Étude des facteurs d'adoption de l'infonuagique dans les secteurs de la finance et de la santé

À l'heure de la transformation numérique, de nouvelles technologies émergent en permanence et redéfinissent les industries, créant de nouvelles activités et de nouveaux modèles économiques. L'adoption technologique détermine la capacité de l'entreprise à mettre en œuvre ces nouvelles technologies pour obtenir un avantage concurrentiel ou simplement améliorer ses performances. Les avantages de l'adoption de nouvelles technologies sur les performances ont été démontrés en matière d'accroissement de productivité, de réduction des coûts ou d'autres dimensions non financières telles que la qualité des produits ou l'adaptabilité aux besoins des clients. Les études d'adoption se concentrent généralement sur une technologie particulière et à un certain niveau d'étude (collectif, organisationnel, ou individuel). Cette étude se concentre sur les facteurs influençant l'adoption des différents modèles de services infonuagiques (SaaS, IaaS et PaaS). L'infonuagique joue un rôle essentiel dans la transformation numérique en permettant l'émergence de nouveaux modèles économiques basés sur l'économie de plateforme. D'un point de vue scientifique, il s'avère utile de comprendre les facteurs influençant l'adoption technologique, afin d'identifier et développer des stratégies et des politiques publiques qui soutiennent l'accélération de l'adoption de l'infonuagique au Canada, qu'est à la traîne par rapport à de nombreux pays de l'OCDE. Ce faisant, elles peuvent contribuer à positionner ce dernier comme l'un des pays leaders de la numérisation. Cette étude vise donc à comprendre l'adoption de différents modèles de prestation de services d'infonuagique dans les secteurs financier et des soins de santé au Canada par le biais d'un modèle économétrique. Ce modèle permet d'étudier à travers une analyse de panel entre 2017 et 2020, les relations entre les capacités technologiques des entreprises et l'adoption des différents modèles de prestation des services de l'infonuagique (SaaS, PaaS, IaaS) dans le secteur financier et de soins de santé. Cette première méthode est complétée par une analyse du panier de marché. Cette analyse est composée de deux parties : la première partie identifie les groupes technologiques (DBMS, BI, système de gestion du stockage, sauvegarde et récupération) qui sont adoptés en conjonction avec les différents modèles infonuagiques (SaaS, IaaS, PaaS) en utilisant l'algorithme « apriori ». L'algorithme « cspade » est ensuite mis en œuvre afin d'identifier l'ordre dans lequel les différents groupes technologiques sont adoptés ensemble. L'étude du taux d'adoption dans les deux secteurs entre 2017 et 2020 pour les différents modèles de services a permis de déterminer l'évolution du taux d'adoption dans les différentes années en identifiant une accélération notable de la diffusion des technologies infonuagiques, avec une croissance particulièrement importante du PaaS. Cette accélération pourrait s'expliquer comme une conséquence des changements apportés par la pandémie aux activités commerciales et à la vie des gens. Cette analyse du panier de marché montre que de différents modèles de services d'information sont fréquemment adoptés ensemble et que le modèle de service PaaS est très intéressant pour les entreprises qui ont une base solide en matière de données et qui ont besoin de ressources de stockage et de calcul, et donc de logiciels SGBD, IaaS et BI. D'autre part, le modèle économétrique vise à étudier l'effet de l'adoption de capacités technologiques sur l'adoption de différents modèles de services. À cette fin, deux groupes de variables dichotomiques dépendantes sont proposés, représentant les catégories « adoptant ou non — adoptant » et « acheteur actif ou inactif » des différents modèles de services. Une série de régressions logistiques de panel à effets fixes a été utilisée après avoir effectué de multiples tests de robustesse afin de stabiliser les coefficients de régression et d'obtenir une plus grande signification. Ces régressions visent à examiner l'influence de la proportion d'employés en informatique (expertise informatique), de la proportion du budget informatique allouée aux serveurs, au stockage et aux services informatiques (stratégie informatique) et du rôle des lignes de réseau (infrastructure informatique) en tant que facilitateur de l'adoption. La combinaison du modèle économétrique et de l'analyse du panier de marché nous permet d'identifier le comportement d'adoption et de fournir une explication aux résultats obtenus à partir des régressions logistiques de panel. Les résultats corroborent partiellement les hypothèses et nous permettent de conclure qu'il existe des différences dans la manière dont les capacités technologiques influencent l'adoption de chacun des trois modèles de services. Le nombre d'employés du service informatique a un effet négatif sur l'adoption du SaaS et de l'IaaS et un effet positif sur le PaaS. Le nombre de lignes réseau a un effet positif et significatif sur le SaaS et un effet négatif sur le PaaS. En revanche, la proportion du budget informatique allouée aux services a un effet négatif sur l'adoption et l'achat, sauf dans le cas de la première adoption du SaaS. Par ailleurs, la proportion du budget informatique allouée au stockage a un effet négatif sur l'IaaS et le PaaS, mais pas sur le SaaS. C'est exactement l'inverse de ce qui se passe avec la proportion du budget informatique allouée aux serveurs, qui est négative pour le SaaS et positive pour l'IaaS et L'étude du taux d'adoption dans les deux secteurs entre 2017 et 2020 pour les différents modèles de services a permis de déterminer l'évolution du taux d'adoption dans les différentes années en identifiant une accélération notable de la diffusion des technologies infonuagiques, avec une croissance particulièrement importante du PaaS. Cette accélération pourrait s'expliquer comme une conséquence des changements apportés par la pandémie aux activités commerciales et à la vie des gens. Cette analyse du panier de marché montre que de différents modèles de services d'information sont fréquemment adoptés ensemble et que le modèle de service PaaS est très intéressant pour les entreprises qui ont une base solide en matière de données et qui ont besoin de ressources de stockage et de calcul, et donc de logiciels SGBD, IaaS et BI. D'autre part, le modèle économétrique vise à étudier l'effet de l'adoption de capacités technologiques sur l'adoption de différents modèles de services. À cette fin, deux groupes de variables dichotomiques dépendantes sont proposés, représentant les catégories « adoptant ou non — adoptant » et « acheteur actif ou inactif » des différents modèles de services. Une série de régressions logistiques de panel à effets fixes a été utilisée après avoir effectué de multiples tests de robustesse afin de stabiliser les coefficients de régression et d'obtenir une plus grande signification. Ces régressions visent à examiner l'influence de la proportion d'employés en informatique (expertise informatique), de la proportion du budget informatique allouée aux serveurs, au stockage et aux services informatiques (stratégie informatique) et du rôle des lignes de réseau (infrastructure informatique) en tant que facilitateur de l'adoption. La combinaison du modèle économétrique et de l'analyse du panier de marché nous permet d'identifier le comportement d'adoption et de fournir une explication aux résultats obtenus à partir des régressions logistiques de panel. Les résultats corroborent partiellement les hypothèses et nous permettent de conclure qu'il existe des différences dans la manière dont les capacités technologiques influencent l'adoption de chacun des trois modèles de services. Le nombre d'employés du service informatique a un effet négatif sur l'adoption du SaaS et de l'IaaS et un effet positif sur le PaaS. Le nombre de lignes réseau a un effet positif et significatif sur le SaaS et un effet négatif sur le PaaS. En revanche, la proportion du budget informatique allouée aux services a un effet négatif sur l'adoption et l'achat, sauf dans le cas de la première adoption du SaaS. Par ailleurs, la proportion du budget informatique allouée au stockage a un effet négatif sur l'IaaS et le PaaS, mais pas sur le SaaS. C'est exactement l'inverse de ce qui se passe avec la proportion du budget informatique allouée aux serveurs, qui est négative pour le SaaS et positive pour l'IaaS etL'étude du taux d'adoption dans les deux secteurs entre 2017 et 2020 pour les différents modèles de services a permis de déterminer l'évolution du taux d'adoption dans les différentes années en identifiant une accélération notable de la diffusion des technologies infonuagiques, avec une croissance particulièrement importante du PaaS. Cette accélération pourrait s'expliquer comme une conséquence des changements apportés par la pandémie aux activités commerciales et à la vie des gens. Cette analyse du panier de marché montre que de différents modèles de services d'information sont fréquemment adoptés ensemble et que le modèle de service PaaS est très intéressant pour les entreprises qui ont une base solide en matière de données et qui ont besoin de ressources de stockage et de calcul, et donc de logiciels SGBD, IaaS et BI. D'autre part, le modèle économétrique vise à étudier l'effet de l'adoption de capacités technologiques sur l'adoption de différents modèles de services. À cette fin, deux groupes de variables dichotomiques dépendantes sont proposés, représentant les catégories « adoptant ou non — adoptant » et « acheteur actif ou inactif » des différents modèles de services. Une série de régressions logistiques de panel à effets fixes a été utilisée après avoir effectué de multiples tests de robustesse afin de stabiliser les coefficients de régression et d'obtenir une plus grande signification. Ces régressions visent à examiner l'influence de la proportion d'employés en informatique (expertise informatique), de la proportion du budget informatique allouée aux serveurs, au stockage et aux services informatiques (stratégie informatique) et du rôle des lignes de réseau (infrastructure informatique) en tant que facilitateur de l'adoption. La combinaison du modèle économétrique et de l'analyse du panier de marché nous permet d'identifier le comportement d'adoption et de fournir une explication aux résultats obtenus à partir des régressions logistiques de panel. Les résultats corroborent partiellement les hypothèses et nous permettent de conclure qu'il existe des différences dans la manière dont les capacités technologiques influencent l'adoption de chacun des trois modèles de services. Le nombre d'employés du service informatique a un effet négatif sur l'adoption du SaaS et de l'IaaS et un effet positif sur le PaaS. Le nombre de lignes réseau a un effet positif et significatif sur le SaaS et un effet négatif sur le PaaS. En revanche, la proportion du budget informatique allouée aux services a un effet négatif sur l'adoption et l'achat, sauf dans le cas de la première adoption du SaaS. Par ailleurs, la proportion du budget informatique allouée au stockage a un effet négatif sur l'IaaS et le PaaS, mais pas sur le SaaS. C'est exactement l'inverse de ce qui se passe avec la proportion du budget informatique allouée aux serveurs, qui est négative pour le SaaS et positive pour l'IaaS et le PaaS. Pour conclure, ces résultats doivent être interprétés avec prudence en raison des limites de l'étude et de futures recherches avec des données actualisées permettraient de tirer des conclusions.

Abstract

In the age of digital transformation, new technologies are constantly emerging and redefining industries, creating new businesses and new business models. Technology adoption determines an organization's ability to implement these new technologies to gain a competitive advantage or simply improve performance. The performance benefits of adopting new technologies have been demonstrated in terms of increased productivity, reduced costs, or other non-financial dimensions such as product quality or adaptability to customer needs. Adoption studies typically focus on a particular technology and at a certain level of study (group, organizational, or individual). This study focuses on the factors influencing the adoption of different cloud service models (SaaS, IaaS, and PaaS). Cloud computing plays a key role in digital transformation by enabling the emergence of new business models based on the platform economy. From a scientific point of view, it is useful to understand the factors influencing technology adoption in order to identify and develop strategies and public policies that support the acceleration of cloud adoption in Canada, which is lagging many OECD countries. In doing so, they can help position Canada as one of the leading countries in digitization. This study therefore aims to understand the adoption of different cloud service delivery models in the financial and healthcare sectors in Canada through an econometric model. This model allows us to study, through a panel analysis between 2017 and 2020, the relationships between the technological capabilities of companies and the adoption of different cloud service delivery models (SaaS, PaaS, IaaS) in the financial and healthcare sectors. This first method is completed by a market basket analysis. This analysis is composed of two parts: the first part identifies the technology groups (DBMS, BI, storage management system, backup, and recovery) that are adopted in conjunction with the different cloud models (SaaS, IaaS, PaaS) using the "apriori" algorithm. The "cspade" algorithm is then implemented to identify the order in which the different technology groups are adopted together. The study of the adoption rate in both sectors between 2017 and 2020 for the different service models allowed us to determine the evolution of the adoption rate in the different years by identifying a notable acceleration in the diffusion of cloud technologies, with a particularly significant growth of PaaS. This acceleration could be explained as a consequence of the changes brought by the pandemic to business activities and people's lives. This market basket analysis shows that different information service models are frequently adopted together and that the PaaS service model is very attractive for companies that have a strong data foundation and need storage and compute resources, and thus DBMS, IaaS and BI software. On the other hand, the econometric model aims to study the effect of technology capability adoption on the adoption of different service models. To this end, two groups of dichotomous dependent variables are proposed, representing the "adopter/non-adopter" and "active/inactive buyer" categories of different service models. A series of fixed-effects panel logistic regressions were used after conducting multiple robustness tests to stabilize the regression coefficients and achieve greater significance. These regressions aim to examine the influence of the proportion of IT employees (IT expertise), the proportion of the IT budget allocated to servers, storage, and IT services (IT strategy), and the role of network lines (IT infrastructure) as facilitators of adoption. The combination of the econometric model and the market basket analysis allows us to identify adoption behavior and provide an explanation for the results obtained from the panel logistic regressions. The results partially support the hypotheses and allow us to conclude that there are differences in how technology capabilities influence adoption of each of the three service models. The number of IT staff has a negative effect on SaaS and IaaS adoption and a positive effect on PaaS. The number of network lines has a positive and significant effect on SaaS and a negative effect on PaaS. On the other hand, the proportion of the IT budget allocated to services has a negative effect on adoption and purchase, except in the case of first-time SaaS adoption. On the other hand, the proportion of IT budget allocated to storage has a negative effect on IaaS and PaaS, but not on SaaS. This is exactly the opposite of what happens with the proportion of the IT budget allocated to servers, which is negative for SaaS and positive for IaaS and PaaS. To conclude, these results should be interpreted with caution due to the limitations of the study and future research with updated data would allow conclusions to be drawn.