La gouvernance décentralisée des chaînes de blocs : mythe ou réalité du code
Bibliographic record
Abstract
L’objectif de cet article est de s’interroger sur l’efficacité de la gouvernance décentralisée des chaînes de blocs qui renvoie au fonctionnement des chaînes de blocs publiques. Dans ce texte, l’auteure émet des critiques sur ces nouveaux paradigmes d’organisations, en déplorant le remplacement du droit par la gouvernance algorithmique et la régulation technique. L’analyse démontre que les chaînes de blocs publiques sont soumises à une gouvernance multiforme, qui, en réalité, est lacunaire. Les imperfections sont constatables, d’une part, dans le fonctionnement du code et, d’autre part, dans l’action de la communauté. Ensuite, les risques de comportements opportunistes susceptibles d’affecter le déroulement de l’activité dans les chaînes de blocs publiques sont mis en évidence. À cet égard, les fourches et le phénomène de concentration des pouvoirs sont illustrés comme des facteurs qui peuvent paralyser la gouvernance. Pourtant, la technologie de la chaîne de blocs pourrait être indubitablement utilisée à bon escient. Pour ce faire, l’auteur propose la réintermédiation des professionnels du droit; ces spécialistes semblent incontournables dans le fonctionnement de cette technologie. Reconsidérer leur rôle devient alors nécessaire pour assurer la pérennisation de cette technologie.
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 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.007 | 0.009 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".