L’intelligence artificielle : entre pouvoir et défi de transparence

Perception contraste9e de l’IA par les dirigeants et les salarie9s

Selon un e9tude re9cente, 80 % des cadres dirigeants conside8rent que l’intelligence artificielle (IA) ame9liore la prise de de9cision, contre seulement 32 % des salarie9s. Ce fosse9 traduit une tension ancienne, opposant la pre9diction e0 la compre9hension, un phe9nome8ne quia0remonte e0 plusieurs sie8cles, comme l’explique l’e9conomiste Noah Smith.

L’IA, e0 l’image des mode8les comme AlphaFold ou ChatGPT, pre9dit des re9gularite9s sans toujours en expliquer les me9canismes. Ce pouvoir d’anticipation immense peut aussi devenir un risque majeur : confondre corre9lation et compre9hension. Cette tension entre pre9diction et explication n’est pas nouvelle, rappelant les croyances du me9decin viennois Franz-Anton Mesmer au XVIIIe sie8cle, qui utilisait le magne9tisme dans une optique de soi-disant e9quilibre invisible.

Les enjeux de transparence et de gouvernance de l’IA

Les fournisseurs d’IA en ressources humaines, par exemple, mettent en avant des scores de potentiel ou de performance sans en expliciter la provenance, ce qui alimente l’opacite9 et la crainte de manipulation. La complexite9 algorithmique, qui devient un argument de le9gitimation, refle8te une revendication d’autorite9. Pourtant, une intelligence artificielle qui ne peut pas expliquer ses re9sultats e0 la limite de la science, risque de nourrir la de9fiance plutôt que de renforcer la confiance.

Il est essentiel que l’IA s’inscrive dans une logique scientifique, avec des audits, la publication des taux d’erreur, et une formation aux biais et limites. Elle doit produire des explications actionnables et s’appuyer sur le travail re9el pour tenir ses promesses, rappelle un article de Jean Pralong dans Le Point.

Vers une e9thique de l’explicabilite9

Trois sie8cles apre8s Mesmer, il est toujours aussi crucial de ne pas confondre corre9lation et compréhension. Comme le souligne l’article, l’IA doit eatre gouverne9e par des principes scientifiques pour e9viter la de9fiance et renforcer sa valeur dans le travail. La transparence et l’explication ne sont pas seulement des options mais des conditions essentielles pour que l’IA tienne sa promesse et s’inte9gre9e durablement dans la socie9te9.