Les narvals et les licornes se cachent-ils pour mourir ?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,001 |
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 découle