Et si les banques agissaient comme catalyseur de l'innovation sociale et comme levier de développement des PME?
Bibliographic record
Abstract
Résumé La survie des PME, le moteur de l’économie, dépend largement de l’accès au financement pour la réalisation de leurs objectifs de mise en marché, de croissance, de développement et d’innovation. Pourtant, le traitement que les banques commerciales accordent aux PME ne cesse de faire l’objet de critiques. S’appuyant sur les résultats d’entrevues menées auprès d’entrepreneurs, de décideurs politiques et de banquiers, les auteures examinent deux facteurs qui semblent nuire aux relations qu’entretiennent les banques avec les PME, soit le désengagement des gouvernements, qui amène les banques à faire preuve de prudence et à négliger le suivi auprès des PME, et l’adoption d’une approche de marketing orientée vers les transactions financières standardisées à court terme. Puis, nous proposons six conseils en vue d’aider les banques à devenir un levier économique plus efficient pour les PME : assumer un rôle de catalyseur de l’innovation dans la société; passer du discours relationnel à l’action relationnelle; adopter des plans à long terme et reconnaître l’atteinte d’indicateurs de valeur ajoutée pour les clients; former des équipes pluridisciplinaires ayant des compétences relationnelles, sectorielles et entrepreneuriales; créer des équipes internes croisées visant à assurer une continuité entre les catégories d’employés; enfin, collaborer avec les acteurs publics et privés dans l’accompagnement des PME au-delà de l’étape de démarrage. Fonctions : management, économie, finance, comptabilité, entrepreneriat Secteurs : financier et bancaire, PME
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.013 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.023 | 0.002 |
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".