Normativités et usages judiciaires des technologies : l’exemple controversé de la neuroimagerie en France et au Canada
Notice bibliographique
Résumé
L’observation du système nerveux, de son métabolisme et de certaines de ses structures est possible grâce à la neuroimagerie. Une littérature importante issue du « neurodroit » véhicule des imaginaires et des fantasmes relatifs aux possibilités judiciaires qu’offriraient ces technologies. Qu’il s’agisse de détection du mensonge, d’identification cérébrale des individus dangereux ou encore de prédiction de comportements déviants, la neuroimagerie, en l’état actuel des technologies, ne peut pourtant être sérieusement conçue comme pouvant faire l’objet de telles applications. L’utilisation de la neuroimagerie dans le cadre d’expertises est néanmoins une réalité, dans les tribunaux canadiens comme dans la loi française. Cette thèse souligne que les conceptions des technologies dont témoignent les deux systèmes juridiques étudiés s’avèrent lacunaires, ce qui engendre des risques. Elle évoque les conditions du recours à une normativité extra-juridique, la normalisation technique, qui pourrait s’élaborer dans ce contexte controversé, et esquisse les traits d’un dialogue amélioré entre les normativités juridique et technologique.
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 | 0,020 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,015 | 0,030 |
| Communication savante | 0,015 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,007 |
| 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 ».