La négociation des accords de libre-échange sous l’administration Trump : les principes de réciprocité et de multilatéralisme
Bibliographic record
Abstract
Les États-Unis exercent une influence certaine et majeure dans le champ des négociations commerciales internationales depuis plusieurs décennies. Lorsque Donald Trump a annoncé haut et fort qu’il modifierait considérablement les manières de faire, le monde s’est donc mis aux aguets. Déjà à l’époque de la campagne électorale, on connaissait les idées des candidats sur le libre-échange. Tant Donald Trump que Hillary Clinton s’y étaient dits opposés, bien que dans des proportions différentes. Une fois élu, Donald Trump a passé des paroles aux actes et a modifié le système actuel de libre-échange, remettant en cause les principes qui sont au coeur des négociations commerciales. Dès lors, les fondamentaux du libre-échange se trouvent ébranlés, et au premier titre les principes de réciprocité et de multilatéralisme. Pour y arriver, l’administration Trump a construit une rhétorique autour du concept de déficit commercial qui semble aussi en rupture avec les règles et les fondements du commerce international. Ainsi, depuis son entrée en fonction, le nouveau président s’affiche en rupture avec ce qu’ont fait ses prédécesseurs. Ses décisions ont pour effet de modifier les paramètres de négociation qui sont à la base de tout accord de libre-échange négocié depuis, au moins, la fin de la Deuxième Guerre mondiale.
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.013 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.006 | 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".