Malidentifie : Comment résoudre le problème de la fraude des fruits de mer au Canada; enquête à Montréal
Bibliographic record
Abstract
Dans la dernière décennie, plusieurs études ont fait la lumière sur la fraude et l’étiquetage trompeur des produits de la mer à travers le monde. En 2016, Oceana a examiné plus de 200 études provenant de 55 pays; parmi plus de 25 000 échantillons de produits de la mer, un échantillon sur cinq était malidentifié. Des tests d’ADN effectués par Oceana entre 2017 et 2019 ont révélé une incidence inquiétante d’identification trompeuse : parmi 470 échantillons de produits de la mer provenant de détaillants et de restaurants dans six villes canadiennes, 47 pour cent étaient mal identifiés. Nos plus récents tests, effectués à Montréal en juillet 2019, ont démontré un taux stupéfiant d’identification trompeuse, à 61 pour cent. L’enquête nationale réalisée par Oceana Canada sur la fraude et l’étiquetage trompeur, la plus vaste en son genre jamais réalisée au Canada, a révélé des poissons d’élevage vendus sous appellation sauvage ; des espèces bon marché vendues sous l’identité d’espèces dispendieuses ; des espèces bannies dans plusieurs pays en raison de risques pour la santé humaine; et exposé les nombreuses problématiques englobant les normes de traçabilité et d’étiquetage des produits de la mer au Canada. L’étiquetage trompeur est possible à grande échelle par la complexité grandissante et le manque de transparence de la chaîne mondiale d’approvisionnement. Une fois qu’un poisson est capturé, il peut faire le tour du monde pour être transformé, traversant plusieurs frontières avant dese retrouver dans notre assiette. Les normes canadiennes d’étiquetage ne simplifient pas la situation. Bien qu’elle ait été mise à jour en 2019, notre réglementation en matière d’étiquetage demeure désuète et inutilement fastidieuse. En outre, les dispositions réglementaires en matière de traçabilité des produits de la mer sont fragmentées, et aucune agence n’est globalement responsable de leur application. Le gouvernement fédéral doit combattre ce problème généralisé. Des solutions existent : l’implantation d’une traçabilité complète, du navire à l’assiette, et d’un étiquetage exhaustif à travers la chaîne d’approvisionnement canadienne. Pour ce faire, les informations-clés de l’espèce doivent accompagner tous lesproduits de la mer, de la capture jusqu’au point de vente. Un suivi exhaustif réduira l’incidence de fraude et d’identification trompeuse, en plus de nous aider à comprendre où celles-ci surviennent et rehausser la confiance en notre système d’approvisionnement alimentaire. Ceci permettrait à l’industrie des produits de la mer d’avoir un meilleur accès au marché mondial, car plusieurs pays ont déjà des exigences strictes en matière de traçabilité. La traçabilité du bateau à l’assiette estefficace. Depuis que l’Union européenne a implanté la traçabilité de la capture jusqu’à la consommation, l’incidence de fraude a fortement diminué.12 Les États-Unis ont eux aussi implanté la traçabilité du bateau à la frontière pour les espèces à risque. Le Canada doit en faire plus. Des preuves grandissantes démontrent que la fraude des fruits de mer est un problème urgent et répandu à travers le pays, et qu’une intervention du gouvernement fédéral est nécessaire. Les Canadiens ont le droit de savoir que tous les produits de la mer vendus au Canada sont sécuritaires, identifiés honnêtement et capturés légalement.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".