Hugging Face's logo

sujet-ai
/
Marsilia-Embeddings-FR-Large

Sentence Similarity
Transformers
Safetensors
French
xlm-roberta
feature-extraction
finance
embedding
embedding model
financial qa
french embedding model
sentence transformers
financial rag
text-embeddings-inference
Inference Endpoints
Model card Files Community
Marsilia-Embeddings-FR-Large / README.md
Rubyando59's picture
Rubyando59
Add new SentenceTransformer model.
24d6ee9 verified
preview code
|
raw
history blame
76 kB
---
base_model: OrdalieTech/Solon-embeddings-large-0.1
datasets: []
language: []
library_name: sentence-transformers
metrics:
- cosine_accuracy@1
- cosine_accuracy@3
- cosine_accuracy@5
- cosine_accuracy@10
- cosine_precision@1
- cosine_precision@3
- cosine_precision@5
- cosine_precision@10
- cosine_recall@1
- cosine_recall@3
- cosine_recall@5
- cosine_recall@10
- cosine_ndcg@10
- cosine_mrr@10
- cosine_map@100
- dot_accuracy@1
- dot_accuracy@3
- dot_accuracy@5
- dot_accuracy@10
- dot_precision@1
- dot_precision@3
- dot_precision@5
- dot_precision@10
- dot_recall@1
- dot_recall@3
- dot_recall@5
- dot_recall@10
- dot_ndcg@10
- dot_mrr@10
- dot_map@100
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:28864
- loss:MultipleNegativesRankingLoss
widget:
- source_sentence: Dans le cadre d'une VEFA, quand les sommes perçues à titre de garantie
locative sont-elles comptabilisées en produit ?
sentences:
- 'FAITS SIGNIFICATIFS DE LA PÉRIODE 11 1. MOUVEMENTS DE PÉRIMÈTRE EN 2020 Mouvements
de périmètre réalisés par l''État Constitution d’un pôle financier public Le 30
août 2018, l''État et la Caisse des Dépôts ont annoncé leur volonté de créer un
grand pôle financier public visant à renforcer la cohésion des territoires et
à lutter contre la fracture territoriale en métropole et dans les outremers à
travers La Poste et la Caisse des Dépôts, opérateurs de proximité au service des
citoyens. La mise en œuvre de ce projet a été finalisée par échanges et transferts
de titres : • Le 4 mars 2020 : apport par l''État et la Caisse des Dépôts à La
Poste, puis par celle-ci à La Banque Postale, de leurs participations respectives
de 1,1% et de 40,9% au capital de CNP Assurances. Au terme de cette opération,
le groupe La Poste détient 62,13% du capital de CNP Assurances et est consolidé
par intégration globale par la Caisse des Dépôts. L’État détient quant à lui 34%
du nouveau groupe La Poste. La réalisation de cette opération a généré les impacts
suivants sur les comptes du groupe La Poste : –une augmentation de capitaux propres
consolidés de 4 027 M€ correspondant à l’apport de 288.262.094 actions CNP Assurances
valorisées au cours de bourse du 4 mars 2020 (13,97 euros) ; –le reclassement
en résultat net des réserves de conversion en gain latents de CNP Assurances pour
la quote-part du groupe, avant l’opération, générant un produit de 594 M€, classé
sur la ligne « quote-part de résultat des autres sociétés mises en équivalence
» du compte de résultat ; –la dépréciation de la valeur des titres précédemment
mis en équivalence au regard du cours de bourse de l’action CNP Assurances au
jour de l’opération soit 1 571 M€, montant représentant la différence entre la
valeur des titres mis en équivalence (3 054 M€) et la valeur de bourse (1 933
M€) ; –la constatation d’un badwill pour un montant de 4 578 M€ correspondant
à la différence entre, d’une part la quote-part du groupe dans l’actif net de
CNP Assurances valorisé à la juste valeur (déterminé dans la cadre de l’allocation
du prix d’acquisition), soit 10 538 M€, et d’autre part la totalité des titres
valorisés au cours de bourse du jour de l’opération soit 5 960 M€ ; • Le 30 septembre
2020 : rachat par la Caisse des Dépôts de la totalité de la participation détenue
par La Banque Postale au capital de SFIL (soit 5%) et par l''État (soit 75%),
à l’exception d’une action ordinaire conservée par l''État. La Caisse des Dépôts
est ainsi devenu l’actionnaire de référence de SFIL. Les comptes des groupes La
Poste et SFIL ont été enregistrés en intégration globale, en « actifs détenus
en vue de la vente », dans les comptes combinés jusqu’au 4 mars 2020 et 30 septembre
2020 respectivement. Les comptes du groupe La Poste sont enregistrés en mise en
équivalence à compter du 4 mars 2020. Réforme du ferroviaire - Création d’un groupe
SNCF intégré Après deux années consacrées à sa préparation en 2018 et 2019, la
réforme ferroviaire a été mise en œuvre en 2020.'
- 'Conformément aux dispositions de la norme IFRS 1, Vivendi a choisi de constater
au 1 er janvier 2004 les écarts actuariels non encore comptabilisés en contrepartie
des capitaux propres consolidés. 1.3.10 Impôts différés Les différences existant
à la date de clôture entre la valeur fiscale des actifs et passifs et leur valeur
comptable au bilan c onstituent des différences temporelles. En application de
la méthode bilantielle du report variable, ces différences temporelles donnent
lieu à la comptabilisation :  d’actifs d’impôt différé, lorsque la valeur fiscale
est supérieure à la valeur comptable (situation correspondant à une économi e
future d’impôt attendue) ;  ou de passifs d’impôt différé, lorsque la valeur
fiscale est inférieure à la valeur comptable (situation correspondant à une ta
xation future attendue). Les actifs et passifs d’impôt différé sont déterminés
sur la base des taux d’impôt dont l’application est attendue sur l’exerci ce au
cours duquel l’actif sera réalisé ou le passif réglé, et sur la base des taux
d’impôt (et réglementations fiscales) qui ont été adopt és ou quasi adoptés à
la date de clôture. Ces estimations sont revues à la clôture de chaque exercice,
en fonction de l’évolution éventuell e des taux d’impôt applicables. Des actifs
d’impôt différé sont comptabilisés pour toutes différences temporelles déductibles,
reports en avant de pertes fisca les et crédits d’impôt non utilisés, dans la
mesure où il est probable qu’un bénéfice imposable sera disponible ou lorsqu’il
existe un passif d’impôt exigible sur lequel ces différences temporelles déductibles,
reports en avant de pertes fiscales et crédits d’impôt non utilisés pourron t
être imputés, sauf quand l’actif d’impôt différé lié à la différence temporelle
déductible est généré par la comptabilisation initiale d’un a ctif ou d’un passif
dans une opération qui n’est pas un regroupement d’entreprises et qu i, à la date
de l’opération, n’affecte ni le bénéfice compt able, ni le bénéfice imposable
ou la perte fiscale. Pour les différences temporelles déductibles liées à des
participations dans les filiales, coentreprises et entreprises associé es, des
actifs d’impôt différé sont comptabilisés dans la mesure où il est pr obable que
la différence temporelle s’inversera dans un avenir pr évisible et qu’il existera
un bénéfice imposable sur lequel pourra s’imputer la différence temporelle.'
- 'Capitaux propres « En complément des éléments, prévus dans le plan comptable
général, et si les statuts de la SCPI le prévoient, les éléments suivants peuvent
être imputés sur la prime d’émission : - les frais d’établissement - les commissions
de souscription, - les frais d’acquisition des immeubles tels que les droits d’enregistre
- ment, la TVA non récupérable pour les immeubles commerciaux et professionnels
et les frais de notaire. » ii – rEglES DE COMPtABiliSAtiOn DES PrODUitS Et CHArgES
Produits de l’activité immobilière : - les loyers sont enregistrés en produits
sur la base des loyers courus et des termes du bail. - Dans le cas des ventes
en l’état futur d’achèvement (VEFA), les sommes perçues à titre de garantie locative
sont comptabilisées en produit dans la ScPi, lorsqu’un tel mécanisme est prévu
dans le contrat liant la ScPi et le promoteur immobilier sur la période de garantie.
corrélativement, le coût de la garantie payée par la ScPi, corres - pondant à
une prime d’assurance est comptabilisé en charges sur la période de garantie :
- soit pour son montant, s’il a pu être valorisé de manière explicite lors de
l’acquisition et si le montant des loyers garantis correspond à la valeur locative
de marché du bien immobilier ; - soit, dans tous les autres cas, pour le même
montant que les loyers garantis. Les pré-loyers reçus par la SCPI en rémunération
du financement d’un bien immobilier acquis en état futur d’achèvement pendant
la période de construction sont inscrits en autres produits financiers. - les
produits de l’activité immobilière incluent également les charges incombant normalement
au propriétaire, mises contractuellement à la charge des locataires dont la refacturation
aux locataires constitue un produit immobilier à porter au compte 7021 « charges
immobilières facturées ». - les produits de l’activité immobilière incluent également
les charges locatives refacturées et sont comptabilisées au compte 7025 « charges
locatives refacturées ». - les produits de l’activité immobilière incluent également
les pro - duits des participations contrôlées par la ScPi et comptabilisées en
placements immobiliers.La SCPI Allianz Home FranceSCPI.com'
- source_sentence: Quel outil est utilisé pour enregistrer les anomalies significatives
dans la gestion des risques opérationnels ?
sentences:
- ' des conclusions des rapports établis par le contrôle périodique ou par des
tiers (dont les régulateurs) ;  des incidents internes ou externes. Les cartographies
de risques opérationnels sont présentées formellement, de manière annuelle, au
Directeur des risques « Chief Risk Officer » afin de s’assurer de leur pertinence
par rapport aux autres risques auxquels la banque fait face. Sur la base des cartographies
réalisées par les métiers, les fonctions et Digital Business Services, les fonctions
Assurance élaborent un plan de revues de second niveau des activités des différentes
entités. Ce plan présente les activités de contrôle indépendant de 2nd niveau
qui seront conduites au cours de l''année suivante. Le programme doit faire l''objet
de révisions et de mises à jour continues, au fur et à mesure des changements
de situation et ce, afin de garantir la pérennité de sa pertinence. Les anomalies
significatives relevées dans les revues des équipes Assurance doivent être présentées
au Risk Owner de l’entité concernée et sont enregistrées dans l’outil de gestion
des risques opérationnels, Helios. Le dispositif de contrôle de premier niveau
ainsi identifié fait l’objet d’une cotation en fonction d’une échelle de trois
notes : - opérant (“ effective “) : conçu de manière efficace et fonctionne comme
prévu, - à améliorer (“ needs improvement “) : la conception ou le fonctionnement
du dispositif de contrôle présente des failles, il n’atténue que partiellement
le risque, - inopérant (“ ineffective “) : la conception ou le fonctionnement
du dispositif de contrôle présente des failles significatives, aucune mesure n''est
prévue ou ne permettra de les résoudre, ou le contrôle est manquant. Les dispositifs
de contrôles cotés « à améliorer » ou « inopérants », donnent lieu à la définition
d’un plan d’actions correctrices destiné à rendre le contrôle « opérant ». L’élaboration
et l’actualisation des cartographies de risques sont de la responsabilité première
des opérationnels, propriétaires des risques, Risk Owners , à qui il revient d’identifier
et d’évaluer les risques ainsi que les contrôles de premier niveau à effectuer.
Ce travail est réalisé au fil de l’eau avec l’aide des Control Owners en fonction
notamment : - des résultats des contrôles opérés par les opérationnels, - les
résultats des missions de contrôle permanent réalisées par les équipes Assurance,
- des recommandations des Risk Stewards , - des conclusions des rapports établis
par le contrôle périodique ou par des tiers (dont les régulateurs), - des incidents
internes ou externes. La fonction Operational & Resilience Risk organise des «
RCA challenge session » annuelles ou des ateliers de revue des risques les plus
élevés, en présence des Risk Stewards, des « Chief Control Officers », (CCO),
des responsables des métiers ou fonctions et du Chief Risk Officer , afin de présenter
les risques significatifs de chaque entité. Sur base des cartographies réalisées
par les métiers, les fonctions et DBS, les équipes Assurance élaborent un plan
de revues de second niveau des activités des différentes entités. Ce plan présente
les activités de contrôle indépendant de 2nd niveau qui seront conduites au cours
de l''année suivante. Le programme doit faire l''objet de révisions et de mises
à jour continues, au fur et à mesure des changements de situation et ce, afin
de garantir la pérennité de sa pertinence. Ce plan est élaboré selon une approche
par les risques afin d’assurer une couverture régulière et adéquate des risques
sur un cycle pouvant aller jusqu’à 3 ans maximum. L’enregistrement des résultats
de ce plan de contrôle doit se faire au fur et à mesure de son exécution. Les
équipes Assurance effectuent un suivi permanent de la progression par rapport
au programme, et doivent signaler tout retard.'
- '(La version française de ce communiqué de presse vous est communiquée uniquement
à titre d’information. Seule la version anglaise est officielle) Airbus publie
ses résultats pour 2023 ● 735 avions commerciaux livrés ● Chiffre d’affaires de
65,4 milliards d’euros ; EBIT ajusté à 5,8 milliards d’euros ● EBIT (reporté)
à 4,6 milliards d’euros ; BPA (reporté) de 4,80 euros ● Flux de trésorerie disponible
avant fusions et acquisitions et financements-clients de 4,4 milliards d’euros
; trésorerie nette à 10,7 milliards d’euros ● Les prévisions 2023 ont été atteintes
● Proposition de dividende : 1,80 euro par action ; dividende exceptionnel de
1,00 euro par action ● Publication des prévisions 2024 Amsterdam, 15 février 2024
– Airbus SE (symbole boursier : AIR) a publié ses résultats consolidés pour 2023
et ses prévisions pour l’exercice 2024. « En 2023, toutes nos activités ont enregistré
d’importantes prises de commandes et nous avons tenu nos engagements. Il s’agit
d’un résultat remarquable compte tenu de la complexité du contexte opérationnel
», a déclaré Guillaume Faury, président exécutif d’Airbus. « Nous continuerons
à investir dans notre dispositif industriel mondial tout en poursuivant notre
transformation et notre décarbonation. Notre proposition de dividendes reflète
les bons résultats financiers de 2023, nos perspectives de croissance pour 2024
et la solidité de notre bilan. » Airbus a enregistré 2 319 commandes brutes d’avions
commerciaux (2022 : 1 078 avions) et 2 094 commandes nettes après annulations
(2022 : 820 avions). Le carnet de commandes atteignait 8 598 avions commerciaux
à fin décembre 2023. Airbus Helicopters a enregistré 393 commandes nettes (2022
: 362 unités), qui profitent à tous les programmes, avec un ratio commandes nettes/livraisons
supérieur à 1 en valeur et en volume. Les prises de commandes d’Airbus Defence
and Space ont augmenté de 15 % à 15,7 milliards d’euros (2022 : 13,7 milliards
d’euros), ce qui représente un ratio commandes nettes/livraisons d’environ 1,4
en valeur. Les commandes enregistrées au quatrième trimestre comprenaient 16 C295
destinés à l’Espagne.'
- Les informations relatives à ces accords ont été publiées dans les conditions
prévues à l’article L. 22-10-30 du Code de commer ce. En application des dispositions
de l’article L. 225-88 du Code de commerce, ces conventions ont été approuvées
par l’Assemblée générale des actionnaires de Vivendi SE le 25 avril 2022. 23.3
Convention réglementée entre Vi vendi SE et Lagardère SA Au 31 décembre 2022,
Vivendi SE détient 57,66 % du capital de Lagardère SA (se reporter aux notes 2.1
et 14). La demande d’autorisation de la prise de contrôle de Lagardère SA auprès
de la Commission européenne a été déposée par Vivendi SE le 24 octobre 2022. L’agrément
de l’ARCOM11 sur le changement d’actionnariat indirect des filiales de Lagardère
éditrices de services de radiodiffusion a été par ailleurs sollicité par ces dernières
à la suite du résultat de l’offre publique d’achat visant toutes les actions Lagardère
SA que Vivendi SE ne détient pas, dont le dépôt auprès de l’Autorité des marchés
financiers a été réalisé le 21 févri er 2022. Afin de préparer les notifications
réglementaires requises, Viv endi SE et Lagardère SA sont convenues d’échanger
certaines info rmations, aux termes d’un accord dit de clean team , de confidentialité
et de coopération réciproque conclu le 20 décembre 2021. Un tiers indépendant
a été mandaté par Lagardère SA et Vivendi SE, aux coûts exclusifs de cette dernière,
pour assurer la mise en place et la gestion de la clean team de chaque partie
qui peut recevoir les informations confidentielles de l’autre partie strictement
nécessaires à la préparation des notifications réglementaires requises. Les échanges
d’informations sont assurés par ce tiers indépendant sous l e contrôle des conseils
juridiques externes des parties. M. Arnaud de Puyfontaine étant Président du Directoire
de Vivendi SE et administrateur de Lagardère SA, le Conseil de surveilla nce de
Vivendi SE, dans ses séances du 15 septembre et du 18 novembre 2021, a autorisé,
après examen, la signature de cet accord de clean team , de confidentialité et
de coopération, conformément aux dispositions de l’article L. 225-86 du Code de
commerce. Cet accord permet aux parties de préparer les demandes d’autorisation
susvisées, tout en limitant leurs échanges aux informatio ns strictement nécessaires,
en conformité avec la règlementation applicable et les garanties appropriées.
Les informations relatives à cet accord ont été publiées dans les conditions prévues
à l’article L. 22-10-30 du Code de commerc e. En application des dispositions
de l’article L.225-88 du Code de co mmerce, cette convention a été approuvée par
l’Assemblée gén érale des actionnaires de Vivendi SE le 25 avril 2022. Le coût
total de cet accord s’est élevé à 147 444 euros bruts en 2022 et sera soumis à
l’approbation de l’Assemblée générale de s actionnaires de Vivendi SE qui se tiendra
en 2023. 10 Le mandat de membre du Directoire de Viv endi SE de MM. Gilles Alix
et Cédric de Bailliencourt est arrivé à échéance le 23 juin 2022. 11 L’ARCOM,
Autorité de régulation de la communication audiovisuelle et numérique, su ccède
au Conseil Supérieur de l’Audiovisuel (CSA) et à la Haute autorité pour la diffusion
des œuvres et la protection des droits sur internet (HADOPI) à compter du 1er
janvier 2022.
- source_sentence: Quel montant a été payé par les fonds de couverture pour les prestations
de retraite en 2022 ?
sentences:
- 'mercredi 8 mars 2023 Rapport financier et États financiers consolidés audités
de l''exercice clos le 31 décembre 2022 Vivendi / 97 19.2.2 Analyse de la charge
comptabilisée et montant des prestations payées Prestations de retraite Prestations
complémentaires Total (en millions d''euros) 2022 2021 2022 2021 2022 2021 Coût
des services rendus 23 27 - - 23 27 Coût des services passés (a) (8) (25) - -
(8) (25) (Gains)/pertes sur liquidation - - - - - - Autres 1 1 - - 1 1 Incidence
sur les charges administratives et commerciales 16 3 - - 16 3 Effet de désactualisation
des passifs actuariels 13 11 2 2 15 13 Rendement attendu des actifs de couverture
(9) (6) - - (9) (6) Incidence sur les autres charges et produits financiers 4
5 2 2 6 7 Charge de la période comptabilisée en résultat 20 8 2 2 22 10 a. En
2021, le coût des services passés était un produit net d’exploitation de 25 millions
d’euros, qui comprenait : - une charge d’exploitation de 11 millions d’euros,
qui correspondait à la prise en compte sur la période d’emploi restante des bénéficiaires
du coût résiduel des régimes de retraite additif et différentiel à prestations
définies de Vivendi SE, dont l’acq uisition des droits est désormais fermée en
conséquence de la loi PACTE ; - un produit d’exploitation de 35 millions d’euros,
qui comprenait notamment l’incidence (19 millions d’euros) des pertes de droi
ts consécutive aux départs de bénéficiaires intervenus en 2021, notamment dans
le cadre de la cession d’UMG, et l’incidence au tit re des exercices 2020 et 2021
(9 millions d’euros) du plafonnement des droits cumulés au titre des nouveaux
régimes de retraite additif et différentiel à prestations définies de Vivendi
SE, mis en place dans le cadre de la loi PACTE. En 2022, le montant des prestations
payées s’élevait à 62 millions d’euros au titre des retraites (31 millions d’euros
en 2021) et à 8 millions d’euros au titre des prestations complémentaires (9 millions
d’ euros en 2021). Dans ce montant, 44 millions d’euros sont payés par les fonds
de couverture (12 millions d’euros en 2021), dont 31 millions d’euros au titre
des régimes de retraite additifs et différentiel à prestations définies de Vivendi
SE (5 millions d’euros en 2021).'
- Le projet de cession des bâtiments du site du Technocentre à Guyancourt dont le
classement en Actifs destinés à être cédés avait été opéré dans les états financiers
au 30 juin 2022 pour une valeur nette comptable de 322 mil lions d’euros a été
suspendu suite à l ’évolution défavorable des conditions de marché. Ces actifs
ont donc été reclassés en Immobilisations Corporelles et un rattrapage d’amortissements
a été comptabilisé au 31 décembre 2023 pour un total de (46) millions d’euros.
Le reclassement de ces actifs destinés à être cédés et passifs liés apparaît en
autres variations dans les annexes concernées. (en millions d’euros) 31 décembre
2023 Dont Horse 31 décembre 2022 Dont Horse Immobilisations incorporelles et goodwill
962 962 795 795 Immobilisations corporelles 2 295 2 290 2 537 2 166 Stocks 366
366 418 338 Trésorerie et équivalents de trésorerie 91 91 23 8 Autres 308 198
88 71 Total actifs destinés à être cédés 4 022 3 907 3 861 3 378 Total des passifs
liés aux actifs destinés à être cédés (1 075) (1 075) (873) (841) Dont passifs
financiers (37) (37) (129) (102)
- Déchets HA-MAVL Les déchets HA-MAVL proviennent essentiellement du traitement
des combustibles usés et dans une moindre mesure des déchets issus du démantèlement
des centrales nucléaires (composants métalliques ayant séjourné dans le réacteur).La
loi du 28 juin 2006 prévoit pour ces déchets un stockage réversible en couche
géologique profonde. La provision constituée pour les déchets HA-MAVL représente
la part la plus importante des provisions pour gestion à long terme des déchets
radioactifs. Jusqu’en juin 2015, le montant brut et l’échéancier des dépenses
prévisionnelles étaient basés sur un scénario industriel de stockage géologique
établi à partir des conclusions rendues au premier semestre 2005 par un groupe
de travail constitué sous l’égide de l'État et réunissant les administrations
concernées, l’ANDRA et les producteurs de déchets (EDF, Orano, CEA). EDF avait
effectué une déclinaison raisonnable des éléments issus de ce groupe de travail
et a abouti à un coût de référence du stockage des déchets de l’ensemble des producteurs
à 14,1 Md€ aux conditions économiques de 2003 (20,8 Md€ aux conditions économiques
de 2011). En 2012, l’ANDRA a réalisé les études d’esquisse sur le projet de stockage
géologique (Cigéo). Sur cette base, l’ANDRA a établi un dossier de chiffrage,
qui a fait l’objet, conformément à la loi du 28 juin 2006, d’un processus de consultation,
initié fin décembre 2014 par la Direction Générale de l’Énergie et du Climat (DGEC)
auprès des producteurs de déchets. Dans ce cadre, EDF et les autres producteurs
ont transmis en avril 2015 à la DGEC leurs observations ainsi qu’une évaluation
conjointe du coût objectif du stockage Cigéo du fait de divergences d’approches.
Le dossier intégrant ces éléments ainsi que l’avis de l’Autorité de Sûreté Nucléaire
(ASN) a été soumis à la ministre de l’Ecologie, du Développement durable et de
l’Énergie. L’arrêté du 15 janvier 2016 pris par le Ministère de l’Ecologie, du
Développement durable et de l’Énergie fixe le coût objectif au projet de stockage
Cigéo à 25 Md€ aux conditions économiques du 31 décembre 2011. Le coût arrêté
constitue un objectif à atteindre par l’ANDRA, dans le respect des normes de sûreté
fixées par l’ASN, et en s’appuyant sur une coopération étroite avec les exploitants
d’installations nucléaires. En application de cet arrêté, il a été prévu que le
coût du projet Cigéo serait régulièrement mis à jour et a minima aux étapes clés
du développement du projet (autorisation de création, mise en service, fin de
la « phase industrielle pilote », réexamens de sûreté), conformément à l’avis
de l’Autorité de Sûreté Nucléaire. En avril 2016, l’ANDRA a transmis à l’ASN un
dossier d’options de sûreté (DOS). La loi du 11 juillet 2016 a par ailleurs précisé
la notion de réversibilité. Le 11 janvier 2018, l’ASN a rendu son avis sur le
DOS estimant que le projet Cigéo a atteint globalement une maturité technologique
satisfaisante à ce stade. À noter que dans cet avis, l’ASN demande que pour les
déchets bitumineux, des filières alternatives à leur stockage en l'État à Cigéo
soient étudiées.
- source_sentence: Quel produit d'impôt a été inclus dans la charge d'impôt différé
pour la France en 2022 ?
sentences:
- '100 Rapport financier 2020 – 2021 de l’APE Les dérivés de transaction sont principalement
constitués des dérivés de transaction de matières premières souscrits par EDF
Trading et se décomposent comme suit : 31.12.2019 31.12.2020 Unités de mesureNotionnels
netsJuste valeurNotionnels netsJuste valeur Électricité Térawattheures - 17 824
- 174 - 380 GazMillions de therms- 7 826 76 - 6 803 310 Produits pétroliers Milliers
de barils 14 290 8 24 301 58 Charbon et fretMillions de tonnes2 - 12 1 - 7 CO2Milliers
de tonnes- 41 604 - 128 3 355 - 55 Autres matières premières - - 75 - 8 Instruments
dérivés de transaction liés aux matières premières- 35 155 693 20 680 - 66'
- 'Page 5 / 32 Chiffres clés Les informations financières présentées dans ce document
sont élaborées à partir des comptes consolidés au 31 décembre 2023. Les résultats
exceptionnels du Groupe s’expliquent par une très bonne performance opérationnelle
avec une hausse importante de 41 ,4 TWh de la production nucléaire en France dans
un contexte de prix historiquement élevés. Cela fait suite à une année 2022 marquée
par une baisse brutale de la production nucléaire en France relatif au phénomène
de la corrosion sous contrainte et les mesures régulatoires exceptionnelles en
vue de limiter la hausse des prix pour les consommateurs. Ces résultats permettent
une réduction de la dette financière nette. (en millions d’euros) 2023 2022 Variation
en valeur Variation en % Variation organique en % Chiffre d’affaires 139 715 143
476 (3 761) -2,6 -2,1 EBE 39 927 (4 986) 44 913 n.a n.a Résultat d’exploitation
13 174 (19 363) 32 537 n.a n.a Résultat avant impôts des sociétés intégrées 9
825 (22 916) 32 741 n.a n.a Résultat net part du Groupe 10 016 (17 940) 27 956
n.a n.a Résultat net courant (1) 18 481 (12 662) 31 143 n.a n.a Résultat net courant
ajusté de la rémunération des hybrides 17 851 (13 268) 31 119 n.a n.a Cash -flow
Groupe (2) 9 288 (24 603) 33 891 n.a n.a Endettement financier net (3) 54 381
64 500 (10 119) -15,7 n.a n.a : non applicable (1) Le résultat net courant n’est
pas défini par les normes IFRS et n’apparaît pas en lecture directe dans le compte
de résultat consolidé du Groupe. Il correspond au résultat net hors éléments non
récurrents, hors variations nettes de juste valeur sur instruments dérivés énergie
et matières premières hors activités de trading et hors variations nettes de juste
valeur de titres de dettes et de capitaux propres nets d’impôts (voir section
« Résultat net courant »). (2) Le cash- flow Groupe ne constitue pas un agrégat
défini par les normes I FRS comme élément de mesure de la performance financière
et ne peut pas être compar é aux indicateurs ainsi dénommés par d’autres entreprises.
Il est égal au cash- flow généré par les opérations après cessions d’actifs, impôt
sur le résultat payé, frais financiers nets décaissés, dotations nettes sur actifs
dédiés, dividendes versés en numéraire (voir section 4) (3) L’endettement financier
net n’est pas défini par les normes comptables et n’apparaît pas en lecture directe
dans le bilan consolidé du Groupe (v oir section 4).'
- Sur le plan fiscal, cette distribution est traitée comme une cession de titres.
L’impôt afférent à la distribution de 59,87 % du capital d’UMG s’est élevé à 775
millions d’euros, enregistr é dans le compte de résultat sur la ligne « Résultat
net des activités cédées » conformément à la norme IFRS 5. Enfin, la différence
entre la valeur fiscale de la participation résiduelle de 10,03 % dans le capital
d’UMG et sa valeur de mi se en équivalence dans les comptes consolidés a conduit
à comptabiliser un passif d’impôt différé de 119 millions d’euros, conforméme
nt à la norme IAS 12, par la contrepartie du « Résultat net des activités cédées
». Sur l’exercice 2021, l’impôt afférent aux opérations relatives à UMG s’est
élevé à un montant total de 1 063 millions d’euros, essentiellement au titre des
plus-values réalisées par Vivend i, dont 895 millions d’euros enregistrés dans
le « Résultat net de s activités cédées », 8 millions enregistrés dans le « Résultat
des activités poursuivies » et 160 millions d’euros enregistrés en diminuti on
des capitaux propres attribuables aux actionnaires de Vivendi. 7.3 Impôt sur les
résultats et impôt payé par zone géographique Impôt sur les résultats Exercices
clos le 31 décembre (en millions d'euros) 2022 2021 (Charge)/produit d'impôt Courant
France (31) (5) Reste de l'Europe (32) (33) Afrique (41) (28) États-Unis (31)
(30) Reste du monde (26) (21) (161) (117) Différé France (a) 31 (108) Reste de
l'Europe 14 2 Afrique (2) 1 États-Unis 12 14 Reste du monde 7 2 62 (89) Impôt
sur les résultats (99) (206) a. Inclus un produit de 41 millions d’euros en 2022,
contre une charge de 94 millions d’euros en 2021 correspondant à la variation
de l’actif d’impôt différé afférent à l’économie d’impôt liée au régime de l’intégration
fiscale de Vivendi en France.
- source_sentence: Pourquoi le montant total distribué en dividende peut-il varier
d'une année à l'autre ?
sentences:
- Les impôts différés sont calculés en appliquant le dernier taux d’impôt voté à
la date de clôture et applicable à la période de renversement de ces différences.
Au sein d’une même entité fiscale (société juridique, établissement ou groupe
d’entités redevable de l’impôt auprès de l’a dministration fiscale), les impôts
différés actifs et passifs sont présentés de manière compensée, dès lors que celle
-ci a le droit de compenser ses actifs et passifs d’impôts exigibles. Les actifs
nets d’impôts différés sont reconnus en fonction de leur probabilité de réalisation
future. Les entreprises associées et les coentreprises donnent lieu à comptabilisation
d’un impôt différé passif de distribution pour les différences entre la valeur
comptable et la valeur fiscale des titres. Les crédits d’impôt d ont l’utilisation
est conditionnée par la réalisation d’un bénéfice fiscal sont comptabilisés en
réduction de la charge d’impôt sur les résultats. Les crédits d’impôt dont la
récupération n’est pas subordonnée à la réalisation d’un bénéfice fiscal figurent
en réduction de la nature de charge à laquelle ils se rapportent. Pour évaluer
les provisions pour positions fiscales incertaines, le Groupe utilise une méthode
d’évaluation individuelle basée en général sur le montant le plus probable. Ces
provisions son t classées sur des lignes dédiées dans la situation financière
consolidée, afin de se conformer à leurs caractéristiques qualitatives. 2-J. Goodwill
Les participations ne donnant pas le contrôle ( usuellement dénommées « intérêts
minoritaires ») sont évaluées so it à la juste valeur (méthode dite du goodwill
complet), soit à leur quote -part dans la juste valeur des actifs acquis et passifs
repris (méthode dite du goodwill partiel). À ce jour Renault n’a enregistré que
des goodwill évalués selon la méthode dite du goodwill partiel. L’option entre
ces deux méthodes d’évaluation est exercée par le Groupe au cas par cas. Les goodwill
font l’objet d’un test de dépréciation au minimum une fois par an, et dès qu’il
existe un indice de perte de valeur. Après leur comptabi lisation initiale, les
goodwill sont donc évalués à leur coût diminué du cumul des pertes de valeur éventuelles.
Les goodwill relatifs à des entreprises associées et coentreprises sont inclus
dans la valeur de ces participations à l’actif de la situation financière consolidée.
En cas de perte de valeur, celle -ci est comptabilisée et intégrée au compte de
- 'Le 15 janvier 2016, la DGEC a rendu publique la synthèse du rapport de cet audit.
L’Administration a indiqué que, bien que l’estimation du coût du démantèlement
de réacteurs nucléaires reste un exercice délicat, compte tenu du retour d’expérience
relativement limité, des perspectives d’évolution des techniques et de l’éloignement
des dépenses dans le temps, l’audit confortait globalement l’estimation faite
par EDF du coût du démantèlement de son parc nucléaire en exploitation. L’Administration
a également formulé à EDF un certain nombre de recommandations suite à cet audit.
En 2016, EDF a effectué une révision du devis de démantèlement afin de prendre
en compte, d’une part, les recommandations de l’audit, qui lui avaient été adressées,
et d’autre part, le retour d’expérience des opérations de démantèlement des réacteurs
de première génération (en particulier Chooz A). Le travail de révision du devis
a consisté en la mise en œuvre d’une démarche analytique détaillée, identifiant
l’ensemble des coûts d’ingénierie, de travaux, d’exploitation et de traitement
des déchets liés au démantèlement futur des réacteurs en cours de fonctionnement.
Il permet d’aboutir à un chiffrage reposant sur des chroniques détaillées de démantèlement
des centrales. La démarche adoptée a permis d’approfondir l’évaluation des coûts
propres aux têtes de série, estimés pour chaque palier à partir de coefficients
de transposition appliqués au coût de référence de la tête de série 900 MW, ainsi
que les effets de série et de mutualisation, ces coûts et effets étant en effet
inhérents à la taille et à la configuration du parc. Les natures des principaux
effets de mutualisation et de série retenus dans les chiffrages du devis sont
explicitées ci-dessous. Les effets de série (effet sur les sites suivants le site
tête de série d’un même palier) sont principalement de deux natures différentes
: • un premier effet provient du fait que sur un parc de même technologie, une
large part des études ne doit pas être refaite à chaque fois ; • un second effet
provient du fait que, sur un parc de même technologie, les robots et les outillages
peuvent être très largement réutilisés d’un chantier à l’autre. Les effets de
mutualisation (effets entre les différentes tranches présentes sur un même site
qu’elles soient en exploitation ou en démantèlement) sont quant à eux de différentes
natures : • certains sont liés au partage de bâtiments et d’équipements communs
entre plusieurs réacteurs sur un même site, qu’il n’y a donc pas à démanteler
deux fois. Ainsi, structurellement, le démantèlement d’une paire de réacteurs
sur un même site coûte moins cher que le démantèlement de deux réacteurs isolés
sur deux sites différents. En France, à la différence des autres'
- Le Groupe Bolloré a précisé dans cette lettre qu’un tel franchissement de seuil
n’aurait au demeurant rien d’inéluctable dès lo rs que les sociétés du Groupe
Bolloré conservent la possibilité, notamment pour éviter sa survenance, de vendre
des actions Vivendi ; elle s pourraient également participer à l’opération de
réduction de capital en apportant leurs titres à l’offre de rachat qui serait
mise en œuv re par Vivendi. Leur décision à cet égard n’est pas prise, elle le
sera le moment venu. 17.3 Distribution d’un dividende ordina ire en numéraire
aux actionnaires Dans le cadre de l’arrêté des comptes de l’exercice 2022 et de
l’affectation du résultat de l’exercice, le Directoire de Vivend i, dans sa réunion
du 6 mars 2023, a décidé de proposer aux actionnaires de mettre en paiement un
dividende ordinaire en numéraire de 0,25 euro pa r action représentant un montant
total distribué de 256 millions d’euros. Cette proposition a été portée à la connaissance
du Conseil de surveillance du 8 mars 2023 qui l’a approuvée, et sera soumise à
l’approbation de l’Assemblée générale des actionnaires du 24 avril 2023. Le 28
avril 2022, au titre de l’exercice 2021, un dividende ordinaire de 0,25 euro par
action a été versé (après détachement du coupon le 26 avril 2022), représentant
un montant total distribué de 261 millions d’euros.
model-index:
- name: SentenceTransformer based on OrdalieTech/Solon-embeddings-large-0.1
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: Unknown
type: unknown
metrics:
- type: cosine_accuracy@1
value: 0.5856079404466501
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.8163771712158809
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.8775847808105872
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.9454094292803971
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5856079404466501
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.272125723738627
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.17551695616211743
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.09454094292803969
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5856079404466501
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.8163771712158809
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.8775847808105872
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.9454094292803971
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7693717436163442
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.7125103391232432
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.7157854780098822
name: Cosine Map@100
- type: dot_accuracy@1
value: 0.5856079404466501
name: Dot Accuracy@1
- type: dot_accuracy@3
value: 0.8163771712158809
name: Dot Accuracy@3
- type: dot_accuracy@5
value: 0.8775847808105872
name: Dot Accuracy@5
- type: dot_accuracy@10
value: 0.9454094292803971
name: Dot Accuracy@10
- type: dot_precision@1
value: 0.5856079404466501
name: Dot Precision@1
- type: dot_precision@3
value: 0.272125723738627
name: Dot Precision@3
- type: dot_precision@5
value: 0.17551695616211743
name: Dot Precision@5
- type: dot_precision@10
value: 0.09454094292803969
name: Dot Precision@10
- type: dot_recall@1
value: 0.5856079404466501
name: Dot Recall@1
- type: dot_recall@3
value: 0.8163771712158809
name: Dot Recall@3
- type: dot_recall@5
value: 0.8775847808105872
name: Dot Recall@5
- type: dot_recall@10
value: 0.9454094292803971
name: Dot Recall@10
- type: dot_ndcg@10
value: 0.7693717436163442
name: Dot Ndcg@10
- type: dot_mrr@10
value: 0.7125103391232432
name: Dot Mrr@10
- type: dot_map@100
value: 0.7157854780098822
name: Dot Map@100
---
# SentenceTransformer based on OrdalieTech/Solon-embeddings-large-0.1
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [OrdalieTech/Solon-embeddings-large-0.1](https://huggingface.co/OrdalieTech/Solon-embeddings-large-0.1). It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
## Model Details
### Model Description
- **Model Type:** Sentence Transformer
- **Base model:** [OrdalieTech/Solon-embeddings-large-0.1](https://huggingface.co/OrdalieTech/Solon-embeddings-large-0.1) <!-- at revision 9f6465f6ea2f6d10c6294bc15d84edf87d47cdef -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 1024 tokens
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### Full Model Architecture
```
SentenceTransformer(
(0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
(1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
(2): Normalize()
)
```
## Usage
### Direct Usage (Sentence Transformers)
First install the Sentence Transformers library:
```bash
pip install -U sentence-transformers
```
Then you can load this model and run inference.
```python
from sentence_transformers import SentenceTransformer
# Download from the 🤗 Hub
model = SentenceTransformer("sujet-ai/Marsilia-Embeddings-FR-Large")
# Run inference
sentences = [
"Pourquoi le montant total distribué en dividende peut-il varier d'une année à l'autre ?",
'Le Groupe Bolloré a précisé dans cette lettre qu’un tel franchissement de seuil n’aurait au demeurant rien d’inéluctable dès lo rs que les sociétés du Groupe Bolloré conservent la possibilité, notamment pour éviter sa survenance, de vendre des actions Vivendi ; elle s pourraient également participer à l’opération de réduction de capital en apportant leurs titres à l’offre de rachat qui serait mise en œuv re par Vivendi. Leur décision à cet égard n’est pas prise, elle le sera le moment venu. 17.3 Distribution d’un dividende ordina ire en numéraire aux actionnaires Dans le cadre de l’arrêté des comptes de l’exercice 2022 et de l’affectation du résultat de l’exercice, le Directoire de Vivend i, dans sa réunion du 6 mars 2023, a décidé de proposer aux actionnaires de mettre en paiement un dividende ordinaire en numéraire de 0,25 euro pa r action représentant un montant total distribué de 256 millions d’euros. Cette proposition a été portée à la connaissance du Conseil de surveillance du 8 mars 2023 qui l’a approuvée, et sera soumise à l’approbation de l’Assemblée générale des actionnaires du 24 avril 2023. Le 28 avril 2022, au titre de l’exercice 2021, un dividende ordinaire de 0,25 euro par action a été versé (après détachement du coupon le 26 avril 2022), représentant un montant total distribué de 261 millions d’euros.',
'Les impôts différés sont calculés en appliquant le dernier taux d’impôt voté à la date de clôture et applicable à la période de renversement de ces différences. Au sein d’une même entité fiscale (société juridique, établissement ou groupe d’entités redevable de l’impôt auprès de l’a dministration fiscale), les impôts différés actifs et passifs sont présentés de manière compensée, dès lors que celle -ci a le droit de compenser ses actifs et passifs d’impôts exigibles. Les actifs nets d’impôts différés sont reconnus en fonction de leur probabilité de réalisation future. Les entreprises associées et les coentreprises donnent lieu à comptabilisation d’un impôt différé passif de distribution pour les différences entre la valeur comptable et la valeur fiscale des titres. Les crédits d’impôt d ont l’utilisation est conditionnée par la réalisation d’un bénéfice fiscal sont comptabilisés en réduction de la charge d’impôt sur les résultats. Les crédits d’impôt dont la récupération n’est pas subordonnée à la réalisation d’un bénéfice fiscal figurent en réduction de la nature de charge à laquelle ils se rapportent. Pour évaluer les provisions pour positions fiscales incertaines, le Groupe utilise une méthode d’évaluation individuelle basée en général sur le montant le plus probable. Ces provisions son t classées sur des lignes dédiées dans la situation financière consolidée, afin de se conformer à leurs caractéristiques qualitatives. 2-J. Goodwill Les participations ne donnant pas le contrôle ( usuellement dénommées « intérêts minoritaires ») sont évaluées so it à la juste valeur (méthode dite du goodwill complet), soit à leur quote -part dans la juste valeur des actifs acquis et passifs repris (méthode dite du goodwill partiel). À ce jour Renault n’a enregistré que des goodwill évalués selon la méthode dite du goodwill partiel. L’option entre ces deux méthodes d’évaluation est exercée par le Groupe au cas par cas. Les goodwill font l’objet d’un test de dépréciation au minimum une fois par an, et dès qu’il existe un indice de perte de valeur. Après leur comptabi lisation initiale, les goodwill sont donc évalués à leur coût diminué du cumul des pertes de valeur éventuelles. Les goodwill relatifs à des entreprises associées et coentreprises sont inclus dans la valeur de ces participations à l’actif de la situation financière consolidée. En cas de perte de valeur, celle -ci est comptabilisée et intégrée au compte de',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```
<!--
### Direct Usage (Transformers)
<details><summary>Click to see the direct usage in Transformers</summary>
</details>
-->
<!--
### Downstream Usage (Sentence Transformers)
You can finetune this model on your own dataset.
<details><summary>Click to expand</summary>
</details>
-->
<!--
### Out-of-Scope Use
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->
## Evaluation
### Metrics
#### Information Retrieval
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5856 |
| cosine_accuracy@3 | 0.8164 |
| cosine_accuracy@5 | 0.8776 |
| cosine_accuracy@10 | 0.9454 |
| cosine_precision@1 | 0.5856 |
| cosine_precision@3 | 0.2721 |
| cosine_precision@5 | 0.1755 |
| cosine_precision@10 | 0.0945 |
| cosine_recall@1 | 0.5856 |
| cosine_recall@3 | 0.8164 |
| cosine_recall@5 | 0.8776 |
| cosine_recall@10 | 0.9454 |
| cosine_ndcg@10 | 0.7694 |
| cosine_mrr@10 | 0.7125 |
| **cosine_map@100** | **0.7158** |
| dot_accuracy@1 | 0.5856 |
| dot_accuracy@3 | 0.8164 |
| dot_accuracy@5 | 0.8776 |
| dot_accuracy@10 | 0.9454 |
| dot_precision@1 | 0.5856 |
| dot_precision@3 | 0.2721 |
| dot_precision@5 | 0.1755 |
| dot_precision@10 | 0.0945 |
| dot_recall@1 | 0.5856 |
| dot_recall@3 | 0.8164 |
| dot_recall@5 | 0.8776 |
| dot_recall@10 | 0.9454 |
| dot_ndcg@10 | 0.7694 |
| dot_mrr@10 | 0.7125 |
| dot_map@100 | 0.7158 |
<!--
## Bias, Risks and Limitations
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->
<!--
### Recommendations
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->
## Training Details
### Training Dataset
#### Unnamed Dataset
* Size: 28,864 training samples
* Columns: <code>sentence_0</code> and <code>sentence_1</code>
* Approximate statistics based on the first 1000 samples:
| | sentence_0 | sentence_1 |
|:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 14 tokens</li><li>mean: 27.25 tokens</li><li>max: 57 tokens</li></ul> | <ul><li>min: 34 tokens</li><li>mean: 428.69 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
| sentence_0 | sentence_1 |
|:-------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Quel est le coefficient d'occupation pour le court et moyen-courrier en 2023, et quelle est la variation par rapport à 2022 ?</code> | <code>KLM Quatrième trimestre Annuel Total activité reseaux passage 2023 2022 variation 2023 2022 variation Passagers transportés (milliers) 7 7 1 1 6 3 3 7 22 % 3 0 3 3 2 2 5 8 3 8 17 % Passager kilomètre transporté (m de PKT) 2 2 9 4 6 2 1 2 3 6 8 % 9 2 6 5 2 8 2 2 8 9 13 % Siège kilomètre offert (m de SKO) 2 6 7 2 2 2 4 9 6 8 7 % 1 0 6 3 3 6 9 8 6 6 0 8 % Coefficient d’occupation (%) 86 % 85 % 1pt 87 % 83 % 4pt Long-courrier Passagers transportés (milliers) 2 3 8 1 2 2 9 4 4 % 9 6 5 9 8 6 2 6 12 % Passager kilomètre transporté (m de PKT) 1 8 4 9 1 1 7 7 9 3 4 % 7 4 8 8 5 6 6 9 3 9 12 % Siège kilomètre offert (m de SKO) 2 1 2 5 4 2 0 5 5 5 3 % 8 4 9 4 0 7 9 3 8 6 7 % Coefficient d’occupation (%) 87 % 87 % –pt 88 % 84 % 4pt Court et Moyen-courrier Passagers transportés (milliers) 5 3 3 0 4 0 4 3 32 % 2 0 6 7 3 1 7 2 1 2 20 % Passager kilomètre transporté (m de PKT) 4 4 5 6 3 4 4 3 29 % 1 7 7 6 6 1 5 3 5 0 16 % Siège kilomètre offert (m de SKO) 5 4 6 8 4 4 1 3 24 % 2 1 3 9 6 1 9 2 7 4 11 % Coefficient d’occupation (%) 81 % 78 % 3pt 83 % 80 % 3pt Activité Cargo Tonne kilomètre transportée (m de TKT) 862 828 4 % 3 2 4 4 3 3 3 0 (3 %) Tonne kilomètre offerte (m de TKO) 1 5 2 6 1 4 5 3 5 % 6 0 8 7 5 7 6 2 6 % Coefficient d’occupation (%) 56 % 57 % –pt 53 % 58 % (4)pt 24</code> |
| <code>Quelles obligations peuvent justifier la constitution de provisions pour risques et charges ?</code> | <code>70 Rapport financier 2020 – 2021 de l’APE NOTE 17 PROVISIONS COURANTES ET NON COURANTES Principes comptables Les provisions sont comptabilisées lorsque les trois conditions suivantes sont simultanément remplies : • il existe une obligation actuelle (juridique ou implicite) vis-à-vis d’un tiers résultant d’un événement passé, antérieur à la date de clôture ; • il est probable qu’une sortie de ressources représentative d’avantages économiques sera nécessaire pour éteindre l’obligation ; • le coût de l’obligation peut être estimé de manière fiable. L’évaluation des provisions est faite sur la base des coûts attendus pour éteindre l’obligation. Les estimations sont déterminées à partir de données de gestion issues des systèmes d’information, d’hypothèses, éventuellement complétées par l’expérience de transactions similaires, et, dans certains cas, sur la base de rapports d’experts indépendants ou de devis de prestataires de chaque entité du périmètre de combinaison. Ces différentes hypothèses sont revues, par chaque entité, à l’occasion de chaque arrêté comptable. Les passifs éventuels, correspondant à une obligation qui n’est ni probable ni certaine à la date d’arrêté des comptes, ou à une obligation probable pour laquelle la sortie de ressources ne l’est pas, ne sont pas comptabilisés. Ils font l’objet d’une information en annexe. Les provisions pour démantèlement et reconstitution des sites Elles sont destinées à couvrir la valeur actuelle des coûts de remise en état des sites qui supportent ou ont supporté des ouvrages. Leur montant reflète la meilleure estimation des coûts futurs déterminés, en fonction des exigences réglementaires actuelles ou en cours d’adoption, de l'État des connaissances techniques ainsi que de l’expérience acquise. Elles sont constituées initialement en contrepartie d’un actif corporel qui est amorti sur la durée d’exploitation prévisible du site concerné. Les provisions sont actualisées en prenant en compte la date effective d’engagement des coûts. Le taux d’actualisation reflète les conditions d’un taux sans risque attaché à des obligations de même maturité, majoré de l’effet des risques spécifiques attachés au passif concerné. Dans tous les cas, l’effet des révisions d’estimations (calendrier de démantèlement, estimation des coûts à engager, etc.) conduit à modifier la valeur de l’actif, l’impact dans le montant de l’amortissement étant pris de manière prospective. Enfin, la valeur de l’actif ainsi modifié fait l’objet d’un test de perte de valeur. Les dotations et reprises de provision relèvent du résultat opérationnel. La charge de désactualisation figure en charges financières. Enfin, la valeur de l’actif fait l’objet d’un test de perte de valeur. Autres provisions Des provisions pour risques et charges sont constituées en vue de couvrir les obligations légales, juridiques ou implicites résultant d’événements passés pour lesquelles les entités de la combinaison prévoient qu’une sortie de ressources sera nécessaire. Tous les risques sont régulièrement examinés. Lorsqu’elles sont utilisées, les provisions sont reprises au compte de résultat et viennent en contrepartie des charges correspondantes.</code> |
| <code>Quelle est la contribution des activités arrêtées au résultat net total ?</code> | <code>132 - 3 - 99 - 1 234 - 30 - 0 - 356 694 685 - - - 1 372 Résultat des activités arrêtées ou en cours de cession- - - - 180 - 7 - - 5 - 24 - 380 - - 212 Résultat net de l'ensemble combiné- 1 221 132 - 64 - 693 - 2 579 57 - 3 580 96 - 739 627 1 079 4 - 1 - 6 881 Part groupe- 1 221 132 - 64 - 707 - 2 232 57 - 3 164 96 - 739 627 1 072 4 - 1 - 6 138 Part intérêts minoritaires - - 0 - 1 14 - 347 - - 416 - - - 0 7 - - - 742</code> |
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `per_device_train_batch_size`: 32
- `per_device_eval_batch_size`: 32
- `gradient_accumulation_steps`: 16
- `num_train_epochs`: 20
- `bf16`: True
- `tf32`: True
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: round_robin
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: steps
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 32
- `per_device_eval_batch_size`: 32
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 16
- `eval_accumulation_steps`: None
- `learning_rate`: 5e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1
- `num_train_epochs`: 20
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.0
- `warmup_steps`: 0
- `log_level`: passive
- `log_level_replica`: warning
- `log_on_each_node`: True
- `logging_nan_inf_filter`: True
- `save_safetensors`: True
- `save_on_each_node`: False
- `save_only_model`: False
- `restore_callback_states_from_checkpoint`: False
- `no_cuda`: False
- `use_cpu`: False
- `use_mps_device`: False
- `seed`: 42
- `data_seed`: None
- `jit_mode_eval`: False
- `use_ipex`: False
- `bf16`: True
- `fp16`: False
- `fp16_opt_level`: O1
- `half_precision_backend`: auto
- `bf16_full_eval`: False
- `fp16_full_eval`: False
- `tf32`: True
- `local_rank`: 0
- `ddp_backend`: None
- `tpu_num_cores`: None
- `tpu_metrics_debug`: False
- `debug`: []
- `dataloader_drop_last`: False
- `dataloader_num_workers`: 0
- `dataloader_prefetch_factor`: None
- `past_index`: -1
- `disable_tqdm`: False
- `remove_unused_columns`: True
- `label_names`: None
- `load_best_model_at_end`: False
- `ignore_data_skip`: False
- `fsdp`: []
- `fsdp_min_num_params`: 0
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `fsdp_transformer_layer_cls_to_wrap`: None
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch
- `optim_args`: None
- `adafactor`: False
- `group_by_length`: False
- `length_column_name`: length
- `ddp_find_unused_parameters`: None
- `ddp_bucket_cap_mb`: None
- `ddp_broadcast_buffers`: False
- `dataloader_pin_memory`: True
- `dataloader_persistent_workers`: False
- `skip_memory_metrics`: True
- `use_legacy_prediction_loop`: False
- `push_to_hub`: False
- `resume_from_checkpoint`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_private_repo`: False
- `hub_always_push`: False
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `eval_do_concat_batches`: True
- `fp16_backend`: auto
- `push_to_hub_model_id`: None
- `push_to_hub_organization`: None
- `mp_parameters`:
- `auto_find_batch_size`: False
- `full_determinism`: False
- `torchdynamo`: None
- `ray_scope`: last
- `ddp_timeout`: 1800
- `torch_compile`: False
- `torch_compile_backend`: None
- `torch_compile_mode`: None
- `dispatch_batches`: None
- `split_batches`: None
- `include_tokens_per_second`: False
- `include_num_input_tokens_seen`: False
- `neftune_noise_alpha`: None
- `optim_target_modules`: None
- `batch_eval_metrics`: False
- `eval_on_start`: False
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: round_robin
</details>
### Training Logs
| Epoch | Step | cosine_map@100 |
|:------:|:----:|:--------------:|
| 0.1774 | 10 | 0.5951 |
| 0.3548 | 20 | 0.6117 |
| 0.5322 | 30 | 0.6312 |
| 0.7095 | 40 | 0.6493 |
| 0.8869 | 50 | 0.6639 |
| 0.9933 | 56 | 0.6686 |
| 1.0643 | 60 | 0.6739 |
| 1.2417 | 70 | 0.6840 |
| 1.4191 | 80 | 0.6881 |
| 1.5965 | 90 | 0.6900 |
| 1.7738 | 100 | 0.6910 |
| 1.9512 | 110 | 0.6960 |
| 1.9867 | 112 | 0.6985 |
| 2.1286 | 120 | 0.7020 |
| 2.3060 | 130 | 0.7056 |
| 2.4834 | 140 | 0.6988 |
| 2.6608 | 150 | 0.7051 |
| 2.8381 | 160 | 0.6994 |
| 2.9978 | 169 | 0.6999 |
| 3.0155 | 170 | 0.7004 |
| 3.1929 | 180 | 0.7058 |
| 3.3703 | 190 | 0.7030 |
| 3.5477 | 200 | 0.7042 |
| 3.7251 | 210 | 0.6989 |
| 3.9024 | 220 | 0.6970 |
| 3.9911 | 225 | 0.6960 |
| 4.0798 | 230 | 0.6968 |
| 4.2572 | 240 | 0.7067 |
| 4.4346 | 250 | 0.7158 |
### Framework Versions
- Python: 3.10.13
- Sentence Transformers: 3.0.1
- Transformers: 4.42.3
- PyTorch: 2.5.0.dev20240704+cu124
- Accelerate: 0.32.1
- Datasets: 2.20.0
- Tokenizers: 0.19.1
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@inproceedings{reimers-2019-sentence-bert,
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
author = "Reimers, Nils and Gurevych, Iryna",
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
month = "11",
year = "2019",
publisher = "Association for Computational Linguistics",
url = "https://arxiv.org/abs/1908.10084",
}
```
#### MultipleNegativesRankingLoss
```bibtex
@misc{henderson2017efficient,
title={Efficient Natural Language Response Suggestion for Smart Reply},
author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
year={2017},
eprint={1705.00652},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
-->