Ce qui échappe à l'intelligence artificielle

Cette quatrième séance du séminaire organisé par le GRETS, « Ce qui échappe à l'intelligence artificielle », aura lieu en présence de Étienne Ollion - École Polytechnique, CRNS. La séance sera introduite par Mathieu Brugidou - EDF R&D - GRETS / PACTE.

L’IA nous permet-elle d’accroître nos connaissances sur la société ? Que faire (et ne surtout pas faire) dans le champ de la recherche avec des Large Language Models (LLMs), ces modèles d’intelligence artificielle conçus pour comprendre et générer du texte en langage naturel?

Parmi les technologies issues de l'intelligence artificielle, les giga modèles de langage sont ceux pour lesquels les promesses sont les plus importantes aujourd'hui. Ils sont en effet mobilisés pour faire des sondages à partir de données synthétiques, des expériences in silico (à l’aide de simulations informatiques), des enquêtes à des époques passées. Pour partie, les promesses avancées par les promoteurs de ces technologies sont probablement intenables malgré l'intense publicité qui est faite autour de ces usages. A quel degré peuvent-elles être plausibles, et de fait déjà réalisées ?

Cette présentation revient sur les discours relatifs à l'intelligence artificielle en recherche. Sur la base d'une série d'expériences, elle cherche à évaluer la plausibilité des solutions proposées. Elle en montre les intérêts, les limites, les voies de dépassement possible. Après un tour d'horizon des usages des LLMs en sciences sociales, le but de cette présentation est de montrer comment se saisir de l'intelligence artificielle afin d'équiper la connaissance de la société.

• Étienne Ollion est directeur de recherche au CNRS en sociologie computationnelle. Ses travaux portent sur, mais aussi mobilisent, l'intelligence artificielle pour la recherche.

Références

• Julien Boelaert, Samuel Coavoux, Etienne Ollion, Ivaylo Petev, Patrick Präg, "Machine Bias. How do Generative Language Models Answer Opinion Polls?", working paper
• Salomé Do, Etienne Ollion, Rubing Shen, "The Augmented Social Scientist. Using Sequential Transfer Learning to Annotate Millions of Text", in Sociological Methods and Research, 2022
• Francois Levin et Etienne Ollion (dir.), Ce qui échappe à l'intelligence artificielle, éditions Hermann.