Élever l’éthique dans les organisations : le témoignage de leaders d’avant-garde
Bibliographic record
Abstract
Plus que jamais, suite aux nombreux scandales financiers et politiques dont nous sommes témoins aujourd’hui, l’éthique est au centre des débats sur la manière d’implanter des pratiques saines de travail entre actionnaires et dirigeants, employeurs et employés, élus et citoyens. Dans cet article, nous présentons des façons d’agir à la fois pratiques et innovatrices pour élever l’éthique au travail. Ces pratiques sont issues d’entrevues réalisées avec trente-six dirigeants, toutes fonctions et milieux d’intervention confondus, que l’on pourrait qualifier de leaders d’« avant-garde ». Ces entrevues ont été réalisées dans le cadre d’une émission radiophonique hebdomadaire, intitulée Éthiques au travail. Les leaders interrogés ont été choisis suivant deux critères : leurs pratiques de gestion ne sont pas seulement le fruit d’une réaction face à des obligations légaleset leurs motivations vont au-delà de la seule image corporative. Nous décrivons brièvement dans ce texte les thèmes communs qui émergent d’une analyse de contenu de ces entrevues. Par analogie avec la bioéthique, dans le milieu de la santé, nous sommes convaincus qu’il est plus que temps de développer dans les milieux organisationnels, une orgéthique, un mot nouveau pour une pratique nouvelle. Les thèmes présentés dans cet article sont une première tentative de préciser le contenu de cette nouvelle éthique organisationnelle. Ils démontrent aussi que de nombreux leaders éthiques sont, déjà, au travail.
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 | 0.008 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.006 | 0.012 |
| Insufficient payload (model declined to judge) | 0.002 | 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; both teacher heads agree on what is shown here.
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".