Bibliographic record
Abstract
Les actions de soutien vers les PME se sont renforcées ces dernières années, mais nous constatons que ces efforts n’ont pas toujours un écho favorable. Une hypothèse tient au manque d’adaptation des programmes d’accompagnement, en termes de savoirs et de construction de relations. Dans cet article, nous proposons une réflexion complémentaire sur les voies que l’accompagnement entrepreneurial doit poursuivre pour être plus efficace. Nous mobilisons le concept de rapport de prescription d’Hatchuel (2001). Ce cadre théorique permet de représenter les continuums ouverts de l’accompagnement sur lesquels se construisent les savoirs et les relations, en considérant d’une part la singularité des situations de changement auxquelles est confronté l’entrepreneur dirigeant de PME et d’autre part les besoins de ce dernier (adaptation, projection, résolution de problèmes, problématisation…). Dans ce cadre, nous étudions un cas particulier de programme d’accompagnement : « France Investissement. LeClub » à destination de PME à fort potentiel. L’étude montre que l’accompagnant peut sortir de cette relation unilatérale d’expert pour aller vers une relation d’animateur, traducteur et de catalyseur des apprentissages, dans le cadre de réseaux par exemple. L’article propose un regard novateur sur le métier de l’accompagnement et incite les intervenants à adopter une vision élargie de leur mission.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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 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".