Les leviers de contrôle des actionnaires majoritaires
Bibliographic record
Abstract
La littérature académique en gouvernance d’entreprise étudie en particulier la séparation entre propriété et contrôle au sein de l’actionnariat des entreprises privées. Cet article propose une synthèse critique et des illustrations internationales des résultats les plus récents en la matière. En particulier, il détaille les mécanismes permettant aux actionnaires dominants d’accroître leur contrôle d’une société, parmi lesquels : les structures pyramidales, les participations croisées et les actions à droits de vote multiples, qui offrent la possibilité de découpler le contrôle de la part effectivement détenue dans le capital de l’entreprise. Ces phénomènes, plus ou moins présents dans les différentes régions du monde, jouent un rôle fondamental puisqu’ils contribuent à l’accroissement des asymétries entre actionnaires d’une même entreprise et engendrent des opportunités de bénéfices privés en faveur de certains d’entre eux. Leur impact s’étend bien au-delà de la sphère de l’entreprise concernée et peut affecter le fonctionnement même des marchés financiers. La quantification du niveau de contrôle au sein d’un empire industriel peut être obtenue à l’aide de diverses méthodes. Les développements récents en la matière sont résumés et l’application à des cas internationaux réels est discutée.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".