Chargé de la protection des monuments historiques : un professionnel du patrimoine au métier diversifié
Bibliographic record
Abstract
Depuis l’époque de Ludovic Vitet et Mérimée, l’État a considérablement développé, étendu et précisé sa politique de préservation du patrimoine bâti. Aux premiers érudits chargés de repérer et documenter les édifices ont succédé les recenseurs des Monuments historiques. L’association MoHiCan, fondée en avril 1960, réunit ces professionnels qui sont aujourd’hui amenés à s’interroger sur les outils et leurs missions en prenant en compte l’évolution de la notion de patrimoine et du sens que la société donne à celle-ci. Cet article revient sur les fondements du métier de « délégué chargé du recensement des monuments historiques et des sites à la direction de l’Architecture du ministère d’État aux Affaires culturelles » pour les comparer à ses activités actuelles. Interlocuteur permanent des propriétaires, des partenaires publics et privés, du monde universitaire et associatif, des autres services de l’État ou des collectivités, cet acteur incontournable de la chaîne patrimoniale est également le médiateur d’un patrimoine régional qu’il connaît bien. Le dynamisme de l’association de ces professionnels, MoHiCan, en témoigne. À l’aide d’exemples précis, cet article démontre en quoi leur intervention sur le terrain et leurs recherches sont déterminantes pour la reconnaissance patrimoniale d’un édifice, qui peut aller parfois jusqu’à l’élaboration d’une stratégie juridique de sa défense. Enfin, à travers leurs compétences scientifiques et administratives de chargés de la valorisation, d’animateurs de réseau ou encore de gestionnaires de bases de données, on reconnaîtra la polyvalence et la technicité de leurs pratiques documentaires, qui déterminent leur place incontournable dans la procédure de protection au titre des monuments historiques.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".