L’impact de l’ancrage territorial sur le Business Model. Le cas du label Origine France Garantie
Bibliographic record
Abstract
Si le concept de Business Model (BM) a encore quelques détracteurs, son mérite est de centrer la problématique de l’entreprise sur la création de valeur économique et a fortiori financière. Paradoxalement, les exigences de Responsabilité Sociétale (RSE) conduisent à étendre l’idée de création de valeur pour les actionnaires à l’ensemble des parties prenantes et à y inclure des éléments de performance environnementale et sociale. La contribution de l’entreprise au développement territorial et à la préservation de l’emploi s’inscrit, notamment, dans cette perspective. De nombreuses entreprises font désormais le choix de produire localement bien que cela ait une incidence négative sur leur compétitivité-coût. Ce choix, loin d’être anodin, remet en cause le BM basé sur la création de valeur économique et financière puisqu’il élargit le concept de valeur à sa dimension sociétale. En outre, il conduit à une redéfinition de l’organisation de la chaîne et du réseau de valeur ainsi qu’à une réflexion concernant le portefeuille de ressources et compétences de l’entreprise. C’est ce que s’attache à démontrer l’auteur dans cette recherche basée sur des entretiens auprès de dirigeants de cinq entreprises dont les produits ont obtenu le label « Origine France Garantie » (OFG).
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".