Intelligence artificielle et sciences sociales | Cairn.info

Le transhumanisme : une anthologie (2020)

2020-11-24T00:00:00+01:00

Pages 1 à 3 | Pages de début
Pages 5 à 14 | Introduction | Franck Damour, Stanislas Deprez, Alberto Romele
Pages 17 à 27 | 1. Julian Huxley ou l’invention du transhumanisme ? | Jean-Yves Goffi
Pages 29 à 42 | 2. L’ultra-humain selon Teilhard de Chardin | François Euvé
Pages 43 à 53 | 3. Nikolaï Fiodorov ou la voie russe du transhumanisme ? | Julija Naett Vidovic
Pages 55 à 68 | 4. John Desmond Bernal : quand le transhumaniste était marxiste | Benjamin Norguet
Pages 69 à 85 | 5. L’emotion machine de Marvin Minsky | Fernand Doridot
Pages 89 à 103 | 6. Neil R. Jones : quand la science-fiction rêve d’éternité | Ugo Bellagamba
Pages 105 à 117 | 7. Le surhumain selon Robert Ettinger | Franck Damour
Pages 119 à 135 | 8. Robert Anton Wilson : ésotérisme, science et transhumain | Rémi Sussan
Pages 137 à 151 | 9. Max More, aux racines du transhumanisme du XXI^e siècle | Salomé Bour
Pages 153 à 169 | 10. Vernor Vinge et l’invention de la Singularité | Franck Damour
Pages 171 à 185 | 11. Le rapport NBIC | Apolline Taillandier
Pages 187 à 196 | 12. La Déclaration Transhumaniste : matrice fragile du mouvement | Gabriel Dorthe
Pages 199 à 212 | 13. Libérer l’éthique avec Nick Bostrom et Toby Ord ? (ou comment j’ai appris à ne plus m’en faire et à aimer la technique) | Fabrizio De Filippi, Alberto Romele
Pages 213 à 228 | 14. Anders Sandberg : éthique du cerveau augmenté | Vincent Calais
Pages 229 à 247 | 15. Julian Savulescu et la bienfaisance procréatrice | David Doat
Pages 249 à 263 | 16. James Hughes : le Citizen Cyborg, de l’humain à la personne | Stanislas Deprez
Pages 265 à 283 | 17. Martine Rothblatt : transhumanisme et transgenderisme | Laurence Allard
Pages 285 à 302 | 18. Humain 2.0 : le « corps-culture » de Ray Kurzweil | Marina Maestrutti
Pages 303 à 319 | 19. Lepht Anonym : transhumanisme de cuisine | Gabriel Dorthe
Pages 321 à 322 | Les auteurs
Pages 323 à 327 | Pages de fin

Quatre nuances de régulation de l’intelligence artificielle | Contrôler l'intelligence artificielle ? | Réseaux (2022/2 N° 232-233)

2022-05-23T00:00:00+02:00

En enquêtant sur les débats autour des enjeux de la régulation de l’IA, nous avons observé que les problèmes définitionnels étaient au cœur de conflits normatifs sur les moyens d’assujettir l’IA à un « contrôle social », qu’il soit technique, éthique, juridique ou politique. En prenant comme fil rouge de l’analyse les significations variées de l’IA, cet article vise à participer à la compréhension des tensions normatives sur son contrôle. Nous proposons une cartographie des lieux, des acteurs et des approches qui donne à voir comment les débats autour du contrôle de l’IA se structurent selon quatre arènes normatives différenciées, soit : les spéculations transhumanistes sur les dangers d’une superintelligence et le problème du contrôle de son alignement aux valeurs humaines ; l’auto-responsabilisation des chercheurs développant une science entièrement consacrée à la certification technique des machines ; les dénonciations des effets néfastes des systèmes d’IA sur les droits fondamentaux et le contrôle des rééquilibrages des pouvoirs ; enfin, la régulation européenne du marché par le contrôle de la sécurité du fait des produits et service de l’IA.

Robots vs algorithmes | Contrôler l'intelligence artificielle ? | Réseaux (2022/2 N° 232-233)

2022-05-23T00:00:00+02:00

Signée par Elon Musk, Stephen Hawking, Steve Wozniak et Noam Chomsky, une lettre ouverte publiée en 2015 alerte sur les risques existentiels auxquels l’humanité doit faire face en raison des nouveaux développements de l’IA. Elle constitue un moment clé de la réactivation d’un ensemble de ressources narratives et normatives visant à porter sur la place publique un débat critique relatif aux progrès de l’IA. Par vagues successives, les promesses et les risques de l’intelligence artificielle sont venus occuper de façon spectaculaire la discussion publique. À partir de méthode de TAL appliquée à un large corpus de la presse anglo-saxonne, cet article montre que le thème des algorithmes et de l’IA occupe un espace croissant dans la sphère médiatique depuis 5 ans. Le corpus se structure autour de deux espaces sémantiques qui constituent deux régimes dominants de critique, l’un fondé sur les injustices produites par les algorithmes et l’autre sur les peurs de l’autonomie de l’IA et des robots. L’analyse comparée de ces espaces montre qu’ils mobilisent des agents technologiques et humains, des troubles et une temporalité distincts. En développant un discours critique sur les méfaits de ces technologies, la sphère médiatique contribue à forger l’opinion publique mais aussi à définir les formes d’acceptabilité de ces agents calculateurs.

Les narvals et les licornes se cachent-ils pour mourir ? | Contrôler l'intelligence artificielle ? | Réseaux (2022/2 N° 232-233)

2022-05-23T00:00:00+02:00

L’annonce de la vente de l’entreprise montréalaise Element AI à Service Now inc. à la fin de 2020 a été accueillie avec stupeur par la grande majorité des acteurs de l’écosystème québécois et canadien en intelligence artificielle. Comment avait-elle pu prétendre si rapidement au statut de narval – celui d’une entreprise canadienne ayant une capitalisation de plus d’un milliard de dollars –, être encensée par l’État, les médias et les milieux économiques pour être rachetée quelques années plus tard « pour une bouchée de pain » ? Dans cet article, le cas Element AI, c’est-à-dire autant son ascension que sa chute, est présenté comme étant idéal-typique d’une « cybernétisation du pouvoir » dans laquelle la régulation se veut facilitatrice, à distance et à même de percevoir contrôle et communication comme les deux pôles d’une unique boucle de rétroaction. Si l’émergence d’Element AI est marquée par sa recherche de « supercrédibitité », de partenariats tous azimuts et de justifications jusqu’à éthiques, sa débâcle, elle, est le signe d’un désordre et d’une désynchronisation qui n’est pas allée sans réprimandes et contredits, même de la part de l’État. Ce passage de la justification à la critique est riche d’enseignement même si, ou plutôt parce qu’il pointe en direction aujourd’hui de ce qui est un vide au sein de cet écosystème et la manière dont il peine à se projeter dans un avenir même proche.

Le principe d’explicabilité de l’IA et son application dans les organisations | « Éthique de l’IA » : enquêtes de terrain | Réseaux (2023/4 N° 240)

2023-09-21T00:00:00+02:00

L’Explicabilité de l’Intelligence Artificielle (IA) est citée par la littérature comme un pilier de l’éthique de l’IA. Mais rares sont les études qui explorent sa réalité organisationnelle. Cette étude propose de remédier à ce manque, à travers des interviews d’acteurs en charge de concevoir et déployer des IA au sein de 17 organisations. Nos résultats mettent en lumière la substitution massive de l’explicabilité par la mise en avant d’indicateurs de performance ; la substitution de l’exigence de compréhension par une exigence d’accountability (rendre des comptes) ; et la place ambiguë des experts métiers au sein des processus de conception, mobilisés pour valider l’apparente cohérence d’algorithmes « boîtes noires » plutôt que pour les ouvrir et les comprendre. Dans la pratique organisationnelle, l’explicabilité apparaît alors comme suffisamment indéfinie pour faire coïncider des injonctions contradictoires. Comparant les prescriptions de la littérature et les pratiques sur le terrain, nous discutons du risque de cristallisation de ces problématiques organisationnelles via la standardisation des outils de gestion utilisés dans le cadre de (ou à la place de) l’effort d’explicabilité des IA.

L’émergence d’enjeux éthiques lors d’expérimentations de logiciels d’intelligence artificielle | « Éthique de l’IA » : enquêtes de terrain | Réseaux (2023/4 N° 240)

2023-09-21T00:00:00+02:00

Cet article croise les regards de la sociologie de l’innovation et de l’éthique des technologies. Il met en évidence la portée heuristique du concept d’expérimentation pour penser l’éthique de l’Intelligence Artificielle (IA), et ce dans le domaine de la radiologie. Plus précisément, nous mobilisons trois déclinaisons du concept d’expérimentation (experiment in and with technology, tacit experiment) pour décrire et analyser quatre environnements de travail où des logiciels de détection à base d’IA (en sénologie et en traumatologie) sont testés. Nous soulignons les modalités d’appropriation (ou de rejet) de ces dispositifs mais aussi les préoccupations éthiques qui en résultent, en nous appuyant sur les dérivés du concept d’expérimentation susmentionnés. Cette éthique de l’IA renvoie à trois séries d’interrogations : la première porte sur le pilotage, le périmètre, l’apprentissage durant ces expérimentations et finalement sur le caractère (plus ou moins) démocratique de ces dernières ; la deuxième sur la justesse de ce que livrent ces logiciels et par conséquent les risques d’erreurs engendrés, dans le cadre d’une délégation (au moins partielle) du travail d’analyse à des algorithmes ; enfin, la troisième sur la qualité du service rendu et son équité, au sein du système de santé, ainsi que sur le contenu d’identités professionnelles. L’éthique de l’IA s’encastre alors dans des situations concrètes d’usage et s’incarne dans des univers professionnels, à la différence des éthiques « à principes » et « au futur ».

« Mais l’algo, là, il va mimer nos erreurs ! » | « Éthique de l’IA » : enquêtes de terrain | Réseaux (2023/4 N° 240)

2023-09-21T00:00:00+02:00

Les techniques d’apprentissage automatique traitent algorithmiquement des données fournies en entrée. Celles-ci font, au préalable, l’objet d’un travail d’annotation manuelle visant à en identifier les éléments saillants à des fins d’entraînement des modèles. Fastidieux et souvent déconsidéré, ce travail du clic façonne pourtant une « vérité » de référence pour l’IA, qui conditionne en grande partie les résultats produits. Cet article étudie les modalités d’exécution de ce travail et ses effets à partir de l’étude du cas de la conception d’un outil d’anonymisation automatique des décisions de justice au sein de la Cour de cassation. Enquête ethnographique et par entretiens permettent de mettre en évidence la pluralité des compétences mobilisées par les acteurs chargés de l’annotation des données. L’article montre l’importance des systèmes représentationnels et moraux dans la mise en œuvre de cette activité, et donc, pour le fonctionnement de l’IA.

La prédiction du risque en justice pénale aux états-unis : l’affaire propublica-compas | « Éthique de l’IA » : enquêtes de terrain | Réseaux (2023/4 N° 240)

2023-09-21T00:00:00+02:00

Un article publié par le média Pro Publica en 2016 considère que le logiciel Compas, utilisé aux États-Unis pour la prédiction de la récidive, porte préjudice à la population noire : « It’s biased against blacks ». La publication crée une onde de choc dans l’espace public et alimente les débats sur l’équité des algorithmes et sur le bien-fondé de ces outils de prédiction du risque. Ces débats étaient jusque-là confinés dans des sphères de spécialistes. En partant de l’affaire ProPublica-Compas, nous avons exploré les différents embranchements de la controverse dans l’arène des « data sciences » et dans celle du monde de la justice. Si, dans l’espace médiatique, l’affaire Compas illustre les dérives liées aux algorithmes et vient renforcer les inquiétudes autour de l’intelligence artificielle (peur du remplacement, du renforcement des inégalités et de l’opacité), dans le monde académique deux arènes s’emparent de l’affaire. Dans l’arène des data sciences, les chercheurs discutent des critères d’équité et de leur incompatibilité, montrant à quel point la traduction d’un principe moral en indicateurs statistiques est problématique. Ils débattent également de la supériorité supposée de la machine sur l’homme dans les tâches de prédiction. Dans l’arène de la justice pénale, espace beaucoup plus hétérogène, l’affaire ProPublica-Compas renforce la prise de conscience qu’il est nécessaire de mieux évaluer les outils avant de les utiliser, de comprendre comment les juges s’approprient ces outils en contexte et amène les ONG qui défendent les prisonniers et les législateurs à changer de posture par rapport à ces outils de prédiction. Tandis que l’arène des data sciences fonctionne dans un entre-soi disciplinaire, focalisé sur les données et les algorithmes hors contexte, dans l’arène juridique, qui assemble des acteurs hétérogènes, la question de l’inscription des outils dans la pratique professionnelle occupe une place centrale.

Les enjeux de l’IA pour la Défense de demain | L’intelligence artificielle et ses enjeux pour la Défense | Revue Défense Nationale (2019/5 N° 820)

2019-05-01T00:00:00+02:00

L’IA est un enjeu majeur pour la Défense de demain. Cette prise de conscience est bien réelle et doit se traduire de façon concrète. Trois voies doivent nécessiter des efforts. Les infrastructures avec un cloud national, le traitement des données et, enfin, les ressources humaines. La France dispose d’atouts réels qu’il faut conforter.

Éditorial. Quelle éthique pour l’intelligence artificielle ? | Éthique et intelligence artificielle | Revue d'éthique et de théologie morale (2020/3 N° 307)

2020-09-30T00:00:00+02:00

L'Intelligence artificielle, technologie de la vision numérique du monde | Les défis de la justice numérique | Les Cahiers de la Justice (2019/2 N° 2)

2019-07-09T00:00:00+02:00

RésuméLa notion d'Intelligence artificielle est décrite à partir de quatre polarités : ses buts, son rapport au calcul, ses méthodes d'investigation et les connaissances qu'elle produit. On décrit ces polarités avant d'en venir à une hypothèse générale sur le rapport de l'Intelligence artificielle et de l'informatique : l'Intelligence artificielle vise à confirmer la vision alphabétique et numérique du monde déployée par l'informatique.

L’intelligence artificielle dans l’espace public : du domaine scientifique au problème public | « Éthique de l’IA » : enquêtes de terrain | Réseaux (2023/4 N° 240)

2023-09-21T00:00:00+02:00

L’article analyse la publicisation de l’intelligence artificielle (IA) et sa constitution en problème public, sous l’étiquette « éthique de l’IA », du point de vue des discours et des acteurs circulants entre arènes médiatique, scientifique et politique. Pour saisir l’ampleur de cette dynamique d’ensemble, il prend un objet peu exploré, la mise en relation entre ces trois arènes, c’est-à-dire les mécanismes de circulation et de déformation des discours, les conflits de définition, et les reconfigurations qui en résultent pour le domaine et pour les modes d’existence publique de l’IA. Articulant des méthodes quantitatives et qualitatives, l’enquête s’appuie sur trois types de données issues des arènes médiatique, politique et scientifique françaises : un corpus d’articles de presse relatifs à l’IA couvrant une période de près de 20 ans (2000-2019) ; des entretiens auprès d’acteurs du débat public (scientifiques, journalistes, institutionnels) ; des rapports publics (2006-2019). Portée par l’augmentation de la puissance de calcul et la disponibilité de larges bases de données d’entraînement, la « vague de l’IA » dans l’espace public se produit à la faveur de facteurs convergents – technologiques, économiques, médiatiques et politiques – sans être le reflet d’une véritable « révolution scientifique », promue par les médias et les entreprises mais contestée dans les récits des chercheurs. L’article montre ainsi comment la vie publique de l’IA prend forme à la croisée de registres discursifs concurrents et souvent incommensurables. De plus, si les discours sur l’IA et son éthique sont très présents dans l’espace public et émergent comme un « problème public » devenu un enjeu de régulation, ils ne s’appuient pas véritablement sur un « public concerné » (Dewey, 2012) en dehors des sphères spécialisées, qui serait engagé dans un travail d’enquête et de mobilisations collectives. Ainsi, la dernière « vague de l’IA » et la montée en puissance des questions éthiques semblent plutôt marquer une économicisation avancée du domaine, de plus en plus soumis aux intérêts privés, face à laquelle chercheurs et politiques cherchent à se positionner.

Contrôler les IA | Contrôler l'intelligence artificielle ? | Réseaux (2022/2 N° 232-233)

2022-05-23T00:00:00+02:00

Pourquoi ethnographier les interactions avec les agents conversationnels ? | Ethnographies des agents conversationnels | Réseaux (2020/2 N° 220-221)

2020-05-22T00:00:00+02:00

« Tisser des liens » | Ethnographies des agents conversationnels | Réseaux (2020/2 N° 220-221)

2020-05-22T00:00:00+02:00

L’article plaide pour un genre d’IA capable de créer des liens sociaux avec des interlocuteurs humains. La démonstration prend pour point de départ les deux histoires concurrentes concernant les origines de l’Intelligence Artificielle. Dans l’une, l’objectif de l’IA était d’inventer des machines capables de simuler tous les aspects de l’intelligence humaine. Dans l’autre, il s’agissait de construire des machines qui s’adaptent étroitement au comportement humain naturel. Si la première histoire est mieux connue, l’auteure défend l’idée selon laquelle la seconde aurait été plus féconde, car elle place l’humain au cœur de l’entreprise. Ancré dans cette perspective historique, l’article présente plusieurs exemples d’agents conversationnels qui s’engagent dans ce type de comportement social adaptatif. Les résultats des expériences menées avec ces agents sociaux montrent qu’en fait ils améliorent les relations entre les personnes et les systèmes. Cependant, ils améliorent également les performances dans la tâche que les agents conversationnels et les humains accomplissent ensemble.

La revanche des neurones | Machines prédictives | Réseaux (2018/5 n° 211)

2018-11-02T00:00:00+01:00

Depuis 2010, les techniques prédictives basées sur l’apprentissage artificiel (machine learning), et plus spécifiquement des réseaux de neurones (deep learning), réalisent des prouesses spectaculaires dans les domaines de la reconnaissance d’image ou de la traduction automatique, sous l’égide du terme d’“Intelligence artificielle”. Or l’appartenance de ces techniques à ce domaine de recherche n’a pas toujours été de soi. Dans l’histoire tumultueuse de l’IA, les techniques d’apprentissage utilisant des réseaux de neurones – que l’on qualifie de “connexionnistes” – ont même longtemps été moquées et ostracisées par le courant dit “symbolique”. Cet article propose de retracer l’histoire de l’Intelligence artificielle au prisme de la tension entre ces deux approches, symbolique et connexionniste. Dans une perspective d’histoire sociale des sciences et des techniques, il s’attache à mettre en évidence la manière dont les chercheurs, s’appuyant sur l’arrivée de données massives et la démultiplication des capacités de calcul, ont entrepris de reformuler le projet de l’IA symbolique en renouant avec l’esprit des machines adaptatives et inductives de l’époque de la cybernétique.

Intelligence artificielle (2017)

2017-04-27T00:00:00+02:00

Pages 3 à 8 | Pages de début
Pages 9 à 10 | Définition | Jean-Gabriel Ganascia
Pages 11 à 16 | Introduction | Jean-Gabriel Ganascia
Pages 17 à 23 | « Alan Turing est l’inventeur de l’intelligence artificielle. » | Jean-Gabriel Ganascia
Pages 25 à 29 | « Désormais des machines passent le test de Turing. » | Jean-Gabriel Ganascia
Pages 31 à 35 | « L’intelligence artificielle n’est pas une science. » | Jean-Gabriel Ganascia
Pages 37 à 42 | « L’intelligence artificielle est une idée neuve. » | Jean-Gabriel Ganascia
Pages 43 à 47 | « Les Japonais sont les champions de l’intelligence artificielle. » | Jean-Gabriel Ganascia
Pages 49 à 53 | « La recherche en intelligence artificielle est menée par les GAFA. » | Jean-Gabriel Ganascia
Pages 55 à 58 | « L’intelligence artificielle pallie les défaillances de notre intelligence. » | Jean-Gabriel Ganascia
Pages 59 à 65 | « Nous passerons bientôt de l’intelligence artificielle faible à l’intelligence artificielle forte. » | Jean-Gabriel Ganascia
Pages 67 à 73 | « Il n’y a rien à craindre avec les ordinateurs, il suffit de les débrancher. » | Jean-Gabriel Ganascia
Pages 75 à 80 | « L’intelligence artificielle reproduit l’activité de notre cerveau. » | Jean-Gabriel Ganascia
Pages 81 à 84 | « L’intelligence artificielle n’est pas naturelle. » | Jean-Gabriel Ganascia
Pages 85 à 88 | « Les ordinateurs raisonnent de façon binaire. » | Jean-Gabriel Ganascia
Pages 89 à 91 | « Les ordinateurs ne se trompent jamais. » | Jean-Gabriel Ganascia
Pages 93 à 99 | « Les ordinateurs sont invincibles aux échecs et au go. » | Jean-Gabriel Ganascia
Pages 101 à 106 | « Le “Deep Learning” révolutionne l’intelligence artificielle. » | Jean-Gabriel Ganascia
Pages 107 à 115 | « Une machine ne peut pas être créative. » | Jean-Gabriel Ganascia
Pages 117 à 122 | « Les machines n’ont pas d’émotions ni de conscience. » | Jean-Gabriel Ganascia
Pages 123 à 127 | « Les machines n’ont pas d’intuition. » | Jean-Gabriel Ganascia
Pages 129 à 132 | « Avec l’intelligence artificielle émotive, nous confierons bientôt les personnes âgées aux robots. » | Jean-Gabriel Ganascia
Pages 133 à 136 | « Les voitures autonomes sont programmées pour tuer leurs passagers. » | Jean-Gabriel Ganascia
Pages 137 à 141 | « Le “Big Data” menace la démocratie. » | Jean-Gabriel Ganascia
Pages 143 à 149 | « Les “robots tueurs” remplaceront bientôt les soldats. » | Jean-Gabriel Ganascia
Pages 151 à 155 | « Il faut donner des droits aux robots. » | Jean-Gabriel Ganascia
Pages 157 à 162 | « Nous ne sommes pas prêts pour le tsunami technologique qui advient. » | Jean-Gabriel Ganascia
Pages 163 à 167 | « L’intelligence artificielle n’a pas tenu ses promesses. » | Jean-Gabriel Ganascia
Pages 169 à 173 | « Les robots nous mettront tous au chômage. » | Jean-Gabriel Ganascia
Pages 175 à 180 | « Demain, nous serons les esclaves des machines. » | Jean-Gabriel Ganascia
Pages 181 à 186 | « Il n’y a pas ou plus de débouchés professionnels en intelligence artificielle. » | Jean-Gabriel Ganascia
Pages 187 à 191 | « L’intelligence artificielle constitue un danger existentiel majeur et inéluctable pour l’humanité. » | Jean-Gabriel Ganascia
Pages 193 à 197 | « Grâce à l’intelligence artificielle, nous téléchargerons nos consciences et deviendrons immortels ! » | Jean-Gabriel Ganascia
Pages 199 à 202 | « La machine est l’avenir de l’homme. » | Jean-Gabriel Ganascia
Pages 203 à 205 | Conclusion | Jean-Gabriel Ganascia
Pages 207 à 211 | Glossaire
Pages 213 à 215 | Pour aller plus loin
Pages 216 à 216 | Pages de fin

L’intelligence artificielle n’existe-t-elle vraiment pas ? Quelques éléments de clarification autour d’une science controversée | Varia | Diogène (2020/1 n° 269-270)

2021-08-16T00:00:00+02:00

Depuis dix ans et avec le mouvement big data, l’intelligence artificielle a le vent en poupe. Les acteurs politiques et économiques retrouvent ainsi un intérêt à promouvoir activement l’intelligence artificielle dans le même temps que les chercheurs issus de tous les horizons scientifiques orientent de plus en plus leurs travaux vers cet objet d’étude qui, bien souvent et à tort, leur apparaît nouveau. Cet engagement collectif est nécessaire contenu de l’immensité des enjeux humains, sociaux et économiques qui sont associés au développement de l’intelligence artificielle. Le problème est qu’il s’accompagne d’un tapage médiatique qui tend à embrouiller les débats et les travaux. Un exemple frappant est le fait qu’il existe aujourd’hui plusieurs spécialistes renommés qui expriment l’idée que l’intelligence artificielle n’existe pas ! De telle sorte que, même dans la communauté scientifique, il est parfois difficile d’identifier ce qu’est l’intelligence artificielle. Cet article vise à lever le voile sur cette obscurité.

Intelligence artificielle | Culture numérique (2019)

2019-03-07T00:00:00+01:00

Ethnographies des agents conversationnels | Réseaux (2020/2 N° 220-221)

2020-05-22T00:00:00+02:00

Assistants vocaux, chatbots textuels, robots humanoïdes : la diffusion croissante d’agents conversationnels dans la société fascine, effraye, soulève des questionnements d’ordre philosophique, éthique, juridique, technique, politique et moral. Présents à travers une diversité d’artefacts, ces agencements technologiques sont capables de produire des paroles ou bien des écrits pendant des interactions avec des humains et de simuler des compétences humaines, des rôles sociaux ou encore des formes de relations sociales. Depuis le milieu des années 2000, nous assistons ainsi pour la première fois à des rencontres inédites « grandeur nature » entre des formes de l’intelligence artificielle conversationnelle et des utilisateurs ordinaires dans leur vie quotidienne, en dehors des murs des laboratoires. Les agents conversationnels ont d’abord rejoint les rangs des produits offerts par les plus importants acteurs du numérique : Google, Microsoft, Apple ou Amazon proposent des enceintes connectées pour l’environnement domestique capables d’interagir vocalement avec les utilisateurs. Mais ces agents ne sont que le fer-de-lance d’un marché plus vaste, qui comprend également les robots conversationnels textuels (chatbots) prenant en charge différentes interactions de service et les robots humanoïdes. Utilisés massivement dans l’assistance technique et commerciale, les chatbots peuvent par exemple accuser réception d’une requête d’un client, repérer le problème posé et rechercher la solution dans des bases de données. Si les services rendus par ces robots conversationnels les rapprochent d’autres applications web, ils s’en distinguent néanmoins par l’utilisation du langage naturel. Enfin, venant s'incarner dans des organismes artificiels matérialisés – les robots humanoïdes – les agents conversationnels se sont enrichis de modalités diverses, par exemple les pointeurs ou les possibilités de mouvement permettant de désigner un objet dans l'environnement ou encore la capacité à détecter la présence de personnes, de reconnaître des émotions et d’exprimer des simulacres émotionnels. Aujourd’hui, les premiers robots d'accueil ou d'assistance fabriqués par cette nouvelle informatique « affective » commencent à passer les limites des laboratoires pour entrer dans les musées ou les situations commerciales. Comment penser les conséquences sociales d’une telle diversité à la fois de formes technologiques et des situations sociales dans lesquelles l’IA conversationnelle vient s’inscrire ? C’est ce défi que le présent dossier de Réseaux se propose de commencer à relever en rassemblant un premier ensemble en français de travaux empiriques sur les interactions avec les agents intelligents. Comment interagit-on avec des agents artificiels ? Quelles relations les personnes développent-elles avec ces machines parlantes ? Quel sens et quelle place ces machines prennent-elles dans notre vie quotidienne ? Comment reconfigurent-elles nos activités à la maison, au travail, dans l’espace public ? Comment nous affectent-elles et quelles formes d’attachement peuvent-elles susciter ?

Les enquêtes réunies dans ce dossier de Réseaux montrent que la recherche en sciences sociales gagne à se saisir empiriquement – avec le regard ajusté aux pratiques propres aux démarches ethnographiques – de la diversité des contextes, des interactions, et des projets auxquels les trois principaux types d’agents conversationnels sont aujourd’hui associés. Pour penser la complexité des infrastructures technologiques associées à ces applications de l’IA et leurs conséquences sur notre vie en société ce numéro propose de s’appuyer sur les résultats d’enquêtes portant à la fois sur la conception, l’appropriation ou les interactions avec ces différents agents. Résolument empirique et descriptif, le parti pris de ce dossier est également pluraliste en accueillant une diversité de manières de faire des ethnographies de l’IA. Réunissant des travaux ancrés dans l’ethnométhodologie, l’analyse conversationnelle, la vidéo-ethnographie, la linguistique interactionnelle, la sociologie économique ou l’anthropologie sociale il témoigne de la fécondité des approches observationnelles pour prendre la mesure des transformations technologiques et sociales contemporaines à l’échelle des pratiques.

Coordonné par Marc Relieu et Julia Velkovska