Academic literature on the topic 'Humain-IA'

Stephen Thaler (et l’organisation qui est derrière lui) explore les frontières de l’intelligence artificielle (IA) avec le droit d’auteur et le droit des brevets. D’un côté, Thaler a tenté d’obtenir l’enregistrement d’une « œuvre » créée uniquement par une IA auprès du US Copyright Office. D’un autre côté, il a essayé, auprès de plusieurs pays du monde, de faire en sorte que DABUS, un système d’IA créé par lui-même, puisse être reconnu comme étant l’unique inventeur de deux inventions. Ses essais ont été à chaque fois rejetés : une œuvre ne peut être protégée en termes de titre d’auteur que si elle est l’expression de la créativité d’un être humain et un brevet ne sera accordé que si l’inventeur est un être humain ou une entreprise, et non une machine .

Depuis 2022, ChatGPT d’OpenAI a popularisé l’intelligence artificielle (IA), rendant les technologies numériques essentielles. L’IA, qu’elle soit prédictive ou générative, progresse dans des domaines variés comme la médecine et les chatbots. Désormais, certaines actions humaines, comme le langage, sont séparées de l’intelligence réelle. Les IA génératives imitent le langage sans le comprendre, en utilisant des modèles statistiques complexes. Elles peuvent produire des résultats erronés, soulevant des questions éthiques. La transparence des IA est cruciale pour instaurer la confiance, et leur régulation est nécessaire pour concilier technologie et bien-être humain.

<p>Cet article s’intéresse sur la possible création d’une “biodiversité” au sein de l’espèce humaine. Certains scientifiques et philosophes transhumanistes défendent aujourd’hui un progressisme prométhéen de transformation de la nature humaine par la technologie. Cette utopie technoscientifique ayant pour objectif l’amélioration de l’être humain s’appuie sur les pouvoirs nouveaux de la biomédecine. Du point de vue des technologies convoquées autant que de la relation à l’être humain, les spéculations posthumanistes oscillent entre deux orientations. La première se situe davantage dans le prolongement du transhumanisme, c’est-à-dire de la transformation biophysique de l’être humain; cette voie accentue soit les technosciences du vivant (biotechnologie, génétique, neuroscience) soit les technologies prothétiques et cybernétiques. La seconde orientation est “externe” car elle ne passe pas par une telle transformation. Elle extrapole à partir des recherches et inventions dans les domaines de la robotique et de l’intelligence artificielle (IA).</p>

Résumé Engagé dans une cure sous transfert, le psychotique répond autrement au traitement. L'éthique de la psychanalyse exige qu'il prenne en charge ce traitement. Il entre alors dans une longue crise spécifique au traitement dont il ne sort que par les voies du symptôme. Le traitement et l'analyse du symptôme le conduisent à ce temps particulier de reconstitution du corps, ou la production d'un objet signe sa sortie des phénomènes de Ia psychose. Ce parcours est aléatoire mais pour ceux qui le suivent, aux prises avec la structure au-delà de la phénoménologie de Ia psychose, ils aboutissent à l'accueil d'une société qui, ayant bradé le tragique humain, n'a aucune place à leur offrir,

Après une longue période où la technique a joué surtout le rôle d’instrument au service de l’être humain, nous nous trouvons aujourd’hui dans un système intégral d’informations, de machines, d’algorithmes et de réseaux, dont les intelligences artificielles sont la dernière manifestation, si puissant que, après en avoir définitivement perdu le contrôle, c’est nous-mêmes qui dérivons d’eux. Nous sommes pris dans leurs rets, qui nous enveloppent et nous attachent à tout ce qui est autre. Happé par une spirale contagieuse, l’être humain devient à la fois chose, information, spectacle, marchandise, œuvre d’art et artiste. Il se défait de sa propre identité́ pour se dissoudre dans l’altérité́ et se retrouver autre que soi. Nous voici comme autant de technomagiciens et de cobayes volontaires d’une expérimentation totalisante sur la vie à venir, en temps réel. Dans ce scénario, les IA ne se limitent pas, selon les utopies modernes, à travailler à notre place. Elles finissent par agir avec nous – et même par nous remplacer – dans les domaines jadis exclus à l’emprise technique : l’art, la création, le jeu…

Résumé Il est de plus en plus fréquent d'entendre ce qui est presque devenu une « idee reçue », à savoir que Ia psychanalyse ne peut rien pour les psychotiques. II revient pourtant à Freud d'avoir «relogé» dans l'humanité, dans ce qu'il y a de plus profondément humain, ces productions «insensées» que sont les rêves, les lapsus, les symptômes, le délire, l'hallucination. Mais c'est précisément peut-être ce qu'on lui reproche. Plus de six ans de travail avec les psychotiques dans un Centre de traitement psychanalytique à Québec, nous font pourtant Ia preuve d'un traitement possible de la psychose. Le psychotique qui entre dans Ie champ analytique se met à répondre à ce désir de l'analyste qui «appelle » en lui une prise de parole. De la crise «appelée» sous transfert jusqu'à l'objet produit à travers lequel le psychotique entrera dans le lien social, la cure du psychotique suit une logique et n'est possible qu'à certaines conditions dont nous tenterons de rendre compte.

Depuis la fin de l’année 2022, ChatGPT rend possible la rédaction de textes par Intelligence Artificielle. Cette IA faible est un agent conversationnel qui ne comprend ni les textes qu’il produit, ni ceux de son corpus d’entraînement. Car, pour écrire des textes crédibles, le chatbot construit des séquences de mots en choisissant les termes voisins les plus probables d’après les textes d’entraînement utilisés pour son modèle de langage GPT-3.5. Donc, par nature, ChatGPT rédige sans créativité un contenu plausible, mais pas nécessairement conforme à la réalité. Les textes ChatGPT peuvent servir à frauder dans un cadre académique : l’IA est capable de répondre à la place d’un candidat aux questions d’un examen, de rédiger un document certifiant (master, thèse…) ou d’augmenter déraisonnablement le volume des contributions d’un hyper-publiant. L’article décrit deux approches stylométriques capables de détecter la fraude académique générée par chatbot. La rédaction d’un texte par une IA peut d’abord être mise en évidence par la comparaison de son style avec des documents authentiquement rédigés par l’auteur présumé, selon l’approche Machine Learning que nous avons développée pour détecter le ghostwriting : l’IA est soumise au même type de détection qu’un ghostwriter. Ensuite, ChatGPT peut également être détecté comme IA indépendamment de son modèle de langage par notre approche originale Machine Learning, qui mesure le choix des mots et de leurs proches voisins : dans un texte chatbot qui préfère les voisins les plus probables, le choix est sensiblement plus restreint que dans un texte généré par un rédacteur humain. L’article discute les conséquences de la rédaction par IA pour l’enseignement et la recherche et propose des moyens pour la détecter.

L'intelligence artificielle (IA) est de plus en plus présente dans toutes les sphères de la société. Elle est d’ailleurs sur le point de bouleverser radicalement les milieux de travail et la vie quotidienne. Cette évolution imminente suscite cependant de nombreuses inquiétudes, notamment sur le marché du travail. Le déploiement de l'IA pourrait supprimer plus d'emplois qu'il n'en crée et modifier leur nature, y compris dans le cas des emplois qualifiés. En réponse à la pandémie de COVID-19, de nombreuses entreprises à travers le monde ont dû prendre dans l’urgence le virage numérique afin d’assurer leur survie. Cette crise pourrait d’ailleurs constituer un tournant dans l'adoption de nouvelles technologies telles que l'IA. Cette étude explore les grandes tendances associées aux évolutions qu’apporte l’IA au marché du travail et aux nouvelles collaborations humain-machine. Allant bien au-delà de la simple automatisation de processus de tâches répétitives, l’alliance de l’IA à l’humain a le potentiel d’augmenter les capacités humaines, de permettre aux individus de mieux travailler ensemble et ainsi de devenir un puissant levier d’innovation et de créativité.

L’Intelligence Artificielle (IA) constitue un enjeu stratégique au sein des entreprises, permettant d’innover et de proposer de nouveaux usages et services vers les clients. Elle redistribue les tâches, transforme les métiers et amène à repenser les apprentissages des collaborateurs. Compte tenu de ce double enjeu à la fois stratégique et humain, il est pertinent d’observer quelle est la position des managers et des partenaires sociaux dans cette nouvelle réalité. Cet article se focalise sur leur perception en matière de risques et d’opportunités liés à l’IA dans la transformation des métiers au sein de la branche Métallurgie. S’inscrivant dans une démarche exploratoire constructiviste et adoptant une triangulation méthodologique, ses principaux résultats permettent de faire un état des perceptions des acteurs et de proposer des implications managériales et pistes de recherche futures.

L’Intelligence Artificielle (IA) mobilise des méthodes d’apprentissage machine pour automatiser la création de modèles statistiques complexes. Ces outils d’IA peuvent accomplir des tâches avec des performances similaires à celles des experts, mais la manière dont les résultats sont produits reste souvent opaque, posant des défis pour leur intégration dans les organisations. Cette thèse explore la collaboration entre les experts métier et les outils d’IA dans le contexte du système de soins.Dans le système de soins, cette collaboration est cruciale en raison de la responsabilité professionnelle et morale des décisions médicales et de leur incertitude inhérente. Si les outils d’IA promettent de répondre aux tensions de ce système en offrant une personnalisation accrue des soins à moindre coût, ils suscitent également des craintes et leur adoption reste à concrétiser.Notre démarche empirique produit deux études de cas illustrant ces dynamiques. RADO porte sur les usages d’un outil d’IA par des radiologues pour l’analyse mammographique, visant à améliorer leur activité. La seconde étude de cas, KOVAK, examine comment une équipe de recherche médicale utilise des outils d’IA pour analyser des données de cohortes de patients.Nous utilisons un premier cadre d’analyse pour observer comment les experts intègrent leurs connaissances avec les résultats de l’outil d’IA, démontrant ainsi un engagement dans la collaboration. Un deuxième cadre caractérise une double nature de l’usage de l’outil d’IA, entre optimisation d’une activité et apprentissages, et montre l’augmentation des capacités des radiologues grâce à cette collaboration Un troisième cadre, fondé sur les travaux de Peirce sur l’enquête pragmatiste, considère l’outil d’IA comme un partenaire dans la construction des connaissances.Nous proposons un modèle de collaboration, l’EMC2 (Expert Machine Collaborative Community). Il intègre différents modes de gestion de la collaboration expert-IA facilitant ainsi une meilleure intégration de cette collaboration au sein des organisations.Cette thèse contribue à la littérature sur les modèles de collaboration humain-IA par des modes de gestion issus d’une démarche empirique. Elle enrichit aussi la littérature sur les usages des outils d’IA en spécifiant des pratiques interrogatives et en appliquant le concept d’enquête pragmatiste
Artificial Intelligence (AI) leverages machine learning methods to automate the creation of complex statistical models. These AI tools can perform tasks with expert-level proficiency, yet the precise way results are generated often remains opaque, posing challenges for their integration into organizations. This thesis explores the collaboration between domain experts and AI tools within the healthcare system.In the healthcare system, human-AI collaboration is particularly critical due to the professional and moral responsibilities inherent in medical decisions and their inherent uncertainty. While AI tools promise to address the tensions in this system by offering increased personalization of care at lower costs, they also raise concerns, and their real-world adoption remains to be fully realized.Our empirical approach includes two case studies, illustrating these dynamics. RADO focuses on the use of an AI tool by radiologists for mammographic analysis, aiming to enhance their activities. KOVAK, examines how a medical research team uses AI tools to analyze patient cohort data.A first analytical framework observes how experts leverage their knowledge to incorporate AI results, thereby demonstrating an engaged collaboration. A second one identifies the dual nature of the AI tool use, between a way to optimize an activity or generate learning. A third one, based on Peirce’s work on pragmatic inquiry, considers the AI tool as a partner in the knowledge construction process.We propose our collaboration model, EMC2 (Expert Machine Collaborative Community). It integrates various modes of managing expert-AI collaboration, thus facilitating better integration of this collaboration within organizations.This thesis contributes to the literature on human-AI collaboration models by defining management modes derived from an empirical approach. It also contributes to the literature on AI tool usage by specifying interrogative practices and by applying the concept of pragmatic inquiry

La colorisation automatique de dessins encrés est une tâche complexe pour la vision par ordinateur. Contrairement aux images en niveaux de gris, les encrages manquent d’informations sémantiques telles que les ombrages et les textures, rendant la tâche encore plus difficile.Cette thèse repose sur des travaux connexes et explore l’utilisation de architec- tures génératives modernes telles que les GAN (Réseaux Génératifs Antagonistes) et les MDD (Modèles de Diffusion par Débruitage) pour à la fois améliorer la qualité des techniques précédentes et mieux capturer l’intention de colorisa- tion de l’utilisateur à travers trois contributions : PaintsTorch, StencilTorch et StablePaint.Ces travaux amènent à la définition et l’implémentation d’un procédé itératif et interactif basé sur des coups de pinceau colorés et des masques fournis par l’utilisateur final pour favoriser la collaboration entre l’Homme et la Machine en faveur de processus de travail naturels et émergents inspirés de la peinture digitale
Automatic lineart colorization is a challenging task for Computer Vision. Con- trary to grayscale images, linearts lack semantic information such as shading and texture, making the task even more difficult.This thesis dissertation is built upon related works and explores the use of modern generative Artificial Intelligence (AI) architectures such as Generative Adversarial Networks (GANs) and Denoising Diffusion Models (DDMs) to both improve the quality of previous techniques, as well as better capturing the user colorization intent throughout three contributions: PaintsTorch, StencilTorch and StablePaint.As a result, an iterative and interactive framework based on colored strokes and masks provided by the end user is built to foster Human-Machine collaboration in favour of natural, and emerging workflows inspired by digital painting processes

En 2050, dans un monde où l’usage des intelligences artificielles s’est généralisé, au point de les voir investir tous les domaines de la vie privée et professionnelle, les fonctions de l’avocat sont restées étrangement semblables : il consulte, et il plaide. Mais, sous les apparences d’une belle symbiose entre la machine et l’être humain, se dessinent les contours d’une société qui, sans s’en rendre compte, a tourné le dos à certains de ses repères juridiques les mieux ancrés. Demain, la pluie est programmée, mais qu’en est-il de la défense ?