Prévenir les conflits et promouvoir la coopération dans la gestion des fleuves transfrontaliers en Afrique de l’Ouest
Bibliographic record
Abstract
La multiplication des projets de grands barrages, le haut degré d’interdépendance des pays en matière d’eau et la réduction drastique de la disponibilité de cette ressource -notamment du fait de la variabilité et du changement climatique- ont augmenté de façon notable les risques de conflits internationaux autour de l’eau en Afrique de l’Ouest. Dans un tel contexte, la gestion des 25 cours d’eau transfrontaliers que compte cette région est un véritable défi. Après avoir rappelé certaines des tensions et crises plus ou moins sévères autour de l’eau que la région a enregistré au cours des dernières années, cet article analyse le dispositif de gestion des conflits de l’eau et de coopération à l’échelle des bassins fluviaux, avec un accent particulier sur les différences entre modèles d’organisation de bassin frontaliers et transfrontaliers. Il rappelle aussi les dispositions pertinentes du droit international et les normes émergentes de bonne conduite dans la gestion des cours d’eau partagés. Enfin, cet article formule des éléments d’orientation qui permettent de faire des cours d’eau transfrontaliers des espaces de coopération plutôt que des lieux de conflits et de tensions.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".