L'envol vers le Cloud : un phénomène de maturations multiples
Bibliographic record
Abstract
Le Cloud Computing est de plus en plus souvent décrit comme le nouveau paradigme de l’informatique moderne. Dans cet article, notre objectif est de comprendre les mécanismes qui poussent à la décision d’implanter une solution de Cloud Computing dans les organisations. Cette recherche adopte une méthodologie qualitative, fondée sur l’analyse d’entretiens ouverts et semi-directifs auprès de personnes directement concernées par le processus de décision d’envol vers le Cloud Computing. Différents corps de métiers et secteurs sont représentés, avec entre autres des personnes issues du consulting, de l’édition de logiciel ainsi que de la direction des systèmes d’information de plusieurs entreprises de tailles différentes. Les contributions de cet article sont les suivantes : 1/ la catégorie centrale qui a émergé est le concept de maturations multiples. Celle-ci est vue comme un processus aboutissant à une décision d’implantation ou de non-implantation. 2/ Cette maturation a émergé à quatre niveaux, comme en témoigne l’identification de quatre types de maturité : la maturité organisationnelle, la maturité sécuritaire, la maturité de la solution Cloud, et la maturité de l’environnement juridique. 3/ Nos données suggèrent également que la décision d’implantation du Cloud Computing au niveau organisationnel est liée à une pression plus large de l’environnement compétitif, et une pression des utilisateurs à travers le phénomène de consumérisation. Ces contributions enrichissent la littérature déjà existante en insistant sur le caractère multiple des maturations à prendre en compte, ainsi que leurs configurations.
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 | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.021 |
| Scholarly communication | 0.009 | 0.015 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 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".