Anthony Rjeily Associé et leader national en transformation numérique et innovation chez EY
Bibliographic record
Abstract
Depuis la dernière crise financière internationale de 2008, où les banques ont sévèrement été critiquées, le secteur de la technologie financière (ou fintech) n’a cessé de se développer et d’innover, entretenant avec le secteur bancaire des relations à la fois aux allures de compétition et de collaboration. Même si l’utilisation de la technologie en soutien aux services financiers n’est pas récente, son essor au cours de la dernière décennie, notamment son adoption par les institutions financières, semble avoir accéléré le virage numérique et renforcé ses capacités à affronter une nouvelle crise. Les banques constituent l’une des industries dont l’activité est le moins affectée par les restrictions qu’impose la pandémie de COVID-19. Anthony Rjeily est associé chez Ernst & Young (EY) et leader national de ladite firme en transformation numérique et innovation. Il cumule plus de 25 années d’expérience et accompagne des entreprises de différents secteurs dans leurs projets de croissance par le biais de l’engagement numérique. Il nous explique dans cet entretien en quoi la fintech a rendu les banques commerciales plus agiles et leur a permis de rapidement s’adapter à l’avènement de la pandémie.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.007 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 teacher head, 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".