De la police guidée par le renseignement à la complexité des appareils policiers : les limites de l’usage des renseignements dans la conduite des affaires policières
Bibliographic record
Abstract
Dans cet article, l’auteur explore les limites que pose la police guidée par le renseignement (intelligence led policing– ILP) pour les organisations policières. Il tente de montrer que la fonction de renseignement criminel ne doit pas être comprise comme un instrument produisant des résultats tangibles dans l’application de la loi, mais bien comme une activité de production de connaissance dont l’objectif ultime est d’assurer l’apprentissage des organisations policières. Sur la base de cet apprentissage, les services de police sont en mesure de concevoir et d’affiner leurs stratégies de lutte contre la criminalité. Néanmoins, le renseignement est contraint par des facteurs organisationnels, structuraux et culturels propres à la complexité des bureaucraties professionnelles. D’une part, les limites inhérentes à l’usage des renseignements dans la conduite des affaires policières montrent à quel point cette activité est difficilement mesurable en ce qui a trait aux résultats quantifiables. D’autre part, pour être utile, le renseignement doit s’appuyer sur une structure organisationnelle favorisant la fluidité des échanges d’informations ainsi qu’une forte culture du renseignement.
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 | 0.013 | 0.056 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 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".