Les entreprises locales d’énergie, leviers de transition énergétique ?
Bibliographic record
Abstract
Cet article s’intéresse aux entreprises locales d’énergie (ELE), opérateurs énergétiques détenus par des collectivités locales et présents sur quelques territoires en France. Dans un contexte de crise climatique et énergétique, leurs liens directs avec les collectivités locales en font-ils un levier de transition énergétique ? Une méthode combinant analyses statistiques et entretiens semi-directifs nous conduit à caractériser trois grands groupes d’ELE. De nombreuses ELE ne disposent pas d’une taille et de moyens suffisants pour investir dans la transition énergétique. D’autres s’unissent et mutualisent leurs moyens en créant des structures communes. Enfin, quelques ELE de taille importante et disposant d’une expertise sur toute la chaîne de valeur de l’énergie sont des outils dont peuvent se saisir les collectivités locales. Ce travail participe à la recherche de modèles alternatifs, ou tout du moins complémentaires, au modèle centralisé dans la territorialisation de la transition énergétique en France. Pour être considérées comme telles, les ELE devront s’adapter aux évolutions de marché et aux nouvelles attentes et besoins des territoires en matière d’énergie.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.003 |
| Science and technology studies | 0.002 | 0.008 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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".