La protection des données personnelles contenues dans les documents publics accessibles sur Internet : le cas des données judiciaires
Notice bibliographique
Résumé
Les bouleversements engendrés par les nouveaux moyens de communication des\ndonnées publiques de même que les multiples possibilités offertes par le réseau\nInternet, telles que le stockage des informations, la mémoire sans faille et\nl'utilisation des moteurs de recherche, présentent des enjeux majeurs liés à la\nprotection de la vie privée. La diffusion des données publiques en support\nnumérique suscite un changement d'échelle dans le temps et dans l'espace et elle\nmodifie le concept classique de publicité qui existait dans l'univers papier.\nNous étudierons les moyens de respecter le droit à la vie privée et les conditions\nd'accès et d'utilisation des données personnelles, parfois à caractère sensible,\ncontenues dans les documents publics diffusés sur Internet. Le cas particulier des\ndonnées accessibles dans les banques de données judiciaires exige des solutions\nparticulières : il s'agit de trouver l'équilibre nécessaire entre le principe de\ntransparence judiciaire et le droit à la vie privée.
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 | 0,022 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,008 | 0,010 |
| Communication savante | 0,031 | 0,028 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,009 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,017 |
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 ».