Le prêt de main-d’oeuvre : un dispositif innovant au service des territoires
Bibliographic record
Abstract
Licenciements, restructurations et fermetures d’usines demeurent, dans le présent contexte de crise économique, au coeur de l’actualité. Cet environnement turbulent a des conséquences sur l’emploi local. C’est dans ce récent contexte de crise, menaçant l’emploi et les entreprises, que certaines organisations se sont emparées d’un dispositif de gestion des ressources humaines innovant : la mise à disposition de salariés (MAD). Ce dispositif vise à sauvegarder l’emploi local ainsi qu’à accroître le panel de compétences des salariés en bénéficiant. Il implique diverses organisations ayant pour but principal d’éviter les licenciements et de favoriser l’acquisition de nouvelles compétences pour les salariés y participant. Le prêt de main-d’oeuvre suppose que l’entreprise prêteuse ne facture à l’entreprise utilisatrice que la stricte valeur des salaires versés au salarié pendant la mise à disposition, des charges sociales afférentes, ainsi que, s’il y a lieu, des frais professionnels remboursés à l’intéressé au titre de la mise à disposition. Il s’agit d’un dispositif d’entraide à but non lucratif, généralement privilégié lorsque les entreprises ont des relations de proximité : géographique, dès lors que les acteurs sont localisés sur un même espace, mais aussi socio-économique, dès lors que les acteurs développent des relations. Trois pôles de compétitivité Rhône-Alpin ont été étudiés, dans lesquels l’utilisation de prêt de main-d’oeuvre entre organisations privées et centre de recherche public a été mise à profit. La grille de lecture utilisée correspond à la démarche analytique de l’économie de la proximité (Bouba-Olga et Grossetti, 2008). Nous nous attachons à répondre à la problématique suivante : dans quelles conditions la proximité permet-elle de construire des formules innovantes de GRH inter-organisationnelles, telles que le prêt de main-d’oeuvre ? Les résultats montrent que la proximité, qu’elle soit géographique ou socio-économique, permet de construire des dispositifs de GRH inter-organisationnelle innovants tels que la mise à disposition de salariés.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 teacher head, 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".