Inintelligence artificielle

Inintelligence artificielle n’est pas un réquisitoire contre les ordinateurs. Sa cible est ce que Meredith Broussard nomme le « technochauvinisme » : la conviction qu’une fois un problème numérisé, la solution technique sera nécessairement plus objective, efficace et avancée que le jugement humain. Ancienne développeuse devenue journaliste de données, Broussard explique l’attrait de cette croyance depuis l’intérieur de la pratique. Elle montre aussi comment elle autorise les institutions à éviter trois questions élémentaires : le logiciel fonctionne-t-il, les données représentent-elles le monde, et faut-il seulement automatiser cette activité ?

Le titre inverse délibérément l’« intelligence artificielle ». Broussard distingue l’intelligence générale de science-fiction des systèmes étroits qui existent réellement. Ceux-ci peuvent être remarquables lorsque règles et objectifs mesurables restent stables, mais ils ne comprennent ni contexte, ni sens, ni personnes affectées. L’apprentissage automatique n’est pas un esprit mystérieux : c’est un agencement de données, de modèles, de cibles d’optimisation, de matériel et de décisions organisationnelles. Qualifier ses sorties d’intelligentes peut cacher qui a défini la réussite, quelles erreurs ont été acceptées et qui paie l’échec.

Le livre convainc surtout quand la programmation et l’enquête remplacent la peur abstraite. Broussard monte dans une voiture autonome, reconstruit une prédiction de survie du Titanic, étudie pourquoi des élèves échouent aux tests standardisés et tente de cartographier le financement électoral américain par logiciel. La difficulté n’est généralement pas un algorithme trop faible. Le problème contient déjà objectifs contradictoires, preuves incomplètes, incitations institutionnelles et valeurs exigeant un débat public. Un code plus complexe ne répare pas à lui seul un mauvais examen, un système politique déformé ou une route dangereuse.

Cette critique est féministe parce qu’elle refuse de faire de l’« objectivité » une autorité soustraite aux questions. Les dossiers de recrutement, d’éducation, de crédit, de santé et de services publics proviennent de sociétés inégales ; absences et classifications influencent qui devient visible, suspect ou obligé de se justifier. L’automatisation peut aussi juger inefficaces le care, l’explication, le recours et le traitement des exceptions, alors que ces tâches sont largement assumées par des femmes et des travailleurs marginalisés. Un système statistiquement plus rapide peut transformer la responsabilité institutionnelle en décision d’interface impossible à corriger pour la personne concernée.

L’apport de Broussard n’est pas d’exiger le rejet de toute technologie, mais de retrouver un jugement d’adéquation. Les ordinateurs excellent dans le calcul répétitif, la recherche et l’organisation massive. Les humains restent responsables du choix des objectifs, des exceptions, de l’explication et de la contestation. Une institution publique qui achète un système d’IA ne doit pas demander seulement son taux de précision : comment le référentiel a-t-il été construit, quels groupes reçoivent les erreurs, existe-t-il une voie non automatisée, comment faire appel et quelles preuves justifieraient l’arrêt ? Savoir quand ne pas coder appartient à la culture technique.

Publié avant la vague actuelle de l’IA générative, le livre est à la fois prémonitoire et délimité. Il démonte clairement le battage et le mythe de l’intelligence générale, sans traiter à l’échelle présente le consentement aux données d’entraînement, le travail de contenu, les hypertrucages, les ressources de calcul ou la concentration des plateformes. Ses expériences privilégient les rencontres de l’autrice ; race, genre, handicap et chaînes mondiales d’approvisionnement reçoivent moins d’analyse systématique que dans les recherches ultérieures sur la justice des données. C’est une grammaire pour reconnaître les problèmes, non le dernier atlas du pouvoir de l’IA.

Pour FemRes, le technochauvinisme devient une liste de contrôle. Quel problème social le système a-t-il réécrit en objectif calculable ? Quelles données manquent ? Qui traite l’échec et l’exception ? La promesse technologique sert-elle à éviter la redistribution des ressources ou la responsabilité politique ? À lire avec Algorithms of Oppression, Automating Inequality et le livre ultérieur de Broussard, More Than a Glitch. La question utile n’est plus de savoir si les machines deviendront intelligentes comme nous, mais qui décide de leurs tâches et comment les personnes qu’elles jugent peuvent refuser.