Érosion de la biodiversité : l’Accord de Kunming-Montreal sur le cadre mondial post-2020,une réponse suffisante face à l’urgence écologique actuelle ?
Bibliographic record
Abstract
20 000 participants, 196 Parties, 4 objectifs, 23 cibles, 8 ans pour les mettre en œuvre. L’adoption, le 19 décembre 2022, de l’Accord de Kunming-Montréal entérinant le « cadre mondial pour la biodiversité à l’horizon 2030 » a engendré une réaction enthousiaste et unanime des délégations et des divers observateurs. Sur le fond, l’Accord de Kunming-Montréal consacre l’objectif emblématique et majeur de protéger 30% de la planète d’ici 2030 et de restaurer 30% des écosystèmes dégradés, ou encore celui de réduire de moitié les risques liés aux pesticides ainsi que ceux liés à la pollution plastique. Les pays développés devront fournir aux pays en développement au moins 20 milliards de dollars par an d’ici 2025, et au moins 30 milliards d’ici 2030 ; enfin, un mécanisme de suivi est mis en place, fondé sur le reporting régulier des États. Des objectifs en accord avec les préoccupations environnementales actuelles ainsi qu’un financement et un suivi assurés et renforcés ont ainsi été présentés comme la clé pour un niveau d’ambition bien plus important et prometteur que celui des objectifs d’Aichi. L’ambition du cadre mondial est en effet d’impulser un changement profond de la société, dans un contexte d’urgence écologique, en prônant une approche à la fois scientifique, intégrée, consensuelle et inclusive. La présente contribution propose de revenir sur les fondements de ce nouvel instrument en apparence très ambitieux, ainsi que sur le défi qui se pose dès à présent, celui de sa mise en œuvre.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.022 | 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".