Sommes-nous en train de préparer une bonne société axée sur l’intelligence artificielle ?

1882 vues

Partager

L’intelligence artificielle (IA) pourrait sans doute être l’une des technologies les plus perturbante du 21e siècle. Elle dispose en effet d’un potentiel de transformation important pour tous les aspects de la société. Se préparer à une « bonne société » axée sur l’IA est devenu un sujet brûlant, avec un intérêt croissant tant du public que du monde scientifique notamment par rapport aux principes, politiques et cadres éthiques nécessaires à la société. Ceci avec un accent marqué sur les avantages de l’IA dans un contexte où les risques liés à son utilisation seront minimes. Sur la base d’une analyse bibliométrique de 40147 documents extraits de la base de données Web of Science, cette étude explore l’état de développement de la recherche en IA.

Mots clés

Auteur.e(s)

Institution(s)

Vidéos de la même institution

04:02
Malgré les performances avérées des méthodes modernes d’intelligence artificielles, peu de travaux s’intéressent aux impacts environnementaux liés à la quantité de ressources nécessaires à l’entrainement et à l’usage de ces modèles. Ceci est très alarmant, lorsqu’on sait que le réchauffement climatique est une menace majeure qui met en péril notre planète et nos sociétés. Ainsi, nous abordons globalement dans ce travail la question de la mesure de l’empreinte carbone des modèles d’intelligence artificielle. Plus précisément nous considérons le cas des modèles visant à réduire les émissions de CO2. Pour de tels modèles, nous proposons de mesurer leurs impacts négatifs (quantité CO2 émise par l’entrainement et l’usage des modèles), et leurs impacts positifs (quantité de CO2 non émise du fait de l’usage des modèles). Les évaluations réalisées démontrent que l’empreinte carbone générée par l’entrainement et l’usage des modèles d’intelligence artificielle est globalement non-négligeable. Ainsi, les nouvelles métriques que nous proposons peuvent permettre d’évaluer et de comparer l’impact environnemental de ces modèles, au-delà des métriques usuelles d’évaluation des performances prédictives.
TCHUENTE Dieudonné - TBS Education |
04:17
When time is of the essence and teams face unexpected contextual changes, they must adapt quickly, sometimes even in real time, that is, they may have to improvise. This paper adopts an inductive approach to explore how teams decide to engage in improvised adaptation, and what happens during those processes for improvisation to be successful. The study analyzes improvisation from the perspective of paradox theory and identifies six paradoxical tensions driven by these contexts: deployment, development, temporal, procedural, structural, and behavioral tensions. We propose a dynamic equilibrium model of team improvised adaptation that leads to team plasticity.
ABRANTES Antonio - TBS Education |
03:40
Avec la pérennisation du télétravail et l’utilisation accrue d’outils en réseau, les organisations affrontent des risques émergents : cyberattaques, vol de données, fraude interne. Comment lutter contre cette épidémie émergente et prévenir ces cyber-risques? Nous analysons ces risques avec une étude qualitative dans une compagnie d’assurance-vie et démontrons la nécessité de développer une protection renforcée, de sensibiliser les collaborateurs grâce à une forte implication des managers.
DIARD Caroline - TBS Education |
04:48
The concept of an "entrepreneurial ecosystem" has become a major means of both theorizing and making policy decisions about entrepreneurship, innovation and economic development. The idea of an entrepreneurial ecosystem captures the way in which entrepreneurship is increasingly realized and undertaken through the innate interdependencies existing between the elements and components of what are essentially biotic communities (consisting of complex interactions between human agents and a range of tangible and intangible components). This book takes a multi-faceted perspective on the emergence of entrepreneurship within ecosystems in cities and regions, how these ecosystems evolve and operate, and their future development. This introductory chapter provides initial theoretical background on the nature of ecosystems in the context of entrepreneurship and urban and regional development, before giving a summary of the three parts of the book: (1) The emergence of entrepreneurial ecosystems; (2) The evolution of entrepreneurial ecosystems; and (3) The future of entrepreneurial ecosystems.
THEODORAKI Christina - TBS Education |

Vidéos de la même thématique

What are digital data wallets? What type of data do they handle, and what are their advantages? Digital data wallets are secure digital platforms or applications that allow users to store, manage, and share personal information and data. These wallets can hold a variety of digital credentials, including payment information, identification documents (like driver’s licenses or ID cards), and health records. Their flexibility and security make digital data wallets an attractive solution for a range of activities, from financial transactions to identity verification and online authentication.
TRABANDT Mélanie - AUDENCIA |
The rise of digital wallets led the EU to fund the Soteria project. It unites practitioners and researchers from across Europe to pinpoint the key criteria that will persuade individuals to use Digital Data Wallets.
TRABANDT Mélanie - AUDENCIA |
Chaque année en France, le nombre de sites marchands augmente en moyenne de 5 à 10 %. Il est actuellement de 220000. Face à une telle croissance, comment réussir à se différencier durablement ?
LEMOINE Jean-François - ESSCA |
Malgré les performances avérées des méthodes modernes d’intelligence artificielles, peu de travaux s’intéressent aux impacts environnementaux liés à la quantité de ressources nécessaires à l’entrainement et à l’usage de ces modèles. Ceci est très alarmant, lorsqu’on sait que le réchauffement climatique est une menace majeure qui met en péril notre planète et nos sociétés. Ainsi, nous abordons globalement dans ce travail la question de la mesure de l’empreinte carbone des modèles d’intelligence artificielle. Plus précisément nous considérons le cas des modèles visant à réduire les émissions de CO2. Pour de tels modèles, nous proposons de mesurer leurs impacts négatifs (quantité CO2 émise par l’entrainement et l’usage des modèles), et leurs impacts positifs (quantité de CO2 non émise du fait de l’usage des modèles). Les évaluations réalisées démontrent que l’empreinte carbone générée par l’entrainement et l’usage des modèles d’intelligence artificielle est globalement non-négligeable. Ainsi, les nouvelles métriques que nous proposons peuvent permettre d’évaluer et de comparer l’impact environnemental de ces modèles, au-delà des métriques usuelles d’évaluation des performances prédictives.
TCHUENTE Dieudonné - TBS Education |

S'abonner aux vidéos FNEGE MEDIAS