La mobilisation des pratiques du Soft Lean
Notice bibliographique
Résumé
Le Lean management fait l’objet de plusieurs controverses quant à son impact réel sur l’amélioration de la performance des entreprises. Bien qu’il date et ait fait ses preuves au fil des années, plusieurs entreprises peinent encore ou échouent dans la mise en place ou la pérennisation des pratiques du Lean dans le temps. En effet, les répercussions de cette méthodologie sur la santé mentale des employés et le changement de leur routine de travail contribuent à la méfiance quant à son utilisation. Bien qu’elles ne soient pas nombreuses, quelques études associent cet échec à la négligence du facteur humain, c'est-à-dire les aspects humains (Soft-Lean) lors de l’implantation du Lean Management. En effet, le plus souvent, seuls les outils et techniques appelés pratiques dures du Lean sont pris en considération. L’objectif de cette recherche est d’étudier en quoi la mobilisation du Soft-Lean est une alternative idéale pour assurer une réussite de sa mise en place. Nous voulons documenter et découvrir les pratiques du soft-Lean à mobiliser pour implanter efficacement les projets Lean. A cet effet, à travers une méthodologie qualitative exploratoire et descriptive, cette étude a répondu à la question de recherche à l'aide d'entretiens semi-directifs avec les conseillers en Lean management d’une entreprise évoluant au Québec. Les résultats de cette recherche viennent renforcer la documentation sur l’influence du soft-Lean lors de la mise en place et de la pérennisation des pratiques du Lean dans les différents projets. L’analyse des résultats estime que la mise en place du Lean nécessite la considération à part égal des pratiques dures et soft du Lean. Les résultats ont permis de recenser vingt (20) pratiques du soft-Lean sur lesquelles les entreprises, en fonction bien évidemment de leurs besoins, devront se focaliser pour mettre l’humain au centre dans la mise en place du Lean. Parmi ces pratiques, on peut citer : le soutien de la haute direction, l’implication des employés et l’instauration d’une culture Lean.
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 | 0,023 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,019 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».