Comparaison franco-britannique de la recherche sur les services de renseignement
Bibliographic record
Abstract
Alors que la publication devenue « industrielle » de recueils et de manuels sur les études du renseignement (Intelligence Studies) démontre l’arrivée à maturité des études sur le renseignement au sein de la science politique internationale, la recherche universitaire sur le sujet demeure en France au stade de l’émergence. Le retard français par rapport au Royaume-Uni se double d’un second sur le décalage entre faible connaissance et importance des services de renseignement, la France étant un des rares pays à disposer d’une panoplie complète de services de renseignement intérieurs et extérieurs, civils et militaires, et de moyens techniques de premier plan. L’article présente l’état actuel des études sur le renseignement en France et au Royaume-Uni, analyse la trajectoire du développement de ce champ de recherches et avance des hypothèses sur la réussite britannique et le développement tardif et fragile des études sur le renseignement français. L’explication tient au fonctionnement du marché universitaire, aux transformations de l’État et des modalités de la reconnaissance institutionnelle et sociale du renseignement, et enfin à la mécanique d’un processus différencié de relégitimation du renseignement sur les deux rives de la Manche.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.017 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.012 | 0.026 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".