A Model for Calculating Cost of Applying Electronic Governance and Robotic Process Automation to a Distributed Management System

Résumé technique : Un modèle pour calculer le coût de l'application de la gouvernance électronique et de l'automatisation robotisée des processus à un système de gestion distribuée

Énoncé du problème
L'article traite d'une lacune dans la littérature concernant l'analyse quantitative de l'efficacité organisationnelle lors de l'intégration de la gouvernance électronique (eGov) et de l'automatisation robotisée des processus (RPA) dans les systèmes de gestion distribuée (DM). Bien que la DM offre flexibilité et agilité grâce à une prise de décision décentralisée, et bien que l'eGov et la RPA soient reconnues pour améliorer l'efficacité opérationnelle et réduire les coûts, il n'existe actuellement aucun modèle mathématique formel pour calculer le coût spécifique de l'accomplissement d'une tâche au sein de cet environnement hybride. Les auteurs notent qu'une mise en œuvre réussie implique des compromis complexes, notamment l'investissement dans l'infrastructure, la formation et les défis de coordination, nécessitant un cadre d'analyse des coûts rigoureux qui tienne compte à la fois des agents humains et automatisés.

Méthodologie
Les auteurs proposent un modèle mathématique qui étend un cadre existant reliant la performance économique à l'échelle et à la structure organisationnelles (référencé à partir de [23]). La méthodologie comprend les étapes suivantes :

1. Définition de la structure organisationnelle : Le modèle définit une organisation par sa profondeur ($D$), représentant le nombre de niveaux de gestion. Le niveau 1 est le plus élevé (ex. : PDG) et le niveau $D+1$ représente les travailleurs de terrain sans fonctions de gestion.
2. Formulation du coût humain :
   • Le coût par unité de temps pour un travailleur de terrain ($C_{D+1}$) est modélisé comme une fonction d'un coût de base minimum, de la profondeur de l'organisation et du niveau de compétence ($sl$) de l'employé.
   • Le coût des gestionnaires au niveau $i$ ($C_i$) est dérivé du coût du travailleur de terrain, mis à l'échelle par un ratio ($1+r$) qui augmente avec la profondeur organisationnelle.
   • Le coût total pour les humains ($C(\text{humans})$) est calculé en sommant le produit des coûts individuels et de leur contribution proportionnelle en temps ($p_{ij}$) à travers tous les niveaux.
3. Formulation du coût des bots/automatisation :
   • Le modèle introduit des « bots » (agents artificiels) qui opèrent aux côtés des humains au sein de la même structure hiérarchique.
   • Les coûts des bots sont calculés à l'aide d'équations analogues aux coûts humains, distingués par une notation prime (ex. : $C'_{D+1}$, $sl'$, $r'$). Cela permet de différencier les paramètres concernant les niveaux de compétence, les coûts de base et les ratios salariaux des bots.
4. Calcul du coût intégré :
   • Le coût total par unité de temps ($C$) pour accomplir une tâche est défini comme la somme pondérée des coûts humains et des coûts des bots, normalisée par une constante ($\kappa$).
   • L'équation finale (Équation 8) agrège les coûts de tous les employés humains et des bots, pondérés par leurs contributions de temps respectives ($q_{ij}$ et $q'_{ik}$).
   • Le modèle décompose spécifiquement le coût pour les travailleurs de terrain (Équation 9) pour montrer comment le coût total est une combinaison linéaire des coûts de base et des proportions de temps pondérées par le niveau de compétence pour les humains et les bots.

Principales contributions

• Cadre mathématique novateur : L'article présente ce que les auteurs revendiquent comme étant l'un des premiers modèles mathématiques de ce type spécifiquement conçu pour calculer les coûts des tâches dans un système DM utilisant à la fois l'eGov et la RPA.
• Modélisation d'agents hybrides : Contrairement aux modèles précédents qui peuvent se concentrer uniquement sur le travail humain ou sur des systèmes purement automatisés, ce cadre intègre explicitement les employés humains et les bots logiciels dans une structure de coût hiérarchique unique, permettant la comparaison des niveaux de compétence et des contributions de temps entre les deux types d'agents.
• Formalisation des coûts d'eGov et de RPA : Le modèle offre un moyen structuré d'incorporer les moteurs de coûts spécifiques de l'eGov (ex. : logiciels, stockage numérique, formulaires en ligne) et de la RPA (ex. : mise en œuvre, maintenance, achat de bots) dans l'équation de coût organisationnel globale.

Résultats
L'article ne présente pas de données empiriques, de résultats expérimentaux ou de simulations d'études de cas. Au lieu de cela, le « résultat » est la dérivation des équations mathématiques elles-mêmes. Le modèle démontre que le coût de l'accomplissement d'une tâche dans un système distribué est une fonction de :

• La profondeur organisationnelle ($D$).
• Les niveaux de compétence des agents humains et des bots.
• La contribution de temps proportionnelle de chaque agent.
• Les paramètres de coût spécifiques (coûts de base et facteurs d'échelle) associés à la structure de l'organisation et aux technologies employées.

Signification et revendications
Les auteurs positionnent ce travail comme une étape fondamentale pour les recherches futures. Ils affirment que le modèle est significatif car :

• Il comble un vide critique dans l'analyse des coûts de l'efficacité organisationnelle dans le contexte des progrès sans précédent des technologies électroniques et d'automatisation.
• Il fournit un outil formel pour analyser les compromis entre le potentiel d'augmentation de l'efficacité/agilité et les défis de mise en œuvre (tels que la coordination et les coûts d'investissement).
• Il est censé « susciter de nouvelles recherches » sur la manière dont l'eGov et la RPA impactent la performance organisationnelle à mesure que ces technologies continuent d'évoluer.

L'article maintient un ton modeste, reconnaissant que si la combinaison de l'eGov et de la RPA possède un immense potentiel, les défis de mise en œuvre (planification, conception, sécurité) sont complexes, et que le modèle sert de base théorique pour analyser ces dynamiques plutôt que de solution prescriptive pour un déploiement immédiat.