Le passage à une économie de service : des gains économiques et environnementaux?
Bibliographic record
Abstract
Le passage à une économie de service pourrait contribuer à réduire considérablement les impacts environnementaux reliés à nos activités. Pour que le potentiel de réduction des systèmes produit-service (SPS) se concrétise, il faut que ces modèles d’affaires soient rentables pour les entreprises, que les usagers y trouvent leur compte et que les SPS soient moins polluants que les produits qu’ils remplacent. Au niveau économique, plusieurs exemples montrent que les SPS sont avantageux pour les producteurs qui peuvent, à travers ces modèles, augmenter leur chiffre d’affaires, profiter d’une stabilisation des revenus et augmenter leurs profits. Pour les consommateurs, les SPS, qui remettent entre les mains des producteurs toutes les notions d’achat, de gestion, d’entretien et de réparation, sont souvent moins chers et mieux adaptés que les produits qu’ils remplacent. Au niveau environnemental, par contre, bien que plusieurs gains encourageants soient observés, le bilan global reste extrêmement difficile à réaliser. Les offres de SPS sont très variées et chaque contexte nécessiterait une analyse des impacts directs et indirects qui est unique. L’objectif de cet article sera donc de faire le point sur l’économie de service en couvrant principalement trois aspects : 1) la rentabilité de l’économie de service pour les entreprises impliquées; 2) sa rentabilité pour les clients et 3) les impacts environnementaux de l’économie de service. De plus, l’article fera ressortir les catégories d’entreprises les plus susceptibles de profiter des SPS.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.010 | 0.016 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.024 | 0.003 |
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".