Les retenues à la source et les acomptes provisionnels : des problèmes de couverture et d’équité : Fascicule 2 : La situation au Canada et au Québec
Bibliographic record
Abstract
Cette série de fascicules sur les retenues à la source et les acomptes provisionnels des particuliers propose une réflexion sur un aspect rarement abordé par la littérature fiscale, mais qui est pourtant au coeur même de la plupart des régimes fiscaux puisque ces deux modes de paiement canalisent la majeure partie des recettes fiscales des gouvernements au titre de l'impôt sur le revenu des personnes physiques. Après avoir pris connaissance des fondements théoriques qui ont façonné les retenues à la source et les acomptes provisionnels tels que nous les connaissons aujourd'hui, ce deuxième fascicule s'attarde à la situation que l'on retrouve au Canada et au Québec en matière de paiement de l'impôt et des cotisations sociales. Plus précisément, nous esquisserons un survol des modalités d'application générales pour nous attarder plus longuement sur un portrait statistique de ces modes de paiement au Québec. Finalement, nous présenterons quelques problèmes importants qui ressortent de cette analyse et qui pourraient bénéficier de correctifs. Devant la quantité importante de documents de nature technique qui sont produits sur ce sujet, notre attention portera plutôt sur les éléments de politique fiscale en jeu notamment en ce qui a trait aux situations inéquitables qui découlent tant des méthodes de calcul utilisées que du traitement différencié dont font l'objet les contribuables dont les revenus sont retenus à la source par rapport à ceux qui paient leur impôt et cotisations sociales par acomptes provisionnels. Par la mise en évidence de ces divers problèmes, la Chaire de recherche en fiscalité et en finances publiques souhaite susciter un intérêt au sein de la communauté fiscale afin de proposer des corrections et des améliorations aux mécanismes utilisés et de moderniser le système actuel en vue de maximiser son utilisation.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.010 | 0.007 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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 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".