Le développement de l'intelligence artificielle au Québec à l'aune de l'économie de la promesse
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Cette thèse a pour objet d’étude la trajectoire récente de l’intelligence artificielle (IA) au Québec (2010-2023). En s'appuyant sur les concepts de l'économie de la promesse et de la sociologie des attentes, elle met en évidence les acteurs qui mobilisent les promesses et les attentes de l’IA afin d'interroger les effets performatifs de ce type de discours. Pour y parvenir, elle identifie les principaux acteurs de l’économie de la promesse, à savoir les chercheurs-entrepreneurs vedettes, les firmes d’investissement en capital de risque, les entrepreneurs, les grandes firmes de consultants, les décideurs publics et les journalistes. Le rôle de ces acteurs et les promesses et attentes qu’ils suscitent sont analysés à travers trois échelles d’analyse : le microsocial, le mésosocial et le macrosocial. L’analyse microsociale porte sur deux entreprises : la première était une jeune pousse spécialisée dans les techniques d’apprentissage profond désormais vendue à une grande entreprise technologique ; la deuxième est une entreprise mature non technologique qui a revu sa structure organisationnelle pour intégrer une équipe dédiée exclusivement à l’IA. Les deux entreprises ont vécu un cycle d’enthousiasme-déception. Leurs activités quotidiennes étaient guidées par des promesses et des attentes démesurées à l’endroit de l’IA. En parallèle, elles diffusaient des discours s’inscrivant dans le registre discursif du « moonshot », du « bold » et de la « disruption », sous-estimant les obstacles opérationnels à déployer des modèles en IA. L’analyse mésociale s’appuie sur 40 entretiens réalisés auprès des acteurs du système de l’IA au Québec, et permet de recenser cinq grands thèmes du discours : la promesse, le retard, la nécessité, la normalisation et la peur. Elle en identifie également vingt-et-un sous-thèmes. L’analyse macrosociale est basée sur 222 articles de presse francophone. Elle permet d’illustrer le traitement manichéen des médias envers l’IA. Portés par un petit groupe d’individus, les discours médiatiques axés sur les promesses et les attentes de l’IA tournent principalement autour de la révolution, de la disparition des emplois, de la course commerciale et des demandes auprès des gouvernements pour éviter les dérives de l’IA et s’emparer de ses promesses. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : économie de la promesse, sociologie des attentes, intelligence artificielle, Québec, analyse du discours, cycle des attentes technologiques
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.
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 | 0.001 | 0.000 |
| 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 | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
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 it