Accroître la performance en innovation des PME grâce à la gestion des risques
Notice bibliographique
Résumé
Bien qu’elle soit associée à la survie et à la compétitivité des PME, l’innovation est une activité dont le succès n’est aucunement garanti. Le taux d’échec des activités d’innovation est d’ailleurs suffisamment important pour dissuader nombre d’entreprises de s’y investir de façon soutenue. L’incertitude qui lui est associée, puisque l’innovation est synonyme de risque, génère des sources d’échec multiples qui peuvent toutefois être gérées. Est-ce que des pratiques de gestion des risques implantées dans les PME peuvent influencer le taux de succès des activités d’innovation ? L’analyse des données recueillies auprès d’une centaine de PME manufacturières québécoises permet de le croire, dès lors que cette gestion est étendue à toutes les fonctions de l’organisation et qu’elle permet de gérer des éléments tangibles et intangibles dans l’entreprise. Cette recherche exploratoire permet de fournir différentes pistes d’intervention aux PME et aux organismes qui souhaitent accroître les taux d’innovation chez ces entreprises, sachant que les retombées positives sont bénéfiques pour l’entreprise mais aussi pour l’ensemble de la société.
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 | 0,010 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,009 |
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 ».