D’une révolution avortée à une autre? Les politiques québécoises en nanotechnologies et en IA au prisme de l’économie de la promesse
Bibliographic record
Abstract
Cet article analyse les politiques du gouvernement du Québec en matière de nanotechnologies au début des années 2000 et d’intelligence artificielle (IA) à partir du milieu des années 2010. La comparaison entre l’engouement passé pour les nanotechnologies et celui présent pour l’IA permet de faire ressortir plusieurs similitudes entre les actions publiques mises en place pour faire émerger et développer ces deux technologies dites « de pointe ». Dans les deux cas, nous montrons sous l’angle de l’économie de la promesse comment différentes parties prenantes construisent et font la promotion d’un futur technologique et économique jugé inéluctable afin de s’adjoindre des soutiens politiques, s’assurer une approbation sociale plus large de leurs projets et, surtout, capter d’importantes ressources financières et matérielles publiques, essentielles pour établir une activité industrielle et commerciale. Le cas des nanotechnologies, pour lequel nous avons désormais plus de recul, permet d’évaluer l’écart entre les promesses initiales et ce qui est réellement advenu. Il fournit également des pistes de réflexion pour aborder de façon critique le soutien gouvernemental actuel accordé à l’IA et les discours portant sur ses retombées économiques futures au Québec.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.013 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".