L’intelligence artificielle : les différents chemins de la régulation
Notice bibliographique
Résumé
N’est-il pas étonnant de voir les textes officiels et notamment ceux à valeurs coercitives utiliser aussi peu le terme « intelligence artificielle » ? Les différentes normes ont pendant longtemps laissé apparaître des notions connexes, mais périphériques : droit des robots, des algorithmes et des données personnelles. Le manque de consensus juridique, le peu d’intérêt pour le thème (souvent sujet aux fantasmes et à la science-fiction) et la faiblesse des approches multidisciplinaires ont notamment pu empêcher une qualification juridique optimale et ont accouché à bien des controverses doctrinales. Cela s’est notamment ressenti lors des débats autour de la personnalité juridique de l’intelligence artificielle ou des règles éthiques susceptible d’accompagner son développement.Néanmoins, un nouveau chemin de la construction du droit de l’intelligence artificielle est en train d’apparaître. Un chemin à deux entrées, deux gouvernances parallèles, l’une partant de la compréhension de la technique pour nourrir le droit, l’autre puisant au droit pour mesurer l’écart existant avec la technique. C’est cette double approche qui sera développée et éprouvée au travers de cet article. Cette démarche pragmatique s’appuie sur l’histoire du droit des sciences. Elle permet à la fois de mesurer le chemin qu’il reste au droit à parcourir afin de qualifier l’objet technique, tout en esquissant les premiers contours de son encadrement. Il nous faudra néanmoins nous demander si les deux chemins empruntés par cette nouvelle construction du droit peuvent concilier les notions de « droit dur » et « droit souple » tout en garantissant une forme de sécurité juridique.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,038 |
| Communication savante | 0,021 | 0,019 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».