Les entreprises locales d’énergie, leviers de transition énergétique ?
Notice bibliographique
Résumé
Cet article s’intéresse aux entreprises locales d’énergie (ELE), opérateurs énergétiques détenus par des collectivités locales et présents sur quelques territoires en France. Dans un contexte de crise climatique et énergétique, leurs liens directs avec les collectivités locales en font-ils un levier de transition énergétique ? Une méthode combinant analyses statistiques et entretiens semi-directifs nous conduit à caractériser trois grands groupes d’ELE. De nombreuses ELE ne disposent pas d’une taille et de moyens suffisants pour investir dans la transition énergétique. D’autres s’unissent et mutualisent leurs moyens en créant des structures communes. Enfin, quelques ELE de taille importante et disposant d’une expertise sur toute la chaîne de valeur de l’énergie sont des outils dont peuvent se saisir les collectivités locales. Ce travail participe à la recherche de modèles alternatifs, ou tout du moins complémentaires, au modèle centralisé dans la territorialisation de la transition énergétique en France. Pour être considérées comme telles, les ELE devront s’adapter aux évolutions de marché et aux nouvelles attentes et besoins des territoires en matière d’énergie.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».