Mieux comprendre les difficultés d’une reprise externe grâce à l’approche des représentations sociales
Bibliographic record
Abstract
Le repreneuriat familial étant en constante diminution en France, les entreprises sont de plus en plus reprises par des tiers, souvent très éloignés de la structure reprise. Dans ce contexte, deux principaux défis sont à relever. Le premier réside dans la réalisation effective de la transaction. Il faut en effet que cédants et repreneurs se rencontrent et parviennent à se mettre d’accord sur le transfert de l’entreprise. Or, de nombreuses difficultés d’ordre psychologique peuvent perturber, voire empêcher, la réalisation de la transaction. Le second défi est celui de la pérennisation des structures reprises. La signature d’un acte de vente entre un cédant et un repreneur n’est pas un indicateur de réussite de l’opération, la survie des entreprises reprises demeurant précaire. Les repreneurs peuvent notamment avoir du mal à prendre en main la nouvelle structure et à trouver leur place auprès des différentes parties prenantes, internes et externes, de l’entreprise.Cet article propose d’expliquer une partie des échecs des reprises externes (c’est-à-dire l’absence de transaction ou l’échec post-reprise), en mettant en avant les facteurs subjectifs qui influencent le processus. Dans une perspective sociocognitive des organisations, il se fonde sur le concept de représentation sociale qui autorise la prise en compte de l’ensemble des acteurs concernés par la reprise (cédant et repreneur, certes, mais aussi salariés et parties prenantes externes) et qui permet d’éclairer les blocages pouvant se produire à toutes les phases du processus (tant en amont qu’en aval). Pour assurer la réussite d’une reprise externe, il est en effet nécessaire que les différents acteurs prennent conscience de l’existence éventuelle d’un écart de représentation (sur l’entreprise à reprendre, les compétences à posséder, le mode de management requis…), et ce, le plus en amont possible du processus. Les acteurs doivent ensuite être en mesure de faire évoluer leurs représentations afin de réduire cet écart qui peut se révéler paralysant.
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 | 0.007 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.017 |
| Scholarly communication | 0.011 | 0.011 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".