Assurance de responsabilité et aléa moral dans les régimes de responsabilité objective et pour faute
Bibliographic record
Abstract
Résumé Cet article analyse la désirabilité sociale de l’assurance de responsabilité lorsque les comportements de prévention sont imparfaitement observables. On sait que l’assurance de responsabilité est socialement avantageuse en responsabilité sans faute, même s’il y a aléa moral et que l’assurance réduit les incitations à la prudence. Qu’en est-il en responsabilité pour faute, si la cour n’acquiert qu’une information imparfaite sur les actions de l’auteur du dommage ? Je montre que la désirabilité sociale de l’assurance ne va alors plus de soi et qu’elle dépend des risques d’erreur de première et deuxième espèce dans les jugements rendus par la cour (déclarer fautif un agent prudent et ne pas déclarer fautif un agent imprudent). J’identifie des conditions suffisantes sur les risques d’erreur pour que l’assurance de responsabilité soit avantageuse d’un point de vue social. Je montre que ces conditions sont satisfaites si le standard de preuve de la cour, pour une décision en incertitude, est celui de la « prépondérance des probabilités » appliqué dans la common law et certaines juridictions civilistes.
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 | 0.010 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.009 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".