IRI ressources vidéos

https://www.iri.centrepompidou.fr/hyper-interpretation-et-savoir-a-lepoque-des-data/

Maison Suger – 18 et 19 mars 2024 – 16 rue Suger, 75006 Paris

Journées organisées par Franck Cormerais et Armen Khatchatourov

Programme

MARDI APRÈS-MIDI

• 14h-14h30 Des cartographies de controverses à la génération d’arguments en contexte numérique

Orélie Desfriches, Université, Paris 8, Laboratoire Paragraphe.

• 14h30-15H La « raison » des machines et interprétation : l’efficacité a-t-elle un sens ?

Daphné Vignon, Université de Nantes, Laboratoire LAMO.

• Pause 15’

• 15h15-15h45 Les contextes de l’interprétation à l’heure de l’IA ubiquitaire

Armen Khatchatourov, Université Gustave Eiffel, Laboratoire Dicen-IdF.

• 15h45- 16H15 LLM et IA générative : impacts sur les pratiques interprétatives de recherche en sciences humaines et sociales

Amar Lakel, Université de Nantes, Laboratoire MICA

Résumé des interventions

Des cartographies de controverses à la génération d’arguments en contexte numérique

Orélie Desfriches, Université, Paris 8, Laboratoire Paragraphe

Nous présenterons notre travail de recherche selon une trajectoire qui part des cartographies de controverses dans une visée d’Education aux Médias et à l’Information, en abordant par la suite une modélisation de l’argumentation, qui donnera lieu à l’exposition d’un prototype de générateur automatique d’arguments, réalisé avec des étudiants.

La « raison » des machines et interprétation : l’efficacité a-t-elle un sens ?

Daphné Vignon, Université de Nantes, Laboratoire LAMO

La présente contribution explore les modalités de traitement du langage par les machines. Fondé sur un mode algorithmique, ce langage, sans être une mathématisation au sens classique, est fondamentalement asyntaxique et ne traite de la sémantique que par des leviers statistiques qui ne tiennent jamais compte du sens en tant que tel. La promesse de la « littératie digitale » a été d’accroître les échanges et de développer une intelligence collective, le travail du chercheur consistant, dans ce paysage, à définir plus ou moins finement ce qu’on comme un vecteur interprétatif inédit.

L’irruption dans le débat des robots générateurs de texte permet de réinterroger ce projet, non pas qu’elle le renouvelle entièrement, mais elle en surligne les apories formelles initiales. Les robots, conformément à l’ambition cybernétique, sont ainsi devenus non seulement des agents informationnels comme les autres, mais aussi des métalocuteurs d’un nouveau genre : entièrement automatisés sans être autonomes, les robots propagent des contenus sémantiques produits par échantillonnage et auto-renforcement qui relèguent de facto la question de la grammatisation. La grammaire, qu’on tenait pour constitutive de la langue, est en fait maintenant seconde : elle consiste à adresser des requêtes à un formalisme machinique ananthropique mais parfaitement efficace. Toute la difficulté est de savoir à quoi l’efficacité correspond dans le champ du langage, celui-ci étant entendu dans ses différentes dimensions – y compris comme fonction politique à travers l’interlocution. On peut alors se demander dans quelle mesure cette efficacité a un sens. Et même, si le sens est encore nécessaire – s’il n’est pas efficace.

Les contextes de l’interprétation à l’heure de l’IA ubiquitaire

Armen Khatchatourov, Laboratoire Dicen-IdF

Nous essayerons d’établir un parallèle entre d’un côté notre faculté ou capacité d’interprétation et, de l’autre côté, les différents rôles que le concept de « contexte » joue en intelligence artificielle.

LLM et IA Générative : impacts sur les pratiques interprétatives de recherche en SHS

Amar Lakel, Université de Nantes, Laboratoire MICA.

Dans le cadre du virage numérique que connaissent les humanités numériques, l’avènement des Modèles de Langage à Grande Échelle (LLM) et de l’Intelligence Artificielle Générative représente une révolution potentielle pour la pratique de la recherche en sciences humaines et sociales (SHS). Cette intervention vise à explorer l’impact profond de ces technologies sur les méthodologies, les outils analytiques et les approches épistémologiques traditionnellement adoptés dans ces disciplines. Nous nous attacherons d’abord à démystifier l’IA générative, en évitant les hyperboles souvent véhiculées par les médias et certains chercheurs en quête de sensationnel, pour ensuite évaluer de manière critique son influence sur la chaîne de valeur de la recherche en SHS. L’objectif est de déterminer comment ces avancées technologiques peuvent non seulement transformer les méthodes de collecte et d’analyse des données mais aussi favoriser l’émergence d’un véritable programme d’ingénierie de la recherche, propice à l’innovation méthodologique et à l’interdisciplinarité. Enfin, cette contribution se propose de jeter les bases d’une discussion plus large, impliquant diverses disciplines, sur les possibilités et les défis que présentent les LLM et l’IA générative pour enrichir et étendre les horizons de la recherche en SHS à l’ère du numérique.