Les défis du nouvel accord de commerce entre le Canada, les États-Unis et le Mexique (ACEUM) face à la mobilité de la main-d'œuvre professionnelle
Notice bibliographique
Résumé
Le nouvel accord de libre-échange entre le Canada, les États-Unis et le Mexique (l’ACEUM) est entré en vigueur le 1er juillet 2020, introduisant l’annexe 15 C contenant neuf dispositions sur le commerce des services professionnels et un nouvel appendice sur la reconnaissance des qualifications professionnelles. Cet appendice fournit des lignes directrices pour la création de futurs accords ou arrangements de reconnaissance mutuelle (ARM) dans le secteur des services professionnels. Ces normes soulèvent de nombreuses questions, notamment celle de savoir si l’accord sera suffisant pour assurer la mise en œuvre efficace de futurs ARM-ACEUM, contrairement aux deux expériences passées d’ARM dans le cadre de l’ALENA. L’objet de ce mémoire est de proposer des lignes directrices prévoyant les éléments indispensables qui doivent être pris en compte par les futurs négociateurs des ARM-ACEUM afin d’en assurer la mise en œuvre efficace. De plus, notre objectif est d’établir les bases sur lesquelles doit être bâti un véritable système juridique de reconnaissance des qualifications professionnelles dans l’espace américain. Ce mémoire part de l’idée centrale qu’il existe une interrelation indispensable entre les accords de commerce, les accords qui règlementent le commerce des services professionnels, la mobilité de la main-d’œuvre professionnelle et, bien entendu, la reconnaissance mutuelle des qualifications professionnelles. À titre d’inspiration pour les lignes directrices, nous nous basons notamment sur l’analyse des expériences des ARM sous l’ancien ALENA, sur l’étude des principales normes du cadre juridique de la reconnaissance sur le continent européen et, plus spécifiquement, sur l’étude du contenu et des expériences de mise en œuvre des ARM France-Québec. Cette recension est essentielle à une compréhension globale des principes de la reconnaissance des qualifications et des conditions nécessaires aux établissements des ARM, ainsi que de leurs principaux obstacles, avantages et défis. En d’autres mots, ces recherches nous permettront d’élaborer le scénario nécessaire afin d’aboutir à une structure adéquate dans la future négociation d’ARM ACEUM. Nous concluons à l’insuffisance des nouvelles dispositions sur le commerce des services professionnels, bien qu’il soit important de reconnaître leur apport significatif par rapport à l’ancien ALENA et le fait qu’elles constituent un point de départ fondamental pour la création d’ARM-ACEUM plus solides. Nous constatons également que la mise en place d’ARM doit nécessairement être accompagnée d’un changement de mentalité sur la viabilité de l’intégration d’un système de reconnaissance entre les trois pays ayant des contextes différents. Par ailleurs, il faudra concevoir les ARM non seulement comme des instruments destinés à établir les conditions de reconnaissance des qualifications, mais également comme des outils essentiels à la construction d’un système global de reconnaissance favorisant la mobilité et l’intégration des professionnels sur le marché du travail.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,010 |
| Communication savante | 0,013 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».