La justice algorithmique : analyse comparée (France/Québec) d'un phénomène doctrinal
Bibliographic record
Abstract
Le lancement du mouvement de l’open data des décisions de justice en 2016 a enclenché le développement d’outils dits de justice algorithmique qui ont, à leur tour, agrégé autour d’eux une véritable concentration doctrinale sous la forme d’un discours fourni et réactif dont le pivot demeure une idée d’incompatibilité entre le droit français et ces outils de justice algorithmique. Si le passage des années n’a pas altéré ce nœud discursif, le développement progressif de l’open data et des outils construits sur son fondement ne s’est pas stoppé. La présente étude cherche à réconcilier ces deux mouvements a priori contraires en s’attachant à analyser le discours doctrinal français relatif aux outils de justice algorithmique de 2016 à 2022. Cette analyse métadoctrinale, empirique et comparée est construite sur les trois temps du discours français, correspondant eux-mêmes à trois incompatibilités potentielles : une incompatibilité d’ordre juridique, une incompatibilité d’ordre systémique et une incompatibilité d’ordre culturel. Chacune de ces hypothèses est analysée en convoquant à la fois les données quantitatives et qualitatives extraites du discours français et l’expérience québécoise comme produit de contraste de la réception française des outils de justice algorithmique. Une fois avoir admis que les deux premières hypothèses constituent autant de fausses pistes, il apparaît que l’incompatibilité susceptible d’expliquer la concentration doctrinale française autour de ces outils est une incompatibilité d’ordre culturel mais plus encore d’ordre doctrinal. Ce discours apparaît alors bien plus comme une prise de conscience de l’espace grandissant qui sépare la compréhension doctrinale du droit français et l’état dans lequel il se trouve véritablement. Plus largement, cette étude confirme de manière empirique la nature construite et constructive de tout discours doctrinal. La présente analyse souligne alors l’importance fondamentale d’intégrer à toute analyse de droit positif une démarche métadoctrinale de prise en charge des représentations et des stratégies discursives qui précèdent tout discours doctrinal.
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 | 0.013 | 0.058 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.009 | 0.008 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".