État de droit et lutte antiterroriste : étude parallèle des systèmes juridiques français et canadien quant à la collecte et au partage des renseignements
Bibliographic record
Abstract
En 2015, deux lois relatives au renseignement entrent en vigueur simultanément au Canada et en France. Ces deux lois soulignent respectivement les failles des cadres juridiques canadien et français quant à la collecte et à l’analyse des renseignements. Malgré les différences indéniables existant entre les deux pays tant dans la forme d’organisation que dans les pratiques institutionnelles, les manquements relevés sont relativement similaires et soulignent un affaiblissement des principes de l’État de droit au nom de la sécurité et plus particulièrement de la lutte antiterroriste. Les services de renseignement, disposant de pouvoirs plus importants, sont aujourd’hui amenés à contourner les mécanismes en vigueur sur le plan national destinés à protéger les droits fondamentaux des citoyens. Plus encore, dès lors qu’il s’agit d’un partage du renseignement au-delà des frontières, cette liberté, associée à l’absence de réglementation internationale dans ce domaine, conduit les actions des services de renseignement à de graves violations des droits humains. Le présent mémoire a pour but d’étudier l’équilibre entre sécurité et droits humains dans le cadre de la lutte antiterroriste. Plus précisément, il s'agira de relever les défis existants dans les valeurs de l'État de droit, et ce, eu égard à la collecte et au partage des renseignements.
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 | 0.009 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.014 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 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".