Les dispositifs de pilotage de la performance en environnement innovant et incertain : étude comparative de huit startups
Bibliographic record
Abstract
Une étude comparative des dispositifs de pilotage de la performance dans huit startups appartenant au même écosystème montre que ces entreprises recourent d’abord au suivi de trésorerie et au compte de résultat de la comptabilité générale puis aux tableaux de bord de production ou commerciaux et seulement ensuite aux outils classiques du contrôle de gestion que sont les calculs de coûts, le système budgétaire et le tableau de bord de pilotage global. En environnement innovant et incertain, l’introduction du contrôle de gestion n’est pas toujours nécessaire quand l’entreprise est très petite, quand elle est plus proche de sa base scientifique que des marchés (par exemple dans le cas des biotechs) et en raison du système français d’aides publiques qui rend moins urgent l’intervention du capital risque. Quand l’appropriation du contrôle de gestion est en cours, elle est souvent ralentie par la focalisation compréhensible des dirigeants sur les objectifs techniques et commerciaux et par leur culture principalement scientifique. Enfin les dispositifs de pilotage mis en oeuvre restent réduits à un usage psycho-cognitif pour l’aide à la décision du dirigeant en phase d’exploration ou sont plus développés en phase d’exploitation, mais alors généralement avec un responsable du contrôle de gestion cantonné à un rôle de garde-fou et un fonctionnement interactif. Dix propositions résument les enseignements de cette recherche.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".