Sécheresse : urgence climatique ou urgence de la planification ? Perception du management de crise en Belgique
Bibliographic record
Abstract
Les sécheresses s’invitent partout, plus fréquemment et intensément. La récurrence de celles-ci contribue à l’urgence climatique. L’une et l’autre sont reconnues. Mais cela enclenche-t-il une anticipation politique et un management public des épisodes de déficit hydrique ? La Belgique possède un système de planification d’urgence et de gestion de crise bien rôdé et régulièrement mis en œuvre pour des incidents inopinés, mais qui semble peu adapté à des risques émergents et progressifs comme les sécheresses. À travers les retours d’expérience de professionnels de la gestion de crise à un échelon local, cette étude offre une image critique de la perception de ce phénomène au sein du management de crise et propose quelques pistes d’amélioration de la gestion des déficits hydriques. L’analyse des entretiens a mis en évidence que : (1) la gouvernance multiniveau dans un régime politique fédéral comportant une répartition complexe des compétences rend difficile une action publique concertée face à un risque aux impacts multiples ; (2) la préoccupation envers les sécheresses est fortement dépendante des conséquences réellement perceptibles sur le territoire étudié ; (3) la sécheresse est perçue davantage comme un événement météorologique ponctuel que comme une urgence climatique synonyme de crise potentielle à planifier. Cette étude révèle néanmoins une prise de conscience accrue des acteurs de terrain quant à la nécessité d’agir face aux sécheresses via une optimisation des administrations publiques, des seuils d’alerte et des plans particuliers d’urgence et d’intervention. Il demeure une difficulté majeure : transformer cette prise de conscience en une mise à l’agenda politique, étape indispensable pour une gestion globale et durable des sécheresses.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".