Dommages-intérêts punitifs, faute lourde et obligation de sécurité des renseignements personnels : triade pour les victimes d’incidents de confidentialité au Québec
Bibliographic record
Abstract
Les incidents de confidentialité impliquant des renseignements personnels sont devenus de plus en plus fréquents, portant ainsi atteinte au droit à la vie privée de nombreuses personnes. Pour obtenir réparation, les victimes se tournent vers le véhicule procédural des recours collectifs. Cependant, les tribunaux québécois se montrent généralement peu favorables à ces demandes, principalement en raison de l’absence de préjudice indemnisable subi par les victimes. En 2021, l’Assemblée nationale a adopté une loi visant à moderniser le cadre législatif en matière de protection des renseignements personnels. Parmi les changements introduits, une nouvelle disposition autorise désormais l’octroi de dommages-intérêts punitifs à l’encontre des entreprises, à l’instar de ce qui existait déjà à l’encontre des organismes publics. Cette nouveauté offre aux victimes d’incidents de confidentialité une nouvelle voie pour obtenir une forme de compensation financière. La particularité de cette sanction réside dans le fait qu’elle peut être accordée lorsque l’atteinte aux droits des victimes résulte d’une faute lourde. Par conséquent, deux nouveaux éléments peuvent devenir cruciaux dans le cadre de recours collectifs : la contravention à l’obligation de sécurité des renseignements et la gravité de la faute qui en découle. Le présent mémoire vise à contextualiser la sanction en dommages-intérêts punitifs dans les lois sur la protection des renseignements personnels, à définir la notion évolutive de faute lourde et à évaluer la gravité des manquements à l’obligation de sécurité des renseignements personnels.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
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".