L’expertise pour les politiques nationales de biodiversité en France : quelles stratégies face aux mutations en cours ?
Notice bibliographique
Résumé
Le paysage français de l’expertise scientifique sur la biodiversité, mobilisée dans la construction des politiques publiques de protection de la nature, fait l’objet depuis une dizaine d’années d’une intense activité de réforme et de création institutionnelles. Cette étude exploratoire s’appuie sur des entretiens avec un panel d’acteurs agissant à l’interface entre les connaissances et l’action publique. Le champ de l’expertise, en biodiversité comme pour d’autres domaines, est le lieu d’une difficile rencontre entre science et politique. L’inconfort ressenti vis-à-vis du fonctionnement actuel des dispositifs d’expertise est souvent avancé comme argument pour justifier les différentes réformes engagées ces dernières années. Notre travail montre cependant qu’à l’inverse le foisonnement institutionnel récent est source de déstabilisation pour les acteurs, tant du côté des scientifiques que des décideurs politiques. Pour répondre malgré tout à la demande d’expertise, le positionnement des experts peut être décrit par trois figures archétypales - le « garant » de la qualité scientifique, le « gardien » des principes de protection de la nature et l’« agent » spécialisé dans l’expertise au plus près des politiques - dont la légitimité et le pouvoir ont évolué au cours du temps, au détriment des « gardiens ». Cette situation est analysée au regard des enjeux stratégiques de chacun des acteurs et des évolutions récentes du contexte académique et des modes d’élaboration des politiques publiques. Enfin, de nouvelles perspectives de recherche sont identifiées pour approfondir ces résultats.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».