La négociation des Plans de Sauvegarde de l'Emploi, quels arbitrages ?
Bibliographic record
Abstract
Le Plan de Sauvegarde de l'Emploi (PSE) est la procédure juridique que doivent suivre les entreprises françaises pour procéder à des licenciements collectifs pour motif économique. Ces procédures sont souvent critiquées, notamment du côté syndical, pour leur faible capacité à sauver effectivement des emplois. Ces critiques ont contribué à des changements fréquents du cadre légal, dont la Loi de Sécurisation de l'Emploi (LSE) en 2013. La LSE a conduit à laisser plus de place au contrat qu'à la loi, tout en maintenant un rôle actif de l'État comme gardien des règles du jeu et des procédures. Dans cette étude, nous nous intéressons aux conditions qu'il faut réussir pour aboutir à un « bon » PSE, dans le cadre légal instauré à partir de 2013. Nous avons retenu trois critères pour juger de la qualité d'un PSE : le volume d'emplois sauvegardés ; la qualité des mesures d'accompagnement pour les salariés dont le licenciement ne peut être évité et le montant des indemnités supra-légales. La littérature existante avait déjà permis d'identifier un certain nombre de conditions expliquant la réussite d'un PSE, dont le degré de financiarisation de l'entreprise, les caractéristiques de la main d'œuvre, les stratégies d'acteurs, etc. L'objectif de cette étude est précisément de comprendre comment ces différentes conditions se combinent pour tracer la voie à des PSE de qualité. Nos travaux permettent de mettre en évidence six chemins-types (ou combinaisons de conditions) qui peuvent mener à de bons PSE. Ils mettent ainsi en lumière l'importance cruciale des capabilités syndicales pour aboutir à un « bon » PSE. Ils interrogent également sur la nécessité de recourir à des stratégies conflictuelles pour obtenir un plan de qualité.
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 | 0.028 | 0.076 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.014 |
| Scholarly communication | 0.017 | 0.011 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.022 | 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".