Le rôle des réseaux patronaux dans la diffusion de la gestion des compétences en France
Bibliographic record
Abstract
En s’inscrivant dans le cadre des approches néo-institutionnelles, cette contribution s’intéresse à l’influence exercée par les réseaux patronaux sur la diffusion des pratiques managériales, à travers l’exemple de la gestion des compétences dans les entreprises françaises. La littérature permet d’envisager les organisations d’employeurs comme des réseaux sociaux ayant un impact sur les politiques RH des entreprises, et l’étude du développement de la gestion des compétences permet d’étayer l’hypothèse d’une institutionnalisation sous influence patronale de cette pratique de gestion. Pour proposer une évaluation de ce lien, nous nous appuyons ensuite sur une méthodologie quantitative permettant de croiser l’appartenance de membres de la direction d’une entreprise à des réseaux patronaux et la diffusion des pratiques de gestion par les compétences. Les données utilisées sont issues de l’enquête Réponse réalisée par le Ministère du Travail, et ont été collectées auprès de 3000 établissements. Cette approche permet dans un premier temps de procéder à un succinct mais inédit état des lieux des réseaux patronaux en France, puis de mesurer l’impact de l’appartenance à ces réseaux sur la mise en oeuvre de la gestion des compétences. Les résultats montrent que près des trois quarts des établissements appartiennent à des réseaux patronaux ou bien les fréquentent, mais que derrière ce constat initial se cache une réalité multiforme et plutôt concentrée. Nous montrons ensuite que l’appartenance à des réseaux patronaux est bien un élément explicatif important du choix de mise en oeuvre d’une politique GRH orientée vers les compétences, et en particulier la participation à des clubs de DRH ou associations d’entrepreneurs. Les structures patronales les plus influentes apparaissent donc ici comme celles qui reposent davantage sur l’adhésion volontaire, la recherche de légitimité et l’échange d’outils et d’idées.
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 | 0.017 | 0.030 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.005 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".