Les professionnels de la surveillance financière. Le malentendu comme condition de possibilité1
Bibliographic record
Abstract
Le suivi de la piste financière fait aujourd’hui partie des pratiques instituées en matière de police et de renseignement. Située à l’interface de la finance et de la sécurité, la lutte contre le blanchiment de capitaux et le financement du terrorisme repose sur les relations de coopération tissées entre deux groupes d’acteurs aux motivations et aux savoir-faire différents. La notion floue d’« argent sale » est en effet le point de rencontre d’une constellation d’intérêts et de deux logiques d’action propres aux forces de l’ordre et aux opérateurs du système financier. Analysant le dispositif anti-blanchiment au Royaume-Uni, le présent article met en lumière l’articulation fragile de ces deux logiques d’action autour d’un malentendu sur le sens donné à la lutte contre l’« argent sale ». Loin de constituer un obstacle à l’élaboration et à l’opérationnalisation d’une politique spécifique, le malentendu est ici sa condition même de possibilité. Méprises et divergences d’interprétation sur le « problème » à traiter et les objectifs à poursuivre contribuent paradoxalement à la formation du bataillon bigarré des professionnels de la surveillance financière.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 0.004 |
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".