Cinquante ans de « marées noires » : radioscopie des catastrophes liées à la pollution par les hydrocarbures
Bibliographic record
Abstract
L’auteur rappelle d’abord les périls de mer à l’origine de très importantes marées noires, dont quelques unes au Canada : leTorrey Canyon, l’Arrow, l’Amoco Cadiz, leGino, l’Aegean Captainet l’Atlantic Expresss, l’Odyssey, l’Exxon Valdez, leBraer, leMaersk Navigator, l’Erika, lePrestigeet la plate-forme pétrolièreIxtoc 1. Mais il y en a eu beaucoup d’autres, depuis l’apparition du phénomène des marées noires, en 1960. Depuis les années 1970, bon an mal an, on compte une demi-douzaine de déversements, en moyenne, qui ont une certaine importance. Tous les déversements de pétrolier depuis 1975, supérieurs à 20 000 tonnes, sont listés dans un tableau à l’annexe A. Le répertoire chronologique complet, de 1960 à nos jours, est fourni à l’annexe B. Dans la foulée du récent jugement dans l’affaire Total SA (affréteur de l’Erika), qui a été rendu le 16 janvier dernier par le tribunal correctionnel de Paris, au terme de huit ans d’instruction, de quatre mois d’audience et de sept mois de délibéré, il a paru utile à l’auteur d’examiner les données factuelles reliées aux pollutions maritimes par hydrocarbures, notamment les déversements eux-mêmes, les causes et les conséquences, certains programmes de recherche, les impacts écologiques et économiques, les aspects juridiques, les mécanismes d’assurance et d’indemnisation, le tout afin d’en tirer quelques enseignements.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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 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".