Science-fiction et prospective stratégique : un détour créatif ?
Notice bibliographique
Résumé
L’activité des entreprises se confrontant à un monde de plus en plus complexe et foisonnant technologiquement, la capacité à se projeter dans un avenir incertain devient une absolue nécessité pour leurs dirigeants. Alors que l’exercice de prospective a souvent été considéré comme malaisé voire superflu, l’exploration de nouvelles méthodes s’impose pour élargir et enrichir l’aptitude d’une organisation à se projeter et pour la libérer des réflexes réductionnistes auxquels la pratique managériale la contraint au quotidien. La science-fiction, genre romanesque et cinématographique prolifique, peut ainsi constituer un outil heuristique et un stimulant à l’imaginaire des managers, dès lors qu’on l’utilise comme une forme de détour créatif au sens de la pratique de la créativité. Dans quelle mesure nourrir la vision du futur d’une entreprise ou de son offre grâce à la science-fiction ? Comment manipuler l’œuvre fictionnelle pour en exploiter au mieux le pouvoir évocateur et éviter les tentations de la prédiction ou du manichéisme ? Que faire des émotions que la consommation des œuvres peut susciter chez ceux qui y recourent ? Telles sont les questions que cet article ambitionne d’explorer et d’illustrer avec davantage d’acuité. Pour ce faire, il rappelle les grands principes de la pensée prospective actuelle et explore le potentiel d’une œuvre de science-fiction à les satisfaire, notamment à travers sa nature scénaristique et à sa référence implicite aux mythes sociaux. Il propose une typologie de détours créatifs par la science-fiction, correspondant à différents types de problématiques prospectives, et l’illustre par un cas pratique. Il définit enfin les conditions méthodologiques nécessaires à l’utilisation du détour créatif par la science-fiction pour construire et animer un exercice de prospective auprès d’une équipe de direction d’entreprise.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,032 |
| Communication savante | 0,014 | 0,011 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».