Les dérives des systèmes d’accompagnement sur la prise de décision et de risque dans la création d’entreprise : réflexions pour la recherche et pour la pratique
Bibliographic record
Abstract
Cet article interroge l’accompagnement à partir d’une réflexion de fond sur la prise de décision et de risque en entrepreneuriat. En adoptant une approche abductive et pragmatique basée à la fois sur notre expérience dans l’accompagnement et sur une articulation approfondie de trois corpus théoriques distincts, nous présentons une vision dynamique du processus de création d’entreprise dans laquelle un porteur de projet accompagné doit prendre des décisions face à l’incertitude et à son évaluation du risque, et cela malgré les limites de sa rationalité. Les décisions et les actions qui en découlent auront des conséquences, dont une partie sera imprévisible et non intentionnelle, mais qui auront tout de même un impact sur les dialogiques porteur/projet, projet/accompagnateur et porteur/accompagnateur. À partir de cette mise en perspective nous discutons trois dérives possibles des systèmes d’accompagnement sur la prise de décision et de risque en création d’entreprise : le retrait face à l’expertise de l’accompagnateur, la soumission aux contraintes imposées par les systèmes d’accompagnement même aux dépens du projet et de son porteur et la possible altération temporelle inadéquate du processus entrepreneurial. Nous concluons en évoquant quelques pistes de réflexion pouvant aider à éviter ces dérives et pouvant constituer d’intéressantes voies de recherche futures.
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 | 0.016 | 0.047 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.019 |
| Scholarly communication | 0.015 | 0.020 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".