ÉTIQUETAGE OBLIGATOIRE DE L’ORIGINE DES PRODUITS AU BÉNÉFICE DES CONSOMMATEURS : PORTÉE ET LIMITES
Bibliographic record
Abstract
La présente étude a pour objectif d’évaluer la faisabilité, pratique et juridique, des programmes d’étiquetage visant à informer les consommateurs de l’origine des produits qu’ils achètent. Garant du droit à l’information des consommateurs dans le contexte de libéralisation des marchés, l’étiquetage est plébiscité pour sa capacité à se concilier avec la liberté du commerce. Malgré ce potentiel, plusieurs défis s’opposent cependant à la traçabilité de l’origine des produits au profit des consommateurs. Les difficultés rencontrées participent tant de la mise en oeuvre concrète de programmes d’étiquetage de l’origine que des carences actuelles du droit pour les encadrer, tel qu’il ressort d’une étude comparative du Canada, des États-Unis et de l’Union européenne. L’étiquetage de l’origine des produits soulève également la question de leur compatibilité avec les disciplines du droit international économique – et notamment avec l’Accord sur les obstacles techniques au commerce – comme en témoigne la récente décision de l’Organe d’appel de l’Organisation mondiale du commerce, dans l’affaire États-Unis – Certaines prescriptions en matière d’étiquetage indiquant le pays d’origine (EPO).
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 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 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".