Les services de haute technologie : le processus de développement des services d'information industriels
Bibliographic record
Abstract
Résumé Cet article examine le processus de développement d’une catégorie de services offerts aux grandes entreprises reposant sur le traitement de l’information, à la lumière d’une étude de cas des 10 plus grandes firmes de ce secteur d’activité. Après avoir rappelé le développement récent de ces nouveaux services, rarement étudiés dans la littérature de gestion, l’article définit la nature de ces services, catégorisés sous le terme de services d’information de haute technologie, puis en dresse une typologie. Après avoir constaté une convergence dans les entreprises de l’échantillon étudié relativement au mode de développement de ces services, l’article présente l’originalité du processus de développement, à savoir le recours à la modularité qui est appliquée à chacune des phases de l’élaboration des services d’information de haute technologie. Enfin, l’article montre que ce recours à la modularité permet non seulement l’innovation, mais aussi la «personnalisation de masse» des services selon un cheminement original, propre à ce type de service et différent du mode de développement des produits de haute technologie.
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.003 |
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".