L'évolution du droit à l'oubli numérique
Bibliographic record
Abstract
L’être humain a la capacité de se souvenir et d’oublier, il est dit qu’il est difficile de se souvenir et facile d’oublier. Par carence, nous oublierions. La technologie numérique a permuté cela. Aujourd’hui, avec le stockage informatique abordable, quasi infini, une captation automatisée sans effort et un accès mondial, le souvenir est devenu la norme, pour nous et pour la société contemporaine. Dans cet ouvrage, nous vous proposons une étude évolutive du droit à l’oubli dans le contexte numérique actuel, son application juridique mise en oeuvre. La problématique retenue était donc de déterminer les assises historiques du droit à l’oubli, ces manifestations en droit positif contraignables et d’engager une réflexion prospective de ce droit. L’objet de cette étude n’est pas de savoir pourquoi des personnes veulent se faire oublier sur Internet, mais comment. Ainsi, nous avons orienté l’ensemble de la recherche sur l’oubli numérique en droit positif actuellement applicable, en droit européen, américain, canadien et québécois. Dans le cadre de l’analyse de la problématique juridique du droit à l’oubli numérique, force est de constater qu’il peut difficilement être détaché de considérations qui débordent de l’unique question du traitement de données et d’Internet. Cela étant, nous avons également abordé les questions du droit au respect de la vie privée, la liberté d’expression et le droit à l’information. Dans sa finalité, ce travail de recherche fait un suivi jurisprudentiel des décisions marquantes en rapport avec l’application concrète du droit à l’oubli numérique.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.037 | 0.006 |
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".