Les courtiers immobiliers : des gardiens mandatés pour lutter contre le blanchiment d’argent
Bibliographic record
Abstract
Le secteur immobilier est identifié comme l’un des secteurs les plus à risque de blanchiment d’argent. Or, le niveau de surveillance dans ce secteur demeure insuffisant. En considérant les courtiers immobiliers comme des gardiens de ce secteur, cette étude explore la manière dont ceux-ci exercent et perçoivent leur rôle en tant qu’entité déclarante dans la lutte contre le blanchiment d’agent. Pour mener à bien cette étude, une approche mixte a été adoptée, combinant 33 répondants d’un questionnaire et huit entretiens menés avec des courtiers immobiliers québécois. Après des analyses descriptives et thématiques, il apparaît que les courtiers immobiliers peinent à s’approprier pleinement leur rôle de gardien, notamment en raison de nombreux facteurs, tels que leur compréhension du risque, leur adhésion aux normes éthiques et professionnelles et leur capacité à agir. Ensuite, les courtiers immobiliers sont susceptibles d’être confrontés à une dynamique contradictoire entre leur rôle de gardien et leur approche commerciale vis-à-vis de leurs clients, en raison de certaines démarches de vérification allant à l’encontre du modèle d’affaires. Parallèlement, les résultats ont mis en évidence une certaine zone grise dans la gestion du risque, qui pousse parfois les courtiers à éluder les risques. En outre, les courtiers immobiliers perçoivent le blanchiment d’argent comme peu probable dans leur réalité quotidienne et se réfèrent à des aspects sensationnalistes du sujet pour détecter des opérations douteuses. En définitive, il semble nécessaire d’évaluer l’intérêt de collecter systématiquement des données sur les transactions pour développer des algorithmes de détection spécifiques au secteur immobilier.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.007 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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; both teacher heads agree on what is shown here.
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".