Être artiste aujourd’hui : quelques défis de protection de la liberté artistique dans l’espace numérique
Bibliographic record
Abstract
En application des textes internationaux de protection des droits de la personne et de la Convention de l’UNESCO de 2005 sur la protection et la promotion de la diversité des expressions culturelles, les États ont l’obligation de respecter, protéger et mettre en oeuvre la liberté artistique y compris dans l’espace numérique. Or, celui-ci soulève des opportunités et des défis en termes d’accès, de protection des droits économiques et sociaux des artistes et de liberté de création. Pour saisir les opportunités, les artistes doivent développer une présence en ligne ce qui nécessite des connaissances et une adaptation de la part de générations d’artistes qui n’ont pas été formées aux outils numériques. L’environnement numérique a modifié la chaîne de valeur de production artistique et fait apparaître de nouveaux acteurs, la plupart du temps privés, ce qui soulève des questions de régulation, autorégulation et co-régulation sur une matière en constante évolution technologique. Or, peu de pays disposent de cadres réglementaires pour relever les défis du numérique sur des questions essentielles comme la rémunération équitable des créateurs en ligne, la découvrabilité des contenus culturels numériques, l’accès égal à Internet et aux compétences numériques. À cela s’ajoutent des menaces en ligne et la modération de contenus algorithmiques qui entraînent la suppression d’expressions artistiques. L’absence de politiques de soutien et de protection peut conduire les artistes à l’autocensure avec pour conséquence la réduction de la diversité des expressions culturelles portant atteinte au droit de chacun de jouir des arts inscrit à l’article 27 de la Déclarationuniverselledesdroitsdel’Homme ainsi qu’aux dispositions de la Convention de 2005. La contribution présente le cadre international de protection de la liberté artistique et son applicabilité dans l’environnement numérique (Section 1), avant de s’intéresser aux défis de la transposition des droits en ligne notamment en termes d’accès et de diversité et de protection matérielle et physique des artistes (Section 2). Elle s’interroge enfin sur le rôle régulateur de l’État pour se conformer à ses obligations positives et négatives. (Section 3).
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| 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".