Analyse comparative du positionnement du secteur financier québécois : tendances récentes et défis
Bibliographic record
Abstract
Ce rapport s’intéresse à l’évolution de l’emploi dans le secteur financier québécois. Son contenu repose sur des entretiens avec des dirigeants financiers et sur l’analyses de différents indicateurs de performance d’institutions financières canadiennes et étrangères. Essentiellement, nous constatons que l’évolution de l’emploi dans le secteur financier est dissocié de la performance financière des institutions : malgré une performance financière enviable depuis plusieurs années, le secteur financier crée relativement peu d’emplois. Ce phénomène s’explique notamment par la numérisation de l’offre de services, la modernisation des plateformes informatiques et l’automatisation de plusieurs tâches. De fait, certains types d’emplois ont carrément disparu ou sont en voie de disparition, pour être remplacés par d’autres souvent rattachés aux technologies. Ces changements accélèrent la centralisation de l’emploi dans les institutions, notamment au niveau des sièges sociaux, et réduisent la nécessité de maintenir un réseau de points de services délocalisés étendu. Ce nouveau modèle d’affaires bénéficie particulièrement à la région du grand Toronto, qui compte la plupart des sièges sociaux ou administratifs des grandes institutions financières canadiennes. Quoique performantes, les institutions financières québécoises sont aussi entraînées dans cette mouvance. Par ailleurs, taille relativement petite de certaines institutions québécoises constitue un enjeu quant à leur capacité d’être concurrentielles dans l’ère numérique. Le rapport se termine avec quelques recommandations pour maintenir le capital financier, humain et social du secteur financier québécois.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.009 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".