Les investissements directs étrangers transforment les économies locales, mais leur influence reste souvent masquée derrière des structures juridiques complexes. Consultants, éditeurs SaaS et cellules de prospective peinent à savoir quelles filiales sont pilotées depuis l’étranger et quels risques cela génère.
Ce segment standardise les chaînes d’actionnariat, identifie les contrôles étrangers et calcule un score d’exposition intégrant les dimensions géopolitiques, réglementaires et structurelles — transformant une donnée brute de propriété en un levier stratégique exploitable.
Normalise les chaînes de détention légale pour identifier les maisons-mères étrangères
Calcule un score d’exposition selon le % de contrôle, la profondeur et les couches de risque
Enrichit avec site web, effectifs et signaux liés aux investissements récents
Ce segment est activé grâce à un mélange de sources fiables et de vos propres données.
AI reasoning
User Input
APIs qualifiées
Web intelligence
Un dataset classé des filiales sous contrôle étranger
Chaînes d’actionnariat standardisées (% contrôle, profondeur, type)
Couches de risque : sanctions, sensibilité géopolitique, récence de changement
Enrichissement avec données workforce, revenus et investissements
Scores d’exposition IDE, avec agrégations par secteur et pays
Les réponses à vos questions sur ce segment
Les réponses à vos questions sur ce segment
Puis-je expliquer ces scores en interne à des régulateurs ou au management ?
Tout à fait. Chaque score est étayé par des sources traçables et un raisonnement clair, ce qui le rend défendable en comité de conformité ou de stratégie.
Le dataset signale-t-il les entités sous sanctions ?
Oui. Chaque filiale est croisée avec les listes de sanctions, assortie d’un flag de risque et d’un score de confiance, pour une action rapide des équipes conformité.
Comment utiliser concrètement le score d’exposition IDE dans mes workflows ?
Les scores peuvent être filtrés, classés et exportés vers CRM, BI ou outils de risk management. Ils permettent de prioriser les filiales et d’agréger les expositions par secteur ou pays.
Qui tire le plus de valeur de ce dataset ?
Les équipes conformité l’utilisent pour signaler le contrôle étranger, les cellules de prospective pour évaluer le risque géopolitique, et les consultants pour orienter des stratégies IDE au niveau secteur/pays.
Quelle est l’actualité des informations de contrôle étranger ?
Les liens d’actionnariat sont mis à jour en continu via registres et web intelligence, avec dates de premier contrôle et de dernier changement. Cela garantit une visibilité claire sur la fraîcheur des données.
En quoi est-ce différent des bases de données classiques sur l’actionnariat ?
Les bases classiques s’arrêtent à la hiérarchie juridique. Ici, nous ajoutons des couches de risque — sanctions, sensibilité géopolitique, récence des changements — pour rendre l’exposition exploitable.
Quelle est la fiabilité des chaînes d’actionnariat et des scores d’exposition ?
Chaque chaîne provient de registres ou données ouvertes, normalisée et scorée avec des règles explicites. Chaque champ comporte un score de confiance pour rendre l’évaluation traçable.
{ "_meta": { "dictionaryColumns": ["Variable", "Data_Type", "Sample_Value", "Description"] }, "data": [ { "Variable": "company_name", "Description": "Registered name of the local subsidiary", "Business_Rules": "As in registry", "Source_System": "Open Data", "Data_Type": "VARCHAR", "Sample_Value": "Hexa Rail Services SAS" }, { "Variable": "website_domain", "Description": "Primary website domain for enrichment", "Business_Rules": "Valid domain format", "Source_System": "Web Intelligence", "Data_Type": "VARCHAR", "Sample_Value": "hexarail.fr" }, { "Variable": "local_country_iso", "Description": "ISO code of the subsidiary country", "Business_Rules": "2-letter ISO 3166-1", "Source_System": "Open Data", "Data_Type": "VARCHAR", "Sample_Value": "FR" }, { "Variable": "sector_naics", "Description": "Sector classification code", "Business_Rules": "NAICS code 2–6 digits", "Source_System": "Open Data", "Data_Type": "VARCHAR", "Sample_Value": "488210" }, { "Variable": "ultimate_parent_name", "Description": "Global ultimate controlling entity", "Business_Rules": "Resolved from ownership chain", "Source_System": "Open Data", "Data_Type": "VARCHAR", "Sample_Value": "TransPacific Holdings Ltd" }, { "Variable": "ultimate_parent_country_iso", "Description": "Country of the ultimate parent entity", "Business_Rules": "2-letter ISO code", "Source_System": "Open Data", "Data_Type": "VARCHAR", "Sample_Value": "GB" }, { "Variable": "ownership_percentage", "Description": "Control % held by ultimate parent", "Business_Rules": "0.0–100.0 decimal", "Source_System": "Open Data", "Data_Type": "DECIMAL", "Sample_Value": "82.4" }, { "Variable": "ownership_type", "Description": "Categorized control type", "Business_Rules": "ENUM: {Minority, Joint Control, Majority, Full Control}", "Source_System": "Web+AI Reasoning", "Data_Type": "ENUM", "Sample_Value": "Majority" }, { "Variable": "ownership_directness", "Description": "Direct or indirect control", "Business_Rules": "ENUM: {Direct, Indirect}", "Source_System": "Open Data", "Data_Type": "ENUM", "Sample_Value": "Indirect" }, { "Variable": "link_depth_to_ultimate", "Description": "Number of ownership layers to ultimate parent", "Business_Rules": "Integer >= 1", "Source_System": "Open Data", "Data_Type": "INTEGER", "Sample_Value": "2" }, { "Variable": "sanctions_risk", "Description": "Flag if parent/subsidiary is under sanctions", "Business_Rules": "ENUM: {Yes, No}", "Source_System": "Web Intelligence", "Data_Type": "ENUM", "Sample_Value": "No" }, { "Variable": "geopolitical_sensitivity", "Description": "Exposure level based on parent country", "Business_Rules": "ENUM: {Low, Moderate, Elevated}", "Source_System": "Web+AI Reasoning", "Data_Type": "ENUM", "Sample_Value": "Moderate" }, { "Variable": "ownership_change_risk", "Description": "Recent change in ownership control", "Business_Rules": "ENUM: {Stable, Recent Change}", "Source_System": "Web+AI Reasoning", "Data_Type": "ENUM", "Sample_Value": "Recent Change" }, { "Variable": "fdi_exposure_score", "Description": "Composite exposure score", "Business_Rules": "0–100 integer", "Source_System": "Web+AI Reasoning", "Data_Type": "INTEGER", "Sample_Value": "78" } ] }
