Notice bibliographique
Résumé
Depuis 2020, une série de chocs sur l'économie mondiale a eu un impact significatif sur les petites et moyennes entreprises (PME) et les entrepreneurs, ainsi que sur leur accès au financement. Plus récemment, d'importantes pressions inflationnistes ont conduit à un resserrement des conditions de prêt, limitant le flux de financement vers les PME et agissant comme une barrière à l'investissement. Le Financement des PME et des Entrepreneurs 2024 : Tableau de Bord de l'OCDE suit les tendances, les conditions et l'évolution des politiques de financement des PME et des entrepreneurs dans près de 50 pays. Il fait état d'une forte augmentation du coût du financement des PME en 2022, ainsi que d'une baisse significative des prêts aux PME. Le financement par fonds propres a également connu une forte baisse en 2022, après une année 2021 marquée par une croissance historiquement élevée. Les entreprises dirigées par des femmes et des personnes issues de minorités, qui ont généralement plus de difficultés à accéder au financement par capital-risque, ont été touchées de manière disproportionnée. Dans ce contexte, le Tableau de bord souligne les mesures récentes prises par les gouvernements pour soutenir l'accès des PME au financement, y compris le financement de la transition écologique. Il sera important de continuer à mettre l'accent sur la diversification des sources et des instruments financiers pour répondre aux différents besoins de tous les types de PME et d'entrepreneurs, et leur permettre de jouer le rôle de moteur d'une croissance résiliente, durable et inclusive. Cette version abrégée contient les traductions complètes du chapitre sur les tendances, du chapitre thématique ainsi que les profils des 5 pays francophones de l’OCDE : Belgique, Canada, France, Luxembourg et Suisse. La version intégrale du rapport comprend tous les profils complets et est disponible en anglais sur le site de l’OCDE.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».