L'effectivité en entreprise de la Loi sur la protection des renseignements personnels dans le secteur prive
Bibliographic record
Abstract
Toutes les entreprises du secteur privé détiennent des renseignements personnels sur leurs employés. Au Québec, la Loi sur la protection des renseignements personnels dans le secteur privé est entrée en vigueur en janvier 1994 mais aucune étude n'ai jusqu'à présent, porté sur l'effectivité de cette loi. Le but de cette recherche est de vérifier dans quelle mesure la Loi sur la protection des renseignements personnels dans le secteur privé a pu modifier, depuis son adoption, la gestion des renseignements personnels des employés dans les entreprises privées québécoises. On entend par gestion des renseignements personnels, les politiques et les pratiques visant cette protection. Nous avons cherché à vérifier l'intégration de la Loi dans ces politiques et pratiques et comment les entreprises s'autoréglementent, compte tenu de l'imprécision de la Loi. Il s'agissait donc d'évaluer l'effectivité de la Loi. À partir du cadre théorique de cette recherche, on peut constater que l'effectivité d'une loi peut être mesurée par les effets suivants: concrets, symboliques, immédiats, différés, voulus et non-intentionnels. Nous avons donc recherché ces différents effets en procédant à deux études de cas auprès d'entreprises privées établies au Québec. Nos résultats démontrent qu'en général, l'entrée en vigueur de la Loi a eu des effets positifs sur la gestion des renseignements personnels. En réponse à cette loi, les entreprises ont développé des politiques et des pratiques afin de se conformer à la finalité de la L.P.R.P. que ce soit, par exemple, par l'obtention du consentement de la personne concernée lors de la cueillette de renseignements personnels sur elle-même ou l'exigence d'avoir en main un tel consentement lors de la communication de ces renseignements. À cela s'ajoutent des mesures de sécurité accrues permettant d'assurer la confidentialité des renseignements détenus ou la répartition des renseignements personnels dans des dossiers séparés. Cette dernière mesure évite que des personnes prennent connaissance d'informations qui ne leur sont pas nécessaires dans l'exercice de leurs fonctions. On peut sans aucun doute confirmer que l'objectif du législateur, qui est de protéger les renseignements personnels, est généralement atteint. Par ailleurs, quant à l'objectif de transparence dans la gestion des renseignements personnels, la finalité n'est pas complètement réalisée. En effet, on peut donner en exemple le fait que les entreprises peuvent, à l'occasion, épurer les dossiers avant d'en donner l'accès aux salariés et que cet accès n'est pas toujours facilité aux personnes qui désirent se prévaloir de leur droit, vu le manque d'information dont elles disposent pour connaître la procédure d'accès. Néanmoins, malgré les dispositions floues de la Loi qui laissent place à l'interprétation et à l'autoréglementation, les résultats démontrent que les entreprises visées par cette étude ont adopté des politiques et des pratiques conformes aux principes généraux de la Loi. En somme, bien que certaines politiques et pratiques existantes dans les entreprises étudiées puissent à l'occasion déroger de la Loi sur la protection des renseignements personnels dans le secteur privé, on peut conclure à l'effectivité de cette loi compte tenu des différents effets constatés dans cette recherche.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 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".