Privatisation des systèmes de retraite : une évaluation critique
Bibliographic record
Abstract
L’objectif de cet article est de contribuer à la clarté du débat entrepris dans de nombreux pays sur la réforme du système de retraite. Cette réforme est souvent présentée comme se limitant à un changement de technique de financement : on passerait de la répartition à la capitalisation. Or, il apparaît que capitalisation et répartition sont sous certaines hypothèses équivalentes et que les réformes proposées ne se limitent pas à passer de l’une à l’autre. Si seule changeait la technique de financement, il n’est généralement pas possible que la réforme soit Pareto-améliorante. Par exemple, toute réduction de l’endettement global — dette publique plus droits à la pension — favoriserait les générations futures mais pénaliserait toute, ou en tout cas une partie de la génération de transition. Il existe bien des modèles de réforme qui illustrent ce point de vue et prétendent accroître le bien-être de tous. Nous en présentons deux. Dans le premier, l’introduction de la capitalisation s’accompagne d’une réduction des distorsions liées aux cotisations sociales; dans le second, elle s’accompagne d’une subvention à l’épargne qui dans un contexte de croissance endogène a une productivité constante. Il apparaît que les gains de bien-être qu’entraînent ces réformes ne sont pas très importants; de plus ils ne sont pas liés à la privatisation comme telle; ils pourraient en effet être réalisés dans le cadre des systèmes actuels.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.004 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".