Dans quelles mesures les TIC jouent-elles un rôle stratégique pour les PME ?
Bibliographic record
Abstract
Dans cet article, nous précisons le lien entre TIC, stratégie et organisation du travail dans les PME à travers l’étude des fonctions des TIC. L’objectif est de mieux comprendre les comportements des PME en matière d’utilisation des TIC et d’en anticiper les évolutions. Nous utilisons une grille de lecture montrant que l’information a non seulement des fonctions opérationnelles (fabriquer ou vendre mieux, moins cher, etc.), mais également sociales (humaines, organisationnelles). Elle sert aussi à montrer ou afficher une certaine efficacité ou qualité et à rassurer ou se rassurer. À partir de cette grille, nous posons la question de savoir à quoi servent les TIC pour les PME et nous dégageons cinq comportements types plus ou moins cohérents avec la stratégie d’entreprise et à partir desquels des préconisations d’action peuvent être faites : 1) les « intégrées », qui ont une vision à long terme cohérente entre l’usage des TIC et leur stratégie, 2) les « sous pression », poussées par l’environnement et peu sensibles aux questions sociales, 3) les « borgnes », pour qui les TIC sont plus encombrantes qu’utiles, au moins pour une activité, 4) les « fébriles » et 5) les « hyperactives », qui ont besoin de clarifier leur positionnement stratégique.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.015 | 0.012 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 0.006 |
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".