Réponse à quelques arguments courants en faveur de l’intelligence artificielle générative (9)
Le 1er décembre 2025, l’Atelier d’écologie politique de Toulouse lançait un manifeste, aussitôt signé massivement par des membres de l’enseignement supérieur et de la recherche (ESR) et de l’éducation nationale (EN) déclarant adopter une posture d’objection de conscience face au déploiement des technologies d’IA générative (IAg) dans leurs institutions. Le manifeste, que nous vous incitons à signer, justifie cette position par trois considérations majeures : le gouffre énergétique et matériel qu’implique le développement de l’IA, et dans le contexte de crise climatique, son caractère écocidaire ; les désastres sociaux, géopolitiques, économiques qu’engendre cet accélérateur des infrastructures industrielles ; enfin le futur dystopique (désinformation, dépendance, attaques contre la démocratie…) que nous promettent les mégafirmes aux commandes du développement de l’IA. Depuis le lancement de ce manifeste, l’Atecopol (Atelier d’Écologie Politique de Toulouse) s’est lancé dans un travail politique et pédagogique non seulement remarquable mais absolument indispensable. Nous n’entrevoyons qu’une minime partie des conséquences que pourrait avoir l’éclatement de la bulle financière liée à l’IA, mais les manifestations du réchauffement climatique – qu’accélèrent à une vitesse inouïe les data centers nécessaires à l’IA – sont, cet été, d’ores et déjà très concrètes. C’est ce qui nous amène à reproduire, avec son autorisation, l’argumentaire détaillé produit par l’Atecopol. Comprenant 12 réponses à des objections entendues régulièrement (au-delà de la cantine ou de la salle des profs), il constitue un outil précieux pour mener le combat contre l’adhésion à toutes sortes de mythes et de mensonges. Il contribue aussi et surtout à construire un autre imaginaire politique, à dessiner un monde différent que celui que nous promet l’IA : entreprise à laquelle le Collectif Les mots sont importants s’associe pleinement.
Ce qu’en pensent les traducteurs et traductrices professionnelles.
Plusieurs traducteur·ices nous ont interpellé·es sur la phrase suivante du manifeste : « Nous sommes par ailleurs conscient·es que le terme « IAg » recouvre des applications très diverses, dont certaines sont déjà largement intégrées à nos pratiques, telles que la traduction ou la transcription automatique. » Cette phrase ne visait pas à cautionner ces pratiques en soi (des « exceptions » qui seraient légitimes), mais prenait acte du fait que certains usages d’IAg avaient déjà produit une sorte d’effet de cliquet dans nos institutions. Il s’agit notamment de trois usages : i) le peaufinage de textes en anglais rédigés par des scientifiques avant publication, ii) la traduction de pages web dans des langues complètement inconnues de nous, pour pouvoir les lire, et iii) la transcription automatique d’entretiens en sociologie, qui semble s’être imposée comme norme dans certains laboratoires. Nous ne pensons pas que les individus puissent à eux seuls défaire les verrouillages technologiques, et nous voulions signifier que l’objection de conscience face à l’IAg n’implique pas de se défaire personnellement de tous les attachements qui ont été produits dans ces institutions ou qui le seront. Cela étant dit, les usages de traduction et transcription par IAg posent des problèmes profonds dont nous n’avions pas forcément conscience en écrivant cette phrase. Les traducteur·ices qui nous ont interpellé·es considèrent ainsi que les trois usages cités sont problématiques. Nous souhaitons relayer ici leurs arguments, qui nous semblent justes et méritent d’être connus. Leur texte ci-dessous décrit également plus largement la problématique liée à la traduction face à la vague de l’IAg. Il a été écrit par des traducteur·ices des collectifs En Chair et En Os et IA-lerte générale.
Faut-il faire des exceptions ?
Le passage du manifeste sur la traduction peut être compris comme la suggestion que certains usages de l’IAg seraient « moins graves » que d’autres et que des « exceptions » pourraient leur être accordées dans l’objection de conscience. Contre cette idée, et d’autant plus peut-être que le manifeste prend les limites planétaires comme point de départ, il nous semble difficile de ménager des exceptions à l’usage quotidien de l’IA, comme si la traduction ou la transcription vocale constituaient moins un « gouffre énergétique et matériel » (nous reprenons les termes du manifeste) que les autres usages de l’IA. Au « caractère écocidaire » de l’IA doit aussi s’ajouter son coût social (des travailleureuses des mines à celleux des data centers). Si l’on doit absolument prévoir des « exceptions », cela ne doit-il pas se faire à l’aune d’une étude bénéfices-risques pour l’humain et pour la planète ?
La question de l’emploi
Le caractère « moins grave » de l’usage de la traduction automatique est parfois défendu au motif que celle-ci n’intervient généralement pas en remplacement d’un·e traducteurice de métier mais pour des situations ponctuelles et bénignes. Or, même dans un tel cas, l’entraînement des modèles de langage repose sur des données produites par des personnes. On sait qu’une partie de ces données ont été volées (par exemple, Meta a admis avoir entraîné son modèle sur une base de données de livres piratés, et c’est probablement le cas pour Mistral aussi. Mais même lorsque les données ont été acquises « légalement », leur exploitation repose sur une exception au droit d’auteur (« exception TDM » de 2019) dont la légitimité et la cohérence avec la Convention de Berne (qui régit le droit d’auteur) sont remises en cause. TOUTE sortie machine, qu’il s’agisse de « traduction » ou plus largement de génération de texte, repose donc sur l’exploitation illégitime et possiblement illégale de données sous droit d’auteur. Par ailleurs, toute utilisation de la traduction automatique donne de la légitimité à cet outil, et participe donc à la disqualification des traducteur·ices et à la dégradation de leurs conditions de travail et de rémunération. Cela rend caduc l’argument selon lequel « ça ne vole le travail de personne ».
Les cas i) et ii) (peaufinage d’un texte écrit en anglais, et traduction de pages web) posent la question de la capacité des chercheur·euses à analyser de manière critique la traduction ou correction produites. On peut supposer qu’ils ont recours à l’IA parce qu’ils n’ont pas confiance en leurs compétences linguistiques, sont structurellement débordés et espèrent gagner du temps. Dans ces conditions, ils seront tentés de « croire » aveuglément au texte produit par l’IA et ne seront pas en mesure d’en déceler les problèmes – qui existent. D’ailleurs, sans cette foi accordée à la sortie machine, il n’y a pas de raison d’y recourir puisque c’est extrêmement fatiguant de repasser derrière. Rien ne garantit donc que la sortie machine, en particulier sur le travail spécialiste et très ciblé des collègues, soit plus satisfaisante que la rédaction d’un·e collègue plus ou moins à l’aise dans la langue cible. Pourquoi ne pas admettre qu’un texte écrit dans une langue qui n’est pas la langue maternelle du chercheur n’a pas à être parfait (et qu’on n’a pas forcément besoin que tout soit en « anglais international », d’ailleurs) ?
Le cas ii) pose également la question des langues « minorisées ». Si elles sont toutes « traduites » en anglais, elles cesseront alors inéluctablement d’être des langues d’expression scientifique, et la légitimité de la recherche dans ces langues « rares » en souffre. Or le multilinguisme (des scientifiques et en général), et la traduction humaine de l’état de l’art, est bien plus désirable que l’illusion de la transparence des langues que permettrait la traduction-machine.
Pour le cas iii) (transcription des entretiens), nous ne sommes pas sociologues et nous garderons donc de répondre sur cette question. Un très bon interlocuteur en la matière serait le sociologue Juan Sebastian Carbonell, qui vient de sortir un livre sur l’IA (Un taylorisme augmenté, Amsterdam). Une transcriptrice décrit ici son travail et explique en quoi il se différencie d’une transcription automatique. De manière générale, il faut se méfier de l’idée que l’IA a « tout changé » : ce qu’elle a changé, c’est surtout l’acceptabilité sociale de l’automatisation totale de certaines tâches.
L’argument du gain de temps
En général, il faut s’interroger sur l’impression de gain de temps, l’illusion d’optique qui consiste à croire qu’il est moins chronophage de corriger un texte existant que de faire le travail soi-même. Cette impression vient beaucoup du côté « rassurant » d’avoir un texte devant soi plutôt que de partir d’une page blanche. Et c’est d’autant plus rassurant qu’on est par ailleurs fatigués, angoissés… Cela vaut pour les collègues comme pour les étudiants. Pour ce qui est de la traduction, la profession est unanime quant au fait que la post-édition (correction de sorties machines) ne représente aucun gain de temps significatif, mais une grande perte de sens et de bien-être au travail.
Dans un contexte universitaire, si le recours aux IAg dans nos professions semble si séduisant malgré tout, c’est parce que nous n’avons plus le temps de faire correctement notre métier. Nous croulons sous les tâches annexes et, pour des choses qui relèvent de notre cœur de métier, nous devons aller plus vite, parce que nous avons une exigence de rentabilité. La question n’est pas de « gagner » du temps (en lâchant sur la qualité), mais de réfléchir à quoi serait occupé ce temps prétendument « gagné » : à répondre à plus de mails et d’appels à projets (rédigés et évalués par IA), à corriger plus de copies, à faire des heures sup de cours payées en-dessous du SMIC, à publier ET périr à petit feu ? Nos désirs de concession à l’IAg ne sont qu’une conséquence du publish or perish et de la dégradation de nos conditions de travail.
Repenser la communauté universitaire ?
Plutôt que de céder aux sirènes de l’IAg, peut-être faudrait-il repenser l’esprit de coopération au sein de la communauté universitaire, et nous entraider davantage en mutualisant nos compétences (par exemple linguistiques), notamment au sein des labos. Cela demande du temps, ainsi qu’une reconnaissance et une valorisation de cet effort collaboratif. Là où l’IAg a pour but de détricoter les liens sociaux, accepter notre dépendance vis-à-vis des autres (collègues qui nous aident, professionnels qu’on rémunère…) nous semble un modèle plus sain, plus propre aussi à la diffusion des compétences (comme le plurilinguisme) — un modèle pluriel, incarné, qui n’efface pas toutes les compétences et limites individuelles derrière la puissance algorithmique.
