Gérer le risque lié à l'impartition des technologies de l'information
Notice bibliographique
Résumé
Résumé L’impartition des technologies de l’information permet à la firme de retirer un certain nombre de bénéfices dont les plus importants sont l’accès à une expertise de pointe, l’augmentation de la qualité des services offerts, la possibilité de se concentrer sur ses compétences clés et la réduction des coûts. Une fois l’entente d’impartition signée, certaines entreprises font pourtant face à des coûts de transition et de gestion qu’elles n’avaient pas prévus, à des coûts de service cachés, à des coûts élevés de renégociation de contrats, à des conflits avec leur fournisseur, de même qu’à des niveaux de service inférieurs à ceux qui avaient été prévus au contrat. Bien que l’impartition d’activités de technologies de l’information ne soit pas exempte de risques, il existe des pratiques qui permettent d’en retirer les bénéfices et d’en éviter les écueils. Cet article propose et illustre une méthode de gestion du risque lié à l’impartition qui s’appuie sur des études de cas menées au cours des dernières années et qui s’est avérée utile à un certain nombre d’entreprises qui l’ont mise en pratique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».