Un bilan de la mise en œuvre de la séquence « éviter-réduire-compenser » au sein des schémas directeurs d’aménagement et de gestion des eaux en France métropolitaine
Bibliographic record
Abstract
En droit français, la séquence « éviter-réduire-compenser » (ERC) applicable aux zones humides est appréhendée par une législation plus large relative à l’eau et aux milieux aquatiques. Selon celle-ci, non seulement les installations, ouvrages, travaux ou activités susceptibles d’avoir des répercussions négatives sur cet écosystème sont tenus de prévoir de telles mesures via le processus d’évaluation environnementale et le régime d’autorisation préalable, mais les schémas directeurs d’aménagement et de gestion des eaux (SDAGE) contiennent eux aussi bien souvent des indications sur les modalités de mise en oeuvre de la séquence. Il s’agira de montrer dans le présent texte l’évolution de la place et du contenu de la phase ERC dans ces documents ainsi que leur portée juridique vis-à-vis des décisions prises dans le domaine de l’eau. L’étude portera sur les trois générations (1996-2009, 2010-2015 et 2016-2021) des six SDAGE en vigueur dans la France métropolitaine.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".