Update README.md

README.md

@@ -1,558 +1,35 @@
----
-base_model: OrdalieTech/Solon-embeddings-base-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:28800
-- loss:MultipleNegativesRankingLoss
-widget:
-- source_sentence: Quels sont les points clés de l'audit que les commissaires aux
-    comptes ont jugés importants pour l'audit des comptes annuels ?
-  sentences:
-  - PricewaterhouseCoopers Audit BDO Paris 63, rue de Villiers 43-47 avenue de la
-    Grande-Armée 92208 Neuilly-sur-Seine Cedex 75116 Paris Rapport des commissaires
-    aux comptes sur les comptes annuels (Exercice clos le 31 décembre 2022) A l'assemblée
-    générale HSBC SFH (FRANCE) IMMEUBLE COEUR DEFENSE 110 ESPLANADE DU GENERAL DE
-    GAULLE 92400 COURBEVOIE Opinion En exécution de la mission qui nous a été confiée
-    par votre assemblée générale , nous avons effectué l’audit des comptes annuels
-    de la société HSBC SFH (FRANCE) relatifs à l’exercice clos le 31 décembre 2022,
-    tels qu’ils sont joints au présent rapport. Nous certifions que les comptes annuels
-    sont, au regard des règles et principes comptables français, réguliers et sincères
-    et donnent une image fidèle du résultat des opérations de l’exercice écoulé ainsi
-    que de la situation financière et du patrimoine de la société à la fin de cet
-    exercice. L’opinion formulée ci-dessus est cohérente avec le contenu de notre
-    rapport au comité d'audit. Fondement de l’opinion Référentiel d’audit Nous avons
-    effectué notre audit selon les normes d’exercice professionnel applicables en
-    France. Nous estimons que les éléments que nous avons collectés sont suffisants
-    et appropriés pour fonder notre opinion. Les responsabilités qui nous incombent
-    en vertu de ces normes sont indiquées dans la partie « Responsabilités des commissaires
-    aux comptes relatives à l’audit des comptes annuels » du présent rapport. Indépendance
-    Nous avons réalisé notre mission d’audit dans le respect des règles d’indépendance
-    prévues par le code de commerce et par le code de déontologie de la profession
-    de commissaire aux comptes sur la période du 1er janvier 2022 à la date d’émission
-    de notre rapport, et notamment nous n’avons pas fourni de services interdits par
-    l’article 5, paragraphe 1, du règlement (UE) n° 537/2014. Justification des appréciations
-    – Points clés de l’audit En application des dispositions des articles L.823-9
-    et R.823-7 du code de commerce relatives à la justification de nos appréciations,
-    nous devons porter à votre connaissance les points clés de l’audit relatifs aux
-    risques d'anomalies significatives qui, selon notre jugement professionnel, ont
-    été les plus importants pour l’audit des comptes annuels de l’exercice, ainsi
-    que les réponses que nous avons apportées face à ces risques. Nous avons déterminé
-    qu’il n’y avait pas de point clé de l’audit à communiquer dans notre rapport.
-  - Il comprend CanalOlympia, précédemment intégré dans le segment Vivendi Village
-    (les données 2021 ont été retraitées), ainsi qu’à Vivendi Create Joy, programme
-    de solidarité qui soutient des pr ojets d’initiation et de formation professionnelle
-    aux métiers d u groupe Vivendi, précédemment intégré dans le segment Corporate.
-    2.2.3 Evolution des flux nets de trésorerie opérationnels après intérêts et impôts
-    (CFAIT) Sur l’exercice 2022, les flux nets de trésorerie opérationnels après intérêts
-    et impôts (CFAIT) représentent un encaissement net de 410 millions d’euros (contre
-    540 millions d’euros sur l’exercice 2021), en repli de 130 millions d’euros. La
-    baisse des flux ne ts de trésorerie opérationnels (-101 millions d’euros) et l’augmentation
-    du décaisse ment net lié à l’impôt (-81 millions d’euros) sont partielle ment
-    compensées par la hausse des flux nets de trésorerie liés aux activités financières
-    (+35 millions d’euros). Sur l’exercice 2022, les flux nets de trésorerie liés
-    à l’impôt représentent un décaissement net de 175 millions d’euros, contre 94
-    millions d’euros sur l’exercice 2021. Sur l’exercice 2022, les activités financières
-    génèrent un décaissement net de 9 millions d’euros, contre 61 millions d’euros
-    sur l’exercice 2021. Ils comprennent principalement les intérêts nets payés pour
-    -14 millions d’euros, contre -31 millions d’euros sur l’exerc ice 2021. Par ailleurs,
-    les flux de trésorerie relatifs aux opérations de couverture du risque de change
-    génèrent un encaissement de +19 mill ions d’euros (contre un décaissement de -18
-    millions d’euros sur l’exercice 2021).
-  - Orange Bank – Rapport de gestion 2023 Annexes - 4 - - Indicateurs clés23 2 Les
-    fonds propres réglementaires correspondent aux fonds propres que doivent détenir
-    les établissements financiers en lien avec l'exigence réglementaire définie par
-    le Comité de Bâle. Le Tier 1 correspond à la partie jugée la plus solide (le noyau
-    dur) de s capitaux propres des institutions financières. Le ratio correspond au
-    rapport entre le Tier 1 et le total des actifs pondérés par les risques. 3 Les
-    données prudentielles ne sont pas auditées par les commissaires aux comptes .
-    Structures financières en millions d'euros 31/12/2023 31/12/2022 Capitaux propres,
-    hors résultat de l'exercice 687 637 Données prudentielles 31/12/2023 31/12/2022
-    Fonds propres T1 réglementaires CFOB (millions d'euros) 339 416 Fonds propres
-    CFOB (millions d'euros) 366 444 Ratio de Core tier 1 (%) 18,8% 21,6% Ratio de
-    fonds propres (%) 20,4% 23,0% Compte de résultat social en millions d'euros 31/12/2023
-    31/12/2022 Produit Net Bancaire 101 82 Résultat Brut d'Exploitation -151 -114
-    Résultat Net -361 -148 Activité en millions d'euros 31/12/2023 31/12/2022 Total
-    de bilan 3 657 3 687
-- source_sentence: Quelle est la durée généralement considérée pour le cycle d'exploitation
-    dans le contexte des actifs et passifs ?
-  sentences:
-  - Il comprend aussi les investissements i ndustriels, nets, qui correspondent aux
-    sorties nettes de trésore rie liée aux acquisitions et cessions d’immobilisations
-    corporelles et incorporelles, qui sont inclus dans les flux nets de trésorerie
-    affec tés aux activités d’investissement. Les flux nets de trésorerie provenant
-    des activités opérat ionnelles cédées ou en cours de cession sont exclus du CFFO.
-    1.2.4 Bilan Les actifs et passifs dont la maturité est inférieure au cycle d’exploitation,
-    généralement égal à 12 mois, sont classés en act ifs ou passifs courants. Si leur
-    échéance excède cette durée, ils sont classés en actifs ou passifs non courants.
-    En outre, certains reclassem ents ont été effectués dans les comptes consolidés
-    des exercices 2021 et 2020, afin de les aligner sur la présentation des comptes
-    consolidé s des exercices 2022 et 2021. 1.3 Principes de préparation des états
-    financiers consolidés Les états financiers consolidés sont établis selon le principe
-    de continuité d’exploitation et la convention du coût historique à l’exception
-    de certaines catégories d’actifs et passifs conformément aux prin cipes préconisés
-    par les normes IFRS, notamment la norme IFRS 13 – Evaluation de la juste valeur
-    présentant les modalités d’évaluation et les informati ons à fournir. Les catégories
-    concernées sont mentionnées dans les notes suivantes. Les états financiers consolidés
-    intègrent les comptes de Vivendi et de ses filiales après élimination des rubriques
-    et transact ions intragroupe. Vivendi clôture ses comptes au 31 décembre. Les
-    filia les qui ne clôturent pas au 31 décembre établissent des états financiers
-    intermédiaires à cette date si leur date de clôture est antérieure de plus de
-    trois mois. Les filiales acquises sont consolidées dans les états financiers du
-    groupe à compter de la date de leur prise de contrôle.
-  - Compte tenu des éléments ci -dessus, l’exercice 2023 se solde par un résultat
-    net social de -361 millions d’euros, soit une dégradation de 2 13 millions d’euros
-    par rapport à 2022. o Affectation du résultat Le Conseil d’administration propose
-    à l’assemblée générale d’affecter la perte de l’exercice, d’un montant de - 360
-    763 024,02 euros au compte report à nouveau. Conformément à la loi, il est rappelé
-    qu’il n’y a pas eu de dividende versé en 2020, 2021 et 2022. (en milliers d'euros)
-    2023 2022 Variations Intérêts et produits assimilés 176 103 90 540 85 564 Intérêts
-    et charges assimilées (67 343) (10 449) (56 894) Revenus des titres à revenu variable
-    - - - Commissions (produits) 95 163 82 976 12 187 Commissions (charges) (67 377)
-    (63 445) (3 932) Gains ou pertes sur opérations des portefeuilles de négociation
-    19 1 558 (1 539) Gains ou pertes sur opérations des portefeuilles de placement
-    et assimilés (29 128) (15 454) (13 674) Autres produits d'exploitation bancaire
-    3 015 2 171 844 Autres charges d'exploitation bancaire (9 563) (5 609) (3 954)
-    Produit net bancaire 100 889 82 288 18 601 Charges générales d'exploitation (178
-    367) (155 254) (23 113) Dotations aux amortissements et aux provisions sur immobilisations
-    (73 952) (41 194) (32 758) Résultat brut d'exploitation (151 430) (114 160) (37
-    270) Coût du risque (60 506) (34 242) (26 264) Résultat d'exploitation (211 936)
-    (148 402) (63 534) Gains ou pertes sur actifs immobilisés (24 555) - (24 555)
-    Résultat courant avant impôt (236 492) (148 402) (88 090) Résultat exceptionnel
-    (124 388) (292) (124 096) Impôt sur les bénéfices 116 757 (641) Résultat net (360
-    763) (147 937) (212 826)
-  - 35 RESULTATS AU 31 DECEMBRE 2023 1. Intégrant 100% de la Banque Privée pour les
-    lignes PNB à Résultat avant impôt €m 4T23 3T23 2T23 1T23 4T22 3T22 2T22 1T22 BNL
-    bc (incluant 100% de la Banque Privée ) 1 PNB 704 660 687 675 656 652 671 654
-    incl. Revenus d 'intérêt 418 398 411 392 369 382 387 380 incl. Commissions 286
-    263 276 284 286 271 284 274 Frais de gestion -465 -448 -428 -464 -426 -440 -416
-    -454 RBE 239 213 259 211 230 213 255 201 Coût du risque -133 -98 -80 -98 -114
-    -114 -110 -128 Résultat d 'exploitation 106 114 179 113 116 99 146 73 Quote -part
-    du résultat net des sociétés mises en équivalence 0 0 0 0 0 0 0 0 Autres éléments
-    hors exploitation 0 0 -3 0 0 0 2 0 Résultat avant impôt 106 115 176 113 116 99
-    148 73 Résultat attribuable à la Gestion institutionnelle et privée -5 -4 -5 -7
-    -5 -4 -8 -8 Résultat avant impôt de BNL bc 100 110 171 106 111 95 139 65 Coefficient
-    d'exploitation 66,0% 67,8% 62,3% 68,7% 64,9% 67,4% 62,0% 69,3% Encours moyens
-    de crédits (Md€) 73 74 76 77 79 79 78 79 Encours de crédits au début du trimestre
-    (utilisés pour le coût du risque en pb ) 74 77 79 80 80 80 79 82 Dépôts moyens
-    (Md€) 66 64 65 63 64 65 65 63 Coût du risque (en pb annualisé ) 72 51 41 49 57
-    57 55 63 Fonds propres alloués (Md€, sur la période cumulée ; incluant 2/3 de
-    la Banque Privée ) 5,7 5,8 5,9 5,9 6,0 6,0 6,0 5,9 RWA (Md€) 45,1 43,7 45,1 46,4
-    47,6 48,7 49,3 49,8 €m 4T23 3T23 2T23 1T23 4T22 3T22 2T22 1T22 BNL bc (incluant
-    2/3 de la Banque Privée ) PNB 684 641 667 654 635 631 649 633 Frais de gestion
-    -449 -433 -413 -450 -411 -423 -403 -440 RBE 234 208 255 204 224 208 246 193 Coût
-    du risque -133 -98 -80 -98 -114 -114 -109 -128 Résultat d 'exploitation 101 110
-    174 106 110 95 138 65 Quote -part du résultat net des sociétés mises en équivalence
-    0 0 0 0 0 0 0 0 Autre éléments hors exploitation 0 0 -3 0 0 0 2 0 Résultat avant
-    impôt 100 110 171 106 111 95 139 65 Coefficient d'exploitation 65,8% 67,5% 61,9%
-    68,8% 64,7% 67,0% 62,0% 69,5% Fonds propres alloués (Md€, sur la période cumulée
-    ) 5,7 5,8 5,9 5,9 6,0 6,0 6,0 5,9 RWA (Md€) 44,7 43,3 44,7 46,0 47,1 48,2 48,8
-    49,3 €m 4T23 3T23 2T23 1T23 4T22 3T22 2T22 1T22 BCEB (incluant 100% de la Banque
-    Privée ) 1 PNB 954 1 014 1 006 1 016 947 917 965 935 incl.
-- source_sentence: Quel est le rôle de la Société Générale dans le cadre des prêts
-    immobiliers garantis par la Société Générale SFH ?
-  sentences:
-  - 'RAPPORT FINANCIER ANNUEL 2021 │ 45 Conformément aux dispositions de l’article
-    L 823 -19 du Code de commerce et A.1012 du Code SOCIETE GENERALE , Société Générale
-    SCF s’est dotée d’un comité d’audit dont u n membre au moins du comité doit être
-    indépendant au regard des critères précisés et rendus publics par l’organe chargé
-    de l’administration ou de la surveillance. Au 31 décembre 202 1, le Comité d''audit
-    est présidé par Madame Isabelle MAURY en qualité d’indépendant et a pour membres
-    Madame Marie -Aude LE GOYAT et Monsieur Thierry SAMIN. Aux termes du Code SOCIETE
-    GENERALE qui reprend la définition donnée par le Code AFEP -MEDEF (applicable
-    aux sociétés cotées), un Administrateur est considéré indépendant s’il n’entretient
-    aucune relation de quelque nature que ce soit avec l’entité, ses act ivités ou
-    sa direction qui puisse compromettre l’exercice de sa liberté de jugement. Cette
-    indépendance doit être aussi bien objective, par l’absence d’intérêt matériel,
-    que subjective, par l’absence de relation personnelle significative de l’Administrat
-    eur dans l’entité où il exerce ce mandat. Les critères retenus afin de qualifier
-    un Administrateur d''indépendant et prévenir les risques de conflit d’intérêts
-    entre l’Administrateur et la direction, la Société ou son Groupe, sont les suivants
-    : - Ne pas êtr e salarié ou dirigeant mandataire social de la société, ni salarié,
-    ou Administrateur de sa société mère ou d''une société que celle -ci consolide
-    et ne pas l’avoir été au cours des cinq années précédentes ; - Ne pas être dirigeant
-    mandataire social d’une soci été dans laquelle la société détient directement
-    ou indirectement un mandat d’Administrateur ou dans laquelle un salarié désigné
-    en tant que tel ou un dirigeant mandataire social de la société (actuel ou l''ayant
-    été depuis moins de cinq ans) détient un man dat d’Administrateur ; - Ne pas être
-    client, fournisseur, banquier d’affaires, banquier de financement : ❖ Significatif
-    de la Société ou son Groupe, ❖ Ou pour lequel la Société ou son Groupe, représente
-    une part significative de l’activité. - Ne pas avoir de lien familial proche avec
-    un mandataire social ; - Ne pas avoir été Commissaire aux Comptes de l’entreprise
-    au cours des cinq années précédentes ; - Ne pas être Administrateur de l’entreprise
-    depuis plus de douze ans. Le Comité d’audit a pour mission d’assurer le s uivi
-    des questions relatives à l’élaboration et au contrôle des informations comptables
-    et financières ainsi que le suivi de l’efficacité des systèmes de contrôle interne,
-    de mesure, de surveillance et de maîtrise des risques.'
-  - De manière à mesurer cet impact, le Groupe met progressivement en place un Indicateur
-    de Vulnérabilité Climat Entreprises (Corporate Climate Vulnerability Indicator
-    – CCVI) qui conduit à une analyse crédit renforcée sur les emprunteurs les plus
-    exposés. La politique de Société Générale SFH s’inscrit dans celle du Groupe qui
-    reste déterminé à soutenir une transition en profondeur vers une économie décarbonée.
-    Le Groupe considère ainsi que les risques liés au changement climatique ne constituent
-    pas une nouvelle catégorie de risque mais plutôt un facteur aggravant des catégories
-    déjà couvertes par le dispositif de gestion des risques. L’intégration des risques
-    liés au changement climatique s’appuie sur la gouvernance et les processus existants
-    et suit une approche classique (identification, quantification, définition de
-    l’appétit pour le risque, contrôle et mitigation).
-  - 'SG SFH RAPPORT FINANCIER ANNUEL 2023 NIVEAU DE CONFIDENTIALITE │ 17 structurellement
-    positive en trésorerie, de ne pas constituer de buffer d’actifs de haute qualité
-    pour respecter le ratio minimum de 100%. Ce ratio est produit mensuellement et
-    est structurellement supérieur à 100%, les sorties de trésorerie de la Société
-    étant structurellement compensées par les entrées de trésorerie . 2.4.4 Endettement
-    Nous rappelons que la capacité d’endettement de la Société est statutairement
-    limitée : elle ne peut s’endetter que principalement sous forme d’OFH. Ces dernières
-    ont pour objet de refinancer des prêts personnels immobiliers originés par le
-    réseau SOCIETE GENERALE et remis en pleine propriété à titre de garantie par SOCIETE
-    GENERALE en faveur de la Société. Par ailleurs, la capacité d’emprunt de Société
-    Générale SFH est tributaire du respect du ratio de couverture dont il est fait
-    mention dans le chapitre s ur le risque de crédit. 2.5. Descriptions des principaux
-    risques e t incertitudes auxquels la Société est confrontée 2.5.1 Risque de liquidité
-    Le risque de liquidité se définit comme l’incapacité pour la Société à faire face
-    aux échéances de ses obligations financiè res, en l’occurrence le paiement en
-    intérêts et principal des Obligations de Financement de l’Habitat souscrites par
-    les investisseurs, en raison des décalages temporaires entre le profil d’amortissement
-    des passifs et des actifs. En tant qu’établissement de crédit spécialisé, la Société
-    est soumise à la production d’indicateurs permettant de mesurer, d’encadrer et
-    de suivre ce risque. Des mécanismes de réduction de ce risque sont également mis
-    en place afin de réduire ce type de risque pour les porteurs d ’Obligations de
-    financement de l’Habitat. Ainsi, ce risque peut être mesuré par des indicateurs
-    réglementaires en fonction de l’horizon de temps considéré, notamment :  La couverture
-    des besoins de trésorerie sur une période de 180 jours pour un horizon cou rt
-    terme ;  Le plan de couverture annuel pour un horizon long terme et  L’écart
-    de durée de vie moyenne entre actifs (cover pool) et passifs. Ainsi, sur des périodes
-    courtes à moins de 6 mois, le risque intrinsèque peut être estimé à « élevé »
-    avec une expos ition maximale sur une période de 180 jours de 5 milliards d’euros
-    correspondant au montant nominal cumulé des Obligations de Financement de l’Habitat
-    arrivant à échéance sur cette même période. A plus long terme, le risque intrinsèque
-    est évalué à « faible » sur la base du Plan de Couverture Annuel qui ne présente
-    pas d’impasses de couverture jusqu’à la dernière date de maturité des Obligations
-    de Financement de l’Habitat . Par ailleurs, l’écart d e durée de vie moyenne entre
-    le cover pool et les passifs est systématiquement inférieur à la limite réglementaire
-    des 18 mois. Deux approches doivent être ainsi considérées : l’approche en vision
-    sociale, où les actifs sont représentés par les prêts colla téralisés accordés
-    par Société Générale SFH à Société Générale et l’approche par transparence, en
-    situation post défaut de Société Générale, où les actifs considérés sont les actifs
-    remis en pleine propriété à titre de garantie.'
-- source_sentence: Quelle région a généré le chiffre d'affaires le plus élevé en 2023
-    ?
-  sentences:
-  - 32/32 Bilan consolidé ACTIF M€ 31/03/2024 31/12/2023 Caisse, Banques Centrales
-    135 637 152 669 Actifs financiers à la juste valeur par résultat 221 280 214 782
-    Instruments dérivés de couverture – JV positive 8 830 8 855 Actifs financiers
-    à la juste valeur par capitaux propres 52 494 48 073 Titres de dette au coût amorti
-    26 111 26 373 Prêts et créances sur les établissements de crédit 112 487 108 631
-    Prêts et créances sur la clientèle 838 812 839 457 Ecarts de réévaluation des
-    portefeuilles couverts en taux (3 189) (2 626) Placements financiers des activités
-    d'assurance 107 472 103 615 Contrats d’assurance émis - Actif 1 151 1 124 Contrats
-    de réassurance cédés - Actif 9 442 9 564 Actifs d'impôts courants 932 829 Actifs
-    d'impôts différés 4 516 4 575 Comptes de régularisation et actifs divers 15 392
-    14 528 Participations dans les entreprises mises en équivalence 1 624 1 616 Immeubles
-    de placement 721 717 Immobilisations corporelles 6 043 6 023 Immobilisations incorporelles
-    1 138 1 110 Ecarts d'acquisition 4 258 4 224 TOTAL ACTIF 1 545 151 1 544 139 PASSIF
-    M€ 31/03/2024 31/12/2023 Banques Centrales 4 2 Passifs financiers à la juste valeur
-    par résultat 207 175 204 064 Instruments dérivés de couverture 14 532 14 973 Dettes
-    représentées par un titre 299 225 292 598 Dettes envers les établissements de
-    crédit 66 830 79 634 Dettes envers la clientèle 707 196 711 658 Ecart de réévaluation
-    des portefeuilles couverts en taux 126 159 Contrats d'assurance émis - Passif
-    110 001 106 137 Contrats de réassurance cédés - Passif 167 149 Passifs d'impôts
-    courants 2 100 2 026 Passifs d'impôts différés 1 742 1 660 Comptes de régularisation
-    et passifs divers 24 824 22 492 Provisions 4 708 4 825 Dettes subordonnées 20
-    314 18 801 Capitaux propres 86 207 84 961 Capitaux propres part du Groupe 85 658
-    84 407 Participations ne donnant pas le contrôle 549 553 TOTAL PASSIF 1 545 151
-    1 544 139
-  - 'RAPPORT ANNUEL 2023 Haut Conseil de stabilité financière 38 I, partie D) limite
-    l’éventualité d’une pénurie de l’offre de crédit affectant les acteurs de l’immobilier
-    commercial. Le caractère systémique de ce marché justifie cependant une vigilance
-    continue. D’une part, un ralentissement de la construction pénaliserait un secteur
-    d’activité qui représentait 6,7 % des emplois en France en 202070 et 5,5 % de
-    la valeur ajoutée au quat rième trimestre 202271. D’autre part, la baisse des
-    rendements locatifs affecterait les entreprises du secteur de l’immobilier (12,8
-    % de la valeur ajoutée de l’économie française au quatrième trimestre 202272).
-    Enfin, la correction des valorisations pourr ait affecter l’ensemble des entreprises
-    via la qualité de leurs actifs, qui étaient constitués de 11 % d’actifs immobiliers
-    en 202173, et leur capacité d’emprunt, qui pourrait se dégrader sous l’effet de
-    la baisse du prix des biens immobiliers utilisés com me collatéral. Selon l’ampleur
-    de cette correction, les vulnérabilités des fonds immobiliers grand public et
-    professionnels non cotés pourraient aussi s’accroître, dans un contexte de baisse
-    de la collecte nette, voire de décollecte pour certains et en lie n avec le décalage
-    de liquidité entre actif et passif. Ainsi, cette classe d’actifs constitue un
-    canal de transmission et d’amplification potentiel important des chocs affectant
-    le système financier français. Le HCSF a examiné les vulnérabilités liées à l
-    ’endettement avec effet de levier des institutions financières non -bancaires
-    françaises Pour accroître leur capacité d’investissement ou amplifier le taux
-    de rendement d’une position au -delà de ce que leurs seuls fonds propres permettent,
-    les institutions financières non -bancaires peuvent avoir recours à l’effet de
-    levier. L’effet de levier peut être obtenu de deux manières : i) via l’emprunt,
-    principalement financé par les ban ques sous forme de prêts et/ou par des titres
-    de dette émis sur les marchés financiers (levier financier), ou via des opérations
-    hors bilan, par exemple par l’utilisation des produits dérivés ou des mises en
-    pension (levier synthétique). Ces opération s financière s peuvent conduire à
-    une prise de risque accrue voire excessi ve et se matérialiser en période de stress
-    de marché. En France, les fonds d’investissement, et les assureurs dans une moindre
-    mesure, sont les principales entités non bancaires ayant recours au levier. L’objectif
-    est d’établir des stratégies pour amplifi er l’exposition de leurs investissements,
-    en mobilisant leurs fonds propres de façon contenue74. Le montant de l''effet
-    de levier dépend des stratégies d’investissement, elles -mêmes déterminées par
-    les préférences et l''attitude de leurs investisseurs vis -à-vis du risque. Ainsi,
-    l’essentiel des produits dérivés détenus par les organismes d’assurance français
-    sont utilisés dans l’objectif de se couvrir contre le risque de hausse des taux
-    d’intérêt et n’exposent pas à une perte potentielle. Les données permetta nt d’évaluer
-    les niveaux de levier des fonds d’investissement sont, à ce stade, limitées aux
-    OPC relevant de la directive AIFM hors fonds de private equity75, rendant difficile
-    l’appréciation de ces vulnérabilités. Néanmoins, les données disponibles indiqu
-    ent que la plupart des fonds français déclarent une faible utilisation du levier
-    par engagement .'
-  - 15 Comptes consolidés 2023 B. Informations par Régions Le chiffre d’affaires consolidé
-    est présenté par zone d’implantation de la clientèle. Les immobilisations corporelles
-    et incorporelles sont présentées par région d’implantation des filiales et des
-    activités conjointes. (en millions d’euros) Europe Amériques Asie Pacifique Afrique
-    Moyen - Orient Eurasie Total consolidé 2023 Chiffre d’affaires 41 129 4 560 1
-    814 1 667 3 206 52 376 dont France 15 305 Immobilisations corporelles et incorporelles
-    14 764 583 578 623 329 16 877 dont France 10 431 2022 Chiffre d’affaires ⁽¹⁾ 35
-    622 4 351 2 699 1 757 1 899 46 328 dont France 13 814 Immobilisations corporelles
-    et incorporelles 14 230 471 663 663 378 16 405 dont France 10 124 (1) Les états
-    financiers 2022 tiennent compte des ajustements au titre de la 1ère application
-    de la norme IFRS 17 « Contrat d’assurance » en 2023 (Note 2 -A).
-- source_sentence: Comment les décisions du HCSF et du CERS peuvent-elles influencer
-    les stratégies d'investissement des institutions financières ?
-  sentences:
-  - 22-C. Trésorerie non disponible pour le Groupe Le Groupe dispose de liquidités
-    dans des pays où les conditions de rapatriement de s fonds peuvent s’avérer complexes
-    pour des raisons réglementaires ou politiques. Dans la majorité des pays concernés,
-    ces fonds font l’objet d’un emploi local pour des besoins industriels ou de financement
-    des ventes. Une partie des comptes courants ban caires détenus par les Fonds Communs
-    de Titrisation du Financement des ventes est affectée au rehaussement de crédit
-    des créances titrisées et sert en conséquence de collatéral en cas de défaut de
-    paiement des créances ( Notes 15 -B et 28 -A4). Ces comptes co urants bancaires
-    s’élèvent à 980 millions d’euros au 31 décembre 2023 (1 169 millions d’euros au
-    31 décembre 2022). Note 23 - Passifs financiers et dettes de Financement des ventes
-    23-A.
-  - Les analyses menées par le HCSF pour la France l’ont conduit à juger les risques
-    faibles et à décider de ne pas activer de coussin contra -cyclique dédié pour
-    ces expositions45. À l’issue de son analyse concernant les pays tiers matériels
-    pour l’Union européenne, le CERS, qui assure la coordination des actions macroprudentielles
-    en Europe, n’a pas recommandé la fixation de taux de coussin contra -cyclique
-    pour les pays tiers. 41 Décision n°D -HCSF -2022 -6 du 27 décembre 2022 r elative
-    au taux du coussin de fonds propres contra -cyclique . 42 Articles 138 et 139
-    CRD 43 Recommandation du Comit é europ éen du risque syst émique du 11 décembre
-    2015 sur la reconnaissance et la fixation des taux de coussin contra -cyclique
-    applicables aux expositions à des pays tiers (CERS/2015/1), recommandation B2.
-    44 En effet, l’art. 139 de CRD dispose que les autorités désignées peuvent adopter
-    un taux de CCyB applicable aux établissements domestiques sur les expositions
-    aux pays tiers dè s lors qu’aucun taux n’a été fixé ou que le taux fixé par l’autorité
-    du pays tiers est jugé insuffisant. 45 Le suivi des risques est réalisé par le
-    CERS quand les pays sont identifiés comme importants au niveau de l’Union européenne.
-  - 'RAPPORT ANNUEL 2023 Haut Conseil de stabilité financière 18 L’encours des dépôts
-    bancaires des SNF est ainsi passé de 689 Md€ fin 2019 à 913 Md€ fin 2022, tandis
-    que la trésorerie totale des SNF est passée de 817 Md€ au T4 2019 à 1 077 Md€
-    au T4 2022, représentant un peu plus de 50 % de la dette totale des SNF. Pour
-    autant, rapportée au produit intérieur brut (PIB) ou aux résultats des entreprises27,
-    la dynamique de la dette brute des SNF apparaît davantage contenue par rapport
-    au niveau pré -crise. À fin 2022 , l’encours de dette brute consolidée des SNF
-    représentait ainsi 4,8 fois l e résultat annuel des entreprises, contre 4,2 fin
-    2019 , tandis que la dette brute consolidée des SNF représentait 80,8 % du PIB
-    à fin 2022, contre 73 % à fin 2019. La dette nette consolidée, rapportée au PIB
-    ou mesurée en années de résultats des entreprises, est quant à elle restée stable
-    en 2022, et demeure comparable à sa moyenne sur la période 2010 -2021 (Graphique
-    18). 27 Mesurés par l’ excédent brut d’ exploitation (EBE). Graphique 16 – Demande
-    et accès des PME au crédit de trésorerie (%) Graphique 17 – Flux annuels de dette
-    et tréso rerie des entreprises sur la période 2019 - 2022 (Md€) Source : Banque
-    de France. Dernier point : T1 2023. Note de lecture : au T1 2023, 4,8 % des PME
-    interrogées avaient indiqué avoir demandé un crédit de trésorerie et 95,6 % d’entre
-    elles ont obtenu plus de 75 % du montant demandé. Source : Banque de France.'
-model-index:
-- name: SentenceTransformer based on OrdalieTech/Solon-embeddings-base-0.1
-  results:
-  - task:
-      type: information-retrieval
-      name: Information Retrieval
-    dataset:
-      name: Unknown
-      type: unknown
-    metrics:
-    - type: cosine_accuracy@1
-      value: 0.5698924731182796
-      name: Cosine Accuracy@1
-    - type: cosine_accuracy@3
-      value: 0.7956989247311828
-      name: Cosine Accuracy@3
-    - type: cosine_accuracy@5
-      value: 0.8866832092638545
-      name: Cosine Accuracy@5
-    - type: cosine_accuracy@10
-      value: 0.9445822994210091
-      name: Cosine Accuracy@10
-    - type: cosine_precision@1
-      value: 0.5698924731182796
-      name: Cosine Precision@1
-    - type: cosine_precision@3
-      value: 0.2652329749103942
-      name: Cosine Precision@3
-    - type: cosine_precision@5
-      value: 0.17733664185277087
-      name: Cosine Precision@5
-    - type: cosine_precision@10
-      value: 0.0944582299421009
-      name: Cosine Precision@10
-    - type: cosine_recall@1
-      value: 0.5698924731182796
-      name: Cosine Recall@1
-    - type: cosine_recall@3
-      value: 0.7956989247311828
-      name: Cosine Recall@3
-    - type: cosine_recall@5
-      value: 0.8866832092638545
-      name: Cosine Recall@5
-    - type: cosine_recall@10
-      value: 0.9445822994210091
-      name: Cosine Recall@10
-    - type: cosine_ndcg@10
-      value: 0.7584683046859523
-      name: Cosine Ndcg@10
-    - type: cosine_mrr@10
-      value: 0.698367731432249
-      name: Cosine Mrr@10
-    - type: cosine_map@100
-      value: 0.7017833023505873
-      name: Cosine Map@100
-    - type: dot_accuracy@1
-      value: 0.5698924731182796
-      name: Dot Accuracy@1
-    - type: dot_accuracy@3
-      value: 0.7956989247311828
-      name: Dot Accuracy@3
-    - type: dot_accuracy@5
-      value: 0.8866832092638545
-      name: Dot Accuracy@5
-    - type: dot_accuracy@10
-      value: 0.9445822994210091
-      name: Dot Accuracy@10
-    - type: dot_precision@1
-      value: 0.5698924731182796
-      name: Dot Precision@1
-    - type: dot_precision@3
-      value: 0.2652329749103942
-      name: Dot Precision@3
-    - type: dot_precision@5
-      value: 0.17733664185277087
-      name: Dot Precision@5
-    - type: dot_precision@10
-      value: 0.0944582299421009
-      name: Dot Precision@10
-    - type: dot_recall@1
-      value: 0.5698924731182796
-      name: Dot Recall@1
-    - type: dot_recall@3
-      value: 0.7956989247311828
-      name: Dot Recall@3
-    - type: dot_recall@5
-      value: 0.8866832092638545
-      name: Dot Recall@5
-    - type: dot_recall@10
-      value: 0.9445822994210091
-      name: Dot Recall@10
-    - type: dot_ndcg@10
-      value: 0.7584683046859523
-      name: Dot Ndcg@10
-    - type: dot_mrr@10
-      value: 0.698367731432249
-      name: Dot Mrr@10
-    - type: dot_map@100
-      value: 0.7017833023505873
-      name: Dot Map@100
----
+# Model Card: sujet-ai/Marsilia-Embeddings-FR-Base 🚀
 
-# SentenceTransformer based on OrdalieTech/Solon-embeddings-base-0.1
+## Introduction 🌟
 
-This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [OrdalieTech/Solon-embeddings-base-0.1](https://huggingface.co/OrdalieTech/Solon-embeddings-base-0.1). It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
+**Marsilia-Embeddings-FR-Base** is a French language embedding model specifically designed for financial domain tasks. This model serves as a proof of concept, demonstrating the critical importance of fine-tuning embedding models for specific tasks in Retrieval-Augmented Generation (RAG) applications. 
 
-## Model Details
+By focusing on the financial domain, Marsilia-Embeddings-FR-Base achieves performance that surpasses even closed-source models like OpenAI's embeddings, while offering a more cost-effective solution. This showcases how targeted fine-tuning can dramatically enhance the capabilities of open-source models, making them competitive with or even superior to proprietary alternatives in specialized domains.
+
+## Model Details 📊
 
-### Model Description
 - **Model Type:** Sentence Transformer
-- **Base model:** [OrdalieTech/Solon-embeddings-base-0.1](https://huggingface.co/OrdalieTech/Solon-embeddings-base-0.1) <!-- at revision d9cfe58bd70941b8642f2b97c5949041dc829d08 -->
+- **Language:** French 🇫🇷
+- **Base Model:** [OrdalieTech/Solon-embeddings-base-0.1](https://huggingface.co/OrdalieTech/Solon-embeddings-base-0.1)
 - **Maximum Sequence Length:** 512 tokens
-- **Output Dimensionality:** 768 tokens
+- **Output Dimensionality:** 768
 - **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': 768, '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 💻
 
-## Usage
+To use this model with the Sentence Transformers library:
 
-### 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/Sujet-Fiscus-FR-base")
+model = SentenceTransformer("sujet-ai/Marsilia-Embeddings-FR-Base")
+
 # Run inference
 sentences = [
     "Comment les décisions du HCSF et du CERS peuvent-elles influencer les stratégies d'investissement des institutions financières ?",
-    'Les analyses menées par le HCSF pour la France l’ont conduit à juger les risques faibles et à décider de ne pas activer de coussin contra -cyclique dédié pour ces expositions45. À l’issue de son analyse concernant les pays tiers matériels pour l’Union européenne, le CERS, qui assure la coordination des actions macroprudentielles en Europe, n’a pas recommandé la fixation de taux de coussin contra -cyclique pour les pays tiers. 41 Décision n°D -HCSF -2022 -6 du 27 décembre 2022 r elative au taux du coussin de fonds propres contra -cyclique . 42 Articles 138 et 139 CRD 43 Recommandation du Comit é europ éen du risque syst émique du 11 décembre 2015 sur la reconnaissance et la fixation des taux de coussin contra -cyclique applicables aux expositions à des pays tiers (CERS/2015/1), recommandation B2. 44 En effet, l’art. 139 de CRD dispose que les autorités désignées peuvent adopter un taux de CCyB applicable aux établissements domestiques sur les expositions aux pays tiers dè s lors qu’aucun taux n’a été fixé ou que le taux fixé par l’autorité du pays tiers est jugé insuffisant. 45 Le suivi des risques est réalisé par le CERS quand les pays sont identifiés comme importants au niveau de l’Union européenne.',
-    'RAPPORT ANNUEL 2023 Haut Conseil de stabilité financière 18 L’encours des dépôts bancaires des SNF est ainsi passé de 689 Md€ fin 2019 à 913 Md€ fin 2022, tandis que la trésorerie totale des SNF est passée de 817 Md€ au T4 2019 à 1 077 Md€ au T4 2022, représentant un peu plus de 50 % de la dette totale des SNF. Pour autant, rapportée au produit intérieur brut (PIB) ou aux résultats des entreprises27, la dynamique de la dette brute des SNF apparaît davantage contenue par rapport au niveau pré -crise. À fin 2022 , l’encours de dette brute consolidée des SNF représentait ainsi 4,8 fois l e résultat annuel des entreprises, contre 4,2 fin 2019 , tandis que la dette brute consolidée des SNF représentait 80,8 % du PIB à fin 2022, contre 73 % à fin 2019. La dette nette consolidée, rapportée au PIB ou mesurée en années de résultats des entreprises, est quant à elle restée stable en 2022, et demeure comparable à sa moyenne sur la période 2010 -2021 (Graphique 18). 27 Mesurés par l’ excédent brut d’ exploitation (EBE). Graphique 16 – Demande et accès des PME au crédit de trésorerie (%) Graphique 17 – Flux annuels de dette et tréso rerie des entreprises sur la période 2019 - 2022 (Md€) Source : Banque de France. Dernier point : T1 2023. Note de lecture : au T1 2023, 4,8 % des PME interrogées avaient indiqué avoir demandé un crédit de trésorerie et 95,6 % d’entre elles ont obtenu plus de 75 % du montant demandé. Source : Banque de France.',
+    'Les analyses menées par le HCSF pour la France l'ont conduit à juger les risques faibles et à décider de ne pas activer de coussin contra -cyclique dédié pour ces expositions45. À l'issue de son analyse concernant les pays tiers matériels pour l'Union européenne, le CERS, qui assure la coordination des actions macroprudentielles en Europe, n'a pas recommandé la fixation de taux de coussin contra -cyclique pour les pays tiers. 41 Décision n°D -HCSF -2022 -6 du 27 décembre 2022 r elative au taux du coussin de fonds propres contra -cyclique . 42 Articles 138 et 139 CRD 43 Recommandation du Comit é europ éen du risque syst émique du 11 décembre 2015 sur la reconnaissance et la fixation des taux de coussin contra -cyclique applicables aux expositions à des pays tiers (CERS/2015/1), recommandation B2. 44 En effet, l'art. 139 de CRD dispose que les autorités désignées peuvent adopter un taux de CCyB applicable aux établissements domestiques sur les expositions aux pays tiers dè s lors qu'aucun taux n'a été fixé ou que le taux fixé par l'autorité du pays tiers est jugé insuffisant. 45 Le suivi des risques est réalisé par le CERS quand les pays sont identifiés comme importants au niveau de l'Union européenne.',
+    'RAPPORT ANNUEL 2023 Haut Conseil de stabilité financière 18 L'encours des dépôts bancaires des SNF est ainsi passé de 689 Md€ fin 2019 à 913 Md€ fin 2022, tandis que la trésorerie totale des SNF est passée de 817 Md€ au T4 2019 à 1 077 Md€ au T4 2022, représentant un peu plus de 50 % de la dette totale des SNF. Pour autant, rapportée au produit intérieur brut (PIB) ou aux résultats des entreprises27, la dynamique de la dette brute des SNF apparaît davantage contenue par rapport au niveau pré -crise. À fin 2022 , l'encours de dette brute consolidée des SNF représentait ainsi 4,8 fois l e résultat annuel des entreprises, contre 4,2 fin 2019 , tandis que la dette brute consolidée des SNF représentait 80,8 % du PIB à fin 2022, contre 73 % à fin 2019. La dette nette consolidée, rapportée au PIB ou mesurée en années de résultats des entreprises, est quant à elle restée stable en 2022, et demeure comparable à sa moyenne sur la période 2010 -2021 (Graphique 18). 27 Mesurés par l' excédent brut d' exploitation (EBE). Graphique 16 – Demande et accès des PME au crédit de trésorerie (%) Graphique 17 – Flux annuels de dette et tréso rerie des entreprises sur la période 2019 - 2022 (Md€) Source : Banque de France. Dernier point : T1 2023. Note de lecture : au T1 2023, 4,8 % des PME interrogées avaient indiqué avoir demandé un crédit de trésorerie et 95,6 % d'entre elles ont obtenu plus de 75 % du montant demandé. Source : Banque de France.',
 ]
 embeddings = model.encode(sentences)
 print(embeddings.shape)
@@ -564,254 +41,33 @@ 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
+## Intended Use 🎯
 
-* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+This model is designed for generating sentence embeddings for French text, particularly in the financial domain. It can be used for various natural language processing tasks such as semantic search, clustering, and information retrieval.
 
-| Metric              | Value      |
-|:--------------------|:-----------|
-| cosine_accuracy@1   | 0.5699     |
-| cosine_accuracy@3   | 0.7957     |
-| cosine_accuracy@5   | 0.8867     |
-| cosine_accuracy@10  | 0.9446     |
-| cosine_precision@1  | 0.5699     |
-| cosine_precision@3  | 0.2652     |
-| cosine_precision@5  | 0.1773     |
-| cosine_precision@10 | 0.0945     |
-| cosine_recall@1     | 0.5699     |
-| cosine_recall@3     | 0.7957     |
-| cosine_recall@5     | 0.8867     |
-| cosine_recall@10    | 0.9446     |
-| cosine_ndcg@10      | 0.7585     |
-| cosine_mrr@10       | 0.6984     |
-| **cosine_map@100**  | **0.7018** |
-| dot_accuracy@1      | 0.5699     |
-| dot_accuracy@3      | 0.7957     |
-| dot_accuracy@5      | 0.8867     |
-| dot_accuracy@10     | 0.9446     |
-| dot_precision@1     | 0.5699     |
-| dot_precision@3     | 0.2652     |
-| dot_precision@5     | 0.1773     |
-| dot_precision@10    | 0.0945     |
-| dot_recall@1        | 0.5699     |
-| dot_recall@3        | 0.7957     |
-| dot_recall@5        | 0.8867     |
-| dot_recall@10       | 0.9446     |
-| dot_ndcg@10         | 0.7585     |
-| dot_mrr@10          | 0.6984     |
-| dot_map@100         | 0.7018     |
+## Training Data 📚
 
-<!--
-## Bias, Risks and Limitations
+The model was fine-tuned on the [sujet-ai/Sujet-Financial-RAG-FR-Dataset](https://huggingface.co/datasets/sujet-ai/Sujet-Financial-RAG-FR-Dataset). This dataset consists of question-context pairs in French, focusing on financial topics.
 
-*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
--->
+- **Training Set Size:** 28,880 samples
 
-<!--
-### Recommendations
-
-*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
--->
-
-## Training Details
-
-### Training Dataset
-
-#### Unnamed Dataset
-
-
-* Size: 28,800 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: 26.99 tokens</li><li>max: 51 tokens</li></ul> | <ul><li>min: 31 tokens</li><li>mean: 431.2 tokens</li><li>max: 512 tokens</li></ul> |
-* Samples:
-  | sentence_0                                                                                                                               | sentence_1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      |
-  |:-----------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
-  | <code>Quel est le coût du risque de BCEB en 2023, et comment se compare-t-il à celui de 2022 ?</code>                                    | <code>15 RESULTATS AU 31 DECEMBRE 2023 Banque Commerciale en Belgique (BCEB) Sur l’ensemble de l’année 2023 , les encours de crédit augmentent de 3,2 % par rapport à 2022, portés par la progression sur l’ensemble des segments de clientèle . Les encours de dépôt sont en recul de 2, 0% par rapport à 2022 ( -0,5% hors l’impact de l’émission des bons par l’État belge à échéance septembre 20241). L’épargne hors-bilan progresse de 4,1% par rapport au 31 décembre 2022 portée par les OPCVM . A 2,0 milliards d’euros, l a collecte nette de la Banque Privée est bonne. Le produit net bancaire2 est en forte hausse de 6,0% et atteint 3 990 millions d’euros. Les revenus d’intérê t2 sont en très forte croissance de 9,5%, soutenus par la bonne tenue des marges sur les dépôts et malgré la hausse des coûts de refinancement et l’impact négatif de l’émission des bons de l’Etat belge au quatrième trimestre 2023 . Les commissions2 sont en recul de 2,0%, due à la baisse des comm issions bancaires partiellement compensée par la hausse des commissions financières. À 2 739 millions d’euros, les frais de gestion2 sont en augmentation de 4, 7%. L’effet de ciseaux est positif (+1,3 point) grâce à la maîtrise des frais de gestion compensant partiellement l’impact de l’inflation. Le résultat brut d’exploitation2 est en forte progression de 8,9%, à 1 251 millions d’euros. À 86 millions d’euros (36 millions en 2022 ), le coût du risque2 est à un niveau toujours bas et s’établit à 6 points de base des encours de crédit à la clientèle. Ainsi, après attribution d’un tiers du résultat de la Banque Privée au métier Wealth Management (pôle IPS), BCEB dégage un résultat avant impôt3 de 1 091 millions d’euros , en forte croissance de 4,0%. Au quatrième trimestre 2023 , à 954 millions d’euros, le produit net bancaire2 croît de 0,7%. Les revenus d’intérêt sont en hausse de 4,0%, avec la bonne tenue des marges et malgré la hausse des coûts de refinancement et l’impact de l’émission des bons de l’Etat belge au quatrième trimestre 2023, atténué s partiellement par l’effet de la progress ion des volumes de crédits. Les commissions sont en baisse de 7,3 %, ainsi la hausse des commissions financières est compensée par la baisse des autres commissions. A 635 millions d’euros , les frais de gestion2 sont en hausse de 6,0%, en lien avec l’inflati on partiellement compensée par les économies de coûts . L’effet de ciseaux est positif (+ 0,7 point) hors l’impact de l’émission des bons de l’Etat belge sur les revenus au quatrième trimestre 2023. Le résultat brut d’exploitation2, à 319 millions d’euros, e st en baisse de 8,4 %. À 37 millions d’euros, le coût du risque2 s’établit à un niveau très bas de 10 points de base des encours à la clientèle. Après attribution d’un tiers du résultat de la Banque Privée au métier Wealth Management (pôle IPS), BCEB dégage un résultat avant impôt3 de 267 millions d’euros en baisse de 11,9%.</code>                                                                                                                                                                                                                                                                                                |
-  | <code>Quel est le lien entre le dépôt de 500 M € et la gestion de l'écart de durée de vie moyenne du bilan de HSBC SFH (France) ?</code> | <code>ANNEXE AUX COMPTES SOCIAUX 1 FAITS SIGNIFICATIFS Il est rappelé qu’HSBC Continental Europe, Promontoria MMB SAS et Banque des Caraïbes SA ont conclu, le 25 novembre 2021, un accord-cadre contraignant relatif au projet de cession des activités de banque de détail de HSBC Continental Europe en France (l’ « Opération »), qui a permis le démarrage de la phase de mise en œuvre de l’Opération. Le projet de cession comprend, entre autre, sous réserves de la satisfaction des conditions suspensives nécessaires, 100 % des actions détenues par HSBC Continental Europe dans HSBC SFH (France), et le transfert des droits et obligations au titre des Documents du programme d’obligations sécurisées auxquels HSBC Continental Europe est partie, en ce, compris, notamment, en sa capacité d’emprunteur, d’administrateur, d’agent chargé des calculs, d’émetteur et de fournisseur de garanties en espèces, à (i) Banque des Caraïbes SA, et / ou, à (ii) toute autre entité de cette dernière au sein de My Money Group (le « Transfert »). L’Opération sera soumise à l’autorisation de l’autorité de la concurrence et des régulateurs financiers compétents. D’autres autorisations seront requises en lien avec le projet de cession de HSBC SFH (France). Toutefois, l’Opération sera réalisée quand bien même ces dernières autorisations ne seraient pas obtenues. La réalisation de l’Opération devrait intervenir au cours du deuxième semestre 2023. Dans le cadre d’une exigence réglementaire, HSBC SFH (France) a emprunté, le 22 novembre 2021, 400 M € auprès d’HSBC Continental Europe, pour déposer 500 M € sur son compte bancaire, ouvert près la Banque de France, pour gestion de l’écart de durée de vie moyenne de son bilan. Ces 500 M € correspondent à 15 % de la totalité des émissions non échues. Ce dépôt et cet emprunt ont été remboursés le 11 mars 2022. Les intérêts correspondants ont été encaissés et payés à cette même date sur les deux opérations. Dans le cadre de l’entrée en vigueur le 8 juillet 2022 de la Directive Covered Bond (UE) 2019/2162 du 27 novembre 2019, HSBC SFH (France) a obtenu, de la part de l’Autorité de contrôle prudentiel et de résolution, l’autorisation d’utiliser le label Premium ("obligation européenne garantie de qualité supérieure") qui sera donc appliqué aux émissions réalisées après le 8 juillet 2022. Le 11 mars 2022, l’émission de bonds d’un milliard d’euros (EUR), mise en place le 11 mars 2015 a été payée aux investisseurs, intérêt échu inclus. Par conséquent, le prêt d’un milliard d’euros (EUR) à HSBC Continental Europe a été remboursé, intérêt échu inclus. Le 22 mars 2022, la Société a procédé à une émission d’1,25 milliard d’euros (EUR), avec une maturité de 5 ans, présentant un coupon de 0,75%. En parallèle, la Société a conclu un prêt d’1,25 milliard d’euros (EUR) avec HSBC Continental Europe, avec une maturité à 5 ans, basé sur un taux d’intérêt de 0,75%. Le 28 juin 2022, la Société a procédé à une émission de 0,75 milliard d’euros (EUR), avec une maturité de 6 ans, présentant un coupon de 2,50%.</code>                                                                                                                                                                        |
-  | <code>Comment le Conseil d'administration s'assure-t-il de la compétence et de l'implication de ses membres ?</code>                     | <code>SG SFH RAPPORT FINANCIER ANNUEL 2023 NIVEAU DE CONFIDENTIALITE │ 59 4.4. Evaluation du conseil d’administration et des comités spécialisés Afin de respecter le Code Société Générale en matière de gouvernance des filiales, un exercice d’auto -évaluation des travaux du Conseil d’Administration et des comités spécialisés (Comité d’audit, Comité des risques et Comité des nominations) de SG SFH est réalisé annuellement. Cet exercice a pour objectif d’évaluer et d’examiner la structure, la composition et l’efficacité des travaux du Conseil et des comités spécialisés dont les membres doivent, tout au long de leur mandat, respecter des exigences d’honorabilité et de compétences imposées par le régulateur et nécessaires à l’exercice de leur fonction. Les Administrateurs ont été destinataires d’un questionnaire leur permettant de s’exprimer sur ces divers points. Il prend la forme de ques tions auxquelles les Administrateurs peuvent répondre par l’affirmative ou la négative et commenter leurs choix. Avant d’examiner les résultats, la Présidente rappelle que l’analyse des réponses apportées ne concernent que les seuls questionnaires qui on t été renseignés, soit sept sur les huit envoyés. Dès lors, les membres qui n’ont pas retourné le questionnaire n’ont aucune remarque particulière à apporter sur l’organisation le fonctionnement et les qualités des membres du Conseil d’administration et des Comités spécialisés sauf à ce qu’un point soit soulevé lors de la séance du Comité des nominations ou au cours du Conseil d’administration. Les résultats de cette consultation font ressortir les enseignements suivants : a. Sur l’équilibre et la dive rsité des connaissances, compétences et expériences des Administrateurs La composition du Conseil d’administration vise à un équilibre entre l’expérience, la compétence et l’indépendance des Administrateurs, dans le respect de la parité hommes/femmes et de la diversité. Le Conseil d’administration veille dans ses processus de recrutement, par les formations dispensées et les évaluations organisées, à ce que les Administrateurs soient compétents, actifs, présents et impliqués. En l’espèce, le taux de présence des administrateurs au Conseil d’administration est de 87,50% pour l’année 2023 contre 91,70% en 2022. Par ailleurs, le Conseil d’administration veille à respecter strictement les recommandations et les délais imposés par l’ACPR et la BCE dans le cadre des procédures des dossiers Fit&Proper. En l’espèce, il n’y a eu aucun retard de dépôt de dossier Fit&Proper lors de l’année écoulée. Le Conseil d’administration veille notamment à maintenir un équilibre en termes d’expérience professionnelle. Cet objectif est réexaminé chaque année par le conseil d’administration sur la base d’une évaluation annuelle. En outre, le conseil d’administration s’assur e également du renouvellement régulier de ses membres. La compétence et l’expérience du monde financier et de la gestion des entreprises significatives sont les critères de base de la sélection des Administrateurs . Les compétences couvertes aujourd’hui par les membres du Conseil d’administration sont les suivantes : - Comptabilité, - Gestion financière, - Contrôle de gestion,</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 Procedure 🛠️
 
 ### Training Hyperparameters
-#### Non-Default Hyperparameters
-
-- `eval_strategy`: steps
-- `per_device_train_batch_size`: 100
-- `per_device_eval_batch_size`: 100
-- `num_train_epochs`: 10
-- `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`: 100
-- `per_device_eval_batch_size`: 100
-- `per_gpu_train_batch_size`: None
-- `per_gpu_eval_batch_size`: None
-- `gradient_accumulation_steps`: 1
-- `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`: 10
-- `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`: False
-- `fp16`: False
-- `fp16_opt_level`: O1
-- `half_precision_backend`: auto
-- `bf16_full_eval`: False
-- `fp16_full_eval`: False
-- `tf32`: None
-- `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 | Training Loss | cosine_map@100 |
-|:------:|:----:|:-------------:|:--------------:|
-| 0.3472 | 100  | -             | 0.6352         |
-| 0.6944 | 200  | -             | 0.6574         |
-| 1.0    | 288  | -             | 0.6765         |
-| 1.0417 | 300  | -             | 0.6777         |
-| 1.3889 | 400  | -             | 0.6918         |
-| 1.7361 | 500  | 1.0092        | 0.6886         |
-| 2.0    | 576  | -             | 0.6961         |
-| 2.0833 | 600  | -             | 0.6986         |
-| 2.4306 | 700  | -             | 0.6926         |
-| 2.7778 | 800  | -             | 0.6921         |
-| 3.0    | 864  | -             | 0.7015         |
-| 3.125  | 900  | -             | 0.7018         |
 
+- **Loss Function:** MultipleNegativesRankingLoss
+  - Scale: 20.0
+  - Similarity Function: Cosine Similarity
+- **Evaluation Strategy:** Steps
+- **Per Device Train Batch Size:** 100
+- **Per Device Eval Batch Size:** 100
+- **Number of Train Epochs:** 10
+- **Batch Sampler:** no_duplicates
+- **Multi Dataset Batch Sampler:** round_robin
+- **Scheduler:** Warmup cosine
 
 ### Framework Versions
+
 - Python: 3.10.13
 - Sentence Transformers: 3.0.1
 - Transformers: 4.42.3
@@ -820,49 +76,27 @@ You can finetune this model on your own dataset.
 - Datasets: 2.20.0
 - Tokenizers: 0.19.1
 
-## Citation
+## Evaluation 📈
 
-### BibTeX
+The model was evaluated using the `InformationRetrievalEvaluator` on the test split of the [sujet-ai/Sujet-Financial-RAG-FR-Dataset](https://huggingface.co/datasets/sujet-ai/Sujet-Financial-RAG-FR-Dataset).
 
-#### 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",
-}
-```
+## Limitations ⚠️
 
-#### 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
+The model is specifically trained on French financial texts and may not perform optimally on other domains or languages. Users should be aware of potential biases present in the training data.
 
-*Clearly define terms in order to be accessible across audiences.*
--->
+## Citation 📄
 
-<!--
-## Model Card Authors
+If you use this model in your research or applications, please cite:
 
-*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
--->
+```bibtex
+@software{Marsilia-Embeddings-FR-Base,
+  author = {Sujet AI, Allaa Boutaleb, Hamed Rahimi},
+  title = {Marsilia-Embeddings-FR-Base: A fine-tuned French embedding model for financial texts},
+  year = {2024},
+  url = {https://huggingface.co/sujet-ai/Marsilia-Embeddings-FR-Base}
+}
+```
 
-<!--
-## Model Card Contact
+## Contact Information 📧
 
-*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
--->
+For questions, feedback, or collaborations, please reach out to us on [LinkedIn](https://www.linkedin.com/company/sujet-ai/) or visit our website [https://sujet.ai](https://sujet.ai).