Une voix venue de Google qui a tout changé
Une ancienne employée de Google, co-autrice de l’article pionnier « On the Dangers of Stochastic Parrots » (Emily Bender, Timnit Gebru, Margaret Mitchell, Angelina McMillan-Major), a remis en question les pratiques dominantes autour des grands systèmes d’IA : collecte massive de données, modèles linguistiques géants et promesses de progrès infinis. Cet écrit précurseur a fait basculer le débat public et académique en exposant des risques concrets liés à la taille et à la méthode plutôt qu’à une prétendue intelligence intrinsèque des machines.
Les critiques fondamentales des grands modèles
Au cœur de la critique se trouvent plusieurs constats précis : ces modèles apprennent des corrélats statistiques issus du web et reproduisent donc les biais, les erreurs et la désinformation déjà présents dans leurs données d’entraînement. Exemples : GPT-3 peut générer des propos toxiques ou sexistes si sollicités maladroitement ; des modèles entraînés sur le Common Crawl peuvent amplifier des stéréotypes. Points clés :
- Biais et discriminations intégrées dans les données.
- Mémoire de phrases problématiques (mémorisation et fuite de données privées).
- Coût environnemental élevé du calcul et de l’entraînement à grande échelle.
- Opacité des procédés rendant les audits difficiles.
Pourquoi le concept de « superintelligence » est remis en cause
L’autrice et ses co-auteures contestent le récit selon lequel augmenter la taille des modèles conduirait à une superintelligence générale. Elles font la distinction entre performance sur des tâches spécifiques et vrai raisonnement ou compréhension. Exemples concrets :
- Un modèle peut exceller à compléter du texte mais produire des hallucinations factuelles (inventions d’informations).
- Les systèmes restent fragiles : une légère modification d’entrée peut provoquer des erreurs majeures.
- La promesse d’AGI détourne l’attention des problèmes immédiats—biais, sécurité, responsabilité.
Conséquences tangibles déjà observées
Les critiques ne sont pas théoriques : elles se traduisent par des impacts visibles dans divers secteurs. Par exemple, des outils automatisés de recrutement ont pénalisé des candidatures de femmes ou de minorités ; des systèmes de modération ont supprimé à tort des contenus légitimes ; des modèles de prédiction judiciaire ont amplifié des inégalités (affaires largement documentées comme COMPAS aux États-Unis). Points d’attention :
- Décisions automatisées non transparentes affectant l’accès à l’emploi, au crédit ou à la justice.
- Désinformation amplifiée via génération automatique de textes ou d’images.
- Atteintes à la vie privée par répétition ou fuite de données sensibles.
Alternatives et mesures proposées pour une IA plus responsable
L’article et les travaux qui ont suivi fournissent des pistes concrètes pour limiter les dégâts : mieux documenter les jeux de données, privilégier des modèles plus petits et spécialisés, instituer des audits indépendants et impliquer des communautés affectées. Exemples et recommandations :
- Datasheets pour jeux de données et Model Cards pour modèles afin d’améliorer la transparence.
- Audits externes et évaluations d’impact pour anticiper biais et risques.
- Stratégies d’entraînement moins énergivores et filtrage actif des sources problématiques.
Ce que cela implique pour l’avenir de l’IA
L’intervention de cette chercheuse issue de Google a redéfini les priorités : au lieu de viser exclusivement la course à la puissance, il s’agit désormais de promouvoir une IA éthique, gouvernée et orientée vers l’utilité sociale. Des réponses concrètes existent déjà — réglementation (par ex. projets d’encadrement juridiques), standards techniques et pratiques de recherche plus responsables — mais leur adoption nécessite vigilance, pluralité d’acteurs et volonté politique. Le débat passe d’une fascination pour la « superintelligence » à une exigence d’IA juste, sûre et explicable, avec des exemples tangibles d’outils et de processus à mettre en place dès aujourd’hui.
En savoir plus sur L'ABESTIT
Subscribe to get the latest posts sent to your email.




