Bibliographic record
Abstract
La protection des algorithmes par des droits de propriété intellectuelle étant imparfaite, les entreprises dominantes de l’économie numérique recourent principalement au secret des affaires pour veiller à l’intégrité de leur actif essentiel. Non seulement l’algorithme est un élément central de leur avantage compétitif, mais sa transparence pourrait permettre à des tiers d’en fausser stratégiquement les résultats. Cependant, cette nécessaire opacité peut également faire le jeu de stratégies de manipulations algorithmiques émanant de l’opérateur dominant lui-même et servant de base à des abus d’éviction ou à des abus d’exploitation. D’arme nécessaire, le secret des affaires pourrait s’avérer une source de risques contentieux pour l’entreprise dominante. En effet, comment le juge de la concurrence peut-il faire la part des choses entre défense sur la base de l’efficience et manœuvres anticoncurrentielles ? Après avoir présenté dans une première partie quelques éléments d’économie du secret des affaires, nous nous attachons, en seconde partie, à l’illustration et à l’analyse de ce risque concurrentiel pour les plateformes dominantes de l’économie numérique. Codes JEL : K21, L41
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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; 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".