Licences ouvertes et exceptions au droit d'auteur dans l'environnement numérique : subvenir ou réformer ?
Bibliographic record
Abstract
Quelle place pour le droit d’auteur et la liberté d’usage de l’information dans l’environnement numérique ? Cet ouvrage discute des raisons de promouvoir l’ouverture de l’environnement numérique, et compare deux approches pour y parvenir. D’une part l’approche bottom-up des partisans des licences ouvertes (licences libres ou open source), animés par la volonté de favoriser la liberté de (ré)utiliser l’information dans l’environnement numérique ; et d’autre part, l’approche classique d’une réforme législative des exceptions au droit d’auteur. Quelles sont les forces, les faiblesses et éventuelles tensions entre ces deux approches ? Si les licences ouvertes se reposent sur le droit d’auteur pour le subvertir, une réforme législative ne risque-t-elle pas de mettre en danger tout l’édifice ? Ultimement, ces discussions visent à trouver la meilleure voie pour une régulation de l’information dans l’environnement numérique qui contribue aux conditions d’une société juste.\n\nAprès une confrontation des justifications classiques du droit d’auteur et des arguments en faveur de l’ouverture de l’environnement numérique, l’auteur réalise une étude fouillée du régime juridique des licences ouvertes et de leur réception dans les systèmes de droit civil et de common law. Il discute ensuite les différents objectifs et les défis auxquels font face chacune des trois principales familles de licences ouvertes : licences permissives, licences réciproques et licences asymétriques. Contrastant cette approche avec la voie législative, l’auteur aborde les possibilités de réforme du régime des exceptions et limitations dans le cadre juridique européen et international du droit d’auteur. Dans le contexte du rôle croissant des droits fondamentaux dans un droit d’auteur en pleine européanisation, l’ouvrage se veut résolument positif, en discutant les mérites respectifs de trois propositions de réformes : l’introduction d’une exception pour les contenus générés par les utilisateurs, d’une exception ouverte de type fair use, ou d’une exception semi-ouverte inspirée du nouveau régime canadien du fair dealing.\n\nL’ouvrage s’adresse en particulier aux chercheurs et professionnels du droit désireux d’approfondir les enjeux liés au droit d’auteur et ses liens parfois conflictuels avec le droit émergent de l’Internet, ainsi qu’aux passionnés et activistes de la défense des droits fondamentaux sur Internet, des logiciels libres et de la culture libre.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| 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".