Le mythe de l’IA dans trois récits contemporains francophones pour la jeunesse : No man's land de Loïc Le Pallec, Scarlett et Novak d'Alain Damasio et Le suivant sur la liste de Manon Fargetton
Bibliographic record
Abstract
Dans cet article, nous étudierons la représentation de l’Intelligence Artificielle dans trois récits d’anticipation pour adolescents et jeunes adultes : No man’s land (2013) de Loïc Le Pallec, Le suivant sur la liste (2014-2015) de Manon Fargetton et Scarlett et Novak (2014; 2021) d’Alain Damasio. Ces œuvres retravaillent chacune à leur manière le mythe de la toute-puissance de l’IA. Elle s’y manifeste à travers des figures anthropomorphes, agissantes et interactives avec les humains, mais sa nature algorithmique y est mise en tension avec ses différentes formes de personnification, ce qui invite le lecteur à adopter un point de vue distancié. Dans le premier roman, une IA forte est incarnée dans des robots intelligents, autonomes et perfectibles, dotés d’une sensibilité et d’une conscience. Ils restent toutefois des instruments au service de l’humanité et leur rôle est aussi de rappeler à notre attention les merveilles du vivant. Dans la nouvelle de Damasio, une application dotée d’IA est utilisée à des fins d’augmentation de soi, mais le système est défaillant et son usage crée des addictions et des problèmes d’ordre sécuritaire. Il s’agit donc dans ce récit de rompre avec ces simulacres pour renouer des liens sensibles au réel. Dans le dernier récit, le discours porté sur l’IA s’avère plus ambivalent : un agent conversationnel (chatbot), d’abord conçu pour assurer la continuité post-mortem d’un personnage, s’installe dans le quotidien des principaux protagonistes et finit par acquérir une forme d’ubiquité. Les travers de l’IA ne sont pas éludés, mais, dans une orientation transhumaniste, l’IA y figure au titre des avancées et des acquis du monde contemporain. Ces trois spéculations sur un monde possible dans le futur ouvrent le débat sur l’IA et favorisent une réflexion critique sur le temps présent.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".