Strategie dimplantation

des objectifs differents pouvant etre de nature pacifique ou agressive. Mais, si le nombre de strategies est reduit, la situation n’en est pas simple pour autant. Les entreprises de distribution possedent rapidement un grand nombre d’unites dans leur reseau. La situation n’est donc plus binaire (proximite ou eloignement). Des 140 Revue francaise de gestion – N° 165/2006 isolee.

Un reseau de distribution peut, par exemple, conduire une strategie cooperative sur une zone geographique et une strategie plus agressive dans une autre. Enfin, les differents reseaux de distribution se trouvent dans une situation d’interdependance (Baumard, 2000) qui intensifie et accelere les relations concurrentielles (D’Aveni, 1994). Les implantations des uns vont avoir une influence sur celles des autres. S’il est courant, pour le chercheur et le praticien, d’etudier les processus spatiaux a travers une modelisation mathematique, elle peut s’averer particulierement fastidieuse voire impossible dans certains cas.

En effet, les modelisations mathematiques se bornent le plus souvent a la resolution de derivees partielles ou d’equations differentielles. De maniere informatique, ces equations se traduisent la plupart du temps en algorithmes iteratifs discrets. Mais pour que de telles formalisations soient possibles, il est necessaire que les variables possedent des proprietes mathematiques particulieres (en termes de continuite, mesurabilite, stabilite, etc. ). Mais est-il possible de mettre en equation l’attraction ou la repulsion qu’exercent les unites des reseaux de reseaux de distributions les unes sur les autres ?

Prendre en consideration un grand nombre d’elements en situation d’interactions s’avere une tache toujours extremement difficile a moins de caricaturer a l’extreme cette situation. L’objectif de ce travail est donc double. Il s’agit dans un premier temps de construire un modele de simulation simple permettant d’etudier, d’analyser et de reproduire la concurrentielles comme facteurs de localisation. Il s’agit ensuite de faire fonctionner le systeme cree dans un contexte particulier et de voir s’il est capable d’apprehender un phenomene reel a? de mieux l’analyser et de le comprendre. I. – LES STRATEGIES DE LOCALISATION VIS-A-VIS DE LA CONCURRENCE : PROXIMITE OU EVITEMENT Les strategies de localisation des reseaux de distribution vis-a-vis de la concurrence sont tres peu nombreuses et tres simples. Les enseignes peuvent choisir pour chacune de leurs unites entre un emplacement isole ou proche de la concurrence (Cliquet, 1992). L’isolement traduit une volonte d’evitement alors que la recherche de proximite peut etre synonyme de cooperation ou d’affrontement. 1.

L’evitement comme strategie de localisation Le premier objectif pour le reseau de distribution desirant implanter une nouvelle unite, une fois le marche cible penetre, est de demeurer dans la competition. Il est important de ne pas provoquer ou d’initier une attaque frontale avec les differents adversaires, car si elle intervient trop tot, elle peut s’averer fatale (Fudenberg et Tirole, 1984). De plus, opter pour une localisation differente de celles de ses concurrents permet de se differentier. En effet, dans le cas particulier de la localisation, ou chaque consommateur n’accorde pas la meme preference a un lieu geographique, il

Quelles strategies d’implantation pour les entreprises ? 141 nibles a Paris a des bien identiques mais disponibles a New York. L’eloignement geographique est egalement l’occasion de conquerir en premier un territoire. Cette situation engendre des effets positifs qu’un nouvel entrant doit exploiter s’il veut s’imposer comme un veritable acteur du secteur dans lequel il evolue. Le pionnier peut, en arrivant le premier sur un marche geographique, eriger des barrieres a l’entree a travers la maitrise d’un leadership technologique (Gilbert et Newbery, 1982 ; Smiley et Ravid, 1983).

Le pionnier beneficie egalement d’avantages lies au comportement des consommateurs puisqu’il capte l’ensemble des innovateurs et des adopteurs precoces (Peterson, 1982). Le changement a un cout pour les individus, ce qui a pour consequence de les rendre refractaires a tout changement de point de vente (Hoch et Deighton, 1989). En presence de couts de changement, les suiveurs doivent investir des ressources supplementaires afin d’attirer les clients. Un autre avantage de l’isolement geographique est de permettre d’occuper le premier les « meilleures » positions (K? ig, 1996) et ainsi mettre en place une strategie de preemption. En concentrant des capacites de production ou de distribution excedentaires sur un segment de population particulier, une entreprise peut dissuader la concurrence de penetrer ce marche (Lieberman, 1987 ; MacMillan, 1983). 2. Les bene? ces de la proximite geographique Marshall (1920) a tres tot souligne l’impor- industries. Les economies d’agglomeration (Weber, 1929) naissent du partage des infrastructures entre les ? rmes (transport, communication, etc. et de la creation de synergies positives par la cooperation entre entreprises. Une multitude de travaux empiriques (pour une synthese voir : Best, 1990 ; Piore et Sabel, 1984 ; Porter, 1990) a montre l’existence de ces phenomenes d’agglomeration a travers l’etude de nombreuses regions specialisees dans un domaine particulier (Italie du Nord, Sillicon Valley, Sillicon Glen, Route 128, etc. ). Meme si les facteurs generateurs d’economies d’agglomeration peuvent differer, ce qui a ete veri? e pour la localisation des ? rmes industrielles, l’a egalement ete pour les commerces.

Le regroupement des magasins proposant des produits similaires a depuis longtemps ete observe : les magasins d’habillement et de chaussures se multiplient dans les centres commerciaux, les vendeurs de voiture sont dans la plupart des cas tres proches les uns des autres, etc. (Fisher et Harrington, 1996). L’agglomeration geographique est reductrice d’incertitude tant pour les firmes que pour les consommateurs (Weber, 1972). Pour les entreprises, le regroupement des commerces fournit, pour les entrants les plus recents, des informations sur la faisabilite de leur projet et sur l’existence de la demande par l’observation des firmes etablies.

Le regroupement geographique permet egalement de reduire le cout de recherche d’informations pour le consommateur. Du fait du principe de l’effort minimum (Zipf, 1949), les consommateurs vont privilegier les zones ou l’offre est 142 Revue francaise de gestion – N° 165/2006 qu’une fois afin de minimiser leur cout de transport par achat (Jones et Simmons, 1993). Il existe des externalites positives intermagasins (parfois appelees externalites de demande) qui permettent un accroissement du chiffre d’affaires (Fujita et Thisse, 2002). Le regroupement commercial genere une consommation plus importante qui se repercute sur l’ensemble des magasins.

Nelson (1958) est le premier a avoir mis en evidence une relation entre le principe de l’attraction cumulative et la localisation des commerces. Lorsque les points de vente concurrents ont les memes ressources, c’est-a-dire les memes consommateurs, il est possible de prevoir l’accroissement de l’intensite concurrentielle lors d’implantation dans les memes zones. Les travaux en ecologie des populations ont en effet tres tot souligne que l’intensite concurrentielle est fonction de la similarite des ressources necessaires aux entreprises.

Plus les ressources necessaires a l’entreprise sont similaires, plus le potentiel de concurrence est important (Hannan et Freeman, 1986, 1989). Dans cette optique, des entreprises partageant des ressources identiques sont des concurrents parfaits alors que des firmes utilisant des ressources totalement differentes ne se trouvent pas en concurrence. Des points de vente situes a proximite et offrant des produits substituables se partagent les memes ressources et se trouvent donc en situation de concurrence parfaite. Les points de vente ne se trouvant pas sur la meme zone geographique ne s’adressent pas aux memes clients. Dans 3.

Synthese Il apparait clairement que deux strategies de localisation sont envisageables : la proximite ou l’eloignement. Ainsi, deux forces opposees regissent les relations entre unites des differents reseaux de distribution. Les entreprises doivent arbitrer a? n d’aller dans le sens d’une des forces et ce pour chacune des unites composant le reseau (tableau 1). L’existence de ces deux forces opposees conduit les entreprises a hesiter entre le regroupement geographique et l’eloignement. Les entreprises multi-unites n’optent que tres rarement pour une strategie pure. Il s’agit en fait de trouver le bon equilibre entre proximite et eloignement.

Une proportion du reseau de distribution est situee a proximite des unites adverses alors qu’une autre partie est isolee. Le choix d’une strategie par une entreprise depend essentiellement de sa part de marche, du nombre de ressources dont elle dispose et de sa legitimite. Or, ces trois elements dependent en fait de la taille du reseau. Le chiffre d’affaires et le resultat etant quasiment identiques d’une unite a une autre, plus une entreprise possede d’unites par rapport a ses concurrents, plus elle detient de ressources et plus sa part de marche est importante. Il en est de meme pour la egitimite puisqu’elle est accordee aux entreprises les plus visibles, et celles ayant un pouvoir de negociation le plus fort avec les differents acteurs du marche. II. – CONSTRUCTION DU MODELE DE SIMULATION Afin d’etudier la dynamique produite par Quelles strategies d’implantation pour les entreprises ? 143 Tableau 1 LES STRATEGIES DE LOCALISATION POSSIBLES POUR CHAQUE UNITE Moyens utilises Strategie 1 L’evitement Ameliorer la position de l’entreprise Buts poursuivis Construction d’un avantage pionnier : – leadership sur les marches, – exploitation des couts de changement des consommateurs, – preemption des ressources rares.

Eviter des reactions concurrentielles importantes : – envoyer un signal de nonaggressivite, – differenciation horizontale. Strategie 2 La proximite Bene? cier des economies d’agglomeration : – reduction de cout, – reduction de l’incertitude, – apparition de synergie, – accroissement de la legitimite. Degrader les positions des concurrents Gener le concurrent en lui accaparant ses ressources. informatique, et plus particulierement les automates cellulaires, est utilisee comme methode de recherche. Le recours a ce type d’outil de modelisation n’est pas totalement nouveau.

Utile pour comprendre et simuler un grand nombre de phenomenes physiques et biologiques, les automates cellulaires ont du attendre un certain temps pour trouver une utilite dans les travaux en sciences sociales. Toutefois cette recherche s’inspire de quelques travaux utilisant des automates cellulaires en sociologie (Schelling, 1960 ; Sakoda, 1971) en geographie (White et Engelen, 1993 ; Dubos-Paillard et al. , 2004) ou management strategique (Lomi et Larsen, 1. La notion generale d’automate cellulaire Les automates cellulaires peuvent etre consideres comme des systemes multiagents particuliers ou les cellules sont des agents contigus et ? es (Ferber, 1997). Un automate cellulaire est une organisation structuree de cellules interconnectees qui dependent les unes des autres. Elles forment un systeme cellulaire. Ce systeme cellulaire peut etre spatialise ou non. L’organisation des cellules est de? nie par les liens de voisinage entre mailles. Le fonctionnement global de l’automate cellulaire consiste a « calculer » un etat global a chaque instant a partir de l’etat global a 144 Revue francaise de gestion – N° 165/2006 quer le fonctionnement global a partir de mecanismes elementaires issus de son niveau local, les cellules.

Le « Jeu de la vie » (Gardner, 1970) invente par John Conway est un des exemples les plus celebres d’automates cellulaires. Les regles de ce jeu sont extremement simples. Les cellules peuvent se trouver dans deux etats : vie ou mort. L’espace cellulaire est compose de cellules qui se trouvent dans l’etat mort au depart, a l’exception d’un nombre ? ni d’entre elles. L’evolution de chaque cellule est determinee en fonction de son propre etat et de celui de ses huit cases adjacentes. Les regles sont : une cellule vivante meurt a l’etape suivante si elle n’a pas plus d’un voisin (elle eurt de solitude) ou si elle a plus de trois voisins dans les huit cases adjacentes (elle meurt d’etouffement) et une cellule morte entouree de trois voisins vivants dans les huit cases adjacentes devient vivante a l’etape suivante. La ? gure 1 represente l’evolution d’une con? guration selon les regles du « Jeu de la vie ». La caracteristique essentielle du jeu de la vie est qu’il est hautement imprevisible. L’apparition de formes stables, d’equilibres, d’oscillateurs est impossible a determiner a priori. 2.

Description du modele utilise Dans le travail presente, l’espace du modele est bidimensionnel, initialement rectangulaire et decoupe en N cellules a support carre, N etant de? ni par l’utilisateur. L’automate utilise la topologie metrique euclidienne. L’automate examine le nombre de cellules occupees entourant chaque cellule vide. Il comptabilise le nombre de concurrents ci se trouvant dans le voisinage de la cellule. En fonction de la strategie choisie (proximite ou evitement), la cellule vide peut devenir occupee ou rester vide. En effet, a chaque strategie est associe un nombre minimum cimin et un nombre maximum cimax de concurrent. imin et cimax sont de? nis par l’utilisateur pour chaque strategie. Une strategie de proximite signi? e qu’un certain nombre de concurrents doivent etre presents dans le voisinage alors qu’une strategie d’evitement va de pair avec un voisinage sans concurrence. Le choix de la strategie de localisation est termine par l’automate qui associe une probabilite a chaque strategie en fonction du rapport des tailles de reseau (? gure 2). Le nombre d’implantations par reseau ainsi que les disparitions d’unites sont prede? nis par l’utilisateur pour chaque periode t.

Les implantations sont exclusivement le fruit du Figure 1 EVOLUTION D’UNE CONFIGURATION PARTICULIERE SELON LES REGLES DU « JEU DE LA VIE » Quelles strategies d’implantation pour les entreprises ? 145 fonctionnement de l’automate. En revanche, les disparitions se font de facon aleatoire. Le voisinage des cellules est celui de Moore, c’est-a-dire les huit cellules entourant chaque case. Il est possible a l’utilisateur de faire varier le rayon du voisinage a? n d’adapter la notion de proximite en fonction de l’objet de l’etude. Le voisinage de Moore de rayon 2 comprend les 24 cellules voisines (? ure 3). III. – APPLICATION : LA LOCALISATION DES RESTAURANTS MCDONALD’S ET QUICK A PARIS (1984-2004) A? n de tester le modele, une etude empirique s’interessant a la localisation des restaurants McDonald’s et Quick a Paris entre 1984 et 2004 a ete mene. Figure 2 ALGORITHME SIMPLIFIE DE L’AUTOMATE CELLULAIRE Examen de la taille relative de chaque reseau a l’instant t-1 Association d’une probabilite p(S1) de suivre la strategie 1 (evitement) en fonction de la taille relative de l’entreprise. La probabilite de suivre la strategie 2 est : p(S2) = 1 – p(S1) Examen du voisinage de chaque cellule vide

Les cellules remplissent les conditions de S1 ou de S2 Choix aleatoire parmi les cellules remplissant les conditions La cellule reste vide 146 Revue francaise de gestion – N° 165/2006 Figure 3 VOISINAGE DES CELLULES 1. Methodologie utilisee pour l’etude des strategies d’implantation Les implantations des restaurants McDonald’s et Quick a Paris durant la periode 1984 et 2004 ont ete choisies pour etre confrontees a notre modele. Nous avons decide de nous concentrer sur un sous-segment tres precis du segment de la restauration a? n de considerer les produits offerts de facon substituable.

Les elements des menus de McDonald’s et de Quick peuvent etre consideres comme substituables : les prix, le service et les caracteristiques du point de vente sont en effet identiques pour les deux enseignes. La differenciation pour ces deux entreprises passe essentiellement par la localisation. Les entreprises d’un sous-segment ne sont donc pas directement en concurrence avec les enseignes presentes dans les autres soussegments. Dans le secteur de la restauration Les entreprises McDonald’s et Quick se pretent bien a l’etude des strategies de localisation car les deux sont toujours proprietaires des murs lors d’une nouvelle implantation.

Meme si les reseaux sont mixtes (unites en propre et franchises), la prise de decision reste tres centralisee au niveau de la direction des entreprises qui gere avec attention le developpement du reseau et du patrimoine immobilier. L’ensemble des restaurants de hamburgers appartenant a une chaine a ete identifie annee par annee (de 1984 a 2004) dans les pages jaunes telephoniques. Cette premiere etape nous a permis de connaitre les annees d’ouverture et de fermeture de chaque restaurant.

Les informations ont ensuite ete recoupees par les renseignements fournis par l’Insee a travers la base de donnees Sirene recensant l’ensemble des entreprises et de leurs etablissements en France, que ceux-ci soient actuelle- Quelles strategies d’implantation pour les entreprises ? 147 Deux criteres ont ete retenus pour le choix de la zone geographique : disposer d’un nombre d’unites limite (pour permettre l’observation) mais suffisant (pour pouvoir tirer des conclusions ? ables) et avoir la possibilite d’etudier une aire geographique fermee et impermeable.

Le peripherique entourant la ville constitue une barriere qui represente un moyen efficace pour delimiter une zone de chalandise particuliere. Notre zone d’etude est donc isolee et impermeable au pouvoir d’attraction des points de vente exterieurs a Paris qui pourraient, sans l’existence de cette barriere, venir concurrencer ceux situes intra muros. Les effets de frontieres posent la plupart du temps des problemes d’analyse. Ils sont ici positifs. De plus, du fait de certaines caracteristiques particulieres (taille de la population active et etudiante, nombre important de touristes, etc. , Paris a tres tot ete une zone privilegiee par les ? rmes evoluant sur le segment des restaurants de hamburgers, comme en temoigne le nombre d’unites (plus de 100 en 2004). Le marche parisien n’est pas arrive a maturation et de nouvelles unites peuvent encore s’ouvrir sans que la quantite de clients potentiels soit un probleme. Cette caracteristique de la zone etudiee permet donc d’evacuer le parametre des ressources en tant que facteur explicatif des strategies. La proximite de plusieurs enseignes est viable dans la plupart des quartiers de Paris.

Ainsi, les aires ou plusieurs unites concurrentes se retrouvent, ne presentent pas de caracteristiques communes pouvant laisser presager une in? uence de la population (zone touristique, presence de gares, etc. ). Les etablissements ont ete places sur une carte de Paris, annee par annee (? gure 4). La carte de Paris a ensuite ete numerisee sur un carroyage dote de mailles carrees de 166 m de cote (? gure 5). Nous avons numerise les frontieres de Paris ainsi que les espaces verts et les grands ensembles Figure 4 CARTE DE PARIS AVANT NUMERISATION 148 Revue francaise de gestion – N° 165/2006 Figure 5 CARTE DE PARIS APRES NUMERISATION rbains ou il est impossible de construire un restaurant. Ces cellules font parties integrantes de l’automate cellulaire. La carte numerisee de Paris est constituee de 3 475 cellules representant des carrees de surface de 27 556 m2. Paris est represente par une surface de 95,76 km2. La super? cie reelle de Paris etant de 105 km2, il est possible d’avancer que notre numerisation est proche de la realite1. 2. Constitution des cellules, regles de vie et regles de transition Un etat et une duree de vie sont attribues a chaque cellule. La naissance sur les cellules vides, l’ouverture d’un restaurant, depend des regles de transition alors que es regles de disparition des unites sont aleatoires. Tous les changements d’etat proviennent de la simulation. Le peripherique, les espaces verts, les batiments de grandes tailles, la Seine et les cellules marquant l’exterieur de Paris demeurent dans l’etat anterieur a la periode suivante. Pour les cellules vides a l’interieur de Paris, la transition vers un etat occupe depend de la strategie choisie en fonction de la taille relative des entreprises et donc du voisinage. Les probabilites p(S1) et p(S2) ainsi que les seuils de na/nb et nb/na correspondant a chaque strategie sont attribues par l’utilisateur.

Le tableau 2 recapitule les principaux parametres introduits dans la simulation. Quelles strategies d’implantation pour les entreprises ? 149 Tableau 2 PRINCIPAUX PARAMETRES DU MODELE DE SIMULATION Nombre de cellules actives Taille du voisinage Type de voisinage Nombre de periodes t Limite de l’espace Regles d’implantation Strategie d’evitement Nombre minimal de concurrents cimin Nombre maximal de concurrents cimax Strategie de proximite Nombre minimal de concurrents cimin Nombre maximal de concurrents cimax Regles de disparition 3 475 Rayon 1 (166 metres) Voisinage de Moore 19 Espace borne 0 0 1 8 Aleatoires 3.

Resultats Une fois le modele de simulation cree, le parametrage a ete effectue. Des simulations ont ensuite ete realisees a? n d’etudier de maniere virtuelle les interdependances entre unites concurrentes et leurs impacts sur la localisation geographique des reseaux de distribution. Nous ne nous interessons pas precisement a la localisation des unites dans l’espace mais a leurs relations entre elles. Nous n’allons donc pas proceder a une comparaison de carte geographique mais a une etude des points de contacts. Le parametrage du modele : seuils et strategies de localisation Pour reproduire les comportements de loca- ue les probabilites p(S1) et p(S2) associees. Pour parametrer le modele, deux possibilites sont envisageables : donner des valeurs en fonction des discours des acteurs ou par tatonnement. Il s’agit ici de mettre en lumiere les strategies de localisation visa-vis de la concurrence. Or, l’integration de l’autre, de l’adversaire, dans la prise de decision strategique est quelque chose de mal acceptee par les acteurs. Meme si elles l’admettent tacitement, les personnes rencontrees chez McDonald’s ou chez Quick ne veulent officiellement pas parler de strategie vis-a-vis de la concurrence.

De plus, cette recherche portant sur une longue periode, il est tres difficile de rencontrer des acteurs presents des le debut de la periode d’observation et pouvant temoigner de la 150 Revue francaise de gestion – N° 165/2006 la meilleure convergence des resultats virtuels et des resultats reels. La simulation informatique permet en effet, tel l’experimentateur en laboratoire, l’observation des consequences engendrees par la variation des parametres. Le parametrage correspond en ? n de compte aux strategies d’implantation des nseignes, ce tatonnement, rendu possible par la simulation, est un moyen de mettre a jour les strategies des entreprises. Pour McDonald’s, le modele a ete parametre de la facon suivante : P(S1) na/nb 100 % 1 72 % 2,2 30 % 3 unites a proximite de celles de son concurrent (70 % des cas). La forte domination (en nombre d’unites) encourage le geant americain a exercer une pression concurrentielle plus forte sur Quick. C’est en periode de forte domination que McDonald’s force son concurrent belge a fermer un certain nombre de points de vente en l’entourant de plusieurs unites.

Cette strategie de proximite lui permet de recuperer des emplacements particulierement interessants. De facon similaire, le parametrage concernant les strategies de Quick revele ses choix strategiques en ce qui concerne le choix des zones d’implantation : P(S1) 0% 100 % 14 % 0,8 100 % 3 Na est la taille du reseau (c’est-a-dire le nombre d’unites) du reseau a et Nb est celle du reseau b. En position de faiblesse (na/nb < 1, c’est-adire que la taille de son reseau est inferieur a celui de Quick), McDonald’s adopte une strategie d’evitement total. Autrement dit, McDonald’s suit la strategie S1 (evitement) dans 100 % des cas.

Il s’agit pour elle d’eviter la pression concurrentielle du leader. Il est egalement important pour l’entreprise nord-americaine d’accaparer les meilleurs emplacements des le debut. Lorsque l’entreprise domine, elle choisit d’eviter le concurrent dans quasiment deux tiers des cas (72 %). Avec la domination, debute alors la recherche de proximite. Meme si gener son concurrent ne devient pas une priorite, McDonald’s repond parfois a des attaques trop violentes ou realisees dans des zones geographiques sensibles. La strategie generale d’implantation reste toutefois la decouverte de nouveaux marches encore 0,3 0,5 Nb/na Il est aise de constater que Quick n’adopte pas la meme strategie de localisation que le geant americain. Les changements de strategie sont plus nombreux. L’entreprise belge a une strategie beaucoup plus ? uctuante. Il est interessant de noter que la periode de changements repetes correspond a la periode de domination de McDonald’s (nb/na < 0,8). Quick hesite entre conquerir de nouveaux territoires en evitant la pression du leader et exploiter des effets d’agglomeration. Lorsque l’entreprise belge est tres fortement dominee (nb/na < 0,3), les bene? es de la proximite l’emportent et Quick s’implante a proximite de son concurrent dans 100 % des cas (l’evitement a une probabilite egale a 0 d’etre choisi). Lorsque nb/na est compris entre 0,3 et 0,5, la strategie de localisation est opposee : Quelles strategies d’implantation pour les entreprises ? 151 intense (il y a evitement dans 14 % des cas), apparait lorsque nb/na est compris entre 0,5 et 0,8. Nous pouvons remarquer que Quick s’adapte de facon radicale puisque le choix entre les deux strategies de localisation se fait de maniere peu nuancee. Les strategies ne sont quasiment pas mixtes.

Lorsque Quick domine le marche ou quasiment (nb/na < 0,8), il opte pour l’evitement total. A l’instar de McDonald’s, la domination permet de pouvoir conquerir des marches encore vierges et d’enrichir son portefeuille d’emplacements recherches. La localisation des unites dans l’espace La situation de depart en 1984 pour la simulation est conforme a la realite. Pour les periodes suivantes, les localisations different compte tenu des probabilites associees a chaque strategie et des emplacements libres. Une premiere comparaison entre donnees reelles et donnees simulees est realisee pour l’annee 1994.

A cette periode, McDonald’s a choisi d’isoler 9 unites et d’en placer 17 a proximite du concurrent. Le modele se comporte de maniere similaire a la simulation car a cette meme periode 17,2 unites sont placees a proximite de la concurrence alors que 9,8 unites sont isolees. En 2004, 31 McDonald’s sont isoles dans la realite contre 32,6 apres simulation. Six Quick sont isoles dans la realite contre 6,7 apres simulation. La proximite touche dans la realite 33 McDonald’s et 21 Quick. Apres simulation, il est possible d’observer 31,9 McDonald’s et 20,3 Quick ayant choisi la proximite.

La encore, la proportion entre unites isolees et placees a proximite du concurrent pour les deux enseignes est respectee par la simulation. Le tableau 3 synthetise le nombre d’unites placees a proximite des concurrents ou isolees par les enseignes et par le programme2 cree pour les annees 1994 et 2004. Les donnees fournies par le tableau con? rment qualitativement que le modele se comporte de maniere semblable a la realite. En effet, les intervalles dans lesquels evoluent les donnees simulees sont similaires aux chiffres reels. Tableau 3 NOMBRE D’UNITES PLACEES A PROXIMITE DES CONCURRENTS OU ISOLEES POUR CHAQUE ENSEIGNE (1994-2004)

Proximite Reel McDonald’s 1994 2004 Quick 1994 2004 18 33 15 21 Simule 17,2 31,9 15,1 20,3 Reel 9 31 4 6 Evitement Simule 9,8 32,1 3,9 6,7 152 Revue francaise de gestion – N° 165/2006 Le nombre de contacts desires par les ? rmes La comparaison cellule par cellule n’ayant pas vraiment de sens ici, il est necessaire de construire un indicateur nous permettant des comparaisons plus ? nes. Il est en effet necessaire de s’interesser au nombre de contacts desires par la ? rme (ncd) et non exclusivement au nombre d’unites ayant ete implantees a proximite d’un concurrent.

Tenir compte des tailles de reseaux respectifs pour obtenir un indicateur comparable entre ? rmes (PcdAt) est egalement un point qu’il important de ne pas negliger. En effet, plus une enseigne ouvre de magasins, plus le nombre de contacts avec les concurrents a des chances d’etre eleve. Dans ce cas, un raisonnement en termes de frequence permet de gommer cet effet. La ? gure 6 represente l’evolution du nombre de contacts desires par les ? rmes en fonction de la taille de leur reseau. t t=1 ncdAt PcdAt = NA Les deux reseaux debutent leurs activites sans rechercher la proximite du concurrent.

Cette strategie d’eloignement est maintenue par McDonald’s jusqu’en 1990 et jusqu’en 1992 pour Quick. Les deux entreprises recherchent ensuite la proximite. Mais cette strategie est beaucoup plus marquee pour Quick qui, en 1993, ouvre un nombre important de restaurants (huit) et les place en priorite a proximite du geant americain. McDonald’s, tout en ouvrant un grand nombre d’unites au cours de la meme periode, adopte une strategie plus mixte. La decroissance du nombre de contacts desires en ? n de periode n’est due qu’a l’augmentation tres importante de son parc. L’evolution du nombre d’unites composant les reseaux (? ure 7) doit nous aider a com- Figure 6 EVOLUTION DU NOMBRE DE CONTACTS DESIRES PAR LES FIRMES EN FONCTION DE LA TAILLE DE LEUR RESEAU (PcdAt) Quelles strategies d’implantation pour les entreprises ? 153 Figure 7 EVOLUTION DU NOMBRE D’UNITES COMPOSANT LES RESEAUX DE MCDONALD’S ET QUICK PARIS (1984 A 2004) prendre les evolutions de strategies de localisation. De 1984 a 1989, Quick est leader sur le marche (en nombre d’unites) et les tailles de reseaux sont tres comparables. Il s’agit de la phase de demarrage de ce secteur a Paris et les positions ne sont pas encore etablies.

Les deux entreprises ont donc prefere implanter leurs premieres unites loin de la concurrence a? n de tester le marche et de creer leurs zones d’in? uence. En 1991, la croissance exponentielle de McDonald’s debute. Sa domination allant de pair, Quick se voit dans l’obligation d’opter pour une strategie particuliere propre au suiveur. La ? rme belge cherche alors pour survivre a bene? cier des positions de son concurrent. 4. La simulation est-elle capable de reproduire la realite ? des methodes presente des avantages et des inconvenients et certaines sont plus pertinentes que d’autres.

La plus precise est, sans aucun doute, la mesure des ecarts cellule a cellule entre les resultats du modele en 2004 et la situation observee dans la realite a la meme date. Cette demarche n’est pas pertinente ici. Compte tenu du grand nombre d’emplacements disponibles pour l’implantation d’un point de vente a Paris, il est illusoire de penser que l’on peut modeliser precisement la con? guration spatiale exacte des reseaux de distribution. Ce n’est pas la position geographique des unites en elle-meme qui nous interesse mais les positions des reseaux les uns par rapports aux autres.

Le nombre de contacts entre reseaux est par consequent l’indicateur que nous souhaitons analyser et arriver a reproduire a travers les simulations. La comparaison de l’evolution de cet indica- 154 Revue francaise de gestion – N° 165/2006 a un reseau important, plus la probabilite d’implanter une nouvelle unite a sa proximite est elevee. En effet, compte tenu de l’accroissement important du reseau McDonald’s au cours de la periode etudiee, Quick a statistiquement plus de chance de rencontrer une unite concurrente que l’inverse. Pour veri? r que les contacts aient bien ete volontaires, nous avons egalement simule de facon aleatoire l’implantation des unites McDonald’s et Quick (en respectant le nombre et l’ordre des apparitions et des disparitions) au cours de la periode etudiee. La premiere comparaison possible entre donnees reelles et donnees simulees vise a etablir la validite apparente (Carley, 1996), c’est-a-dire la validite du modele representatif de maniere intuitive. Ce n’est pas une condition suffisante mais cela constitue une condition necessaire. En effet, avant d’effectuer des traitements statistiques, il onvient de s’assurer que les donnees reelles et simulees evoluent de maniere similaire. Nous procedons donc a l’analyse de l’evolution du nombre de contacts desires par McDonald’s (? gure 8a) et Quick (? gure 8b) de facon reelle et simulee. Il est possible de constater que l’evolution du nombre de contacts desires est de facon globale semblable en simule et en reel et ce en tendance ou lors d’une comparaison point par point. En effet, pour McDonald’s, les valeurs de l’indicateur sont semblables annees par annees. Seule l’annee 1985 n’est pas conforme a la realite.

Ce point est tres particulier car les unites ouvertes en 1985 ont ete tres rapidement refermees par la suite. L’evolution en ? n de periode differe egalement puisque la courbe « simulee » decroit alors que la courbe « reelle » croit. Il est toutefois probable que notre modele parametre produise des resultats bien plus Figure 8a EVOLUTION DU NOMBRE DE CONTACTS DESIRES PAR MCDONALD’S EN FONCTION DE LA TAILLE DE SON RESEAU3 Quelles strategies d’implantation pour les entreprises ? 155 Figure 8b EVOLUTION DU NOMBRE DE CONTACTS DESIRES PAR QUICK EN FONCTION DE LA TAILLE DE SON RESEAU satisfaisants qu’un modele tournant de facon aleatoire.

La situation est similaire pour les simulations des implantations des Quick (? gure 8b). Hormis un decalage dans le temps du changement de strategie, l’evolution et les valeurs prises des deux courbes sont tres proches. La encore, le modele aleatoire donne des resultats tout a fait insuffisants. De maniere apparente, les donnees reelles et les donnees simulees evoluent de maniere similaire, que ce soit une comparaison en tendance ou une comparaison par points (Carley, 1996). Apres avoir etabli la validite apparente, il est necessaire d’etablir si les donnees simulees sont signi? ativement associees (au sens statistique du terme) aux donnees reelles. Il peut, encore une fois, etre interes- impossible a travers notre modele d’arriver a un niveau de precision tel qu’il soit possible de conclure a travers des tests de comparaisons de moyenne. Il est donc necessaire de realiser un test d’association entre les deux series statistiques (reelle et simulee). Les deux series etant de nature quantitative, le test d’association va etre effectue a partir du calcul d’un coefficient de correlation. La distribution des variables ne respectant pas la normalite, la correlation doit etre testee a travers un coefficient de rang.

Le coefficient de correlation de Spearman est donc utilise (tableau 5). Le rho de Spearman est egal a 0,646 pour McDonald’s et a 0,861 pour Quick. Le test est signi? catif (p < 0. 01) pour les deux enseignes. Les deux series simulees sont donc statistiquement similaires aux deux 156 Revue francaise de gestion – N° 165/2006 Tableau 4 TEST DE CORRELATION DE SPEARMAN ENTRE LE NOMBRE REEL DE CONTACTS DESIRES PAR MCDONALD’S ET QUICK ET CEUX OBTENUS PAR SIMULATION McDonald’s Coefficient de correlation de Spearman (rho) Signi? cativite (bilaterale) 0,646 0,002 Quick 0,861 0,000

CONCLUSION Le programme de simulation mis en place permet de montrer que l’interdependance des unites des differents reseaux de distribution dans un secteur particulier est une realite. Les enseignes s’implantent en fonction de la localisation des concurrents. La localisation d’un point de vente donne va donc in? uencer celles des concurrents qui peuvent chercher a partager le meme espace geographique ou, au contraire, peuvent l’eviter en choisissant une zone isolee. Cette recherche montre comment le changement de strategie d’une enseigne vient bouleverser l’ensemble des con? urations spatiales des reseaux de distribution. Ce travail vise egalement a expliquer le comportement d’un type organisationnel encore peu etudie : les entreprises multiunites multimarches (Greve et Baum, 2001). Le developpement de la franchise ou du succursalisme incite l’etude de cette forme organisationnelle particuliere. Alors que la localisation en fonction de la concurrence est un phenomene relativement simple pour un commerce individuel (proximite ou evitement), il devient com- Ce travail tente aussi de montrer l’interet de l’utilisation de la simulation a travers une roblematique particuliere. Reproduire ou predire avec exactitude l’emplacement des differentes unites n’est pas l’objectif. Il s’agit avant tout de veri? er la pertinence d’une question de recherche et la justesse du raisonnement. Mettre en evidence une strategie a travers les parametres de la simulation est une demarche encore peu developpee. En procedant ainsi, il est possible de devoiler des strategies de maniere objective, a partir de donnees observees et en evitant, par consequent, les biais lies aux discours (rationalisation a posteriori, etc. ).

La methode des cas a travers l’utilisation de donnees secondaires et le recours a des entretiens peut permettre d’aboutir a des resultats interessants. Toutefois, les donnees secondaires dont dispose le chercheur sont la plupart du temps des documents officiels qui ne correspondent pas forcement a la realite. De maniere plus ou moins consciente, les dirigeants peuvent avoir tendance a reecrire l’histoire. Le recours aux entretiens n’est, egalement, pas sans poser de problemes. Le manager est soumis a des biais qui in? uencent inevitablement son Quelles strategies d’implantation pour les entreprises ? 57 a l’heure de tenter de comprendre les choix strategiques. Le recours a la simulation permet d’aborder le probleme differemment. Des regles de comportement, qui sont des codi? cations des intentions du dirigeant, ont ete programmees pour assurer le fonctionnement du modele. Elles ? xent un comportement en fonction du contexte. De l’intentionnalite, absente dans la partie exploratoire, est introduite dans l’outil de recherche. Une fois le modele construit, la correspondance entre les donnees simulees et les donnees reelles issues de l’observation simple, est assuree.

Comme une correspondance est etablie entre les donnees reelles et les donnees produites avec des regles traduisant le caractere intentionnel des decisions, il est possible d’assurer que les choix des zones d’implantation sont bien le fruit d’une strategie deliberee, choisie et mise en ? uvre par les dirigeants des entreprises. Il est couramment admis que les chercheurs doivent faire un choix entre l’etude des intentions strategiques ou celle des comportements avant de mettre en ? uvre leur recherche (Smith et al. , 1992). Grace a l’utilisation de la simulation informatique, il est possible d’atteindre les deux objectifs conjointement.

A travers une parametrisation plus precise et un travail plus en profondeur sur les donnees empiriques, il peut etre interessant de completer et enrichir le modele. Toutefois, cette recherche illustre le fait qu’a travers un modele extremement simple, il est possible de montrer aux managers l’impact de leurs decisions de localisation sur l’ensemble des acteurs d’une industrie. La simulation informatique permet une multitude d’applications dans le monde economique et ouvre, ainsi, de nombreuses perspectives de recherche. BIBLIOGRAPHIE Baumard P. , Analyse strategique: mouvements, signaux concurrentiels et interdependance, Dunod, Paris, 2000.

Beckman M. , Location Theory, Random House, New York, NY, 1968. Best M. , The new competition, Harvard University Press, Cambridge, MA, 1990. von Boventer E. , “Optimal spatial structure and regional development”, Kyklos, vol. 23, n° 4, 1970, p. 903-926. Carley K. M. , Validating computational models, papier de recherche, Carnegie Mellon University, Pittsburg, PA, 1996. Cliquet G. , Management strategique des points de vente, Sirey, Paris, 1992. D’Aveni R. , Hypercompetition: managing the dynamics of strategic maneuvring, Free Press, New York, NY, 1994. Dubos-Paillard E. , Guermond Y. Langlois P. , « Analyse de l’evolution urbaine par automate cellulaire : le modele Spacelle », L’espace geographique, n° 4, 2003, p. 357-378. Fisher J. H. , Harrington J. E. , “Product variety and ? rm agglomeration”, RAND Journal of Economics, vol. 27, n° 2, 1996, p. 281-309. 158 Revue francaise de gestion – N° 165/2006 Fujita M. , Thisse J. -F. , Economics of agglomeration: Cities, industrial location, and regional Growth, Cambridge University Press, Cambridge, MA, 2002. Gardner M. , “The fantastic combinations of John Conway’s new solitaire game ‘life’”, Scienti? c American, vol. 23, 1970, p. 120-123. Gilbert R. J. , Newberry D. M. G. , “Preemptive patenting and the persistence of monopoly”, American Economic Review, vol. 72, n° 3, 1982, p. 514-526. Greve H. , Baum J. A. C. , “A Multi-unit, A multi-market World, in Multi-unit Organization and Multi-market Strategy”, Advances in Strategic Management, vol. 18, 2001, p. 1-28. Hannan M. T. , Freeman J. , “The ecology of organizations: Structural inertia and organizational change”, Approaches to Social Theory, Lindenberg S. , Coleman J. S. et Nowak S. (eds. ), Russel Sage Foundation, New York, NY, 1986 p. 51-172. Hannan M. T. , Freeman J. , Organizational ecology, Harvard University Press, Cambridge, MA, 1989. Hoch S. , Deighton J. , “Managing what consumers learn from experience”, Journal of Marketing, vol. 53, n° 2, 1989, p. 1-20. Hotelling H. , “Stability in competition”, Economic Journal, vol. 39, n° 3, 1929, p. 265-291. Jones K. , Simmons J. , Location, location, location: Analysing the retail environment, Nelson Canada, Scarboroough, ON, 1993. K? nig G. , Management strategique: paradoxes, interactions et apprentissages, Nathan, Paris, 1996. Lieberman M. B. “Excess capacity as a barrier to entry: an empirical appraisal”, Journal of Industrial Economics, vol. 35, n° 4, 1987, p. 607-627. Lomi A. , Larsen E. , “Interacting locally and evolving globally: A computational approach to the dynamics of organizational populations”, Academy of Management Journal, vol. 39, n° 5, 1996, p. 1287-1321. Losch A. , The economics of location: A pioneer book in relations between economic goods and geography, Yale University Press, New Haven, CT, 1954. MacMillan I. C. , “Preemptive strategies”, The Journal of Business Strategy, vol. , n° 2, 1983, p. 16-26. Marshall A. , Principles of economics, Macmillan, Londres, 1920. Nelson R. L. , The selection of retail locations, Dodge F. W. , New York, NY, 1958. Palander T. , Beitraege zur standorttheorie, Almqvist & Wiksells Boktryckeri, Uppsala, 1935. Peterson R. A. , “Implications of the FCC Headstart Policy”, Testimony Before the Federal Comunications Comission, 1982. Piore M. , Sabel C. , The second industrial divide, Basic Books, New York, NY, 1984. Porter M. E. , The competitive advantage of nations, Free Press, New York, NY, 1990. Sakoda J.

M. , “The checkerboard model of social interaction”, Journal of Mathematical Sociology, vol. 1, n° 1, 1971, p. 119-132. Schelling T. C. , The strategy of con? ict, Harvard University Press, Cambridge, MA, 1960. Quelles strategies d’implantation pour les entreprises ? 159 Smith K. G. , Grimm C. M. , Gannon M. J. , Dynamics of competitive strategy, Sage, Newbury Park, CA, 1992. Thunen H. (von) (1826), « L’Etat isole dans ses rapports avec l’agriculture et l’economie regionale », Von Thunen : Economie et Espace, Huriot J. M. , Economica, Paris, 1994. Tirole J. Theorie de l’organisation industrielle, Economica, Paris, 1993. Underhill P. , Call of the mall, Simon & Schuster, New York, NY, 2004. Weber A. , Theory of location of industries, University of Chicago Press, Chicago, IL, 1929. Weber M. J. , The impact of uncertainty on location, MIT Press, Cambridge, MA, 1972. White R. , Engelen G. , “Cellular automata as the basis of integrated dynamic regional modelling”, Environment and planning B: Planning & Design, vol. 24, n° 2, 1993, p. 235-246. Zipf G. K. , Human behavior and the principle of least effort, Addison-Wesley Press, Cambridge, CA, 1949.