Professionnaliser la GRH dans la fonction publique de l’État en France, une incantation sans effets réels
Bibliographic record
Abstract
Entre 1998 et 2005, plusieurs rapports officiels ont largement commenté la situation dégradée de la gestion des ressources humaines dans la fonction publique de l’Etat en France, la jugeant inadéquate et appelant à sa professionnalisation. La recherche examine les différents aspects du processus de professionnalisation tels que décrits dans la littérature scientifique, puis l’effectivité de ce processus, concernant les gestionnaires de ressources humaines, dans les discours officiels et dans les pratiques. Le constat est sans appel : aucune réalité n’est venue attester, ailleurs que dans les discours, le début d’une dynamique de changement par rapport aux pratiques anciennes. Pourquoi ? Le résultat des entretiens et de la recherche montre qu’aucun des acteurs concernés par un tel changement n’aurait un réel intérêt à ce qu’il advienne. Seul un changement radical dans le mode de gestion des carrières de tous les fonctionnaires, passant d’une gestion à l’ancienneté à une gestion par grande filière de métiers, rendrait réellement possible et nécessaire une professionnalisation des gestionnaires de ressources humaines.
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 | 0.018 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.012 | 0.007 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
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".