La tolérance des juges à la fraude fiscale : un inconscient d’institution
Bibliographic record
Abstract
Cette contribution vise à montrer que la régulation de la fraude fiscale par l’institution judiciaire traduit une tolérance, en partie inconsciente, des acteurs qui en sont chargés. Pour en analyser les mécanismes, on s’intéresse aux discours et aux pratiques des procureurs et des magistrats chargés d’assurer le suivi pénal des dossiers que leur transmet l’administration fiscale. Tous se disent convaincus de la nécessité de lutter contre cette forme de délinquance en col blanc, mais s’abstiennent d’utiliser tous les moyens dont ils disposent pour que la pénalisation de la fraude fiscale débouche sur des sanctions effectives. Il en découle une indulgence qui contraste avec la posture d’intransigeance adoptée par l’institution judiciaire dans d’autres domaines. Pour comprendre les ressorts de cette impunité fiscale, nous proposons une approche qui tient compte de la singularité de ce délit et du profil social de ceux qui le commettent, en considérant à la fois les contraintes institutionnelles qui s’imposent aux magistrats et les représentations qui les rendent acceptables.
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 | 0.014 | 0.041 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.009 | 0.022 |
| Scholarly communication | 0.020 | 0.008 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.007 | 0.007 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".