L' intelligence artificielle, un néomessianisme numérique ? Une analyse de Nouvelle Conscience de Robert G. Forge
Bibliographic record
Abstract
Nouvelle Conscience : un meurtre, un flic, une IA de Robert G. Forge est le récit du développement de l’IA d’un nouveau genre. Peu de temps après le commencement, l’aventure de la fabrication de l’IA passe au polar comme le sous-titre l’indique. Ce qui nous hante ici est de savoir le discours auquel a été soumise la mise en fiction de l’intelligence artificielle et le comment de la fictionnalisation d’altérité dans le contexte complexe de notre monde. En effet, à l’époque actuelle, on est témoins d’une part, des tentatives des techno-rationalistes et scientistes pour la progression inconditionnelle de la technologie, et d’autre part, de l’inquiétude des moralistes devant les dangers probables et les usages contre-humains de la technologie. De ce fait, il est intéressant de savoir comment la fiction se confronte à ces réalités problématiques. La structure polyphonique de Nouvelle Conscience nous permet de le traiter au niveau discursif pour relever les interactions de différents discours sur l’IA. Pour y arriver, nous nous appuyons sur l’approche théorique de l’analyse du discours littéraire (ADL) selon Dominique Maingueneau. Nos analyses montreront que Nouvelle Conscience de Rober G. Forge, tout en dénonçant les aspects problématiques du développement de l’IA, incite le lecteur à réfléchir à son rapport au monde technique contemporain à travers une vision humaniste.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.016 |
| Scholarly communication | 0.005 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.003 | 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".