Atlas de l’IA

Atlas de l’IA refuse de commencer par les algorithmes ou la question de savoir si une machine pense. Kate Crawford adopte une géographie plus vaste : mines, logistique, centres de données, entrepôts, plateformes de microtravail, jeux d’entraînement, police et systèmes militaires. Sa thèse est que l’IA n’est ni artificielle ni intelligible de façon autonome. Elle dépend de minerais et d’énergie extraits de la terre, de travail et de données extraits des personnes, et d’un pouvoir décisionnel concentré par quelques entreprises et États. Le « nuage » n’est pas léger : il a un coût en terre, eau, électricité, déchets et corps.

Les chapitres traversent Terre, Travail, Données, Classification, Affect et État comme les couches d’une coupe géologique. Le matériel exige lithium, fabrication mondiale et infrastructures énergivores ; les appareils jetés déplacent ensuite la pollution vers les zones de déchets électroniques. Cette perspective matérielle change l’unité de l’éthique de l’IA. Tester les biais d’une sortie ne suffit pas. Il faut suivre le cycle entier, de l’extraction et l’entraînement au déploiement et à l’élimination, et comprendre pourquoi les dégâts environnementaux frappent souvent les communautés les plus éloignées des centres de profit.

Le travail invisible s’empile également sous l’« automatisation ». Les employés d’entrepôt sont gouvernés par mesures et capteurs ; des microtravailleurs étiquettent les images, nettoient les données et modèrent les contenus ; chaque clic ou expression d’un utilisateur peut devenir matériau d’entraînement. Ces tâches sont souvent mal payées, fragmentées et distribuées mondialement, plaçant femmes, migrants et travailleurs marginalisés en situation de risque élevé et de faible négociation. Crawford renverse le récit du remplacement : l’IA redistribue fréquemment le travail et cache ses parties les plus épuisantes à l’interface et aux comptes de l’entreprise.

Les données ne sont pas davantage des ressources naturelles qui attendent d’être découvertes. Les collecteurs choisissent ce qui entre dans un jeu, les annotateurs compriment des différences humaines continues et ambiguës en catégories fixes, puis les modèles renvoient ces classifications comme prédictions objectives. Crawford suit l’histoire par laquelle les hiérarchies de race, de genre, de capacité et de normalité passent dans la technique. Sa critique de la reconnaissance des affects est décisive : déduire une émotion interne d’un mouvement facial transforme des théories psychologiques contestées en produits extensibles et donne aux écoles, employeurs et frontières de nouveaux outils pour inspecter les corps et mettre en doute les récits.

Lorsque ces systèmes entrent dans l’État, il ne suffit pas de diversifier une équipe d’ingénieurs. Police prédictive, contrôle des prestations, frontières et ciblage militaire transforment les archives historiques en raisons d’intervenir demain. Les groupes davantage surveillés produisent plus de dossiers, qui deviennent à leur tour preuves de risque. Une justice féministe des données doit donc dépasser la « correction des biais ». Elle demande si le système devrait exister, qui peut le refuser et l’auditer, quels jugements ne doivent pas être délégués, et pourquoi la puissance coercitive publique est placée dans une infrastructure commerciale opaque.

L’atlas est à la fois méthode et limite. Il relie des lieux et des échelles habituellement séparés, révélant derrière une enceinte connectée le minerai, l’assemblage, les données domestiques, la plateforme et les déchets. Mais toute carte choisit son trajet. Les firmes technologiques américaines et le pouvoir d’État forment l’axe majeur ; régulation ailleurs, organisation ouvrière, technologies communautaires et conceptions alternatives reçoivent moins d’espace. Le diagnostic de l’extraction est plus complet que les institutions proposées pour gouverner chaque couche. L’IA générative a depuis augmenté l’échelle des modèles, mais renforce plutôt qu’elle n’efface les questions de ressources, de travail et de pouvoir.

Pour FemRes, le livre transforme « l’IA est-elle juste envers les femmes ? » en chaîne politico-économique : quelle terre est minée, qui étiquette et modère, quelles données sont prises sans consentement réel, qui est classé, qui peut imposer une sortie de modèle par la force publique ? Tout produit d’IA peut être retracé à rebours. À lire avec Artificial Unintelligence, Algorithms of Oppression, Data Feminism et les recherches sur le travail numérique. Une IA plus juste exige davantage que des modèles précis : elle demande de redistribuer l’autorité sur les fins, les ressources et les limites de la technologie.