Le co-investissement et son impact sur la performance et la croissance des firmes entrepreneuriales : une revue de littérature
Notice bibliographique
Résumé
Plusieurs investisseurs s’aventurent à financer les firmes entrepreneuriales et les entreprises en démarrage innovatrices. Si la syndication d’investisseurs a fait l’objet de nombreux travaux, peu d’études se sont intéressées au co-investissement impliquant les sociétés de capital risque, les investisseurs providentiels (business angels) et les investisseurs par financement participatif (crowdfunding). Or, il est de plus en plus important d’analyser les interactions entre ces trois types de bailleurs de fonds ainsi que d’étudier les enjeux et les difficultés associés à la gouvernance cognitive et disciplinaire au sein de l’entreprise qu’ils financent. Ainsi, nous avons mené une large revue de littérature afin d’explorer les études traitant de l’apport sur les plans financier et cognitif des trois types d’investisseurs à la performance de l’entreprise et d’analyser leur influence sur sa croissance, dans le cas où ils sont impliqués tous les trois ou deux d’entre eux dans le processus de financement. Cela nous a permis d’avancer cinq propositions pouvant faire l’objet d’une étude qualitative.
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 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».