L’approche critique et transdisciplinaire de l’intelligence artificielle nécessite des instruments de compréhension, d’évaluation et d’action.
Cette page présente :

• les outils et méthodes développés dans le cadre du projet,

• les outils de contexte, issus des pratiques scientifiques, techniques et éthiques reconnues.

1. Outils et méthodes proposés

Ces dispositifs sont conçus pour favoriser une pratique réflexive, éthique et documentée de l’IA. Ils visent à rendre visible la logique des systèmes algorithmiques et à renforcer la souveraineté cognitive des utilisateurs.

a. Grille d’analyse critique

Cadre méthodologique permettant d’évaluer :

• les finalités d’un système d’IA,

• les hypothèses implicites dans sa conception,

• les effets cognitifs et sociaux de son usage,

• la traçabilité des données et des décisions.

Utilisée pour guider les audits éthiques, les études d’impact et les projets de recherche.

b. Cartographie systémique

Outil visuel pour représenter les interactions entre acteurs, données, infrastructures et régulations.
Elle aide à situer un projet d’IA dans son environnement institutionnel, économique et social, afin d’en anticiper les effets systémiques.

c. Protocole de documentation réflexive

Méthode de suivi continu des choix techniques et conceptuels.
Chaque étape du développement d’un système est accompagnée d’une justification documentée : décisions, incertitudes, arbitrages éthiques.
Ce protocole favorise la transparence et la traçabilité des modèles.

d. Laboratoire de simulation critique

Espace expérimental où sont testées différentes configurations d’IA afin d’observer leurs effets cognitifs, comportementaux et sociaux.
L’objectif est de tester les limites et biais avant toute intégration dans un environnement réel.

2. Outils de contexte

Ces outils ne sont pas issus directement du projet, mais ils forment le socle commun sur lequel s’appuient les pratiques d’analyse et de régulation de l’IA.
Ils sont reconnus dans les communautés scientifiques, techniques et institutionnelles.

a. Cadres d’évaluation éthique

• IEEE Ethically Aligned Design (norme internationale de conception éthique).

• EU AI Act – Règlement européen sur l’IA (2024).

• OCDE – Principes pour une IA responsable.

• UNESCO – Recommandation sur l’éthique de l’intelligence artificielle.

Ces cadres définissent les principes de transparence, d’équité, de sécurité et de gouvernance responsable.

b. Outils techniques de traçabilité et d’audit

• Model cards et Datasheets for Datasets (Google / Gebru et Mitchell).

• Explainable AI (XAI) : outils d’interprétation des modèles.

• AI Fairness 360 et What-If Tool : bibliothèques open source d’audit des biais.

Ils permettent d’examiner la performance, la justice et la robustesse des modèles.

c. Méthodes participatives et de design éthique

• Design fiction : projection critique des usages possibles.

• Ateliers de co-interprétation : inclusion des usagers et des experts dans l’évaluation.

• Ethical Impact Assessment (EIA) : méthode structurée d’analyse des impacts humains et sociétaux.

3. Finalité commune

Ces outils – qu’ils soient issus du projet ou du champ scientifique plus large – poursuivent un même objectif :

Rendre l’intelligence artificielle intelligible, traçable et amendable.

Ils forment un écosystème de méthodes au service d’une gouvernance lucide et partagée de la technologie, où la technique reste un moyen au service du discernement humain.