Articuler la politique Trame verte et bleue et la séquence Éviter-réduire-compenser : complémentarités et limites pour une préservation efficace de la biodiversité en France
Bibliographic record
Abstract
Face aux multiples bilans et rapports documentant la perte massive de biodiversité, la préservation de la biodiversité est plus que jamais un impératif de l’aménagement du territoire. C’est dans cette perspective que les politiques publiques françaises telles que la Trame verte et bleue (TVB) et la séquence Éviter-réduire-compenser (ERC) se veulent des outils d’aménagement durable des territoires et de préservation de la biodiversité au-delà des seules aires protégées. Ces deux politiques publiques ont été inscrites explicitement dans plusieurs lois et s’imposent donc aux acteurs des territoires. Or elles peinent à être mises en œuvre dans les documents d’aménagement des territoires et à avoir un réel effet sur la conservation de biodiversité. Dans cet article nous rappelons et comparons les trajectoires historiques de ces deux politiques publiques en France avant de présenter les difficultés concernant leur intégration dans le cadre de la planification stratégique des territoires. Afin d’y pallier, nous identifions différentes sources de complémentarités entre les deux politiques et nous examinons les principales limites que cette articulation implique. Enfin, pour un développement plus durable, nous nous interrogeons sur la cohérence interterritoriale des projets des territoires suite aux récentes évolutions réglementaires avec notamment l’introduction de la « solidarité écologique » en tant que principe qui appelle à prendre en compte les interdépendances des écosystèmes, des êtres vivants et des milieux naturels ou aménagés dans toute prise de décision publique ayant une incidence sur l’environnement.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.003 |
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; both teacher heads agree on what is shown here.
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".