La brevetabilité des logiciels
Bibliographic record
Abstract
Ce texte a pour ambition d'expliquer les tenants et aboutissants de la brevetabilité des\nlogiciels. Dans cette optique, notre première partie consistera à poser les bases du débat. Cela\nsera notamment fait en analysant les raisons pour lesquelles la brevetabilité des logiciels a été\nconsacrée. Le texte mettra ainsi l'emphase sur l'inefficacité du droit d'auteur à protéger les\nlogiciels. En outre, l'étude du mécanisme du brevet nous montrera que ce dernier constituait\nune solution plus adaptée que le droit d'auteur à la protection des logiciels.\nEnsuite, dans le cadre d'une seconde partie, il s'agira d'analyser le phénomène de la\nbrevetabilité en tant que telle, au travers de notre champ d'étude, en l'occurrence le Canada,\nles États-Unis et les États européens. Cela consistera tout d'abord à apprécier l'ampleur du\nphénomène, à savoir s'il s'est plus ou moins développé en fonction de tel(s) ou tel(s) État(s).\nLes États-Unis ayant pleinement consacré la brevetabilité des logiciels, quand d'autres l'ont\nplus ou moins rejeté, le texte, se focalisant principalement sur la société américaine, analysera\nles conséquences engendrées par cette adoption, notamment en terme de concurrence et\nd'innovation. En outre, afin de pouvoir apprécier l'opportunité de la brevetabilité des\nlogiciels, une comparaison de l'état du système de brevet américain avec les systèmes\ncanadien et français sera nécessaire.\nUn constat assez pessimiste à l'égard de l'actuelle brevetabilité des logiciels étant\nalors établi, le texte proposera des aménagements au système des brevets afin que\nl'innovation et la concurrence dans le secteur du logiciel soit préservée ou rétablie.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.012 |
| Scholarly communication | 0.012 | 0.014 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.007 |
| Insufficient payload (model declined to judge) | 0.028 | 0.005 |
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".