{"id":8461,"date":"2025-08-23T10:58:43","date_gmt":"2025-08-23T14:58:43","guid":{"rendered":"https:\/\/www.gillesenvrac.ca\/carnet\/?page_id=8461"},"modified":"2026-08-31T16:10:33","modified_gmt":"2026-08-31T20:10:33","slug":"ia-comme-gouvernance","status":"publish","type":"page","link":"https:\/\/gillesenvrac.ca\/carnet\/farrell\/ia-comme-gouvernance\/","title":{"rendered":"L’IA comme outil de gouvernance"},"content":{"rendered":"\n

Traduction de AI as Governance<\/a>, par Henry Farrell paru dans Annual Review of Political Science<\/strong>, Volume 28, 2025<\/a><\/p>\n\n\n\n

\n\n\n\n

R\u00c9SUM\u00c9<\/strong><\/p>\n\n\n\n

Les politologues se sont remarquablement peu exprim\u00e9s sur l’intelligence artificielle (IA), peut-\u00eatre parce qu’ils sont d\u00e9courag\u00e9s par sa complexit\u00e9 technique et par les d\u00e9bats actuels sur la question de savoir si l’IA pourrait imiter, d\u00e9passer ou remplacer l’intelligence humaine individuelle. Ils devraient plut\u00f4t consid\u00e9rer l’IA sous l’angle de sa relation avec la gouvernance. Les grands syst\u00e8mes de gouvernance existants, tels que les march\u00e9s, la bureaucratie et la d\u00e9mocratie, permettent de g\u00e9rer des relations humaines complexes, m\u00eame si cela s’accompagne d’une certaine perte d’information. Les principales cons\u00e9quences politiques de l’IA peuvent \u00eatre examin\u00e9es sous deux angles. Premi\u00e8rement, nous pouvons consid\u00e9rer l’IA comme une technologie de gouvernance et nous interroger sur la mani\u00e8re dont ses capacit\u00e9s \u00e0 classer l’information \u00e0 grande \u00e9chelle affectent les march\u00e9s, la bureaucratie et la d\u00e9mocratie. Deuxi\u00e8mement, nous pouvons consid\u00e9rer l’IA comme une forme \u00e9mergente de gouvernance \u00e0 part enti\u00e8re, dot\u00e9e de ses propres m\u00e9canismes de repr\u00e9sentation et de coordination. Ces deux perspectives soul\u00e8vent de nouvelles questions pour les politologues et les encouragent \u00e0 reconsid\u00e9rer les limites de leur discipline.<\/p>\n\n\n\n

\n\n\n\n

INTRODUCTION<\/strong><\/p>\n\n\n\n

Les politologues prennent tardivement conscience des d\u00e9bats publics sur l’intelligence artificielle (IA). L’apprentissage automatique (Grimmer et al. 2021, Morucci & Spirling 2024), rendu possible par de nouvelles techniques (r\u00e9seaux neuronaux) et des \u00e9quipements informatiques plus puissants, est en train de remodeler l’\u00e9conomie num\u00e9rique, avec des cons\u00e9quences possibles pour la soci\u00e9t\u00e9 et la politique. L’IA g\u00e9n\u00e9rative, telle que les grands mod\u00e8les linguistiques (LLM) et les mod\u00e8les de diffusion, a suscit\u00e9 un \u00e9norme enthousiasme, mais aussi des inqui\u00e9tudes, car ses r\u00e9sultats peuvent se rapprocher de contenus g\u00e9n\u00e9r\u00e9s par l’homme, tels que des textes, des images et, de plus en plus, des vid\u00e9os.<\/p>\n\n\n\n

Si certains politologues \u00e9tudient les cons\u00e9quences politiques secondaires de l’IA, rares sont ceux qui s’int\u00e9ressent \u00e0 son fonctionnement sp\u00e9cifique, qui semble relever du domaine des informaticiens. Le terme \u00ab IA \u00bb sugg\u00e8re que ces technologies doivent \u00eatre compar\u00e9es \u00e0 l’intelligence humaine individuelle, que certains s’attendent \u00e0 voir imit\u00e9e ou surpass\u00e9e par l’IA, plut\u00f4t qu’\u00e0 des ph\u00e9nom\u00e8nes politiques ou sociaux collectifs.<\/p>\n\n\n\n

Les sciences sociales ont plus \u00e0 apporter qu’elles ne le pensent (Oduro & Kneese 2024). Des d\u00e9bats anim\u00e9s sur la politique des algorithmes et des donn\u00e9es (Burrell & Fourcade 2021, Johns 2021, Matias 2023) qui examinent comment les LLM peuvent constituer une \u00ab technologie culturelle \u00bb (Yiu et al. 2024) qui r\u00e9sume, organise et remixe les connaissances produites par l’homme sont d\u00e9j\u00e0 en cours. Les politologues peuvent utilement r\u00e9fl\u00e9chir \u00e0 l’IA en termes de relation avec les dispositifs de gouvernance, les divers moyens collectifs \u00e0 grande \u00e9chelle par lesquels les humains traitent l’information et prennent des d\u00e9cisions, tels que les march\u00e9s, la bureaucratie et la d\u00e9mocratie. Les dispositifs de gouvernance ne pensent pas (Arkoudas 2023, Mitchell 2023, Nezhurina et al. 2024), mais ils r\u00e9organisent utilement les connaissances et les activit\u00e9s humaines. Il en va de m\u00eame pour l’IA (Yiu et al. 2024).<\/p>\n\n\n\n

Outre la question de savoir comment l’IA doit \u00eatre gouvern\u00e9e (Stanger et al. 2024), nous pouvons consid\u00e9rer l’IA comme une technologie de gouvernance. L’IA fournit de nouveaux moyens pour mettre en \u0153uvre les t\u00e2ches fondamentales (telles que la classification ou la cat\u00e9gorisation) sur lesquelles reposent les march\u00e9s, la bureaucratie et la d\u00e9mocratie. Certains types d’IA, tels que les LLM, pourraient devenir suffisamment distincts et importants pour constituer une forme de gouvernance \u00e0 part enti\u00e8re, un moyen collectif ind\u00e9pendant de traitement et de coordination de l’information, \u00e9quivalent aux march\u00e9s, \u00e0 la bureaucratie et \u00e0 la d\u00e9mocratie, plut\u00f4t qu’un simple compl\u00e9ment technologique.<\/p>\n\n\n\n

Dans la pratique, l’IA se confond avec le comportement du march\u00e9, la routine bureaucratique et (peut-\u00eatre \u00e0 l’avenir) la repr\u00e9sentation d\u00e9mocratique, tout comme, par exemple, les march\u00e9s se fondent dans la bureaucratie intra-entreprise. Mais consid\u00e9rer l’IA comme une technologie ou une forme de gouvernance aide les sp\u00e9cialistes des sciences sociales \u00e0 comprendre comment \u00e9tudier l’IA et \u00e0 aborder des questions actuellement obscurcies par un discours enthousiaste sur l’intelligence surhumaine imminente.<\/p>\n\n\n\n

L’\u00e9tude de la gouvernance et de l’IA exigerait des politologues qu’ils acqui\u00e8rent une certaine compr\u00e9hension technique de l’IA et qu’ils r\u00e9fl\u00e9chissent plus clairement \u00e0 la relation entre la politique et la technologie. Il y a un demi-si\u00e8cle, Simon [2019 (1968)] sugg\u00e9rait de consid\u00e9rer les sciences sociales et l’IA comme des manifestations des \u00ab sciences de l’artificiel \u00bb. Nous devrions prendre cette suggestion au s\u00e9rieux. Tout comme les grandes sciences sociales ont \u00e9t\u00e9 une r\u00e9ponse au choc de la r\u00e9volution industrielle (Tilly 1984), nous devrions travailler de mani\u00e8re interdisciplinaire, voire cr\u00e9er de nouvelles disciplines, pour r\u00e9pondre aux changements moins importants mais peut-\u00eatre tout aussi impressionnants qui se produisent actuellement autour de nous.<\/p>\n\n\n\n

CE QUE SIGNIFIENT L’IA ET LA GOUVERNANCE<\/strong><\/p>\n\n\n\n

L’IA et la gouvernance sont des termes controvers\u00e9s. John McCarthy a invent\u00e9 le terme \u00ab intelligence artificielle \u00bb pour le distinguer de la cybern\u00e9tique (Mitchell 2019), qui s’int\u00e9ressait aux flux de r\u00e9troaction et d’informations dans une grande vari\u00e9t\u00e9 de syst\u00e8mes (Davies 2024). Cependant, la signification de l’IA a \u00e9volu\u00e9. Pendant des d\u00e9cennies, l’IA a \u00e9t\u00e9 domin\u00e9e par des approches symboliques, qui mettaient l’accent sur la logique et les r\u00e8gles d\u00e9riv\u00e9es de mani\u00e8re formelle. Aujourd’hui, l’approche connexioniste rivale, qui combine l’apprentissage automatique et les r\u00e9seaux neuronaux (moteurs de traitement statistique qui ressemblent en th\u00e9orie \u00e0 des r\u00e9seaux de neurones biologiques), est en plein essor (Mitchell 2019). Toutes les IA soi-disant ne font pas appel \u00e0 ces techniques, et l’IA n’est pas le meilleur terme pour les d\u00e9crire, mais c’est celui qui s’est impos\u00e9.<\/p>\n\n\n\n

L’IA connexioniste analyse les donn\u00e9es afin de d\u00e9couvrir des repr\u00e9sentations approximatives utiles pour des relations qui peuvent \u00eatre obscures, complexes et non lin\u00e9aires. Les r\u00e9seaux neuronaux sont des mod\u00e8les multicouches qui cr\u00e9ent, modifient et transmettent des hypoth\u00e8ses pond\u00e9r\u00e9es sur divers aspects des donn\u00e9es via des \u00ab couches cach\u00e9es \u00bb de \u00ab neurones \u00bb. Le r\u00e9sultat final est repond\u00e9r\u00e9 via une descente de gradient (ou r\u00e9tropropagation) afin de mieux converger vers un optimum global.<\/p>\n\n\n\n

Ces mod\u00e8les peuvent classer et pr\u00e9dire. Dans l’apprentissage supervis\u00e9, l’IA est entra\u00een\u00e9e sur des donn\u00e9es \u00e9tiquet\u00e9es, g\u00e9n\u00e9ralement sur des images qui ont \u00e9t\u00e9 \u00e9tiquet\u00e9es comme contenant des chats ou des chiens. Au fur et \u00e0 mesure que les donn\u00e9es des images passent par les couches du r\u00e9seau neuronal, le mod\u00e8le peut identifier des caract\u00e9ristiques de plus en plus complexes (par exemple, des motifs associ\u00e9s \u00e0 une forme particuli\u00e8re d’oreille) qui sont plus susceptibles d’\u00eatre trouv\u00e9es dans des images \u00e9tiquet\u00e9es \u00ab chat \u00bb que \u00ab chien \u00bb. Il peut \u00e9galement relever des informations non saillantes : par exemple, si les chats sont plus susceptibles d’\u00eatre photographi\u00e9s \u00e0 l’int\u00e9rieur et les chiens \u00e0 l’ext\u00e9rieur, il peut se tromper et penser que les chiens photographi\u00e9s \u00e0 l’int\u00e9rieur sont des chats. Dans les mod\u00e8les d’apprentissage non supervis\u00e9 tels que les LLM (Radford et al. 2019), l’IA est charg\u00e9e de pr\u00e9dire ou de classer \u00e0 partir de mod\u00e8les non \u00e9tiquet\u00e9s dans les donn\u00e9es.<\/p>\n\n\n\n

Certaines applications de l’IA (par exemple, la mod\u00e9lisation du repliement des prot\u00e9ines) sont \u00e9loign\u00e9es des sciences politiques. D’autres pourraient directement remodeler l’\u00e9conomie, la soci\u00e9t\u00e9 et la politique. Les syst\u00e8mes d’IA sont \u00e9volutifs, m\u00eame si leur formation et leur mise en \u0153uvre peuvent \u00eatre co\u00fbteuses en termes de calcul, et les processus par lesquels ils parviennent \u00e0 des r\u00e9sultats sp\u00e9cifiques peuvent \u00eatre opaques. Il est souvent impossible de d\u00e9terminer comment un r\u00e9seau neuronal traite les donn\u00e9es initiales pour parvenir \u00e0 sa d\u00e9cision finale de classification, et les techniques utilis\u00e9es pour am\u00e9liorer la descente de gradient sont bas\u00e9es sur des essais et des erreurs \u00ab alchimiques \u00bb (Rahimi & Recht 2017) plut\u00f4t que sur une compr\u00e9hension approfondie.<\/p>\n\n\n\n

Les LLM tels que GPT-4.5 sont produits par des transformateurs, une architecture de r\u00e9seau neuronal qui encode les relations entre les mots vectoris\u00e9s et les parties de mots (tokens) dans d’\u00e9normes corpus de texte extraits d’Internet, de livres num\u00e9ris\u00e9s et d’autres contenus facilement accessibles. Le transformateur produit un ensemble de vecteurs pond\u00e9r\u00e9s qui capturent sa cartographie des relations entre les tokens de mots dans le corpus (que les mots apparaissent r\u00e9guli\u00e8rement ou rarement \u00e0 proximit\u00e9 les uns des autres). Cet ensemble de vecteurs constitue le LLM qui, apr\u00e8s un traitement suppl\u00e9mentaire (ajustement technique et apprentissage par renforcement gr\u00e2ce au retour d’informations humaines ou, de plus en plus, \u00e0 des donn\u00e9es synth\u00e9tiques), peut pr\u00e9dire le texte ou le contenu qui devrait suivre une invite donn\u00e9e.<\/p>\n\n\n\n

Les politologues pourraient s’int\u00e9resser \u00e0 l’IA en \u00e9tudiant sa relation avec la gouvernance. Comment l’IA affecte-t-elle les formes existantes de gouvernance, telles que les march\u00e9s, la hi\u00e9rarchie bureaucratique et la d\u00e9mocratie ? L’IA est-elle elle-m\u00eame une forme de gouvernance ?<\/p>\n\n\n\n

Cependant, la gouvernance est \u00e9galement un terme controvers\u00e9 (Mayntz 2009). Comme le remarque avec ironie Peters (2012, p. 19), \u00ab l’ambigu\u00eft\u00e9 du concept […] a \u00e9t\u00e9 l’une des raisons de sa popularit\u00e9. […] Il […] obscurcit le sens tout en am\u00e9liorant peut-\u00eatre la compr\u00e9hension \u00bb. Peters note toutefois que malgr\u00e9 la diversit\u00e9 de ses significations, le mot \u00ab gouvernance \u00bb d\u00e9signait \u00e0 l’origine le fait de diriger un bateau, comme la cybern\u00e9tique (d\u00e9riv\u00e9 du mot grec attique signifiant \u00ab art de diriger \u00bb). La gouvernance, tout comme la cybern\u00e9tique et le contr\u00f4le (Beniger 1986, Wiener 2019, Yates 1993), est un terme fourre-tout qui d\u00e9signe les formes de coordination sociale, politique et \u00e9conomique qui mettent particuli\u00e8rement l’accent sur le traitement de l’information.<\/p>\n\n\n\n

En m’inspirant largement des id\u00e9es analogues pr\u00e9sent\u00e9es par Simon [2019 (1968)], je consid\u00e8re la gouvernance comme un terme g\u00e9n\u00e9rique d\u00e9signant les syst\u00e8mes \u00e0 grande \u00e9chelle de traitement de l’information et de coordination sociale qui permettent aux soci\u00e9t\u00e9s complexes de fonctionner. Un syst\u00e8me de gouvernance comprend donc (a<\/em>) une entr\u00e9e, une source \u00e0 grande \u00e9chelle d’informations complexes ; (b<\/em>) une technologie permettant de transformer ces informations en repr\u00e9sentations utiles, bien que sujettes \u00e0 des pertes, mais plus faciles \u00e0 manipuler ; et (c<\/em>) des sorties pouvant \u00eatre utilis\u00e9es pour coordonner sur la base de ces repr\u00e9sentations.<\/p>\n\n\n\n

Sur les march\u00e9s, le m\u00e9canisme des prix r\u00e9sume les connaissances tacites (Polanyi 1966) sur les relations de production, permettant une coordination \u00e9conomique \u00e0 grande \u00e9chelle (Hayek 1945, Lindblom 2002). Dans la hi\u00e9rarchie bureaucratique, les relations d’autorit\u00e9 et les syst\u00e8mes de classification transforment les connaissances sociales diffuses en informations exploitables qui permettent au gouvernement d’\u00e9laborer des r\u00e8gles (Scott 1998, Weber 1968). Dans la d\u00e9mocratie, les m\u00e9canismes de repr\u00e9sentation et d’expression transforment les d\u00e9sirs et les connaissances des citoyens en repr\u00e9sentations exploitables qui permettent un retour d’information et un contr\u00f4le sur leur situation collective (Allen 2023, Dewey 1927).<\/p>\n\n\n\n

Ces syst\u00e8mes de gouvernance sont, au mieux, tr\u00e8s imparfaits. Le m\u00e9canisme des prix, les cat\u00e9gories bureaucratiques et les repr\u00e9sentations du public d\u00e9mocratique sont des \u00ab simulations \u00bb [Simon 2019 (1968)] ou des approximations tr\u00e8s approximatives (Flack 2017) de r\u00e9alit\u00e9s sous-jacentes irr\u00e9ductiblement complexes. Mais m\u00eame les critiques les plus s\u00e9v\u00e8res (Scott 1998) reconnaissent que les soci\u00e9t\u00e9s modernes \u00e0 grande \u00e9chelle seraient impossibles sans elles.<\/p>\n\n\n\n

Ils sont profond\u00e9ment imbriqu\u00e9s les uns dans les autres. Les march\u00e9s d\u00e9pendent \u00e0 la fois des institutions gouvernementales externes (North 1990) et de la hi\u00e9rarchie bureaucratique interne des entreprises (Coase 1937). Les bureaucraties s’appuient sur les march\u00e9s et ont r\u00e9guli\u00e8rement cherch\u00e9 \u00e0 y importer leur logique (Dunleavy & Hood 1994). La d\u00e9mocratie d\u00e9pend de la hi\u00e9rarchie bureaucratique pour mettre en \u0153uvre les d\u00e9cisions et, comme l’observe Lindblom (2002), semble pratiquement indissociable de l’\u00e9conomie de march\u00e9.<\/p>\n\n\n\n

La valeur de cette approche de la gouvernance ne r\u00e9side pas dans le fait qu’elle fournit des d\u00e9finitions pr\u00e9cises, et encore moins des hypoth\u00e8ses v\u00e9rifiables, mais plut\u00f4t dans le fait qu’elle offre une heuristique large. Nous pouvons voir comment l’IA pourrait ne pas \u00eatre un substitut pr\u00e9sum\u00e9 \u00e0 l’intelligence humaine individuelle, mais plut\u00f4t un moyen de traitement et de coordination collectifs de l’information. Plus pr\u00e9cis\u00e9ment, nous pouvons consid\u00e9rer l’IA soit (a<\/em>) comme une technologie externe, qui influence la mani\u00e8re dont les syst\u00e8mes de gouvernance existants coordonnent et traitent l’information, soit (b<\/em>) comme une forme de gouvernance \u00e0 part enti\u00e8re, avec sa propre forme particuli\u00e8re de coordination et de traitement de l’information. Comment l’IA affecte-t-elle le fonctionnement interne des formes de gouvernance existantes ? Pourrait-elle devenir une forme de gouvernance \u00e0 part enti\u00e8re, avec ses propres pi\u00e8ges et possibilit\u00e9s (Farrell & Shalizi 2023) ? Ces deux grandes questions motivent des programmes de recherche diff\u00e9rents mais qui se recouvrent partiellement. <\/p>\n\n\n\n

L’IA COMME TECHNOLOGIE DE GOUVERNANCE<\/strong><\/p>\n\n\n\n

Comment l’IA a-t-elle affect\u00e9 les formes existantes de gouvernance telles que les march\u00e9s, la bureaucratie et la d\u00e9mocratie ? Les politologues pourraient s’inspirer des travaux de chercheurs en sciences et technologies (Beniger 1986, Yates 1993), en communication (Noble 2018), en sociologie (Fourcade & Johns 2020) et en histoire (Cronon 1991), qui ont \u00e9tudi\u00e9 la succession des technologies ayant influenc\u00e9 le fonctionnement des bureaucraties, des march\u00e9s et peut-\u00eatre m\u00eame de la d\u00e9mocratie.<\/p>\n\n\n\n

Les march\u00e9s, la bureaucratie et la d\u00e9mocratie impliquent tous une classification, et l’IA fournit des syst\u00e8mes de classification \u00e0 grande \u00e9chelle. Bowker & Star (2000, p. 11) d\u00e9finissent un syst\u00e8me de classification comme un \u00ab ensemble de bo\u00eetes (m\u00e9taphoriques ou litt\u00e9rales) dans lesquelles on peut mettre des choses pour ensuite effectuer un certain type de travail, qu’il soit bureaucratique ou de production de connaissances \u00bb. Non seulement les bureaucraties, mais aussi les march\u00e9s et les d\u00e9mocraties s’appuient sur des syst\u00e8mes de classification, par exemple pour permettre le commerce impersonnel (Cronon 1991) et pour rendre tangibles les besoins et les souhaits des publics d\u00e9mocratiques (Perrin & McFarland 2011). Aujourd’hui, l’IA peut classer des personnes, des choses et des situations dans des bo\u00eetes, automatiquement et \u00e0 grande \u00e9chelle. YouTube, par exemple, peut utiliser l’IA pour classer des milliards d’utilisateurs particuliers, en devinant quelle vid\u00e9o proposer \u00e0 chacun. En fonction de la r\u00e9ponse de l’utilisateur, l’algorithme peut mettre \u00e0 jour sa classification sans intervention humaine.<\/p>\n\n\n\n

Que se passe-t-il donc lorsque les anciens syst\u00e8mes de classification (allant de technologies aussi prosa\u00efques que les classeurs \u00e0 de vastes entreprises collectives telles que les recensements) sont modifi\u00e9s ou remplac\u00e9s par l’IA (Farrell & Fourcade 2023) ? Les cons\u00e9quences imm\u00e9diates sont particuli\u00e8rement visibles sur les plateformes en ligne telles que YouTube et Facebook. L’IA g\u00e9n\u00e8re des cat\u00e9gories tr\u00e8s fines ; par exemple, le syst\u00e8me de recommandation de YouTube d\u00e9crit ci-dessus a d\u00e9ploy\u00e9 des int\u00e9grations (repr\u00e9sentations de relations) \u00e0 haute dimension des vid\u00e9os et des utilisateurs afin de g\u00e9n\u00e9rer et de classer une liste de vid\u00e9os candidates \u00e0 proposer ensuite (Covington et al. 2016). Ces cat\u00e9gorisations peuvent changer rapidement et sans pr\u00e9avis : personne n’y a directement acc\u00e8s sans disposer d’un acc\u00e8s interne \u00e0 la technologie.<\/p>\n\n\n\n

Ces techniques sont appliqu\u00e9es \u00e0 grande \u00e9chelle par les entreprises de plateformes, mais de mani\u00e8re al\u00e9atoire ailleurs. L’adoption de l’IA serait assez lente. McElheran et al. (2024) constatent que seulement 6 % des entreprises am\u00e9ricaines, repr\u00e9sentant environ 18 % de l’emploi total, d\u00e9clarent utiliser l’IA (bien que la plupart des tr\u00e8s grandes entreprises y aient recours). Aux \u00c9tats-Unis, de nombreuses agences f\u00e9d\u00e9rales ont exp\u00e9riment\u00e9 la \u00ab r\u00e9glementation artificiellement intelligente \u00bb (Engstrom et al. 2020), mais les changements ont \u00e9t\u00e9 tr\u00e8s lents (Cu\u00e9llar & Huq 2022). Les recherches existantes sur l’adoption de l’IA par les gouvernements en Chine, en Inde, en Europe et ailleurs sugg\u00e8rent une situation similaire : beaucoup d’int\u00e9r\u00eat, mais un d\u00e9ploiement lent. Si les discussions sur la d\u00e9mocratie am\u00e9lior\u00e9e par l’IA abondent (Allen & Weyl 2024, Gilman & Cerveny 2023, Landemore 2021, Sanders et al. 2024), il n’existe aucune mise en \u0153uvre r\u00e9elle \u00e0 grande \u00e9chelle.<\/p>\n\n\n\n

Il est possible que l’IA n’ait pas les cons\u00e9quences \u00e9conomiques, organisationnelles et politiques \u00e0 grande \u00e9chelle que beaucoup attendent. Ses avantages pourraient \u00eatre limit\u00e9s ou compens\u00e9s par d’autres desiderata, elle pourrait s’av\u00e9rer pr\u00e9senter des d\u00e9fauts irr\u00e9m\u00e9diables ou susciter une opposition politique insurmontable. Cependant, les nouvelles technologies sociales ont tr\u00e8s rarement un impact imm\u00e9diat et spectaculaire, en particulier lorsque leur utilisation n\u00e9cessite des changements organisationnels \u00e0 grande \u00e9chelle.<\/p>\n\n\n\n

Il est sage d’envisager au moins la possibilit\u00e9 que l’IA ait \u00e9galement des cons\u00e9quences \u00e0 grande \u00e9chelle, m\u00eame si celles-ci ne se manifestent qu’apr\u00e8s des ann\u00e9es ou des d\u00e9cennies. Si, comme le sugg\u00e8rent Cu\u00e9llar & Huq (2022, p. 335), une nouvelle \u00ab \u00e8re \u00bb de r\u00e9glementation (et de march\u00e9s et de politique) artificiellement intelligente est \u00e0 nos portes, nous devrions commencer \u00e0 r\u00e9fl\u00e9chir \u00e0 ses implications. Cela doit n\u00e9cessairement relever de la sp\u00e9culation, en extrapolant \u00e0 partir de ce que nous pouvons observer (par exemple, la mise en \u0153uvre des plateformes) et de d\u00e9ductions raisonnables sur les d\u00e9veloppements futurs.<\/p>\n\n\n\n

D’un certain point de vue, l’\u00e9conomie des plateformes semble d\u00e9montrer comment l’IA peut dynamiser la coordination des march\u00e9s. Des plateformes telles que Facebook et YouTube utilisent d’autres algorithmes que l’IA et ont \u00e9t\u00e9 cr\u00e9\u00e9es avant que l’IA connexioniste ne se d\u00e9veloppe, mais elles s’appuient de plus en plus sur l’IA pour automatiser les boucles de r\u00e9troaction dans lesquelles les utilisateurs, les contenus ou les situations sont class\u00e9s et trait\u00e9s, puis les cons\u00e9quences sont mesur\u00e9es et r\u00e9inject\u00e9es dans le syst\u00e8me (Fourcade & Healy 2024). Les plateformes ont pari\u00e9 qu’une grande partie de la co\u00fbteuse hi\u00e9rarchie bureaucratique interne de l’entreprise pouvait \u00eatre remplac\u00e9e par des fonctions objectives qui orientent les technologies d’IA vers la maximisation ou la minimisation d’un ensemble de vecteurs (Reich et al. 2021). Cela aide les entreprises de plateformes qui emploient des dizaines de milliers de personnes \u00e0 g\u00e9rer les interactions entre des centaines de millions ou des milliards d’utilisateurs. Les d\u00e9cisions plus sensibles sont toujours prises par des humains, tandis que des contractuels mal pay\u00e9s assurent la mod\u00e9ration algorithmique et sont oblig\u00e9s de s’occuper quotidiennement de certains des aspects les plus toxiques du comportement collectif humain (Gonzalez & Matias 2024).<\/p>\n\n\n\n

L’IA peut sous-tendre des march\u00e9s d’attention bilat\u00e9raux, dans lesquels les plateformes publient des contenus cr\u00e9\u00e9s par les consommateurs tandis que les annonceurs se disputent l’attention des consommateurs. Elle facilite \u00e9galement le fonctionnement de vastes march\u00e9s traditionnels, tels qu’Amazon, eBay et Temu, avec peu de contr\u00f4le humain. Nous en savons plus sur les premiers que sur les seconds, en partie en raison de probl\u00e8mes de disponibilit\u00e9 des donn\u00e9es [qui suscitent \u00e0 la fois une mobilisation des chercheurs (Coalit. Indep. Technol. Res. 2024) et des r\u00e9ponses politiques (Eur. Comm. 2024)].<\/p>\n\n\n\n

Les \u00e9conomistes et de nombreux informaticiens se sont concentr\u00e9s sur l’efficacit\u00e9 des algorithmes d’IA. Des sociologues, des sp\u00e9cialistes de la communication et d’autres informaticiens plus pessimistes se sont interrog\u00e9s sur leur incidence sur la responsabilit\u00e9 et les relations de pouvoir au sein des bureaucraties publiques et priv\u00e9es, soulignant souvent le manque de rigueur, les biais et l’imperm\u00e9abilit\u00e9 de l’IA aux corrections ext\u00e9rieures.<\/p>\n\n\n\n

Les erreurs de pr\u00e9diction et de cat\u00e9gorisation sont in\u00e9vitables. Les algorithmes d’IA sont des moyens imparfaits pour ajuster des courbes \u00e0 des processus complexes qu’ils cherchent \u00e0 r\u00e9sumer. Les propri\u00e9taires de plateformes se soucient souvent avant tout d’exploiter les \u00e9conomies d’\u00e9chelle et sont relativement insensibles aux erreurs locales. Amazon utilise l’IA pour embaucher et licencier sa flotte de chauffeurs ind\u00e9pendants, sur la base de d\u00e9cisions de classification qui peuvent sembler arbitraires pour les humains. Comme l’a expliqu\u00e9 en termes vulgaires \u00e0 Bloomberg<\/em> (Soper 2021) l’un des ing\u00e9nieurs qui a con\u00e7u le syst\u00e8me : \u00ab Les dirigeants savaient que \u00e7a allait merder. C’est d’ailleurs ce qu’ils ont dit lors des r\u00e9unions. La seule question \u00e9tait de savoir combien de merde nous voulions qu’il y ait. \u00bb Plus g\u00e9n\u00e9ralement, les ing\u00e9nieurs se consid\u00e8rent souvent comme faisant partie d’un \u00ab nous \u00bb qui con\u00e7oit et met en \u0153uvre les syst\u00e8mes plut\u00f4t que comme faisant partie du \u00ab eux \u00bb que ces syst\u00e8mes sont cens\u00e9s cat\u00e9goriser, g\u00e9rer et pr\u00e9dire (Eliassi-Rad 2024).<\/p>\n\n\n\n

L’IA peut \u00e9galement refl\u00e9ter ou accentuer les pr\u00e9jug\u00e9s. L’apprentissage de l’IA peut d\u00e9tecter des pr\u00e9jug\u00e9s sexistes, raciaux ou autres dans les donn\u00e9es sur lesquelles il a \u00e9t\u00e9 form\u00e9. Dans un cas tr\u00e8s m\u00e9diatis\u00e9 (Dastin 2018), Amazon aurait form\u00e9 un syst\u00e8me \u00e0 partir des CV de candidats retenus pour trier les nouvelles candidatures. Le syst\u00e8me d’apprentissage p\u00e9nalisait les CV qui contenaient le mot \u00ab femmes \u00bb, comme dans \u00ab capitaine du club d’\u00e9checs f\u00e9minin \u00bb, transformant ainsi des pr\u00e9jug\u00e9s informels pass\u00e9s en crit\u00e8res de s\u00e9lection directs. Ces pr\u00e9jug\u00e9s peuvent potentiellement s’autoalimenter, y compris dans des fonctions gouvernementales tr\u00e8s sensibles. Benjamin (2019) soutient que les d\u00e9cisions polici\u00e8res algorithmiques peuvent transformer les pr\u00e9jug\u00e9s en r\u00e9troaction, par exemple en identifiant les zones o\u00f9 le nombre d’arrestations est \u00e9lev\u00e9 (probablement en raison de pr\u00e9jug\u00e9s raciaux) afin d’y renforcer l’intervention polici\u00e8re, ce qui peut \u00e0 nouveau augmenter le nombre d’arrestations dans une boucle de r\u00e9troaction perverse. Si certains criminologues (par exemple, Berk 2021) affirment que ces pr\u00e9occupations sont exag\u00e9r\u00e9es, ils reconnaissent toutefois que les pr\u00e9occupations l\u00e9gitimes en mati\u00e8re d’\u00e9quit\u00e9 et d’exactitude sont fond\u00e9es.<\/p>\n\n\n\n

Il peut exister des formes plus subtiles de pr\u00e9jug\u00e9s. Les cat\u00e9gories sous-repr\u00e9sent\u00e9es dans les donn\u00e9es d’apprentissage seront mal prises en compte par le mod\u00e8le. En outre, il existe des compromis fondamentaux entre diff\u00e9rents types de pr\u00e9jug\u00e9s (Chouldechova 2017, Kleinberg et al. 2018) qui sont impossibles \u00e0 r\u00e9soudre compl\u00e8tement. Ces probl\u00e8mes et d’autres probl\u00e8mes connexes sont abord\u00e9s dans une litt\u00e9rature tr\u00e8s vaste qui a des implications politiques importantes, mais qui a jusqu’\u00e0 pr\u00e9sent \u00e9t\u00e9 d\u00e9velopp\u00e9e principalement par des informaticiens et des philosophes, plut\u00f4t que par des politologues et des th\u00e9oriciens politiques.<\/p>\n\n\n\n

L’adoption g\u00e9n\u00e9ralis\u00e9e de l’IA par les entreprises de plateformes et la perspective de son utilisation \u00e0 plus grande \u00e9chelle suscitent de vifs d\u00e9bats sur la meilleure fa\u00e7on de corriger les biais et les erreurs, en particulier lorsque les gouvernements s’en emparent. Certains sp\u00e9cialistes des sciences sociales sont pessimistes : Fourcade & Gordon (2020) sugg\u00e8rent que \u00ab l’\u00c9tat dataiste \u00bb r\u00e9duit la marge de man\u0153uvre des bureaucrates et cr\u00e9e des bo\u00eetes noires algorithmiques. D’autres sont prudemment optimistes, arguant que les algorithmes peuvent parfois \u00eatre plus responsables que les bureaucrates (Kleinberg et al. 2018) ou que, avec des garanties appropri\u00e9es, l’IA peut offrir une plus grande efficacit\u00e9 avec des inconv\u00e9nients acceptables.<\/p>\n\n\n\n

Les optimistes se concentrent souvent sur les fonctions objectives que l’IA et d’autres algorithmes maximisent ou minimisent : celles-ci d\u00e9crivent les objectifs et les compromis de mani\u00e8re plus transparente que, par exemple, les directives bureaucratiques traditionnelles. Les pessimistes soulignent la difficult\u00e9 de retracer et de comprendre comment les algorithmes d’apprentissage de l’IA prennent des d\u00e9cisions particuli\u00e8res. Il est souvent impossible de suivre les facteurs qui alimentent une d\u00e9cision sp\u00e9cifique qui passe par plusieurs couches cach\u00e9es dans un r\u00e9seau neuronal, et de toute fa\u00e7on, ces facteurs pourraient ne pas se traduire facilement en notions humaines traditionnelles de responsabilit\u00e9 et d’\u00e9thique bureaucratique.<\/p>\n\n\n\n

Ces perplexit\u00e9s sugg\u00e8rent que certains commentaires populaires et semi-populaires sur le \u00ab capitalisme de surveillance \u00bb tout-puissant (Zuboff 2019) et sa convergence avec l’autoritarisme (Harari 2018) sont exag\u00e9r\u00e9s. Les partisans comme les d\u00e9tracteurs ont tendance \u00e0 surestimer l’efficacit\u00e9 de l’IA (Healy 2016). E. Yang (manuscrit non publi\u00e9) constate que les techniques de surveillance par IA de la Chine sont mal adapt\u00e9es pour pr\u00e9dire les troubles politiques pour le r\u00e9gime sans donn\u00e9es provenant d’autres sources. Ce qu’il veut savoir, c’est pr\u00e9cis\u00e9ment ce qu’il ne peut pas observer facilement, car les citoyens s’autocensurent, faussant ainsi les donn\u00e9es d’entra\u00eenement. L’IA peut aider les autoritaires \u00e0 passer au crible de vastes quantit\u00e9s de donn\u00e9es ; elle peut \u00e9galement renforcer leurs pr\u00e9jug\u00e9s politiques internes et les rendre moins aptes \u00e0 voir ce qui est pertinent pour leur survie. Ces sujets font l’objet de beaucoup moins de recherches que leur importance ne le justifie.<\/p>\n\n\n\n

Plus g\u00e9n\u00e9ralement, il existe remarquablement peu de recherches comparant syst\u00e9matiquement la prise de d\u00e9cision bureaucratique traditionnelle et le recours aux algorithmes d’IA. Les bureaucraties traditionnelles sont des fondements essentiels des soci\u00e9t\u00e9s complexes, mais elles sont parfois monstrueuses, comme le d\u00e9crit Kafka (Jarrell 1941), ayant permis le g\u00e9nocide des Juifs, des Roms, des Sintis et d’autres populations en Europe et contribu\u00e9 \u00e0 pr\u00e9cipiter la grande famine en Chine, ainsi que d’autres crimes et catastrophes \u00e0 grande \u00e9chelle (Scott 1998).<\/p>\n\n\n\n

Une partie du probl\u00e8me est d’ordre translationnel : si les politologues r\u00e9fl\u00e9chissent et \u00e9crivent beaucoup sur la bureaucratie et ses cons\u00e9quences, ils utilisent des cadres informationnels diff\u00e9rents de ceux des informaticiens. Une nouvelle r\u00e9flexion sur la bureaucratie en tant que syst\u00e8me de traitement de l’information contribuerait \u00e0 jeter des ponts (D. Berliner, manuscrit non publi\u00e9). Il existe n\u00e9anmoins quelques recherches pertinentes. Alkhatib & Bernstein (2019, p. 2) observent que les algorithmes, y compris les algorithmes d’IA, peuvent \u00eatre moins bien adapt\u00e9s que les bureaucrates de terrain pour remodeler les cat\u00e9gories \u00e0 la vol\u00e9e, notant que lorsque les algorithmes \u00ab rencontrent un cas nouveau ou marginal, ils ex\u00e9cutent leur limite de classification pr\u00e9-entra\u00een\u00e9e, potentiellement avec une confiance erron\u00e9e \u00e9lev\u00e9e \u00bb (voir \u00e9galement Kaminski & Urban 2021). Des recherches beaucoup plus approfondies sont n\u00e9cessaires dans ce domaine.<\/p>\n\n\n\n

Les questions politiques soulev\u00e9es par le feedback vont au-del\u00e0 de la bureaucratie. Certains chercheurs sugg\u00e8rent que les boucles de feedback de l’IA pourraient renforcer la d\u00e9mocratie, en permettant une meilleure mesure des opinions, en am\u00e9liorant le feedback des personnes moins capables d’articuler et de d\u00e9fendre leurs int\u00e9r\u00eats en termes technocratiques, ou en fournissant aux citoyens un feedback qui interroge leurs points de vue et les guide vers une compr\u00e9hension commune du bien. D’autres craignent que l’IA ne sape les formes existantes de coordination d\u00e9mocratique et de cr\u00e9ation de connaissances. Ils sugg\u00e8rent que l’IA pourrait potentiellement aggraver la polarisation en facilitant les boucles de r\u00e9troaction des m\u00e9dias sociaux qui optimisent l’engagement (en proposant aux utilisateurs des contenus politiques provocateurs qui les incitent \u00e0 rester connect\u00e9s mais les radicalisent) ou en inondant le d\u00e9bat politique d’un tel d\u00e9luge d’absurdit\u00e9s que toute discussion normale devient impossible, aggravant ainsi les pr\u00e9occupations existantes concernant les m\u00e9dias sociaux (Pomerantsev 2014, Roberts 2018). Ces pronostics tr\u00e8s diff\u00e9rents ont suscit\u00e9 des discussions anim\u00e9es sur la question de savoir si la consommation de d\u00e9sinformation ou de m\u00e9sinformation (deux termes controvers\u00e9s) et la polarisation accrue sont davantage le fait de la technologie ou d’une demande pr\u00e9existante de certains citoyens (Budak et al. 2024, Munger 2024).<\/p>\n\n\n\n

Si les politologues ont particip\u00e9 \u00e0 ces d\u00e9bats, ils ont souvent int\u00e9gr\u00e9 l’IA dans des controverses existantes plut\u00f4t que d’examiner si elle pourrait en g\u00e9n\u00e9rer de nouvelles. Les affirmations selon lesquelles l’IA peut \u00eatre utilis\u00e9e pour reconstruire la d\u00e9mocratie sur des bases plus solides ont g\u00e9n\u00e9ralement associ\u00e9 des descriptions \u00e9pist\u00e9miques de la d\u00e9mocratie (Schwartzberg 2015) \u00e0 l’enthousiasme des ing\u00e9nieurs pour l’optimisation. Ces approches ont tendance \u00e0 n\u00e9gliger la discussion sur les compromis entre les diff\u00e9rents types d’informations que les citoyens peuvent apporter et les besoins r\u00e9els du processus politique (D. Berliner, manuscrit non publi\u00e9). Elles sur\u00e9valuent \u00e9galement les aspects de la d\u00e9mocratie li\u00e9s \u00e0 la production de connaissances et sous-estiment la lutte politique entre diff\u00e9rentes approches de la politique et de la vie (Schwartzberg 2015). Une grande partie de la litt\u00e9rature \u00e9mergente pr\u00e9f\u00e8re ignorer les aspects controvers\u00e9s de la politique d\u00e9mocratique, sugg\u00e9rant qu’ils pourraient \u00eatre mod\u00e9r\u00e9s ou contourn\u00e9s gr\u00e2ce \u00e0 la combinaison de l’apprentissage automatique et de la d\u00e9lib\u00e9ration citoyenne.<\/p>\n\n\n\n

Il existe un vaste champ de recherche et de r\u00e9flexion sur la mani\u00e8re dont l’IA croise les controverses politiques, sur ses cons\u00e9quences pour les groupes et les partis organis\u00e9s, et sur la mani\u00e8re dont elle pourrait affecter la r\u00e9partition politique du pouvoir. Ces algorithmes r\u00e9duisent-ils la diversit\u00e9 entre les organisations (Caplan & boyd 2018), ou remod\u00e8lent-ils la conception collective de ce qui constitue le public d\u00e9mocratique ? Pourraient-ils m\u00eame constituer de nouveaux types de citoyens (Fourcade & Healy 2024), r\u00e9organisant leur relation avec la politique pour mettre l’accent sur le classement \u00ab ordinal \u00bb (Nguyen 2021) et la comp\u00e9tition individualis\u00e9e ? Ces questions sont \u00e0 la fois tr\u00e8s peu \u00e9tudi\u00e9es par les politologues et d’une importance capitale pour leurs int\u00e9r\u00eats.<\/p>\n\n\n\n

De m\u00eame, alors que les politologues ont d\u00e9battu avec enthousiasme des cons\u00e9quences potentiellement n\u00e9gatives des algorithmes des r\u00e9seaux sociaux, ils ont accord\u00e9 peu d’attention \u00e0 la mani\u00e8re dont les plateformes sont organis\u00e9es et mod\u00e9r\u00e9es (Steinsson 2024). Cela a laiss\u00e9 le champ libre aux sp\u00e9cialistes de l’information, de la communication, des sciences et des technologies, qui ont d\u00e9battu de la politique de mod\u00e9ration (Gillespie 2018, Matias 2019a), des publics en r\u00e9seau (Bak-Coleman et al. 2021, boyd 2010, York & Zuckerman 2019, Zuckerman 2014), le pouvoir (Lazar 2024) et le harc\u00e8lement en ligne (Matias 2019b). Ces chercheurs sont en d\u00e9saccord sur de nombreuses questions importantes, mais ils s’accordent \u00e0 dire que la gestion par les entreprises de plateformes de l’interaction de centaines de millions ou de milliards d’utilisateurs n’est pas seulement technique, mais intrins\u00e8quement politique. Les entreprises de plateformes ont cherch\u00e9 \u00e0 \u00e9chapper \u00e0 ces consid\u00e9rations politiques (Gillespie 2018) en invoquant, avec plus ou moins de cynisme, la rh\u00e9torique de la libert\u00e9 d’expression et du march\u00e9 de l’information ; en sugg\u00e9rant, de mani\u00e8re peu plausible, que des solutions \u00e0 grande \u00e9chelle \u00e9mergeront naturellement des utilisateurs eux-m\u00eames ; en att\u00e9nuant les d\u00e9saccords politiques ; ou en se tournant vers des sources de l\u00e9gitimit\u00e9 ext\u00e9rieures pour traiter les questions politiques \u00e9pineuses. Aucune de ces strat\u00e9gies n’a fonctionn\u00e9. Nous devons de toute urgence accorder beaucoup plus d’attention \u00e0 la mani\u00e8re dont les entreprises ont d\u00e9ploy\u00e9 l’IA pour organiser ces espaces et \u00e0 la mani\u00e8re dont les utilisateurs ont r\u00e9agi, d’autant plus que les propri\u00e9taires de plateformes tels qu’Elon Musk (X) et Mark Zuckerberg (Meta) se montrent de plus en plus dispos\u00e9s \u00e0 prendre parti en politique.<\/p>\n\n\n\n

Plus largement, les politologues doivent r\u00e9fl\u00e9chir plus profond\u00e9ment \u00e0 la mani\u00e8re dont les technologies de gouvernance affectent la coordination d\u00e9mocratique et le traitement de l’information. La politique d\u00e9mocratique d\u00e9pend \u00e9galement des technologies de classification, m\u00eame si les politologues les explorent rarement (voir toutefois Prior 2007). Comme l’ont soulign\u00e9 les sociologues politiques (Perrin & McFarland 2011), la notion vague de public d\u00e9mocratique est concr\u00e9tis\u00e9e par des technologies sociales telles que les sondages d’opinion, auxquels les politiciens et autres se r\u00e9f\u00e8rent pour avoir une id\u00e9e g\u00e9n\u00e9rale de ce que pense le \u00ab public \u00bb et des cat\u00e9gories particuli\u00e8res auxquelles appartiennent les citoyens. Ces sondages peuvent activement fa\u00e7onner et constituer des publics d\u00e9mocratiques, cr\u00e9ant ainsi des proph\u00e9ties auto-r\u00e9alisatrices (Rothschild & Malhotra 2014). Il en va de m\u00eame pour d’autres technologies, notamment les syst\u00e8mes de vote. Quels types d’individus, de collectivit\u00e9s et de publics d\u00e9mocratiques l’IA peut-elle donc faire \u00e9merger ? Comment l’IA pourrait-elle remodeler notre compr\u00e9hension du public \u00e0 l’avenir ? S’il existe un d\u00e9bat organis\u00e9 sur ce sujet, ce n’est pas parmi les politologues.<\/p>\n\n\n\n

Comprendre comment l’IA peut agir comme une technologie de gouvernance, influen\u00e7ant la mani\u00e8re dont les march\u00e9s, la bureaucratie et les d\u00e9mocraties coordonnent leurs actions, g\u00e9n\u00e9rera de nombreux axes de recherche importants. Cela devrait \u00e9galement inciter les politologues \u00e0 pr\u00eater une attention particuli\u00e8re aux angles morts de leur propre compr\u00e9hension collective de la politique. En tant que discipline, nous ne r\u00e9fl\u00e9chissons pas r\u00e9guli\u00e8rement \u00e0 la mani\u00e8re dont la technologie affecte les structures profondes de l’\u00e9conomie politique, le gouvernement dans les r\u00e9gimes d\u00e9mocratiques et autocratiques, ainsi que la repr\u00e9sentation d\u00e9mocratique et le retour d’information. Cela doit changer.<\/p>\n\n\n\n

L’IA COMME FORME DE GOUVERNANCE<\/strong><\/p>\n\n\n\n

Consid\u00e9rer l’IA comme une technologie de gouvernance est d\u00e9j\u00e0 un d\u00e9fi pour la science politique. Mais on pourrait aller plus loin. L’IA pourrait-elle devenir une forme nouvelle et distincte de traitement de l’information et de coordination sociale, plut\u00f4t qu’une technologie secondaire qui affecte les modes existants ? En d’autres termes : est-il logique de consid\u00e9rer certaines formes d’IA comme une forme \u00e9mergente de gouvernance \u00e0 part enti\u00e8re ? Cela permettrait d’\u00e9laborer un programme sur la base des id\u00e9es communes expos\u00e9es par Farrell et al. (2025).<\/p>\n\n\n\n

Les grands mod\u00e8les \u2013 les LLM et les formes connexes d’IA g\u00e9n\u00e9rative \u2013 ont des implications qui semblent aller au-del\u00e0 de leurs cons\u00e9quences imm\u00e9diates pour les march\u00e9s, la bureaucratie et la d\u00e9mocratie. Plus pr\u00e9cis\u00e9ment, ils rendent certains types d’activit\u00e9s culturelles plus faciles \u00e0 g\u00e9rer qu’auparavant, ce qui affecte les possibilit\u00e9s de coordination culturelle autour de croyances communes et ouvre de nouvelles possibilit\u00e9s pour amplifier ou contrer les pr\u00e9jug\u00e9s et pour la d\u00e9couverte ou la reproduction.<\/p>\n\n\n\n

Il existe une justification possible pour consid\u00e9rer les grands mod\u00e8les comme une nouvelle forme de gouvernance. Comme le soutient Simon [2019 (1968)], les \u00eatres humains (a<\/em>) ont une capacit\u00e9 individuelle limit\u00e9e de traitement de l’information et (b<\/em>) vivent dans un monde extr\u00eamement complexe. Par cons\u00e9quent, les humains s’appuient sur diverses technologies externes pour coordonner le traitement de l’information et r\u00e9duire la complexit\u00e9 \u00e0 des simplifications g\u00e9rables.<\/p>\n\n\n\n

De ce point de vue, les march\u00e9s, la bureaucratie et la d\u00e9mocratie g\u00e9n\u00e8rent tous des repr\u00e9sentations imparfaites mais utiles qui rendent plus faciles \u00e0 g\u00e9rer des r\u00e9alit\u00e9s sociales sous-jacentes d’une complexit\u00e9 impossible. Les prix r\u00e9sument les connaissances tacites incarn\u00e9es dans les relations \u00e9conomiques de production, contribuant ainsi \u00e0 la coordination du march\u00e9 ; les cat\u00e9gories bureaucratiques r\u00e9sument les connaissances sociales diffuses, permettant la coordination gouvernementale ; et les repr\u00e9sentations d\u00e9mocratiques du public r\u00e9sument les convictions et les aspirations politiques des citoyens, permettant la coordination politique. Toutes repr\u00e9sentent indiff\u00e9remment les r\u00e9alit\u00e9s complexes sous-jacentes qu’elles pr\u00e9tendent comprendre, mais toutes sont essentielles \u00e0 la gestion des complexit\u00e9s de la soci\u00e9t\u00e9 moderne. Nous ne pouvons faire des choix concernant notre destin collectif qu’\u00e0 travers les repr\u00e9sentations imparfaites qui le rendent visible.<\/p>\n\n\n\n

Comme nous le verrons ci-dessous, les grands mod\u00e8les fournissent \u00e9galement des r\u00e9sum\u00e9s imparfaits mais utilisables de corpus de connaissances beaucoup plus vastes, rendant ainsi plus maniables des ensembles sous-jacents d’une complexit\u00e9 impossible \u00e0 appr\u00e9hender. Ils cr\u00e9ent des repr\u00e9sentations utiles mais imparfaites de grandes cat\u00e9gories de connaissances culturelles (Yiu et al. 2024), extraites d’Internet et d’autres sources. Les grands mod\u00e8les sont et g\u00e9n\u00e8rent des repr\u00e9sentations de la culture \u00e9crite et des images, r\u00e9sumant d’\u00e9normes corpus d’informations extraits d’Internet, de sources num\u00e9ris\u00e9es et d’autres sources.<\/p>\n\n\n\n

Comme dans le cas, par exemple, des prix et des cat\u00e9gories bureaucratiques, ces repr\u00e9sentations sont manipulables (Farrell et al. 2025), contrairement aux ensembles qu’elles repr\u00e9sentent. Plus pr\u00e9cis\u00e9ment, ces mod\u00e8les peuvent \u00eatre interrog\u00e9s pour r\u00e9v\u00e9ler des relations qui ne sont pas imm\u00e9diatement visibles, pour combiner diff\u00e9rents aspects de la culture qu’ils repr\u00e9sentent de mani\u00e8re apparemment cr\u00e9ative, et pour \u00e9tendre, r\u00e9duire et transformer des productions culturelles discr\u00e8tes.<\/p>\n\n\n\n

Ces op\u00e9rations formelles n’ont rien de magique : elles sont (dans leur forme actuelle) des applications pratiques de techniques de pr\u00e9diction statistique \u00e0 des corps de texte vectoris\u00e9s. Dans un exemple canonique tir\u00e9 d’un anc\u00eatre des LLM, word2vec, en soustrayant le vecteur \u00ab homme \u00bb du vecteur \u00ab roi \u00bb et en ajoutant le vecteur \u00ab femme \u00bb, on obtient approximativement le vecteur \u00ab reine \u00bb. Lorsqu’on demande \u00e0 un LLM, par exemple, de r\u00e9\u00e9crire l’intrigue de Hamlet<\/em> dans le style d’un manuel de chimie, il utilise des op\u00e9rations similaires, bien que plus complexes, sur des r\u00e9sum\u00e9s vectoris\u00e9s pour interpoler l’intrigue et le style et fournir une r\u00e9ponse probable quant \u00e0 ce \u00e0 quoi pourrait ressembler la combinaison. Cette technologie pr\u00e9sente des d\u00e9fauts. La tendance des LLM \u00e0 \u00ab halluciner \u00bb, c’est-\u00e0-dire \u00e0 g\u00e9n\u00e9rer des r\u00e9sum\u00e9s plausibles mais incorrects, fait partie de leur mode de fonctionnement. Plus g\u00e9n\u00e9ralement, comme l’affirment Yiu et al. (2024, p. 875), les LLM sont incapables de distinguer \u00ab les repr\u00e9sentations v\u00e9ridiques des repr\u00e9sentations non v\u00e9ridiques \u00bb, car ils n’ont aucune interaction directe avec le monde mat\u00e9riel et ne sont pas capables d’apprendre directement de celui-ci. Ce qu’ils font en r\u00e9alit\u00e9, c’est mod\u00e9liser le contenu culturel g\u00e9n\u00e9r\u00e9 par l’homme de mani\u00e8re maniable et manipulable.<\/p>\n\n\n\n

Cela reste tout \u00e0 fait extraordinaire. Nous disposons d\u00e9sormais de technologies qui peuvent faire pour la culture \u00e9crite et visuelle quelque chose de similaire \u00e0 ce que les prix font pour les informations \u00e9conomiques et les cat\u00e9gories bureaucratiques pour les informations sociales. Les grands mod\u00e8les g\u00e9n\u00e8rent des repr\u00e9sentations d’un tout vaste et insaisissable qui ne capturent pas enti\u00e8rement ce tout, mais qui sont manipulables et reproductibles \u00e0 grande \u00e9chelle. D\u00e9but 2025, des entreprises et des soci\u00e9t\u00e9s connexes telles qu’OpenAI misent des centaines de milliards de dollars sur l’hypoth\u00e8se que cette technologie deviendra une v\u00e9ritable technologie \u00e0 usage g\u00e9n\u00e9ral, remodelant la mani\u00e8re dont les \u00eatres humains acc\u00e8dent \u00e0 la culture \u00e9crite, visuelle et audiovisuelle, la remixent et la cr\u00e9ent. Si ce pari risqu\u00e9 s’av\u00e8re payant, les grands mod\u00e8les deviendront une technologie interm\u00e9diaire cruciale pour la reproduction de la culture humaine, fa\u00e7onnant les croyances communes, renfor\u00e7ant ou att\u00e9nuant les pr\u00e9jug\u00e9s, influen\u00e7ant les processus de d\u00e9couverte et remodelant les relations politico-\u00e9conomiques sous-jacentes. Cela justifierait de consid\u00e9rer les grands mod\u00e8les comme une forme alternative de gouvernance qui peut en principe \u00eatre compar\u00e9e aux march\u00e9s, \u00e0 la bureaucratie et \u00e0 la d\u00e9mocratie (tableau 1).<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Comme pour la cr\u00e9ation des march\u00e9s impersonnels (Cronon 1991) et de l’\u00c9tat bureaucratique (Yates 1993), les cons\u00e9quences probables seraient des perturbations politiques, sociales et \u00e9conomiques. De nouvelles formes de traitement de l’information appara\u00eetront dans le domaine culturel, et d’anciens probl\u00e8mes r\u00e9appara\u00eetront sous de nouvelles formes.<\/p>\n\n\n\n

Les premiers syst\u00e8mes automatis\u00e9s de g\u00e9n\u00e9ration de contenu culturel \u00e9taient assez limit\u00e9s. Les moteurs conversationnels (Weizenbaum 1966) et les outils algorithmiques (Eno 1976), combinatoires (Queneau 1961) et al\u00e9atoires (Calvino 2012) de g\u00e9n\u00e9ration culturelle ont g\u00e9n\u00e9ralement stimul\u00e9 la cr\u00e9ativit\u00e9 et l’expression humaines plut\u00f4t que de les remplacer. Aujourd’hui, nous disposons d’algorithmes pr\u00e9dictifs qui ne n\u00e9cessitent qu’une intervention humaine minimale pour g\u00e9n\u00e9rer des r\u00e9ponses fluides et d\u00e9taill\u00e9es, souvent difficiles \u00e0 distinguer de celles d’\u00eatres humains. Nos architectures cognitives nous pr\u00e9disposent \u00e0 consid\u00e9rer certains sch\u00e9mas d’activit\u00e9 comme le produit d’agents conscients et volontaires, ce qui nous conduit, par exemple, \u00e0 confondre de nombreux ph\u00e9nom\u00e8nes naturels avec des dieux (Atran 2004). Les LLM ne sont ni conscients ni dot\u00e9s d’une volont\u00e9 propre, mais ils semblent l’\u00eatre, et leurs r\u00e9sultats peuvent \u00eatre aussi convaincants que ceux d’une conversation humaine.<\/p>\n\n\n\n

Les cons\u00e9quences de la persuasion automatis\u00e9e font l’objet d’un d\u00e9bat anim\u00e9. Dans un article tr\u00e8s lu, Bender et al. (2021, p. 617) d\u00e9crivent les grands mod\u00e8les comme des \u00ab perroquets stochastiques \u00bb et s’inqui\u00e8tent du fait que \u00ab la fluidit\u00e9 et la coh\u00e9rence artificielles [des grands mod\u00e8les] soul\u00e8vent plusieurs risques, pr\u00e9cis\u00e9ment parce que les humains sont pr\u00eats \u00e0 interpr\u00e9ter les cha\u00eenes appartenant \u00e0 des langues qu’ils parlent comme ayant un sens et correspondant \u00e0 l’intention communicative d’un individu ou d’un groupe d’individus responsables de ce qui est dit \u00bb.<\/p>\n\n\n\n

Ces pr\u00e9occupations ont aliment\u00e9 les inqui\u00e9tudes existantes concernant la d\u00e9sinformation politique en ligne, faisant craindre que les LLM automatisent la production de propagande hautement persuasive (Goldstein et al. 2024, Kreps & Kriner 2024). D’autres ont fait valoir que le pouvoir de persuasion des LLM pourrait \u00eatre politiquement b\u00e9n\u00e9fique, dans la mesure o\u00f9 le dialogue avec les LLM pourrait r\u00e9duire la croyance des gens dans les th\u00e9ories du complot (Costello et al. 2024) ou produire des d\u00e9clarations consensuelles suscitant une plus grande adh\u00e9sion parmi les personnes ayant des opinions politiques divergentes (Tessler et al. 2024). Aucune de ces deux \u00e9coles de pens\u00e9e n’a encore \u00e9tabli de liens syst\u00e9matiques avec la litt\u00e9rature en sciences politiques sur la persuasion (Coppock 2023) ni exploit\u00e9 de mani\u00e8re exhaustive la litt\u00e9rature psychologique sur la communication, la tromperie et la vigilance (Sperber et al. 2010). S’il y a des raisons de soup\u00e7onner que les craintes concernant la d\u00e9sinformation aliment\u00e9e par l’IA sont \u00ab exag\u00e9r\u00e9es \u00bb (Simon et al. 2023), la propension des grands mod\u00e8les \u00e0 g\u00e9n\u00e9rer des r\u00e9ponses aussi pr\u00e9visibles que possible \u00e0 des requ\u00eates initiales pourrait cibler des angles morts de l’architecture cognitive humaine (Sobieszek & Price 2022). L’\u00e9valuation des cons\u00e9quences plus larges n’en est qu’\u00e0 ses d\u00e9buts. Nous en savons beaucoup moins que n\u00e9cessaire sur l’interaction entre la cognition humaine et les r\u00e9sultats des LLM.<\/p>\n\n\n\n

Les conflits de longue date sur le contr\u00f4le culturel s’\u00e9tendent \u00e0 de nouveaux domaines, \u00e0 mesure que les biais de l’IA se confondent avec les biais culturels (Gallegos et al. 2024). Les LLM et les mod\u00e8les connexes sont entra\u00een\u00e9s \u00e0 partir d’une grande vari\u00e9t\u00e9 de documents culturels, dont la plupart sont extraits d’Internet. Le r\u00e9sultat pr\u00e9visible est qu’ils \u00ab encodent des associations st\u00e9r\u00e9otyp\u00e9es et p\u00e9joratives li\u00e9es au genre, \u00e0 la race, \u00e0 l’origine ethnique et au handicap \u00bb (Bender et al. 2021, p. 613). Les LLMs sont moins visiblement biais\u00e9s qu’auparavant, en partie gr\u00e2ce \u00e0 l’apprentissage par renforcement, mais ils reviennent souvent, par exemple, \u00e0 des st\u00e9r\u00e9otypes de genre dans les images qu’ils g\u00e9n\u00e8rent, ou attribuent des noms typiquement noirs \u00e0 des personnages st\u00e9r\u00e9otyp\u00e9s dans les sc\u00e9narios g\u00e9n\u00e9r\u00e9s. L’apprentissage par renforcement a ses limites. Comme le d\u00e9crit Resnik (2024, p. 3), \u00ab pour parler franchement… beaucoup de ce qui se trouve dans la t\u00eate des gens est nul… et, surtout… les LLM n’ont aucun moyen de distinguer ce qui est nul de ce qui ne l’est pas \u00bb.<\/p>\n\n\n\n

Une solution apparemment simple pourrait \u00eatre de cesser de former les grands mod\u00e8les sur des contenus culturels biais\u00e9s. Cependant, ceux-ci sont n\u00e9cessairement volumineux : ils n\u00e9cessitent d’\u00e9normes corpus de contenus culturels. Les entreprises et les entit\u00e9s nominalement ou r\u00e9ellement \u00e0 but non lucratif qui d\u00e9veloppent des LLMs sont g\u00e9n\u00e9ralement peu enclines \u00e0 faire preuve de s\u00e9lectivit\u00e9 dans la collecte de textes et d’images. De plus, elles sont moins dispos\u00e9es qu’auparavant \u00e0 divulguer leurs sources (Dodge et al. 2021), car elles cherchent \u00e0 pr\u00e9server leurs secrets commerciaux, \u00e0 contourner les restrictions (Longpre et al. 2024) et \u00e0 repousser les demandes d’indemnisation de ceux qui ont g\u00e9n\u00e9r\u00e9 les contenus culturels sur lesquels les mod\u00e8les sont entra\u00een\u00e9s.<\/p>\n\n\n\n

De mani\u00e8re plus g\u00e9n\u00e9rale, les solutions techniques sont peu adapt\u00e9es pour r\u00e9soudre le probl\u00e8me des biais. Cela s’explique en partie par les limites technologiques (Wolf et al. 2023). Comme le soulignent Bommasani et al. (2021, p. 134), \u00ab les mesures techniques actuelles, quelles qu’elles soient, sont tr\u00e8s limit\u00e9es : les m\u00e9thodes qui mesurent ou combattent les biais intrins\u00e8ques sont fragiles ou inefficaces…Les m\u00e9thodes qui mesurent ou combattent les disparit\u00e9s extrins\u00e8ques dans les r\u00e9sultats peuvent ne pas correspondre aux objectifs des parties prenantes […] et certaines donn\u00e9es sugg\u00e8rent que certains types d’interventions techniques peuvent \u00eatre \u00e0 la fois insatisfaisants […], impossibles […] ou m\u00eame exacerber les in\u00e9galit\u00e9s \u00bb. Les solutions techniques qui r\u00e9solvent certains probl\u00e8mes peuvent finir par en aggraver d’autres.<\/p>\n\n\n\n

Cependant, les dilemmes les plus profonds sont d’ordre politique et non technique. Il n’existe pas de consensus g\u00e9n\u00e9ral sur ce qu’est le biais, quels biais sont probl\u00e9matiques et comment ou si les biais doivent \u00eatre supprim\u00e9s. Au contraire, il existe un profond d\u00e9saccord politique. Cela est en partie in\u00e9vitable, compte tenu des enjeux, mais il est exacerb\u00e9 par un d\u00e9calage g\u00e9n\u00e9ral entre les d\u00e9bats pr\u00e9tendument techniques sur les biais de l’IA et les discussions en sciences sociales et en th\u00e9orie politique sur le fonctionnement de la dissidence, quand elle est in\u00e9vitable, quand elle peut \u00eatre att\u00e9nu\u00e9e et quand elle pr\u00e9sente des avantages. Ce d\u00e9calage contribue \u00e0 une compr\u00e9hension superficielle de ce qu’implique le biais et de ses cons\u00e9quences possibles (Blodgett et al. 2020). Il rend \u00e9galement plus difficile la discussion des d\u00e9saccords politiques fondamentaux. Les LLM doivent-ils corriger une \u00ab vision dominante\/h\u00e9g\u00e9monique \u00bb (Bender et al. 2021) qui renforce les formes existantes d’in\u00e9galit\u00e9 et d’oppression ? Devraient-ils plut\u00f4t refl\u00e9ter une version non filtr\u00e9e du contenu culturel qui leur a \u00e9t\u00e9 fourni, au motif que cela refl\u00e8te une version \u00e9largie du \u00ab march\u00e9 des id\u00e9es \u00bb (Zhang 2024) ? Il s’agit l\u00e0 de questions profond\u00e9ment politiques, m\u00eame si peu de politologues ou de th\u00e9oriciens se sont pench\u00e9s sur la question jusqu’\u00e0 pr\u00e9sent.<\/p>\n\n\n\n

Une autre s\u00e9rie de d\u00e9bats porte sur la mani\u00e8re dont les LLM peuvent affecter la d\u00e9couverte et la cr\u00e9ativit\u00e9 humaines, dans la mesure o\u00f9 ils influencent la cr\u00e9ation de contenu culturel. La description concise des LLM par Chiang (2023) comme des \u00ab JPEG flous \u00bb de l’Internet sugg\u00e8re que leur principale cons\u00e9quence sera de d\u00e9grader la cr\u00e9ativit\u00e9 et la d\u00e9couverte humaines, en les rempla\u00e7ant par un ensemble impr\u00e9cis et intrins\u00e8quement non cr\u00e9atif d’approximations et d’interpolations. D’autres (Shumailov et al. 2024 ; voir \u00e9galement Alemohammad et al. 2023, Marchi et al. 2024) affirment que les LLM sont soumis \u00e0 la \u00ab mal\u00e9diction de la r\u00e9cursivit\u00e9 \u00bb. Comme ils g\u00e9n\u00e8rent une part de plus en plus importante du contenu culturel, ils sont susceptibles d’\u00eatre de plus en plus aliment\u00e9s par leurs propres productions. Cela conduira \u00e0 une forme d\u00e9g\u00e9n\u00e9rative d’\u00ab effondrement du mod\u00e8le \u00bb dans laquelle les erreurs s’accumulent et s’autoalimentent, finissant par produire des absurdit\u00e9s incoh\u00e9rentes. De m\u00eame, une certaine quantit\u00e9 de donn\u00e9es synth\u00e9tiques g\u00e9n\u00e9r\u00e9es par les LLM peut \u00eatre utile : la d\u00e9termination des conditions pratiques de l’effondrement r\u00e9cursif est un sujet de recherche ouvert. Fourcade & Farrell (2024) avancent un argument similaire mais moins convaincant, s’appuyant sur la sociologie plut\u00f4t que sur l’informatique, pour sugg\u00e9rer que les LLM sont extr\u00eamement bien adapt\u00e9s \u00e0 l’ex\u00e9cution automatis\u00e9e de rituels organisationnels, tels que la production de d\u00e9clarations personnelles et d’\u00e9valuations de performances. \u00c0 mesure qu’ils se multiplient, les obligations sociales g\u00e9n\u00e9ratrices d’informations, telles que l’\u00e9valuation par les pairs dans le milieu universitaire, pourraient se d\u00e9grader, entra\u00eenant une baisse du niveau des connaissances et de la confiance (Z. Wojtowicz & S. DeDeo, manuscrit non publi\u00e9).<\/p>\n\n\n\n

D’autres chercheurs soutiennent le contraire, affirmant que les LLM et les technologies connexes peuvent favoriser la cr\u00e9ativit\u00e9 et la d\u00e9couverte plut\u00f4t que de les compromettre. De toute \u00e9vidence, les LLM peuvent automatiser des t\u00e2ches fastidieuses, telles que la synth\u00e8se de longs textes et la g\u00e9n\u00e9ration de bibliographies (ils le font de mani\u00e8re imparfaite, mais c’est aussi le cas des assistants de recherche). Cependant, ils peuvent \u00e9galement permettre des d\u00e9couvertes plus larges. Les int\u00e9grations au c\u0153ur de ces mod\u00e8les peuvent fournir des indices synth\u00e9tiques sur les mod\u00e8les culturels et sociaux dans lesquels les d\u00e9couvertes se produisent. Cela explique pourquoi les biais des LLM sont un probl\u00e8me si difficile \u00e0 r\u00e9soudre, mais fournit \u00e9galement des moyens plus sophistiqu\u00e9s pour cartographier la culture (<\/em> Kozlowski et al. 2019). La combinaison de word2vec et d’un r\u00e9seau neuronal convolutif permet de cartographier de tr\u00e8s grands corpus de textes scientifiques, en identifiant des combinaisons possibles de concepts et de mat\u00e9riaux qui ne viendraient pas spontan\u00e9ment \u00e0 l’esprit des \u00eatres humains, mais qui pourraient aboutir \u00e0 des d\u00e9couvertes novatrices (Sourati & Evans 2023). Plus g\u00e9n\u00e9ralement, la combinaison de l’\u00e9tude de l’IA g\u00e9n\u00e9rative et des mod\u00e8les \u00e9volutionnaires pourrait fournir des informations utiles sur la mani\u00e8re dont les LLM influencent la conservation s\u00e9lective de certains aspects de la culture, ainsi que la production de variations dans d’autres (Brinkmann et al. 2023, Yiu et al. 2024). La litt\u00e9rature sur la r\u00e9solution de probl\u00e8mes complexes soutient que ces probl\u00e8mes sont plus facilement r\u00e9solus lorsque des agents ayant des compr\u00e9hensions diverses de l’espace probl\u00e9matique peuvent combiner leurs repr\u00e9sentations (Bednar & Page 2018, Hong & Page 2004). Certaines recherches pr\u00e9liminaires sugg\u00e8rent que les mod\u00e8les g\u00e9n\u00e9ratifs peuvent imiter de mani\u00e8re approximative le vote majoritaire au sein d’un groupe de personnes ayant une compr\u00e9hension moins sophistiqu\u00e9e du probl\u00e8me, en \u00e9liminant les erreurs idiosyncrasiques (Zhang et al. 2024). Il reste \u00e0 d\u00e9couvrir si ces mod\u00e8les, qui contiennent certainement des informations compress\u00e9es sur les points de vue divers de nombreux acteurs, peuvent \u00eatre d\u00e9ploy\u00e9s de mani\u00e8re plus v\u00e9ritablement cr\u00e9ative.<\/p>\n\n\n\n

Enfin, les grands mod\u00e8les g\u00e9n\u00e8rent des batailles politiques pour savoir qui obtient quoi dans l’\u00e9conomie de la production culturelle. Comme indiqu\u00e9 ci-dessus, des questions restent en suspens (Ramani & Wang 2023) quant \u00e0 savoir si et comment l’IA conduira aux vastes transformations \u00e9conomiques pr\u00e9dites par les optimistes. Mais elle conduira certainement \u00e0 des formes moins radicales de disruption, alors que les producteurs culturels se disputeront la r\u00e9partition des b\u00e9n\u00e9fices et des co\u00fbts. Ce que les grands mod\u00e8les font de mani\u00e8re la plus \u00e9vidente, c’est de g\u00e9n\u00e9rer des substituts imparfaits \u00e0 de nombreux produits du travail culturel humain : codes logiciels, articles, livres, images et, de plus en plus, contenus vid\u00e9o. Ces substituts pourraient concurrencer la production humaine originale sur le march\u00e9, g\u00e9n\u00e9rant des tensions \u00e9conomiques qui pourraient ressembler aux bouleversements du d\u00e9but du XIXe si\u00e8cle, lorsque les formes artisanales ont \u00e9t\u00e9 remplac\u00e9es par la production industrielle de masse, provoquant la formation du mouvement luddite (Acemoglu & Johnson 2023, Thompson 1963).<\/p>\n\n\n\n

On ne sait pas encore dans quelle mesure l’IA g\u00e9n\u00e9rative pourra remplacer le travail cr\u00e9atif humain. \u00c0 ce jour, il n’existe pratiquement aucune preuve de d\u00e9placement de main-d’\u0153uvre (Acemoglu et al. 2022). Les r\u00e9sultats des grands mod\u00e8les pr\u00e9sentent encore un degr\u00e9 assez \u00e9lev\u00e9 d’impr\u00e9cision et d’incoh\u00e9rence et ont souvent tendance \u00e0 \u00eatre g\u00e9n\u00e9riques, ce qui limite leurs applications \u00e0 un certain nombre de t\u00e2ches \u00e0 forte valeur ajout\u00e9e. Cela pourrait changer.<\/p>\n\n\n\n

Si ces probl\u00e8mes ne sont pas r\u00e9solus, l’IA g\u00e9n\u00e9rative sera moins largement applicable et le potentiel de controverse politique autour de ses utilisations sera d’autant plus faible. Mais dans la mesure o\u00f9 l’IA s’av\u00e8re utile, elle est susceptible de remplacer le travail de travailleurs relativement hautement qualifi\u00e9s, qui sont vraisemblablement mieux plac\u00e9s pour d\u00e9fendre leurs int\u00e9r\u00eats que les travailleurs non qualifi\u00e9s et semi-qualifi\u00e9s des pays industrialis\u00e9s avanc\u00e9s, qui ont perdu leur pouvoir de n\u00e9gociation au cours des derni\u00e8res d\u00e9cennies. Les recherches existantes et \u00e0 venir (par exemple, Thelen 2025) permettent de mieux comprendre les cons\u00e9quences \u00e9conomiques de l’\u00e9conomie des plateformes, mais il existe encore tr\u00e8s peu de travaux des politologues sur les cons\u00e9quences politico-\u00e9conomiques des algorithmes et de l’IA en tant que tels.<\/p>\n\n\n\n

Comme pour d’autres formes d’IA, l’importance \u00e0 long terme des grands mod\u00e8les reste incertaine. N\u00e9anmoins, leur comparaison avec les formes de gouvernance \u00e0 grande \u00e9chelle existantes permet de clarifier leurs similitudes de principe et fournit des repr\u00e9sentations utiles, mais imparfaites, de vastes corpus de connaissances culturelles. S’ils r\u00e9ussissent et se r\u00e9pandent, ces mod\u00e8les pourraient bien remodeler les processus de reproduction et de coordination culturelles.<\/p>\n\n\n\n

CONCLUSIONS<\/strong><\/p>\n\n\n\n

Tilly (1984) d\u00e9plorait que les sciences sociales croulent encore sous le poids de la r\u00e9volution industrielle et de la r\u00e9organisation de la soci\u00e9t\u00e9 et de l’\u00e9conomie qu’elle a entra\u00een\u00e9e. Il souhaitait savoir \u00ab comment nous pouvons am\u00e9liorer notre compr\u00e9hension des structures et des processus \u00e0 grande \u00e9chelle qui ont transform\u00e9 notre monde au XIXe si\u00e8cle et qui le transforment encore aujourd’hui \u00bb (p. 2).<\/p>\n\n\n\n

Quarante ans plus tard, nous sommes confront\u00e9s \u00e0 une nouvelle version du d\u00e9fi lanc\u00e9 par Tilly, alors que les technologies remod\u00e8lent l’\u00e9conomie de mani\u00e8re impr\u00e9visible mais potentiellement lourde de cons\u00e9quences. Ces changements sont probablement moins importants que les cons\u00e9quences de l’industrialisation du XIXe si\u00e8cle, ils sont davantage des r\u00e9pliques que le s\u00e9isme lui-m\u00eame (Shalizi 2010). Mais ils n’en restent pas moins importants.<\/p>\n\n\n\n

Cette analyse sugg\u00e8re que nous pouvons relever ce d\u00e9fi en reconsid\u00e9rant la relation entre l’IA et les types de \u00ab structures et processus \u00e0 grande \u00e9chelle \u00bb dont parlait Tilly. En consid\u00e9rant l’IA comme une technologie de gouvernance, nous pouvons nous demander comment elle modifie les march\u00e9s, les processus bureaucratiques et les formes de repr\u00e9sentation d\u00e9mocratique qui ont remodel\u00e9 le monde pendant la r\u00e9volution industrielle. En supposant, \u00e0 l’inverse, qu’elle pourrait devenir une forme de gouvernance, nous pouvons nous demander si elle pourrait avoir des cons\u00e9quences transformatrices en soi.<\/p>\n\n\n\n

Ces arguments sont n\u00e9cessairement provisoires et sp\u00e9culatifs. J’ai soulign\u00e9 que la gouvernance et l’IA sont des concepts vagues qui sont plus utiles comme heuristiques que comme g\u00e9n\u00e9rateurs d’hypoth\u00e8ses. Mais une sp\u00e9culation structur\u00e9e peut avoir une valeur \u00e0 un moment o\u00f9 des changements \u00e0 grande \u00e9chelle et impr\u00e9visibles se produisent. Il est certes possible que l’IA n’ait pas de cons\u00e9quences \u00e0 grande \u00e9chelle sur la politique et la soci\u00e9t\u00e9, mais il est pour le moins raisonnable de se demander si elle pourrait en avoir et, dans l’affirmative, quelles pourraient \u00eatre ces cons\u00e9quences. En examinant \u00e0 la fois comment elle pourrait affecter l’ancien et comment elle pourrait ouvrir la voie \u00e0 du nouveau, nous pouvons commencer \u00e0 organiser nos recherches.<\/p>\n\n\n\n

Il y a \u00e9norm\u00e9ment de questions \u00e0 se poser. Comme le sugg\u00e8re cette analyse, les questions de recherche ouvertes sont bien plus nombreuses que les r\u00e9ponses. Il existe toute une s\u00e9rie de questions que cet article n’a pas eu la place d’aborder correctement, voire de mentionner dans certains cas, par exemple les cons\u00e9quences de l’IA sur la stabilit\u00e9 autoritaire, sur la politique internationale (Horowitz & Lin-Greenberg 2022) et sur le d\u00e9veloppement \u00e9conomique, ainsi que le d\u00e9bat sur le calcul socialiste. Et il existe certainement d’autres sujets qui m\u00e9ritent notre attention, mais qui sont occult\u00e9s par les angles morts intellectuels de cette analyse et qui pourraient \u00eatre visibles \u2013 et urgents \u2013 sous d’autres angles.<\/p>\n\n\n\n

Toutes ces questions constituent des d\u00e9fis pour les politologues, qui ont pris du retard par rapport aux informaticiens, sociologues, \u00e9conomistes, sp\u00e9cialistes de la communication, chercheurs en sciences et technologies, et autres dans l’\u00e9tude de l’IA. Pour rattraper leur retard, ils devront acqu\u00e9rir de nouvelles comp\u00e9tences et une meilleure compr\u00e9hension des technologies.<\/p>\n\n\n\n

\u00c0 plus long terme, ces derniers, ainsi que d’autres sp\u00e9cialistes des sciences sociales, des informaticiens et des ing\u00e9nieurs, devront peut-\u00eatre red\u00e9finir les fronti\u00e8res disciplinaires afin de mieux refl\u00e9ter les changements politiques, \u00e9conomiques, sociaux et technologiques. Lorsque Simon [2019 (1968)] soulignait que les sciences sociales et l’\u00e9tude de l’IA pouvaient facilement \u00eatre regroup\u00e9es sous le terme de \u00ab sciences de l’artificiel \u00bb, il exprimait une version particuli\u00e8re d’une ambition plus g\u00e9n\u00e9rale. Depuis des d\u00e9cennies, divers cybern\u00e9ticiens, chercheurs en IA, scientifiques de la complexit\u00e9 et autres souhaitent regrouper les diff\u00e9rents syst\u00e8mes par lesquels les humains traitent les informations collectives et prennent des d\u00e9cisions dans un cadre analytique commun.<\/p>\n\n\n\n

Cette ambition a \u00e9t\u00e9 r\u00e9guli\u00e8rement exprim\u00e9e, et tout aussi r\u00e9guli\u00e8rement contrari\u00e9e. Elle continuera probablement \u00e0 \u00eatre contrari\u00e9e dans un avenir pr\u00e9visible. Mais \u00e0 mesure que les chercheurs de diff\u00e9rentes disciplines commenceront \u00e0 repousser les limites de leur discipline pour y int\u00e9grer de nouvelles questions, ils modifieront in\u00e9vitablement la perception qu’ils ont de leur discipline. Ils pourraient trouver de mani\u00e8re inattendue des points communs avec des chercheurs issus de domaines tr\u00e8s diff\u00e9rents. Les anciennes disciplines changeront de position et de nouvelles pourraient \u00e9merger. Si les politologues veulent prendre part \u00e0 ce d\u00e9bat (et ils devraient le vouloir), ils doivent se d\u00e9p\u00eacher.<\/p>\n\n\n\n

\n\n\n\n

D\u00e9claration<\/strong><\/p>\n\n\n\n

L’auteur n’a connaissance d’aucune affiliation, adh\u00e9sion, financement ou participation financi\u00e8re susceptible d’influencer l’objectivit\u00e9 de cette analyse.<\/p>\n\n\n\n

Remerciements<\/strong><\/p>\n\n\n\n

Je tiens \u00e0 remercier James Cham et Cosma Shalizi pour leurs commentaires sp\u00e9cifiques sur les versions pr\u00e9c\u00e9dentes de cet article, un \u00e9diteur anonyme pour ses suggestions de r\u00e9vision, ainsi que Ted Chiang, Dan Davies, Marion Fourcade, Hahrie Han, Margaret Levi, Nathan Matias, Bruce Schneier, Dan Wang et bien d’autres pour leurs discussions plus approfondies sur ces sujets. La discussion sur l’IA en tant que forme de gouvernance s’appuie sur un travail collaboratif sp\u00e9cifique avec James Evans, Marion Fourcade, Alison Gopnik et Cosma Shalizi. Les erreurs sont les miennes, tandis que les bonnes id\u00e9es sont en grande partie le fruit du travail collectif.<\/p>\n\n\n\n

\n\n\n\n
R\u00e9f\u00e9rences<\/h5>\n\n\n\n
    \n
  1. Acemoglu D , Autor D , Hazell J , Restrepo P. 2022 . Artificial intelligence and jobs: evidence from online vacancies .    J. Labor Econ. 40<\/strong> ( Suppl. 1 ): S293 \u2013 340   10.1086\/718327<\/li>\n\n\n\n
  2. Acemoglu D , Johnson S. 2023 .    Power and Progress: Our Thousand-Year Struggle over Technology and Prosperity . New York : Hachette<\/li>\n\n\n\n
  3. Alemohammad S , Casco-Rodriguez J , Luzi L , Humayun AI , Babaei H , et al. 2023 . Self-consuming generative models go MAD . arXiv:2307.01850 [cs.LG]<\/li>\n\n\n\n
  4. Alkhatib A , Bernstein M. 2019 . Street-level algorithms: a theory at the gaps between policy and decisions . In    Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems , pap . 530 . New York : ACM<\/li>\n\n\n\n
  5. Allen D. 2023 .    Justice by Means of Democracy . Chicago : Univ. Chicago Press<\/li>\n\n\n\n
  6. Allen D , Weyl EG. 2024 . The real dangers of generative AI .    J. Democr. 35<\/strong> ( 1 ): 147 \u2013 62   10.1353\/jod.2024.a915355<\/li>\n\n\n\n
  7. Arkoudas K. 2023 . GPT-4 can’t reason . arXiv:2308.03762 [cs.CL]<\/li>\n\n\n\n
  8. Atran S. 2004 . In    Gods We Trust: The Evolutionary Landscape of Religion . Oxford, UK : Oxford Univ. Press<\/li>\n\n\n\n
  9. Bak-Coleman JB , Alfano M , Barfuss W , Bergstrom CT , Centeno MA , et al. 2021 . Stewardship of global collective behavior .    PNAS 118<\/strong> ( 27 ): e2025764118   10.1073\/pnas.2025764118<\/li>\n\n\n\n
  10. Bednar J , Page SE. 2018 . When order affects performance: culture, behavioral spillovers, and institutional path dependence .    Am. Political Sci. Rev. 112<\/strong> ( 1 ): 82 \u2013 98   10.1017\/S0003055417000466<\/li>\n\n\n\n
  11. Bender EM , Gebru T , McMillan-Major A , Shmitchell S. 2021 . On the dangers of stochastic parrots: Can language models be too big? In    Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency , pp. 610 \u2013 23 . New York : ACM<\/li>\n\n\n\n
  12. Beniger J. 1986 .    The Control Revolution: Technological and Economic Origins of the Information Society . Cambridge, MA : Harvard Univ. Press<\/li>\n\n\n\n
  13. Benjamin R. 2019 .    Race After Technology: Abolitionist Tools for the New Jim Code . New York : Wiley<\/li>\n\n\n\n
  14. Berk RA. 2021 . Artificial intelligence, predictive policing, and risk assessment for law enforcement .    Annu. Rev. Crim. 4<\/strong> : 209 \u2013 37   10.1146\/annurev-criminol-051520-012342<\/li>\n\n\n\n
  15. Blodgett SL , Barocas S , Daum\u00e9 H III , Wallach H . 2020 . Language (technology) is power: a critical survey of \u201cbias\u201d in NLP . arXiv:2005.14050 [cs.CL]<\/li>\n\n\n\n
  16. Bommasani R , Hudson DA , Adeli E , Altman R , Arora S , et al. 2021 . On the opportunities and risks of foundation models . arXiv:2108.07258 [cs.LG]<\/li>\n\n\n\n
  17. Bowker GC , Star SL. 2000 .    Sorting Things Out: Classification and Its Consequences . Cambridge, MA : MIT Press<\/li>\n\n\n\n
  18. boyd d. 2010 . Social network sites as networked publics: affordances, dynamics, and implications . In    A Networked Self: Identity, Community, and Culture on Social Network Sites , ed. Z Papacharissi , pp. 47 \u2013 66 . London : Routledge<\/li>\n\n\n\n
  19. Brinkmann L , Baumann F , Bonnefon JF , Derex M , M\u00fcller TF , et al. 2023 . Machine culture .    Nat. Hum. Behav. 7<\/strong> ( 11 ): 1855 \u2013 68   10.1038\/s41562-023-01742-2<\/li>\n\n\n\n
  20. Budak C , Nyhan B , Rothschild DM , Thorson E , Watts DJ. 2024 . Misunderstanding the harms of online misinformation .    Nature 630<\/strong> ( 8015 ): 45 \u2013 53   10.1038\/s41586-024-07417-w<\/li>\n\n\n\n
  21. Burrell J , Fourcade M. 2021 . The society of algorithms .    Annu. Rev. Sociol. 47<\/strong> : 213 \u2013 37   10.1146\/annurev-soc-090820-020800<\/li>\n\n\n\n
  22. Calvino I. 2012 .    Il Castello dei Destini Incrociati . Milan : Ed. Mondadori<\/li>\n\n\n\n
  23. Caplan R , boyd d . 2018 . Isomorphism through algorithms: institutional dependencies in the case of Facebook .    Big Data Soc . 5<\/strong> ( 1 ). https:\/\/doi.org\/10.1177\/2053951718757253   10.1177\/2053951718757253<\/li>\n\n\n\n
  24. Chiang T. 2023 . ChatGPT is a blurry JPEG of the Web .    New Yorker , Febr. 9<\/li>\n\n\n\n
  25. Chouldechova A. 2017 . Fair prediction with disparate impact: a study of bias in recidivism prediction instruments .    Big Data 5<\/strong> ( 2 ): 153 \u2013 63   10.1089\/big.2016.0047<\/li>\n\n\n\n
  26. Coalit. Indep. Technol. Res . 2024 .    About us . Mission Statem., Coalit. Indep. Technol. Res. , https:\/\/independenttechresearch.org\/about-us\/#about-us-mission<\/li>\n\n\n\n
  27. Coase RH. 1937 . The nature of the firm .    Economica 4<\/strong> ( 16 ): 386 \u2013 405   10.1111\/j.1468-0335.1937.tb00002.x<\/li>\n\n\n\n
  28. Coppock A. 2023 .    Persuasion in Parallel: How Information Changes Minds About Politics . Chicago : Univ. Chicago Press<\/li>\n\n\n\n
  29. Costello TH , Pennycook G , Rand D. 2024 . Durably reducing conspiracy beliefs through dialogues with AI .   PsyArXiv xcwdn . https:\/\/doi.org\/10.31234\/osf.io\/xcwdn<\/li>\n\n\n\n
  30. Covington P , Adams J , Sargin E. 2016 . Deep neural networks for YouTube recommendations . In    Proceedings of the 10th ACM Conference on Recommender Systems , pp. 191 \u2013 98 . New York : ACM<\/li>\n\n\n\n
  31. Cronon W. 1991 .    Nature’s Metropolis: Chicago and the Great West . New York : Norton<\/li>\n\n\n\n
  32. Cu\u00e9llar MF , Huq AZ. 2022 . Artificially intelligent regulation .    Daedalus 151<\/strong> ( 2 ): 335 \u2013 47   10.1162\/daed_a_01920<\/li>\n\n\n\n
  33. Dastin J. 2018 . Insight\u2014Amazon scraps secret AI recruiting tool that showed bias against women .    Reuters , Oct. 11. https:\/\/www.reuters.com\/article\/world\/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG<\/li>\n\n\n\n
  34. Davies D. 2024 .    The Unaccountability Machine: Why Big Systems Make Terrible Decisions\u2014and How The World Lost Its Mind . London : Profile<\/li>\n\n\n\n
  35. Dewey J. 1927 .    The Public and Its Problems . New York : Holt<\/li>\n\n\n\n
  36. Dodge J , Sap M , Marasovi\u0107 A , Agnew W , Ilharco G , et al. 2021 . Documenting large webtext corpora: a case study on the Colossal Clean Crawled Corpus . arXiv:2104.08758 [cs.CL]<\/li>\n\n\n\n
  37. Dunleavy P , Hood C. 1994 . From old public administration to new public management .    Public Money Manag . 14<\/strong> ( 3 ): 9 \u2013 16   10.1080\/09540969409387823<\/li>\n\n\n\n
  38. Eliassi-Rad T. 2024 .    Just machine learning . Talk presented at Santa Fe Institute, June 4. https:\/\/www.youtube.com\/watch?v=JuONmGtAoIY<\/li>\n\n\n\n
  39. Engstrom DF , Ho DE , Sharkey CM , Cu\u00e9llar MF. 2020 .    Government by algorithm: artificial intelligence in federal administrative agencies . Public Law Res. Pap. 20-54 , NYU Sch. Law , New York<\/li>\n\n\n\n
  40. Eno B. 1976 . Generating and organizing variety in the arts .    Studio Int . 192<\/strong> ( 984 ): 279 \u2013 83<\/li>\n\n\n\n
  41. Eur. Comm . 2024 .    The Digital Services Act . Fact Sheet, Eur. Comm. , Brussels . https:\/\/commission.europa.eu\/strategy-and-policy\/priorities-2019-2024\/europe-fit-digital-age\/digital-services-act_en<\/li>\n\n\n\n
  42. Farrell H , Fourcade M. 2023 . The moral economy of high-tech modernism .    Daedalus 152<\/strong> ( 1 ): 225 \u2013 35   10.1162\/daed_a_01982<\/li>\n\n\n\n
  43. Farrell H , Gopnik A , Shalizi C , Evans J. 2025 . Large AI models are cultural and social technologies .    Science 387<\/strong> ( 6739 ): 1153\u201356   10.1126\/science.adt9819<\/li>\n\n\n\n
  44. Farrell H , Shalizi C. 2023 . Artificial intelligence is a familiar-looking monster .    The Economist , June 21. https:\/\/www.economist.com\/by-invitation\/2023\/06\/21\/artificial-intelligence-is-a-familiar-looking-monster-say-henry-farrell-and-cosma-shalizi<\/li>\n\n\n\n
  45. Flack JC. 2017 . Coarse-graining as a downward causation mechanism .    Philos. Trans. R. Soc. A 375<\/strong> ( 2109 ): 20160338   10.1098\/rsta.2016.0338<\/li>\n\n\n\n
  46. Fourcade M , Farrell H. 2024 . Large language models will upend human rituals .    The Economist , Sept. 4. https:\/\/www.economist.com\/by-invitation\/2024\/09\/04\/large-language-models-will-upend-human-rituals<\/li>\n\n\n\n
  47. Fourcade M , Gordon J. 2020 . Learning like a state: statecraft in the digital age .    J. Law Political Econ. 1<\/strong> ( 1 ): 78 \u2013 108<\/li>\n\n\n\n
  48. Fourcade M , Healy K. 2024 .    The Ordinal Society . Cambridge, MA : Harvard Univ. Press<\/li>\n\n\n\n
  49. Fourcade M , Johns F. 2020 . Loops, ladders and links: the recursivity of social and machine learning .    Theory Soc . 49<\/strong> ( 5 ): 803 \u2013 32   10.1007\/s11186-020-09409-x<\/li>\n\n\n\n
  50. Gallegos IO , Rossi RA , Barrow J , Tanjim MM , Kim S , et al. 2024 . Bias and fairness in large language models: a survey .    Comput. Linguist. 50<\/strong> ( 3 ): 1097 \u2013 179   10.1162\/coli_a_00524<\/li>\n\n\n\n
  51. Gilman N , Cerveny B. 2023 . Tomorrow’s democracy is open source .    NOEMA , Sept. 12. https:\/\/www.noemamag.com\/tomorrows-democracy-is-open-source<\/li>\n\n\n\n
  52. Gillespie T. 2018 .    Custodians of the Internet: Platforms, Content Moderation, and the Hidden Decisions That Shape Social Media . New Haven, CT : Yale Univ. Press<\/li>\n\n\n\n
  53. Goldstein JA , Chao J , Grossman S , Stamos A , Tomz M. 2024 . How persuasive is AI-generated propaganda?    PNAS Nexus 3<\/strong> ( 2 ): pgae034   10.1093\/pnasnexus\/pgae034<\/li>\n\n\n\n
  54. Gonzalez A , Matias N . 2024 . Measuring the mental health of content reviewers, a systematic review . Preprint, arXiv:2502.00244v1 [cs.CY]<\/li>\n\n\n\n
  55. Grimmer J , Roberts ME , Stewart BM. 2021 . Machine learning for social science: an agnostic approach .    Annu. Rev. Political Sci. 24<\/strong> : 395 \u2013 419   10.1146\/annurev-polisci-053119-015921<\/li>\n\n\n\n
  56. Harari YN. 2018 . Why technology favors tyranny .    The Atlantic , Oct. 15<\/li>\n\n\n\n
  57. Hayek FA. 1945 . The use of knowledge in society .    Am. Econ. Rev. 35<\/strong> ( 4 ): 519 \u2013 30<\/li>\n\n\n\n
  58. Healy K. 2016 .    SASE panel on the moral economy of technology . Talk presented at Univ. Calif. , Berkeley , June 28. https:\/\/kieranhealy.org\/blog\/archives\/2016\/06\/28\/sase-panel-on-the-moral-economy-of-technology<\/li>\n\n\n\n
  59. Hong L , Page SE. 2004 . Groups of diverse problem solvers can outperform groups of high-ability problem solvers .    PNAS 101<\/strong> ( 46 ): 16385 \u2013 89   10.1073\/pnas.0403723101<\/li>\n\n\n\n
  60. Horowitz M , Lin-Greenberg E . 2022 . Algorithms and influence: artificial intelligence and crisis decision-making .    Int. Stud. Q. 66<\/strong> ( 4 ): sqac069   10.1093\/isq\/sqac069<\/li>\n\n\n\n
  61. Jarrell R. 1941 . Kafka’s tragi-comedy .    Kenyon Rev. 3<\/strong> : 116 \u2013 19<\/li>\n\n\n\n
  62. Johns F. 2021 . Governance by data .    Annu. Rev. Law Soc. Sci. 17<\/strong> : 53 \u2013 71   10.1146\/annurev-lawsocsci-120920-085138<\/li>\n\n\n\n
  63. Kaminski ME , Urban JM. 2021 . The right to contest AI .    Columbia Law Rev . 121<\/strong> ( 7 ): 1957 \u2013 2048<\/li>\n\n\n\n
  64. Kleinberg J , Ludwig J , Mullainathan S , Rambachan A. 2018 . Algorithmic fairness .    Am. Econ. Assoc. Pap. Proc. 108<\/strong> : 22 \u2013 27<\/li>\n\n\n\n
  65. Kozlowski AC , Taddy M , Evans JA. 2019 . The geometry of culture: analyzing the meanings of class through word embeddings .    Am. Sociol. Rev. 84<\/strong> ( 5 ): 905 \u2013 49   10.1177\/0003122419877135<\/li>\n\n\n\n
  66. Kreps S , Kriner DL. 2024 . The potential impact of emerging technologies on democratic representation: evidence from a field experiment .    New Media Soc . 26<\/strong> ( 12 ): 6918 \u2013 37   10.1177\/14614448231160526<\/li>\n\n\n\n
  67. Landemore H . 2021 . Open democracy and digital technologies. digital technology and democratic theory . In    Digital Technology and Democratic Theory , ed. L Bernholz, H Landemore, R Reich , pp. 62 \u2013 89 . Chicago : Univ. Chicago Press<\/li>\n\n\n\n
  68. Lazar S. 2024 . Governing the algorithmic city . arXiv:2410.20720 [cs.CY]<\/li>\n\n\n\n
  69. Lindblom CE. 2002 .    The Market System: What It Is, How It Works, and What to Make of It . New Haven, CT : Yale Univ. Press<\/li>\n\n\n\n
  70. Longpre S , Mahari R , Lee A , Lund C , Oderinwale H , et al. 2024 . Consent in crisis: the rapid decline of the AI data commons . arXiv:2407.14933 [cs.CL]<\/li>\n\n\n\n
  71. Marchi M , Soatto S , Chaudhari P , Tabuada P. 2024 . Heat death of generative models in closed-loop learning . arXiv:2404.02325 [cs.LG]<\/li>\n\n\n\n
  72. Matias JN. 2019a . The civic labor of volunteer moderators online .    Soc. Media Soc . 5<\/strong> ( 2 ). https:\/\/doi.org\/10.1177\/2056305119836778<\/li>\n\n\n\n
  73. Matias JN. 2019b . Preventing harassment and increasing group participation through social norms in 2,190 online science discussions .    PNAS 116<\/strong> ( 20 ): 9785 \u2013 89   10.1073\/pnas.1813486116<\/li>\n\n\n\n
  74. Matias JN. 2023 . Humans and algorithms work together\u2014so study them together .    Nature 617<\/strong> ( 7960 ): 248 \u2013 51   10.1038\/d41586-023-01521-z<\/li>\n\n\n\n
  75. Mayntz R. 2009 . New challenges to governance theory . In    Governance as Social and Political Communication , ed. H Bang , pp. 27 \u2013 40 . Manchester, UK : Manchester Univ. Press<\/li>\n\n\n\n
  76. McElheran K , Li JF , Brynjolfsson E , Kroff Z , Dinlersoz E , et al. 2024 . AI adoption in America: who, what, and where .    J. Econ. Manag. Strategy 33<\/strong> ( 2 ): 375 \u2013 415   10.1111\/jems.12576<\/li>\n\n\n\n
  77. Mitchell M. 2019 .    Artificial Intelligence: A Guide for Thinking Humans . New York : Farrar, Straus & Giroux<\/li>\n\n\n\n
  78. Mitchell M. 2023 . How do we know how smart AI systems are?    Science 381<\/strong> ( 6654 ): eadj5957   10.1126\/science.adj5957<\/li>\n\n\n\n
  79. Morucci M , Spirling A. 2024 .   Model complexity for supervised learning: why simple models almost always work best, and why it matters for applied research . Work. Pap., Michigan State Univ. , East Lansing, MI . https:\/\/arthurspirling.org\/documents\/MorucciSpirling_JustDoOLS.pdf<\/li>\n\n\n\n
  80. Munger K. 2024 .    The YouTube Apparatus . New York : Cambridge Univ. Press<\/li>\n\n\n\n
  81. Nezhurina M , Cipolina-Kun L , Cherti M , Jitsev J. 2024 . Alice in Wonderland: simple tasks showing complete reasoning breakdown in state-of-the-art large language models . arXiv:2406.02061 [cs.LG]<\/li>\n\n\n\n
  82. Nguyen CT. 2021 . How Twitter gamifies communication . In    Applied Epistemology , ed. J Lackey , pp. 410 \u2013 36 . New York : Oxford Univ. Press<\/li>\n\n\n\n
  83. Noble SU. 2018 .    Algorithms of Oppression: How Search Engines Reinforce Racism . New York : NYU Press<\/li>\n\n\n\n
  84. North DC. 1990 .    Institutions, Institutional Change and Economic Performance . New York : Cambridge Univ. Press<\/li>\n\n\n\n
  85. Oduro S , Kneese T. 2024 .    AI Governance Needs Sociotechnical Expertise: Why the Humanities and Social Sciences Are Critical to Government Efforts . New York : Data Soc .<\/li>\n\n\n\n
  86. Perrin AJ , McFarland K. 2011 . Social theory and public opinion .    Annu. Rev. Sociol. 37<\/strong> : 87 \u2013 107   10.1146\/annurev.soc.012809.102659<\/li>\n\n\n\n
  87. Peters G. 2012 . Governance as political theory . In    The Oxford Handbook of Governance , ed. D Levi-Faur , pp. 19 \u2013 32 . New York : Oxford Univ. Press<\/li>\n\n\n\n
  88. Polanyi M. 1966 .    The Tacit Dimension . New York : Doubleday<\/li>\n\n\n\n
  89. Pomerantsev P. 2014 .    Nothing Is True and Everything Is Possible: Adventures in Modern Russia . London : Faber & Faber<\/li>\n\n\n\n
  90. Prior M. 2007 .    Post-Broadcast Democracy: How Media Choice Increases Inequality in Political Involvement and Polarizes Elections . New York : Cambridge Univ. Press<\/li>\n\n\n\n
  91. Queneau R. 1961 .    Cent mille milliards de po\u00e8mes . Paris : Gallimard<\/li>\n\n\n\n
  92. Radford A , Wu J , Child R , Luan D , Amodei D , Sutskever I. 2019 .    Language models are unsupervised multitask learners . Work. Pap., OpenAI , San Francisco . https:\/\/cdn.openai.com\/better-language-models\/language_models_are_unsupervised_multitask_learners.pdf<\/li>\n\n\n\n
  93. Rahimi A , Recht B. 2017 .    NIPS 2017 Test-of-Time Award presentation . Talk presented at 31st International Conference on Neural Information Processing Systems , Long Beach, CA . https:\/\/www.youtube.com\/watch?v=ORHFOnaEzPc<\/li>\n\n\n\n
  94. Ramani A , Wang Z. 2023 . Why transformative artificial intelligence is really, really hard to achieve .    The Gradient , June 26. https:\/\/thegradient.pub\/why-transformative-artificial-intelligence-is-really-really-hard-to-achieve<\/li>\n\n\n\n
  95. Reich R , Sahami M , Weinstein J. 2021 .    System Error: Where Big Tech Went Wrong and How We Can Reboot . New York : HarperCollins<\/li>\n\n\n\n
  96. Resnik P. 2024 . Large language models are biased because they are large language models . arXiv:2406.13138 [cs.CL]<\/li>\n\n\n\n
  97. Roberts M. 2018 .    Censored: Distraction and Diversion Inside China’s Great Firewall . Princeton, NJ : Princeton Univ. Press<\/li>\n\n\n\n
  98. Rothschild DM , Malhotra N. 2014 . Are public opinion polls self-fulfilling prophecies?    Res. Politics 1<\/strong> ( 2 ). https:\/\/doi.org\/10.1177\/2053168014547667   10.1177\/2053168014547667<\/li>\n\n\n\n
  99. Sanders N , Schneier B , Eisen N. 2024 . How public AI can strengthen democracy .    Brookings , March 4. https:\/\/www.brookings.edu\/articles\/how-public-ai-can-strengthen-democracy\/<\/li>\n\n\n\n
  100. Schwartzberg M. 2015 . Epistemic democracy and its challenges .    Annu. Rev. Political Sci. 18<\/strong> : 187 \u2013 203   10.1146\/annurev-polisci-110113-121908<\/li>\n\n\n\n
  101. Scott J. 1998 .    Seeing Like a State: How Certain Schemes To Improve the Human Condition Have Failed . New Haven, CT : Yale Univ. Press<\/li>\n\n\n\n
  102. Shalizi C. 2010 . The singularity in our past light-cone .    Three-Toed Sloth Blog , Novemb. 28. http:\/\/bactra.org\/weblog\/699.html<\/li>\n\n\n\n
  103. Shumailov I , Shumaylov Z , Zhao Y , Gal Y , Papernot N , Anderson R. 2024 . AI models collapse when trained on recursively generated data .    Nature 631<\/strong> ( 8022 ): 755 \u2013 59   10.1038\/s41586-024-07566-y<\/li>\n\n\n\n
  104. Simon FM , Altay S , Mercier H. 2023 . Misinformation reloaded? Fears about the impact of generative AI on misinformation are overblown .    Harvard Kennedy Sch. Misinformation Rev. 4<\/strong> ( 5 ). https:\/\/doi.org\/10.37016\/mr-2020-127<\/li>\n\n\n\n
  105. Simon HA. 2019 (1968) .    The Sciences of the Artificial . Cambridge, MA : MIT Press . 3rd ed.<\/li>\n\n\n\n
  106. Sobieszek A , Price T. 2022 . Playing games with AIs: the limits of GPT-3 and similar large language models .    Minds Mach . 32<\/strong> ( 2 ): 341 \u2013 64   10.1007\/s11023-022-09602-0<\/li>\n\n\n\n
  107. Soper S. 2021 . Fired by bot at Amazon: \u2018It’s you against the machine .\u2019    Bloomberg , June 28<\/li>\n\n\n\n
  108. Sourati J , Evans JA. 2023 . Accelerating science with human-aware artificial intelligence .    Nat. Hum. Behav. 7<\/strong> ( 10 ): 1682 \u2013 96   10.1038\/s41562-023-01648-z<\/li>\n\n\n\n
  109. Sperber D , Cl\u00e9ment F , Heintz C , Mascaro O , Mercier H , et al. 2010 . Epistemic vigilance .    Mind Lang . 25<\/strong> ( 4 ): 359 \u2013 93   10.1111\/j.1468-0017.2010.01394.x<\/li>\n\n\n\n
  110. Stanger A , Kraus J , Lim W , Millman-Perlah G , Schroeder M. 2024 . Terra incognita: the governance of artificial intelligence in global perspective .    Annu. Rev. Political Sci. 27<\/strong> : 445 \u2013 65   10.1146\/annurev-polisci-041322-042247<\/li>\n\n\n\n
  111. Steinsson S. 2024 . Rule ambiguity, institutional clashes, and population loss: how Wikipedia became the last good place on the Internet .    Am. Political Sci. Rev. 118<\/strong> ( 1 ): 235 \u2013 51   10.1017\/S0003055423000138<\/li>\n\n\n\n
  112. Tessler MH , Bakker MA , Jarrett D , Sheahan H , Chadwick MJ , et al. 2024 . AI can help humans find common ground in democratic deliberation .    Science 386<\/strong> ( 6719 ): adq2852   10.1126\/science.adq2852<\/li>\n\n\n\n
  113. Thelen K. 2025 .    Attention, Shoppers! American Retail Capitalism and the Origins of the Amazon Economy . Princeton, NJ : Princeton Univ. Press<\/li>\n\n\n\n
  114. Thompson EP. 1963 .    The Making of the English Working Class . New York : Vintage<\/li>\n\n\n\n
  115. Tilly C. 1984 .    Big Structures, Large Processes, Huge Comparisons . New York : Russell Sage Found .<\/li>\n\n\n\n
  116. Weber M. 1968 .    Economy and Society . New York : Bedminster<\/li>\n\n\n\n
  117. Weizenbaum J. 1966 . ELIZA\u2014a computer program for the study of natural language communication between man and machine .    Commun. ACM 9<\/strong> ( 1 ): 36 \u2013 45   10.1145\/365153.365168<\/li>\n\n\n\n
  118. Wiener N. 2019 .    Cybernetics or Control and Communication in the Animal and the Machine . Cambridge, MA : MIT Press<\/li>\n\n\n\n
  119. Wolf Y , Wies N , Avnery O , Levine Y , Shashua A. 2023 . Fundamental limitations of alignment in large language models . arXiv:2304.11082 [cs.CL]<\/li>\n\n\n\n
  120. Yates J. 1993 .    Control through Communication: The Rise of System in American Management . Baltimore, MD : Johns Hopkins Univ. Press<\/li>\n\n\n\n
  121. York JC , Zuckerman E. 2019 . Moderating the public sphere . In    Human Rights in the Age of Platforms , ed. RF J\u00f8rgensen , pp. 143 \u2013 61 . Cambridge, MA : MIT Press<\/li>\n\n\n\n
  122. Yiu E , Kosoy E , Gopnik A. 2024 . Transmission versus truth, imitation versus innovation: what children can do that large language and language-and-vision models cannot (yet) .    Perspect. Psychol. Sci. 19<\/strong> ( 5 ): 874 \u2013 83   10.1177\/17456916231201401<\/li>\n\n\n\n
  123. Zhang E , Zhu V , Saphra N , Kleiman A , Edelman BL , et al. 2024 . Transcendence: Generative models can outperform the experts that train them . arXiv:2406.11741 [cs.LG]<\/li>\n\n\n\n
  124. Zhang J. 2024 . ChatGPT as the marketplace of ideas: Should truth-seeking be the goal of AI content governance? arXiv:2405.18636 [cs.CY]<\/li>\n\n\n\n
  125. Zuboff S. 2019 .    The Age of Surveillance Capitalism . London : Profile<\/li>\n\n\n\n
  126. Zuckerman E. 2014 . New media, new civics?    Policy Internet 6<\/strong> ( 2 ): 151 \u2013 68   10.1002\/1944-2866.POI360<\/li>\n<\/ol>\n\n\n\n
    \n\n\n\n

    Liste \u00e9volutive des\u00a0traductions<\/a> par\u00a0Gilles en vrac<\/em>
    Les\u00a0caract\u00e8res gras<\/strong>\u00a0dans le texte sont de Gilles.<\/p>\n","protected":false},"excerpt":{"rendered":"

    Traduction de AI as Governance, par Henry Farrell paru dans Annual Review of Political Science, Volume 28, 2025 R\u00c9SUM\u00c9 Les politologues se sont remarquablement peu exprim\u00e9s sur l’intelligence artificielle (IA), peut-\u00eatre parce qu’ils sont d\u00e9courag\u00e9s par sa complexit\u00e9 technique et par les d\u00e9bats actuels sur la question de savoir si l’IA pourrait imiter, d\u00e9passer ou … <\/p>\n

    Continuer la lecture de « L’IA comme outil de gouvernance »<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"parent":11396,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-8461","page","type-page","status-publish","hentry"],"jetpack-related-posts":[{"id":8312,"url":"https:\/\/gillesenvrac.ca\/carnet\/farrell\/marches-bureaucratie-democratie-ia\/","url_meta":{"origin":8461,"position":0},"title":"March\u00e9s, bureaucratie, d\u00e9mocratie… IA ?","author":"Gilles Beauchamp","date":"1 juillet 2025","format":false,"excerpt":"Traduction de Markets, Bureaucracy, Democracy, ... AI? par Henry Farrell, sur Substack, le 30 juin 2025. L'un des grands tr\u00e9sors intellectuels du monde est le\u00a0syst\u00e8me Annual Reviews\u00a0.\u00a0Il publie des revues dans divers domaines des sciences et des sciences sociales, avec des articles qui ne visent pas \u00e0 pr\u00e9senter les r\u00e9sultats\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2025\/07\/governance-IA.png?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2025\/07\/governance-IA.png?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2025\/07\/governance-IA.png?resize=525%2C300&ssl=1 1.5x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2025\/07\/governance-IA.png?resize=700%2C400&ssl=1 2x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2025\/07\/governance-IA.png?resize=1050%2C600&ssl=1 3x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2025\/07\/governance-IA.png?resize=1400%2C800&ssl=1 4x"},"classes":[]},{"id":9852,"url":"https:\/\/gillesenvrac.ca\/carnet\/ia-debat\/superintelligence-politique\/","url_meta":{"origin":8461,"position":1},"title":"Construire une superintelligence politique","author":"Gilles Beauchamp","date":"6 avril 2026","format":false,"excerpt":"Au milieu des craintes d\u2019une dystopie, un plan d\u2019action pour utiliser l\u2019IA afin de r\u00e9inventer notre fa\u00e7on de nous gouverner Traduction de Building Political Superintelligence - par Andy Hall, 26 mars 2026 \u00ab Nous avons le pouvoir de recommencer le monde \u00e0 z\u00e9ro. \u00bb \u2013Thomas Paine, Common Sense, 1776 Nous\u2026","rel":"","context":"Avec 1 commentaire","block_context":{"text":"Avec 1 commentaire","link":"https:\/\/gillesenvrac.ca\/carnet\/ia-debat\/superintelligence-politique\/#comments"},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/04\/Free_1.jpg?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/04\/Free_1.jpg?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/04\/Free_1.jpg?resize=525%2C300&ssl=1 1.5x"},"classes":[]},{"id":10416,"url":"https:\/\/gillesenvrac.ca\/carnet\/ia-debat\/aceum-et-reglementer-lia\/","url_meta":{"origin":8461,"position":2},"title":"La r\u00e9vision de l’ACEUM est la derni\u00e8re chance pour le Canada de r\u00e9glementer l’IA","author":"Gilles Beauchamp","date":"30 mai 2026","format":false,"excerpt":"Ottawa entame les n\u00e9gociations sur l'ACEUM sans l\u00e9gislation sur l'IA ni strat\u00e9gie claire en mati\u00e8re de commerce num\u00e9rique pour prot\u00e9ger la souverainet\u00e9 canadienne. Traduction de The CUSMA review is Canada\u2019s last chance to govern AI, par Tiran Rahimian Bajgiran, paru sur Options politiques le 29 mai 2026. Lorsque la premi\u00e8re\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":9306,"url":"https:\/\/gillesenvrac.ca\/carnet\/questions-ia-en-education\/","url_meta":{"origin":8461,"position":3},"title":"Les questions que nous posons sur l\u2019IA en \u00e9ducation","author":"Gilles Beauchamp","date":"7 f\u00e9vrier 2026","format":false,"excerpt":"Traduction de The Questions We Ask About Ai In Education par Stephen Downes, 6 f\u00e9vrier 2026. L'intelligence artificielle a fait une entr\u00e9e fracassante dans le monde de l'\u00e9ducation, nous laissant tous sous le choc. Tout le monde se pose des questions : comment l'IA pourrait-elle transformer l'\u00e9ducation ? Quels risques\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":9828,"url":"https:\/\/gillesenvrac.ca\/carnet\/ia-debat\/resilience-humaine-pour-lia\/","url_meta":{"origin":8461,"position":4},"title":"Construire une infrastructure de r\u00e9silience humaine pour l’\u00e8re de l’IA : les experts appellent \u00e0 un changement radical au sein des institutions et des structures sociales","author":"Gilles Beauchamp","date":"4 avril 2026","format":false,"excerpt":"Des centaines d\u2019experts mondiaux en technologie partagent leurs r\u00e9flexions, appelant de leurs v\u0153ux une r\u00e9ponse syst\u00e9mique globale de la part des dirigeants afin de servir au mieux les int\u00e9r\u00eats de l\u2019humanit\u00e9 face \u00e0 l\u2019\u00e9volution technologique rapide Traduction de Building a Human Resilience Infrastructure for the Age of AI: Experts Call\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/04\/graphic-human-resilience-1.webp?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/04\/graphic-human-resilience-1.webp?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/04\/graphic-human-resilience-1.webp?resize=525%2C300&ssl=1 1.5x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/04\/graphic-human-resilience-1.webp?resize=700%2C400&ssl=1 2x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/04\/graphic-human-resilience-1.webp?resize=1050%2C600&ssl=1 3x"},"classes":[]},{"id":9500,"url":"https:\/\/gillesenvrac.ca\/carnet\/openai-non-iapublic-oui\/","url_meta":{"origin":8461,"position":5},"title":"OpenAI a d\u00e9montr\u00e9 qu’on ne pouvait pas lui faire confiance.","author":"Gilles Beauchamp","date":"2 mars 2026","format":false,"excerpt":"Le Canada a besoin d'une IA nationalis\u00e9e et publique. Traduction de OpenAI has shown it cannot be trusted. Canada needs nationalized, public AI paru dans le Globe and Mail, 2 mars 2026. Une Opinion, par Nathan Sanders et Bruce Schneier. Nathan Sanders est un scientifique des donn\u00e9es affili\u00e9 au Berkman\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]}],"jetpack_likes_enabled":true,"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/pages\/8461","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/comments?post=8461"}],"version-history":[{"count":0,"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/pages\/8461\/revisions"}],"up":[{"embeddable":true,"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/pages\/11396"}],"wp:attachment":[{"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/media?parent=8461"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}