Thèse soutenue

Réimaginer le droit international pour répondre aux problèmes de santé mondiaux

FR  |  
EN
Auteur / Autrice : Steven Justin Hoffman
Direction : Horatia Muir Watt
Type : Thèse de doctorat
Discipline(s) : Droit
Date : Soutenance le 30/08/2016
Etablissement(s) : Paris, Institut d'études politiques
Ecole(s) doctorale(s) : École doctorale de Sciences Po (Paris ; 1995-....)
Partenaire(s) de recherche : Laboratoire : École de droit de Sciences Po (Paris)
Jury : Président / Présidente : Philippe Douste-Blazy
Examinateurs / Examinatrices : Horatia Muir Watt, Julio Frenk, Emmanuelle Jouannet
Rapporteurs / Rapporteuses : Philippe Douste-Blazy, Julio Frenk

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Cette thèse présente trois études qui imaginent à nouveaux frais la définition et le rôle du droit international dans la réponse que l’on peut apporter aux menaces transnationales contre la santé et aux inégalités sociales. Le premier chapitre évalue les capacités qu’ont les lois internationales traditionnelles de promouvoir la santé mondiale, en étudiant en particulier quand et pourquoi des traités internationaux sur la santé peuvent être utiles. Une synthèse de 90 évaluations d’impact quantitatif de traités passés a été réalisée et un cadre analytique a été développé. Le deuxième chapitre s’appuie sur ce travail pour évaluer une large gamme de possibilités de travailler en vue d’une action mondiale collective portant sur la résistance aux antimicrobiens, dont celles qui impliquent la construction d’institutions, la conception d’incitations et la mobilisation d’intérêts. Ce chapitre soutient que leur impact sur le monde réel dépend de relations d’imputabilité fortes. Le troisième chapitre porte cette thèse au-delà des notions westphaliennes traditionnelles d’action collective en s’intéressant à la question de savoir si de nouvelles technologies perturbatrices peuvent théoriquement produire les mêmes effets de régulation sur les questions de santé au niveau mondial que des lois internationales négociées par les États. Dans un premier temps, ce chapitre présente un modèle relativement simple d’apprentissage automatique qui quantifie automatiquement la pertinence, la qualité scientifique et le sensationnalisme des articles et valide ce modèle à partir d’un corpus de 163 433 articles de presse mentionnant les pandémies récentes de SARS et de H1N1.