Fouilles, saisies et perquisitions de données informatiques : attente raisonnable de vie privée et infonuagique
Bibliographic record
Abstract
L’article 8 de la Charte canadienne des droits et libertés prévoit que « chacun a droit à la protection contre les fouilles, les perquisitions ou les saisies abusives ». Cette disposition a fait couler beaucoup d’encre depuis son adoption, mais également plus récemment en raison de son application aux nouvelles technologies. En effet, dans les 20 dernières années, la Cour suprême du Canada a adapté les principes généraux découlant des fouilles, saisies et perquisitions aux réalités informatiques nouvelles, notamment l’ordinateur et le cellulaire. Toutefois, l’émergence de nouvelles technologies est un phénomène qui ne cesse jamais. L’essor de l’infonuagique, ce modèle d’utilisation d’Internet qui permet l’accès à des services à distance, incluant notamment la sauvegarde de données sur des serveurs délocalisés, nous force à revoir la protection constitutionnelle qui peut être accordée aux données personnelles des individus. À travers l’étude des principes généraux applicables aux fouilles, saisies et perquisitions traditionnelles et d’appareils électroniques, nous expliquerons pourquoi les données délocalisées sauvegardées grâce à l’infonuagique peuvent être protégées par l’article 8 de la Charte. Nous analyserons également les différentes autorisations judiciaires permettant leur saisie, de même que certains autres principes connexes, notamment le cryptage de données et la protection par mot de passe.
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 | 0.015 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.015 | 0.033 |
| Scholarly communication | 0.021 | 0.012 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.009 | 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".