Notice bibliographique
Résumé
Cet article étudie les enjeux philosophiques abordés par Ian McEwan dans Machines like Me (2019), où il décrit les interactions complexes entre des robots humanoïdes commerciaux et leurs propriétaires humains. J'aimerais me concentrer spécifiquement sur la notion d'empathie que McEwan revisite et complexifie au fur et à mesure que les personnages interagissent et qu’Adam, le robot qui incarne l’IA, évolue. La présentation des personnages de robots humanoïdes, les Adam et les Eve, fait appel à plusieurs techniques d'empathie : le lecteur est ainsi incité à s'identifier à aux humanoïdes, ce qui occulte leurs rouages internes (mécanique, électronique et intelligence artificielle). Du fait de cette construction mimétique, les robots intègrent le champ de l’humanité et la complexité des relations sociales.Deux notions qui ont récemment fait l'objet de débats philosophiques et politiques, les politiques du soin et les techniques de surveillance, structurent le cadre dans lequel évoluent les personnages humains : Charlie, Miranda et Alan Turing. J'aimerais retracer l'archéologie de ces notions et montrer comment elles s’articulent dans le roman. Le sujet est d’autant plus d’actualité que les techniques d'IA se nourrissent d'une surveillance constante de nos vies à travers la production et l'exploitation de données par des agents intelligents (Sadin 2013). En décrivant l'interaction entre les institutions, les technologies et les actions humaines, McEwan situe l'empathie sur une scène plus large, publique et collective.Enfin, à partir d’une analyse des décisions d'Adam (l'humanoïde), j'aimerais revenir sur le lien qui se noue ici entre l'empathie et computation, plutôt qu’entre empathie et émotions. La réflexion de McEwan sur l'empathie croise ici les débats sur l'éthique de l'IA, notamment en termes de prise de décision et d'évaluation des risques.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,025 |
| Communication savante | 0,008 | 0,019 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».