Analyse jurilinguistique des concepts de « lisibilité » et d’« intelligibilité » de la loi
Bibliographic record
Abstract
Le concept de lisibilité des textes est en vogue depuis le mouvement du plain language law. Ce concept est parfois confondu avec celui de l’intelligibilité d’un texte, lisibilité et intelligibilité étant des termes considérés comme synonymes. La société, suivant la loi du moindre effort et en quête de simplification, tend naturellement vers davantage de facilité dans les actes de la vie quotidienne. La lecture et l’écriture suivent cette tendance : les formes qu’elles prennent évoluent rapidement sous l’effet des nouvelles technologies. Il y a toutefois une grande différence entre la lecture ludique d’un roman ou d’un quotidien d’information générale et celle de textes juridiques tels que loi, jugement ou contrat, qui sont des textes spécialisés, techniques, requérant des lecteurs connaissances spécialisées, présupposés culturels et une intelligence fine des nuances de sens portées par le texte. La lisibilité de ces textes et leur intelligibilité posent des difficultés singulières. Les jurilinguistes se sont penchés sur ces difficultés qui relèvent à la fois de la langue et du droit. Nous avons limité cette analyse à la loi, « vitrine du droit », reflet d’une société, de sa culture juridique et de son mode d’expression particulier.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".