MétaCan
Menu
← Retour à la cohorte
Enregistrement W6991029992

Étude des capacités analytiques des organisations du Québec en intelligence compétitive & économique

2024· other· fr· W6991029992 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2024
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Private sectorPublic sectorPrivate life
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La pratique de l’intelligence compétitive, telle qu’elle est connue en Amérique du Nord, ou de son équivalent, l’intelligence économique, comme elle est appelée en France, bien qu’en croissance dans le secteur privé, demeure une pratique difficile à comprendre. Cette pratique structurée, fortement inspirée du renseignement militaire ou gouvernemental a fait son entrée dans les entreprises au milieu des années 90. Ses origines, sa culture, et le manque de standardisation et de professionnalisation font de celle-ci un sujet de recherche à la fois riche et difficile à cerner compte-tenu de sa constante mutation. Bien que la littérature semble démontrer une approbation de la pratique dans le secteur privé (Bouthillier et Gainor, 2018a) et que le Canada ait lancé différentes initiatives (Bergeron, 2000; Calof, 2016a, 2017b; Calof et Brouard, 2004) afin d’aider les entreprises de l’ensemble des provinces à adopter celle-ci, nous remarquons qu’elle semble encore aujourd’hui peu comprise et pratiquée au Québec. Le présent document vise à faire le point sur nos observations de la pratique au sein des organisations québécoises de la perspective de premiers répondants en développement économique chez les petites et moyennes entreprises. Nous étions particulièrement intéressés à comprendre où en sont les entreprises des points de vue du besoin et de leur capacité analytique en matière d’intelligence compétitive/économique (ci-après nommé IC/IE) afin de situer celles-ci dans un cadre conceptuel inspiré des éléments clés de la littérature.Nos observations nous amènent à statuer qu’au sens strict de la définition de l’intelligence compétitive qui est définie dans le cadre de cet ouvrage, les organisations du Québec n’ont pas adopté une culture du renseignement compétitif et que, bien que ce ne soit pas le seul facteur à considérer, le manque de cadre analytique représente une explication importante à considérer. Comme nous le verrons en détail, nos observations laissent croire que nos organisations sont plus réactives que proactives, qu’elles sont dans une logique d’information bien plus qu’elles ne sont dans une logique du renseignement et que cette réalité s’explique notamment par une absence de cadre analytique et de savoir-faire en la matière. Paradoxalement, ces mêmes observations nous permettent d’affirmer que le besoin en matière de capacité d’analyse et d’interprétation des dynamiques compétitives est bel et bien présent. Ces constatations sont basées sur une série de 15 entretiens semi-directifs effectués entre mars et avril 2021 avec des intervenants d’organisations accompagnatrices diverses (accompagnement conseil, financement, etc.) pour des entreprises des secteurs innovants tels que le manufacturier 4.0, les technologies, les sciences de la vie, et le logiciel afin de recueillir leurs impressions sur l’état actuel du niveau de compréhension et de la pratique à l’interne et chez leurs clients. Le propos recueillis nous amène également à émettre l’hypothèse que même au sein des organismes de développement économique, les connaissances en intelligence économique et le savoir-faire analytique qui en découle est limité. Dans les lignes qui suivent, nous établirons un cadre conceptuel de l’intelligence compétitive dans le secteur privé au-travers de ses origines pour ensuite nous attarder plus en détail sur sa composante analytique. Le sujet général de renseignement étant complexe et généralement considéré secret par ses praticiens, nous croyons que la rédaction plus exhaustive que courte d’un cadre conceptuel est de rigueur. L’approche de recherche (cadre méthodologique) sera naturellement abordée selon les règles de l’art. Nous poursuivrons cet ouvrage en expliquant les résultats de notre collecte. Nous proposerons finalement un modèle d’aide visant à aider les organisations à mieux encadrer leur approche d’analyse et à la sélection de techniques sur un inventaire de plus de 375 relevées dans la littérature pouvant s’appliquer dans une logique de compréhension des dynamiques compétitives. Même si ce modèle demeure préliminaire à ce stade-ci, nous croyons qu’il est exploitable dans sa forme actuelle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0030,001
Communication savante0,0060,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,226
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→Travaux en français237 207→