Finances: Le livret A à toutes les sauces : pour le nucléaire, pour le logement, pour l’industrie, pour la défense !

Finances: Le livret A à toutes les sauces : pour le nucléaire, pour le logement, pour l’industrie, pour la défense !

En panne de financement et face à une dette colossale, quelques responsables politiques se rabattent systématiquement sur l’utilisation des fonds du livret A comme solution pour le financement des projets. Notons qu’au départ le livret A est destiné surtout au financement du logement. Justement un secteur qui connaît une crise sans précédent avec l’écoulement des prêts pour les candidats à l’accession. Un énorme décalage entre l’offre et la demande. Les candidats potentiels sont de plus en plus de l’accession en raison de la folie des prix de l’immobilier. La cible potentielle des futures acheteurs ne cesse de se réduire. La location est aussi victime de cette situation mais aussi du fatras de normes qui pratiquement génèrent des surcoûts impossibles à amortir pour les appartements et maisons à mettre en location.

Parallèlement on s’interroge aussi sur la possibilité maintenant de financer les projets de défense en sollicitant aussi le livret A.
Un livret A qu’on imagine d’une façon plus générale mettre la disposition de toutes l’industrie. Enfin le même livret pourrait servir à l’énorme besoin de financement d’EDF pour les centrales décidées par le gouvernement mais non financées.

Bref le signe qu’on décide de grandes orientations sans prévoir le financement en se rabattant sur des fonds normalement destinés au secteur du logement qui connaît pourtant une crise sans précédent.

Face aux difficultés de financement que rencontre cette filière, notamment ses startups et ses PME, et des dangers d’une mise en œuvre d’une taxonomie trop radicale au niveau européen qui exclurait l’industrie de la défense, quatre députés, dont le président de la commission de la défense de l’Assemblée nationale Thomas Gassilloud (Renaissance), ainsi que le rapporteur du projet de loi de programmation militaire en cours d’examen, Jean-Michel Jacques (Renaissance), Christophe Plassard (Horizon) et enfin Jean-Louis Thiériot (Les Républicains) pourraient avoir trouvé une esquive imparable : « mobiliser une partie de l’encours non centralisé du livret A et du Livret de développement durable au service des entreprises contribuant à la souveraineté nationale, dont font partie les entreprises de la BITD (la base industrielle et technologique de défense, soit l’ensemble des industries de défense du pays Ndlr)», selon un amendement déposé mercredi à l’issue d’une discussion entre Bercy et les parlementaires.

Le livret A à toutes les sauces : pour le nucléaire, pour le logement, pour l’industrie, pour la défense

Le livret A à toutes les sauces : pour le nucléaire, pour le logement, pour l’industrie, pour la défense

En panne de financement et face à une dette colossale, quelques responsables politiques se rabattent systématiquement sur l’utilisation des fonds du livret A comme solution pour le financement des projets. Notons qu’au départ le livret A est destiné surtout au financement du logement. Justement un secteur qui connaît une crise sans précédent avec l’écoulement des prêts pour les candidats à l’accession. Un énorme décalage entre l’offre et la demande. Les candidats potentiels sont de plus en plus de l’accession en raison de la folie des prix de l’immobilier. La cible potentielle des futures acheteurs ne cesse de se réduire. La location est aussi victime de cette situation mais aussi du fatras de normes qui pratiquement génèrent des surcoûts impossibles à amortir pour les appartements et maisons à mettre en location.

Parallèlement on s’interroge aussi sur la possibilité maintenant de financer les projets de défense en sollicitant aussi le livret A.
Un livret A qu’on imagine d’une façon plus générale mettre la disposition de toutes l’industrie. Enfin le même livret pourrait servir à l’énorme besoin de financement d’EDF pour les centrales décidées par le gouvernement mais non financées.

Bref le signe qu’on décide de grandes orientations sans prévoir le financement en se rabattant sur des fonds normalement destinés au secteur du logement qui connaît pourtant une crise sans précédent.

Face aux difficultés de financement que rencontre cette filière, notamment ses startups et ses PME, et des dangers d’une mise en œuvre d’une taxonomie trop radicale au niveau européen qui exclurait l’industrie de la défense, quatre députés, dont le président de la commission de la défense de l’Assemblée nationale Thomas Gassilloud (Renaissance), ainsi que le rapporteur du projet de loi de programmation militaire en cours d’examen, Jean-Michel Jacques (Renaissance), Christophe Plassard (Horizon) et enfin Jean-Louis Thiériot (Les Républicains) pourraient avoir trouvé une esquive imparable : « mobiliser une partie de l’encours non centralisé du livret A et du Livret de développement durable au service des entreprises contribuant à la souveraineté nationale, dont font partie les entreprises de la BITD (la base industrielle et technologique de défense, soit l’ensemble des industries de défense du pays Ndlr)», selon un amendement déposé mercredi à l’issue d’une discussion entre Bercy et les parlementaires.

Réforme des retraites : « Un rejet massif dans toutes les catégories d’actifs

Réforme des retraites : « Un rejet massif dans toutes les catégories d’actifs

Le collectif de chercheurs Quantité critique expose, dans une tribune au « Monde », les résultats d’une enquête sur l’opinion – largement négative – des actifs sur la réforme des retraites. Mais également sur leur participation au mouvement social.

Avec un niveau de rejet qui ne cesse de s’intensifier, le gouvernement semble avoir perdu la bataille de l’opinion sur son projet de réforme des retraites. Cette opposition se vérifie dans l’enquête par sondage réalisée par le collectif de chercheurs Quantité critique auprès d’un échantillon national représentatif de 4 000 individus, entre le 15 et le 28 février 2023. Le rejet de la réforme y est largement majoritaire (69 % des actifs), tout comme le soutien au mouvement social actuel (59 % des actifs le soutiennent ou y participent).

Ce rejet est majoritaire dans toutes les catégories de personnes en activité : il est certes plus fort chez les membres des professions intermédiaires, les employés et les ouvriers, mais reste majoritaire chez les cadres (64 %). L’opposition est moins nettement dominante chez les 65 ans et plus (43 % favorables à la réforme, 44 % opposés) et les personnes déclarant un niveau de revenus nets supérieur à 4 000 euros par mois (51 % favorables, 42 % opposées).

Ce refus massif renvoie d’abord à un fait documenté depuis des années : la détérioration des conditions d’emploi et de travail. Le soutien apporté aux manifestations, aux grèves et aux blocages atteste, quant à lui, de la perte de légitimité du gouvernement et de la possibilité d’un élargissement de la contestation dans les jours à venir.

L’opposition au projet de réforme s’observe chez les salariés comme chez les indépendants. Les travailleurs ayant les activités les plus pénibles et les statuts les plus précaires sont au cœur du rejet, mais celui-ci est également fortement exprimé par les plus qualifiés. L’opposition atteint 82 % chez celles et ceux qui ont choisi quatre qualificatifs négatifs parmi les quatre suivants (« stressant », « dangereux », « répétitif » et « fatigant ») pour décrire leur travail. Elle culmine dans les secteurs d’activité connus pour la pénibilité des conditions de travail, comme l’industrie, les services à la personne, les transports, la santé et l’éducation.

Si les niveaux de rejet de la réforme sont très proches dans le privé (69 %) et le public (74 %), l’opposition est plus hétérogène dans le premier cas que dans le second. Les cadres du privé sont les plus partagés, mais le rejet de la réforme reste très majoritaire (60 % d’opposés et 25 % de favorables). Dans le secteur public, le niveau d’opposition varie moins selon la catégorie d’agents concernée.

La solidité du statut est une autre variable-clé pour appréhender l’intensité de l’opposition à la réforme. Les chômeurs et les intérimaires sont par exemple 76 % et 79 % à se dire opposés au projet. Les salariés craignant une perte de salaire ou de revenu dans la prochaine période sont aussi 76 % à s’y opposer.

France: Le fléau de la drogue partout en France et dans toutes les couches sociales

France: Le fléau de la drogue partout en France et dans toutes les couches sociales

La drogue est devenue un véritable business qui ne touche plus seulement les grandes agglomérations mais également les villes moyennes et même les zones rurales. Le business de la drogue représenterait autour de 250 milliards au plan mondial d’après l’ONU. En France,l’enjeu de ce business dépasserait 4 milliards et occuperait l’équivalent de 20 000 emplois à plein temps .L’une des conséquences est la montée de la violence sous différentes formes notamment avec 700 morts par an sur la route. On compterait jusqu’à 4 à 5000 « boutiques » de drogue en France dans les quartiers sensibles où les trafiquants font désormais la loi

Ce montant mirifique est celui des revenus générés par le trafic de stupéfiants à l’échelle de la planète selon l’Office des Nations Unis contre la Drogue et le Crime. Ce n’est bien sûr qu’une estimation, mais elle reflète le poids économique du business de la drogue. Celui-ci est supérieur au PIB de la Finlande (236 milliards) ou de la Colombie (237 milliards). 243 milliards d’euros, c’est davantage que le coût des catastrophes naturelles qui ont ravagé la planète en 2021, entre la tempête Ida sur l’Est des Etats-Unis, la vague de froid au Texas et les inondations en Belgique et en Allemagne. L’assureur Swiss Ré l’estime à 220 milliards d’euros.

Voilà, selon les derniers calculs de l’Insee, le montant qu’ont dépensé les Français en 2020 pour s’approvisionner en cannabis, cocaïne, héroïne, crack et autres produits stupéfiants. Faut-il y voir un effet des longs mois de confinement ? C’est en tout cas 7% de plus que l’année précédente et surtout deux fois davantage qu’en 2009 (2,08 milliards). À titre de comparaison, les achats de livres n’ont pesé, la même année, que 3,75 milliards dans le budget des consommateurs.

Entre les importateurs, les grossistes, les logisticiens, les revendeurs, les « choufs » (guetteurs) et les « nourrices » (ceux qui cachent les produits chez eux), le marché de la came fait travailler beaucoup de monde en France. « Un nombre important d’intermédiaires dont le trafic de drogue n’est pas la principale source de revenus », précise l’Insee qui évalue cette activité à 21 000 équivalents temps plein. Soit 0,08% de la main d’oeuvre nationale. Mais sans déclaration à l’Ursaff, ni charges sociales.
3275 points de deal

En décembre 2020, le ministère de l’Intérieur dénombrait 4000 supermarchés de la drogue, ou « fours » dans le jargon des trafiquants. Un chiffre que l’action des forces de l’ordre aurait permis de ramener à 3275 un an plus tard. La géographie, elle, ne change pas. Les points de deal se concentrent dans les zones géographiques les plus densément peuplées, au coeur des métropoles régionales à forte population étudiante et dans les départements périurbains ou situés à proximité des grandes agglomérations.
900 000
C’est le nombre de personnes qui, chaque jour en France, vapotent, fument ou mangent du cannabis, sous l’une ou l’autre de ses différentes formes – herbe, résine ou huile. Selon l’Observatoire français des drogues et des tendances addictives, le nombre d’amateurs réguliers, s’adonnant en moyenne dix fois par mois à leur goût du cannabis, s’élèverait à 1,4 million. Les adeptes plus occasionnels seraient, eux, 5 millions. Près de la moitié des adultes y aurait déjà goûté. Ces chiffres placent l’Hexagone en tête du classement européen des pays consommateurs, devant le Danemark et l’Espagne.

Sciences et prospective- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

Sciences et prospective- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

L’objectif ultime de l’IA est de développer un système intelligent pour simuler la pensée et l’intelligence humaines, tandis que le Machine Learning (ML) permet à la machine d’apprendre à partir des données pour donner le résultat souhaité. Alors que l’IA vise à rendre les machines plus humaines, le ML aide à faire en sorte que les machines apprennent comme les humains. Par Xavier Dalloz, consultant spécialisé dans les nouvelles technologies.

Les principales applications de l’IA et du ML concernent l’intelligence prévisionnelle et l’aide à la prise de décision. Pour chaque application, le pouvoir ne vient pas des machines, mais des décideurs qui sont derrière les machines, guidant leur réaction aux prédictions.
Un scientifique de l’Institut Max Planck résume très bien le principal enjeu : « l’IA va changer la médecine. Cela va changer la recherche. Cela changera la bio-ingénierie. Cela va tout changer ».
Et pour Jack Solow, le messages est encore plus clair « en 2011, les logiciels dévoraient le monde ; en 2022, l’IA dévore les logiciels. » Toute entreprise sans stratégie d’IA viable sera marginalisée d’ici la fin de cette décennie ».

L’intelligence artificielle prendra la relève de nombreuses activités, telles que la recherche sur le net, obtenir des conseils de voyage, et surtout les assistants personnels et les chatbots. Avec de l’intelligence artificielle dans les objets, nous n’aurons plus besoin d’interagir avec eux puisqu’ils sont capables de devenir autonomes et d’apprendre à anticiper nos intentions. Plus concrètement, l’IA va nous libérer d’un certain nombre d’actes inutiles et chronophages.

Pour la Darpa, l’Intelligence artificielle se mesure en fonction de quatre capacités :
• Percevoir
o C’est-à-dire récupérer des informations de l’environnement externe et la capacité à inférer des choses sur le monde via des sons, des images et d’autres entrées sensorielles.
• Apprentissage
o C’est-à-dire améliorer de façon autonome les fonctions de base
• Abstraction
o C’est-à-dire adaptation autonome à de nouvelles situations et compréhension du contexte
• Raisonnement
o C’est-à-dire prendre des décisions correctes avec de meilleures réponses en fonction des connaissances disponibles

On peut résumer les étapes du déploiement de l’intelligence artificielle de la façon suivante ;
• Première étape – Connaissance artisanale
La première vague de systèmes d’IA repose sur des connaissances artisanales. Ces systèmes, construits par des experts du domaine, contiennent des règles qui décrivent les processus de base et les ensembles de connaissances de domaines spécifiques.
• Deuxième étape – Apprentissage statistique
Les systèmes d’IA de deuxième vague sont ceux construits en utilisant des techniques d’apprentissage automatique telles que les réseaux de neurones. Ces systèmes s’appuient sur des modèles statistiques qui caractérisent un domaine spécifique. Ils alimentent ensuite les algorithmes du Big data en affinant sa capacité à prédire correctement le résultat.
• Troisième étape – Adaptation contextuelle
La troisième vague d’IA est constitué des systèmes capables d’adaptation contextuelle. Ce sont des systèmes qui construisent des modèles explicatifs pour des classes de phénomènes du monde réel. Les systèmes de la troisième vague montrent une capacité à comprendre ce qu’ils font et pourquoi ils le font.
Les types d’intelligence artificielle peuvent être regroupées en cinq catégories:
• Raisonnement
La capacité de résoudre des problèmes par déduction logique .
• Connaissance
La capacité de présenter des connaissances sur le monde. Par exemple : la négociation sur les marchés financiers, la prévision des achats, la prévention de la fraude, la création de médicaments ou le diagnostic médical.
• Planification
La capacité de définir et d’atteindre des objectifs. Par exemple : la gestion des stocks, la prévision de la demande, la maintenance prédictive, l’optimisation des réseaux physique et numérique, etc.
• Communication
La capacité à comprendre le langage parlé et écrit. Par exemple : la traduction en temps réel des langues parlées et écrites, les assistants intelligents ou la commande vocale
• Explicabilité
Sans explications derrière les fonctionnalités internes d’un modèle d’IA et les décisions qu’il prend, il y a un risque que le modèle ne soit pas considéré comme digne de confiance ou légitime. XAI offre la compréhensibilité et la transparence nécessaires pour permettre une plus grande confiance envers les solutions basées sur l’IA.
• Les réseaux de neurones
Les réseaux de neurones fonctionnent sur les principes similaires à ceux des cellules neuronales humaines. Il s’agit d’une série d’algorithmes qui capturent la relation entre diverses variables sous-jacentes et enregistrent les données comme le fait un cerveau humain.
• Traitement du langage naturel (PNL)
Le PNL est une science de lecture, de compréhension, d’interprétation d’un langage par une machine. Une fois qu’une machine comprend ce que l’utilisateur a l’intention de communiquer, elle répond en conséquence.
• Vision par ordinateur
Utiliser la vision par ordinateur signifie que l’utilisateur entre une image dans le système et que ce qu’il reçoit en tant que sortie peut inclure des caractéristiques quantitatives et donc de décisions.

Voici quelques exemples d’applications de l’intelligence qui vont être au cœur de la réinvention de secteurs d’activités :

Exemples dans le domaine des services financiers
L’intelligence artificielle dans le secteur bancaire accélère la numérisation des processus bancaires et financiers de bout en bout. En mettant en œuvre la puissance de l’analyse de données, des algorithmes ML intelligents et des intégrations sécurisées dans les applications, les applications d’IA optimisent la qualité du service et aident les entreprises à identifier et à combattre les fausses transactions.
• Exemple des Chatbots IA
o Les chatbots IA du secteur bancaire peuvent assister les clients 24h/24 et 7j/7 et donner des réponses précises à leurs requêtes. Ces chatbots offrent une expérience personnalisée aux utilisateurs.
• Exemple de l’amélioration de l’expérience client
o Les applications mobiles intelligentes utilisant des algorithmes ML peuvent surveiller le comportement des utilisateurs et en tirer des informations précieuses basées sur les modèles de recherche des utilisateurs. Ces informations vont aider les fournisseurs de services à proposer des recommandations personnalisées aux utilisateurs finaux.

• Exemple de l’automatisation et rend le processus transparent
o Les applications d’IA peuvent réduire la charge de travail des banquiers et optimiser la qualité du travail.
• Exemple de la collecte et de l’analyse de données
o Les banques peuvent également prendre des décisions commerciales efficaces grâce aux informations tirées des données clients et leur proposer des recommandations de services personnalisées.
• Exemple de la gestion de portefeuille
o La gestion de patrimoine et de portefeuille peut être effectuée de manière plus puissante grâce à l’intelligence artificielle.
• Exemple de la gestion des risques
o L’IA va aider les banquiers à identifier les risques liés à l’octroi de prêts.
o En utilisant le processus d’évaluation des risques basé sur l’IA, les banquiers peuvent analyser le comportement de l’emprunteur et ainsi réduire la possibilité d’actes frauduleux.
• Exemple de la détection de la fraude
o Les applications bancaires d’intelligence artificielle détectent les risques et minimisent les actes frauduleux.

Exemples dans le domaine de la gestion des villes
• Exemple du contrôle de la pollution
o Prédire les niveaux de pollution pour les prochaines heures. Ce type de technologie permet aux autorités de prendre des décisions à l’avance pour réduire leur impact sur l’environnement.
• Exemple de la gestion des systèmes de stationnement
o La disponibilité des places peut être présentée aux utilisateurs en attente, certaines technologies plus avancées ont la capacité de recommander des places en fonction de la voiture.
• Exemple da la gestion des transports publics
o Permettre aux usagers des transports en commun de recevoir et d’accéder aux dates et suivis en temps réel, ce qui améliore le timing et la satisfaction des clients.
• Exemple de la gestion des déchets
o Permettre aux villes de suivre le recyclage et d’identifier ce qui peut être recyclé dans la région.
• Exemple de la gestion du trafic
o Prédire et réduire le trafic, en utilisant des algorithmes d’apprentissage en profondeur, ce qui peut également réduire la pollution créée par le trafic.
• Exemple du suivi de la consommation de l’énergie
o Analyser et suivre la consommation d’énergie des entreprises et des citoyens, avec ces données, il peut ensuite être décidé où impliquer des sources d’énergie renouvelables.
• Exemple de la gestion de l’environnement
o Permettre aux autorités et aux villes de prendre des décisions éclairées qui sont les meilleures pour l’environnement. Les villes intelligentes utilisent également l’IA pour détecter le CO2, ce qui peut ensuite conduire à des décisions en matière de transport.

Exemples dans le domaine du commerce de détail
Le potentiel pour stimuler les ventes avec de l’IA dans les magasins est considérable :
• La reconnaissance intelligente des produits et la facturation automatisée permettent des magasins sans caissier
• Les interfaces d’IA telles que les chatbots et les écrans interactifs prennent en charge le service client
• Une tarification intelligente permet de gérer la demande et de stimuler les ventes
• L’analyse prédictive aide à la prévision des prix en fonction de la demande et des tendances saisonnières
• La gestion intelligente de la chaîne d’approvisionnement et la logistique améliorent la disponibilité des produit.
• Les modèles d’apprentissage automatique catégorisent et regroupent automatiquement les produits
• Les cabines d’essayage virtuelles avec miroirs intelligents prennent en charge le libre-service au plus haut niveau
• Prédire le comportement des clients
• Améliorer l’aménagement de la surface de vente en fonction de l’analyse du comportement des clients

Exemples dans le domaine de la santé
Qu’il s’agisse de l’utiliser pour détecter des liens entre des codes génétiques, d’utiliser des robots chirurgicaux ou même de maximiser l’efficacité des hôpitaux.
Par exemple :
• Soutien aux décisions cliniques
• Amélioration aux soins primaires grâce aux chatbots
• Chirurgies robotiques
• Infirmières auxiliaires virtuelles
• Aide au diagnostic précis

Nouvelles technologies- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

Nouvelles technologies- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

L’objectif ultime de l’IA est de développer un système intelligent pour simuler la pensée et l’intelligence humaines, tandis que le Machine Learning (ML) permet à la machine d’apprendre à partir des données pour donner le résultat souhaité. Alors que l’IA vise à rendre les machines plus humaines, le ML aide à faire en sorte que les machines apprennent comme les humains. Par Xavier Dalloz, consultant spécialisé dans les nouvelles technologies.

Les principales applications de l’IA et du ML concernent l’intelligence prévisionnelle et l’aide à la prise de décision. Pour chaque application, le pouvoir ne vient pas des machines, mais des décideurs qui sont derrière les machines, guidant leur réaction aux prédictions.
Un scientifique de l’Institut Max Planck résume très bien le principal enjeu : « l’IA va changer la médecine. Cela va changer la recherche. Cela changera la bio-ingénierie. Cela va tout changer ».
Et pour Jack Solow, le messages est encore plus clair « en 2011, les logiciels dévoraient le monde ; en 2022, l’IA dévore les logiciels. » Toute entreprise sans stratégie d’IA viable sera marginalisée d’ici la fin de cette décennie ».

L’intelligence artificielle prendra la relève de nombreuses activités, telles que la recherche sur le net, obtenir des conseils de voyage, et surtout les assistants personnels et les chatbots. Avec de l’intelligence artificielle dans les objets, nous n’aurons plus besoin d’interagir avec eux puisqu’ils sont capables de devenir autonomes et d’apprendre à anticiper nos intentions. Plus concrètement, l’IA va nous libérer d’un certain nombre d’actes inutiles et chronophages.

Pour la Darpa, l’Intelligence artificielle se mesure en fonction de quatre capacités :
• Percevoir
o C’est-à-dire récupérer des informations de l’environnement externe et la capacité à inférer des choses sur le monde via des sons, des images et d’autres entrées sensorielles.
• Apprentissage
o C’est-à-dire améliorer de façon autonome les fonctions de base
• Abstraction
o C’est-à-dire adaptation autonome à de nouvelles situations et compréhension du contexte
• Raisonnement
o C’est-à-dire prendre des décisions correctes avec de meilleures réponses en fonction des connaissances disponibles

On peut résumer les étapes du déploiement de l’intelligence artificielle de la façon suivante ;
• Première étape – Connaissance artisanale
La première vague de systèmes d’IA repose sur des connaissances artisanales. Ces systèmes, construits par des experts du domaine, contiennent des règles qui décrivent les processus de base et les ensembles de connaissances de domaines spécifiques.
• Deuxième étape – Apprentissage statistique
Les systèmes d’IA de deuxième vague sont ceux construits en utilisant des techniques d’apprentissage automatique telles que les réseaux de neurones. Ces systèmes s’appuient sur des modèles statistiques qui caractérisent un domaine spécifique. Ils alimentent ensuite les algorithmes du Big data en affinant sa capacité à prédire correctement le résultat.
• Troisième étape – Adaptation contextuelle
La troisième vague d’IA est constitué des systèmes capables d’adaptation contextuelle. Ce sont des systèmes qui construisent des modèles explicatifs pour des classes de phénomènes du monde réel. Les systèmes de la troisième vague montrent une capacité à comprendre ce qu’ils font et pourquoi ils le font.
Les types d’intelligence artificielle peuvent être regroupées en cinq catégories:
• Raisonnement
La capacité de résoudre des problèmes par déduction logique .
• Connaissance
La capacité de présenter des connaissances sur le monde. Par exemple : la négociation sur les marchés financiers, la prévision des achats, la prévention de la fraude, la création de médicaments ou le diagnostic médical.
• Planification
La capacité de définir et d’atteindre des objectifs. Par exemple : la gestion des stocks, la prévision de la demande, la maintenance prédictive, l’optimisation des réseaux physique et numérique, etc.
• Communication
La capacité à comprendre le langage parlé et écrit. Par exemple : la traduction en temps réel des langues parlées et écrites, les assistants intelligents ou la commande vocale
• Explicabilité
Sans explications derrière les fonctionnalités internes d’un modèle d’IA et les décisions qu’il prend, il y a un risque que le modèle ne soit pas considéré comme digne de confiance ou légitime. XAI offre la compréhensibilité et la transparence nécessaires pour permettre une plus grande confiance envers les solutions basées sur l’IA.
• Les réseaux de neurones
Les réseaux de neurones fonctionnent sur les principes similaires à ceux des cellules neuronales humaines. Il s’agit d’une série d’algorithmes qui capturent la relation entre diverses variables sous-jacentes et enregistrent les données comme le fait un cerveau humain.
• Traitement du langage naturel (PNL)
Le PNL est une science de lecture, de compréhension, d’interprétation d’un langage par une machine. Une fois qu’une machine comprend ce que l’utilisateur a l’intention de communiquer, elle répond en conséquence.
• Vision par ordinateur
Utiliser la vision par ordinateur signifie que l’utilisateur entre une image dans le système et que ce qu’il reçoit en tant que sortie peut inclure des caractéristiques quantitatives et donc de décisions.

Voici quelques exemples d’applications de l’intelligence qui vont être au cœur de la réinvention de secteurs d’activités :

Exemples dans le domaine des services financiers
L’intelligence artificielle dans le secteur bancaire accélère la numérisation des processus bancaires et financiers de bout en bout. En mettant en œuvre la puissance de l’analyse de données, des algorithmes ML intelligents et des intégrations sécurisées dans les applications, les applications d’IA optimisent la qualité du service et aident les entreprises à identifier et à combattre les fausses transactions.
• Exemple des Chatbots IA
o Les chatbots IA du secteur bancaire peuvent assister les clients 24h/24 et 7j/7 et donner des réponses précises à leurs requêtes. Ces chatbots offrent une expérience personnalisée aux utilisateurs.
• Exemple de l’amélioration de l’expérience client
o Les applications mobiles intelligentes utilisant des algorithmes ML peuvent surveiller le comportement des utilisateurs et en tirer des informations précieuses basées sur les modèles de recherche des utilisateurs. Ces informations vont aider les fournisseurs de services à proposer des recommandations personnalisées aux utilisateurs finaux.

• Exemple de l’automatisation et rend le processus transparent
o Les applications d’IA peuvent réduire la charge de travail des banquiers et optimiser la qualité du travail.
• Exemple de la collecte et de l’analyse de données
o Les banques peuvent également prendre des décisions commerciales efficaces grâce aux informations tirées des données clients et leur proposer des recommandations de services personnalisées.
• Exemple de la gestion de portefeuille
o La gestion de patrimoine et de portefeuille peut être effectuée de manière plus puissante grâce à l’intelligence artificielle.
• Exemple de la gestion des risques
o L’IA va aider les banquiers à identifier les risques liés à l’octroi de prêts.
o En utilisant le processus d’évaluation des risques basé sur l’IA, les banquiers peuvent analyser le comportement de l’emprunteur et ainsi réduire la possibilité d’actes frauduleux.
• Exemple de la détection de la fraude
o Les applications bancaires d’intelligence artificielle détectent les risques et minimisent les actes frauduleux.

Exemples dans le domaine de la gestion des villes
• Exemple du contrôle de la pollution
o Prédire les niveaux de pollution pour les prochaines heures. Ce type de technologie permet aux autorités de prendre des décisions à l’avance pour réduire leur impact sur l’environnement.
• Exemple de la gestion des systèmes de stationnement
o La disponibilité des places peut être présentée aux utilisateurs en attente, certaines technologies plus avancées ont la capacité de recommander des places en fonction de la voiture.
• Exemple da la gestion des transports publics
o Permettre aux usagers des transports en commun de recevoir et d’accéder aux dates et suivis en temps réel, ce qui améliore le timing et la satisfaction des clients.
• Exemple de la gestion des déchets
o Permettre aux villes de suivre le recyclage et d’identifier ce qui peut être recyclé dans la région.
• Exemple de la gestion du trafic
o Prédire et réduire le trafic, en utilisant des algorithmes d’apprentissage en profondeur, ce qui peut également réduire la pollution créée par le trafic.
• Exemple du suivi de la consommation de l’énergie
o Analyser et suivre la consommation d’énergie des entreprises et des citoyens, avec ces données, il peut ensuite être décidé où impliquer des sources d’énergie renouvelables.
• Exemple de la gestion de l’environnement
o Permettre aux autorités et aux villes de prendre des décisions éclairées qui sont les meilleures pour l’environnement. Les villes intelligentes utilisent également l’IA pour détecter le CO2, ce qui peut ensuite conduire à des décisions en matière de transport.

Exemples dans le domaine du commerce de détail
Le potentiel pour stimuler les ventes avec de l’IA dans les magasins est considérable :
• La reconnaissance intelligente des produits et la facturation automatisée permettent des magasins sans caissier
• Les interfaces d’IA telles que les chatbots et les écrans interactifs prennent en charge le service client
• Une tarification intelligente permet de gérer la demande et de stimuler les ventes
• L’analyse prédictive aide à la prévision des prix en fonction de la demande et des tendances saisonnières
• La gestion intelligente de la chaîne d’approvisionnement et la logistique améliorent la disponibilité des produit.
• Les modèles d’apprentissage automatique catégorisent et regroupent automatiquement les produits
• Les cabines d’essayage virtuelles avec miroirs intelligents prennent en charge le libre-service au plus haut niveau
• Prédire le comportement des clients
• Améliorer l’aménagement de la surface de vente en fonction de l’analyse du comportement des clients

Exemples dans le domaine de la santé
Qu’il s’agisse de l’utiliser pour détecter des liens entre des codes génétiques, d’utiliser des robots chirurgicaux ou même de maximiser l’efficacité des hôpitaux.
Par exemple :
• Soutien aux décisions cliniques
• Amélioration aux soins primaires grâce aux chatbots
• Chirurgies robotiques
• Infirmières auxiliaires virtuelles
• Aide au diagnostic précis

Prospective- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

Prospective- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

L’objectif ultime de l’IA est de développer un système intelligent pour simuler la pensée et l’intelligence humaines, tandis que le Machine Learning (ML) permet à la machine d’apprendre à partir des données pour donner le résultat souhaité. Alors que l’IA vise à rendre les machines plus humaines, le ML aide à faire en sorte que les machines apprennent comme les humains. Par Xavier Dalloz, consultant spécialisé dans les nouvelles technologies.

Les principales applications de l’IA et du ML concernent l’intelligence prévisionnelle et l’aide à la prise de décision. Pour chaque application, le pouvoir ne vient pas des machines, mais des décideurs qui sont derrière les machines, guidant leur réaction aux prédictions.
Un scientifique de l’Institut Max Planck résume très bien le principal enjeu : « l’IA va changer la médecine. Cela va changer la recherche. Cela changera la bio-ingénierie. Cela va tout changer ».
Et pour Jack Solow, le messages est encore plus clair « en 2011, les logiciels dévoraient le monde ; en 2022, l’IA dévore les logiciels. » Toute entreprise sans stratégie d’IA viable sera marginalisée d’ici la fin de cette décennie ».

L’intelligence artificielle prendra la relève de nombreuses activités, telles que la recherche sur le net, obtenir des conseils de voyage, et surtout les assistants personnels et les chatbots. Avec de l’intelligence artificielle dans les objets, nous n’aurons plus besoin d’interagir avec eux puisqu’ils sont capables de devenir autonomes et d’apprendre à anticiper nos intentions. Plus concrètement, l’IA va nous libérer d’un certain nombre d’actes inutiles et chronophages.

Pour la Darpa, l’Intelligence artificielle se mesure en fonction de quatre capacités :
• Percevoir
o C’est-à-dire récupérer des informations de l’environnement externe et la capacité à inférer des choses sur le monde via des sons, des images et d’autres entrées sensorielles.
• Apprentissage
o C’est-à-dire améliorer de façon autonome les fonctions de base
• Abstraction
o C’est-à-dire adaptation autonome à de nouvelles situations et compréhension du contexte
• Raisonnement
o C’est-à-dire prendre des décisions correctes avec de meilleures réponses en fonction des connaissances disponibles

On peut résumer les étapes du déploiement de l’intelligence artificielle de la façon suivante ;
• Première étape – Connaissance artisanale
La première vague de systèmes d’IA repose sur des connaissances artisanales. Ces systèmes, construits par des experts du domaine, contiennent des règles qui décrivent les processus de base et les ensembles de connaissances de domaines spécifiques.
• Deuxième étape – Apprentissage statistique
Les systèmes d’IA de deuxième vague sont ceux construits en utilisant des techniques d’apprentissage automatique telles que les réseaux de neurones. Ces systèmes s’appuient sur des modèles statistiques qui caractérisent un domaine spécifique. Ils alimentent ensuite les algorithmes du Big data en affinant sa capacité à prédire correctement le résultat.
• Troisième étape – Adaptation contextuelle
La troisième vague d’IA est constitué des systèmes capables d’adaptation contextuelle. Ce sont des systèmes qui construisent des modèles explicatifs pour des classes de phénomènes du monde réel. Les systèmes de la troisième vague montrent une capacité à comprendre ce qu’ils font et pourquoi ils le font.
Les types d’intelligence artificielle peuvent être regroupées en cinq catégories:
• Raisonnement
La capacité de résoudre des problèmes par déduction logique .
• Connaissance
La capacité de présenter des connaissances sur le monde. Par exemple : la négociation sur les marchés financiers, la prévision des achats, la prévention de la fraude, la création de médicaments ou le diagnostic médical.
• Planification
La capacité de définir et d’atteindre des objectifs. Par exemple : la gestion des stocks, la prévision de la demande, la maintenance prédictive, l’optimisation des réseaux physique et numérique, etc.
• Communication
La capacité à comprendre le langage parlé et écrit. Par exemple : la traduction en temps réel des langues parlées et écrites, les assistants intelligents ou la commande vocale
• Explicabilité
Sans explications derrière les fonctionnalités internes d’un modèle d’IA et les décisions qu’il prend, il y a un risque que le modèle ne soit pas considéré comme digne de confiance ou légitime. XAI offre la compréhensibilité et la transparence nécessaires pour permettre une plus grande confiance envers les solutions basées sur l’IA.
• Les réseaux de neurones
Les réseaux de neurones fonctionnent sur les principes similaires à ceux des cellules neuronales humaines. Il s’agit d’une série d’algorithmes qui capturent la relation entre diverses variables sous-jacentes et enregistrent les données comme le fait un cerveau humain.
• Traitement du langage naturel (PNL)
Le PNL est une science de lecture, de compréhension, d’interprétation d’un langage par une machine. Une fois qu’une machine comprend ce que l’utilisateur a l’intention de communiquer, elle répond en conséquence.
• Vision par ordinateur
Utiliser la vision par ordinateur signifie que l’utilisateur entre une image dans le système et que ce qu’il reçoit en tant que sortie peut inclure des caractéristiques quantitatives et donc de décisions.

Voici quelques exemples d’applications de l’intelligence qui vont être au cœur de la réinvention de secteurs d’activités :

Exemples dans le domaine des services financiers
L’intelligence artificielle dans le secteur bancaire accélère la numérisation des processus bancaires et financiers de bout en bout. En mettant en œuvre la puissance de l’analyse de données, des algorithmes ML intelligents et des intégrations sécurisées dans les applications, les applications d’IA optimisent la qualité du service et aident les entreprises à identifier et à combattre les fausses transactions.
• Exemple des Chatbots IA
o Les chatbots IA du secteur bancaire peuvent assister les clients 24h/24 et 7j/7 et donner des réponses précises à leurs requêtes. Ces chatbots offrent une expérience personnalisée aux utilisateurs.
• Exemple de l’amélioration de l’expérience client
o Les applications mobiles intelligentes utilisant des algorithmes ML peuvent surveiller le comportement des utilisateurs et en tirer des informations précieuses basées sur les modèles de recherche des utilisateurs. Ces informations vont aider les fournisseurs de services à proposer des recommandations personnalisées aux utilisateurs finaux.

• Exemple de l’automatisation et rend le processus transparent
o Les applications d’IA peuvent réduire la charge de travail des banquiers et optimiser la qualité du travail.
• Exemple de la collecte et de l’analyse de données
o Les banques peuvent également prendre des décisions commerciales efficaces grâce aux informations tirées des données clients et leur proposer des recommandations de services personnalisées.
• Exemple de la gestion de portefeuille
o La gestion de patrimoine et de portefeuille peut être effectuée de manière plus puissante grâce à l’intelligence artificielle.
• Exemple de la gestion des risques
o L’IA va aider les banquiers à identifier les risques liés à l’octroi de prêts.
o En utilisant le processus d’évaluation des risques basé sur l’IA, les banquiers peuvent analyser le comportement de l’emprunteur et ainsi réduire la possibilité d’actes frauduleux.
• Exemple de la détection de la fraude
o Les applications bancaires d’intelligence artificielle détectent les risques et minimisent les actes frauduleux.

Exemples dans le domaine de la gestion des villes
• Exemple du contrôle de la pollution
o Prédire les niveaux de pollution pour les prochaines heures. Ce type de technologie permet aux autorités de prendre des décisions à l’avance pour réduire leur impact sur l’environnement.
• Exemple de la gestion des systèmes de stationnement
o La disponibilité des places peut être présentée aux utilisateurs en attente, certaines technologies plus avancées ont la capacité de recommander des places en fonction de la voiture.
• Exemple da la gestion des transports publics
o Permettre aux usagers des transports en commun de recevoir et d’accéder aux dates et suivis en temps réel, ce qui améliore le timing et la satisfaction des clients.
• Exemple de la gestion des déchets
o Permettre aux villes de suivre le recyclage et d’identifier ce qui peut être recyclé dans la région.
• Exemple de la gestion du trafic
o Prédire et réduire le trafic, en utilisant des algorithmes d’apprentissage en profondeur, ce qui peut également réduire la pollution créée par le trafic.
• Exemple du suivi de la consommation de l’énergie
o Analyser et suivre la consommation d’énergie des entreprises et des citoyens, avec ces données, il peut ensuite être décidé où impliquer des sources d’énergie renouvelables.
• Exemple de la gestion de l’environnement
o Permettre aux autorités et aux villes de prendre des décisions éclairées qui sont les meilleures pour l’environnement. Les villes intelligentes utilisent également l’IA pour détecter le CO2, ce qui peut ensuite conduire à des décisions en matière de transport.

Exemples dans le domaine du commerce de détail
Le potentiel pour stimuler les ventes avec de l’IA dans les magasins est considérable :
• La reconnaissance intelligente des produits et la facturation automatisée permettent des magasins sans caissier
• Les interfaces d’IA telles que les chatbots et les écrans interactifs prennent en charge le service client
• Une tarification intelligente permet de gérer la demande et de stimuler les ventes
• L’analyse prédictive aide à la prévision des prix en fonction de la demande et des tendances saisonnières
• La gestion intelligente de la chaîne d’approvisionnement et la logistique améliorent la disponibilité des produit.
• Les modèles d’apprentissage automatique catégorisent et regroupent automatiquement les produits
• Les cabines d’essayage virtuelles avec miroirs intelligents prennent en charge le libre-service au plus haut niveau
• Prédire le comportement des clients
• Améliorer l’aménagement de la surface de vente en fonction de l’analyse du comportement des clients

Exemples dans le domaine de la santé
Qu’il s’agisse de l’utiliser pour détecter des liens entre des codes génétiques, d’utiliser des robots chirurgicaux ou même de maximiser l’efficacité des hôpitaux.
Par exemple :
• Soutien aux décisions cliniques
• Amélioration aux soins primaires grâce aux chatbots
• Chirurgies robotiques
• Infirmières auxiliaires virtuelles
• Aide au diagnostic précis

Taux américains: : une hausse qui va secouer toutes les banques centrales

Taux américains: : une hausse qui va secouer toutes les banques centrales

La banque centrale américaine a une fois de plus bousculé le monde monétaire en décidant d’un nouveau relèvement des taux d’intérêt. L’objectif est bien sûr de lutter contre une inflation qui selon les indicateurs se situe entre 6 et 8 %. Quant aux taux d’intérêt, ils se situent maintenant près de 4 %. Il y a donc encore de la marge même si la Fed laisse entendre qu’elle va maintenant ralentir le processus d’augmentation des taux.La première conséquence à attendre sera un bouleversement des taux de change dont l’euro sera l’une des victimes.

L’enjeu est en effet de lutter contre l’inflation mais sans trop menacer la croissance. La croissance est encore satisfaisante en 2022, autour de 2,5 % mais elle devrait se tasser en 2023.Les prévisions n’accordent qu’une progression de l’activité de 1 % l’année prochaine. À noter que dans le même temps l’union européenne pourrait tutoyer la récession.

La plupart des banques centrales sont donc à la remorque des États-Unis, les plus forts taux d’intérêt américain attirent en effet les capitaux ce qui a pour effet de renforcer encore le dollar est inversement d’affaiblir les autres monnaies.

Inévitablement, les autres banques centrales devront aussi procéder à de nouveaux réajustements à la hausse des taux d’intérêt sinon le risque est grand de provoquer de nouvelles dévalorisations des monnaies par rapport au dollar.

La Banque centrale européenne (BCE) a décidé Récemment hausse de ses taux d’intérêt de 75 points de base. Il s’agit de l’augmentation la plus importante appliquée depuis 1999.

« Le taux d’intérêt des opérations principales de refinancement et les taux d’intérêt de la facilité de prêt marginal et de la facilité de dépôt seront respectivement portés à 1,25 %, 1,50 % et 0,75 %, avec effet au 14 septembre 2022″, a précisé l’institution de Francfort. Mais la différence entre les taux européens et américains sont encore énormes.

La banque centrale américaine (Fed) a donc relevé mercredi ses taux à leur plus haut niveau depuis près de 15 ans, et pense continuer à les augmenter, cherchant à tout prix à juguler la forte inflation, une tâche compliquée cependant par la menace d’une récession.

Lors de sa conférence de presse, le président de la réserve fédérale, Jerome Powell, a prévenu qu’il faudrait « du temps » avant que les hausses de taux d’intérêt ne ralentissent l’inflation et que cela passerait sans doute par un ralentissement de l’économie.

Taux d’intérêt : un nouveau relèvement des taux américains qui va secouer toutes les banques centrales

Taux d’intérês : un nouveau relèvement des taux américains qui va secouer toutes les banques centrales

La banque centrale américaine a une fois de plus bousculé le monde monétaire en décidant d’un nouveau relèvement des taux d’intérêt. L’objectif est bien sûr de lutter contre une inflation qui selon les indicateurs se situe entre 6 et 8 %. Quant aux taux d’intérêt, ils se situnte maintenant près de 4 %. Il y a donc encore de la marge même si la Fed laisse entendre qu’elle va maintenant ralentir le processus d’augmentation des taux.

L’enjeu est en effet de lutter contre l’inflation mais sans trop menacer la croissance. La croissance est encore satisfaisante en 2022, autour de 2,5 % mais elle devrait se tasser en 2023.Les prévisions n’accordent qu’une progression de l’activité de 1 % l’année prochaine. À noter que dans le même temps l’union européenne pourrait tutoyer la récession.

La plupart des banques centrales sont donc à la remorque des États-Unis, les plus forts taux d’intérêt américain attirent en effet les capitaux ce qui a pour effet de renforcer encore le dollar est inversement d’affaiblir les autres monnaies.

Inévitablement, les autres banques centrales devront aussi procéder à de nouveaux réajustements à la hausse des taux d’intérêt sinon le risque est grand de provoquer de nouvelles dévalorisations des monnaies par rapport au dollar.

La Banque centrale européenne (BCE) a décidé Récemment hausse de ses taux d’intérêt de 75 points de base. Il s’agit de l’augmentation la plus importante appliquée depuis 1999.

« Le taux d’intérêt des opérations principales de refinancement et les taux d’intérêt de la facilité de prêt marginal et de la facilité de dépôt seront respectivement portés à 1,25 %, 1,50 % et 0,75 %, avec effet au 14 septembre 2022″, a précisé l’institution de Francfort. Mais la différence entre les taux européens et américains sont encore énormes.

La banque centrale américaine (Fed) a donc relevé mercredi ses taux à leur plus haut niveau depuis près de 15 ans, et pense continuer à les augmenter, cherchant à tout prix à juguler la forte inflation, une tâche compliquée cependant par la menace d’une récession.

Lors de sa conférence de presse, le président de la réserve fédérale, Jerome Powell, a prévenu qu’il faudrait « du temps » avant que les hausses de taux d’intérêt ne ralentissent l’inflation et que cela passerait sans doute par un ralentissement de l’économie.

Politique monétaire : un nouveau relèvement des taux américains qui va secouer toutes les banques centrales

Politique monétaire : un nouveau relèvement des taux américains qui va secouer toutes les banques centrales

La banque centrale américaine a une fois de plus bousculé le monde monétaire en décidant d’un nouveau relèvement des taux d’intérêt. L’objectif est bien sûr de lutter contre une inflation qui selon les indicateurs se situe entre 6 et 8 %. Quant aux taux d’intérêt, ils se situnte maintenant près de 4 %. Il y a donc encore de la marge même si la Fed laisse entendre qu’elle va maintenant ralentir le processus d’augmentation des taux.

L’enjeu est en effet de lutter contre l’inflation mais sans trop menacer la croissance. La croissance est encore satisfaisante en 2022, autour de 2,5 % mais elle devrait se tasser en 2023.Les prévisions n’accordent qu’une progression de l’activité de 1 % l’année prochaine. À noter que dans le même temps l’union européenne pourrait tutoyer la récession.

La plupart des banques centrales sont donc à la remorque des États-Unis, les plus forts taux d’intérêt américain attirent en effet les capitaux ce qui a pour effet de renforcer encore le dollar est inversement d’affaiblir les autres monnaies.

Inévitablement, les autres banques centrales devront aussi procéder à de nouveaux réajustements à la hausse des taux d’intérêt sinon le risque est grand de provoquer de nouvelles dévalorisations des monnaies par rapport au dollar.

La Banque centrale européenne (BCE) a décidé Récemment hausse de ses taux d’intérêt de 75 points de base. Il s’agit de l’augmentation la plus importante appliquée depuis 1999.

« Le taux d’intérêt des opérations principales de refinancement et les taux d’intérêt de la facilité de prêt marginal et de la facilité de dépôt seront respectivement portés à 1,25 %, 1,50 % et 0,75 %, avec effet au 14 septembre 2022″, a précisé l’institution de Francfort. Mais la différence entre les taux européens et américains sont encore énormes

La banque centrale américaine (Fed) a donc relevé mercredi ses taux à leur plus haut niveau depuis près de 15 ans, et pense continuer à les augmenter, cherchant à tout prix à juguler la forte inflation, une tâche compliquée cependant par la menace d’une récession.

Lors de sa conférence de presse, le président de la réserve fédérale, Jerome Powell, a prévenu qu’il faudrait « du temps » avant que les hausses de taux d’intérêt ne ralentissent l’inflation et que cela passerait sans doute par un ralentissement de l’économie.

Taux d’intérêt : un nouveau relèvement américain qui va secouer toutes les banques centrales

Taux d’intérêt : un nouveau relèvement américain qui va secouer toutes les banques centrales

La banque centrale américaine a une fois de plus bousculé le monde monétaire en décidant d’un nouveau relèvement des taux d’intérêt. L’objectif est bien sûr de lutter contre une inflation qui selon les indicateurs se situe entre 6 et 8 %. Quant aux taux d’intérêt, ils se situnte maintenant près de 4 %. Il y a donc encore de la marge même si la Fed laisse entendre qu’elle va maintenant ralentir le processus d’augmentation des taux.

L’enjeu est en effet de lutter contre l’inflation mais sans trop menacer la croissance. La croissance est encore satisfaisante en 2022, autour de 2,5 % mais elle devrait se tasser en 2023.Les prévisions n’accordent qu’une progression de l’activité de 1 % l’année prochaine. À noter que dans le même temps l’union européenne pourrait tutoyer la récession.

La plupart des banques centrales sont donc à la remorque des États-Unis, les plus forts taux d’intérêt américain attirent en effet les capitaux ce qui a pour effet de renforcer encore le dollar est inversement d’affaiblir les autres monnaies.

Inévitablement, les autres banques centrales devront aussi procéder à de nouveaux réajustements à la hausse des taux d’intérêt sinon le risque est grand de provoquer de nouvelles dévalorisations des monnaies par rapport au dollar.

La Banque centrale européenne (BCE) a décidé Récemment hausse de ses taux d’intérêt de 75 points de base. Il s’agit de l’augmentation la plus importante appliquée depuis 1999.

« Le taux d’intérêt des opérations principales de refinancement et les taux d’intérêt de la facilité de prêt marginal et de la facilité de dépôt seront respectivement portés à 1,25 %, 1,50 % et 0,75 %, avec effet au 14 septembre 2022″, a précisé l’institution de Francfort. Mais la différence entre les taux européens et américains sont encore énormes

La banque centrale américaine (Fed) a donc relevé mercredi ses taux à leur plus haut niveau depuis près de 15 ans, et pense continuer à les augmenter, cherchant à tout prix à juguler la forte inflation, une tâche compliquée cependant par la menace d’une récession.

Lors de sa conférence de presse, le président de la réserve fédérale, Jerome Powell, a prévenu qu’il faudrait « du temps » avant que les hausses de taux d’intérêt ne ralentissent l’inflation et que cela passerait sans doute par un ralentissement de l’économie.

Le mot sobriété à toutes les sauces

Le mot sobriété à toutes les sauces

 

 

Audrey Tonnelier du « Monde » note l’évolution du discours et les incantations à la sobriété tant pour les particuliers que pour les entreprises. Reste pendant que les moyens concrets de cette sobriété demeurent à préciser et à mettre en œuvre. Sinon ce concept de sobriété demeurera un slogan ( (Ou un moyen de justifier de très fortes hausses). NDLR

 

 

 

C’est une petite phrase qui est passée inaperçue, prononcée lundi 29 août en fin de journée. « La sobriété vise certes à passer l’hiver, mais c’est surtout la condition sine qua non de la réduction de notre empreinte carbone à l’horizon 2050 », a lancé Agnès Pannier-Runacher devant un parterre de chefs d’entreprise réunis pour l’université d’été du Medef à l’hippodrome de Longchamp. Un vocable loin d’être anodin de la part de la nouvelle ministre de la transition énergétique, qui vient de passer quatre années à Bercy.

« Sobriété » : le mot est lâché. Et il est désormais sur toutes les lèvres, de la première ministre, Elisabeth Borne, qui a exhorté les entreprises à mettre en place des plans d’économie d’énergie, sous peine de pâtir de « rationnement », jusqu’au patron du Medef, Geoffroy Roux de Bézieux, qui s’est ouvertement dit partisan d’une « croissance sobre ». En passant par le ministre de l’économie Bruno Le Maire, mardi, qui a lancé un vibrant appel à « toutes et tous, pas uniquement les entreprises », afin de « faire preuve de plus de sobriété ».

Le même Bruno Le Maire pourtant, début mars, assurait : « Le ministre de l’économie n’est pas là pour dire : vous devez faire ceci ou vous devez faire cela. » Une position en ligne avec les principes qui furent longtemps ceux d’Emmanuel Macron, partisan de la libre entreprise et du libre choix, désireux de proposer à ses concitoyens des « jours heureux » et d’incarner une forme d’espoir face aux extrêmes, le chef de l’Etat ayant longtemps assimilé sobriété et décroissance. Il raillait le « modèle amish » des opposants à la 5G, en septembre 2020. S’il a prononcé le mot « sobriété » pour la première fois en février, dans son discours de Belfort, il s’est empressé d’ajouter qu’il ne fallait en aucun cas le relier à l’« austérité énergétique. »

Six mois plus tard, le ton a changé. Les répercussions de la guerre en Ukraine, la crise énergétique et l’urgence toujours plus grande de la transition climatique ont radicalement modifié la donne : c’est en annonçant « la fin de l’abondance » que le chef de l’Etat a lancé sa rentrée. Entre-temps, même les grandes entreprises s’y sont mises : le 26 juin, les patrons des trois énergéticiens français (TotalEnergies, EDF, Engie) signaient dans le JDD une tribune commune pour appeler à une « prise de conscience ». Ils prônaient « une action collective et individuelle pour que chacun d’entre nous – chaque consommateur, chaque entreprise – change ses comportements et limite immédiatement ses consommations énergétiques ». Un moyen, aussi, de s’acheter une image en responsabilité, et de pousser les pouvoirs publics à prendre leur part.

Rompre les relations avec les dictatures

Engager un processus de rupture commerciale totale avec toutes les dictatures

 

Du fait notamment de la crise économique, nombre de pays de dictature ou de régime autoritaire profitent  de la situation pour durcir encore le champ des libertés voire la répression , la torture et même le crime.

La plupart du temps, on fait jouer la corde nationaliste pour donner une légitimité au renforcement de l’autoritarisme. C’est parce qu’il est supposé être attaqué de l’extérieur que les mesures d’exception s’imposent. Au-delà des velléités territoriales qui ambitionnent de modifier la géographie politique se pose surtout le combat entre deux types de civilisation. La civilisation archaïque de type néo-andertalien qui considère que les citoyens ne sont pas compétents pour orienter  les décisions de leur pays et qui confient  à une poignée d’oligarques profiteurs (ou se font imposer) le soin de prendre toutes les décisions. Pour preuve, dans la plupart des pays à caractère autoritaire, les dirigeants ont sagement placé les ressources détournées dans les pays libres. Une sorte de confirmation du caractère illégal du détournement des ressources.

Il ne sert pas à grand-chose de prendre des sanctions très parcellaires qui en réalité sont vite détournées par les responsables des pays visés, aidés aussi par un système financier inter national plus que complaisant.

Les pays démocratiques ont les faiblesses de leurs vertus. Les décisions qui y sont prises sont plus complexes et plus longues à prendre que dans les dictatures. En outre, les pays démocratiques s’interdisent d’utiliser les actions criminelles mettant en cause notamment la vie et les droits des populations civiles.

Fondamentalement, c’est une guerre culturelle qui est en cause, celle des primitifs moyenâgeux qui utilisent la terreur pour maintenir leur pouvoir et celle des défenseurs des libertés qui ne peuvent transiger sur les droits individuels et collectifs.

Le dialogue est impossible entre ces deux types de régimes. Le développement du commerce international n’a pas permis de faire évoluer les dictatures. D’une certaine manière au contraire , il a rendu possible son renforcement et même son développement géographique.

Du coup, il conviendrait sans doute de rompre tous liens commerciaux avec les pays qui bafouent la modernité et en particulier le droit des peuples à disposer d’eux-mêmes autant que les autres libertés individuelles et collectives.

En clair, cela signifie la rupture totale à terme mais programmé des échanges commerciaux de toute nature avec des régimes criminels comme la Chine, la Russie, la Turquie, le Brésil, la Corée du Nord en particulier.

« Toutes les entreprises cotées ont désormais compris l’enjeu environnemental » !!!

« Toutes les entreprises cotées ont désormais compris l’enjeu environnemental » !!!

 

 

Si les réglementations européennes encadrant l’investissement responsable peuvent étonner par leur complexité, le banquier François-Marc Durand, président de Lazard Frères Gestion,  estime, dans une tribune au « Monde », que financer le développement durable est devenu simple.

Un discours pro ESG mais relativement ambigu qui se réfugie derrière la complexité des règles et la demande des consommateurs. Une tribune pas vraiment convaincante quant aux intentionx du monde financier d’investir réellement et significativement dans l’économie verte. NDLR

 

SFDR, CSRD, taxonomie verte, articles 6, 8, 9 : derrière ces noms de code se cachent les plus récentes réglementations ou classifications européennes encadrant l’investissement responsable. Leurs appellations énigmatiques, « technocratiques » pour certains, n’aident pas à rendre ce sujet accessible au grand public.

« Quelle erreur !  », s’exclameront certains. Et comment leur donner tort ? Face à l’urgence climatique, soutenir le développement durable est devenu un enjeu majeur. Les règles de son financement devraient être simples, claires et compréhensibles par tous, surtout lorsque l’on sait que chaque épargnant peut agir dans ce domaine par ses choix d’investissements.

Or, la réglementation européenne serait, selon ses détracteurs, une « usine à gaz » ouvrant la voie au « greenwashing » en définissant des règles aussi complexes que permissives en matière d’investissement durable.

Dès lors, pourquoi l’Union européenne n’encadre-t-elle pas la finance verte à travers un simple ensemble d’obligations et d’interdictions ? Pourquoi se refuse-t-on à bannir le secteur pétrolier des fonds d’investissement responsables ? Pourquoi n’obligerait-on pas ceux-ci à investir dans la production d’énergies renouvelables, le fair trade ou le recyclage des déchets ? Réponse : parce que le monde est plus nuancé qu’il n’y paraît.

Comprenons bien le problème. Dans un monde idéal, chacun de nous se saisirait des enjeux du développement durable et adopterait des choix de vie en adéquation avec ces principes. Malheureusement, force est de constater que peu de nos concitoyens agissent de la sorte, et qu’il est impossible, en démocratie, d’imposer certains choix aux consommateurs, comme celui de baisser son chauffage ou d’utiliser plus ponctuellement sa voiture.

Si l’effort ne peut se concentrer sur la demande, il peut en revanche se concentrer sur l’offre, c’est-à-dire sur les entreprises qui produisent ce que nous consommons. Dans cette optique, certains considèrent que la finance durable doit, par essence, s’interdire de soutenir certains secteurs, à commencer par le pétrole, les modes de transport à fort impact environnemental ou certains métiers de la chimie.

C’est oublier que ces entreprises peuvent aussi être des leaders de la transition énergétique, se distinguer par leur politique d’inclusion sociale ou leur bonne gouvernance, trois piliers fondamentaux des critères environnementaux, sociaux et de gouvernance (ESG). Pour prendre en compte ces subtilités et sortir d’une approche manichéenne improductive, l’Union européenne a cherché à développer un cadre précis.

Les réfugiés de toutes les guerres

 

La situation en Ukraine confirme que les phénomènes migratoires de masse sont liés à la guerre et à la terreur, et doit nous rappeler que chaque victime d’un conflit a un droit égal à toute autre victime, écrit le sociologue dans le Monde  Smaïn Laacher.

 

Tribune.

 

L’image de colonnes de réfugiés européens fait son retour dans une Union européenne (UE) qui pensait que ce cauchemar était loin derrière elle. Soudain, des mondes que l’on voulait croire lointains (Syrie, Afghanistan, Soudan, Erythrée, etc.) deviennent ainsi moins abstraits. Il n’y a pas que « chez les autres » que la guerre, civile ou non, met sur la route des millions de familles. C’est aujourd’hui en Europe même. La situation ukrainienne ne fait que confirmer une vérité que certains ont encore du mal à admettre : les phénomènes migratoires de masse sont consubstantiellement liés à la guerre et à la terreur.

Mais celles et ceux qui fuient, par peur de la mort ou pour protéger de plus fragiles qu’eux-mêmes − enfants, vieillards, malades… −, ne sont pas tous égaux en matière de protection internationale. La perception dominante de la figure du réfugié, en Europe occidentale, opère des discriminations, conscientes ou inconscientes, entre les « bons » réfugiés et les « mauvais » migrants. Il n’est pas nécessaire d’être particulièrement lucide pour savoir d’où viennent les uns et les autres. Il suffit d’être attentif, même s’ils restent minoritaires, aux propos, le 25 février, de certains responsables politiques ou éditorialistes. « Ce sera sans doute une immigration de grande qualité (…). Ce seront des intellectuels », déclarait sur Europe 1 Jean-Louis Bourlanges, député MoDem, président de la commission des affaires étrangères de l’Assemblée nationale. « Ce sont des Européens de culture. On est avec une population qui est très proche, très voisine », soulignait le journaliste Christophe Barbier sur BFM-TV.

A l’évidence, ces propos ne cherchent pas à cacher que ce qui est comparé, c’est historiquement deux mouvements, massifs et forcés, de populations : celui d’aujourd’hui avec l’intervention guerrière de la Russie, et celui des centaines de milliers de Syriens fuyant, en 2015, les bombardements de populations civiles par le régime de Bachar Al-Assad appuyé (déjà) par la Russie. L’émotion et la réaction internationales ne furent pas à la hauteur de la tragédie que vivaient les Syriens, dont cinq millions – soit environ un quart de la population — trouvaient « refuge » dans les pays voisins.

En un mot, rien de commun avec la puissance de la réaction unitaire des pays occidentaux à l’égard de la Russie. N’ayons pas peur de la vérité : à la détresse et à la souffrance de femmes, d’hommes et d’enfants fuyant l’hyperviolence d’Etat sont attachées des propriétés ethniques et confessionnelles. Cela se traduit sans fard par le propos, le 26 février sur France Culture, de Nicolas Bay, ancien responsable du Rassemblement national passé au parti Reconquête ! d’Eric Zemmour, soulignant que les Ukrainiens qui fuient les troupes russes « participent de notre espace civilisationnel ».