6.4 MESURE DES RISQUES ET NOTATIONS INTERNES
Depuis 2007, Société Générale a l’autorisation des autorités de supervision d’appliquer, pour la majeure partie de ses expositions, la méthode interne (méthode IRB, Internal Rating Based) pour calculer les fonds propres nécessaires au titre des risques de crédit.
Les expositions restant soumises à l’approche Standard concernent principalement les portefeuilles de clientèle de détail et PME (Petite et Moyenne Entreprise) des activités de Banque de détail à l’International. Pour les encours traités en méthode standard hors Banque de détail, le Groupe utilise principalement les notations externes des agences de notation Standard & Poor’s, Moody’s et Fitch et de la Banque de France. Dans le cas où plusieurs ratings sont disponibles pour un tiers, le deuxième meilleur rating est retenu.
Le dispositif de suivi des modèles de notation est opérationnel, conformément aux exigences réglementaires, et détaillé dans la section 4.5.4 « Mesure des risques et notations internes » du Document d’Enregistrement Universel 2022».
Conformément aux textes publiés par l’EBA dans le cadre du programme IRB Repair et à la suite des missions de revue menées par la BCE (TRIM – Targeted Review of Internal Models), le Groupe prévoit de faire évoluer son dispositif de modèles internes de risque de crédit, de telle sorte à se mettre en conformité avec ces nouvelles exigences. Un programme (« Haussmann ») a été lancé en ce sens au sein du Groupe, et traite des aspects tels que :
la simplification de l’architecture des modèles, et l’amélioration de son auditabilité : soit via le développement ex nihilo de nouveaux modèles s’appuyant sur la Nouvelle Définition du Défaut (NDoD), et intégrant nativement les attentes de l’EBA et BCE, soit via la mise aux normes de certains modèles existants ;
la revue des rôles et responsabilités des équipes, notamment en matière de construction et surveillance (back-test) du dispositif ;
la mise en place d’un socle normatif plus complet, et une relation avec le superviseur plus suivie.
Le programme se base aussi pour construire la stratégie modèle cible sur le plan de roll-out vers l’approche IRB.
À la suite des TRIM et dans le cadre de la mise en conformité à IRB Repair, des évolutions des systèmes de notations et des modèles ontété et seront soumises pour validation à la BCE.
Pour calculer ses exigences de fonds propres selon la méthode IRB, Société Générale estime l’actif pondéré par le risque (Risk Weighted Asset, RWA) ainsi que la perte attendue (Expected Loss, EL), perte susceptible d’être encourue compte tenu de la nature de la transaction, de la solidité de la contrepartie (via la notation interne) et de toutes mesures prises pour atténuer le risque.
Le calcul de RWA repose sur les paramètres bâlois, estimés à partir du dispositif interne de mesure des risques :
la valeur exposée au risque (Exposure at Default, EAD) est définie comme l’exposition du Groupe en cas de défaut de la contrepartie. L’EAD comprend les expositions (prêts, créances, produits à recevoir, opérations de marché, etc.) inscrites au bilan ainsi qu’une proportion des expositions hors-bilan calculée à l’aide de facteurs de conversion (Credit Conversion Factor, CCF) internes ou réglementaires ;
la probabilité de défaut (PD) : probabilité qu’une contrepartie du Groupe fasse défaut à horizon d’un an ;
la perte en cas de défaut (Loss Given Default, LGD) : rapport entre la perte subie sur une exposition en cas de défaut d’une contrepartie et le montant de l’exposition au moment du défaut.
L’estimation de ces paramètres s’appuie sur un dispositif d’évaluation quantitatif, parfois complété d’un jugement expert ou métier.
Par ailleurs, un ensemble de procédures énonce les règles relatives aux notes (champ d’application, fréquence de révision, procédure d’approbation des notes, etc.) ainsi que celles pour la supervision, le backtesting (test rétroactif) et la validation des modèles. Ces procédures permettent entre autres de faciliter le jugement humain porteur d’un regard critique, complément indispensable des modèles pour ces portefeuilles hors clientèle de détail.
l’impact des garanties et des dérivés de crédit en substituant la PD, la LGD et la formule de pondération du risque du garant à celle de l’emprunteur (l’exposition est considérée comme une exposition directe au garant) dans le cas où la pondération du risque du garant est plus favorable que celle de l’emprunteur ;
les collatéraux apportés en garantie (physiques ou financiers). Cet impact est pris en compte via le niveau de LGD.
De façon très minoritaire, Société Générale applique également une approche IRB Fondation (pour laquelle le seul paramètre de Probabilité de Défaut est estimé par la Banque, les paramètres LGD et CCF étant fixés forfaitairement par le superviseur) pour un portefeuille de financements spécialisés, notamment logé dans les filiales Franfinance Entreprises, Sogelease et Star Lease.
Par ailleurs, le Groupe dispose de la validation du superviseur pour utiliser la méthode IAA (Internal Assessment Approach) pour le calcul de l’exigence de fonds propres réglementaires sur les conduits de titrisation d’ABCP (Asset-Backed Commercial Paper).
Outre les objectifs de calcul des exigences de fonds propres selon la méthode IRBA, les modèles de mesure des risques de crédit du Groupe contribuent au pilotage des activités opérationnelles du Groupe. Ils constituent également des outils pour structurer, tarifer et approuver les transactions et contribuent à la détermination des limites d’approbation accordées aux opérationnels et à la filière Risques.
Quand une notation externe est disponible, l’exposition correspondante est convertie en expositions pondérées grâce aux tableaux de cartographie présents dans le réglement CRR (articles 120-121-122) ou plus précisément aux tableaux publiés par l’organisme de réglementation ACPR (lien : https://acpr.banque-france.fr/sites/default/files/media/2021/07/08/20210707_notice_crdiv_college_clean.pdf).
(En M EUR) |
31.12.2021 |
|||||
Valeur exposée au risque au sens de l’article 166 du CRR pour les expositions en approche NI |
Valeur exposée au risque totale des expositions en approche standard et en approche NI |
Pourcentage de la valeur exposée au risque totale faisant l’objet de l’utilisation partielle permanente de SA (%) |
Pourcentage de la valeur exposée au risque totale faisant l’objet d’un plan de déploiement (%) |
Pourcentage de la valeur exposée au risque totale faisant l’objet de l’approche NI (%) |
dont pourcentage faisant l’objet de l’approche IRBA (%) |
|
Administrations centrales ou banques centrales |
243 502 |
253 240 |
3,43% |
- |
96,57% |
96,56% |
dont Administrations régionales ou locales |
|
1 833 |
7,33% |
- |
92,67% |
92,67% |
dont Entités du secteur public |
|
111 |
92,65% |
- |
7,35% |
7,35% |
Établissements |
40 410 |
46 806 |
9,63% |
0,01% |
90,36% |
90,36% |
Entreprises |
266 895 |
312 786 |
9,37% |
1,94% |
88,69% |
86,86% |
dont Entreprises – financement spécialisé, à l’exclusion de l’approche de référencement |
|
62 706 |
1,63% |
- |
98,37% |
98,37% |
dont Entreprises – financement spécialisé dans le cadre de l’approche de référencement |
|
1 436 |
- |
- |
100,00% |
100,00% |
Clientèle de détail |
177 266 |
244 359 |
19,22% |
8,77% |
72,01% |
72,01% |
dont Clientèle de détail – garanties par des biens immobiliers PME |
|
6 504 |
12,33% |
0,59% |
87,08% |
87,08% |
dont Clientèle de détail – garanties par des biens immobiliers non-PME |
|
141 329 |
11,17% |
11,55% |
77,28% |
77,28% |
dont Clientèle de détail – expositions renouvelables éligibles |
|
6 001 |
32,18% |
9,38% |
58,44% |
58,44% |
dont Clientèle de détail – autres PME |
|
36 052 |
33,29% |
1,45% |
65,26% |
65,26% |
dont Clientèle de détail – autres non-PME |
|
54 473 |
30,21% |
7,30% |
62,49% |
62,49% |
Actions |
6 203 |
7 410 |
16,29% |
- |
83,71% |
83,71% |
Autres actifs ne correspondant pas à des obligations de crédit |
868 |
37 883 |
97,71% |
- |
2,29% |
2,29% |
TOTAL |
735 144 |
902 485 |
14,15% |
3,05% |
82,80% |
82,17% |
|
Approche IRB |
Approche Standard |
Banque de détail en France |
La grande majorité des portefeuilles Banque de détail France, Crédit du Nord et de la Banque Privée |
Certains types de clients ou de produits spécifiques pour lesquels la modélisation n’est pas adaptéeBoursorama |
Banque de détail et Services Financiers Internationaux |
Filiales KB (République tchèque), CGI, Fiditalia, GEFA, SG leasing SPA et Fraer Leasing SPA, SGEF Italy |
Autres filiales internationales (notamment BRD, SG Maroc, Rosbank) |
Banque de Grande Clientèle et Solutions Investisseurs |
La plupart des portefeuilles de la Banque de Financement et d’Investissement |
Les filiales SG Kleinwort Hambros et SGIL, ainsi que certains types de clients de produits spécifiques pour lesquels la modélisation n’est pas adaptée |
Pour les portefeuilles Entreprises (incluant le financement spécialisé), Banques et Souverains, le Groupe a mis en place le dispositif suivant.
Le système de notation consiste à attribuer une note à chaque contrepartie selon une échelle interne dont chaque niveau correspond à une probabilité de défaut déterminée à partir d’un historique observé par Standard & Poor’s sur plus de vingt ans.
Le tableau ci-dessous présente la correspondance indicative avec les échelles des principaux organismes d’évaluation de crédit externes et les probabilités de défaut moyennes correspondantes, ainsi que l’échelle de notes internes du Groupe.
La note attribuée à une contrepartie est généralement calculée par un modèle, éventuellement ajustée par un analyste crédit, qui ensuite la soumet à la validation de la Fonction de gestion des Risques.
Les modèles de notation de contreparties se structurent notamment en fonction de la nature de la contrepartie (entreprises, institutions financières, entités publiques…), de la zone géographique, de la taille de l’entreprise (mesurée le plus souvent par son chiffre d’affaires annuel).
Plus spécifiquement sur les entreprises, les modèles de notation s’appuient sur des modélisations statistiques (méthodes de régression) de défaut des clients. Ils combinent des éléments quantitatifs issus des données financières évaluant la pérennité et la solvabilité des entreprises et des éléments qualitatifs d’appréciation des dimensions économiques et stratégiques.
Investment grade/ |
Fourchette de Probabilité de défaut |
Note interne de la Contrepartie |
Équivalent Indicatif Standard & Poor’s |
Équivalent Indicatif Fitch |
Équivalent Indicatif Moody’s |
Probabilité interne de défaut à un an (moyenne) |
Investment grade |
0,00 à < 0,10 |
1 |
AAA |
AAA |
Aaa |
0,009% |
2+ |
AA+ |
AA+ |
Aa1 |
0,014% |
||
2 |
AA |
AA |
Aa2 |
0,020% |
||
2- |
AA- |
AA- |
Aa3 |
0,026% |
||
3+ |
A+ |
A+ |
A1 |
0,032% |
||
3 |
A |
A |
A2 |
0,036% |
||
3- |
A- |
A- |
A3 |
0,061% |
||
0,10 à < 0,15 |
4+ |
BBB+ |
BBB+ |
Baa1 |
0,130% |
|
0,15 à < 0,25 |
|
|
|
|
|
|
0,25 à < 0,50 |
4 |
BBB |
BBB |
Baa2 |
0,257% |
|
0,50 à < 0,75 |
4- |
BBB- |
BBB- |
Baa3 |
0,501% |
|
Non-investment grade |
0,75 à < 1,75 |
5+ |
BB+ |
BB+ |
Ba1 |
1,100% |
1,75 à < 2,5 |
5 |
BB |
BB |
Ba2 |
2,125% |
|
2,5 à < 5 |
5- |
BB- |
BB- |
Ba3 |
3,260% |
|
6+ |
B+ |
B+ |
B1 |
4,612% |
||
5 à < 10 |
6 |
B |
B |
B2 |
7,761% |
|
10 à < 20 |
6- |
B- |
B- |
B3 |
11,420% |
|
7+ |
CCC+ |
CCC+ |
Caa1 |
14,328% |
||
20 à < 30 |
7 |
CCC |
CCC |
Caa2 |
20,441% |
|
7- |
C/CC/CCC- |
CCC- |
Caa3 |
27,247% |
||
30 à < 100 |
|
|
|
|
|
La perte en cas de défaut de la contrepartie (LGD) est une perte économique qui se mesure en prenant en compte tous les éléments inhérents à la transaction, ainsi que les frais engagés pour le recouvrement de la créance en cas de défaut de la contrepartie.
Les modèles d’estimation de la perte en cas de défaut (LGD) hors clientèle de détail s’appliquent par sous-portefeuilles réglementaires, type d’actif, taille et localisation géographique de la transaction ou de la contrepartie, selon la présence ou non de sûretés et selon leur nature. On définit ainsi des classes de risque homogènes notamment en termes de recouvrement, procédures, environnement juridique.
Les estimations sont étayées statistiquement, lorsque le nombre de dossiers tombés en défaut est suffisant. Elles se fondent alors sur l’observation de données de recouvrement sur longue période. Lorsque le nombre de défauts est insuffisant, l’estimation est revue ou déterminée à dire d’expert.
Pour ses expositions hors-bilan, le Groupe est autorisé à utiliser l’approche interne pour les produits Term loan with drawing period et les lignes de crédit renouvelables.
Paramètre modélisé |
Portefeuille/Catégorie d’actifs Bâle |
Nombre de méthodes, modèles |
Méthodologie Nombre d’années défaut/perte |
HORS CLIENTÈLE DE DÉTAIL |
|||
|
Souverains |
1 méthode. |
Méthode de type économétrique. Portefeuille avec peu de défauts. |
|
Entités du secteur public |
4 modèles selon la zone géographique. |
Méthodes de type statistique (régression)/experte d’aide à la notation, basée sur la combinaison de ratios financiers et un questionnaire qualitatif. Portefeuille avec peu de défauts. |
Probabilité de défaut (PD) |
Institutions |
11 modèles selon le type de contrepartie : Banques, Assurances, Fonds, |
Modèles de type expert basés sur un questionnaire qualitatif. Portefeuille avec peu de défauts. |
Financements spécialisés |
3 modèles selon le type de transaction. |
Modèles de type expert basés sur un questionnaire qualitatif. Portefeuille avec peu de défauts. |
|
|
Grandes entreprises |
9 modèles selon les zones géographiques. |
Principalement modèles de type statistique (régression) d’aide à la notation, basés sur la combinaison de ratios financiers et un questionnaire qualitatif. Défauts observés sur une période de 8 à 10 ans. |
|
Petites et moyennes entreprises |
20 modèles selon la taille des entreprises, |
Principalement modèles de type statistique (régression) d’aide à la notation, basés sur la combinaison de ratios financiers et un questionnaire qualitatif, score comportemental. Défauts observés sur une période de 8 à 10 ans. |
|
Entités du secteur public – Souverains |
6 modèles selon le type de contrepartie. |
Calibrage basé sur les données historiques et les jugements experts. Pertes observées sur une période de plus de 10 ans. |
|
Grandes entreprises – Approche forfaitaire |
25 modèles Approche forfaitaire par type |
Calibrage basé sur les données historiques ajustées des jugements experts. Pertes observées sur une période de plus de 10 ans. |
|
Grandes entreprises – Approche par décote |
16 modèles Approche par décote selon |
Calibrage statistique basé sur les données historiques de marché ajusté des jugements experts. Pertes observées sur une période de plus de 10 ans. |
Perte en cas |
Petites et moyennes entreprises |
16 modèles Approche forfaitaire par type |
Calibrage statistique basé sur les données historiques ajustées des jugements experts. Pertes observées sur une période de plus de 10 ans. |
|
Financements |
9 modèles Approche forfaitaire par type |
Calibrage statistique basé sur les données historiques ajustées des jugements experts. Pertes observées sur une période de plus de 10 ans. |
|
Institutions |
5 modèles Approche forfaitaire selon la nature de la contrepartie : Banque, Assurance, Fonds,… et la nature de la sûreté. |
Calibrage statistique basé sur les données historiques ajustées des jugements experts. Pertes observées sur une période de plus de 10 ans. |
|
Autres portefeuilles spécifiques |
6 modèles : affacturage, location avec option d’achat et autres cas spécifiques. |
Calibrage statistique basé sur les données historiques ajustées des jugements experts. Pertes observées sur une période de plus de 10 ans. |
Facteur de conversion crédit (CCF) |
Grandes entreprises |
5 modèles : Term loan with drawing period ; lignes de crédit renouvelable ; |
Modèles calibrés par segments sur une période d’observation des défauts plus de 10 ans. |
Perte |
Transaction immobilière |
2 modèles en affectation à des classes |
Modèle statistique basé sur avis expert et un questionnaire qualitatif. Portefeuille avec peu de défauts. |
Le niveau de performance de l’ensemble du dispositif de notation interne crédit hors clientèle de détail est mesuré par des backtests qui comparent, par portefeuille, les PD, LGD et CCF estimés aux réalisations, permettant ainsi de mesurer la prudence des paramètres de risque utilisés par l’approche IRB.
Les résultats de backtests et les plans de remédiation sont présentés au Comité experts pour être discutés et validés (cf. section «Gouvernance de la modélisation des risques de crédit »). Ces résultats peuvent justifier la mise en oeuvre de plans de remédiation si le dispositif est jugé insuffisamment prudent. Le pouvoir discriminant des modèles et l’évolution de la composition du portefeuille sont également mesurés.
Les résultats présentés ci-après couvrent l’intégralité des portefeuilles du Groupe. Les backtests comparent la probabilité de défaut estimée (moyenne arithmétique pondérée par débiteurs) aux résultats observés (le taux de défaut annuel historique). Le taux de défaut historique a été calculé sur la base des encours sains sur la période allant de 2008 à 2020.
Le taux de défaut historique reste stable sur l’ensemble des classes d’exposition. La probabilité de défaut estimée est plus élevée que les taux de défaut historique pour tous les portefeuilles bâlois et pour la plupart des notes. À noter que de nouveaux modèles internes sont en cours de développement afin de se conformer aux nouvelles exigences réglementaires.
Pour le portefeuille clientèle de détail composé de clients particuliers, de SCI (sociétés civiles immobilières) et de la clientèle identifiée comme professionnelle, le Groupe a mis en place le dispositif suivant :
La modélisation de la probabilité de défaut des contreparties de la clientèle de détail est effectuée spécifiquement par chaque ligne-métier du Groupe traitant ses expositions en méthode IRBA. Les modèles intègrent des éléments du comportement de compte des contreparties. Ils sont segmentés selon le type de clientèle et distinguent les particuliers, les professionnels, les très petites entreprises et les sociétés civiles immobilières.
Les contreparties de chaque segment sont classées de façon automatique à l’aide de modèles statistiques en classes homogènes de risque (pools) par l’observation des taux de défaut moyens sur une longue période pour chaque produit. Ces estimations sont ajustées d’une marge de prudence afin d’estimer au mieux un cycle complet de défaut selon une approche à travers le cycle (Through The Cycle, TTC).
Les modèles d’estimation de la perte en cas de défaut (LGD) pour la clientèle de détail s’appliquent de façon spécifique par portefeuille et par produit, selon la présence ou non de sûretés.
En cohérence avec les processus opérationnels de recouvrement, les méthodes d’estimation sont en général basées sur une modélisation en deux étapes qui estime dans un premier temps la proportion des dossiers en défaut passant en déchéance du terme, puis la perte subie en cas de déchéance du terme.
Le niveau des pertes attendues est estimé à l’aide d’historiques de recouvrement sur longue période issus de données internes pour les expositions tombées en défaut. Les estimations sont ajustées de marges de prudence pour refléter l’impact éventuel de conditions économiques adverses (downturn).
Pour ses expositions hors-bilan, le Groupe applique ses estimations pour les crédits renouvelables et les découverts des comptes à vue des particuliers et professionnels.
Paramètre modélisé |
Portefeuille/ Catégorie d’actifs bâlois |
Nombre de modèles |
Méthodologie Nombre d’années défaut/perte |
CLIENTÈLE DE DÉTAIL |
|||
|
Immobilier |
8 modèles selon l’entité, le type de garantie (caution, hypothèque), le type de contrepartie : particuliers ou professionnels/TPE, SCI. |
Modèle de type statistique (régression), score comportemental. Défauts observés sur une période supérieure à 5 ans. |
Probabilité |
Autres crédits |
15 modèles selon l’entité, la nature et l’objet |
Modèle de type statistique (régression), score comportemental. Défauts observés sur une période supérieure à 5 ans. |
Expositions renouvelables |
5 modèles selon l’entité, la nature du prêt : découvert sur compte à vue, crédit renouvelable bancaire ou consommation. |
Modèle de type statistique (régression), score comportemental. Défauts observés sur une période supérieure à 5 ans. |
|
|
Professionnels |
10 modèles selon l’entité, la nature du prêt : crédits d’investissement moyen long terme, crédit court terme, crédit automobile, le type de contrepartie (personne physique ou SCI). |
Modèle de type statistique (régression ou segmentation), score comportemental. Défauts observés sur une période supérieure à 5 ans. |
|
Immobilier |
9 modèles selon l’entité le type de garantie (caution, hypothèque), le type de contrepartie particuliers ou professionnels/TPE, SCI. |
Modèle statistique de modélisation des flux |
Perte en cas |
Autres crédits |
18 modèles selon l’entité, la nature et l’objet |
Modèle statistique de modélisation des flux |
Expositions renouvelables |
7 modèles selon l’entité, la nature du prêt : découvert sur compte à vue, crédit renouvelable bancaire ou consommation. |
Modèle statistique de modélisation des flux |
|
|
Professionnels |
12 modèles selon l’entité, la nature du prêt : crédits d’investissement moyen long terme, crédit court terme, crédit automobile ; le type de contrepartie (personne physique ou SCI). |
Modèle statistique de modélisation des flux |
Facteur de conversion crédit (CCF) |
Expositions renouvelables |
12 calibrages par entités pour les produits revolving et découverts particuliers. |
Modèles calibrés par segments sur une période d’observation des défauts supérieure à 5 ans. |
Le niveau de performance de l’ensemble du dispositif de crédit de la clientèle de détail est mesuré par des backtestings qui vérifient la performance des modèles de PD, LGD et CCF et comparent les estimations aux réalisations.
Chaque année, les taux de défaut moyens de long terme constatés par classe homogène de risque sont comparés aux PD.
Les résultats présentés ci-après couvrent l’intégralité des portefeuilles du Groupe. Les backtests comparent la probabilité de défaut estimée (moyenne arithmétique pondérée par les débiteurs) aux résultats observés (le taux de défaut annuel historique). Le taux de défaut historique a été calculé sur la base des encours sains sur la période allant de 2010 à 2020. Les clients créditeurs sont inclus conformémentaux instructions révisées de la publication EBA du 14 décembre 2016 (EBA/GL/2016/11).
Le taux de défaut historique est relativement stable sur l’ensemble des classes d’exposition, la probabilité de défaut baisse. En effet, la qualité des contreparties s’est améliorée (migration des populations vers les meilleures classes de risque) en raison notamment des mesures gouvernementales prises dans le contexte COVID. Les scores de risque reposant principalement sur le nombre de jours d’impayés et le solde de trésorerie, ils sont impactés par : (i) la mise en place de moratoire sur le remboursement des crédits, (ii) l’augmentation des soldes de trésorerie par le paiement de prêts garantis par l’État (PGE) et par le versement par l’Etat des diverses aides en soutien de l’économie dans le cadre de la crise COVID pour les professionnels, (iii) la constatation d’une augmentation du taux d’épargne des particuliers pendant la crise COVID.
À noter que de nouveaux modèles internes dont le développement est en cours/est planifié permettront d’adresser les faiblesses identifiées.
Voir également les tableaux 41 à 44 « Contrôle a posteriori des PD par catégorie d’expositions (échelle de PD fixe) » pages suivantes.
Catégorie d’expositions |
Fourchette de PD |
31.12.2021 |
|||||
Nombre de débiteurs à la fin de l’année précédente |
Taux de défaut moyen observé (%) |
PD moyenne 31.12.2021, pondérée (%) |
PD moyenne 31.12.2020 (%) |
Taux de défaut annuel historique moyen (%) |
|||
|
dont nombre de débiteurs qui ont fait défaut au cours de l’année |
||||||
Administrations centrales et banques centrales |
0,00 à < 0,15 |
348 |
- |
- |
0,01% |
0,02% |
0,06% |
0,00 à < 0,10 |
341 |
- |
- |
0,01% |
0,02% |
0,05% |
|
0,10 à < 0,15 |
7 |
- |
- |
0,13% |
0,13% |
0,58% |
|
0,15 à < 0,25 |
- |
- |
- |
- |
- |
- |
|
0,25 à < 0,50 |
10 |
- |
- |
0,26% |
0,26% |
- |
|
0,50 à < 0,75 |
7 |
- |
- |
0,50% |
0,50% |
- |
|
0,75 à < 2,50 |
15 |
- |
- |
1,55% |
1,74% |
0,33% |
|
0,75 à < 1,75 |
6 |
- |
- |
1,10% |
1,10% |
0,68% |
|
1,75 à < 2,50 |
9 |
- |
- |
2,12% |
2,12% |
- |
|
2,50 à < 10,00 |
53 |
- |
- |
4,98% |
4,77% |
0,58% |
|
2,50 à < 5,00 |
37 |
- |
- |
4,01% |
3,48% |
0,38% |
|
5,00 à < 10,00 |
16 |
- |
- |
7,76% |
7,76% |
1,00% |
|
10,00 à < 100,00 |
18 |
1 |
5,56% |
16,32% |
15,15% |
2,95% |
|
10,00 à < 20,00 |
14 |
1 |
7,14% |
12,55% |
12,67% |
0,69% |
|
20,00 à < 30,00 |
4 |
- |
- |
20,46% |
23,84% |
13,72% |
|
30,00 à < 100,00 |
- |
- |
- |
- |
- |
- |
|
|
100,00 (défaut) |
7 |
7 |
- |
100,00% |
100,00% |
- |
Établissements |
0,00 à < 0,15 |
2 487 |
- |
- |
0,04% |
0,05% |
0,20% |
0,00 à < 0,10 |
2 135 |
- |
- |
0,03% |
0,04% |
0,19% |
|
0,10 à < 0,15 |
352 |
- |
- |
0,13% |
0,13% |
0,27% |
|
0,15 à < 0,25 |
- |
- |
- |
- |
- |
- |
|
0,25 à < 0,50 |
292 |
- |
- |
0,26% |
0,26% |
0,07% |
|
0,50 à < 0,75 |
134 |
1 |
0,75% |
0,50% |
0,50% |
0,24% |
|
0,75 à < 2,50 |
115 |
- |
- |
1,54% |
1,52% |
0,31% |
|
0,75 à < 1,75 |
68 |
- |
- |
1,10% |
1,10% |
0,27% |
|
1,75 à < 2,50 |
47 |
- |
- |
2,12% |
2,12% |
0,39% |
|
2,50 à < 10,00 |
389 |
1 |
0,26% |
4,66% |
3,78% |
0,81% |
|
2,50 à < 5,00 |
355 |
1 |
0,28% |
3,94% |
3,40% |
0,66% |
|
5,00 à < 10,00 |
34 |
- |
- |
7,76% |
7,76% |
1,18% |
|
10,00 à < 100,00 |
63 |
1 |
1,59% |