L’émergence des initiatives post-NMP : l’évaluation d’impact intégrée comme un outil hybride d’aide à la prise de décision
Bibliographic record
Abstract
Le Nouveau Management Public (NMP) tend à persister malgré les critiques. Les initiatives post-NMP demeurent assez théoriques et tardent à s’implanter au cœur de l’appareil gouvernemental. L’évaluation d’impact intégrée (EII), un outil d’aide à la prise de décision au niveau national, semble apporter des réponses nouvelles. L’EII s’est développé à partir des initiatives d’allègement règlementaire du NMP, mais ses objectifs et effets concordent davantage avec les principes post-NMP. Cet article vise à situer le concept de l’EII, son développement et les implications de son institutionnalisation. Une analyse comparative de la pratique de l’EII est effectuée pour quatre approches : trois au niveau national (France, Royaume-Uni et Suisse) et une au niveau supranational (Commission européenne). L’EII apparait comme un outil hybride NMP et post-NMP, dont l’utilisation permet la mise en pratique de certains principes post-NMP. L’article conclu sur des pistes de recherche futures. Remarques à l’intention des praticiens Les administrations doivent souvent composer avec les problématiques liées à la prise de décision basée sur des données probantes, la transparence et la multiplication des évaluations d’impact sectorielles statutaires. Dans un contexte de ressources limitées, l’évaluation d’impact intégrée (EII) peut représenter une réponse attrayante. Or, une meilleure compréhension de son développement permet de mieux saisir les enjeux de son institutionnalisation. La pratique de l’EII permet de systématiser la consultation des parties prenantes, mais varie en fonction des méthodes utilisées et des structures administratives en place. L’EII pourrait s’avérer un outil d’aide à la prise de décision permettant d’ajouter une composante d’intérêt public et de refléter davantage les valeurs publiques d’une situation décisionnelle.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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; both teacher heads agree on what is shown here.
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".