A cela s’ajoute la question des audiences, souvent plus prudentes que les discours technophiles ne le suggèrent. Les enquêtes et retours d’expérience montrent que certains usages sont acceptés lorsqu’ils comportent des risques limités pour la qualité de l’information, tels que la correction orthographique, la transcription d’entretiens ou la traduction automatique. La tolérance diminue dès que l’IA intervient dans la collecte, la synthèse ou la mise en forme interprétative de l’informatio

Au ‑ delà

assistant », un « partenaire

d’information et fournisseurs d’outil

le dilemme du tramway

ans des domaines

vis ‑ à ‑ vis

De nombreux intervenants, devenus « experts » après avoir interagi de manière intensive avec un modèle de langage ou suivi une formation de courte durée, occupent aujourd’hui l’espace médiatique. Souvent bons communicants et habiles vulgarisateurs, ils contribuent à diffuser des récits simplifiés, voire exagérés, des capacités des systèmes d’IA

e recours à des figures d’expertise dont la légitimité

‑

mais peuvent aussi masquer les mécanismes réels

u hype technologique

‑

il faudrait s’adapter sans délai, sous peine de « rester à la traîne », de perdre en compétitivité ou de devenir obsolète.

Risques épistémologiques : selon quels principes reconnaître le savoir

disinformation

de s

Le texte produit p

Le phénomène de sycophantie algorithmique

vérification, de preuve e

s interviennent désormais directement

peut examiner directement.

n cadre de travail comme le framework AFT permet d’inscrire cette approche dans les exigences propres au journalisme. Il repose sur trois principes constitutifs de la pratique journalistique : l’exactitude, l’équité et la transparence ( Accuracy, Fairness, Transparency

sont produites, sélectionnées et transformées.

Lorsque des projets d’IA sont développés en interne dans une rédaction, la question de la culture professionnelle devient centrale. Les personnes qui conçoivent les systèmes ne sont pas nécessairement formées au journalisme et n’accordent pas toujours le même sens aux notions d’exactitude, d’objectivité ou de transparence

génération de résultats.

sur quoi le modèle se trompe

Ces quatre indicateurs concernent les tâches de classification. Pour les tâches de régression, l’erreur absolue moyenne mesure l’écart moyen, en valeur absolue, entre les prédictions du modèle et les valeurs attendues.

Les choix initiaux de collecte, de catégorisation et de couverture sont intégrés dans le comportement du modèle, sans toujours être perceptibles dans les résultats.

systèmesprobabilistes

catégoriespréalables

Cette pluralité définitionnelle démontre que l’IA Alertes & breaking news Vérification & analyse Production d’informations - Veille & systémes d’alerte - Croisement de sources - Textes, visuels, résumés - Détection de tendances - Détection de deepfakes - Traduction automatisée Recherche & collecte de preuves Enrichissement de contenu Distribution d’infos - Extraction de données/textes - Correction de biais - Personnalisation, - Traduction, transcription - Optimisation de contenu recommandation - Chatbots, newsletters

règles de sécurité et objectifs prédéfinis

rétropropagation du gradient,

« un système informatisé qui, pour des objectifs explicites ou implicites, déduit, à partir des données qu’il reçoit, comment générer des résultats tels que des prédictions, du contenu, des recommandations ou des décisions susceptibles d’influencer des environnements physiques ou virtuels »

Ces techniques reposent sur des principes distincts et interviennent à des moments très différents de la chaîne de production de l’information

Diakopoulos, dont les travaux sur l’automatisation de l’information et la responsabilité algorithmique documentent l’intégration concrète de l’IA dans les rédactions ; Floridi, dont la philosophie de l’information et l’analyse critique de l’AI Act permettent de penser le cadre éthique et réglementaire de ces technologies ; Russell et Norvig, dont l’ouvrage de référence sur l’intelligence artificielle fournit les repères techniques nécessaires pour distinguer les différentes familles d’IA convoquées dans ce module ; Ward, dont l’approche critique de l’éthique des médias offre un cadre pour penser la responsabilité journalistique au-delà des codes déontologiques classiques ; et Boydens, dont le cours consacré à la qualité de l’information dans le master en sciences et technologies de l’information et de la communication de l’ULB, ainsi que les travaux fondateurs sur la qualité des données, trouvent un prolongement naturel dans le domaine de l’I

,

Les questions éthiques s’y posaient déjà, mais elles demeuraient relativement circonscrites.