Risques et projets d’infrastructure : cas du Québec
Bibliographic record
Abstract
Ce mémoire explore les enjeux de gestion des risques et de gouvernance dans les projets d’infrastructures réalisés en Partenariat Public-Privé (PPP), à travers l’étude comparative de deux projets phares : le Réseau express métropolitain (REM) à Montréal et la Canada Line à Vancouver. Bien que tous deux aient pour ambition d’améliorer les réseaux de transport collectif dans un contexte urbain en transformation, ils se distinguent par la manière dont les acteurs ont structuré la prise de décision, réparti les responsabilités et réagi aux imprévus. L’analyse s’appuie sur des données secondaires issues de rapports officiels, d’évaluations d’audit et de recherches scientifiques, afin de mieux cerner les risques rencontrés qu’ils soient d’ordre financier, technique, social ou environnemental et les réponses apportées par chaque projet. Le REM, porté par un modèle de gouvernance fortement centralisé, s’est montré agile face à certains aléas, mais a été critiqué pour son manque de transparence. La Canada Line, à l’inverse, repose sur un modèle plus équilibré entre les partenaires publics et privés, ce qui a favorisé l’acceptabilité sociale, tout en limitant la marge de manoeuvre en cas de difficulté. En plus de dresser un état des lieux rigoureux, ce travail propose des recommandations concrètes pour améliorer la gestion des futurs projets en PPP. Il met notamment en avant l’intérêt d’un modèle de gouvernance hybride, d’une meilleure anticipation des risques sociaux, et d’un dialogue renforcé avec les parties prenantes. Enfin, il souligne l’importance de poursuivre l’évaluation du REM une fois son déploiement complet achevé, afin d’enrichir les apprentissages tirés de cette comparaison.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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".