Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Algorithmic Criminal Liability In Greenwashing: Comparing India, USA & EU

Identification

Clé publique
doi:10.2139/ssrn.5504540
Auteurs
Sahibpreet Singh · Manjit Singh
Année déclarée
2025
Langue déclarée
en
Type source
article
Première détection
2026-11-09T19:04:47.891817+00:00
Dernière observation des métadonnées
2026-11-09T19:04:47.891817+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

Guru Nanak Dev University · Indian Institute of Technology Madras · Lovely Professional University

Pays d’affiliation déclarés

IN

Résumé documentaire — langue originale

AI-powered greenwashing has emerged as an insidious challenge within corporate sustainability governance. It exacerbates the opacity of environmental disclosures. It subverts regulatory oversight. This study conducts a comparative legal analysis of criminal liability for AI-mediated greenwashing across India, the US, and the EU. It exposes doctrinal lacunae in attributing culpability when deceptive sustainability claims originate from algorithmic systems rather than human actors. Existing statutes exhibit anthropocentric biases by predicating liability on demonstrable human intent, rendering them ill-equipped to address algorithmic deception. The research identifies a critical gap in jurisprudential adaptation, as prevailing fraud and environmental statutes remain antiquated vis-à-vis AI-generated misrepresentation. Utilising a doctrinal legal methodology, this study systematically dissects judicial precedents, statutory instruments, and regulatory directives, yielding promising results regarding the potential expansion of corporate criminal liability doctrines. Preliminary findings underscore the viability of strict liability models, the recalibration of corporate governance frameworks to incorporate AI accountability, and the institutionalisation of algorithmic due diligence mandates under ESG compliance regimes. Comparative insights reveal jurisdictional disparities in corporate culpability paradigms, with the EU Corporate Sustainability Due Diligence Directive (CSDDD) offering a potential transnational model for regulatory harmonisation. This study contributes to the discourse on AI ethics and environmental jurisprudence by advocating for a hybrid liability framework that integrates algorithmic risk assessment with legal personhood constructs. The implications necessitate a doctrinal evolution that fortifies juridical architectures against AI-driven environmental deception. The findings advocate for an interdisciplinary approach to AI regulation, ensuring algorithmic opacity does not preclude liability enforcement in sustainability-related misrepresentation.

Identifiants

OPENALEX
W7167095400
DOI
10.2139/ssrn.5504540 · 10.70556/hpnlu-jlbe-v3-i1-2024-04

Repères documentaires

Famille documentaire
Doctrine
Types déclarés par les sources
article
Juridictions étudiées — sources explicites
IN

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

OpenAlex · Document 1 · Document 2

Provenance des champs documentaires

Les valeurs étayées et les valeurs de provenance non résolue sont séparées. Une provenance bibliographique ne valide aucune affirmation juridique.

Titre
Étayé par une source documentaire
Publication
Étayé par une source documentaire
Auteurs
Étayé par une source documentaire
Type documentaire
Étayé par une source documentaire
Juridiction
Sujet étudié dérivé du contexte documentaire explicite
Cour
Non renseigné
Autorité émettrice
Non renseigné
Éditeur
Non renseigné
DOI
Provenance non résolue
ISBN
Non renseigné
Identifiant officiel
Non renseigné
URL source
Provenance non résolue
Statut déclaré par la source
Non renseigné
Modification / abrogation
Non renseigné

Citer cette référence

Sahibpreet Singh; Manjit Singh. Algorithmic Criminal Liability In Greenwashing: Comparing India, USA & EU. 2025. https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-4ae5054245b1c081c7604ae3343686d6/

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Sahibpreet Singh; Manjit Singh. (2025). Algorithmic Criminal Liability In Greenwashing: Comparing India, USA & EU. https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-4ae5054245b1c081c7604ae3343686d6/
Chicago
Sahibpreet Singh; Manjit Singh. Algorithmic Criminal Liability In Greenwashing: Comparing India, USA & EU. 2025. https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-4ae5054245b1c081c7604ae3343686d6/
ISO 690
Sahibpreet Singh; Manjit Singh. Algorithmic Criminal Liability In Greenwashing: Comparing India, USA & EU. 2025. https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-4ae5054245b1c081c7604ae3343686d6/

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Algorithmic Criminal Liability In Greenwashing: Comparing India, USA & EU. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-4ae5054245b1c081c7604ae3343686d6/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Provenance par champ et version de la notice

Version 9e1b9b0fec7084c4 · udtr-reference-1.1.2

Titre
OpenAlex · source · 2026-11-09T19:04:47.891817+00:00
Auteurs
OpenAlex · source · 2026-11-09T19:04:47.891817+00:00
Année
OpenAlex · source · 2026-11-09T19:04:47.891817+00:00
Identifiants
OpenAlex · source · 2026-11-09T19:04:47.891817+00:00
URL source
OpenAlex · source · 2026-11-09T19:04:47.891817+00:00

L’historique porte sur les métadonnées de la notice, sans certifier l’état du droit.

54399361b52bea29 · 2026-11-09T19:04:47.891817+00:00

4b93f4f2755977d9 · 2026-11-09T19:04:47.891817+00:00

5ba9f4782bc5983f · 2026-11-09T19:04:47.891817+00:00

9e1b9b0fec7084c4 · 2026-11-09T19:04:47.891817+00:00

Données de cette version figée

Dossiers et relations documentaires

IN ·

Guru Nanak Dev University

Indian Institute of Technology Madras

Lovely Professional University

Manjit Singh

Sahibpreet Singh

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.2139/ssrn.5504540

Source de découverte · https://doi.org/10.70556/hpnlu-jlbe-v3-i1-2024-04

Source de découverte · https://openalex.org/W7167095400

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature