HUM-353 / 2 credits

Teacher: Sormani Philippe Björn

Language: French

Remarque: Les étudiant-e-s peuvent travailler en français et/ou en anglais.


Résumé

Ce cours offre une introduction aux études sociales de l'intelligence artificielle (IA). L'IA est ainsi abordée comme phénomène sociotechnique à multiples facettes, souvent controversé. Pour en mesurer la portée, le cours procède d'analyses vidéo et de reproductions situées de l'"IA en action".

Contenu

Mots-clés

Etudes sociales de l'intelligence artificielle, pensée computationnelle, déterminisme technologique, approche située de l'"IA en action", analyse vidéo, reproductions pratiques ("re-enactments"), cadrage, calcul et critique, implications normatives

POLY-perspective :

  • perspective interdisciplinaire
  • perspective globale

https://www.epfl.ch/schools/cdh/fr/la-vision-du-cdh-poly-perspective/

Acquis de formation

A la fin de ce cours l'étudiant doit être capable de:

  • Identifier les principales approches en études sociales de l'IA
  • Discuter la pensée computationnelle et le déterminisme technologique
  • Déceler les présupposés théoriques et les implications pratiques d'une approche située de l' « IA en action »
  • Réaliser une analyse vidéo (analyse discursive d'un enregistrement audiovisuel)
  • Réaliser une reproduction située d'une séquence vidéo (pour réexaminer le phénomène en jeu)
  • Développer une approche empirique, critique et réflexive de l'IA en situation

Compétences transversales

  • Résumer un article ou un rapport technique.
  • Recueillir des données.
  • Faire preuve d'inventivité
  • Faire preuve d'esprit critique
  • Recevoir du feedback (une critique) et y répondre de manière appropriée.
  • Dialoguer avec des professionnels d'autres disciplines.
  • Etre conscient des implications sociales et humaines liées au métier de l'ingénieur.
  • Auto-évaluer son niveau de compétence acquise et planifier ses prochains objectifs d'apprentissage.

Méthode d'enseignement

Le cours est organisé en quatre blocs successifs et, au sein de chaque bloc, alterne des parties théoriques, pratiques et critiques. En plus de l'intervenant principal, des spécialistes et experts externes seront sollicités pour (et questionnés à partir de) l'analyse vidéo et la reproduction située de l'"IA en action". Dans le cadre du cours, chaque participant(e) devra réaliser une première analyse vidéo et une tentative reproduction située du phénomène en jeu. 

Travail attendu

Participation attentive, active et réflexive. "Attentive" pour les parties théoriques du cours, "active" pour les exercises pratiques de transcription et de (re-)production audiovisuelle, et "réflexive" pour les parties critiques au long du cours, que ce soit par rapport aux expertises externes ou ses propres contributions. Selon le nombre de participant-e-s et la situation sanitaire liée au coronavirus (Covid-19), l'accent sera mis sur le travail collectif ou individuel, le versant digital ou la présence locale (cf. aussi méthode d'évaluation ci-dessous).

Méthode d'évaluation

A des fins d’évaluation, les participant-e-s auront à rendre un travail intermédiaire (max. 2-3 pages) pour chaque bloc du cours.

Pour le 1er bloc du cours, les participant-e-s liront, résumeront et discuteront un article issu des études sociales de l'IA. Le résumé critique (max. 2 pages) qui en résulte fera l’objet d’une première évaluation (1/6 de la note globale).    

Pour le 2ème bloc, les participants choisiront une séquence vidéo de l’ « IA en action », en feront une transcription et, sur cette base, proposeront une première analyse de son cadrage discursif. Cette analyse (max. 3 pages) fera l’objet d’une évaluation (1/3 de la note globale).

Pour le 3ème bloc, les participant-e-s feront et filmeront une reproduction située de la séquence vidéo de l'« IA en action » retenue et, sur cette base, rendront une deuxième analyse (max. 3 pages) en plus de la vidéo autoproduite, analyse qui multipliera et affinera les observations de l’analyse discursive (1/3 de la note globale).  

Pour le 4ème bloc du cours, les participant-e-s réexamineront (sur max. 2 pages) leur résumé critique initial d'un article issu des études sociales de l'IA (cf. 1er bloc) à la lumière de leurs travaux empiriques (cf. 2ème et 3ème bloc). Alternativement, les participant-e-s pourront également discuter une expertise technique en matière d'IA sur cette même base (1/6 de la note globale).

Selon le nombre de participant-e-s, l'évaluation portera sur des travaux de groupe ou des rendus individuels.

 

Encadrement

Office hours Non
Assistants Oui
Forum électronique Oui
Autres Assistante : Léa STIEFEL (lea.stiefel@unil.ch)

Ressources

Bibliographie

  • Alpaydin, E. (2016) Machine Learning. The New AI. Cambridge: MIT Press. 
  • Bovet, A., Gonzalez-Martinez, E., Malbois, F. (Eds.) (2014) Language, activités et ordre social. Faire de la sociologie avec Harvey Sacks. Bern: Peter Lang.
  • Collins, H. (2018) Artifictional Intelligence. Cambridge, UK: Polity Press.
  • Shanker, S.G. (1988) “The Dawning of (Machine) Intelligence”, Philosophica 42(2): 93-144. 
  • Sormani, Ph., Alac, M., Bovet, A., Greiffenhagen, C. (2017) “Ethnomethodology, Video Analysis, and STS”, in Felt, U., Fouché, R., Miller, C.A. and Smith-Doerr, L. (Eds.) The Handbook of Science and Technology Studies. 4th Edition. Cambridge, Mass.: MIT Press, pp. 113-137. 

 

Ressources en bibliothèque

Références suggérées par la bibliothèque

Liens Moodle

Préparation pour

Master - Digital Humanities (F.Kaplan)

In the programs

  • Semester: Fall
  • Exam form: During the semester (winter session)
  • Subject examined: Science, technology and society C
  • Lecture: 2 Hour(s) per week x 14 weeks

Reference week

 MoTuWeThFr
8-9     
9-10     
10-11     
11-12     
12-13     
13-14     
14-15     
15-16     
16-17     
17-18     
18-19     
19-20     
20-21     
21-22