Vers une meilleure compréhension des bénéficiaires du microcrédit entrepreneurial en France : proposition d’une typologie des parcours des porteurs de projet
Bibliographic record
Abstract
Le microcrédit entrepreneurial est aujourd’hui considéré comme incontournable dans le cadre du développement économique et social. Il s’agit également de l’un des axes de développement de la responsabilité globale des banques dans la mesure où sa finalité est de permettre à un plus grand nombre de porteurs de projet - notamment les plus démunis - de concrétiser leurs ambitions professionnelles. Si de nombreuses études se sont intéressées à l’offre de microcrédit et à ses facteurs clefs de succès dans le cadre des pays émergents, plus rares sont celles qui se consacrent au contexte des économies dites développées, en particulier sous l’angle du candidat au microcrédit, de ses motivations, de ses besoins et de son parcours. Dans la lignée de la proposition de Guichandut (2006), cet article entend contribuer à une meilleure connaissance des acteurs du microcrédit entrepreneurial en proposant une typologie des parcours des porteurs de projet, à partir d’une étude qualitative réalisée en France. L’étude révèle qu’en dépit d’une grande hétérogénéité des profils, certains parcours-types peuvent être identifiés à partir de la motivation du candidat à l’emprunt et de sa lucidité vis-à-vis des implications économiques et humaines de son projet. Le croisement de ces deux éléments a fait émerger sept parcours types (« parcours passion », « parcours passion utopique », « parcours indépendance », « parcours indépendance décalée », « parcours tremplin », « parcours tremplin décalé », « parcours rebondir »). Cette proposition de typologie constitue une contribution car elle représente une étape préalable nécessaire en vue d’une meilleure compréhension de la demande de microcrédit, des facteurs de risque et des besoins spécifiques d’accompagnement des porteurs de projet.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".