Les leçons de l’incorporation de l’expertise hydrogéomorphologique dans la doctrine française de prévention des risques d’inondation
Bibliographic record
Abstract
Quoique les principes généraux de la politique de prévention des risques d’inondations en France paraissent faire l’objet d’un large consensus, la performance des dispositifs mis en œuvre est souvent décevante. Nous formulons l’hypothèse que cette inefficacité opérationnelle s’explique en partie par l’existence, au sein d’une politique de prévention des risques d’inondations apparemment robuste et incontestée, d’espaces irréductibles de controverses conceptuelles refoulées. Tout discours innovant doit s’accompagner d’une expertise assez solide pour légitimer sa compatibilité avec la doctrine existante, tout en donnant des gages de compatibilité technique avec elle. L’analyse du cas de l’hydrogéomorphologie montre le succès d’une stratégie pour incorporer une expertise technique naturaliste dans un corps de doctrine solidement ancré dans une culture épistémique d’ingénierie, mais au prix d’une inhibition de potentiels développements théoriques qui auraient pu, par effet de dialectique, faire progresser la théorie de la prévention des risques naturels en France. Paradoxalement, les conditions favorables à l’émergence de l’hydrogéomorphologie ne sont plus réunies malgré l’intensification des réflexions liées à la mise en œuvre de la directive européenne 2007/60/CE sur l’évaluation et la gestion des risques d’inondations.
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 | 0.012 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.040 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.009 | 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".