Kairos Management : Nouveaux outils pour le Management des Opportunités
Bibliographic record
Abstract
L'objectif de la présente communication est d'abord de formuler une critique rapide des outils du Management par Objectif et par Projet. Une telle critique, formulée par des Auteurs qui s'en sont faits les chantres, ne porte pas sur les méthodologies qu'il fallait il y a trente ans développer comme elles l'ont été, en particulier au Québec. Elle porte plus précisément sur l'étape précédant la définition du projet. Celui-ci doit être choisi dans un portefeuille de projets disposant pour chacun, tout au moins nous l'imaginons ainsi, d'une opportunité, d'un intérêt, d'une échéance probable et d'une probabilité de succès. Comment doit-on opérer le choix ? Quels sont les outils de pensée adaptés à sa rationalité ? Y–a-t-il une méthode optimale de choix? Toutes questions que se pose le chef d'entreprise confronté à des options qui peuvent s'avérer par leurs caractères stratégiques, vitales pour l'entreprise. Plus avant l'objet de la présente communication est de poser le problème de la préparation à la saisie des opportunités, c'est-à-dire la préparation du cas où ce sont les circonstances qui font émerger le projet, la responsabilité du manager étant de saisir l'opportunité ou de la laisser passer. Nous touchons là au Kairos Management Face à ce type d'interrogations souvent laissé à l'homme de "l'art" c'est-à-dire à l'artisan qui construit des artéfacts pour donner à voir des artifices, le second objectif de la communication est de donner à connaître et de donner à comprendre la construction d'une nouvelle classe d'outils de pensée sensiblement différents des outils de pensée habituellement donnés dans la "boîte à penser" du manager (définition des objectifs, des méthodes d'optimisations, des méthodes statistiques, planification par tâches d'évaluation, etc). Chaque responsable économique sait, en son for intérieur qu'une maîtrise parfaite des outils, la disposition de moyens importants, etc ne suffisent pas à garantir la réussite d'une action. Ainsi voit-on souvent de brillants notables échouer là même où des acteurs, aux qualités et à la légitimité plus modeste, s'avèrent de remarquables stratèges. Qu'elle est l'origine de cette situation que biens des exploits militaires économiques ou artistiques peuvent à l'envie illustrer ? Nous montrerons que de tels succès tiennent le plus souvent à une acceptation tactique de la complexité de l'environnement et à une application intuitive de concepts -certes loin de disposer encore d'un statut de simplicité reconnu- mais en fait simples dans leur fondement dès lors qu'on s'est habitué à en manipuler les éléments. Il sera montré que ces outils sont fondés sur la prise en compte de non séparabilité des systèmes complexes même s'ils sont déterministes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.017 | 0.032 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.021 | 0.022 |
| Open science | 0.006 | 0.007 |
| Research integrity | 0.007 | 0.008 |
| Insufficient payload (model declined to judge) | 0.023 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".