Un cas d’innovation ‘accidentelle’ en matière de peines : une loi brésilienne sur les drogues
Notice bibliographique
Résumé
La réflexion proposée dans ce papier porte sur les alternatives à l’incarcération et, plus globalement, sur les relations complexes qui se tissent entre les concepts de punition et d’innovation, de peine et d’innovation. A ce titre, nous évoquerons un exemple concret tiré de la législation criminelle brésilienne, une nouvelle loi en matière de drogues (2006), pour mettre en évidence l’intérêt théorique mais aussi les enjeux éthiques que peut susciter le concept d’innovation pénale. Introduisant une modification hyper improbable concernant les peines, cette loi brésilienne nous permettra alors de développer notre argumentaire en 7 temps : 1) décrire la modification législative qui servira d’arrière-plan à nos propos ; 2) présenter les outils conceptuels nécessaires à la description que nous entendons faire de cette modification législative ; 3) évoquer le statut que la théorie des systèmes autoréférentiels octroie à la production législative ; 4) attirer l’attention sur deux manières historiquement déviantes de conceptualiser la punition ; 5) indiquer quelques repères historiques sur le concept dominant de punition (en matière de justice pénale) ; 6) illustrer la restabilisation et la généralisation du concept dominant ou "normal" de peine et enfin 7) revenir, à titre de conclusion, sur les concepts centraux visés par notre démarche.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,024 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».