Déléguer l’autorité au système ? L’extériorisation de la fonction judiciaire et le dé-agencement des juges
Notice bibliographique
Résumé
L’écosystème dans lequel les tribunaux opèrent a évolué de manière particulièrement brusque depuis 2020, passant d’une culture privilégiant le « format papier » à un « mariage de convenance » non balisé avec des intermédiaires privés, sur lequel la justice dépend en tant qu’infrastructure essentielle. Ainsi, les tribunaux, institutions démocratiques, se livrent spontanément à des partenariats non encadrés avec des compagnies multinationales, dont la mission est de commercialiser les données. Ceci, devant une pénurie de ressources et des pressions croissantes de désengorger les cours de justice. Sans aucun doute, l’essor des prédictions algorithmiques en justice soulève une préoccupation primordiale en ce qui concerne l’indépendance judiciaire, l’ossification du racisme systémique et l’enracinement des inégalités socio-économiques. En d’autres termes, la justice « à deux vitesses » (automatisée et traditionnelle) et la prolifération du « poor man’s justice ». D’autre part, le déploiement non encadré de l’IA risque d’empiéter sur diverses lois et de figer la jurisprudence dans un carcan qui ne correspond aucunement au modèle de l’arbre vivant et de l’interprétation contextuelle. Compte tenu des retombées significatives de ces partenariats invisibles sur les plans institutionnel et social, cet article s’attarde sur l’assujettissement de la justice à des technologies privées dans une perspective (comparative) transsystémique. L’article se penche ainsi sur l’impact institutionnel de la numérisation de la justice et sur les conséquences de la standardisation et de l’automatisation sur l’État de droit et sur l’évolution progressive de la jurisprudence.
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 | 0,003 | 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 | 0,007 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».