Création et financement des entreprises technologiques : les leçons du modèle israélien
Bibliographic record
Abstract
Israël a développé, en quelques années, une industrie du capital de risque qui place ce pays parmi les premiers en termes de capital rapporté au produit intérieur brut. La stratégie d’intervention du gouvernement israélien ne se limite pas à l’offre de capital : axée vers la recherche, elle favorise la création d’entreprises technologiques. Elle comprend la mise en place d’incubateurs fortement arrimés aux universités et de programmes de formation de gestionnaires d’entreprises technologiques. L’octroi de subventions liées à des redevances est préféré aux mesures fiscales. Une action forte a donc été menée pour stimuler la demande de capital de risque. L’implication du gouvernement dans l’offre de capital a été temporaire, mais efficace. Au moyen de fonds mixtes, elle a permis, en 10 ans, le démarrage d’une industrie autonome, capable d’attirer des financements privés locaux et étrangers importants. Sous plusieurs aspects, le modèle israélien de développement du capital de risque diffère très largement de plusieurs initiatives d’autres juridictions. Son étude devrait guider la réflexion qui doit entourer la révision des programmes et organismes québécois.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".