L'innovation dans l'armée française durant la guerre d'Algérie
Notice bibliographique
Résumé
Au cours des dernières décennies, l’augmentation du nombre de guerres irrégulières place les armées modernes dans une situation délicate. Pour pouvoir relever ce nouveau défi,\nces organisations militaires, avant tout destinées à mener des guerres interétatiques, se doivent\nd’innover. Plusieurs cas historiques montrent comment, face à de nouvelles formes de conflit,\ncertaines armées se sont lancées dans un processus d’innovation. Le cas de l’armée française\nen Algérie en est un. L’objectif de ce mémoire est de comprendre comment l’innovation a\némergé lors du conflit, et comment elle s’est diffusée au sein de l’organisation militaire. Un\nsurvol de la stratégie française en Algérie va permettre de dégager trois principales\ninnovations : La mise en place de la doctrine de la guerre révolutionnaire, la création des\nSections Administratives Spécialisées et l’approche de David Galula. L’étude de ses trois cas\nnous montre que, durant la Guerre d’Algérie, l’innovation provenait principalement des\nmilitaires, plus précisément du sommet de la hiérarchie. Cependant, certains exemples\nd’innovation par le bas existent. Dans ces cas-là, la diffusion se fera via la doctrine informelle.\nL’exemple de Galula nous prouve néanmoins qu’une innovation se diffuse beaucoup plus\ndifficilement lorsqu’elle émane des hommes de terrain.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,012 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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 ».