La protection du droit à la vie privée à l’ère de l’intelligence artificielle
Bibliographic record
Abstract
Dans plusieurs juridictions comme le Québec, la vie privée est considérée comme un droit humain fondamental. Toutefois, la portée de ce droit est complexe et elle varie en fonction de plusieurs facteurs, notamment sociaux et technologiques. Ainsi, au cours des dernières décennies, le concept de vie privée a connu d’importants changements, notamment avec l’avènement d’Internet, qui rejoint désormais des milliards d’utilisateurs à travers le globe. Avec la convergence des nouvelles technologies, les organisations privées et publiques détiennent de plus en plus d’information sur les individus. Il est désormais possible de suivre tous les déplacements, les comportements et les préférences d’une personne, bien souvent à son insu. L’intelligence artificielle, qui se nourrit de ces données, a pour sa part conduit à de nouvelles façons d’analyser rapidement des masses d’information sous diverses formes et même d’inférer de nouveaux renseignements encore plus sensibles. Ainsi, les données massives et les puissantes capacités de corrélation des outils d’intelligence artificielle remettent en cause la frontière entre la vie privée et la vie publique. L’objectif de ce mémoire est donc d’abord de comprendre l’incidence que l’intelligence artificielle peut avoir sur la vie privée. Il s’agira ensuite d’exposer les raisons pour lesquelles nous sommes d’avis que le modèle de protection privilégié par le législateur québécois, basé sur la protection des renseignements personnels, s’avère insuffisant pour protéger la vie privée au sens large du terme. Puis, nous analyserons les avenues législatives potentielles afin de garantir la protection de ce droit.
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 | 0.007 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.013 | 0.010 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.025 | 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".