La diffusion des connaissances vers les PME : vers un modèle d’exploration collective
Notice bibliographique
Résumé
Si les relations entre la recherche publique et l’industrie s’établissent « naturellement » avec les grandes entreprises, il en va différemment avec les petites entreprises à faible densité de recherche. Comprendre comment les organismes de recherche publics peuvent améliorer la diffusion des connaissances vers les PME constitue le principal objectif de cet article. Notre analyse montre que deux modes distincts de production/diffusion des connaissances vers l’industrie coexistent. Le premier, basé sur la coproduction de la demande et des connaissances, se caractérise par la simultanéité du processus de production et de diffusion. Le second, basé sur l’exploration collective et la standardisation de la demande et des connaissances, dissocie la phase de production et de diffusion dans le temps mais développe une stratégie d’organisation permettant une totale connexion des deux phases. Alors que le premier mode fonctionne de manière plutôt satisfaisante pour le transfert de connaissances vers les grandes entreprises ou les PME high-tech, le second semble plus adapté aux coopérations entre la recherche publique et les PME faiblement intensives en recherche. Cet article met en perspective ces deux modèles à travers deux études de cas et en dégage quelques enseignements en termes de management des relations public/privé.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».