La compensation légale, son automatisme et ses conditions d’application : entre mythes et réalités
Bibliographic record
Abstract
La compensation légale se distingue de la compensation judiciaire par son automatisme d’application. Selon les termes du Code civil du Québec, elle produirait ses effets « de plein droit ». Cette conception de l’automatisme est idéalisée. Il faudrait plutôt le présenter comme un attribut recherché par le législateur, dans les cas où la présence des cinq conditions légales concrétise un possible avantage réciproque pour les parties. Un tel avantage n’est toutefois pas systématique, la volonté de paiement venant très rarement des deux parties. Dans la majorité des cas, l’une d’elles voudra utiliser la compensation comme mode de paiement, en s’exécutant, c’est-à-dire en faisant valoir sa volonté de compenser, alors que l’autre partie devra la subir de manière passive, voire contre son gré. Pour cette partie qui se fait opposer compensation, il y a donc extinction de l’obligation, mais sans volonté d’exécution. Par conséquent, le processus compensatoire peut être défini selon deux étapes distinctes : il y a d’abord dépendance par rapport à la volonté d’une des deux parties et ensuite imposition des effets aux deux parties. Ainsi, et contrairement à la définition qui en est généralement faite, la compensation légale est avant tout un double mode d’extinction des obligations qui présente un important potentiel de garantie, et non un simple mode de paiement automatique.
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 | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.038 |
| Scholarly communication | 0.013 | 0.011 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.006 | 0.008 |
| 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".