Trajectoires de croissance et structures de gouvernance élargies : une lecture des représentations des dirigeants-fondateurs de startups1
Bibliographic record
Abstract
Certaines startups soutenues par le ministère de l’Enseignement supérieur et de la Recherche (MESR) ont connu et connaissent encore de très grandes réussites. Cependant, on observe une très forte hétérogénéité des trajectoires de croissance de ces entreprises. Cette recherche s’appuie sur l’idée que ces trajectoires de croissance dépendent notamment des représentations des dirigeants en matière de gouvernance, par exemple la structure de l’actionnariat ou les relations avec les parties prenantes. Pour réaliser cette étude, nous proposons l’utilisation d’un modèle théorique élargi de la gouvernance d’entreprise s’appuyant à la fois sur les prismes coercitif et cognitif. Ce point de vue intégrateur est particulièrement adapté pour étudier dans toute sa complexité la question de la gouvernance dans le contexte des startups. Les résultats obtenus s’appuient sur des entretiens réalisés avec seize dirigeants de startups, créées entre 1999 et 2013. Ils confirment notamment la vision très large de la gouvernance de certains dirigeants de startups et l’importance de celle-ci dans le soutien de la croissance.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".