentation → action.
H4 : L’effet de l’adoption de l’IA sur la concrétisation des opportunités est médié en série par
la capacité cognitive augmentée, la créativité entrepreneuriale et l’apprentissage expérientiel
numérique.
3.5. Modération de l’orientation entrepreneuriale (EO)
L’orientation entrepreneuriale est reconnue comme un facteur modérateur majeur dans les
modèles d’innovation et de digitalisation (Covin & Slevin, 1989 ; Rauch et al., 2009). Les
études de George et al. (2023) et de Obschonka & Audretsch (2023) montrent que la proactivité
et la prise de risque amplifient les bénéfices de l’IA dans la prise de décision entrepreneuriale.
De même, Nambisan et al. (2023) soulignent que les entrepreneurs à forte EO utilisent l’IA pour
accélérer la validation des modèles d’affaires et réduire les incertitudes. Ces travaux empiriques
confirment que l’EO agit comme un catalyseur comportemental, facilitant la conversion des
capacités cognitives et créatives en actions concrètes.
H5 : L’orientation entrepreneuriale modère positivement la relation entre les variables
cognitives et comportementales et la reconnaissance/concrétisation des opportunités.

101
www.ijafame.org
 Mohamed Amine BENAYAD & Najia BEDOUI. Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence
artificielle dans la recherche, la reconnaissance et la concrétisation d’opportunités d’affaires.

Tableau 3: Synthèse des hypothèses et relations attendues

Hypothèse Relation testée Formulation de l’hypothèse Type de
lien
H1 Adoption de l’IA → Capacité L’adoption de l’intelligence artificielleLien
cognitive augmentée (analytique, générative et cognitive) a un effet direct
positif sur la capacité cognitive augmentée de positif
l’entrepreneur, en renforçant sa vigilance, son
raisonnement et sa capacité de filtrage de
l’information.
H2 Capacité cognitive augmentée Une capacité cognitive augmentée améliore la Lien
→ Reconnaissance et reconnaissance des opportunités d’affaires, en direct
Concrétisation de permettant une meilleure identification et positif
l’opportunité interprétation des signaux de marché.
H3a Créativité entrepreneuriale → La créativité entrepreneuriale, soutenue par l’IA Lien
Reconnaissance et générative, favorise la transformation d’idées en direct
Concrétisation de projets concrets et exploitables, accélérant la positif
l’opportunité concrétisation des opportunités.
H3b Apprentissage expérientiel L’apprentissage expérientiel numérique, facilité Lien
numérique → Reconnaissance par les outils d’IA, améliore la capacité des direct
et Concrétisation de entrepreneurs à tester, ajuster et valider leurs positif
l’opportunité projets, conduisant à une concrétisation plus
rapide des opportunités.
H4 Adoption de l’IA → L’effet de l’adoption de l’IA sur la concrétisation Lien
Reconnaissance et des opportunités est médié par une chaîne indirect
Concrétisation de cognitive et comportementale : l’IA accroît la (médié)
l’opportunité (médiation capacité cognitive, qui stimule la créativité et
sérielle via cognition, l’apprentissage expérientiel, conduisant à la
créativité et apprentissage) mise en œuvre effective des opportunités.
H5 Orientation entrepreneuriale L’orientation entrepreneuriale (proactivité, Lien
(EO) × (Cognition / Créativité innovation, prise de risque) modère modéré
/ Apprentissage) → positivement les relations entre les variables positif
Reconnaissance et cognitives et comportementales et la
Concrétisation de reconnaissance/concrétisation des opportunités
l’opportunité d’affaires.
Source : Nos soins

4. Discussion et implications
4.1. Implications théoriques : vers une reconfiguration cognitive du processus
entrepreneurial
L’intégration de l’intelligence artificielle dans le champ de l’entrepreneuriat ouvre un
renouvellement profond des cadres théoriques existants, en particulier ceux centrés sur la
cognition, les opportunités et les capacités dynamiques. Le modèle conceptuel proposé
contribue d’abord à la théorie de l’opportunité entrepreneuriale (Shane & Venkataraman, 2000)
en redéfinissant la manière dont les entrepreneurs identifient et exploitent les opportunités dans
un environnement fortement digitalisé. Là où les approches traditionnelles soulignent la
dimension individuelle et intuitive du repérage d’opportunités, notre cadre suggère que la
technologie devient un co-acteur cognitif, capable d’élargir les capacités perceptives et
heuristiques de l’entrepreneur. L’IA n’est plus une simple source d’information, mais une
ressource cognitive augmentée, modifiant la structure même de la vigilance et du raisonnement
entrepreneurial.
Cette recherche enrichit également la théorie des capacités dynamiques (Teece, 1997) en
montrant que l’IA agit comme un levier transversal des trois microfondations : sensing, seizing
et transforming. Par son pouvoir analytique et prédictif, elle améliore la détection des signaux
faibles (sensing), facilite la prise de décision rapide et informée (seizing), et soutient la

102
www.ijafame.org
ISSN: 2658-8455
Volume 6, Issue 12 (2025), pp. 91-106.
© Authors: CC BY-NC-ND

transformation organisationnelle en réduisant les coûts d’apprentissage (transforming).

L’introduction d’un chaînage médié cognitif et expérientiel (IA → cognition →
créativité/apprentissage → action) permet ainsi de dépasser la vision purement structurelle des
capacités dynamiques pour intégrer leur dimension cognitive et comportementale.
Ce modèle apporte une contribution originale à la théorie cognitive de l’entrepreneuriat
(Mitchell et al., 2007), en conceptualisant la cognition augmentée comme un nouveau
paradigme explicatif. Les mécanismes classiques de traitement de l’information — perception,
mémorisation, interprétation et décision — se trouvent élargis par les technologies d’IA qui
introduisent une hybridation entre raisonnement humain et algorithmique. L’entrepreneur
devient alors un acteur cognitif augmenté, capable de traiter des volumes d’information
inaccessibles à l’esprit humain seul. Ce repositionnement théorique ouvre la voie à une nouvelle
lecture du processus entrepreneurial : non plus centré uniquement sur l’individu, mais sur une
intelligence distribuée entre l’humain et la machine, rendant possible une compréhension plus
réaliste du processus d’identification et de concrétisation des opportunités à l’ère numérique.
4.2. Implications managériales : vers un entrepreneuriat augmenté et apprenant
Sur le plan managérial, ce modèle offre des pistes concrètes pour repenser la manière dont les
entrepreneurs, les incubateurs et les institutions d’accompagnement peuvent intégrer l’IA dans
leurs pratiques quotidiennes. D’abord, pour les entrepreneurs eux-mêmes, l’IA constitue un
outil stratégique de cognition et de créativité. L’adoption d’outils analytiques (analyse
prédictive, veille intelligente), génératifs (idéation assistée, prototypage rapide) et cognitifs
(prise de décision simulée, raisonnement symbolique) permet d’améliorer la qualité des
décisions, de raccourcir le cycle de conception et d’augmenter la précision des actions.
L’entrepreneur devient alors un acteur hybride, combinant intuition humaine et intelligence
artificielle, ce qui favorise la rapidité d’exécution, la fiabilité des choix et la réduction de
l’incertitude décisionnelle.
Ensuite, pour les incubateurs, accélérateurs et structures d’accompagnement, le modèle proposé
suggère la nécessité d’intégrer des programmes de formation et de mentoring axés sur l’usage
stratégique de l’IA. Ces institutions peuvent développer des dispositifs de co-apprentissage où
les fondateurs sont formés à la maîtrise de l’IA générative et à l’exploitation de la donnée pour
affiner leurs modèles d’affaires. Cette perspective rejoint l’idée d’un accompagnement
augmenté, où les mentors eux-mêmes utilisent des outils d’intelligence artificielle pour
personnaliser le suivi, évaluer le potentiel des projets et anticiper les besoins d’adaptation des
entrepreneurs.
Finalement, pour les politiques publiques et les acteurs institutionnels, l’intégration de l’IA dans
les dynamiques entrepreneuriales invite à repenser les cadres d’appui à l’innovation. Les
pouvoirs publics peuvent encourager la diffusion de l’IA à travers des incitations fiscales, des
programmes de transfert technologique ou des partenariats université-entreprise favorisant la
montée en compétences numériques. Dans les économies émergentes comme le Maroc, l’IA
peut jouer un rôle d’égalisation des chances, en réduisant les asymétries d’information et en
donnant aux jeunes entrepreneurs un accès plus équitable aux ressources cognitives et
décisionnelles nécessaires à la création de valeur. Ce modèle permet ainsi d’esquisser une vision
nouvelle : celle d’un entrepreneuriat augmenté, fondé sur la collaboration entre l’humain et la
machine, où la technologie ne remplace pas la créativité humaine, mais en devient le
prolongement logique et stratégique. L’enjeu managérial devient alors la capacité à orchestrer
cette complémentarité - à savoir, utiliser l’IA non pour penser à la place de l’entrepreneur, mais
pour l’aider à penser mieux et à agir plus vite.

103
www.ijafame.org
 Mohamed Amine BENAYAD & Najia BEDOUI. Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence
artificielle dans la recherche, la reconnaissance et la concrétisation d’opportunités d’affaires.

5. Conclusion
Cette recherche a proposé un modèle conceptuel original visant à comprendre comment
l’intelligence artificielle transforme le processus entrepreneurial, de la recherche d’opportunités
à leur concrétisation. En s’appuyant sur les théories des capacités dynamiques (Teece, 1997),
de l’opportunité entrepreneuriale (Shane & Venkataraman, 2000) et de la cognition
entrepreneuriale (Mitchell et al., 2007), l’étude a montré que l’IA agit comme un catalyseur
cognitif et un amplificateur comportemental. L’adoption de l’IA - sous ses formes analytique,
générative et cognitive - influence positivement la capacité cognitive augmentée, la créativité
entrepreneuriale et l’apprentissage expérientiel numérique, trois mécanismes centraux
favorisant la reconnaissance et la concrétisation d’opportunités d’affaires.
Le modèle élaboré établit ainsi une séquence explicite : IA → cognition augmentée →
créativité/apprentissage → action entrepreneuriale, modérée par l’orientation entrepreneuriale.
Il met en lumière une conception renouvelée de l’entrepreneur comme acteur cognitif
augmenté, capable de collaborer avec la technologie pour explorer, apprendre et agir dans un
environnement incertain et saturé d’informations. Cette approche contribue à une meilleure
compréhension des logiques de création de valeur à l’ère numérique, en proposant une
articulation cohérente entre innovation technologique, cognition humaine et dynamique
d’action.
Sur le plan scientifique, ce modèle ouvre de nouvelles perspectives pour la recherche sur
l’entrepreneuriat digital. Il invite à dépasser les approches instrumentales de l’IA pour adopter
une lecture processuelle et cognitive de son intégration dans l’action entrepreneuriale. Il met
également en évidence la nécessité de revisiter les fondements du concept d’« opportunité », en
le replaçant dans un cadre où la technologie n’est plus externe à l’entrepreneur, mais constitue
un élément constitutif de sa capacité à percevoir et agir. Ce repositionnement théorique permet
d’inscrire la recherche dans un paradigme plus large, celui de l’entrepreneuriat augmenté, où la
frontière entre l’humain et la machine devient un espace de cocréation plutôt qu’une ligne de
séparation.
Cependant, cette proposition comporte certaines limites inhérentes à sa nature conceptuelle.
D’abord, le modèle, bien qu’intégratif, n’a pas encore été validé empiriquement. Sa mise à
l’épreuve nécessiterait des études quantitatives basées sur des méthodes de médiation et
modération (PLS-SEM ou PROCESS), ou des approches mixtes combinant analyses de
trajectoires et études de cas. Ensuite, la conceptualisation des variables - notamment la
cognition augmentée et l’apprentissage expérientiel numérique - reste à opérationnaliser à
travers des instruments de mesure validés et adaptés aux contextes entrepreneuriaux. Enfin, la
portée du modèle peut varier selon les environnements culturels, technologiques et
institutionnels : ce qui s’observe dans les écosystèmes numériques développés peut différer
dans les contextes émergents, où les contraintes d’accès à la technologie et aux compétences
peuvent moduler l’impact de l’IA sur le comportement entrepreneurial.
Ces limites ouvrent la voie à de nombreuses perspectives de recherche. À court terme, il serait
pertinent de conduire des études empiriques comparatives entre entrepreneurs utilisant
intensivement l’IA et ceux qui s’en tiennent à des approches traditionnelles, afin de mesurer
l’impact réel sur la reconnaissance et la concrétisation d’opportunités. À moyen terme,
l’intégration de variables contextuelles - telles que la culture numérique, la maturité
technologique ou le niveau de confiance envers les systèmes intelligents - permettrait de mieux
comprendre les conditions de réussite de l’entrepreneuriat augmenté. Enfin, sur le plan
théorique, il conviendrait d’approfondir la réflexion sur les interactions homme–machine dans
la création de valeur entrepreneuriale, en mobilisant des approches issues de la psychologie
cognitive, de la sociologie de l’innovation et de la théorie des systèmes ouverts. En guise de
conclusion, cette recherche s’inscrit dans une perspective de renouvellement du paradigme
entrepreneurial, où l’IA n’est plus une simple technologie d’automatisation, mais un partenaire
104
www.ijafame.org
 ISSN: 2658-8455
Volume 6, Issue 12 (2025), pp. 91-106.
© Authors: CC BY-NC-ND

de cognition et d’action. Elle ouvre un champ fertile de réflexion sur l’avenir de

l’entrepreneuriat à l’ère de l’intelligence artificielle - un entrepreneuriat plus réactif, réflexif et
apprenant, dans lequel l’humain et la machine co-évoluent pour concevoir et concrétiser les
opportunités de demain.

Références

(1). Ardichvili, A., Cardozo, R., & Ray, S. (2003). A theory of entrepreneurial opportunity
identification and development. Journal of Business Venturing, 18(1), 105–123.
https://doi.org/10.1016/S0883-9026(01)00068-4
(2). Covin, J. G., & Slevin, D. P. (1989). Strategic management of small firms in hostile and
benign environments. Strategic Management Journal, 10(1), 75–87.
https://doi.org/10.1002/smj.4250100107
(3). Eisenhardt, K. M., & Martin, J. A. (2000). Dynamic capabilities: What are they?
Strategic Management Journal, 21(10–11), 1105–1121. https://doi.org/10.1002/1097-
0266(200010/11)21:10/11<1105::AID-SMJ133>3.0.CO;2-E
(4). Fossen, F. M., Nambisan, S., & von Bloh, J. (2024). Artificial Intelligence and
Entrepreneurship. IZA Discussion Paper No. 17055. Institute of Labor Economics
(IZA). https://docs.iza.org/dp17055.pdf
(5). George, G., Lakhani, K. R., & Puranam, P. (2023). What does artificial intelligence
mean for managers? Academy of Management Perspectives, 37(1), 5–25.
https://doi.org/10.5465/amp.2022.0105
(6). Haefliger, S., Obschonka, M., & Audretsch, D. B. (2024). Artificial intelligence and
entrepreneurship: Research frontiers and future directions. Journal of Business
Venturing Insights, 22, e00453. https://doi.org/10.1016/j.jbvi.2024.e00453
(7). Kang, S., Park, J., & Lee, H. (2023). AI-assisted entrepreneurial bricolage: Exploring
the interaction between human creativity and artificial intelligence. Technological
Forecasting and Social Change, 192, 122611.
https://doi.org/10.1016/j.techfore.2023.122611
(8). Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and
development. Englewood Cliffs, NJ: Prentice Hall.
(9). Mahoney, J. T. (2023). Dynamic capabilities and strategic management revisited.
University of Illinois Working Paper. Retrieved from
https://josephmahoney.web.illinois.edu
(10). Mitchell, R. K., Busenitz, L. W., Lant, T., McDougall, P. P., Morse, E. A., & Smith, J.
B. (2002). Toward a theory of entrepreneurial cognition: Rethinking the people side of
entrepreneurship research. Entrepreneurship Theory and Practice, 27(2), 93–104.
https://doi.org/10.1111/1540-8520.00001
(11). Nambisan, S., Siegel, D., & Kenney, M. (2023). The digital transformation of
entrepreneurship: AI, big data, and new research frontiers. Research Policy, 52(2),
104657. https://doi.org/10.1016/j.respol.2023.104657
(12). Obschonka, M., & Audretsch, D. B. (2023). The human–AI nexus in entrepreneurship:
Personality, creativity, and the future of work. Small Business Economics, 61(1), 59–
81. https://doi.org/10.1007/s11187-023-00712-8
(13). Pečan, V., Ratten, V., & Kljajić Borštnar, M. (2024). Artificial intelligence in
entrepreneurial decision-making: Challenges and opportunities. Technovation, 131,
102850. https://doi.org/10.1016/j.technovation.2024.102850
(14). Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.).
Pearson Education.

105
www.ijafame.org
 Mohamed Amine BENAYAD & Najia BEDOUI. Entrepreneuriat augmenté : modèle conceptuel du rôle de l’intelligence
artificielle dans la recherche, la reconnaissance et la concrétisation d’opportunités d’affaires.

(15). Shane, S., & Venkataraman, S. (2000). The promise of entrepreneurship as a field of
research. Academy of Management Review, 25(1), 217–226.
https://doi.org/10.5465/amr.2000.2791611
(16). Shepherd, D. A., & Gruber, M. (2021). The lean startup and the business model:
Building a bridge between theory and practice. Strategic Entrepreneurship Journal,
15(3), 296–314. https://doi.org/10.1002/sej.1393
(17). Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic
management. Strategic Management Journal, 18(7), 509–533.
https://doi.org/10.1002/(SICI)1097-0266(199708)18:7<509::AID-SMJ882>3.0.CO;2-
Z

106
www.ijafame.org