LA PARTICIPATION DES ONG AU MÉCANISME DE RÈGLEMENT DES DIFFÉRENDS DE L’OMC : UNE PERSPECTIVE ENVIRONNEMENTALE
Bibliographic record
Abstract
Le présent article expose la situation actuelle en matière de relations entre l’OMC et les ONG. Il se concentre avant tout sur le cas du processus de règlement des différends dans les affaires touchant à l’environnement, en partant du principe que ces dernières sont grandement illustratives des débats et de la tendance à l’ouverture de l’OMC. L’article présente ainsi en premier lieu les revendications des ONG et le conflit entre le libre-échange et les intérêts environnementaux. Dans le but de bien comprendre les relations actuelles entre l’OMC et les ONG, il sera, dans un deuxième temps, nécessaire de se pencher sur les relations entre ces acteurs en dehors du processus du règlement des différends, pour se concentrer, dans un troisième temps, sur l’analyse des récentes avancées en la matière dans le cadre des affaires portées devant l’Organe de règlement des différends. Il s’agira de se concentrer particulièrement sur l’affaire Tortues-crevettes et ses conséquences, cette affaire ayant marqué un tournant décisif concernant les relations entre l’OMC et les ONG. Enfin, le présent article proposera certaines réformes à entreprendre à différents niveaux de l’OMC pour améliorer et accroître les relations entre ces acteurs.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.014 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.003 | 0.002 |
| 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".