L’ ubérisation des services financiers, une tendance lourde
Bibliographic record
Abstract
L’avènement de l’Internet des objets connectés a causé dans le monde des services financiers une véritable révolution numérique. Cet article traite de la rupture des pratiques à la suite de l’avènement des plateformes numériques intelligentes dans le secteur des services financiers. En première partie, l’origine et la pertinence du phénomène sont explorées, le tout suivi d’un examen de l’état d’esprit d’un banquier traditionnel relativement aux nouveaux modèles d’affaires en train de perturber l’emploi. L’article se termine sur le désarroi des autorités réglementaires face au phénomène. Nos données prospectivistes fournissent les bases conceptuelles sur lesquelles sont fondés les nouveaux modèles d’affaires dans le secteur des services financiers. Les concepts sont originaux et intuitifs, mais basés sur des observations empiriques, sur les rapports du Forum économique mondial de Davos et sur l’analyse de nouvelles licornes dans la niche des services financiers. Le principal constat de l’article : nous sommes en présence d’un tsunami numérique qui fera disparaître des millions d’emplois dans le secteur des services financiers traditionnels.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.021 | 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".