Sciences et dissonances : les discours multiples du secteur pancanadien de la recherche en IA (2012-2023)

Problématiser la recherche actuelle portant sur l’IA au Canada équivaut à examiner une \nvaste gamme de récits dont les répercussions sont tangibles. Aujourd’hui, lorsque les \nacteurs, les institutions et les organisations font référence à l’IA, ils décrivent la mesure \ndans laquelle l’IA fait déjà partie intégrante du tissu social, économique et politique. Par \nexemple, le ministère de l’Innovation, des Sciences et du Développement économique du \nCanada a déclaré que « l’IA […] a déjà un impact important sur la vie quotidienne des \nCanadiens » (Innovation, Sciences et Développement économique Canada, 2023). Au \nprovincial, Pierre Fitzgibbon, ministre de l’Économie, de l’Innovation et de l’Énergie sous le \ngouvernement de la Coalition Avenir Québec, a récemment déclaré que « l’IA touche \nprogressivement tous les secteurs de la société, ce qui implique que des balises soient \nconsidérées lors de son développement et de son utilisation » (Gouvernement du Québec, \n2023). McKinsey and Company1, le CIFAR et Scale AI suggèrent également que l’IA fait \ndésormais partie intégrante de toutes les sphères d’activité au pays. Comment cet \nimaginaire s’est-il progressivement mis en place pour, encore une fois, participer du \ndéploiement bien réel de la technologie ? Et, d’abord, que peuvent en dire et en penser les \npersonnes mêmes qui s’y impliquent le plus directement, à savoir les scientifiques oeuvrant \ndans différents laboratoires, allant des sciences computationnelles jusqu’aux sciences \nsociales et à la philosophie ? La présente étude s’intéresse principalement à ces praticiens \net praticiennes ainsi qu’aux différentes manières dont ils et elles conçoivent ce qu’est et \nfait l’IA aujourd’hui. Il est de ce fait question du type de production de connaissanceémanant des laboratoires, mais également de la compréhension de ce qui est plus \nlargement en jeu, à savoir les valeurs qui sont mobilisées pour faire sens de ce qui se \ntransforme dans et par l’IA. Ce qui est ainsi présenté est une gamme relativement complexe \nde positions le plus souvent adaptatives ; ce qui dans l’étude prend la forme d’un arc entre \nce qui est plus « computo-centrique » et ce qui est davantage « socio- centrique » (Marres \net coll., 2024). Cette gamme — ou arc — existe parce que le champ technoscientifique de l’IA \nest aujourd’hui fortement marqué par ce que Pinch et Bijker nomment canoniquement sa \n« flexibilité interprétative » (1984). Pour ces derniers, en effet, « studying technologies as \nobjects that are ‘socially constructed’ involve recognizing how their form and functionscome out of the process of interpretative negotiation among producers, sellers, and other \nrelevant social actors » (Magaudda, 2014, p. 66). Qui négocie quoi et comment dans le champ \nde la recherche en IA au Canada ? De quelle manière cela oriente-t-il ledit champ et plus \nlargement la société ? Ce sont ces questions qui occupent le présent rapport.En 2024, l’étude de l’IA présente des caractéristiques uniques. Tout d’abord, la technologie \nest toujours un domaine de recherche en plein essor. Le nombre de scientifiques s’y \nconsacrant a explosé tant au pays qu’à l’international, les publications dans les diverses \nrevues spécialisées ont elle aussi connu une croissance exponentielle, et ce, au même \nmoment où la compétitivité pour accéder à des conférences telles que NeurIPS ou ICML \na énormément crue. De même, les panels sur l’IA dans les conférences consacrées à \nl’étude des sciences et des techniques comme 4S ou encore EASST sont maintenant \nlégion alors que ce n’était pas le cas il y a encore quelques années. Deuxièmement, le \ndomaine progresse très rapidement. Comme il en sera largement fait mention dans le \nrapport, le lancement de ChatGPT a ébranlé des communautés entières de recherche en \nIA : des chercheurs en sciences sociales qui ont rapidement porté leur attention sur l’IA \ngénérative comme des informaticiens qui utilisent les plateformes de médias sociaux et \ntraditionnels pour débattre, par exemple, des dangers existentiels de l’IA pour la société, \nsinon, de la civilisation elle-même. Troisièmement, le rythme de la recherche est si \nrapide qu’il modifie les pratiques mêmes des laboratoires. Les informaticiens qui avaient \nl’habitude de fonder la légitimité de leurs travaux sur des recherches évaluées par des \npairs ne peuvent plus se permettre de les faire passer par ce même processus afin de \nrester « à jour » avec les plus récentes avancées. Comme il s’agira de le voir, les travaux sur \nl’apprentissage automatique sont de plus en plus évalués en fonction de la quantité deparamètres utilisés et de leurs capacités à atteindre des performances dites « state-ofthe- \nart » (ou SOTA) (Lipton et Steinhardt, 2018). Quatrièmement, la recherche en IA n’est plus \nconfinée qu’aux espaces académiques. Par exemple, les projets financés par des fonds \npublics se déroulent désormais dans un environnement où les entreprises privées sont \ndevenues des acteurs clés — soit via un partenariat public-privé ou à travers la cooptation \nde chercheurs universitaires par des plateformes et des entreprises comme Google, Uber, \netc. (Roberge et coll., 2019). Cinquièmement, comme le suggèrent Marres et Gerlitz (2015), \nles notions de conscience sociale quant aux impacts de la technologie — son « éthique » — \nfont leur chemin dans la recherche en sciences computationnelles, façonnant au passage \nce qu’est l’IA et ce qu’elle pourrait devenir. Comme il en sera amplement fait mention \ndans ce rapport, une caractéristique importante du champ apparait comme étant son \nambiguïté même. Ici, l’IA est une discipline caractérisée par des couches superposéesde classificateurs linéaires, de calculateurs sans cesse plus puissants et de progrès \ntechnologiques très rapides. Maintenant, elle est pensée comme s’apprêtant à envahir \nle monde. Parfois, sinon souvent, ces différentes versions, interprétations et possibilités \ns’entremêlent. Dans le présent rapport, c’est cette nature ambiguë de l’IA qui est mise \nà contribution pour étudier comment les chercheurs canadiens donnent un sens à leur \nobjet de recherche et à sa place en société. \nEnsemble, ces caractéristiques soulèvent une série de questions sur la trajectoire \nde la recherche en IA au pays et sur la manière dont un objet aussi polyvalent a pu, \nà ce jour, mobiliser un tel niveau de ressources. Pour étudier cet état de la recherche \nen IA, le rapport se tourne principalement vers les chercheur.es — experts en science \ncomputationnelle, de la santé et des sciences sociales — qui ont une expertise contributive \nsur le sujet (Collins et Evans, 2002). L’objectif est d’examiner de manière critique — comme \ncela est fait plus en détail dans les chapitres suivants cette introduction —, la manière dont \nces spécialistes perçoivent la situation de la recherche en IA au pays et la manière dont \nleurs travaux et objets de recherche façonnent à leur tour les compréhensions collectives \net concurrentes de l’IA — ce qui est autrement nommé la négociation sociale 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.