Artificial Intelligence and Human Rights: An Analysis of the Council of Europe’s Framework Convention on Human Rights, Democracy and the Rule of Law
Notice bibliographique
Résumé
This paper provides a legal analysis of the Council of Europe's Framework Convention on Artificial Intelligence, Human Rights, Democracy and the Rule of Law, which was adopted by the Council on 17 May 2024.This international convention seeks to complement the legal framework for AI governance, ensuring respect for human rights in public and private activities related to AI.Following a meeting of the foreign ministers of the Council of Europe's 46-member states during their annual session in Strasbourg, it was established with the participation of 11 non-EU countries, including the United States, Canada, and Japan.Its complementarity to existing international standards concerning human rights, democracy, and the rule of law makes it the first legally binding international text in the field of artificial intelligence.However, it does not regulate technology itself; rather, it aims to address any legal gaps that may arise from rapid technological advancement.Based on fundamental AI ethics principles, it obliges states to implement it by incorporating it into their national legislation.It will come into effect after ratification by five states, as stipulated in Article 30/3, but this has not yet been achieved despite the number of ratifying countries exceeding the required amount.
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 | 0,027 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,011 | 0,030 |
| Communication savante | 0,019 | 0,011 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,018 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».