Les entrepreneurs de « start-up » rêvent-ils de moutons électroniques? Le prestige et le capital technologique dans l’imaginaire de l’intelligence artificielle
Bibliographic record
Abstract
Cet article plonge au coeur du regroupement des startups montréalaises axées sur l’intelligence artificielle (IA) et décortique la manière dont ses entrepreneurs élaborent leur discours et façonnent leur vision de l’avenir technologique. La fascination pour les prouesses de l’IA, que nous explorons en détail dans cet article, rappelle de plusieurs manières la citation célèbre de William Gibson qui relève que « le futur est déjà là – il n’est simplement pas réparti de manière égale ». Nous utilisons le concept d’« imaginaire sociotechnique » pour décrire comment cette communauté parvient à capitaliser sur le potentiel de l’avenir technologique, qui se révèle un véritable gisement de richesses symboliques et économiques. Du reste, au sein de ce regroupement entrepreneurial émerge un rôle majeur : celui d’incarner les messagers du destin technologique de l’humanité, une minorité d’acteurs captivant l’attention avec des représentations futuristes spectaculaires. Nous mettons également en lumière l’existence d’un « capital technologique » pour illustrer comment cet imaginaire se fond dans l’identité professionnelle de l’entrepreneur, l’élevant au rang de prophète parmi la société, qui lui confère prestige et statut. Les visions du futur deviennent les symboles ostentatoires d’une technologie hautement sophistiquée, employés pour se distinguer et revendiquer une supériorité sociale.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".