De la subversion à la normalisation : de la Swatchmobile à la Smart
Bibliographic record
Abstract
Résumé « La Swatchmobile représentera 30 % du marché des petits véhicules urbains d’ici 10 ans. » En 1990, Nicolas Hayek, inventeur de la montre Swatch, souhaite révolutionner l’automobile en créant un concept différent, comme il l’a fait pour les montres. Son objectif est clair : changer le rapport de l’être humain à l’automobile, rapport qui n’a guère évolué, selon lui, et instaurer un nouveau rapport à l’urbanisme, voire à la citoyenneté. En mars 1994, SMH s’allie avec Mercedes-Benz pour donner naissance à MCC (Micro Concept Car), et le projet Swatchmobile est transformé en projet Smart. Après des débuts difficiles, les ventes s’annoncent sous de meilleurs auspices. Le cas Swatchmobile-Smart est emblématique des théories nouvelles qui ont enrichi la pensée dans le domaine de la stratégie d’entreprise au cours des années 1990. Le courant de l’intention stratégique a permis de mieux comprendre comment certaines entreprises, sur la base d’une vision ambitieuse, pouvaient générer des stratégies déviantes, sources de nouvelles voies de développement à long terme. Au cœur de ces mécanismes, le concept de subversion permet de prendre la mesure de l’efficacité de ces stratégies. Cependant, si ces théories insistent sur la nécessité d’être radicalement différent, elles occultent la difficulté de la mise en œuvre de ces stratégies et le risque qu’elles comportent, dont Smart est l’exemple typique.
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 | 0.004 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.008 |
| Scholarly communication | 0.006 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 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".