L'utilisation et les enjeux du renseignement financier : un aperçu du CANAFE
Notice bibliographique
Résumé
Cette étude s’intéresse à un domaine peu étudié, la cellule de renseignements financiers du Canada, le Centre d’analyse des opérations et des déclarations financières du Canada (CANAFE). Notre communication aborde les enjeux auxquels le CANAFE a fait face lors de son émergence ; de sa mise en place à l’utilisation des renseignements financiers. Cette étude a pour but de questionner la portée de ces enjeux sur les pratiques de coopération et d’échange d’informations dans le champ canadien de la sécurité, en plus de produire des connaissances relatives aux pratiques du CANAFE et de leurs partenaires. Nous nous intéresserons au cheminement du CANAFE vers son positionnement actuel grâce au capital détenu par cette institution, le renseignement financier, mobilisé et utilisé par la CRF, afin d’atteindre la position et les prises de position actuelle de la cellule. Notre démarche méthodologique repose sur la réalisation d’entretiens semi-directifs principalement auprès des fournisseurs du renseignement financier, soit des acteurs provenant du CANAFE. Des entretiens ont aussi été réalisés auprès de quelques utilisateurs du renseignement financier, soit des acteurs provenant de la Sureté du Québec (SQ) et de l’Autorité des marchés financiers (AMF) pour apporter une ouverture sur leur perspective du sujet étudié.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 source (Gemma direct ou Codex distillé), 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 ».