Taxing data when the United States disagrees
Notice bibliographique
Résumé
Abstract What is the best way to tax data-driven business models without contravening the existing global quasi-constitutionalist order on tax, trade, and investment law? A number of countries in Europe and around the world have begun imposing standalone digital services taxes pending multilateral agreement on a coordinated reform of bilateral income tax treaties (aka the OECD-G20/Inclusive Framework’s ‘Pillar 1’). But if Pillar 1 fails to materialise and countries go forward with unilateral digital services taxes, the United States and U.S. firms will likely seek redress using domestic measures as well as trade and investment treaties where applicable. This Article argues that in the face of such U.S. resistance, EU member states and countries elsewhere ought to reconsider using the income tax system to achieve their goals instead. We first review the events that led countries to avoid the income tax in favour of standalone taxes only to become embroiled in domestic U.S. trade policies. We then explain how European and other source jurisdictions for business services related to data collection, mining, and commercialisation could revisit the income tax to get to the same tax base, namely by taking an ambulatory interpretation approach to provisions in existing tax treaties in a way that renders possible to accommodate withholding taxes on those services. We show that an ambulatory interpretation approach could achieve the underlying goals of taxing data-driven businesses, in some cases even without any domestic law or treaty reform, with treaty-based rules for dispute resolution a ready tool to draw upon if and when the United States disagrees.
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 | 0,002 | 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 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».