L' évaluation des start-up par les options réelles: : l'émergence d'une nouvelle approche
Bibliographic record
Abstract
L'evaluation des entreprises est un sujet passionnant. L'interet est majeur lorsque l'evaluation porte sur une start-up, qui n'a aucun historique permettant d'etablir des previsions financieres. Les difficultes emergent lorsque l'industrie est naissante. Le sujet peut devenir plus complique lorsque la jeune entreprise technologique fait partie des societes ou l'innovation est le veritable levier de creation de la valeur car il y a une forte incertitude sur la probabilite de reussite et de survie de ces societes. Aujourd'hui, les methodes traditionnelles d'evaluation ne representent pas une source de satisfaction meme lorsqu'elles sont appliquees aux entreprises appartenant a des secteurs matures. Apres la bulle speculative de 2000, il est clair que, bien que les prix aient connu une hausse sans precedent declenchee par cette bulle, ils ne pourront jamais a revenir a de tels niveaux. Pour expliquer ces faits, il suffit de noter que les methodes traditionnelles ne tiennent pas compte des facteurs comme le capital humain, le pouvoir de marche, et les options reelles, tous ces facteurs augmentent la valeur de l'entreprise. Cette these apporte un eclairage sur le concept des options reelles et son application en matiere d'evaluation des jeunes entreprises technologiques.
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 | 0.015 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| 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".