Notice bibliographique
Résumé
L’intégration de l’intelligence artificielle générative (IAGen) dans différentes sphères économiques et sociales s’est accélérée à une vitesse qu’on n’aurait pu prévoir. Tous les secteurs professionnels sont touchés, chacun tentant d’évaluer les gains et limites de cette intégration. Le milieu de la communication créative – agences de publicité, agence numérique, pigistes en communication, créateurs de contenu – ne fait pas exception alors que toute la chaîne de décisions stratégiques menant à la création de messages intègre son lot d’IAGen pour optimiser les opérations et accélérer la production. Toutefois, ces promesses sont assorties d’un lot d’impacts éthiques, économiques, interpersonnels qu’il est encore difficile d’évaluer. L’industrie de la communication créative reposant sur la valeur accordée à la créativité des agences, cet article relève les tensions engendrées par l’arrivée des IAGen et l’impact de ces dernières sur les processus de création. Soutenus par une revue de la littérature narrative sur les promesses et enjeux des IAGen et partant d’une perspective sociomatérielle de la créativité, nous relevons cinq dualités entre les gains et les défis à la créativité dans l’usage des IAGen. Au final, nous proposons trois recommandations dans l’intégration des IAGen dans les agences de communication créative.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,037 |
| Communication savante | 0,018 | 0,010 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,004 |
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 ».