Une lecture technoprogressiste de la Déclaration de Montréal sur l’IA : quels enjeux pour l’éthique de demain
Notice bibliographique
Résumé
Le 28 novembre 2018, à l’initiative de l’Université de Montréal a été publié l’un des tout premiers textes normatifs à caractère national, après la conférence internationale d’Asilomar (2017) sur l’IA. Intitulé Déclaration de Montréal pour une IA éthiquement responsable , ce texte normatif se positionne dans la géopolitique mondiale de l’IA comme une approche visant à faire de l’IA un instrument de progrès et d’inclusion au travers d’algorithmes humainement pensés et éthiquement implémentés. Élaborée à partir d’une méthodologie originale appelée « co-construction citoyenne », la Déclaration de Montréal repose sur 10 principes éthiques normatifs, dont le but est d’encadrer le développement et le déploiement de l’IA. Pourtant, en analysant non seulement les enjeux géopolitiques de l’IA, ainsi que sa structuration éthique autour des concepts tels que « humanisme numérique » et « agentivité humaine », il se pose deux constats majeurs : Une absence de consensus réel sur une approche fondamentale, qui devrait guider le développement et le déploiement de l’IA et surtout, une perspective techno-progressiste de la Déclaration de Montréal articulant une vocation techno-optimiste de l’IA. Cet état de choses démontre d’une part, la complexité du positionnement de la Déclaration de Montréal pour une IA éthiquement responsable dans le défi d’une régulation internationale ; et d’autre part, le challenge d’un compromis éthique rigoureux entre le développement de l’IA et la permanence d’une agentivité humaine. Car le techno-optimisme de la Déclaration de Montréal face à l’IA, entraîne avec lui le risque accru d’une autonomisation des systèmes d’intelligence artificielle, mettant finalement en avant la question d’une perspective transhumaniste du développement de l’IA.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».