Étude des capacités analytiques des organisations du Québec en intelligence compétitive & économique
Bibliographic record
Abstract
La pratique de l’intelligence compétitive, telle qu’elle est connue en Amérique du Nord, ou de son équivalent, l’intelligence économique, comme elle est appelée en France, bien qu’en croissance dans le secteur privé, demeure une pratique difficile à comprendre. Cette pratique structurée, fortement inspirée du renseignement militaire ou gouvernemental a fait son entrée dans les entreprises au milieu des années 90. Ses origines, sa culture, et le manque de standardisation et de professionnalisation font de celle-ci un sujet de recherche à la fois riche et difficile à cerner compte-tenu de sa constante mutation. Bien que la littérature semble démontrer une approbation de la pratique dans le secteur privé (Bouthillier et Gainor, 2018a) et que le Canada ait lancé différentes initiatives (Bergeron, 2000; Calof, 2016a, 2017b; Calof et Brouard, 2004) afin d’aider les entreprises de l’ensemble des provinces à adopter celle-ci, nous remarquons qu’elle semble encore aujourd’hui peu comprise et pratiquée au Québec. Le présent document vise à faire le point sur nos observations de la pratique au sein des organisations québécoises de la perspective de premiers répondants en développement économique chez les petites et moyennes entreprises. Nous étions particulièrement intéressés à comprendre où en sont les entreprises des points de vue du besoin et de leur capacité analytique en matière d’intelligence compétitive/économique (ci-après nommé IC/IE) afin de situer celles-ci dans un cadre conceptuel inspiré des éléments clés de la littérature.Nos observations nous amènent à statuer qu’au sens strict de la définition de l’intelligence compétitive qui est définie dans le cadre de cet ouvrage, les organisations du Québec n’ont pas adopté une culture du renseignement compétitif et que, bien que ce ne soit pas le seul facteur à considérer, le manque de cadre analytique représente une explication importante à considérer. Comme nous le verrons en détail, nos observations laissent croire que nos organisations sont plus réactives que proactives, qu’elles sont dans une logique d’information bien plus qu’elles ne sont dans une logique du renseignement et que cette réalité s’explique notamment par une absence de cadre analytique et de savoir-faire en la matière. Paradoxalement, ces mêmes observations nous permettent d’affirmer que le besoin en matière de capacité d’analyse et d’interprétation des dynamiques compétitives est bel et bien présent. Ces constatations sont basées sur une série de 15 entretiens semi-directifs effectués entre mars et avril 2021 avec des intervenants d’organisations accompagnatrices diverses (accompagnement conseil, financement, etc.) pour des entreprises des secteurs innovants tels que le manufacturier 4.0, les technologies, les sciences de la vie, et le logiciel afin de recueillir leurs impressions sur l’état actuel du niveau de compréhension et de la pratique à l’interne et chez leurs clients. Le propos recueillis nous amène également à émettre l’hypothèse que même au sein des organismes de développement économique, les connaissances en intelligence économique et le savoir-faire analytique qui en découle est limité. Dans les lignes qui suivent, nous établirons un cadre conceptuel de l’intelligence compétitive dans le secteur privé au-travers de ses origines pour ensuite nous attarder plus en détail sur sa composante analytique. Le sujet général de renseignement étant complexe et généralement considéré secret par ses praticiens, nous croyons que la rédaction plus exhaustive que courte d’un cadre conceptuel est de rigueur. L’approche de recherche (cadre méthodologique) sera naturellement abordée selon les règles de l’art. Nous poursuivrons cet ouvrage en expliquant les résultats de notre collecte. Nous proposerons finalement un modèle d’aide visant à aider les organisations à mieux encadrer leur approche d’analyse et à la sélection de techniques sur un inventaire de plus de 375 relevées dans la littérature pouvant s’appliquer dans une logique de compréhension des dynamiques compétitives. Même si ce modèle demeure préliminaire à ce stade-ci, nous croyons qu’il est exploitable dans sa forme actuelle.
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 | 0.003 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.007 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".