Bibliographic record
Abstract
L’Institut national de la propriété intellectuelle (INPI), établissement public doté de la personnalité civile et de l’autonomie financière, est aujourd’hui directement visé par l’Open data. L’INPI intervient dans deux cadres distincts, mais intimement liés : celui, d’une part, de la propriété intellectuelle et celui, d’autre part, du droit des sociétés. C’est sa mission en matière de propriété intellectuelle qui est au centre de cette étude. L’article D. 411-1-3 du Code de la propriété intellectuelle, issu du décret n˚ 2014-917 du 19 août 2014, consacre la mise à disposition du public des informations publiques relatives aux titres de propriété industrielle, ainsi que le principe de leur réutilisation. Dès avril 2014 cependant, l’INPI avait fait un pas significatif à la faveur de l’Open data en mettant en ligne une « dataroom » composée d’informations brutes (majoritairement des statistiques). Ce dispositif se confronte aux particularités attachées aux droits de propriété intellectuelle. Les premières interrogations procèdent du risque d’atteinte au monopole accordé aux titulaires de droits, et des conséquences du principe de l’Open data sur les tiers dès lors qu’il s’agit d’encadrer l’accès et la réutilisation des informations publiques dans le cadre d’un contrat de licence. Ce contrat à titre gratuit a pour objet d’encadrer la réutilisation de ces informations, mais également de rappeler aux demandeurs de licence leurs obligations quant à la réutilisation de données à caractère personnel. ■
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 | 0.069 | 0.270 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.014 | 0.016 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.025 | 0.027 |
| Open science | 0.005 | 0.014 |
| Research integrity | 0.006 | 0.009 |
| Insufficient payload (model declined to judge) | 0.039 | 0.029 |
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".