Entre examen individuel et gestion collective : ce que les injonctions à la productivité font à l’instruction des demandes d’asile
Bibliographic record
Abstract
Cet article s’intéresse à la question générale des conditions de la prise de décision en matière d’asile : comment l’objectif « d’accélération des procédures », ainsi que les critères d’efficacité et de productivité bureaucratiques influencent-ils la mise en oeuvre du droit d’asile ? À partir d’une enquête ethnographique au sein de l’administration de l’asile en Suisse, cet article analyse comment une « politique du chiffre » imprègne le travail d’instruction des demandes d’asile et se traduit concrètement dans les injonctions des cadres intermédiaires, dans leurs stratégies et priorités de traitement, ainsi que dans des instruments d’aide à la décision. Deux arguments principaux sont développés dans l’article. Premièrement, l’examen individuel des requêtes entre en tension avec une gestion collective de celles-ci : en effet, non seulement ce traitement individuel s’inscrit dans des logiques organisationnelles de gestion des « flux » migratoires — la conjoncture du nombre et de l’origine des demandeurs d’asile influençant les priorités et les stratégies de traitement — et d’industrialisation de la prise de décision, mais il se fait aussi toujours à l’aune de lignes directrices définies par l’institution. Cette analyse nous conduit à nous interroger sur la forme syllogistique des décisions. Celles-ci sont le plus souvent prises en référence aux normes secondaires d’application qui orientent la perception qu’ont les spécialistes asile des décisions possibles. Deuxièmement, l’article met en évidence le rôle que jouent les cadres intermédiaires dans la mise en oeuvre de l’action publique. Ces derniers disposent d’un pouvoir (discrétionnaire et normatif) dans l’orientation et l’encadrement des pratiques de mise en oeuvre de la politique d’asile.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.014 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".