Les TIC et la surveillance des zones maritimes sensibles. Penser globalement, agir localement
Bibliographic record
Abstract
Que peuvent avoir en commun la géopolitique de l’information, la géopolitique de l’illicite et la surveillance maritime ? Flux, territoires et puissances. Les espaces maritimes sont des espaces d’interactions, réduits à l’échelle portuaire ou étendus à celle de vastes portions du globe terrestre. Ils mettent en relation des flux et des réseaux d’informations commerciaux, civils et militaires, ainsi que des réseaux illégaux. Même si les systèmes d’information modifient depuis quelques décennies l’espace géographique et ont permis d’accélérer la prise de décision1, le rôle de l’information dans un conflit n’est pas nouveau (alerte, décryptage, brouillage, paralysie ou destruction des infrastructures adverses, déstabilisation…). Néanmoins d’un point de vue technique les industriels ont amorcé aujourd’hui la tendance des solutions dites intégrées. La gestion de crise et la connaissance en temps réel de la situation de surface2 ne sont plus cloisonnées mais traitées au sein d’un système de surveillance plus global dans le but de prévenir et de lutter contre les risques et menaces qui transcendent les espaces. Après avoir introduit ces évolutions majeures, cet article tirera les leçons de deux études de cas que l’auteur a étudié en détail (Caraïbes, Méditerranée).
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.028 | 0.011 |
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".