Les « retours volontaires » de l’OIM à partir du Niger : un dispositif approprié par les migrants ?
Bibliographic record
Abstract
Cet article propose une réflexion sur le programme d’Assistance au retour volontaire et à la réintégration (AVRR) des migrants assistés au Niger par l’Organisation Internationale pour les Migrations (OIM) financé par le Fonds fiduciaire d’urgence (FFU) de l’Union Européenne (UE). Le Niger, tout comme d’autres États africains est confronté au défi de la « gestion » des « flux migratoires » et subi les effets pervers de l’externalisation des politiques migratoires européennes. Le programme AVRR est utilisé comme un outil, basé sur la caractère présupposé « volontaire » du retour pour contrôler et gérer la migration dite « irrégulière », avec des résultats inverses. Plutôt que de revenir sur toutes les critiques déjà formulées à l’endroit de ce programme qui renforce la migration « irrégulière » au lieu de la réduire, notre objectif est d’analyser l’impact du FFU sur le contrôle des flux migratoires et l’instrumentalisation de ce programme par les migrants. Basé sur une enquête qualitative, notre regard se nourrit d’entretiens semi dirigés et d’observations menées avec des migrants au Niger entre 2017 et 2020. Ces entretiens ont été initiés sur deux périodes différentes à Niamey et Agadez. Primo dans le cadre de nos recherches de Master ; secundo pour notre recherche doctorale où nous avons recueilli la perception des migrants sur ce programme.. Ainsi, le changement d’identité et parfois de nationalité sont des moyens utilisés fréquemment par ces derniers comme stratégies pour bénéficier de cette assistance puis de la réintégration. En définitive, à travers ce programme, le FFU visant à assigner à résidence les migrants dans les pays de départ a davantage entraîné l’incitation au départ en migration des « non migrants » ou potentiellement migrants et la ré-migration des anciens migrants déjà assistés au Niger.
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 | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| 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".