Mobiliser les connaissances en linguistique dans la recherche de l’intelligibilité du texte de loi : l’exemple de la structure de la phrase comme outil pour favoriser l’accès à la justice pour tous
Notice bibliographique
Résumé
Cette thèse cherche à marier les enseignements de la linguistique et des sciences de la rédaction aux réalités très particulières du texte de loi en français au Canada. L’intelligibilité du texte de loi participe à la fois de l’élaboration du contenu juridique et de sa compréhension par le lecteur qui reçoit le texte fini. La manière dont les phrases sont construites est donc cruciale, puisqu’elles sont le vecteur de l’information à l’échelle de l’article, berceau de la règle de droit. La thèse prend appui à la fois dans les ouvrages portant sur la rédaction législative et dans les ouvrages portant sur la lecture et la compréhension de textes, et cherche à trouver des manières de rendre le texte de loi plus intelligible. Elle explore les assises des recommandations formulées par les experts en légistique et les compare aux connaissances établies en sciences du langage. Elle illustre l’importance de l’agencement logique des « sous-phrases » dans l’atteinte de l’intelligibilité du texte de loi à l’aide d’exemples de dispositions législatives actuelles qui gagneraient à être retravaillées. Le changement de paradigme vers le citoyen-lecteur est essentiel pour qu’il comprenne ses droits, et pour que tous participent à l’amélioration du droit. Cela passe par la recherche de l’intelligibilité plutôt que de la simple lisibilité. Or ce n’est pas le cas actuellement : la phrase dans les textes de loi n’est pas rédigée en suivant des recommandations qui favorisent la compréhension du texte par le lecteur. La phrase législative est réellement distincte de la phrase « ordinaire », or il ne devrait pas y avoir de syntaxe juridique. L’inadéquation entre le langage juridique et le langage ordinaire contribue à alimenter la problématique actuelle de l’accès à la justice au Québec et au Canada. Cette thèse se veut un préambule théorique à de prochaines recherches empiriques sur l’amélioration effective de l’intelligibilité des textes de loi en français.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,013 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».