Les défis de la défense devant le Tribunal pénal international pour le Rwanda
Bibliographic record
Abstract
La défense d’accusés de crimes internationaux n’est pas une tâche facile. Dans le contexte du Tribunal pénal international chargé de juger le génocide et autres crimes graves commis au Rwanda, les avocats de la défense font face à des contraintes de divers ordres qui parfois handicapent leur mission de représentation. Cela découle notamment du déséquilibre institutionnel entre le Procureur et la défense, de l’inaccessibilité des lieux des crimes, de l’indisponibilité des témoins à décharge, de la presque exclusion des avocats d’origine rwandaise, etc. L’auteur soutient que dans le contexte des poursuites pénales devant des tribunaux internationaux, la défense devrait être reconnue comme une institution indispensable pour la légitimité de la justice pénale internationale. Pour ce faire, il suggère quelques pistes d’amélioration, notamment l’institutionnalisation de la défense, l’implication plus accrue des avocats locaux, ainsi qu’une autonomie budgétaire qui permet une organisation efficace de la défense. De cette façon, les accusés peuvent effectivement exercer leur droit à des procès justes et équitables.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.009 | 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".