La déclinaison opérationnelle d’une politique smart, l’exemple des stations de recharge connectées en région Hauts-de-France
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Il ne suffit pas d’autoproclamer la ville « intelligente » pour la faire advenir. Dans son acception technologique, la ville intelligente implique de diffuser des objets connectés ou communicants dont on peut capter les données pour en optimiser l’usage ou les consommations. La mise en place d’un service public de recharge connecté est l’une des réalisations concrètes des politiques de villes intelligentes actuelles. L’article examine ainsi le projet de déploiement de stations de recharge publiques porté par l’ancienne région Nord-Pas-de-Calais à partir de 2011. Il retrace les conditions qui ont permis de développer un service « connecté », dont les fonctionnalités ont évolué au cours des dix dernières années, au gré des réglementations, de la constitution d’un système d’acteurs de la recharge et des attentes des utilisateurs. L’article détaille aussi les enjeux que soulèvent désormais la production de données par les stations de recharge en matière de diffusion, de collecte et de traitement ainsi que leur utilité pour le projet de territoire. Les analyses de l’article s’appuient sur les données collectées lors de 45 entretiens menés entre 2017 et 2020 dans la région Hauts-de-France.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 it