Performance et innovation en PME : une relation à questionner1
Bibliographic record
Abstract
Partant du constat qu’en sciences de gestion, les politiques de management auraient toutes, pour ambition ultime, de contribuer à la performance de l’entreprise et que la capacité d’innovation d’une entreprise serait une condition sine qua non de cette performance, cet article propose une dénaturalisation de cette évidence managériale. Nous montrons que (i) les notions de performance et d’innovation font référence à des contenus très variés selon les typologies considérées ; (ii) la performance est principalement mesurée par des indicateurs distaux (essentiellement financiers) ; (iii) la nature de l’interdépendance entre innovation et performance n’est pas univoque. En reconsidérant les variables contextuelles, nous montrons l’intérêt d’adopter une perspective multiple pour appréhender l’innovation et la performance dans les PME. Cette perspective multiple capitalise sur la diversité des caractérisations de ces deux notions, dans une démarche agnostique n’établissant aucun lien entre elles a priori. Cet article propose ainsi une méthodologie de mesure de la performance et de l’innovation en PME qui mobilise des indicateurs spécifiques à ces organisations. Ce faisant, nous participons à une démarche critique visant à émanciper les PME et, plus largement, les pouvoirs publics et régulatoires, de normes performatives étroites.
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 | 0.013 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.001 | 0.011 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".