Vers une écologie de l’expérimentation « hors norme » des ressources matérielles en architecture
Bibliographic record
Abstract
Les nombreuses normes en vigueur en France apparaissent souvent comme un obstacle à la transition écologique dans les projets d’architecture. Devant ces difficultés, l’État a voulu mettre en œuvre des dispositifs dérogatoires : les récentes lois ESSOC et LCAP. Ces lois favorisent-elles réellement une approche écologique des matériaux en architecture ? Afin d’apporter une réponse à cette question, le présent article s’intéresse dans un premier temps à trois projets lauréats de l’appel à manifestation d’intérêt de 2018 « Permis d’innover » (loi LCAP), qui ont la particularité d’ouvrir de nouvelles perspectives de valorisation des matériaux en architecture par une approche expérimentale de dérogation aux normes. Dans un second temps, il interroge l’efficacité des usages de matériaux « non homologués » et leur potentiel à redéfinir de nouvelles conditions de performance. Les dispositifs institutionnels des lois LCAP et ESSOC pourraient être aussi consolidés en s’inspirant de pratiques alternatives « hors normes » comme mode opératoire. Simultanément, la validation de la capacité d’autres matériaux pour créer des solutions écologiques inédites consoliderait ce champ d’expérimentation en cours.
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 | 0.014 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| 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".