La pertinence de lâobligation de divulguer lâorigine des ressources génétiques et des savoirs traditionnels dans les demandes de brevets
Bibliographic record
Abstract
Le développement fulgurant noté dans le domaine des biotechnologies peut être attribué, sinon essentiellement du moins partiellement, à l’utilisation des ressources génétiques (RG) et des savoirs traditionnels (ST) acquis sur ces ressources. Ces ressources et ces savoirs sont, notamment, utilisés dans le cadre d’inventions biotechnologiques qui peuvent s’avérer concluantes et faire l’objet de demande de protection par brevet. Ce développement ne s’est tout de même pas réalisé sans heurts majeurs, il l’a été au prix de tumultueuses oppositions. En effet, la découverte progressive de la valeur commerciale et scientifique de telles ressources et de tels savoirs a fait naître des intérêts et attisé des rivalités qui ont fini par opposer fournisseurs et utilisateurs de ces matériels. Force est de constater que parmi leurs divergences, celle qui se rapporte au partage des avantages fait l’objet de discussions des plus âpres qui soient dans le domaine. Une solution qui a été, aussi, envisagée a porté sur les régimes d’accès et de partage des avantages. Ce partage des avantages, les pays fournisseurs espèrent le réaliser par le biais de l’obligation de divulguer l’origine des RG et des ST dans les demandes de brevets. L’application d’une telle exigence connaît des limites en ce sens qu’elle est d’application territoriale. C’est sur la base d’un tel constat que les pays fournisseurs envisagent d’en faire une obligation reconnue et applicable à un niveau international. \nDans le cadre de cette étude, nous essaierons de démontrer que l’obligation de divulguer l’origine des RG et des ST dans les demandes de brevets, telle qu’elle est actuellement appliquée, ne constitue pas un moyen pertinent qui permettrait d’en arriver à un partage juste et équitable des avantages.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 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".