Policing financier transnational : les cellules de renseignement financier au cœur de la lutte contre le financement du terrorisme
Bibliographic record
Abstract
Cette étude porte sur les pratiques de coopération internationale des cellules de renseignement financier (CRF) dans le cadre de la lutte contre le financement du terrorisme. Notre recherche propose une analyse comparative des CRF des pays suivants : Canada, Suisse, France, Royaume-Uni. Ainsi, ce mémoire s’intéresse d’une part à la coopération internationale avec le Groupe Egmont, dont les CRF sélectionnées sont membres et dont le mandat est de promouvoir la coopération entre CRF et de standardiser les pratiques d’échanges de renseignement. D’autre part, il aborde la question de la coopération régionale en se penchant sur le canal d’échange sécurisé de l’Union Européenne : le FIU.NET. Cette recherche présente plusieurs objectifs. D’abord de mettre en lumière l’émergence du Groupe Egmont en tant qu’acteur du policing transnational dans la lutte contre le financement du terrorisme. Ensuite de comprendre les déterminants de la coopération et l’utilisation des principaux canaux d’échange. Enfin d’analyser l’évolution des échanges internationaux en tenant compte des différents cadres normatifs et les points de tension qui peuvent en découler dans le cadre des pratiques de coopération. Pour mener à bien cette étude, notre démarche méthodologique repose sur l’analyse de plusieurs publications officielles issues des CRF à l’étude et d’organisations internationales impliquées dans la lutte contre le financement du terrorisme. L’analyse documentaire est enrichie avec des entretiens semi-directifs menés auprès de représentants des CRF canadienne, française et suisse et d’un représentant d’Europol.
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 | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".