Application de la séquence éviter-réduire-compenser en France : le principe d’additionnalité mis à mal par 5 dérives
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
La séquence éviter-réduire-compenser a pris une importance croissante dans les politiques environnementales françaises au cours des dernières années. La loi de 2016 sur la reconquête de la biodiversité a encore renforcé le rôle de cet outil de politique publique. Dans un contexte de mobilisation croissante d’une diversité d’acteurs autour de cet instrument nous observons cinq « dérives » qui conduisent à créer un décalage entre l’ambition d’absence de perte nette de biodiversité mentionnée dans les textes et application de la séquence ERC sur le terrain : la mise en œuvre de la compensation écologique accapare les porteurs traditionnels de la conservation de la biodiversité ; la compensation finance les actions de conservation en manque de ressources, au détriment de l'additionnalité, et conforte le désengagement financier de l'État ; sa mise en œuvre pousse à la mise à disposition de terrains publics pour « débloquer » des situations ; elle suscite la recherche de rente de situation pour de nouveaux opérateurs de compensation ; et entraine une concurrence qui conduit à des compensations environnementales fondées sur le « moins disant ».
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.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 découle