La création de l’Agence de l’innovation de défense : une innovation institutionnelle
Bibliographic record
Abstract
L’Agence de l’innovation de défense (AID) est créée en 2018. Il s’agit d’une innovation institutionnelle dans un domaine, celui de la défense, structuré et stable. L’agence créée a pour objectif de regrouper au sein d’une même structure les anciens dispositifs de gestion épars au sein du ministère en matière d’innovation, ainsi que les nouveaux dispositifs d’innovation « ouverte ». Ces derniers visent à capturer et exploiter rapidement les innovations issues d’acteurs du domaine civil. Comment analyser le processus ayant conduit à une telle innovation ? Dans cet article, nous nous proposons, à partir d’une narration de la création de l’AID et d’une série d’entretiens menés auprès d’acteurs du milieu de la défense, de montrer, d’une part, que cette innovation est le résultat d’une cristallisation, et, d’autre part, de mettre en évidence trois dilemmes, en écho au titre du livre de Christensen (Christensen, 1997), propres à une innovation institutionnelle : celui de la création subtile ou restructurante ; celui de l’adaptation ou de la création ; celui, enfin, de l’attèlement. L’étude de cas permet d’enrichir la théorie de l’innovation institutionnelle formulée par Van de Ven et Hargrave (Van de Ven et Hargrave, 2004 ; Hargrave et Van de Ven, 2006), qui n’identifiait qu’un de ces dilemmes (adaptation versus création) repensé à partir de la notion d’innovation subtile.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.021 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.007 | 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".