Peut-on d\u00e9velopper et d\u00e9ployer de grands mod\u00e8les de langage d\u2019une mani\u00e8re socialement responsable qui puisse \u00e0 la fois pr\u00e9venir les pr\u00e9judices et assurer l\u2019\u00e9quit\u00e9 num\u00e9rique d\u2019un large \u00e9ventail de communaut\u00e9s linguistiques?
\nL\u2019essor mondial des grands mod\u00e8les de langage constitue l\u2019une des priorit\u00e9s des leaders technologiques et des gouvernements. Leur adoption massive pose toutefois un risque majeur pour la s\u00e9curit\u00e9 de millions de personnes. Pour les quelque 140 millions de locuteurs et locutrices du pidgin nig\u00e9rian, ces syst\u00e8mes d\u2019IA avanc\u00e9s peuvent \u00eatre des vecteurs de censure, de discrimination et d\u2019exclusion num\u00e9rique.<\/p>\n
En raison de plusieurs obstacles syst\u00e9miques, tels que la forte sous-repr\u00e9sentation des dialectes marginalis\u00e9s dans les donn\u00e9es d\u2019entra\u00eenement, le manque d\u2019outils d\u2019\u00e9valuation tenant compte des diff\u00e9rences culturelles et les cadres r\u00e9glementaires embryonnaires, il est difficile d\u2019\u00e9tendre des syst\u00e8mes d\u2019IA monolingues \u00e0 la fois s\u00fbrs et inclusifs \u00e0 l\u2019ensemble des populations mondiales. Or, les communaut\u00e9s dont le dialecte n\u2019est pas pris en compte dans le d\u00e9veloppement de l\u2019IA sont moins susceptibles de profiter des progr\u00e8s technologiques et davantage expos\u00e9es aux pr\u00e9judices caus\u00e9s par les biais algorithmiques, une situation qui perp\u00e9tue ce qu\u2019on peut appeler un \u00ab cycle d\u2019exclusion num\u00e9rique \u00bb.<\/p>\n
Lever les obstacles \u00e0 une IA s\u00fbre et \u00e9quitable exige des efforts concert\u00e9s de la part des \u00e9quipes de d\u00e9veloppement, des chercheuses et chercheurs et des responsables politiques. Ces efforts se heurtent toutefois \u00e0 l\u2019absence d\u2019outils d\u2019analyse capables de mesurer et d\u2019att\u00e9nuer les risques de biais pour l\u2019ensemble des populations \u2014 biais qui peuvent amener les mod\u00e8les \u00e0 consid\u00e9rer syst\u00e9matiquement la mani\u00e8re de parler d\u2019une personne comme injurieuse, inappropri\u00e9e ou nuisible.<\/p>\n
Ce R\u00e9seau de solutions se consacrera \u00e0 la cocr\u00e9ation citoyenne et socialement responsable d\u2019indicateurs de biais dialectaux, d\u2019outils d\u2019att\u00e9nuation et de solutions politiques, en collaboration avec une \u00e9quipe multiculturelle du Canada et de l\u2019Afrique, et avec la participation directe de communaut\u00e9s locutrices du pidgin nig\u00e9rian.<\/p>\n","protected":false},"excerpt":{"rendered":"
\u00c9laborer des indicateurs, des outils et des politiques pour emp\u00eacher les grands mod\u00e8les de langage d\u2019exercer une discrimination envers certains dialectes.<\/p>\n","protected":false},"featured_media":191,"template":"","ai-safety-technique":[61,63,67],"application-area":[76],"project-type":[86],"research-theme":[91],"class_list":["post-854","research_project","type-research_project","status-publish","has-post-thumbnail","hentry","ai-safety-technique-commandabilite-et-alignement","ai-safety-technique-evaluation-et-analyse-comparative","ai-safety-technique-validation-sociotechnique","application-area-grands-modeles-de-langage","project-type-reseau-de-solutions","research-theme-equite-et-inclusion-sociales"],"acf":[],"yoast_head":"\n