Introduction. Pré-crime, post-terrorisme ? Le « contreterrorisme » entre attentat et apathie
Bibliographic record
Abstract
Au cours des deux dernières décennies, dans un effort visant à empêcher à tout prix les attentats terroristes, des stratégies, des acteurs et des pratiques axés sur la prévention de la « radicalisation » et de l’« extrémisme violent » ont émergé. Cette évolution s’inscrit dans une idéologie préventionniste , entendue comme un système de pensée qui ambitionne de détecter précocement l’engagement potentiel dans la violence, jusqu’à tenter d’agir sur les attitudes et les croyances postulées comme étant à leur origine. Ce glissement vers la sphère précriminelle a permis l’élargissement de ce qui peut être désigné comme le « contreterrorisme » (CT), un phénomène social à part entière qui intègre désormais des approches allant du « soft power » au « hard power » et une multitude d’acteurs, publics et privés, dans une démarche « whole-of-society ». Le CT a des répercussions significatives en matière de sécurité juridique, conduit à la sécuritisation de secteurs comme l’éducation, le travail social, la santé ou l’intégration, et accentue la stigmatisation des communautés arabo-musulmanes. Plus subrepticement, il favorise une forme d’apathie collective, perçue comme le moyen le plus sûr d’échapper à la suspectification et au contrôle. Une apathie qui guette aussi la criminologie, appelée dès lors à maintenir une vigilance accrue sur les impacts du CT.
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 | 0.001 | 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 | 0.007 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 0.003 |
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".