KDDC 2019 - Quand le monde se fait laboratoire : l'IA à l'épreuve des controverses

Longtemps cantonnés au seul périmètre des laboratoires de recherche, les systèmes d'intelligence artificielle (IA) sont aujourd'hui régulièrement présentés comme allant radicalement transformer la plupart des domaines d'activité, des plus régaliens (armée, police, justice) aux plus quotidiens (systèmes de recommandation, chatbots, traduction automatique). Néanmoins, cette promesse de transformation n'est pas sans soulever un certain nombre de préoccupations à propos d'éventuels risques liés au développement de ces systèmes d'IA. A travers une série d'études de cas (reconnaissance faciale, véhicule autonome, art génératif, etc.), cet enseignement entend donc suivre la sortie hors du laboratoire de de systèmes d'IA amenés à être testés - non sans controverses et frictions - dans l'espace public.
Valentin GOUJON
Séminaire
français
Automne 2022-2023
La validation de cet enseignement se fera sur la base de trois éléments : participation à la dynamique du cours ; écriture d'une note de lecture sur un article scientifique dédié aux enjeux théoriques, méthodologiques et/ou historiques de l'IA ; réalisation collective d'un exposé consacré à un système d'IA ou à un de ses composants (jeu de données, modèle, architecture neuronale, datacenter, etc.).
Crawford (Kate), Atlas of AI. Power, Politics, and the Planetary Costs of Artificial Intelligence, Yale University Press, 2021.
Cardon (Dominique), Cointet (Jean-Phillippe) & Mazières (Antoine), La revanche des neurones. L'invention des machines inductives et la controverse de l'intelligence artificielle, Réseaux, 2018, 173-220.
Marres (Noortje) & Stark (David), Put to the Test : For a New Sociology of Testing, The British Journal of Sociology, 2020, 423-443.
Jaton (Florian), "Pardonnez cette platitude" : de l'intérêt des ethnographies de laboratoire pour l'étude des processus algorithmiques, Zilsel, 2019, 315-339