Même les juristes peuvent perdre : étude de cas du lanceur d’alerte Yacine Agnaou et du Service des poursuites pénales du Canada
Bibliographic record
Abstract
Cette étude de cas porte sur la divulgation d’actes répréhensibles par Yacine Agnaou, ancien procureur de la Couronne au Canada. Monsieur Agnaou avait recommandé des poursuites contre une entreprise canadienne non identifiée, mais sa hiérarchie l’en a empêché– ce qui pourrait constituer une atteinte à l’indépendance des procureurs. Après avoir signalé cette situation en interne, il a ensuite perdu son emploi, et malgré des années de démarches judiciaires, il n’a pas réussi à obtenir réparation pour cette sanction. Puis, en 2019, un scandale impliquant les poursuites contre SNC-Lavalin a éclaté au grand jour. Cette fois, c’est la procureure générale elle-même qui a joué le rôle de lanceuse d’alerte. Cette nouvelle affaire est venue corroborer les préoccupations soulevées par Yacine Agnaou. Afin de mieux comprendre les défaillances du système et de faire progresser la théorie sur les conséquences du lancement d’alerte, cette étude examine le cas Agnaou à la lumière de deux théories existantes : l’une développée par les pionniers de la recherche sur le lancement d’alerte, Marcia Miceli, Janet Near et Terry Dworkin, et l’autre par les chercheurs du projet australien Whistling While They Work. L’étude se conclut par des propositions d’amélioration des théories existantes, une discussion sur les implications pratiques du cas Agnaou, et plusieurs recommandations pour améliorer la Loi sur la protection des fonctionnaires divulgateurs d’actes répréhensibles du Canada.
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 | 0.003 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.026 | 0.011 |
| Scholarly communication | 0.011 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.011 | 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".