Transformation digitale et performance des PME : une analyse bibliométrique pour comprendre et agir
Notice bibliographique
Résumé
Si la littérature académique sur la transformation digitale des entreprises s’est largement développée ces dernières années, les auteurs se sont, pour la plupart, concentrés sur les grandes entreprises sans prendre en compte la recherche sur les petites et moyennes entreprises (PME). Pourtant, celles-ci, d’après le ministère de l’Économie, représentent 24 % de la valeur ajoutée de l’ensemble des entreprises françaises et disposent d’une marge de progression importante en termes de digitalisation. De plus, les outils digitaux semblent intervenir dans la performance des PME. Ces dernières méritent d’être analysées spécifiquement afin que soient pris en compte leurs particularités et leurs enjeux propres, par exemple, leur manque de moyens financiers et humains. Nous nous interrogeons sur l’existence d’une communauté de recherche structurée autour de la transformation digitale et de la performance des PME. Une étude bibliométrique (ACC, analyse de cocitations ; ACB, analyse de couplage bibliographique), partant de la littérature traitant conjointement de la transformation digitale et de la performance des PME, a été menée. Elle poursuit trois objectifs principaux : comprendre comment et sur quelles bases s’est construite la littérature académique sur le sujet, structurer la recherche existante en identifiant ses apports, mais aussi ses limites et enfin, faire ressortir des voies de recherches futures.
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 | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,018 | 0,047 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».