Analyse régulationniste des incertitudes : de l’assurance au principe de précaution
Bibliographic record
Abstract
Cet article analyse le statut du principe de précaution comme un principe de gestion de l’incertitude scientifique. Depuis quelques années, cette nouvelle référence normative est apparue dans le champ de l’environnement. Il a commencé à être reconnu par le droit international et par le droit interne. Ce texte présente les fondements du principe de précaution et discute ses limites majeures, tant juridiques que pratiques. Il met en avant certains avantages qu’il y aurait à développer des analyses, incluant plus de transparence dans les décisions de prévention et une meilleure évaluation de leur efficacité. Il suggère que les pratiques courantes de gestion des risques, assurance, ne sont pas toujours efficaces. Il explique la tension qui existe entre un système de prévention plus efficace et un système plus équitable. Il aborde les questions de prise en compte du long terme, de l’incertitude scientifique et des perceptions subjectives du risque par les assurances. Dans l’univers scientifiquement controversé, le principe n’a pas vocation à réduire l’incertitude mais au contraire à la porter comme question vivante dans la société. L’enjeu est l’invention de nouvelles procédures collectives dans le cadre desquelles les acteurs sociaux seront amenés à faire face de façon explicite et raisonnable aux situations risquées Godard (2000) et Triech (2001 et 2005).
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 | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.012 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 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".