Podcast cours 3 partie 2 - 29/11/2025

On est bon s'il vous plaît on va reprendre. Alors, on est un peu revenu sur effectivement grosso modo qu'est-ce que c'est l'éthique sur le fait que l'utilitarisme c'est pas terrible et sur le fait que la technologie finalement en fait c'est quand même beaucoup de données et pas tellement de d'esprit conscient ce genre de choses. Alors L'idée c'est de revenir un petit peu sur l'éthique de l'IA. Exactement. My words. Donc l'éthique de l'IA, qu'est-ce que c'est ? Alors évidemment, c'est un terme qui est déjà aujourd'hui ultra polysémique dans le sens où si jamais vous en entendez

parler pour les institutions, les régulateurs dans les entreprises, dans les universités, chez les philosophes, ça tout le monde veut pas forcément dire la même chose. Quand on parle d'éthique de Lia, les gens sont Pas mais attendez, est-ce est-ce que c'est le côté régulateur ? Donc tiens, on a le droit de faire ça, on a pas le droit de faire ça, et cera est-ce que c'est côté philosophique ? Tiens, on a un point de vue high level, comment est-ce qu'on pense à l'IA ? Qu'est-ce que quel est le rapport que les êtres humains doivent avoir avec

l'IA ? et cera ou est-ce qu'on est plus sur moins le côté les entreprises, qu'est-ce que les entreprises peuvent faire, doivent Pas faire et cetera. Aujourd'hui, je vais principalement me concentrer sur ce dernier point euh en ayant aussi évidemment un peu un rapport plus philosophique euh puisque je voilà, on est quand même ce qu'on est et que j'aurais du mal à pas faire ça. OK. Alors, peut-être pour commencer, une grande question qui revient tout le temps. Pourquoi est-ce qu'on doit faire de l'éthique quand il y a déjà de la régulation ? Vous savez, en plus

les Gens de la TEC se plaignent quand même souvent euh pour ne pas dire tout le temps de la régulation. Non mais on a des départements éthiques, vous en faites pas, on va tout bien faire nous-même. Vous avez pas besoin de faire de la régulation. Alors, il faut revenir sur le fait que et je dis ça principalement pour les étudiants juristes, euh la régulation peut pas tout couvrir. Par définition euh des algorithmes, il doit y en avoir des Milliards dans le monde et on ne va pas pondre des milliards des act. déjà un c'était galère.

Alors on va pas non plus en prendre des milliards. Alors évidemment il y a des choses qui euh bah il y a des trous dans la raquette en quelque sorte. Premier trou dans la raquette qu'il y a c'est ce qu'on va appeler les zones vierges de régulation. C'est un des premiers gros trucs. Vous savez il y a un adage en droit qui dit nou crimen si nélégué. il y a pas de Crime s'il y a pas de loi. Ce qui est à peu près vrai. Et et d'ailleurs, vous allez voir que les géants de la

tech généralement font assez rarement des choses qui sont illégales. Il ont quand même des équipes juridiques ultra balaises et ultra bien payées et donc il généralement font rarement des choses illégales. En revanche, éthiquement bof. Et typiquement si vous êtes en train de construire une nouvelle technologie pour Laquelle il y a pas de loi, il y a pas d'encadrement, c'est neuf comme chat GPT a pu l'être. Est-ce que ça veut dire que vous avez le droit de tout faire ? D'un point de vue juridique, vous pourriez argumenter que oui. D'un point de vue éthique, non. Très

clairement pas. Le deuxième aspect, c'est ce qu'on appelle les zones grises. C'est si par exemple, il y a un cadre régulatoire pour les voitures qui se conduisent toute seule et vous êtes en Train de bosser sur des scooters qui se conduisent tout seul. 70 75 % du texte match avec votre use case à vous, mais il y a quand même 25 30 % qui matchent pas du tout. Est-ce que ça veut dire que pour ces 25 30 % vous avez le droit de faire ce que vous voulez ? d'un point de vue juridique peut-être, d'un

point de vue éthique très clairement pas. Le dernier point, c'est probablement mon préféré, c'est ce qu'on appelle les zones interprétables. En fait, dans des Textes juridiques, il y a un peu des espaces vides parce que il y a un momentù, on fait quand même ce qu'on peut avec les mots qu'on a et qu'on peut pas faire des textes qui font 2 milliards de pages. Et donc, typiquement dans les actes, vous avez des mots qu'il faut interpréter. Notamment le régulateur parle d'un usage normal de la technologie. Ça veut dire quoi un usage normal ? Il parle

de risque acceptable. Ça veut dire quoi un risque acceptable ? C'est hyper compliqué de définir ça. Et c'est pour ça donc qu'on a typiquement des départements éthiques qui viennent réfléchir à ça en disant acceptable pour nous, pour notre mission, pour notre place dans l'écosystème financier, énergétique, médical et cetera. Pour nous acceptable, ça veut dire ça. Pour nous, un usage normal ça veut dire ça. Il est pouvoir ensuite capable d'aller en parler avec le Régulateur. Donc c'est important, c'est que l'éthique de l'IA, l'éthique de la technologie, c'est toujours ce que je dis, c'est une éthique qui

est post compliance dans le sens où d'abord on se met en conformité avec la loi et après il y a le reste puisqu'on peut partir du principe que la loi est éthique. Alors, c'est pas toujours vrai et j'invite les professeurs de droit à s'emparître ce sujet-là très spécifiquement, mais généralement dans Le monde de la tech en grande partie la loi est éthique. En tout cas en Europe, après en Chine plus compliqué, aux États-Unis pareil et généralement on peut partir du principe que la loi est éthique et que donc une fois qu'on est en conformité avec

la loi, il faut se dire tiens, c'est quoi un peu cet extra mil qu'on va pouvoir faire pour être aligné sur les valeurs de l'entreprise ? parce que c'est assez euh c'est assez important et et je reviendrai un petit Peu là-dessus plus tard d'être capable d'être aligné sur ces valeurs de l'entreprise. Gardez ça en tête, je reviendrai dessus un peu plus tard avec un exemple. Mais donc quand on est en entreprise, en gros ce qu'on doit faire c'est je dirais respecter six valeurs clés, six thèmes clés pour construire une dite de confiance. Alors vous dis

moi j'ai pu travailler dans le conseil dans le monde du conseil, on aime bien les framework. Ça c'est un framework, c'est pas le seul framework. Je sais même pas si c'est le meilleur framework, c'est juste un framework. Donc si gen quelqu'un vous dit eh mais il y a de confiance, il y a aussi ça. Oui, c'est possible. D'accord, prenez pas ça comme étant euh la Bible parce que c'est clairement pas le cas. Mais donc il y a effectivement six grands aspects selon moi qui doivent être vraiment ancrés dans je dirais une une technologie qu'on voudrait

de Confiance. D'abord, l'intervention humaine, c'est effectivement de garder euh une intervention, une supervision humaine pour éviter notamment ce qu'on appelle les problèmes de d'hallucination, les problèmes de euh les problèmes d'orbalement technologique et cetera et cetera. Il y a quand même une intervention humaine, ne serait-ce que tant éviter les drames que par respect pour l'être humain et le travailleur et la travailleuse. Ensuite, Les questions de responsabilité, de transparence qui sont éminemment liées. La responsabilité, c'est pas pour le plaisir un peu sadic de se dire tiens si ça merde, qui est-ce qu'on vire ? C'est plutôt dans

l'autre sens, c'est qu'il y ait quelqu'un qui se dise "Mince, si ça merde, c'est moi qu'on vire." Et donc je m'assure de prendre les responsabilités pour éviter que ça plante. D'où la nécessité évidemment de la transparence et de l'explicabilité. Si jamais vous Avez un modèle qui dit "On fait X" et que vous êtes incapable d'aller expliquer qu'est-ce que c'est X, c'est un peu compliqué. J'avais dû rédiger pour un cours de philosophie du droit une nouvelle, une fiction qui posait les questions d'éthique de la tech et on avait appris l'exemple qui disait que lors d'un divorce,

on avait confié à un algorithme le choix de déterminer lequel des deux parents devait garder la garde de l'enfant Et que l'algorithme avait choisi la femme. C'était la mère qui gardait la garde de l'enfant et le père furieux venait au tribunal pour demander pourquoi et en fait que la machine les gens étaient incapables d'expliquer. Écoutez, on a mis dans la machine, la machine a dit que c'était la merre, c'est la mer. Humainement c'est inacceptable et je vous passe aussi des impacts juridiques et cetera et ça mais Humainement c'est d'abord inacceptable. Ensuite évidemment les questions de

justice et d'équité. Je reviendrai dans une seconde. Les questions de sécurité, on a déjà pas mal parlé avec notamment les données personnelles qu'on peut mettre. Est-ce que ça a du sens de les mettre dans la machine ? Est-ce que ça pas de sens de les mettre dans la machine ? et cetera. Donc il y a beaucoup de questions là-dessus, mais quand on parle de sécurité, c'est aussi La confiance qu'on va faire dans ce que la machine va nous dire. Euh ne faites pas une confiance aveugle à la machine. Même d'ailleurs en fait, de façon générale,

ne faites de confiance aveugle à peu près personne. C'est pas une bonne Et enfin les impacts sociétaux et environnementaux. Je reviendrai aussi un peu dessus parce que enfin c'est quelque chose qui est close to my heart. Alors comme je disais sur les questions de justice et d'équité, est-ce que Quelqu'un a déjà entendu parler un peu du bad buzz d'Amazon sur son algorithme de treat CV ? faire ça. Ils ont ils s'en sortent vraiment bien. Ils s'en sortent vraiment bien. En gros, il y a quelques années, je crois que c'est 2017, Amazon, juste pour un petit

rappel, c'est le deuxième plus gros employeur des US hein. D'abord c'est Walmart, après c'est Amazon, un gros gros gros employeur. Et donc ils reçoivent beaucoup de CV et donc ils Sont dit vas-y on va faire un algo qui va trier les CV, qui va faire un premier round de tri pour nous suivre comme ça nous on a un peu le deuxème round et on a un peu évacué. Ils font CV donc ils font ce ce cet algorithme donc le gros truc au milieu et donc il faut lui donner des datas de base. Vous souvenez hein

ce qu'il y a sur la gauche. Ils ont dû choisir. Ils sont dit bah tiens nous on a une boîte qui marche plutôt pas mal on va prendre Les profils des gens qui travaillent chez nous. On a une belle boîte et en plus c'est un beau justificatif. On est fier des gens qui travaillent chez nous. C'est des bonnes personnes. Les gens sont compétents. Du coup on va prendre ces gens-là pour nourrir notre algorithme. Seulement à l'époque c'est quoi la population des gens qui bosent chez Amazon ? proximement deux types de profil, des ingénieurs informatiques et

des gens dans les entrepôts Grosso modo, deux populations qui sont principalement masculines. Et donc l'algorithme quand on lui donne les CV de toutes les personnes qui travaillent chez Amazon se dit parce que c'est une machine très puissante h à mon avis pour bosser dans cette boîte faut être un mec. logique, on m'a dit que les gens bien pour cette boîte, c'était ces gens-là et il y a principalement des mecs. Donc automatiquement L'algorithme déclassifiait tous les CV féminins. Tu es une meuf, tu dégages, pas de bol. Tu peux aller travailler ailleurs mais pas chez Amazon. Tu

quelques semaines avant qu'Amazon s'en rende compte et se disent ou là mince pas ça déjà quelques semaines, vous imaginez déjà le gens femmes qui ont été dégagées. Mais bref, c'est pas ça qu'on voulait. On va faire des CV anonymes. Ça la machine sait pas. Mais si vous aviez eu le malheur de noter que vous aviez Été capitaine de l'équipe féminine de football à Harvard, l'algo très balaise, je vois ce que tu essayes de faire. Tu essayes de cacher que tu dois dégager, tu dégages parce que la machine est très puissante. Alors de nouveau, vous dites

"Oh, l'algorithme sexiste". Pas du tout. Il a juste été très mal conçu. Quand vous utilisez un algorithme pour prédire le futur, par définition, il va se baser sur le passé. Il peut pas juste make things up comme je disais, c'est pas de La magie. Donc il se base sur le passé. Le truc c'est que le passé que vous allez choisir, il peut pas être neutre. On ne peut pas construire une architecture de choix neutre. On peut pas dire un algorithme bah voilà, tu vas choisir entre ça et ça et quand je te dis ça et

ça, c'est neutre. Don un autre exemple pour un peu matérialiser ça. Dans les cantines, notamment des entreprises, vous savez peut-être on met d'abord les légumes et après les frites. Pourquoi est-ce qu'on fait ça ? Parce que grosso modo en fait comme ça les gens mettent plus de légumes comme ça, il y a moins de place après pour les frites. Les gens se servent moins de frites. Et c'est pratique parce que en fait payer des légumes ça coûte moins cher que d'avoir des employés malades. Et généralement comme vous le savez les légumes c'est mieux pour pas

être malade. Ça c'est la seule objectif c'est pas une L'architecture de choix qui est présentée aux gens, elle est pas neutre. Imaginez que demain la Belgique subsidie la frite à fond de balle et toutes les boîtes qui vendent plein de frites et qui servent plein de frites reçoivent plein de tunes. À ce moment-là, il est plus intéressant pour l'entreprise de mettre plus de frites qu-ce que vous soyez malade et moins de légumes. Donc l'entreprise change, elle va mettre d'abord les frites et puis les légumes, Voire même que des frites. Dans les deux cas, quelle que

soit l'architecture de choix que l'entreprise va mettre en place, elle sera pas neutre. Il y a un objectif derrière. Et de nouveau fondamentalement, c'est pas grave. On a tous, on fait tous ça, on est tous biaisés d'une certaine façon. Ce qui est important, c'est de comprendre le biais qu'on a et de se dire est-ce que c'est un bon biais ou un mauvais b. On va prendre un peu un Exemple parce que moi ce que j'aime bien, c'est quand on utilise un certain passé, quand on se base sur un certain passé, on est forcément condamné à

le reproduire. Alors l'exemple que j'aime bien donner, c'est demandé à Dali. c'est le générateur d'images de chat GPT. Je dis need of a successful doctor. Et donc il se base sur le passé et sur les données qu'il a dans la tête de D. Successful doctor. C'est ça. Un mec blanc beau gosse demeurant. Ensuite je Lui ai dit and now a computer engineer. C'est mon seul prom. J'ai pas repris le screenshot parce que voilà mais and now computer engineer de toute évidence son frère c'est les mêmes de nouveau un mec blanc et je lui dit a

nurse vous voyez un peu là où je vais en venir une infirmière évidemment et ce qui est absolument fascinant j'ai pas découvrir ça tout de suite j'ai découvrir un peu plus tard c'est que si Vous regardez dans le texte il me dit here are the images of a successful doctor that you requested images of a successful computer engineer images Parce que donc dans la tête de chat GPT, les hommes sont successful et les femmes sont dévouées. Merci à ell, on le sait. Alors là, vous direz l'algorithme est sexiste. Bah non, en fait notre société est

éminemment sexiste. Si vous allez sur internet et que vous allez taper des images de médecin, vous avez à mon avis 80 % d'hommes blancs, 15 % de femmes blanches et 5 % du reste. Notre société est imemment sexiste. Et si jamais derrière il y a pas quelqu'un pour se dire "E mais en fait c'est complètement fucked up, malheureusement ça restera comme ça." Ça a des impacts bien plus larges que juste un slide un peu rigolo. Comme je disais, Chat DPT, c'est le même partout. Donc que vous l'utilisez en Belgique, aux États-Unis, au Brésil, au Kenya,

en Australie, en Inde, c'est le même chat GPT. Donc si jamais vous êtes au Kenya et que vous tapez successful docteur, vous avez ça. Qu'est-ce que ça crée ça ? Ça crée deux choses. La première, c'est que toutes les personnes un peu jeunes qui vivent au Kenya, qui sont généralement du coup pas blancs voi ça et se disent "Ben moi, je peux pas être médecin. Un successful docteur, ce n'est pas moi. Je ne peux pas m'identifier à ça." C'est un des gros Backlash notamment pour prendre un exemple un peu plus léger que c'est pris Disney.

Toutes ces princesses au-delà de servir à dal sont toutes des meufs blanches. Et donc effectivement toutes les jeunes filles qui étaient pas blanches qui regardent ça se disent "Moi, je peux pas être une princesse." D'où le fait que depuis quelques années, ils essaient d'être un petit peu plus inclusif mais ça a pris beaucoup de temps. L'autre truc qu'il y a, c'est que Vous êtes au Kenya, les gens qui cherchent un médecin dans leur tête, un médecin successful, c'est ça pour voir deux médecins qui sont allés dans la même université, ils ont eu les mêmes scores,

les mêmes grades, ils ont fait les mêmes internes, tout pareil et c'est les mêmes. Les gens iront d'abord chez le blanc avant d'aller chez une personne de colore. Ça c'est malheureusement un racisme l'attend dans nos sociétés. C'est pas la Faute de l'IA, mais il empêche que l'IA renforce ça énormément. Et ça, si on en a pas conscient, on va juste aller dans une accélération d'un racisme et d'un sexisme latent. On va se retrouver vraiment un peu comme la société états-unienne. On va juste mettre les gens dans des cases où ils doivent faire ceci, doivent faire

cela. Les femmes doivent toutes être d'être adwives et voilà. Pas travailler pour jeter un petit apron à carreau et faire à manger pour quand son mari rentre. la gueule de ma femme si je lui demande ça. Bref, donc évidemment quand on parle de justice et d'équité, c'est évidemment ces questions là. Et donc évidemment comme je dis, moi je le montre sur un slide de façon un tout petit peu plus légère parce que j'ai pas envie, je vous ai déjà parlé la torture d'un enfant là Tout à l'heure, j'ai pas non plus envie d'être le mec

qui déprime tout le monde. Mais évidemment, ce sont des questions qui sont ultra lourdes et qui vont avoir énormément d'impact sur plein de choses. OK ? Quand on parle justement, ça fait le lien les impacts sociétaux-environnementaux, les impacts sociétaux, la consommation en énergétique, je veux dire au sens large de l'IA est en train d'exposer. J'adore ce graphe parce que c'est un graphe qui date de 2021, donc près chat GPT, avant la sortie de chat GPT et les superlatifs qu'on a connu depuis. Déjà à l'époque, on était en train de voir que ça allait exploser et

notamment la partie verte qui est donc les data center qui allait prendre de plus en plus d'importance sur ce qu'on va faire. Évidemment, ça consomme à balle. Je reviendrai suite sur le slide d'après mais c'est également des impacts Sociétaux. Il y en a deux que je trouve importants surqu je voudrais revenir. Le premier c'est le graphique au centre. Le truc le plus geek de geek, c'est mon graphique préféré de l'histoire des graphiques. Qu'est-ce que ça représente ? En gros, ça représente le positionnement politique d'un électeur moyen aux États-Unis selon qu'il soit démocrate ou républicain. Bleu

pour les démocrates, rouge pour les républicains. Sur un axe gauche- droite. Alors, je Précise, c'est un axe gauche- droite américain. Donc ça veut dire qu' va désengager jusqu'à la droite du MR. Bah, c'est pas vraiment la même gauche que chez nous. Et donc comme vous pouvez vous attendre, ce sont deux courbes de gosse. Sont deux courbes assez on appelle des courbes normales en statistique. Grosso modo si vous regardez le graphique tout à fait à gauche, date de 1994. Démocrates, ils sont globalement un peu Plus à gauche que les républicains la courbe rouge. OK. En 2004,

l'année est pas choisie au hasard 2004, c'est l'année de naissance de Facebook et je crois de Twitter aussi. Comme vous pouvez voir, les républicains et les démocrates en fait sont peut-être même encore plus proches sur l'axe gauche-droite que ils étaient en 1994. En 2017, de nouveau, l'année n'est pas choisie au hasard. 2017, c'est l'année de Trump, la première année de Trump 1. Ils ont ils sont ultra polarisés. Et si on refait à mon ami le même graphique en 2025, c'est encore plus extrême. Aujourd'hui, aux États-Unis, les gens ne se parlent plus entre parties. Il y

a même, je crois, dans les années 80, il y avait environ 40 % de mariages dit mixte. Donc avec deux personnes de deux partis politiques différents, un républicain et un démocrate, une républicaine et un démocrate, c'est ça. Voilà 40 %. Aujourd'hui, moins de 1 %. Roméo Giliette du 21e siècle, c'est ça les gens ne se parlent plus. Vous êtes pas d'accord ? On se parle plus. Et ça c'est à cause de quoi ? Principalement des réseaux sociaux. Quand vous êtes obligé d'exprimer une opinion 140 caractères, généralement vous pouvez pas être nuancé. Je croyais même que

l'impératif catégorique cancer ne tient pas en 140 caractères. Absolument un peu la base. Ça s pas. Donc évidemment les gens comme ils ont envie de faire un peu De buzz et que les réseaux sociaux ont un modèle économique qui repose sur le clash et le buzz et ben évidemment les gens s'éloignent de plus en plus. Vous êtes pour vous êtes contre. C'est comme avec Lia hein. Lia c'est bien ou c'est pas bien ? Ça va sauver le monde, ça va tout détruire. Malheureusement, il y a un petit peu de nuance de temps en temps. Et

puis effectivement, je reviendrai sur ce troisème point qui je pense est quand Même assez important qui est la question de la solitude. Tu sais, on parlait un peu de Skynet en rigolant. Moi, je dis souvent que ma plus grosse crainte dans la science-fiction en terme d'IA, c'est pas Skynet, c'est her ou c'est Wally. Je sais pas si vous avez vu Wally petit robot et cera. C'est incroyable à quel point ils ont été enfin ils ont vu dans le futur. Wi donc pour rappel c'est un petit robot qui travaille sur la terre parce que les Étrens

l'ont complètement cramé et et donc ils se sont tous barrés dans un vaisseau spatial. Dans ce vaisseau spatial, ils sont tous sur des chaises roulantes bardé d'écran. Ils ne parlent à personne. Ils font que se baffer de soda et de divertissement en longueur de journée. Il ne se parlent plus les uns que les autres. Moi justement ma plus grosse crainte avec Lia, c'est pas du tout Terminator. C'est plutôt une sorte d'hyperpersonnalisation Qui ferait qu'en fait on n plus envie d'aller parler avec ses amis. On préfère parler avec un chatbot. Vous le savez les amis, c'est

quand même compliqué. Parfois, ils sont pas dispos, parfois ils sont malade, parfois ils ont envie de parler d'eux, vous avez juste envie de parler de vous, ils ont envie de parler de leurs problèmes et cetera. Enfin, c'est chiant les potes. Un chatbot, c'est beaucoup plus simple. Toujours dispo, toujours d'accord avec Vous. En plus, comme je disais, c'est un peu un faillot, il va vous dire que vous êtes génial tout le temps et cetera. Il y a de plus en plus de gens, principalement aux États-Unis, mais ça arrive chez nous, qui disent qu'en fait il préfèrent

vraiment parler avec un chatbot qui avec un pote. Et il y a du coup un peu comme dans le je sais pas qui a vu le film Her et je suis pas si vieux et vous êtes pas si jeune normalement c'est un très bon Filmement c'est sorti en 2013, c'est vraiment un très bon film au-delà de tout ça et ça raconte l'histoire d'un mec, ce mec-là, Theodore Wley, qui vient de divorcer, qui a un peu du mal à se remettre en scèle et en gros qui commence à discuter avec un agent conversationnel. et qui en

tombe amoureux. Et c'est marrant parce que ça sort en 2013 et à l'époque tout le monde la critique est unanime. Je reviens sur le fait, c'est vraiment un très bon film Et tout le monde dit "Ah, c'est génial ! nous donne tellement bien la bonne direction de là où il faut pas qu'on aille 10 ans. Fu 10 ans pour voir exactement ça. En 2013, il y a aussi un épisode de Black Mirror qui s'appelle Be right Back qui sort. Premier épisode de la saison 2, enfin un peu de nord dit comme ça mais j'ai beaucoup

travaillé dessus. Et où en gros dans les premières minutes de l'épisode, il y a un couple et l'un des deux prend une voiture et se Tue dans un accident de voiture et en fait elle va recréer son mec euh avec en gros l'intelligence artificielle. Elle va créer en fait ce qu'on appelle aujourd'hui un dead bot. De nouveau pareil souvent en plus c'est souvent le cas avec Black Mirror. Quand les épisodes de Black Mirror sort, tout le monde dit "C'est génial, c'est exactement ça qu'il faut absolument pas faire." 10 ans 10 ans fait tout pareil, il

y a des dettes votes partout, il y a Des gens qui se marient avec des IA. Je ça c'est des vraies choses qui se passent aujourd'hui. Donc là tout le monde com et si et pas que genre dans des endroits où vous direz c'est des gens bizarres. Oui il y a des cas au Japon. Ou les cas aux États-Unis, il y a des cas en Europe. Ça c'est des vraies questions. Alors, je reviendrai un petit peu vite sur l'impact environnemental parce que je pense que c'est assez moi je trouve ça Assez important. Les deadbot, je

sais c'est un peu marrant mais voilà, vous en faites pas. La prochaine étape c'est de faire l'amour avec Deadbot et cetera et cetera. C'est tout bientôt pour ceux que ça intéressera vraiment. tout bientôt. Euh en gros, l'impact environnemental, il se fait sur trois ressources principalement. L'électricité d'une part, l'eau d'autre Part et l'état rare. Je vais pas aller trop trop en profondeur là-dessus, mais pour vous ayez un petit peu une idée de de la magnitude du truc et de l'ampleur. L'électricité, ça paraît assez logique, hein, grosso modo, c'est voilà les data centers, comment est-ce qu'on va

les fournir en électricité ? En vrai, depuis quelques années, depuis environ 10 ans, les années 2010, effectivement, on a fait énormément d'investissements sur la performance énergétique des data center Et grosso modo, il consomment de moins en moins entre guillemets par data center depuis plusieurs années. On a fait énormément de progrès là-dessus. Le problème étant que on en a de plus en plus les data centers. La Google vient d'annoncer qu'ils ils allaient investir 5 milliards en Belgique, Amazon je crois 2 milliards. Google met 40 milliards au Texas pour faire des data center. On en a de

plus en plus. Donc évidemment la consommation explose mais par data Secteur, on a fait pas mal de progrès. La question de l'électricité en fait l'électricité en tant que telle c'est pas un problème d'un point de vue environnemental. La vraie question qu'il faut se poser, c'est cette électricité, elle est produite comment ? Il y a trois grosses façons de produire l'électricité qui sont le nucléaire, le renouvelable, principalement l'éolien et le solaire et les énergies fossiles. Je suis pas tout à fait sûr de mon Chiffre mais je crois que grosso modo dans le monde 80 % de

l'électricité est produite avec des énergies fossiles et notamment aux États-Unis et très spécifiquement en Virginie occidentale où en gros on fait péter des montagnes à coup de dynamite, on récupère du charbon, on crame tout ça en électricité pas cher. Ça c'est le véritable enjeu de l'électricité. C'est pas tellement si jamais tout le monde était sur du Renouvelable du nucléaire, je rentre pas dans le débat du nucléaire mais ça reste en tout cas clean pour le moment d'un point de vue environnemental. On n pas du tout la même question au niveau de l'électricité. Aujourd'hui, c'est pas

le cas. Deuxième gros enjeu, c'est l'eau. Pourquoi l'eau ? Est-ce que quelqu'un sait pourquoi l'eau ? Ouais. Pour faire les serveurs. Exactement. En gros, en fait, les serveurs, je sais pas si vous avez déjà essayé avec votre ordinateur d'ouvrir en même temps un Excel avec 20000 lignes, un PowerPoint avec 200 slides, d'être en visu avec quelqu'un et de mat un film, votre ordinateur généralement à ce moment-là, vous avez l'impression qu'il s'envole. Pourquoi ? Parce qu'il a un petit ventilateur à l'intérieur qui est en train de tourner très très très fort parce que ça chauffe trop.

Ça fait comme Ça, vous êtes là, qu'est-ce qui se passe ? Ben, en fait, les serveurs pareil. Et donc, pour refroidir les serveurs, on va asperger sur les serveurs des micro gouttelettes d'eau. Ça va permettre de les refroidir. OK ? La question c'est évidemment l'eau en tant que telle c'est reste une ressource globalement abondante. On a quand même deux trois problèmes avec l'eau. C'est que un il y a des endroits où c'est pas une ressource abondante. Et Qu'est-ce qu'on fait quand on a dat des data centers pardon dans des régions qui sont déjà en stress

hybrique hydrique ? Est-ce que en gros à un moment on risque pas de se retrouver entre un choix un peu compliqué de est-ce qu'on donne l'eau à la population ou est-ce qu'on donne l'eau au data center ? Et ça paraît hyper bête comme question, mais si sur le data center, il y a la moitié du système financier du pays qui est en train de tourner, Là la question, ça devient plutôt est-ce qu'on donne l'eau à la population de ce petit village ou est-ce qu'on pris la moitié du pays de son système financier ? Vous savez,

c'est c'est c'est rarement facile les dilemmes comme ça. Juste pour que vous ayez un tout petit peu en tête en terme d'impact, il y a le l'entreprise Mistrale a sorti, je je trouve un les chiffres admirables, j'aurais dû les mettre sur un slide euh sur justement l'utilisation un peu par Demande par demande de une page de texte. En gros, donc environ 400 token. OK, 400 token, c'est l'équivalent de 1,14 g de CO2, enfin en équivalent CO2. Et c'est aussi 50 ml d'eau. 50 ml d'eau pour une page de texte. OK, juste pour que vous ayez

en tête, on va faire les calculs ensemble rapidement. Chat GPT dernièrement Opena, il a dit que chat GPT avait 700 millions d'utilisateurs par semaine. On peut partir, je pense, du proxy de se dire Que chaque utilisateur par semaine pont une page de texte. Je pense en a qui feront plus, il y en a qui feront moins, mais partons sur une page de texte environ par personne par semaine. Donc ça fait 50 ml d'eau par personne par semaine. Ça fait 35 millions de litres juste pour chat GPT. On a pas parlé de Gemini, on a pas

parlé de Mistral, on a pas parlé de Dipsic et cetera et cetera. 35 millions d'eau, 35 millions de litres d'eau pardon, 60 % de l'eau potable. Pour vous dire à quel point c'est vraiment débile. Ça c'est la consommation de l'eau. C'est un véritable enjeu. Et puis enfin la question des matériaux, les terres rares en fait. Il y a un graphique qui est assez sympa qui montre un peu sur le tableau de MDF. En gros, en 2000, on utilisait une dizaine d'éléments pour construire nos objets tech. Aujourd'hui, on est plutôt sur une cinquantaine. Donc évidemment, plus

on va chercher des Éléments qui sont fins, précieux, difficiles à obtenir, plus bah il va falloir extraire beaucoup de minerais. Et extraire de minerais, je vous enfin je vous apprends pas grand chose. Ça pose des problèmes d'un point de vue environnemental d'une part he parce qu'il faut faire péter des trucs, faut ça. Et puis d'un point de vue colonial et néocolonial, c'est quand même compliqué. C'est quand même souvent fait dans des pays qui sont plus pauvres, Exploités par des pays qui sont plus riches et cetera. On revient sur la question de nécolonialisme, d'esclavage et cetera

et tout ça c'est pas joli joli. Et donc utiliser chat GPT, c'est s'intégrer par définition dans ce système là. Après est-ce que toutes les personnes qui utilisent CH GPT sont des gens qui crament la planète et des bâtards ? Non. Tout comme typiquement la comparaison avec l'avion. L'avion c'est très certain, c'est le probement le Moyen de transport le plus climaticide et le plus inégal de la population. Ça veut pas dire qu'il y a pas des bonnes raisons de prendre l'avion et ça veut pas dire que toutes les personnes qui prennent l'avion sont des bâtards. Néanmoins,

il y a peut-être des façons de repenser l'usage tant de l'avion que l'intelligence artificielle. Je voulais prendre un peu les dernières minutes pour revenir sur en entreprise. En gros, comment est-ce que ça peut se Faire ? Comment est-ce qu'on peut un peu gouverner tout ça ? Parce que là, on a parlé de concept qui peuvent sembler un peu théorique. Comment est-ce qu'on fait ? De nouveau, c'est un modèle, c'est pas le seul mais je trouve assez pertinent parce qu'il permet de couvrir un peu différentes couches. Modèle dit en sablier glass un sablier qui permet de

faire un peu le lien entre des facteurs externes et des facteurs internes. Les facteurs externes d'abord c'est en gros Qu'est-ce qu'on va prendre en place, qu'est-ce pardon qu'est-ce qu'on va prendre en compte qui va venir un peu dans nos facteurs organisationnels qui va venir ensuite percoller sur les différents systèmes. Les facteurs externes principalement, bah c'est ce qu'on appelle la hard law, en gros les high actes qui peuvent avoir aux États-Unis, en Chine et notamment ça aussi parfois aussi les les ce qu'on va dire les les Grands principes éthiques. Grosso modo dans le monde euh cramer

la planète c'est quand même pas bien, tuer des gens c'est pas bien, exploiter des gens c'est pas bien, il y a des choses bien, des choses pas bien et ce et un peu la pression des stoleurs qui sont pas forcément toujours le régulateur mais si vous êtes une ville et que vous utilisez de l'IA, qu'est-ce que vos citoyens ou concitoyens peuvent dire et cetera par rapport à ça ? Les facteurs organisationnels, c'est un petit peu vous dans votre entreprise, comment est-ce que vous avez décidé de bosser et puis vos systèmes d'IA, c'est un peu les

différentes choses qui existent. Je vous aurai les slides après, donc vous en faites pas si vous voulez revenir dessus. Et je vous ai mis pour ceux qui sont vraiment très très motivés, l'article scientifique qui sort de ça, ce qui est vraiment pas du toutvable contrairement à d'autres. Alors, on revenons un peu d'abord sur la hardlow. la Harl grosso modo le GDPR euh le RGD pardon les Act les Act donc qui a été voté en 2024 euh après beaucoup de travail et beaucoup de négociations et et de lobby intense. Grosso modo, qu'est-ce que ça fait les

Ict ? Il divise en fait les c'est la bonne réponse s'il vous plaît c'est la très bonne réponse du régulateur qui s'est dit onarrête pas de me dire que je suis en retard sur la Tech donc au lieu de réguler la tech je vais réguler les risques. Si la technologie que vous allez développer pose des risques tel niveau tel niveau tel niveau, voilà ce que vous êtes obligé de faire. Ils ont divisé ça en quatre types de risques. Les risques inacceptables, risque élevé, risque modéré, risque limité. Les risques inacceptables. Grosso modo, c'est tout ce que

vous voulez dans Black Mirror. C'est simple, le crédit social, euh la Vidéos surveillance biométrique de masse continue et systématique. Voilà, grosso modo, c'est ça. Les risques élevés, c'est généralement tout ce qui a trait à des données personnelles. Donc en gros, les si vous avez des use cas dans les entreprises et cetera avec des payes des gens, potentiellement des maladies, des trucs, des machins, des orientations sexuelles, des religions. Euh tout ça évidemment risque élevé. Les risques limités, c'est généralement Tout ce qui a trait au traitement d'imagis une image plus lumineuse, moins lumineuse. C'est surtout utilisé dans

l'industrie des jeux vidéos et les risques modérés, c'est le reste. Donc ça c'est un peu les systèmes. Et donc pour chaque système vous avez bon pour les systèmes inacceptables, c'est simple, vous pouvez pas les avoir et puis pour vous avez des obligations de transparence, vous avez Des obligations de de reporting, de test que vous devez faire et cetera. En vrai, c'est assez bien pensé avec aussi des grosses sanctions, notamment ce qui si elles sont mises en œuvre peuvent faire assez mal. Euh si elles sont mises en aujourd'hui, grosso modo, où est-ce qu'on en est ?

On en a à peu près à la moitié de la mise en place. Donc ça veut dire que typiquement pour les risques élevés, il y a pas mal de choses qui sont pas encore mises en place puisque Voilà, on laisse un peu de temps aux entreprises pour pouvoir s'adapter et faire les choses et OK mais tout ce que je vous explique sera peut-être invalidé d'ici de semaines puisque vous avez peut-être entendu parler du ce qu'on appelle le digital omnibus qui est mis en place par qui est proposé par la Commission européenne que le Parlement va

peut-être voter et cetera qui va remettre un peu tout ça en cause mais le principe c'est aujourd'hui ça reste Quand même la plus grosse régulation de l'IA au monde et il y a ce qu'on appelle vous avez peut-être déjà de ce qu'on appelle l'effet de Bruxelles Ce qui fait qu'en gros quand la Commission européenne et le Parlement européen mettent en place cette régulation, après il y a pas mal d'autres institutions qui copie cette régulation. Typiquement, il y a plein de gens qui ont un peu dobé sur leur RGPD en disant "Oh, c'est compliqué, ça va

Pas". Et cetera et cetera. Quelques mois après, le Brésil avait la même loi, la Corée du Sud avait la même loi, la Californie avait la même loi. Voilà, c'est toujours pratique de taper sur l'Union européenne, mais voilà. Je voulais revenir, je vous l'avais dit un petit peu sur pourquoi est-ce que c'est important de comprendre un peu les valeurs de l'entreprise parce que c'est évidemment l'éthique et les valeurs de votre entreprise qui vont décider des Algorithmes que vous allez concevoir. Je disais on voit toujours dans un algorithme la perception du monde de ces concepteurs et conceptrices.

On va prendre un exemple un algorithme qui automatise les décisions de justice. Est-ce qu'on veut qu'il a maximise les vrais positifs ? Ça veut dire qu'on va être certain que aucun coupable ne s'en sort. Où est-ce qu'on veut qu'il petit B minimise les faux positifs ? Ça veut Dire qu'on va être certain qu'il y a aucun innocent qui se retrouve en prison. De nouveau, les deux décisions sont tout à fait louables. Tout avait le droit de dire "Je veux aucun coupable qui s'en sorte mais je veux aucun innocent en prison. Les deux sont louables mais

vous pouvez pas avoir les deux en même temps. Mettons que un crime a été commis et on attrape madame Gabrielle. On pense que c'est elle." "Ah, c'est elle ? Non, c'est pas elle. Si c'est machin elle dit non c'est pas moi ça. Bref, comme on sait pas, on prend son dossier, on met ça dans la machine, on dit bon, dites-nous ce qu'il en est. Et 5050 tip top. Soit elle a vraiment pas de bol, soit elle a vraiment pas du tout été méticuleuse mais en tout cas vraiment 5050. Un algorithme qui va maximiser les vrais

positifs. Donc il faut être certain qu'il y a aucun coupable qui s'en sort, mettra madame Gabriel derrière les Barreaux. un algorithme qui va être certain qu'il y a aucun innocent qui se retrouve en prison la laissera en liberté. On peut pas avoir les deux en même temps. Et donc typiquement et comme je disais, les deux les deux positions sont tout à fait louables. Et donc typiquement ce qu'il va avoir fait c'est les gens qui vont construire cet algorithme doivent dire voilà moi je veux qu'effectivement bah On maximise les vrais positifs ou on minimise les faux

positifs. C'est les valeurs de l'entreprise qui vont décider de ça. Et ça c'est vrai pour plein de trucs hein. On parle souvent d'avoir des des algorithmes pour corriger les copies. Bah là pareil, vous pourriez dire voilà, je veux un algorithme qui corrige les copies et qui du coup quand il hésite donne plutôt l'avantage à étudiant ou plutôt pas. On ça un peu dépendre des cours. Il y a des cours où On dis on va péter un max de monde là, on va faire réussir un max de monde là. C'est exactement ça. Donc ce sont évidemment

nos choix sociaux et nos valeurs qui se retrouvent dans les algorithmes qu'on va faire. Pour revenir vraiment sur un exemple que je voulais quand même vous en donner un sur comment est-ce que ça se traduit dans les systèmes DI et vraiment dans l'entreprise, c'est de réfléchir un petit peu tiens en gros qui fait quoi. Je sais pas si vous avez déjà entendu parler dans une entreprise que s'appelle une matrice rac. Une matrice rac, c'est une matrice qui dit tiens pour tel type d'action qui est responsible, qui est accountable, qui est consulted et qui est informed.

Et si jamais vous êtes dans aucun des cas, c'est qu'en fait on vous demande pas votre avis, on vous tient pas au courant et vous n'êtes personne. C'est ça. Donc évidemment quand on système DIA, c'est la même Question. Il y a une une politologue états-Unis qui s'appelle Choshanazubov qui travaille à Harvard qui dit que dans les systèmes technologiques pas forcément de l'IA, il y a toujours trois grandes questions qu'il faut se poser. Qui c'est ? Qui décide ? Et qui décide qui décide ? Autrement dit, qui sont les gardiens des gardiens dans vos systèmes d'IA

? C'est exactement la question qu'il va falloir se poser. Qui c'est ? Il peut y avoir pas mal de Personnes et notamment les personnes qui développent typiquement même les ce qu'on appelle les algorithmes owner ou les AI system owner qui décide bah généralement le head of AI. Il faut un ou une head of AI qui va être capable de dire OK là on va plus tour dans telle direction là on va plus tour t direction et qui décide qui décide idéalement le board le board doit dire telle personne va être notre head of ai voilà

la stratégie qu'on a envie d'avoir et qu'on A envie que il ou elle suive ça c'est comme ça qu'on doit faire. Si jamais vous avez pas ça dans une entreprise, il y a quand même beaucoup de risque que vous ayez d'une part beaucoup de ce qu'on appelle du shadow AI. C'est tout le monde fait un peu de l'I dans son côté dans son coin et sans suivre aucune règle. Et généralement c'est comme ça que vous avez des documents confidentiels qui se retrouvent sur chat GPT hein. C'est Quand on a aucune règle soit en fait vous

faites juste pas d'IA du tout et à ce mois c'est aussi un problème. Le le train de l'IA il est là faut monter dedans, va pas vous attendre. OK donc typiquement il y a un peu ces questions que par où est-ce qu'on commence ? Moi je pense qu'aujourd'hui le premier point qu'il faut faire c'est de former les gens, c'est de former les employés à savoir un petit peu bah comment est-ce qu'on utilise l'IA, qu'est-ce que ça Peut faire, qu'est-ce que ça peut pas faire et ça soit en façon c'est une obligation réglementaire, ça fait partie

de l'IC act, on doit former les gens. Deuxème aspect, mettre en place des comités d'éthique, des gens qui vont effectivement réfléchir à qu'est-ce qu'on va faire avec l'intelligence artificielle qu'on va avoir et puis nommer un chief et officer. Ça ce serait vraiment super. C'est un peu un peu du wishful thinking de ma part. C'est un Peu naïf mais je pense que c'est aussi dans ces directions qu'il faut aller. Les cinq catégories c'est notamment de de compétences quand on parle de formation ça d'une part la ch aussi donc comprendre comment ça marche. Analyser interpréter des données.

Ça c'est principalement pour des systèmes d'IA au sens large pas forcément de li générative. Le sens dans l'organisation, ça veut donc aussi dire tiens dans mon organisation où est-ce que je vais Utiliser de l'IA, où est-ce que je vais pas en utiliser où est-ce que ça va être fort ou est-ce que ça va servir à rien. La place de l'humain, comprendre comment est-ce qu'on peut maximiser le output dans la collaboration humain machine et où est-ce que ça a du sens et où est-ce que ça a pas de sens. Évidemment former les gens à l'éthique, au

biais et au risque d'un point de vue cybersécurité que pas. Il y a aussi une question de comité D'éthique. Alors moi je dis souvent pour créer un comité d'éthique, il suffit pas juste de mettre trois personnes ou 5 personnes ou 10 personnes ensemble pour papoter. Ça dans ce cas-là ça s'appelle une bande de pote. C'est pas du tout un problème. Mais si jamais vous avez pas quelques guidelines, vous êtes pas un comité d'éthique. Pour un comité d'éthique, moi je dis qu'il y a trois choses. D'une part, la pluridisciplinarité et la diversité. Je Sais pas si

certains d'entre vous qui ont déjà entendu parler des du problème des matquins de crash test. Je sais pas si ça vous parle un peu. En gros, en gros quand on a créé des bagnoles au début, il y a pas de crash test, il y a pas de mannequin de crash test et puis ensuite on s quand même bien qu'on voit si un accident est-ce que notre voiture elle est CF ou pas. Euh et donc on a créé des manqué je crois les années 1970 1980. Et donc les Personnes qui ont fait ça, c'est des gens

qui étaient des mécaniciens chez je crois Volvo et qui ont dit "Bon ben super, on va faire ça." Évidemment c'était des mecs et donc leur but était pas de tuer des meufs mais ils étaient un peu comme ça et donc ils sont dit "Bah tiens 12 crash test ça va faire 1,78 et 76 kg qui est donc pas du tout la taille moyenne ou le point moyen d'une femme." Donc aujourd'hui encore, ça je le dis Pour celles qui conduisent, conduire une voiture c'est beaucoup plus dangereux pour une femme que pour un homme puisqueen fait vous

avez pas la taille généralement pour atteindre les pédales et donc les femmes sont obligées de rouler plus comme ça que comme ça qui qui est la position la plus safe. Pourquoi ? De nouveau pas parce que les mecs avaient en tête de tuer des femmes. Mais si jamais il y avait une femme dans le truc, elle aura dit alors Excusez-moi, moi je fais 1,56, votre truc de 1,70 80 là je rentre par avec nous. Et aujourd'hui encore, il y a beaucoup de mouvements qui sont en train de militer pour que justement on fasse des voitures

qui soient plus inclusives à ce niveau-là. Les voitures aujourd'hui sont designées pour des mecs, en tout cas pour des gens qui font 1,75 80 et qui pèsent 80 kg. Deuxème aspect, c'est avec un mandat fort. Comme je le disais, évidemment ça Reste des avis consultatifs, mais si jamais vous êtes juste des gens "Ah bah tiens, on a réfléchi sur ça et puis voilà et qu'on en fait rien, vous faites ce qu'on appelle de la cosmétique." C'est que ça fait joli mais c'est pas de l'éthique. C'est juste je reviens dessus une bande de potes qui discutent

pendant leurs heures de travail ou des questions qui se posent. Si mais il y a aucun mandat et qu'on écoute jamais les équipes d'éthique, c'est ce qu'on Appelle aussi du ethics washing. C'est comme du green washing mais politique. Et après, il faut selon moi toujours s'éloigner de ce que j'appelle une posture de l'éthique sans éthique. On peut pas juste se dire "Oh, vous savez, nous on est juste une entreprise, oh nous on est juste une infrastructure. Ah nous on est juste dans les cas entreprises tech, on est juste une plateforme, on a aucune responsabilité sur

ce que les gens postent." Ça c'est Un peu de l'éthique sans éthique. C'est l'éthique, c'est de dire "Ah nous, on n pas d'éthique, on est juste une plateforme". C'est extrêmement lâche et c'est complètement se trompé de de propos. Et pour le chief office, je voulais peut-être un peu vous faire une s un peu de de ligne du temps parce que je vois quelque chose d'un peu similaire à à ce qu'on appelle au Chief Sustainability officer. En gros, 1972, rapport du club De Rome qui explique un peu qu'on a un peu des limité à la croissance,

qu'il faut commencer à faire gaffe. Tout le monde s'en cogne. Personne le lit, ça fait pas du tout de bruit, ça devrait mais malheureusement pas. Et puis petit à petit, il y a quand même des trucs qui commencent à se passer. Il y a des cresses, il y a des inations, il y a des films aussi qui sortent, qui mettent certaines choses en place et cetera. Il y a des premiers premiers textes Régulatoires. Les politiques donc s'emparent un peu de cette questionlà, ce soit par opportunisme ou par vraiment conviction. Et puis en fait en 2004,

il y a la première Chief Sustainability officer dans une base qui appelle Dupont qui vient d'avoir un énorme scandale environnemental et qui donc se dit ou merde bon pour gérer la crise, on va nommer une chief sustainability officer et maintenant il y en a à peu près partout. pas une seule boîte digne de ce Nom qui a pas un chiff officer à partir du moment où ça quand même un peu une t critique une boîte de trois et ben moi je peux imaginer que on est quelque chose d'assez similaire dans tout ce qui est chiff

et officer au début des rapports sur la question de l'éthique de la tex dit depuis très longtemps et pendant très longtemps tout le monde s'en fout et puis petit à petit on commence à avoir quelques scandales notamment comme ridaltica qui a posé pas Mal de problèmes là on commence à avoir des suicides de gens qui parlent avec chat GPT et cetera et cetera et donc petit à petit on arrive à voilà quelque chose où les gens peuvent se dire ça serait peut-être bien d'avoir dans les boîtes des gens gens qui réfléchissent à ça. Pour conclure,

encore trois slides, quatre slides, 5 cel il va vite. En gros, ce que j'avais Envie si jamais il y a une chose que je voulais que vous reteniez aujourd'h est jamais neutre. Mais pourquoi est-ce qu'on dit que la technique elle est pas neutre ? Entendu ça. Alors, je voulais un petit peu juste expliciter un peu pourquoi est-ce qu'on dit que la technique est pas neutre. La première raison, c'est que la technique, elle porte en elle une valeur latente qui est celle de l'efficacité. aller dans n'importe quelle boîte, Défendre un projet pour dire "Écoutez, on va

développer un algorithme pour faire ce qu'on fait déjà, mais moins vite et moins bien." Bonne chance, ça n'ira pas. On a comme valeur l'attente de notre société néolibérale et ultracapitaliste de on doit aller plus vite, on doit produire plus pour moins cher tout le temps. C'est une valeur. Donc par définition, c'est pas notre deuxième point c'est de rappeler que l'innovation technologique elle dépend De l'ARED la recherche et développement qui se fait aujourd'hui principalement à deux endroits. Les laboratoires des universités, les laboratoires des entreprises. Dans les deux cas, ces endroits on a besoin de tune. Et

donc les personnes qui vont amener cet argent, que ce soi des viis, que ce soit des philanthropes, que ce soi des États, vont décider de l'avenir de la tech en disant oui, on va mettre de l'argent pour le développement de tel algorithme Qui fait ça. On ne va pas mettre de l'argent pour tel algorithme qui fait ça. C'est pas fondamentalement un problème. En revanche, dire que la tech est neutre alors que de base, il y a des gens qui choisissent où est-ce qu'on va mettre l'argent, c'est évidemment problématique. Typiquement Elon Musk met beaucoup beaucoup d'argent

pour créer ce qu'il a appelé Grikipédia qui est Wikipédia non W d'après Elon Musk toujours qui est grosso modo une copie Conforme de Wikipédia sauf pour trois quatre articles notamment celui sur Elon Musk dans lequel il a l'air d'être beaucoup plus stylé que dans l'article sur Wikipédia mais ça c'est pas nôtre c'est lui qui avait beaucoup d'argent et qui a décidé de mettre de l'argent là 3è aspect c'est que quand vous créez une technologie c'est pas toujours évident de prévoir tous les aspects de cette technologie comment les gens vont s'en emparer, Comment est-ce que le

modèle économique va s'adapter à ça ? Comment est-ce que du coup votre votre technologie, votre nouveau truc va évoluer ? Je vais prendre l'exemple de Mars Zuckerberg. Est-ce que en 2004, quand selon la légende, il écrit l'algorithme de ce qui deviendra Facebook sur la fenêtre de son dortoir à Harvard, est-ce qu'il avait déjà en tête à ce moment-là de [ __ ] en l'air la démocratie et de polariser l'opinion publique ? Je ne crois pas. Le Garçon est dérangé certes, mais quand même pas à ce point-là. Et pourtant, c'est ce qu'il est advenu à cause

du modèle économique qu'il a mis en place, à cause simplement de notre société en règle générale. Tout n'est pas de la faute de Z. Mais de base, il pouvait pas. Et donc au moment où il dit Facebook ce sera neutre, bah en fait tuen sais rien. On ne pouvait pas prévoir tout ce qui va arriver, la façon dont les gens vont s'en emparer et Cetera. C'est extrêmement compliqué. Et puis enfin peut-être mon ma raison préférée, c'est de rappeler que toute technique porte en elle un nouveau rapport au monde dans le sens où oui, vous êtes

libre d'utiliser ou de ne pas utiliser la tech. C'est vrai. C'est vrai. Mais est-ce que vous êtes vraiment 100 % libre ? Est-ce qu'il est possible d'être étudiant ici et de refuser d'avoir une adresse mail ? Moi papier crayon, c'est Tout. Mon père bosse chez Bipost. Moi, je fais que papier crayon. Je crois pas que ce soit possible de la passant, je pense pas que ce soit un problème. Et j'ai mis un peu le le dessin d'une d'un insecte, une petite mouche comme ça qui vole. Pourquoi ? Parce que la liberté qu'on a par rapport

à la Tex, c'est un peu comme vous saz moi je suis venu en train de Bruxelles ce matin. Imaginez un train qui part de Bruxelles qui va vers Liège. C'est un très grand train. Toutes Les fenêtres sont fermées mais toutes les portes sont ouvertes. Et vous vous êtes ce petit insecte volant toute petite mouche dans ce très grand train plus a étages très grand. Techniquement vous êtes libre. C'est vraiment un très grand train. Vous êtes tout petit, vous avez une marge de manœuvre qui est gigantesque. Vous pouvez vraiment aller où vous voulez. C'est très très

grand. Et le trajet d'ailleurs sur n'est même pas si long. Pourtant libre ou pas, vous partez de Bruxelles, je vous garantis que vous arrivez à Liège. Vous arrivez pas à Amur, vous arrivez pas à Londres, vous arrivez pas à Paris, vous arrivez pas à Amsterdam, vous arrivez à Liège. Ça c'est la liberté que vous avez. De nouveau, c'est pas fondamentalement problématique si on est d'accord d'arriver à Liège, s'il a été décidé démocratiquement que en fait en tant que société, c'est à Liège qu'on a Envie d'aller beaucoup de poids sur la ville de Liège. Mais aujourd'hui,

c'est pas ce qui est en train de se passer. Il y a une poignée de personnes qui disent vous tous là toutes les mouches du train hop on va liège. Ça potentiellement pour moi démocratiquement c'est un échec. C'est ce sur quoi il va falloir que citoyens et citoyens on reprenne un peu la main. Il faut bien se rendre compte que dans L'éthique de la technologie, tous les problèmes qu'on va rencontrer sont soit des problèmes de métaphysique, soit des problèmes de philosophie politique dans le sens où la technologie nous force à remettre en question les systèmes

politiques qu'on a en place. Est-ce que la démocratie ça marche toujours avec l'air de la tech ? Comment est-ce qu'on a envie de le faire ? Et cetera et cetera. Ça sont des questions qui sont en tout cas selon moi Éminemment importantes. Pour terminer comme je disais à gauche, il y a cette phrase de Ren J qui est un l'ancien CEO du Alin Institute For qui est un gros thinking tank de la Silicone Vallée. Enfin bref, pas du tout un mec qui est antitech loin de là. Il dit que une des raisons pour lesquelles il

n'aime pas les discussions sur la super intelligence donc le côté Skynet et cetera et cetera, c'est quelles sont les Distractions des vrais enjeux. Moi aujourd'hui ce que j'ai voulu remettre en avant c'est justement ça. Les vrais enjeux. Non, les robots ne vont pas tous nous tuer. Très bien. Est-ce que ça veut dire que du coup tout est résolu ? Non, pas du tout. Il y a plein de question qu'il faut se poser. Qu'est-ce qu'on va faire des gains de productivité dans les entreprises ? Comment est-ce qu'on garantit la diversité et l'inclusion ? Comment est-ce qu'on

gère les impacts Environnementaux ? Comment est-ce qu'on gère les impacts sociétaux ? Qu'est-ce qu'on fait des click workers et des dat workers ? Qu'est-ce qu'on fait la technopolitique, la géopolitique de la tech ? Comment est-ce qu'on va gérer le concept de vérité au moment où vous êtes plus capable de faire confiance à la moindre image et cetera et cetera ? Ça c'est les questions qu'il faut se poser. Normoins moi je voulais vous rester, je voulais vous vous laisser pardon comme J'ai dit j'ai dit beaucoup de trucs. Si jamais il y a un seul truc à

retenir deux par rapport à ce que je disais avant un seul truc c'est une seule question elle est elle est posée alors pas du tout par rapport à mais elle est posée par Simon de Beauvoir en 1948 dans un livre qui s'appelle tous les hommes sont mortels et il dit je me demande ce que font les hommes de tout ce temps qu'il gagne. Je trouve que cette question elle résume exactement tout le Rapport qu'on doit avoir avec L. Est-ce que l'IA va nous faire gagner du temps ? Oui, c'est sûr. Mais pour rappel, c'est l'histoire

de la technologie dans l'histoire de l'humanité. On a toujours fait des la technologie pour faire des choses mieux et plus rapidement. De nouveau, c'est pas fondamentalement un problème. La question c'est un à quel coup ? Et de ce temps qu'on gagne, qu'est-ce qu'on va en faire ? Si vous gagnez 2 heures par semaine grâce à chat GPT et que c'est 2 heures que vous allez passer à jouer à Candy Crush, je suis pas certain qu'il faille investir à mort dans l'IA. Néanmoins, si c'est 2 heures que vous gagnez, vous pouvez les passer à boire un

café avec vos potes, à dans mon cas voir plus vos enfants, à lire un bouquin, à écrire, à vous passionner pour quelque chose, à peindre, à aller courir, ce que vous voulez. Ouais, je pense que c'est du Temps qui est extrêmement bien gagné. Je pense qu'il faut investir là-dedans. Merci beaucoup. [applaudissements] Du coup, on a on a 10 minutes si jamais il y a des gens qui ont des questions ou voilà. Sinon, comme disait madame Gabriel au début, je suis très voire trop actif sur LinkedIn et je réponds toujours. Donc si jamais vous avez des

questions, n'hésitez pas. Mais sinon moi je reste encore un petit peu. Donc Voilà. Oui. Ah pardon. Euh merci beaucoup pour cette super présentation, je trouvais ça super intéressant et très euh insightful. Euh j'ai plusieurs questions, j'en ai une mais juste une simple ici parce qu'on est en train d'essayer de faire ça ici sur le le campus. Mais comment est-ce qu'on sélectionne efficacement un bah moi je pense qu'il faut une personne qui soit d'une part sensible aux enjeux Sociétaux et une personne qui comprenne comment ça marche la tech. Et donc ils comprennent un peu quels sont

les enjeux là derrière parce que tous les enjeux en fait ils vont être toujours un peu à cheval entre est-ce qu'on utilise la tech, quelle tech est-ce qu'on utilise et pour quels impacts. Donc il faut je pense est-ce qu'il faut forcément une personne qui a fait de la philosophie ? Non c'est pas pas obligatoire d'avoir un philosophe. Désolé pour philosophes mais Donc je pense que ça peut être intéressant. Il faut des gens qui soient conscients à ça et qui soient pas dans une optique et on le voit beaucoup en entreprise des gens qui viennent de

l'aïti et qui veulent juste développer le meilleur modèle for the sake of le meilleur modèle un peu le le cliché de l'ingénieur de jeux construire un truc qui marche hyper bien mais pourquoi est-ce que ça marche hyper bien et est-ce que ça vaut le coup Voilà mais j' dire si mets ce que je pour avoir étudiant si jamais les gens veulent partir ils peuvent partir et ensuite si vous voulez on reste à deux et moi j'ai un peu de temps. Très bien. Sauf si quelqu'un vraiment une question qui veut poser à tout le monde, mais

sinon je vous libère avec grand plaisir. C'est samedi hein vous rappelle. Très bien. Merci. [applaudissements]