Gérer des compétences : une instrumentation en contexte, modélisation fondée sur l’étude de cas
Notice bibliographique
Résumé
Aujourd’hui largement diffusée, la gestion des compétences continue à faire face à trois questions fondamentales. D’abord, celle de la pertinence de son instrumentation : les outils de gestion des compétences restent critiqués pour leur réductionnisme, leur rapide obsolescence et leur manque de fiabilité. Ensuite, celle de son désajustement organisationnel : les pratiques de gestion des compétences semblent souvent faire abstraction des spécificités des contextes organisationnels dans lesquels elles émergent. Enfin, celle de son articulation stratégique : comment comprendre et gérer le lien entre les pratiques de gestion des compétences centrées sur l’individu et un pilotage stratégique de l’entreprise fondé sur ses compétences-clés ? En réponse à ces questions, cette contribution vise à mettre en évidence des configurations cohérentes d’instruments, de contextes organisationnels et de finalités stratégiques susceptibles de sous-tendre les dispositifs de gestion des compétences. L’analyse repose sur sept études de cas menées dans des entreprises contrastées, publiques ou privées et de tailles diverses. L’analyse comparative des cas fait émerger quatre modèles distincts de gestion des compétences : 1- un modèle de la normalisation centré sur des comportements partagés à large échelle et visant l’homogénéisation culturelle; 2- un modèle de la polyvalence permettant l’allocation flexible des ressources humaines au sein d’un périmètre d’activité; 3- un modèle du talent individuel faisant des qualités et aptitudes personnelles génériques la clé de la performance individuelle et collective; 4- et, enfin, un modèle de l’expertise centré sur la maîtrise de compétences techniques complexes et la livraison de prestations à haute valeur ajoutée. Cette modélisation permet de resituer les pratiques de gestion des compétences dans leur contexte organisationnel. Elle clarifie la valeur ajoutée qu’un système de gestion des compétences peut apporter à la réalisation d’une stratégie d’entreprise. Enfin, les choix opérationnels faits dans la construction des référentiels de compétences peuvent être compris et réfléchis à la lumière du modèle retenu.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,016 |
| Communication savante | 0,014 | 0,016 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».