• NYC bans AI use for students until they reach high school
    https://www.theverge.com/policy/988228/nyc-ai-restrictions-in-schools-chatbot-ban

    The policy also bans companion #chatbots across all grades.

    #New_York City mayor #Zohran_Mamdani has announced a new policy today that will ban younger schoolchildren from using AI in classrooms. The one-year moratorium, effective in the 2026-2027 school year, will impact about 600,000 public school students in 2-K through eighth grade and is being introduced alongside additional limits on digital devices and a small pilot program for AI education tools.

    The new rules being introduced by NYC’s Department of Education will bar teachers from using AI tools to grade assignments, and keep students from using the technology in the classroom until they enter high school, with chatbots designed specifically for companionship and mental support reportedly being banned in all grades. High school aged students will only be permitted to use #AI in specific instances, and they’ll be offered AI literacy classes twice a year to help students “think critically” before they come to “rely on it.”

    #Mamdani #NYC #IA

    • Mamdani Issues AI Moratorium in NYC Schools – Mother Jones
      https://www.motherjones.com/politics/2026/09/mamdani-nyc-ai-ban-pause-moratorium-public-schools

      #Mamdani is dressed in a black suit, standing just behind a podium, and speaking into a microphone at a press conference. He is showing the back of his right hand to emphasize his talking point.

      Mayor Zohran Mamdani holds a press conference to announce a one-year moratorium on student AI usage in NYC public schools. NDZ/STAR MAX/IPx
      Get your news from a source that’s not owned and controlled by oligarchs. Sign up for the free Mother Jones Daily.

      New York City Mayor Zohran Mamdani announced a one-year moratorium on AI use for elementary and middle school students on Wednesday.

      The decision, which comes a week before New York City public schools begin the year, “includes all software that uses student-facing generative AI.” Elementary and middle school students—about 600,000 students in total—will receive screen-time restrictions that loosen over advancing grades, ranging from zero to 45 minutes per day. Companion chatbots will also be prohibited for all grade levels.

      The city is also introducing biannual AI critical thinking training for high schoolers that cover determining what is and is not AI, impacts on careers and future skills, and AI-related biases, among others, along with limited pilot programs for a few classes per high school that incorporate AI tools into students’ learning “under the direct supervision of a trained educator.”

      “Children need their teachers and human connection in order to learn and in order to grow. And they need to develop skills alongside their peers, build relationships with their teachers, and wrestle with tough problems on their own,” Mayor Mamdani said in a Wednesday press conference. “The tech industry wants us to believe that AI in early education is not only inevitable, but that it is necessary. We do not see it that way.”

      The new policies will not apply to cases such as assistive tools to help students with disabilities, those who are multilingual learners, and students in career programs like computer science.

  • L’IA dans les formations supérieures : beaucoup d’effets délétères et peu d’apports positifs

    D’après l’enquête IA et enseignement supérieur réalisée par le MESR en juin 2025 (https://mission-ia-sup.forge.apps.education.fr), les usages pédagogiques de l’IAG (Intelligence Artificielle Générative) largement dominants dans les universités sont de l’aide à la rédaction (44% des usages pour les enseignant·es et 62% pour les étudiant·es) et la recherche d’information (75% pour les étudiant·es). En termes d’outils d’IA souhaités, la recherche d’information arrive en rang 1 avec 60% des étudiant·es, à quoi s’ajoutent 50% de recherche de sources diversifiées (rang 4) et 50% de vérification d’informations (rang 2). Le rang 3 est occupé par l’assistance à la rédaction. Il n’y a donc pour l’instant aucun doute sur les usages actuels de l’IA et leur avenir proche par les étudiant·es. Pour les enseignant·es il s’agit surtout d’aides à l’évaluation (les 5 premiers rangs, supérieurs à 50%).

    Réaliser soi-même la recherche d’information et de rédaction est essentiel dans une formation supérieure

    Or ces usages touchent au coeur même des activités d’#apprentissage, fondé, dans le supérieur, sur des méthodes rigoureuses issues de la #recherche_scientifique (Voir aussi : https://www.polytechnique-insights.com/tribunes/digital/lia-generative-bouleverse-t-elle-les-pratiques-pedagogiques). Il est crucial d’apprendre à chercher et identifier les #sources, les vérifier, les comparer, les valider. Les étudiant·es demandent la plupart du temps à l’IAG de faire ce travail à leur place, n’apprenant donc pas à le faire. Pire : l’IAG est un intermédiaire qui masque les sources, d’autant que les outils d’IA gratuits qu’utilisent les étudiant·es offrent des possibilités limitées. On voit ainsi souvent des #bibliographies fictives, où une IA a associé des noms d’auteurs et d’autrices réels avec des titres d’ouvrages réels ou probables chez des éditions vraisemblables sauf que ces ouvrages n’existent pas : l’IAG a combiné des éléments probables. Exemple vécu : dans une #bibliographie de 25 titres d’un projet de mémoire de master en juin 2025, 23 étaient inventés.

    Même chose pour la #rédaction. Rédiger, ce n’est pas seulement livrer un produit fini, c’est surtout un processus à fonction cognitive qui concrétise la #pensée dans un #discours_organisé, et renvoie à la personne qui écrit son propre #discours à lire, la pousse à s’interroger sur les #termes justes et les #formulations nuancées. Quand on fait produire un texte à une #IAG, cette activité disparaît. On a du mal à identifier quels textes déjà disponibles en ligne l’IAG a pillés, mélangés, vidés de leurs spécificités, et donc à vérifier leur #cohérence et leur #validité. Or l’apprentissage de méthodes à usage autonome, c’est l’objectif majeur d’une formation supérieure. Et quand on utilise une IAG « seulement » pour « améliorer » la forme d’un texte, ce qu’elle sait plutôt bien faire, on court plusieurs #risques qui ne valent pas la #surconsommation_énergétique : perdre en cohérence entre le discours et la pensée qui l’a produit, donner la primauté à la forme sur le fond, uniformiser les modalités d’expression par l’application de #modèles_automatisés... L’une des constatations de l’enquête de 2025, c’est que « l’usage direct et sans encadrement d’une IAG est néfaste sur les apprentissages » (p.24).

    Cela ne signifie pas qu’aucun usage pédagogique pertinent ne puisse être fait d’une IAG, selon les domaines et de manière tutorée, notamment dans les domaines où l’IA fournit une #aide_technique de beaucoup plus haut niveau que ce que faisaient déjà des outils informatiques comme, par exemple, des tableurs ou des visions augmentées (télescopes ou microscopes). Mais, dès lors qu’il s’agit de contenus produits par la #pensée_humaine et utiles pour son développement, de domaines de connaissances où les textes occupent une place importante pour contextualiser dans la complexité du monde et produire prioritairement du #sens, la délégation à une machine crée davantage de manques qu’elle ne viendrait en combler.

    Exemple d’une soutenance de master

    Lors d’une soutenance de Master en Esthétique et Théorie des arts, sur l’insistance du jury, le candidat a admis avoir fait usage de l’IAG pour rédiger son mémoire. Le mémoire de 180 pages était rédigé sans la moindre erreur orthographique. Au niveau formel, rien à redire. Mais l’IAG compile, elle ne pense pas. Elle a en effet combiné des éléments probables d’information sans jamais attiser le désir de les vérifier, en entretenant l’#illusion_de_la_vérité. Elle a conduit à asséner des #généralités dont pas une ne pouvait résister à l’#esprit_critique. Pourtant, il n’y a que sur les pires chaînes de télévision que la compilation d’éléments information est donnée comme équivalente à un #argumentaire bien ficelé.

    Ainsi, pour développer et mettre en travail le concept d’habitus de P. Bourdieu, pourtant l’un des plus travaillés au monde, l’IA a proposé un falot manuel de sociologie pour débutant·es. Lorsque G. Bataille est cité, la référence de l’ouvrage ne comporte pas de numéro de page, l’IAG ne s’embarrassant pas de ces détails. Il fut donc impossible de vérifier s’il parlait effectivement (en 1957) de « ruptures des frontières corporelles dans la danse », ce qui serait très étonnant. L’IAG aura transformé la moindre idée porteuse de sens en #discours_indigent. Avec elle, la pensée propre à l’étudiant et son potentiel à problématiser ont cédé la place à la #banalité.

    Que faudrait-il changer face aux usages risqués de l’IA côté enseignement ? (Voir aussi : UNESCO, 2023, Guide pour l’IA générative dans l’éducation et la recherche : https://unesdoc.unesco.org/ark:/48223/pf0000389901)

    Malgré tout cela, il semble déjà difficile d’empêcher l’usage de l’AI par les étudiant·es.

    Auparavant, on était bien souvent dans une forme de dispositifs d’apprentissage implicites, avec des « raccourcis » grossiers dans la pertinence des évaluations (au risque d’ailleurs d’entraîner l’échec de tous les étudiant·es différent·es de la norme, sans les codes, etc.). La faute à la (non ?) formation à la pédagogie des enseignant·es du supérieur, mais aussi au manque de moyens. Également au déficit, dans l’évaluation de la carrière des E-C, de reconnaissance de l’expertise en enseignement, face à l’importance accordée aux activités de recherche.

    Si on veut garder un niveau d’apprentissage sérieux, relatif à ce qui peut s’ancrer durablement dans l’esprit de nos étudiant·es, on est donc face à la nécessité d’adapter nos #méthodes_pédagogiques. Le remède n’est pas forcément inaccessible. On doit s’assurer en détail que les étudiant·es travaillent pour de bon l’élaboration progressive d’une maîtrise des diverses #compétences et de leur articulation. On est donc forcés de faire une mesure plus fine de l’authenticité, des progressions dans le temps, plutôt que la simple #évaluation d’un résultat final. Tout cela va avoir un coût humain et logistique : organiser par exemple beaucoup plus de soutenances à l’oral, en présentiel et synchrone. Et devoir préciser et vérifier à chaque étape si l’IAG est acceptée ou non. Et si oui comment elle est utilisée...

    Il faudrait en somme mieux appliquer les pratiques adéquates standards de la pédagogie, comme l’alignement des dispositifs d’évaluation, par exemple. Tout cela requiert beaucoup d’efforts de la part des enseignant·es, et de moyens, des formations, un taux d’encadrement nettement plus massif. Il faut remettre plus d’humain dans la boucle. Hélas, ce n’est pas la tendance politique du moment. L’IAG porte la promesse magique de la #productivité — et il n’y a pas ou que peu d’alternatives puisque le marché en fourgue partout dans nos appareils et nos logiciels. Pourtant, si on veut former à l’#effort dans un monde de facilité, ça va coûter plus cher.

    https://cgt.fercsup.net/l-echo-du-sup/echo-du-sup-numero-11-juin-2026-l-ia-dans-l-esr-ou-l-esr-dans-l-ia/article/l-ia-dans-les-formations-superieures-beaucoup-d-effets-deleteres-et-peu
    #IA #AI #intelligence_artificielle #ESR #enseignement_supérieur #université #facs #pédagogie #à_lire

    • L’IA générative bouleverse-t-elle les pratiques pédagogiques ?

      En bref

      – Rendu public par OpenAI en 2023, GPT-4 a atteint des niveaux de performance comparables à ceux d’étudiants de second cycle sur des exercices de logique, de mathématiques et de rédaction académique.
      – Les #modèles_de_langage modifient la manière dont les étudiants mobilisent leur raisonnement et leur capacité analytique, ce qui peut mener à une fragilisation de leur plasticité cérébrale et de leur densification des réseaux neuronaux.
      – Lorsque assisté par l’IA, l’acquisition des connaissances peut être affaiblie dès qu’elle remplace systématiquement l’#effort_intellectuel : les productions écrites, le #travail_autonome et les modalités d’évaluation.
      – De nombreuses questions sur l’équilibre entre assistance algorithmique et #effort_cognitif humain sont soulevées, d’autant par la rapide évolution des modèles d’IA.
      – Des cadres commencent à émerger où l’IA n’est ni absente ni centrale, mais intégrée de manière différenciée selon les objectifs cognitifs poursuivis.

      **

      L’irruption de l’intelligence artificielle générative dans les systèmes éducatifs marque un tournant technologique. Contrairement aux plateformes d’apprentissage en ligne ou aux outils d’assistance pédagogique des années 2000 et 2010, les modèles de langage de grande taille produisent désormais des raisonnements structurés, synthétisent des corpus complexes et interagissent avec les apprenants de manière adaptative.

      GPT‑4, rendu public par OpenAI en 2023, a atteint des niveaux de performance comparables à ceux d’étudiants de second cycle sur des exercices de logique, de mathématiques et de rédaction académique1. D’autres architectures comme Claude d’Anthropic ou LLaMA de Meta confirment cette dynamique tout en explorant des stratégies de gouvernance des sorties génératives et de réduction des biais2.

      Ces avancées offrent de nouvelles opportunités pour personnaliser les parcours, renforcer le tutorat individualisé et élargir l’accès aux ressources pédagogiques. Elles soulèvent toutefois des interrogations sur les fréquences d’utilisations (voir figure 1) et les conditions cognitives de l’apprentissage assisté par IA, car certaines dimensions de l’acquisition des connaissances peuvent être fragilisées lorsque cette technologie remplace systématiquement l’effort intellectuel3.

      Ces enjeux touchent directement des dispositifs clés de l’enseignement supérieur, tels que la production écrite, le travail autonome et les modalités d’évaluation. De plus, ces transformations appellent une approche combinant recherche académique et observation des pratiques pédagogiques.
      L’effort cognitif à l’épreuve des modèles génératifs

      Les modèles de langage de grande taille modifient la manière dont les étudiants mobilisent leur raisonnement et leur capacité analytique. GPT‑4, par exemple, atteint des performances comparables à celles d’étudiants de second cycle sur des exercices de logique, de mathématiques et de synthèse textuelle5. Cette portée soulève des questions sur l’équilibre entre assistance algorithmique et effort cognitif humain.

      « Le problème, dans le champ éducatif, apparaît lorsque l’étudiant utilise systématiquement l’IA pour réaliser un exposé, un mémoire, une dissertation ou même pour apprendre une notion » affirme Michel Barabel, maître de conférences à l’Université Paris-Est dont les travaux portent sur la transformation des organisations, en particulier la gestion des compétences, la formation professionnelle et les cultures apprenantes. La sous-traitance systématique peut nuire au développement de capacités cognitives essentielles. « Les travaux de recherche montrent que dans ce cas, le coût de l’effort cognitif augmente rapidement et que faire seul devient de plus en plus difficile ».

      Les cadres théoriques de la psychologie cognitive permettent d’éclairer ce phénomène. Les distinctions de Daniel Kahneman entre le cerveau de type 1, analytique et paresseux, et le cerveau de type 2, créatif et mobilisé dans la résolution de situations inédites, servent de référence. Barabel observe que « la grande promesse de l’IA est précisément de sous-traiter les tâches relevant du cerveau de type 1, simples et répétitives, afin de libérer du temps pour des activités de type 2 ». Son usage répété dans des tâches fondamentales du type 1 peut ainsi limiter la densification des réseaux neuronaux nécessaires à la créativité et à la pensée critique.

      Une comparaison avec d’autres usages technologiques illustre ce risque. « Cette dépendance pose une question centrale, celle d’un appauvrissement progressif des capacités cognitives », explique Barabel, faisant référence à des exemples observés dans d’autres contextes, comme la navigation des chauffeurs de taxi londoniens devenue dépendante du GPS. Les travaux en neurosciences montrent que l’apprentissage reposant sur un engagement cognitif actif favorise la plasticité cérébrale et la densification des réseaux neuronaux, tandis qu’une réduction durable de l’effort analytique limite ces mécanismes et fragilise la mobilisation des compétences dans des situations complexes6. « Or, on sait qu’il est très difficile de faire émerger une créativité authentique sans ce socle d’effort cognitif préalable », ajoute l’expert.

      Cette réflexion sur l’effort cognitif souligne que les effets de l’IA générative dépendent moins de la technologie que des modalités d’usage. L’usage réfléchi et régulé peut soutenir la créativité et la productivité, tandis qu’un usage passif peut compromettre le développement de compétences intellectuelles essentielles.
      Des recours pédagogiques en recomposition progressive

      La diffusion rapide des outils d’IA générative a rendu visibles des usages déjà largement installés chez les étudiants, souvent en dehors de tout cadre institutionnel. Plusieurs travaux montrent que ces outils sont mobilisés pour rédiger des exposés, structurer des mémoires ou préparer des évaluations, sans que les dispositifs pédagogiques aient été conçus pour en tenir compte7. Cette situation a conduit certains établissements à repenser non pas seulement la régulation, mais la nature même des activités proposées.

      D’après Michel Barabel, « la question ne peut se réduire à une opposition entre autorisation et interdiction. Le problème ne doit pas être posé en ces termes ». Il stipule que l’IA combine des potentialités pédagogiques fortes et des limites réelles. Dans les dispositifs qu’il observe, l’enjeu consiste à distinguer plusieurs formes d’activités selon le rôle attribué à la machine. « Certaines activités peuvent être totalement confiées à l’IA sans régulation particulière », notamment lorsqu’il s’agit de procédures ou d’aide méthodologique, tandis que d’autres doivent rester exclusivement humaines. « L’usage de l’IA y est interdit afin de préserver la relation pédagogique, le travail du cerveau de type 1 et la créativité et l’esprit critique ».

      Cette différenciation se traduit concrètement par des dispositifs de transparence. « À Sciences Po et à l’IAE Paris-Est, les étudiants doivent expliciter leur usage de l’IA dans une annexe dédiée. Nous autorisons son exploitation, mais nous imposons une annexe IA dans tous les travaux », précise Barabel. Cette exigence permet de déplacer l’évaluation du seul résultat vers le processus intellectuel mobilisé. « Le nouveau plagiat, pour nous, n’est pas d’utiliser l’IA, mais de l’utiliser sans le déclarer », ajoute-t-il.

      Les modalités d’évaluation ont également été ajustées pour tenir compte de ces pratiques. Barabel observe qu’« un exposé à rendre pour la semaine suivante a aujourd’hui une probabilité très élevée d’être produit à 60, 70, voire 90 % à l’aide de l’IA ». Dans ce contexte, « là où l’écrit pesait auparavant davantage, l’oral est désormais majoritaire », afin de vérifier la compréhension, l’appropriation des concepts et la faculté de l’étudiant à défendre son raisonnement.

      Entre délégation, assistance et augmentation, les applications pédagogiques se structurent ainsi autour d’un principe d’articulation. « Il existe des situations où l’IA assiste l’étudiant », note Barabel, tandis que dans d’autres configurations, « l’étudiant produit une première version et l’IA l’aide à l’améliorer par questionnement et suggestions ». Ces expérimentations dessinent progressivement un cadre où cette technologie n’est ni absente ni centrale, mais intégrée de manière différenciée selon les objectifs cognitifs poursuivis.
      Entre promesses d’augmentation et risques de fragmentation

      Les limites actuelles de l’IA générative en contexte éducatif tiennent moins à ses performances techniques qu’aux effets systémiques qu’elle induit sur les trajectoires d’apprentissage. Les bénéfices cognitifs observés dépendent fortement des conditions d’emploi, avec des résultats parfois contradictoires selon les protocoles expérimentaux[8]. Michel Barabel invite ainsi à la prudence dans l’interprétation des premières données disponibles. « Certaines études, notamment du MIT, ont montré une baisse rapide de certaines capacités cognitives, mais sur des échantillons très réduits et avec des protocoles discutables », rappelle-t-il, tout en notant que d’autres travaux mettent en évidence des effets positifs sur certaines compétences.

      Cette hétérogénéité des résultats renvoie à une question centrale, celle de l’intensité et surtout de la nature des utilisations. « Il pas certain qu’il existe un seuil universel », précise Barabel, en soulignant que « le problème réside davantage dans l’organisation des activités que dans le volume d’interaction avec l’IA ». Il propose un équilibre théorique dans lequel « le 100 % humain devrait représenter au moins 20 % des activités », afin de préserver les fonctions cognitives fondamentales liées à l’effort, à la réflexion autonome et à la construction du jugement.

      Au-delà des effets individuels, les chercheurs s’inquiètent de dynamiques d’inégalités susceptibles d’être amplifiées par les systèmes intelligents. Les écarts d’accès aux versions les plus performantes des modèles, souvent conditionnés par des abonnements payants, constituent un premier facteur de différenciation[9]. Barabel met en évidence le fait que « le capital économique des familles pourrait conditionner l’accès à des IA plus performantes, utilisées dans un cadre privé », créant un avantage cumulatif pour certains étudiants. À cela s’ajoutent les disparités institutionnelles. « Certains établissements disposent des moyens financiers et pédagogiques pour déployer des IA, former les enseignants et mettre en place des chartes éthiques. D’autres non ».

      Ces écarts matériels se doublent d’inégalités culturelles et cognitives. « Le risque majeur est alors l’accroissement des écarts entre étudiants », pointe Barabel, distinguant ceux qui utilisent l’IA de manière stratégique, ceux qui en font un usage mécanique et ceux qui réinvestissent le temps libéré dans des activités à forte valeur cognitive. Les recherches en sociologie de l’éducation montrent que ces mécanismes d’appropriation différenciée jouent un rôle déterminant dans la reproduction ou la transformation des hiérarchies scolaires8.

      Enfin, la rapidité d’évolution des technologies pose un défi structurel aux institutions éducatives. « Ce que nous disons aujourd’hui peut être remis en cause dans quelques mois par une nouvelle génération d’IA », signale Barabel. Cette instabilité technologique interroge la capacité des systèmes éducatifs à articuler innovation, équité et développement des compétences humaines fondamentales, dans un contexte où la production et la transmission des savoirs sont elles-mêmes en profonde recomposition.

      https://www.polytechnique-insights.com/tribunes/digital/lia-generative-bouleverse-t-elle-les-pratiques-pedagogiques

    • Le plus grand danger de l’IA à l’université n’est pas la triche, c’est l’érosion de l’apprentissage lui‑même

      L’intelligence artificielle promet de « libérer du temps » et d’optimiser l’apprentissage. Mais en déléguant aux machines les tâches qui formaient étudiants et jeunes chercheurs, les universités risquent d’éroder les conditions mêmes de l’expertise.

      Dans le débat public sur l’intelligence artificielle (IA) à l’université, une inquiétude revient en boucle : la tricherie. Les étudiants vont-ils confier leurs #dissertations à des #chatbots ? Les enseignants sauront-ils les démasquer ? Faut-il interdire ces outils sur les campus, ou au contraire les intégrer aux pratiques pédagogiques ?

      Ces questions sont légitimes. Mais à force de réduire le sujet à la #fraude_académique, on passe à côté de l’essentiel : une transformation beaucoup plus profonde est déjà à l’œuvre, qui dépasse largement les seuls comportements des étudiants – et même le cadre de la salle de classe.

      Les universités déploient désormais l’IA dans de nombreux aspects de leur fonctionnement. Certaines applications restent largement invisibles : des systèmes qui aident à répartir les ressources, à repérer les étudiants « à risque », à optimiser les emplois du temps ou à automatiser des décisions administratives routinières.

      D’autres usages sont, eux, beaucoup plus visibles. Les étudiants s’appuient sur des outils d’IA pour résumer des cours et réviser. Les enseignants les utilisent pour élaborer des sujets d’évaluation, préparer des syllabus. Les chercheurs s’en servent pour écrire du code, passer en revue la littérature scientifique ou condenser en quelques minutes des tâches fastidieuses qui prenaient auparavant des heures.

      On peut bien sûr utiliser l’IA pour tricher ou se soustraire à un devoir. Mais la multiplication de ses usages dans l’enseignement supérieur – et les bouleversements qu’ils annoncent – posent une question bien plus fondamentale : à mesure que les machines deviennent capables d’assumer une part croissante du travail de recherche et d’apprentissage, que devient l’université ? À quoi sert-elle encore ?

      Depuis huit ans, nous étudions les implications morales d’un recours massif à l’IA dans le cadre d’un projet de recherche conjoint entre le Applied Ethics Center at UMass Boston et l’Institute for Ethics and Emerging Technologies. Dans un livre blanc récent, nous soutenons qu’à mesure que les systèmes d’IA gagnent en autonomie, les enjeux éthiques de leur utilisation dans l’enseignement supérieur s’intensifient – tout comme les conséquences potentielles qui en découlent.

      À mesure que ces technologies deviennent plus performantes dans la production de travaux intellectuels – concevoir des cours, rédiger des articles, proposer des protocoles expérimentaux ou résumer des textes complexes – elles ne se contentent pas d’accroître la productivité des universités. Elles risquent aussi de vider de sa substance l’écosystème d’apprentissage et de mentorat sur lequel ces institutions sont fondées – et dont elles dépendent pour exister.
      IA non autonomes

      On peut distinguer trois types de systèmes d’IA et leurs effets respectifs sur la vie universitaire.

      Des logiciels alimentés par l’IA sont déjà utilisés dans l’enseignement supérieur pour l’examen des candidatures, les achats, l’accompagnement pédagogique des étudiants ou encore l’évaluation des risques institutionnels.

      On parle ici de systèmes « non autonomes » : ils automatisent certaines tâches, mais un humain reste « dans la boucle » et les utilise comme de simples outils.

      Ces technologies peuvent faire peser un risque sur la vie privée et la sécurité des données des étudiants. Elles peuvent aussi être biaisées. Et elles manquent souvent de transparence, ce qui rend difficile l’identification de l’origine de ces problèmes. Qui a accès aux données ? Comment sont calculés les « indices prédictifs de décrochage ou d’échec » ? Comment éviter que ces systèmes ne reproduisent des inégalités ou ne traitent certains étudiants comme de simples cas problématiques à gérer ?

      Ces questions sont sérieuses. Mais, au moins dans le champ de l’informatique, elles ne sont pas fondamentalement nouvelles. Les universités disposent en général de services de conformité, de comités d’éthique de la recherche et de mécanismes de gouvernance pensés pour anticiper ou limiter ces risques – même si, dans les faits, ils n’atteignent pas toujours pleinement ces objectifs.
      IA hybrides

      Les systèmes hybrides regroupent toute une gamme d’outils, parmi lesquels des bots conversationnels assistés par l’IA, des dispositifs de feedback personnalisé ou encore des aides automatisées à l’écriture. Ils reposent souvent sur des technologies d’IA générative, notamment sur de grands modèles de langage, les LLM. Si les utilisateurs humains fixent les objectifs généraux, les étapes intermédiaires que le système mobilise pour les atteindre ne sont, elles, généralement pas spécifiées.

      Ces systèmes hybrides façonnent de plus en plus le travail académique au quotidien. Les étudiants les utilisent comme compagnons d’écriture, tuteurs, partenaires de réflexion ou outils d’explication à la demande. Les enseignants s’en servent pour élaborer des grilles d’évaluation, préparer des cours ou concevoir des plans de syllabus. Les chercheurs les mobilisent pour résumer des articles, commenter des versions préliminaires, imaginer des protocoles expérimentaux ou générer du code.

      C’est ici que le débat sur la « tricherie » trouve véritablement sa place. Alors qu’étudiants et enseignants s’appuient de plus en plus sur ces outils pour se faire aider, il est légitime de s’interroger sur les formes d’apprentissage qui risquent de se perdre en chemin. Mais les systèmes hybrides soulèvent aussi des questions éthiques plus complexes.

      L’une d’elles concerne la transparence. Les chatbots d’IA proposent des interfaces en langage naturel qui rendent difficile de savoir si l’on échange avec un humain ou avec un agent automatisé. Cette ambiguïté peut être déstabilisante et source de distraction. Un étudiant qui révise pour un examen doit pouvoir savoir s’il s’adresse à son chargé de travaux dirigés ou à un robot. De même, un étudiant qui lit les commentaires sur son mémoire doit pouvoir identifier clairement s’ils proviennent de son enseignant.

      Tout manque de transparence dans ces situations risque d’aliéner les personnes concernées et de déplacer l’attention des interactions académiques : au lieu de se concentrer sur l’apprentissage, on se focalise sur les outils ou la technologie qui le médiatisent. Des chercheurs de l’Université de Pittsburgh ont montré que ces dynamiques suscitent chez les étudiants des sentiments d’incertitude, d’anxiété et de méfiance. Des effets loin d’être anodins.

      Une deuxième question éthique touche à la responsabilité et au crédit intellectuel. Si un enseignant utilise l’IA pour rédiger un sujet et qu’un étudiant s’appuie lui aussi sur l’IA pour produire sa réponse, qui évalue qui – et qu’est-ce qui est réellement évalué ? Si les retours sont en partie générés par une machine, qui est responsable lorsqu’ils induisent en erreur, découragent ou intègrent des présupposés invisibles ? Et lorsque l’IA contribue de manière substantielle à une synthèse de recherche ou à la rédaction d’un article, les universités devront établir des normes plus claires en matière d’autorat et de responsabilité – pas seulement pour les étudiants, mais aussi pour les enseignants-chercheurs.

      Enfin se pose la question cruciale de la « décharge cognitive ». L’IA peut réduire les tâches fastidieuses, et cela n’a rien de problématique en soi. Mais elle peut aussi détourner les utilisateurs des étapes de l’apprentissage qui construisent réellement les compétences : formuler des idées, traverser des moments de confusion, retravailler un brouillon maladroit, apprendre à repérer ses propres erreurs.
      Agents autonomes

      Les transformations les plus profondes pourraient venir de systèmes qui ressemblent moins à des assistants qu’à de véritables agents. Si les technologies pleinement autonomes relèvent encore en partie de l’aspiration, l’idée d’un « chercheur en boîte » – un système d’IA agentique capable de mener des études de manière indépendante – devient de plus en plus crédible.

      Ces outils dits agentiques sont présentés comme susceptibles de « libérer du temps » pour des activités mobilisant davantage des capacités humaines, comme l’empathie ou la résolution de problèmes. Dans l’enseignement, cela pourrait signifier que les enseignants continuent d’assurer les cours au sens formel, mais que la majeure partie du travail pédagogique quotidien soit déléguée à des systèmes optimisés pour l’efficacité et le passage à l’échelle. En recherche, l’avenir semble appartenir aux systèmes capables d’automatiser toujours davantage le cycle scientifique. Dans certains domaines, cela prend déjà la forme de laboratoires robotisés fonctionnant en continu, capables d’automatiser une grande partie des expérimentations et même de sélectionner de nouveaux tests à partir des résultats précédents.

      À première vue, cela peut sembler être un gain intéressant de productivité. Mais les universités ne sont pas des usines à produire de l’information : ce sont des communautés de pratique. Elles reposent sur un vivier de doctorants et de jeunes chercheurs qui apprennent à enseigner et à faire de la recherche en participant eux-mêmes à ces activités. Si des agents autonomes absorbent une part croissante des tâches « routinières » qui constituaient historiquement des portes d’entrée dans la carrière académique, l’université pourra continuer à produire des cours et des publications – tout en fragilisant silencieusement les structures d’apprentissage qui permettent, dans la durée, de former l’expertise.

      La même dynamique touche les étudiants de premier cycle, sous une forme différente. Lorsque des systèmes d’IA peuvent fournir à la demande des explications, des brouillons, des solutions ou des plans de révision, la tentation est grande de déléguer les aspects les plus exigeants de l’apprentissage. Pour l’industrie qui promeut l’IA dans les universités, ce type d’effort peut apparaître comme « inefficace » – et l’on pourrait penser que les étudiants gagneraient à laisser la machine s’en charger. Mais c’est précisément dans cette confrontation à la difficulté que se construit une compréhension durable. La psychologie cognitive a montré que les étudiants progressent intellectuellement en rédigeant, en révisant, en échouant, en recommençant, en affrontant la confusion et en retravaillant des arguments faibles. C’est cela, apprendre à apprendre.

      Pris ensemble, ces évolutions suggèrent que le principal risque lié à l’automatisation dans l’enseignement supérieur ne réside pas seulement dans le remplacement de certaines tâches par des machines, mais dans l’érosion plus profonde de l’écosystème de pratiques qui, depuis longtemps, soutient l’enseignement, la recherche et l’apprentissage.
      Un tournant risqué

      À quoi servent les universités dans un monde où le travail intellectuel est de plus en plus automatisé ?

      Une première réponse consiste à voir l’université avant tout comme une machine à produire des diplômes et des connaissances. Dans cette logique, la question centrale devient celle des résultats : les étudiants obtiennent-ils leurs diplômes ? Des articles sont-ils produits ? Fait-on des découvertes ? Si des systèmes autonomes peuvent générer ces résultats plus efficacement, alors l’institution a toutes les raisons de les adopter.

      Mais une autre réponse considère l’université comme bien davantage qu’une simple machine à produire des résultats. Elle reconnaît que la valeur de l’enseignement supérieur réside en partie dans l’écosystème lui-même : le continuum d’opportunités grâce auquel les novices deviennent experts, les structures de mentorat au sein desquelles se forment le jugement et le sens des responsabilités, et une conception pédagogique qui valorise l’effort et la confrontation à la difficulté plutôt que leur élimination au nom de l’efficacité.

      Dans cette perspective, l’enjeu n’est pas seulement de savoir si des connaissances et des diplômes sont produits, mais comment ils le sont – et quels types de personnes, de compétences et de communautés se construisent au passage. L’université y apparaît comme un écosystème dont la mission est, ni plus ni moins, de former durablement l’expertise et le discernement humains.

      Dans un monde où le travail intellectuel est lui-même de plus en plus automatisé, les universités doivent, selon nous, s’interroger sur ce qu’elles doivent à leurs étudiants, à leurs jeunes chercheurs et à la société qu’elles servent. Les réponses à ces questions détermineront non seulement la manière dont l’IA sera intégrée, mais aussi ce que deviendra l’université contemporaine.

      https://theconversation.com/le-plus-grand-danger-de-lia-a-luniversite-nest-pas-la-triche-cest-l
      #tricherie

  • Israel Is Paying Millions to Train AI Chatbots How to Talk About Gaza. It’s Working.
    https://www.dropsitenews.com/p/israel-brad-parscale-ai-chatbots-gaza

    Since October, former Trump campaign manager Brad Parscale has been quietly overseeing an operation posting hundreds of blog posts on behalf of #Israel. One article, titled “The Reality Behind Gaza’s ‘Journalists’: Terror Ties, Propaganda, and the Laws of War,” asserts that a majority of journalists in Gaza were linked to terrorist organizations. Another casts doubt on the killing of Hind Rajab, a five-year-old Palestinian girl killed by the Israeli military in 2024.

    The key intended audience of these sites is not concerned Americans, it’s not even humans—most of the sites average a few hundred unique visitors each month. Instead, Parscale and his firm, Clock Tower X, created them as part of a $46.5 million contract with the Israeli government to try and influence artificial intelligence-powered #chatbots, tools like Claude or ChatGPT.

    Parscale has made his goal of influencing artificial intelligence—often referred to as “#LLM_poisoning —explicit. In his initial agreement with Israel, Parscale said that he would deploy “websites and content to deliver GPT framing results on GPT conversations” as part of the contract.

    [...]

    Parscale’s websites—referred to throughout this article as the “Clock Tower network”—get cited by chatbots, but they also are successfully infiltrating the underlying training data.

    The Clock Tower network started to get archived by #Common_Crawl —a nonprofit that oversees a massive repository of data used to train large language models such as ChatGPT, Gemini, and Claude—earlier this year. Common Crawl is the backbone of the artificial industry, training 80% of the tokens of OpenAI’s GPT-3, making it a useful proxy for understanding if malicious actors successfully infiltrate AI training data.

    In the examples above, users can at least trace the sources that chatbots are pulling from when they search websites directly, such as in the screenshots above. Infiltrating the training data itself, on the other hand, can lead to Israel-influenced responses that are nearly impossible for users to trace.

    [...] Hervé Letoqueux, Chief Executive Officer at Check First, an organization that combats digital disinformation, explained that Common Crawl’s status as the go-to source for training chatbots opens it up as a target for manipulation. “Common Crawl is widely used in the world of data science for training LLMs, which also means that actors want to manipulate the answers in their favor, which some studies have indicated are fairly easy to do.

    It only takes about “250 malicious documents to produce a ‘backdoor’ vulnerability in a large language model—regardless of model size of training data volume,” according to an October Anthropic study. The authors of the study note “this means anyone can create online content that might eventually end up in a model’s training data,” and that malicious actors “can inject specific text into these posts to make a model learn undesirable or dangerous behaviours, in a process known as poisoning.”

  • Stop the GUARD Act and age verification laws worldwide
    https://www.fsf.org/blogs/community/stop-the-guard-act

    (...)

    If passed, the #GUARD_Act would place a nationwide ban on minors using “chatbot” services, and would require all users of such services in the #United_States to submit to mandatory verification. In short, it would open the door to a “#surveillance_regime.” Such a regime would make creating a free machine learning bundle almost, if not totally, impossible through its development restrictions and threats of criminialization. Say goodbye to the anonymous use of such tools, and hello to the suffocation of free software development and technology more generally.

    While it’s nominally about protecting children from #chatbots, which are powered by so-called “#artificial_intelligence,” the Act has wide-reaching implications for all software users — and should be regarded as an existential threat to the entire free software movement. Chatbots and their ilk aren’t popular with our movement, but that doesn’t mean barring children from them is the right thing to do. What’s at stake is freedom 0 as we know it: the right for anyone of any age, anywhere, to use any program for any purpose. This freedom should be regarded as a cornerstone for a free digital society. Even as I write this, we’re teetering toward #dystopia. Freedom 0 is a fight we can’t afford to lose.

    (...)

    #age_verification #age_checking #IA #AI

  • Claude : la politique de confidentialité a changé, et utiliser le chatbot “éthique” d’Anthropic n’a plus rien d’anodin
    https://www.lesnumeriques.com/intelligence-artificielle/claude-la-politique-de-confidentialite-a-change-et-utiliser-le-chatbo

    Il y a un an, s’inscrire sur #Claude tenait de la formalité. Une adresse e-mail, un mot de passe, et l’on accédait à l’un des rares #chatbots sans publicité du marché, édité par une entreprise qui revendiquait la sobriété en matière de données personnelles.

    La politique de confidentialité publiée le 8 juin 2026, quelques jours seulement après avoir été forcé de retirer Claude #Fable 5 et #Mythos 5 pour des raisons de sécurité, applicable dès le 8 juillet aux comptes Free, Pro et Max, redessine ce rapport.

    #Anthropic se réserve désormais le droit de demander aux utilisateurs une vérification d’identité : scan d’une pièce officielle, capture vidéo du #visage, extraction de modèles de géométrie faciale. Ces #données, qualifiées de #biométriques au sens du #RGPD, sont traitées par le prestataire tiers #Yoti. Les développeurs individuels sont les premiers concernés, mais le dispositif peut s’étendre à tout abonné accédant à des fonctionnalités avancées.

    #age_verification #age_checking #IA #AI

  • Le mythe de la bonne IA

    Dans une perspective décoloniale, il n’y a pas de bonne IA, estime le philosophe #Arshin_Adib-Moghaddam. Lecture.

    « La société délirante dans laquelle nous vivons ressemble à un #mensonge parfaitement mis en scène que l’on nous persuade d’accepter comme une réalité », estime Arshin Adib-Moghaddam dans son livre The myth of good AI : a manifesto for critical Artificial intelligence (Le mythe de la bonne IA : un manifeste pour une intelligence artificielle critique, Manchester university press, 2025, non traduit). Cette société délirante n’est pas le produit de l’IA, constate pourtant le professeur de philosophie et codirecteur du Centre pour les futurs de l’IA de l’université de Londres. Mais, l’IA vient la renforcer parce qu’elle « floute les lignes de nos modes de compréhension de la vérité et du mensonge, du #pouvoir et de la résistance, de la subjectivité et de l’objectivité, de la science et de la fiction ». Ce qui change avec l’IA, c’est que Big Brother n’est plus une autorité qui nous contrôle de l’extérieur, mais une perturbation qui vient altérer nos #facultés_cognitives elles-mêmes.

    Pour Arshin Adib-Moghaddam, ni Orwell, ni Foucault ne peuvent nous aider à saisir le monde actuel. L’assaut contre notre #autonomie est massif, à l’image du projet délirant de #Torre_Centilena à #Ciudad_Juarez, équipée de 1791 lecteurs de plaques d’immatriculation, 74 drones et 3000 caméras panoramiques pour surveiller la frontière américano-mexicaine à perte de vue. Le pouvoir n’est plus incarné. « Le pouvoir est en train de devenir liquide, il prend la forme de tout ce qu’il colonise et devient quasiment invisible ». Le régime de #surveillance est en passe de devenir « microbien ». C’est-à-dire que non seulement il est partout, qu’il est intégré au plus profond de nous, mais qu’il tend à exercer un #contrôle_total, partout, tout le temps en étant totalement intrusif et en régissant jusqu’à notre psychisme même. Adib-Moghaddam parle de « #psycho-codification » du monde pour évoquer cette #intrusion inédite des méthodes qui altèrent jusqu’à ce que l’on pense, jusqu’à nos intentions disions-nous récemment. Cette intrusion nous entraîne dans une #guerre_posthumaine, entre les humains et les machines. Nous sommes désormais la cible de #drones, de #machines, d’#algorithmes qui s’en prennent à nos individualités mêmes. Partout, le meurtre et la torture s’étendent sans avoir plus de comptes à rendre, à l’image de la police des frontières américaines, ICE, qui déploie son emprise, comme d’autres armées et d’autres polices, via des machines de surveillances totalitaires. Comme le pointait pertinemment le journaliste Olivier Tesquet suite aux révélations que l’ICE aurait arrêté plus de 75 000 personnes aux Etats-Unis sans historique criminel (soit un tiers des 220 000 personnes arrêtées depuis 9 mois) : « plus l’ICE s’appuie sur #Palantir pour « rationaliser » l’appareil répressif, plus les arrestations deviennent arbitraires. Ce n’est pas un bug mais une fonctionnalité : la machine produit la catégorie d’indésirables dont l’administration Trump a besoin ».

    Derrière ces transformations bien réelles, l’IA les prolonge encore, en s’en prenant à nos sens mêmes, jusqu’à nous faire douter de la réalité même.

    Derrière cette société délirante, il faut entendre qu’il y a une « utilisation infâme » des technologies. De la reconnaissance faciale qui criminalise les #minorités raciales aux logiciels de récidives qui discriminent les populations racisées aux scores de risques qui refusent des aides et des prêts aux populations minorisées et pauvres… une même #oppression se déploie pour renforcer et cimenter les #inégalités_structurelles de la société.

    Dans ce contexte, estime Arshin Adib-Moghaddam, on entend beaucoup parler d’#éthique, d’IA responsable, qui serait à même, bientôt, demain, de réparer les systèmes et « d’atténuer les dommages ». Mais l’IA peut-elle être éthique ?

    L’IA peut-elle être éthique ?

    Non répond le philosophe. L’IA est là pour imposer sa #terreur, comme le disaient Hagen Blix et Ingeborg Glimmer. L’IA est là pour produire de l’#incertitude, de l’#angoisse, et cette peur est une méthode de #gouvernance. « L’IA augmente la capacité de ceux qui l’utilisent à nous terrifier, dans un but de #contrôle, de #surveillance et de #profit ». L’écrivain iranien Jalal Al-e Ahmad parle de « #westoxification » (contraction entre West, l’Occident, et intoxication pour désigner une forme d’absorption toxique, de submersion par la #culture_occidentale – le terme a été traduit en français en « #occidentalité ») pour désigner l’oppression de la modernité occidentale, comme le chercheur et sociologue péruvien Anibal Quijano dénonce la « #colonialité », c’est-à-dire le fait que les rapports de pouvoir colonialistes perdurent notamment depuis les technologies.

    Dans son livre, Arshin Adib-Moghaddam commence par débugger le discours des machines éthiques. Les fondations idéologiques de la science sont dysfonctionnelles, rappelle le philosophe. La science a accompagné le projet politique de la #modernité, comme l’expliquaient Ulises A. Mejias et Nick Couldry dans Data Grab (voir notre recension). Les Lumières ont transformé le #racisme en science. Et l’IA n’est qu’une extension d’un #système_techno-colonial, remanié par le #néofascisme en cours.

    L’idée même d’éthique est poreuse à ces idées problématiques, explique-t-il. L’éthique se présente comme un mécanisme universel, mais oublie que cette philosophie qui pense pouvoir rendre nos machines et nos actions responsables, est une pensée spécifique, historique, contingente à la philosophie occidentale… Et qui l’est d’autant plus qu’elle a oublié les apports des autres philosophies. Arshin Adib-Moghaddam évoque nombre de philosophes asiatiques, arabes ou juifs effacés de la tradition philosophique au profit des philosophes grecs et européens. « Les façons de poser les questions éthiques autrement ont été balayées ». Pour les thuriféraires de l’IA, la vénération de sa puissance tourne à la #religion. Mais si la machine peut-être Dieu, ce #fondamentalisme s’annonce aussi dangereux que l’extrémisme religieux, prévient Arshin Adib-Moghaddam. Pourtant, qui s’inquiète de l’interfaçage des machines à nos cerveaux, du devenir posthumain que nous promettent les développeurs de l’IA ? Kant, Hume ou Locke, ces grands penseurs de l’Occident, ont tous tenu des propos racistes, ont tous défendu l’idée que les barbares devaient être civilisés par les Européens. Et ces grandes pensées occidentales sont celles-là même qui viennent alimenter de leurs données l’IA moderne. « L’IA est ethnocentrée et cet #ethnocentrisme ne sera pas corrigé par les données », par l’amélioration des traitements ou par un sursaut éthique. Les manuels d’éthique doivent être réécrits, estime Adib-Moghaddam, qui invite à partir d’autres philosophies pour bâtir d’autres IA.

    L’IA : machine à discriminer

    Arshin Adib-Moghaddam dénonce le terme de #biais qui a colonisé la critique de l’IA. Les biais sont un terme bien dépolitisé pour évoquer l’#oppression_structurelle inscrite dans les #données, dans notre histoire. Le racisme des sociétés occidentales a été intériorisé dans une « #géopolitique_eugéniste » qui ne domine pas seulement les relations internationales ou économiques, mais qui psycho-codifie jusqu’à nos corps et nos esprits. Le #racisme a été la stratégie impériale et scientifique qui a encore des effets quotidiens, qui inocule nos outils, comme la #médecine, qui tue encore des patientes et des patients parce qu’elles et ils sont noirs, parce qu’elles sont des femmes et parce que les #données_médicales ne sont pas collectées sur elles et eux. Les rapports et les études sur le sujet s’accumulent sans que la médecine elle-même ne réagisse vraiment, comme si elle ne s’était jamais départie des origines racistes de la science, que dénonçait par exemple le sociologue #Eduardo_Bonilla-Silva dans son livre Racism without Racists : Color-Blind Racism and the Persistence of Racial Inequality in the United States (Le racisme sans les racistes : le racisme indifférent à la couleur et la persistance des inégalités raciales en Amérique, Rowman & Littlefield , 2003, non traduit). Même durant le Covid, les quartiers racisés ont été plus décimés que les autres.

    On peut alors dénoncer les #biais_racistes des systèmes, de la reconnaissance faciale aux pratiques algorithmiques d’Uber. Mais c’est oublier que nous sommes cernés par des données algorithmiques « blanchisées » (#whitewashing), c’est-à-dire à la fois blanchies parce qu’ignorantes de la couleur de ceux qu’elles écartent et blanchies parce qu’elles masquent leurs dysfonctionnements raciaux. Nous sommes coincés entre un passé pollué et un présent problématique. Nous restons par exemple coincés dans les constats où les cancers de la peau sont plus importants pour les populations de couleurs alors qu’ils sont moins diagnostiqués pour les patients noirs que blancs. Ces données et ces erreurs pourtant ne sont pas corrigées, pas prises en compte. La perspective d’augmenter notre capture par des données n’annonce pourtant pas d’amélioration, au contraire, d’abord et avant tout parce que cette invasion doit être comprise pour ce qu’elle est : une extension de l’héritage de l’#eugénisme raciste de la #science, une forme d’expansion biopolitique du contrôle plus qu’une promesse de justice et d’égalité.

    Les mauvaises données produisent de mauvais algorithmes et de piètre systèmes d’IA, rappelle le philosophe. Or, nous sommes cernés de mauvaises données. Les #préjudices du passé envers certaines populations sont intégrés aux systèmes qui vont produire l’avenir. Cela ne peut pas bien se passer. Pourtant, fort de ces constats, terribles, les recommandations éthiques paraissent bien trop mesurées. Elles invitent à améliorer la représentation et la diversité des ingénieurs et des éthiciens, à améliorer les principes éthiques, à améliorer l’éducation des ingénieurs… dénonce Arshin Adib-Moghaddam. Autant de mesures qui tiennent plus de l’#orientalisme qu’autre chose, pour faire référence au concept développé par l’intellectuel palestino-américain Edward Saïd dans son livre éponyme (Le Seuil, 1978), ouvrage fondateur des études postcoloniales. Pour Saïd, la tradition artistique et scientifique orientaliste n’est qu’une étude de l’Orient par l’Occident, une interprétation de l’Orient, une condescendance au service de l’impérialisme.

    Du #techno-orientalisme au #privilège_épistémique

    Pour Arshin Adib-Moghaddam, le techno-orientalisme qui consiste à améliorer la diversité des développeurs ou à produire une équité par des corrections techniques n’est en rien une solution. ll ne remet pas en cause le pouvoir de la #technologie. « Les personnes historiquement marginalisées et vulnérables continuent à être inventées comme objets de la technologie ». Les erreurs à leurs égards, finalement, renforcent l’obsession à mieux les surveiller sous prétexte d’#objectivité, pour mieux hiérarchiser la société par le calcul. « Le techno-orientalisme ne vise qu’à renforcer les frontières entre nous et eux, l’est et l’ouest, les noirs et les blancs, entre les nationaux et les autres ». Shoshana Zuboff a montré que la tolérance à l’extrémisme est bien souvent un modèle d’affaire acceptable. Dans une étude sur la toxicité de Twitter, le Centre de lutte contre la haine numérique avait montré qu’une dizaine de comptes sur X pouvaient produire du contenu haineux et conspirationniste capable de rapporter… 19 millions de dollars en revenus publicitaires. « Le techno-orientalisme s’impose comme un incubateur pour l’expansion impériale afin de maximiser les revenus pour quelques personnes sélectionnées ». L’#impérialisme de X prolifère et impose sa #colonialité. Comme les projections de Mercator ont valorisé l’Occident, nous montrant un Groenland par exemple aussi grand que la Chine, quand en réalité il ne fait qu’un quart de la superficie de la Chine. L’impérialisme de X, comme l’impérialisme de l’IA rend possible un « privilège épistémique » qui « confère à une poignée d’hommes le privilège d’interpréter, de juger et de planifier l’avenir de la majorité ». Partout, une poignée d’hommes blancs parlent d’un avenir inévitable (le leur), utilisent ces outils pour diffuser leurs idées sans nuances, mégalomanes, patriarcale et coloniales influentes, sans se préoccuper du sort des autres. Derrière leurs idées rances, ils défendent avant tout leur #identité. Les néo-Nazis comme les terroristes d’ISIS tuent au nom de l’identité, comme le soulignait Paul Gilroy dans Against Race. Les médias sociaux sont devenus des paradis pour les fausses informations des extrémistes, où ils peuvent se faire les avocats de leurs agendas hystériques avec plus ou moins d’impunité. La #stupidité y est le meilleur capital, assène le philosophe.

    La coercition est forte avec les technologies. Microsoft et Google déploient des technologies de surveillance à l’encontre des Palestiniens. Saïd disait que la #déshumanisation des Palestiniens était l’un des grands héritage de l’orientalisme. Pour Arshin Adib-Moghaddam, une IA vraiment éthique devrait assurer que ses traitements et données soient auditables en accord avec les législation qui défendent les #droits_humains au niveau international, national et local. Le déploiement sans limite des technologies aux frontières, par la police et les militaires, nous montre qu’il n’en est rien.

    L’IA pour peaufiner l’oppression

    L’oppression structurelle, codifiée dans des institutions genrées et racistes, dans des normes politiques et sociales omniprésentes, s’apprête à entrer plus profondément dans nos esprits avec l’IA générative. Quand on pose des questions à ces moteurs, ils produisent certaines réponses qui sont le reflet des sociétés occidentales qui les produisent. A la question y-a-t-il un génocide à Gaza, #ChatGPT répond non. A la question peut-on torturer une personne, ChatGPT répondait par l’affirmative si cette personne venait d’Iran, de Corée du Nord ou de Syrie. Ces « #erreurs » qui n’en sont pas mais qui peuvent nous être présentées comme telles, sont bien sûr corrigées parfois. Les #modèles_de_langage galvanisent les préjudices raciaux comme le montrait l’étude menée par Valentin Hofmann (qu’on évoquait ici : https://danslesalgorithmes.net/2024/06/04/open-source-lia) qui montrait que l’IA s’adapte aux niveaux de langage de son interlocuteur ou qu’elle classe les mêmes CV différemment selon les consonances culturelles des noms et prénoms. Mais ils ne sont que les reflets des sociétés qui les produisent. Les modèles de langage sont bien les produits racistes de sociétés racistes, affirme celui qui avait dénoncé le caractère raciste de l’IA dans un précédent livre. Les corrections sont possibles, au risque d’enseigner superficiellement aux modèles à effacer le racisme, tout en le maintenant à des niveaux plus profonds. « En fait, nous sommes confrontés par une forme furtive de #technoracisme soigneusement dissimulée par un univers d’IA de plus en plus opaque ». Dans ces IA, les musulmans sont toujours associés à la violence.

    Weizenbaum nous avait prévenu : les humains sont plus enclins à se confier à une machine qu’à un humain. Et ce pourrait être exploité plus avant par les machines de coercition de demain. La CIA a beaucoup travaillé sur les drogues et outils permettant de mettre les gens en confiance, rappelle Arshin Adib-Moghaddam. Si les méthodes d’interrogation utilisées à Abu Ghraib ont été sur la sellette, le Mikolashek Report montrait par exemple que les frontières entre la torture, les abus et les techniques d’interrogations dites légitimes étaient plus poreuses que strictes. A Abu Ghraib, la torture n’était pas un accident. Les individus qui ont été torturés n’étaient pas isolés. A Abu Ghraib, les interrogatoires ne devaient pas laisser de traces sur les prisonniers et le système médical a donné ses conseils aux militaires pour y parvenir. C’est lui qui a proposé des modalités d’interrogatoires coercitives. A Abu Ghraib comme à Guantanamo Bay, des procédures ont été mises en place, comme le fait d’empiler les prisionniers nus pour profiter du fort tabou de l’homosexualité dans la culture arabe et musulmane.

    Que fera l’IA qui est déjà appelée à assister les interrogatoires de la CIA ou de la police ? Aura-t-elle encore plus que les humains la capacité de briser notre humanité, comme s’en inquiétaient des chercheurs ? Sera-t-elle l’outil parfait pour la #torture, puisqu’elle pourra créer du contexte psychologique ou informationnel pour rendre les gens toujours plus vulnérables à la #manipulation, comme des #chatbots compagnons, dressés contre nous.

    La torture à Abu Ghraib a été rendu possible parce qu’elle a épousé totalement la culture de ceux qui l’ont pratiqué. « L’histoire récente de l’IA n’apporte aucune preuve que les systèmes d’IA soient plus objectifs que les humains, à mesure qu’ils déploient les mêmes biais qu’eux, avec bien moins de responsabilité ».

    L’IA pour pour penser à notre place et prendre le contrôle des esprits

    Pour le philosophe, le contrôle de l’esprit est le Graal des systèmes d’IA. Ce que veulent ceux qui déploient l’IA, c’est qu’elle prenne le contrôle des esprits.

    Mais, dans les systèmes de domination, la résistance apparaît souvent là où on ne l’attend pas, disait Anibal Quijano. Pourtant, souligne Arshin Adib-Moghaddam, la société civile ne regarde pas suffisamment ce qui se déploie, elle semble peu impliquée dans le très dynamique secteur de l’IA militaire. Face à l’inégalité de pouvoir entre utilisateurs de l’IA et producteurs d’IA qui se sédimente avec le déploiement et l’extension des outils d’IA partout, peu est fait pour nous protéger. L’érosion lente de la #vie_privée, l’objectivation posthumaine… nous éloignent de la dé-technologisation qu’appelle de ses vœux Carissa Véliz dans son livre, Privacy is Power (Penguin, 2021).

    Pour Adib-Moghaddam, nous devrions pourtant chercher à protéger notre humanité, plutôt que de chercher à flouter les différences entre l’homme et la machine, comme l’attendent les tenants du posthumanisme. Adib-Moghaddam souhaiterait un futur qui soit post-IA, dans lequel l’IA, au moins telle que nous la connaissons aujourd’hui, n’ait pas sa place. Tant que nous la laisserons exploiter les données passées nous laisserons construire une IA fondamentalement destructrice, extractive, qui perpétue l’#irrationalité et l’agenda des conservateurs et de l’extrémisme de droite, en exploitant les données pour renforcer les différences entre un nous et un eux dans lesquels personne ne se reconnaîtra autres que les plus privilégiés.

    La promesse d’une bonne IA est centrale dans l’approche éthique que pousse la Silicon Valley, enrôlant les meilleurs chercheurs avec elle, comme ceux du MIT, du Berkman Klein Center for internet et society de Harvard. Leur travail est remarquable, mais la poursuite d’une IA éthique ne nous aide pas à trouver des restrictions au déploiement de technologies qui maximalisent la #surveillance_de_masse et la #violence_systémique. « Tant qu’il n’existera pas de #restrictions, les délibérations morales et politiques sur l’informatisation demeureront secondaires par rapport à l’impératif de profit ».

    A l’heure de l’IA, la lutte pour la #démocratie risque d’être plus essentielle que jamais et plus difficile que jamais. Le mythe de la bonne IA nous promet un monde dont les fondations et constructions sociales ne changeront pas. « L’âge de l’IA nous promet un rapport léthargique et résigné au monde ». C’est sans surprise que ceux qui refusent cette IA là sont qualifiés d’être irrationnels, radicaux ou idéalistes… Mais ne soyons pas dupes. « Il est plus facile de prendre le parti des puissants à l’heure de l’IA, alors que nous devrions prendre la direction inverse ». « Les technologies d’IA sont un danger pour nos démocraties car elles inhibent nos choix en donnant de l’impulsion aux seuls extrêmes ». Elles nous confinent dans un espace de pensée restreint. Pour Arshin Adib-Moghaddam, il nous faut reconnaître notre humanité, une humanité qui ne peut être programmée par des machines qui ne seront jamais sensibles.

    Être humain, c’est savoir se protéger

    Être humain signifie savoir se protéger de la pénétration, c’est-à-dire un droit à être laissé tranquille, seul. Nous devons réaffirmer la nécessité d’un « bouclier de la vie privée ». La critique féministe et décoloniale nous donne des armes, comme le fait Françoise Vergès par exemple en croisant les deux. Ressentir, penser, percevoir ou croire doivent rester des valeurs humaines, sans altération des machines. C’est notre #intimité même que tente d’envahir le complexe industriel de l’IA.

    Ainsi par exemple, être créatif c’est indubitablement être humain. La #créativité des machines n’est qu’un effort pour rendre confus nos sens et émotions, au profit du profit et dans une aversion de l’art comme un comportement insurrectionnel. Psycho-codifiés, TikTok, FB ou X sont des moyens d’envahir nos sanctuaires intérieurs. Les machines peuvent faire n’importe quelle tâche sans ressentir la douleur et la discipline nécessaire que l’auto-amélioration nécessite. D’où des productions sans âme, « inutiles pour l’émancipation sociale comme politique ». En associant l’art au seul profit, la matrice technologique propose de faire suffoquer l’essence même de l’art, comme s’il n’était qu’une extension technologique, qu’un moyen de contrôler la subjectivité humaine.

    De quelque endroit qu’on l’analyse, l’IA ne nous offrira aucun antidote à l’#impéralisme, au #colonialisme et à l’#extrémisme. « Nous sommes tous devenus les objets du #colonialisme_des_données extraites de nos corps mêmes ». Le colonialisme était horizontal, géopolitique dans son expansion. Le colonialisme des données, lui, est intimement vertical. Il vise à objectifier des individus vulnérables au profit des sociétés technologiques du Nord global. Les grandes entreprises exigent de nous psycho-codifier en permanence et partout. Arshin Adib-Moghaddam défend un manifeste post-IA qui seul peut gagner la bataille entre le poète et la machine, le stylo et l’épée, le modérateur biaisé et l’activiste paisible. Nous avons besoin de #justice et d’#émancipation_sociale, rien d’autre. Ce qui n’y œuvre pas n’a pas d’intérêt. L’#ignorance, l’#évitement et la #passivité que nous promettent l’IA et ses tenants, ne nous proposent aucun avenir. « Si nous avons besoin d’une bonne IA, nous avons besoin d’une bonne IA qui réponde à nos termes », qui puisse nous permettre de reprogrammer le futur plutôt que de subir la perpétuation du passé.

    Être humain, c’est savoir se protéger. Et face aux machines, l’enjeu est encore de le pouvoir.

    https://danslesalgorithmes.net/2025/12/11/le-mythe-de-la-bonne-ia
    #décolonial #IA #AI #intelligence_artificielle

  • « L’IA conversationnelle devient chaque jour plus influente dans la vie de nos adolescents »
    https://www.lemonde.fr/idees/article/2025/09/01/l-ia-conversationnelle-devient-chaque-jour-plus-influente-dans-la-vie-de-nos

    Chez les adultes, l’utilisation de compagnons IA semble liée à un risque plus élevé de dépression et à un sentiment accru de solitude. Peut-il en être autrement chez les plus jeunes ?

    Les #IA_conversationnelles sont des technologies à effet psychique. Plus les échanges durent, plus les risques pour leurs utilisateurs de distorsions dans leur perception de la réalité – ce qu’on appelle l’effet « psychose de l’IA » – sont élevés. Or, les adolescents, dont le cerveau et la maturité affective sont encore en pleine évolution, en particulier en matière de régulation émotionnelle, contrôle des impulsions et l’évaluation des risques, sont particulièrement influençables.

    De surcroît, l’IA conversationnelle est désormais utilisée par des dizaines de millions de personnes pour évoquer leur santé mentale. La moitié des Américains qui ont des problèmes de santé mentale et ont recours à l’IA conversationnelle le font à des fins thérapeutiques, consultant des chatbots comme de vrais professionnels de santé. C’est aussi le cas chez les ados. Or, si les premières études montrent des résultats parfois positifs, il arrive à ces IA de donner de mauvais conseils, parfois directement nuisibles, y compris à des ados. De plus, le recours à l’IA peut retarder, voire éviter, celui à d’authentiques professionnels.

    https://archive.ph/v6ma7

    #chatbots #déshumanisation

    • « L’éradication du manuel scolaire est une erreur pédagogique, sociale et démocratique » -une tribune d’éditeurs, d’enseignants et d’écrivains
      https://www.lemonde.fr/societe/article/2025/09/02/l-eradication-du-manuel-scolaire-comme-repere-partage-est-une-erreur-pedagog
      https://archive.ph/dVclE

      faut innover, les livres on s’en passera aussi bien que les mode d’emploi imprimés, les cd, les disques.

      #fragmentation

    • « Avec l’IA, c’est le modèle politique de notre école qui est en jeu », Philippe Meirieu, pédagogue.
      https://www.lemonde.fr/societe/article/2025/09/16/philippe-meirieu-pedagogue-avec-l-ia-c-est-le-modele-politique-de-notre-ecol

      En France comme aux Etats-Unis, des systèmes éducatifs en crise tentent de s’approprier l’usage de l’intelligence artificielle, pour permettre l’individualisation des enseignements. Mais apprendre ensemble est ce qui nous permet de faire société, argue, dans une tribune au « Monde », le professeur honoraire en sciences de l’éducation.

      Le développement de l’intelligence artificielle (IA) générative interroge légitimement les systèmes éducatifs. Certains s’inquiètent qu’elle ouvre la porte à l’industrialisation de la fraude et cherchent de nouvelles méthodes d’évaluation, faisant plus de place à l’oral et à la créativité, plus attentives à la démarche qu’au résultat. D’autres réfléchissent à l’évolution du rôle des professeurs dès lors que la machine s’avérerait plus performante qu’eux pour délivrer des informations et garantir des acquisitions. Tous voient bien qu’il est impossible d’ignorer les bouleversements induits par une technologie que les élèves et les étudiants commencent à utiliser massivement.

      Mais il demeure la question, trop souvent oubliée, des effets de l’arrivée de l’IA sur l’organisation même de notre institution scolaire. C’est pourtant sur ce point que les thuriféraires de la « machine enseignante » insistent aujourd’hui, aussi bien aux Etats-Unis qu’en France. Leur raisonnement est simple : l’échec de l’école, que révèlent largement les enquêtes internationales comme les tensions institutionnelles entre les parents et les professeurs, tient à l’ambiguïté de son projet. Elle prétend assurer, en même temps, la transmission et la socialisation.

      Or ces deux missions, expliquent-ils, sont contradictoires. Pour être efficace, la transmission doit être individualisée, adaptée aux rythmes et profils des apprenants. Et, comme il est impossible pour un enseignant de différencier son enseignement pour s’adapter à chacun et chacune (en témoignent les difficultés de l’école inclusive), il faut confier cette fonction à la machine : avec l’IA, on peut, en effet, identifier précisément les caractéristiques cognitives, affectives et sociales d’un individu afin de construire un programme d’enseignement strictement adapté à ses besoins, accessible en permanence et capable de l’amener bien plus efficacement à des connaissances de haut niveau qu’un enseignement collectif inévitablement grevé par une hétérogénéité irréductible…

      Réussite individuelle à tout prix

      En parallèle, on pourra ainsi développer des activités de socialisation, sportives, artisanales ou artistiques, dans la nature ou l’entreprise, enfin délivrées du souci de la transmission méthodique de connaissances et qui pourront, bien mieux que l’école, former aux compétences psychosociales nécessaires à la vie en société. En bref, nous dit-on : l’école traditionnelle a été contrainte, pour des raisons d’économie et d’organisation, de mélanger transmission et socialisation. L’arrivée de l’intelligence artificielle rend ce modèle obsolète : fini le mélange des genres… Séparons ces deux missions et confions l’instruction à la machine et la socialisation à des animateurs socioculturels.

      On aurait tort de se débarrasser trop vite de cette perspective en misant simplement sur les difficultés matérielles de sa mise en place ou sur l’inertie institutionnelle du système scolaire : la puissance technologique, financière et politique des géants du numérique est telle qu’il serait bien imprudent de parier sur leur échec. Il serait bien naïf également de croire qu’on pourra s’opposer à ce qu’ils proposent en invoquant le bon sens populaire : les comportements parentaux sont, d’ores et déjà, empreints d’une volonté de réussite individuelle à tout prix que le discours sur l’« école efficace » comme la multiplication des évaluations et classements ne font qu’encourager. L’aspiration traditionnelle à ce que son enfant soit traité « comme les autres » laisse peu à peu la place à la conviction que son enfant est une exception et qu’il requiert un traitement spécifique particulier.

      Or, ce qui est en jeu ici, ce n’est rien d’autre que le modèle politique de notre école. Rappelons que, pour les penseurs des Lumières comme Condorcet [1743-1794], la scolarité n’est pas la juxtaposition d’un préceptorat individuel et d’activités ludiques collectives, mais bien le cadre de la rencontre d’intelligences diverses confrontées aux mêmes connaissances. Rappelons que, pour les fondateurs de l’école républicaine comme Ferdinand Buisson [1841-1932], l’école n’est pas seulement faite pour apprendre, mais pour apprendre ensemble, et accéder collectivement aux savoirs qui nous unissent alors que les croyances nous séparent.

      Et souvenons-nous des propositions du plan Langevin-Wallon [projet de réforme de l’enseignement en 1944] qui, dans la perspective ouverte par le Conseil national de la Résistance, font de l’école non pas un « service » offert à des consommateurs, mais une « institution » qui doit faire vivre – et pas simplement proclamer ou afficher – les valeurs pour lesquelles elle a été créée : la liberté, l’égalité et la trop souvent oubliée fraternité.

      Construction du commun

      Or, dès lors que l’on pose la fraternité comme principe éducatif fondateur, la question de l’efficacité de l’institution scolaire prend un tout autre sens. On change complètement de référent et ce qui importe alors, c’est moins la juxtaposition de performances individuelles que ce qui se joue dans la formation même des intelligences par la culture : la construction du commun. Car il ne faut pas croire que les savoirs acquis grâce à des didacticiels individuels, aussi sophistiqués soient-ils, sont les mêmes que ceux que l’on construit, sous l’autorité du maître, dans les interactions au sein de la classe.
      Socialisés, appréhendés dans des relations d’explications, d’objections et d’ajustements réciproques, passés au crible de l’intelligibilité de l’autre et de la décentration qu’ils imposent, les savoirs constituent ce « commun » qui, tout à la fois, assure le lien entre les générations et permet de « faire société ». A l’image de la table qu’évoque la philosophe Hannah Arendt [1906-1975], ils nous relient et nous séparent à la fois. Ils nous permettent d’entrer en relation et nous empêchent de tomber les uns sur les autres. Ils nous prémunissent contre le délire et la violence, nous permettent d’accéder – au moins de temps en temps – à cette « interargumentation rationnelle » dont parle le philosophe Jürgen Habermas et qui pourrait bien être une des conditions de la démocratie.

      C’est pourquoi il faut s’opposer résolument à la dissociation de la transmission et de la socialisation, fût-ce au nom d’une hypothétique efficacité technologique. C’est pourquoi il nous faut chercher résolument les moyens de les associer dans le même acte, quitte à tâtonner, pour faire droit, en même temps, aux différences qui nous singularisent et au commun qui nous unit. C’est pourquoi, en réalité, il n’est de pédagogie démocratique que la pédagogie de la coopération. Quand la réussite de chacun et chacune dépend de l’interlocution de toutes et tous. Quand le maître, attentif à toutes les formes de domination qui peuvent compromettre la solidarité dans le collectif, permet à tout élève de prendre sa part dans la découverte essentielle de ce qui nous unit et nous libère à la fois. Bien loin des songeries d’une intelligence artificielle qui nous sépare pour mieux nous aliéner à ses algorithmes.

      Philippe Meirieu est professeur honoraire en sciences de l’éducation et auteur de « Qui veut encore des professeurs ? » (Seuil, 2023)
      Philippe Meirieu (Professeur honoraire en sciences de l’#éducation)

      #transmission #socialisation #école #réussite_individuelle #institution #coopération #séparation

  • Quand l’#assurance prend en charge les #hallucinations des #chatbots dopés à l’#IA | Les Echos
    https://www.lesechos.fr/finance-marches/banque-assurances/quand-lassurance-prend-en-charge-les-hallucinations-des-chatbots-dopes-a-li

    Le Lloyd’s of London, plus grand marché mondial de l’assurance des entreprises, lance une solution couvrant les défaillances des chatbots. Le produit ouvre la voie à une adoption plus large de l’IA, tout en permettant aux assureurs de capter un marché en pleine expansion.

  • The Dark Risk of Large Language Models | WIRED
    https://www.wired.com/story/large-language-models-artificial-intelligence

    There is a lot of talk about “AI alignment” these days—getting machines to behave in ethical ways—but no convincing way to do it. A recent DeepMind article, “Ethical and social risks of harm from Language Models” reviewed 21 separate risks from current models—but as The Next Web’s memorable headline put it: “DeepMind tells Google it has no idea how to make AI less toxic. To be fair, neither does any other lab.” Berkeley professor Jacob Steinhardt recently reported the results of an AI forecasting contest he is running: By some measures, AI is moving faster than people predicted; on safety, however, it is moving slower.

    Meanwhile, the ELIZA effect, in which humans mistake unthinking chat from machines for that of a human, looms more strongly than ever, as evidenced from the recent case of now-fired Google engineer Blake Lemoine, who alleged that Google’s large language model LaMDA was sentient. That a trained engineer could believe such a thing goes to show how credulous some humans can be. In reality, large language models are little more than autocomplete on steroids, but because they mimic vast databases of human interaction, they can easily fool the uninitiated.

    #Intelligence_artificielle #Chatbots

  • 22 Steps to Making The Ultimate Chatbot
    https://hackernoon.com/22-rules-you-should-never-break-when-building-a-bot-ddb2efcac70d?source=

    In this #tutorial, we’re going to walk you through the most common mistakes made in each phase of bot building — conception, training, building or connection.Building a bot is a rewarding experience: creating your own artificial intelligence is amazing! However, it can be a challenge, and there are mistakes to avoid. In this piece, we’re going to walk you through the most common or damaging mistakes new bot builders make in each phase of bot building: conception, training, building, connection, user experience and maintenance. Let’s roll!ConceptionBuilding a bot doesn’t start at the first line of code. It starts much earlier, during the conception.During that first step, it’s important to define the use case of your chatbot. What is the problem you want it to solve? What are your business (...)

    #bots #chatbot-development #ai #chatbots

  • #ai #trends for #2019: What Should We Expect?
    https://hackernoon.com/ai-trends-for-2019-what-should-we-expect-9a1034dbb8e1?source=rss----3a81

    It’s been years since Artificial Intelligence was first introduced to the world. Now, the technology is available not only to businesses but to everyday users as well.AI has become a priceless helper for all industries worldwide. Its ability to process huge data sets and use this data for multiple purposes allowed businesses to significantly leverage their performance and offer brand-new service to the customers.We are all familiar with virtual assistants, smart homes, personalized apps, and smart gadgets. So is there a way AI can surprise us in the future? Read about the biggest AI trends below.Advanced personalizationUsers want personalization and that’s a fact. 56% of shoppers are willing to come back to the site if it recommends a product and personalized display ads have a 10X CTR (...)

    #chatbots #artificial-intelligence

  • How to Use Live Chat to Capture More Leads
    https://hackernoon.com/how-to-use-live-chat-to-capture-more-leads-4949db34651b?source=rss----3a

    Image from Rawpixel.comMuch has been said about how live chat can be a powerful tool for sales. But more specifically, how can live chat help to companies to generate more leads?No matter how well business is going — a steady and growing influx of leads is essential to generate more sales and scale your business. Fortunately, companies of all sizes can benefit from the latest advances in #messaging technology to help keep those leads coming.Live chat is one of these valuable resources: it gives you an instant messaging platform for engaging with potential customers on your website, helping you to shorten the sales funnel and qualify leads instantly.Businesses can connect with visitors to quickly provide assistance and speed up the process of qualifying leads to seconds. This way, live chat (...)

    #chatbots #growth-hacking #lead-generation #marketing

  • 5 #chatbots Ideas: Business Can’t Afford to Miss in 2019
    https://hackernoon.com/5-chatbots-ideas-business-cant-afford-to-miss-in-2019-e59cd41e01f8?sourc

    5 Chatbot Ideas: Business Can’t Afford to Miss in 2019If you are looking to add chatbot to your website, you would have probably noticed that there are many things required to get a user-friendly chatbot.As an IT sourcing analyst with ValueCoders (IT Sourcing Company), I used to face several challenges in developing “chatbots” during the stages of programming. Although, I find now quite easier to manage the development work, especially after knowing the ideas to develop a powerful chatbot solution for the business community. Sharing here my experience:Although chatbots have been around in the business industry for decades, e-businesses have only learned now how to effectively use them for business purposes.So, have you ever considered implementing chatbot to your business site?If yes, (...)

    #chatbots-for-business #bots #chatbots-for-smes

  • What To Do When AI #chatbots Get It Wrong ?
    https://hackernoon.com/what-to-do-when-ai-chatbots-get-it-wrong-9c343be876c2?source=rss----3a81

    What To Do When AI Chatbots Get it Wrong?AI ChatbotsAt present, everyone is excited because artificial intelligence has at last attained a position of prominence in the world. We’re all waiting with to find out how AI will influence our day-to-day life and regular activities.At some point, online shoppers must come face-to-face with some really irrational Chatbots, who don’t grasp what they want and need, apart from misbehaving and showing off their intelligence.Badly created Chatbots give patrons an impression that they have been created to trim down customer service costs; yet, why does this crop up?Though Artificial Intelligence (AI), without doubt, is getting better every day — our robotic buddies, i.e. ChatBot Technology is still genuinely deficient in practicality and good judgment. (...)

    #artificial-intelligence #chatbot-applications #ai-chatbot #ai-chatbot-technology

  • AI Trends to Look for in 2019 and Beyond
    https://hackernoon.com/ai-trends-to-look-for-in-2019-and-beyond-ba915f5881a7?source=rss----3a81

    AI Trends to Leverage in 2019 and BeyondPhoto: THANANIT / Adobe StockArtificial intelligence has grabbed our attention and inspired us to take notice, but many people don’t see the potential of this technology. AI has the power to change the way we view the world and complete our most basic tasks. It can make us safe and let us know when danger is around the corner, but it can do much more than that.AI can work with us and make our lives much easier if we let it. AI can now learn from its mistakes and change its behavior accordingly, and some of the most advanced AI is indistinguishable from human intelligence.Virtual AssistantsMost people with smartphones already know how useful virtual assistants can be. They can let us look up information on the web or remind us of appointments and (...)

    #chatbots #ai-marketing #robots #ai-trends #artificial-intelligence

  • A Guide to Building a Multi-featured #slackbot with #python
    https://hackernoon.com/a-guide-to-building-a-multi-featured-slackbot-with-python-73ea5394acc?so

    Chatbots are being used almost everywhere today from social messaging platforms to integration into websites for booking tickets, finding nearby restaurants, generating leads, buying and selling products. Some #chatbots, like Ruuh by Microsoft have been able to deliver human-like conversations using artificial intelligence and deep learning.Do you remember Natasha from Hike? I used it 4 years ago and was amazed to see how she handled our conversations which were so much better than a bot could possibly handle. I hadn’t heard the concept of machine learning back then.Now chatbots have made us so dependent on them that it has become a part of our lives today.“Ok Google, remind me on 20th to publish my chatbot article”“What time?”“Midnight”“Sure, I’ll remind you on Wednesday at midnight.”Chatbots (...)

    #machine-learning #web-development

  • The Awesome Duo: 6 Cases of How #fintech Benefits From AI
    https://hackernoon.com/the-awesome-duo-6-cases-of-how-fintech-benefits-from-ai-bb408242a1c5?sou

    Photo by Alice Pasqual on UnsplashIf you’ve ever used the Internet to transfer money between accounts or apply for a bank loan or trade, you’re probably aware of how deeply rooted fintech has become in our day-to-day lives. In 2018, about 61% of Americans used digital banking services and this number is set to exceed 65% in 2022. One of the newly-emerged traits of the 4th Industrial Era, fintech is an application of fast-evolving digital technologies to improve and facilitate financial services.Companies are rapidly adopting fintech to keep abreast of the competition. The investments into this industry are also impressive: in 2018, it attracted over $16 billion investment in the UK alone, according to KMPG.On the other hand, entire countries are rapidly adopting AI technologies to compete (...)

    #artificial-intelligence #chatbots #machine-learning #deep-learning

  • The State of #chatbots in 2019
    https://hackernoon.com/the-state-of-chatbots-in-2019-d97f85f2294b?source=rss----3a8144eabfe3---

    Chatbots are conversational interfaces meant to assist individuals in interacting with larger organizations.If you’re looking for help while browsing a website, you might end up texting with a chatbot. They’re a bit more dynamic a problem-solver than a simple FAQ webpage. If you’re looking to speak with a customer service representative, a chatbot might try to help you out on its own, or it could help direct you to the proper department within an organization, where a human operator can provide assistance.As this technology becomes more and more integrated into daily commerce, it’s worth asking: what barriers does the technology face today, what improvements are being made, and what can we expect of human-robot discourse in the future?LimitationsIt won’t take you all too long, under a (...)

    #nlp #state-of-chatbots #artificial-intelligence #machine-learning

  • How Can AI Help Small Businesses ?
    https://hackernoon.com/how-can-ai-help-small-businesses-e3f6938d384b?source=rss----3a8144eabfe3

    Hey Siri! Can you help me with my business?Quite recently I got into a discussion with my marketing manager, a tall and burly mid-age man; Let’s call him Steve.Steve and I got into a discussion on the subject of how AI in general, is transforming the way business is conducted.This man, a well-educated gentleman, only partially agreed with my perspective,He added,“I acknowledge technology has made quite an impact, but this impact is austerely restricted. My domain of work, or for that matter most small businesses haven’t observed any major transformation even after the recent developments in AI,”He continued,“It is predominantly large organizations that have profited from new-age technologies like AI and Machine learning.”This got me wondering…Is the AI use-case still confined to big & (...)

    #small-business #machine-learning #artificial-intelligence #ai-small-business #chatbots

  • Why #chatbots Are Critical to Driving Enterprise Value
    https://hackernoon.com/why-chatbots-are-critical-to-driving-enterprise-value-bf2087d2f308?sourc

    Photo by James Pond on UnsplashOver the last couple of years, there’s been a lot of buzz around chatbots and how they can help (especially eCommerce websites) drive real enterprise value. Fast-forward to 2019, and there’s a pretty good chance that you’ll be interacting with an artificially intelligent chatbot (at least half of the time).However, it’s still early days, and most of us can distinguish the difference between a chatbot and a human. But you can’t deny the fact that chatbots are quickly becoming ubiquitous across industries.Companies are leveraging chatbots for marketing activities, to generate leads, to entertain their target audience, and for customer service. Consumers are also aware of the benefits of interacting with smart bots.Why Are Enterprise Chatbots Important?Chatbots (...)

    #ai #artificial-intelligence #bots #chatbots-for-business

  • Review of Microsoft’s Desi Chatbot, Ruuh
    https://hackernoon.com/review-of-microsofts-desi-chatbot-ruuh-2652784a396d?source=rss----3a8144

    In our day to day life, it’s easy to take our ability to converse for granted. Thanks to the enormous amount of data we collect every second of our life through our sensory organs, we possess a huge amount of data which makes our ability to converse fluid. The emotional factor that we add in our conversation just makes it “human”. We all converse with our friends, families, strangers (sometimes) and easily understand the context of the discussion, the emotion, hidden meanings, etc. As simple as it may be for humans, it definitely isn’t the case with computers.With growing veins of Artificial Intelligence, we are getting surrounded by virtual assistants like Siri, Alexa, Cortana, etc. and tons of #chatbots and have transitioned into the “Age of Chatbots”. Let me draw the line clearly: A (...)

    #artificial-intelligence #deep-learning #social-media #nlp

  • Build #android Chatbot with #dialogflow (API.ai)
    https://hackernoon.com/build-android-chatbot-with-dialogflow-api-ai-97d15eefe6?source=rss----3a

    In this article, we will be sharing steps to integrate dialogflow chatbot into your Android app. All you need to build a sample chatbot for an android app is Dialogflow and #kommunicate.Below is an example of Kommunicate Support Bot developed in android using Dialogflow. We actually use this bot on our website. If you wish to see the bot live in action, head here.The actionable rich messaging powered bot can reply based on whether users are on chat for general queries, technical queries or scheduling a demo.You can use your existing dialogflow bot or checkout bot samples to build a qualifying bot of your own. Download the Kommunicate Support Bot from here and import into your Dialogflow account.Step 1: Setup an account in KommunicateThis is fairly simple. You can get a free account in (...)

    #chatbots #customer-support