La fraude et la dématérialisation du crédit documentaire
Bibliographic record
Abstract
Le commerce international ne cesse de se développer avec l'évolution des technologies\nde l'information de nos jours. Le crédit documentaire, qui est un instrument de règlement\ndu prix de prestations commerciales entre un vendeur exportateur et un acheteur\nimportateur, fait partie du domaine touché par l'évolution électronique. C'est la raison\npour laquelle la Chambre de commerce international de Paris a adopté récemment le\nGuide sur le crédit documentaire informatisé (eRUU), supplément aux règles et usances\nuniformes (les RUU 500) appliqué aux crédits documentaires. Le crédit documentaire\ndoit être basé sur une grande confiance et une énorme sécurité. Ainsi, la fraude nuit au\nprincipe de l'autonomie de la lettre de crédit et détruit le besoin de sécurité qu'elle\nengendre. Les divergences relatives à certains critères de la fraude et la délimitation des\nobligations de la banque dans la vérification des documents sur support papier sont assez\ncomplexes pour les commerçants internationaux et pour les banques. Et même si la\ndématérialisation des documents a tendance à diminuer la fraude en la matière, le crédit\ndocumentaire dématérialisé serait encore loin d'être réalisé sans difficultés, avec\nl'émergence directe des tiers dans l'opération. Son analyse exhaustive doit donc\ncontinuer sur le plan doctrinal. La délimitation du devoir de la banque dans la recherche\nde cette fraude électronique, et dans le paiement des documents électroniques deviendrait\naussi discutable que celle dans le crédit documentaire traditionnel. Les banques devraient,\nentre autres, être sensibilisées sur la nécessité de prendre dans les meilleurs délais\ncertaines dispositions, pour permettre à la clientèle des entreprises d'effectuer des\nprésentations ou des réceptions électroniques des documents de la lettre de crédit en\nconformité avec le règlement eUCP.
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 | 0.006 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.022 | 0.009 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.025 | 0.009 |
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".