Étude des programmes d’aide aux PME des gouvernements fédéral et québécois établis suite à la crise de la Covid-19
Notice bibliographique
Résumé
En janvier 2020, la pandémie de la Covid-19 a frappé la planète et affecté l’économie mondiale. Au Canada et au Québec, les PME ont été particulièrement touchées par cette crise de par leur importance au sein de l’économie. L’idée de ce mémoire est d’étudier l’impact de la pandémie sur les PME, ainsi qu’examiner l’envergure des programmes d’aides qui ont été créés par les gouvernements fédéral et québécois pour les aider, et ce, pour déterminer la coordination entre les deux gouvernements pour ce qui est des mesures d’aides destinées aux PME et établies pour faire face aux conséquences de la pandémie. Il y avait des répercussions notables de la crise sanitaire sur les PME telles que les baisses de revenus importants dues aux fermetures fréquentes, les licenciements et la hausse de l’endettement. Ainsi, la mise en place de programmes d’aides à ces entreprises était cruciale. Les dispositifs établis par le gouvernement fédéral canadien et québécois ont été importants, hâtifs et onéreux. Il s’agissait de programmes qui visaient à soutenir les PME pour leur permettre de continuer d’exister, à travers un financement d’urgence pour leur fonds de roulement et des prêts notamment pour pouvoir garder leurs employés, payer leurs loyers, etc. Lors de l’établissement de ces mesures, il y avait une coordination entre les gouvernements pour ce qui est de la rapidité d’agir. Cette collaboration s’est traduite d’ailleurs lors de la bonification du programme fédéral AUCLC par le Québec. Cependant, nous avons pu étudier les limites de cette collaboration, puisque chaque gouvernement structurait ses programmes différemment pour ce qui est des critères d’admissibilité, par exemple. En plus, le gouvernement fédéral était plus en charge de par sa responsabilité de juridiction économique et avait donc plus de moyens. Nous avons aussi compris que ces aides fédéral et québécoises, bien qu’elles étaient essentielles et ont 6 permis d’éviter les faillites et faire grimper le taux de chômage, ont tout de même énormément alourdi la dette des PME. Par conséquent, nous considérons qu’il est important d’anticiper l’avènement de telles crises, en préparant les PME à priori à ces situations, et ce, à travers un appui coordonné des deux gouvernements. De ce fait, nous estimons qu’il faut aussi s’assurer d’avoir une conformité entre les dispositifs d’aide de chaque gouvernement en prenant bien évidemment en compte les spécificités régionales, afin d’être sur la même lignée et d’éviter un chevauchement ou des exclusions de certaines PME des mesures adoptées. Finalement, la mise en place de ces mesures d’aide devrait prendre en compte les possibles impact de ces dispositifs une fois les crises passées et les programmes terminés tels que leur endettement, d’où l’importance d’un accompagnement post-crises.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».