Intelligence artificielle et épistémologie. Allers-retours indispensables

Jean-Gabriel Ganascia

Lire ce document Page de l'archive
Résumé :
National audience
Ce chapitre montre que les enjeux épistémologiques mutuels l’intelligence artificielle (IA) et des sciences de l’homme et de la société (SHS) sont multiples. Il en aborde précisément trois. Le premier tient à l’épistémologie de l’IA qui, en tant que discipline scientifique, mérite qu’un regard philosophique et historique en dégage les fondements. Il s’agit de préciser la nature de cette discipline qui ne se réduit pas à une technique et qui, en tant que science, n’est ni une science de la nature à proprement parler, ni vraiment une science de la culture ; de plus, tout en étant à l’origine fondée par des mathématiciens, elle recourt aux SHS. Le deuxième enjeu est relatif aux utilisations de l’IA, de l’apprentissage machine et du traitement des données dans différentes disciplines des SHS et aux changements majeurs que ces utilisations induisent en automatisant des tâches fastidieuses. Enfin, le troisième enjeu vient des bouleversements apportés par l’IA et le numérique aux SHS où ils permettent non seulement d’automatiser certaines tâches, mais aussi de concevoir de nouveaux opérateurs d’interprétation et des procédures de preuve. L’apport de l’IA n’est alors pas uniquement pratique ; il introduit dans ces disciplines ce que Gaston Bachelard appelle une rupture épistémologique, c’est-à-dire une dissociation entre l’évidence première de l’observation et les faits scientifiques issus de l’expérimentation.
Date de publication : 2022-06-10
Type de document : Communication dans un congrès
Affiliation : Agents Cognitifs et Apprentissage Symbolique Automatique (ACASA) ; LIP6 ; Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)

Citer ce document

Jean-Gabriel Ganascia, « Intelligence artificielle et épistémologie. Allers-retours indispensables », Jecis, 2022-06-10. URL : https://hal.science/hal-03760357