Dilemmes éthiques de l'IA avec exemples concrets
Bien que l’intelligence artificielle transforme le fonctionnement des entreprises, des inquiétudes subsistent quant à son influence sur nos vies. Il s’agit à la fois d’un problème académique/sociétal et d’un risque de réputation pour les entreprises ; aucune entreprise ne souhaite être compromise par des scandales liés aux données ou à l’éthique de l’IA qui terniraient sa réputation.
Explorez les enjeux éthiques liés à l’utilisation de l’IA, des exemples de mauvais usage et les principes clés pour atténuer ces problèmes.
Biais algorithmique
Les algorithmes et les données d’entraînement peuvent contenir des biais, tout comme les humains, puisque ces derniers les génèrent également. Ces biais empêchent les systèmes d’IA de prendre des décisions équitables. Nous rencontrons des biais dans les systèmes d’IA pour deux raisons :
- Les développeurs peuvent programmer des systèmes d’IA biaisés sans même s’en rendre compte
- Les données historiques utilisées pour entraîner les algorithmes d’IA peuvent ne pas être suffisantes pour représenter avec précision l’ensemble de la population.
Exemple concret :
Les grands modèles de langage (LLMs) sont de plus en plus utilisés sur les lieux de travail pour améliorer l’efficacité et l’équité, mais ils peuvent également reproduire ou amplifier les biais sociaux. L’étude Silicon Ceiling examine l’impact des LLMs sur le recrutement en auditant les biais de race et de genre dans OpenAI’s GPT-3.5, en s’appuyant sur les méthodes traditionnelles d’audit de CV.
Les chercheurs mènent deux études en utilisant des noms associés à différentes races et genres : évaluation de CV et génération de CV. Dans l’étude 1, GPT évalue des CV avec des noms variés dans plusieurs professions et critères d’évaluation, révélant des biais basés sur des stéréotypes. Dans l’étude 2, GPT génère des CV fictifs, montrant des différences systématiques : les CV des femmes reflètent moins d’expérience, tandis que les CV asiatiques et hispaniques incluent des marqueurs d’immigration.
Ces résultats s’ajoutent aux preuves de biais dans les LLMs, en particulier dans les contextes de recrutement.1
Pour construire une IA responsable et éthique, il est nécessaire d’éliminer les biais dans les systèmes d’IA. Pourtant, 47 % des organisations testent les biais dans les données, les modèles et l’utilisation humaine des algorithmes.2
Bien qu’éliminer tous les biais dans les systèmes d’IA soit presque impossible, étant donné les nombreux biais humains existants et la découverte continue de nouveaux, les minimiser peut être un objectif pour les entreprises.
Objets autonomes
Les objets autonomes (AuT) sont des dispositifs et des machines qui effectuent des tâches spécifiques sans intervention humaine. Ces machines incluent les voitures autonomes, les drones et la robotique. L’éthique des robots étant un vaste sujet, nous concentrons sur les problèmes éthiques liés à l’utilisation des véhicules autonomes et des drones.
Voitures autonomes
Malgré la valeur croissante des véhicules autonomes, ils posent divers risques pour les directives éthiques de l’IA. La responsabilité et l’imputabilité des véhicules autonomes restent un sujet de débat.
Exemple concret :
Par exemple, en 2018, une voiture autonome Uber a heurté un piéton qui est décédé plus tard à l’hôpital.3 L’accident a été enregistré comme le premier décès impliquant une voiture autonome.
Après l’enquête menée par le département de police de l’Arizona et le Conseil national de la sécurité des transports (NTSB) des États-Unis, les procureurs ont décidé que l’entreprise n’était pas pénalement responsable de la mort du piéton. Cela s’explique par le fait que la conductrice de sécurité était distraite par son téléphone portable, et les rapports de police qualifient l’accident de « totalement évitable ».
Armes létales autonomes (SALA)
Les SALA (systèmes d’armes létales autonomes) sont des armes alimentées par l’IA qui peuvent identifier et engager des cibles par elles-mêmes sur la base de règles programmées. De tels systèmes existent depuis des décennies, en particulier dans des applications défensives comme les mines, la défense antimissile, les systèmes de surveillance et les munitions rôdeuses.
Les plateformes plus récentes incluent des véhicules terrestres et maritimes dotés de capacités autonomes, principalement pour la reconnaissance, mais parfois avec des fonctions offensives.
Exemple concret :
Dans le conflit entre l’Ukraine et la Russie, les armes autonomes sont principalement utilisées par le biais de drones et de munitions rôdeuses alimentés par l’IA plutôt que de systèmes totalement indépendants.
La Russie utilise des munitions rôdeuses, qui peuvent rechercher et frapper de manière autonome des cibles militaires prédéfinies avec un contrôle humain minimal une fois lancées. L’Ukraine utilise principalement des drones semi-autonomes, où les humains autorisent les attaques tandis que l’IA assiste la navigation, le suivi des cibles et l’engagement rapide.
Ces systèmes augmentent la vitesse et la précision sur le champ de bataille, mais réduisent le contrôle humain significatif, créant des défis juridiques et éthiques en vertu du droit international humanitaire, notamment en ce qui concerne les principes de distinction, de proportionnalité et de responsabilité.4
Exemple concret :
Depuis 2018, les Nations Unies s’opposent systématiquement aux systèmes d’armes létales autonomes (SALA). Le Secrétaire général António Guterres les a qualifiés de politiquement et moralement inacceptables et a exhorté à leur interdiction.
En 2023, il a réitéré la nécessité d’un instrument international juridiquement contraignant pour interdire les armes entièrement autonomes et réglementer les autres, citant de graves risques humanitaires, juridiques et pour les droits de l’homme. Les experts des Nations Unies en matière de droits de l’homme ont fait écho à ces préoccupations et soutenu une interdiction mondiale.5
Chômage et inégalités de revenus dus à l’automatisation
L’automatisation pilotée par l’IA devrait remodeler considérablement les marchés du travail, contribuant à des pressions sur le chômage à court terme et à l’élargissement des inégalités de revenus si elle n’est pas gérée.
Les projections actuelles suggèrent que 15-25 % des emplois connaîtront une perturbation significative d’ici 2025-2027, avec un déplacement net d’emplois de 5-10 % après la création de nouveaux postes.
Dans le même temps, l’IA complète le travail humain dans des domaines tels que la prise de décision, le raisonnement et la créativité, déplaçant la demande vers des compétences à plus forte valeur ajoutée. Avec plus de 40 % des travailleurs nécessitant une requalification substantielle d’ici 2030, l’accès inégal à la reconversion risque d’aggraver les inégalités de revenus entre ceux qui peuvent s’adapter aux postes assistés par l’IA et ceux qui ne le peuvent pas. Consultez pertes d’emplois dues à l’IA pour plus de prévisions sur l’effet de l’IA sur le marché du travail actuel.
Mauvais usages de l’IA
Différends sur la gouvernance de l’IA concernant les armes autonomes
Les tensions récentes entre les entreprises d’IA et les gouvernements illustrent la difficulté de fixer des limites à l’utilisation militaire de l’IA. Début 2026, l’entreprise d’IA Anthropic a refusé de signer un contrat avec le ministère de la Défense des États-Unis qui permettrait au gouvernement un « accès illimité » à ses modèles pour « toutes les finalités légales ».
Le PDG d’Anthropic, Dario Amodei, a déclaré que l’entreprise participerait si deux garanties étaient incluses : l’interdiction de la surveillance de masse intérieure et la prévention du développement d’armes entièrement autonomes sans contrôle humain.6
Le désaccord met en lumière des préoccupations plus larges concernant le rôle des systèmes d’IA avancés dans la guerre. Bien que les grands modèles de langage ne soient pas des armes en soi, ils peuvent être intégrés dans des systèmes militaires pour analyser le renseignement, générer des listes de cibles potentielles, hiérarchiser les menaces et recommander des actions militaires.
Les armes entièrement autonomes représentent l’étape la plus controversée de cette progression. Une fois activés, ces systèmes peuvent rechercher, sélectionner et attaquer des cibles de manière indépendante en utilisant des capteurs tels que des caméras et des radars, ainsi que des algorithmes d’IA.
Les critiques avertissent que le retrait des humains de la boucle de décision soulève des préoccupations éthiques et juridiques majeures, notamment en matière de responsabilité et de conformité au droit international humanitaire.
Pratiques de surveillance limitant la vie privée
« Big Brother vous regarde. » Cette célèbre phrase du roman dystopique de George Orwell, 1984, relevait autrefois de la science-fiction. Aujourd’hui, cependant, elle semble de plus en plus réelle, alors que les gouvernements déploient l’IA pour la surveillance de masse. En particulier, l’utilisation de la technologie de reconnaissance faciale dans les systèmes de surveillance a soulevé de sérieuses inquiétudes concernant le droit à la vie privée.
Selon l’indice mondial de surveillance par IA (AIGS), 176 pays utilisent des systèmes de surveillance par IA, et les démocraties libérales sont de grandes utilisatrices de la surveillance par IA.7
La même étude montre que 51 % des démocraties avancées déploient des systèmes de surveillance par IA, contre 37 % des États autocratiques fermés. Cependant, cela est probablement dû à l’écart de richesse entre ces deux groupes de pays.
D’un point de vue éthique, la question importante est de savoir si les gouvernements abusent de la technologie ou l’utilisent légalement.
Exemples concrets :
Certains géants de la technologie expriment également des préoccupations éthiques concernant la surveillance alimentée par l’IA. Par exemple, le président de Microsoft, Brad Smith, a publié un article de blog appelant à une réglementation gouvernementale de la reconnaissance faciale.8
De plus, IBM a cessé de proposer cette technologie pour la surveillance de masse en raison de son potentiel d’abus, comme le profilage racial, qui viole les droits humains fondamentaux.9
Manipulation du jugement humain
L’analyse alimentée par l’IA peut fournir des informations exploitables sur le comportement humain, mais abuser de l’analyse pour manipuler les décisions humaines est éthiquement répréhensible.
Exemple concret :
Cambridge Analytica a vendu les données des électeurs américains collectées sur Facebook à des campagnes politiques et a fourni assistance et analyses aux campagnes présidentielles de 2016 de Ted Cruz et Donald Trump.
Les informations sur la violation de données ont été divulguées en 2018, et la Federal Trade Commission a infligé une amende de 5 milliards de dollars à Facebook pour ses violations de la vie privée.10
Prolifération des deepfakes
Les deepfakes sont des images ou des vidéos générées synthétiquement dans lesquelles une personne dans une image ou une vidéo est remplacée par l’apparence de quelqu’un d’autre.
Créer un faux récit à l’aide de deepfakes peut nuire à la confiance des gens dans les médias (qui est à son plus bas niveau historique).11 Cette méfiance est dangereuse pour les sociétés, étant donné que les médias de masse restent la première option des gouvernements pour informer les gens sur les événements d’urgence tels qu’une pandémie mondiale ou un tremblement de terre majeur causant des dégâts et des victimes considérables.
Exemple concret :
La Commission européenne a ouvert une enquête sur la plateforme X d’Elon Musk suite à des allégations selon lesquelles son outil d’IA, Grok, a été utilisé pour générer des images deepfake sexualisées de personnes réelles, à la suite d’une action similaire du régulateur britannique Ofcom.
S’il s’avère que X a enfreint la loi sur les services numériques de l’UE, elle pourrait se voir infliger des amendes allant jusqu’à 6 % de son chiffre d’affaires annuel mondial, et les régulateurs pourraient imposer des mesures provisoires si les garanties ne sont pas renforcées.
Les responsables de l’UE et les militants ont condamné les deepfakes comme étant nuisibles et dégradants, en particulier pour les femmes et les enfants, se demandant si X a correctement évalué et atténué les risques liés aux puissants outils d’IA.12
Intelligence artificielle générale (AGI) / Singularité
La perspective de l’intelligence artificielle générale (AGI) ou de la singularité soulève des préoccupations éthiques quant à la valeur de la vie humaine lorsque les machines dépassent l’intelligence humaine. Dans le même temps, le chemin vers l’AGI reste incertain, sans consensus scientifique sur le fait qu’elle émergera de la mise à l’échelle des architectures existantes telles que les transformeurs ou du développement d’approches fondamentalement nouvelles, ni sur la manière dont l’AGI devrait finalement être validée.
Des dilemmes pratiques, comme celui de savoir si les voitures autonomes doivent donner la priorité à la sécurité des passagers ou des piétons, mettent en évidence des questions morales non résolues qui doivent être abordées avant que ces technologies ne soient largement déployées. Plus largement, l’émergence de systèmes superintelligents remet en question la domination humaine et soulève des questions fondamentales sur les droits, les responsabilités et les cadres moraux des êtres artificiels.
Nous avons analysé plus de 8 500 prédictions de scientifiques, d’entrepreneurs et de la communauté au sens large et avons constaté que la plupart des experts considèrent l’AGI comme inévitable. Sur la base de cette conviction, des enquêtes récentes menées auprès de chercheurs en IA estiment son arrivée autour de 2040, un changement notable par rapport aux prévisions antérieures plus proches de 2060, tandis que les entrepreneurs sont encore plus optimistes, projetant des échéances proches de 2030.
Éthique des robots
L’éthique des robots, ou roboéthique, traite de la manière dont les humains conçoivent, utilisent et traitent les robots. Les débats sur ce sujet existent depuis les années 1940, s’interrogeant principalement sur la question de savoir si les robots devraient avoir des droits comparables à ceux des humains et des animaux.
L’auteur Isaac Asimov est le premier à parler de lois pour les robots dans sa nouvelle intitulée « Runaround ». Il a introduit les Trois Lois de la Robotique :13
- Un robot ne peut porter atteinte à un être humain ni, restant passif, laisser cet être humain exposé au danger.
- Un robot doit obéir aux ordres donnés par les êtres humains, sauf si de tels ordres entrent en contradiction avec la Première Loi.
- Un robot doit protéger son existence dans la mesure où cette protection n’entre pas en contradiction avec la Première ou la Deuxième Loi.
Comment naviguer ces dilemmes ?
Ce sont des questions difficiles, et des solutions innovantes et controversées comme le revenu universel de base pourraient être nécessaires pour y répondre. Il existe de nombreuses initiatives et organisations visant à minimiser l’impact négatif potentiel de l’IA.
Par exemple, l’Institut pour l’éthique en intelligence artificielle (IEAI) de l’Université technique de Munich mène des recherches sur l’IA dans divers domaines tels que la mobilité, l’emploi, la santé et la durabilité.14
Voici quelques recommandations pour atténuer les controverses entourant les usages adverses de l’IA :
Considérer les politiques et meilleures pratiques de l’UNESCO
Politique de gouvernance des données
Cette politique souligne l’importance de cadres détaillés pour la collecte, l’utilisation et la gouvernance des données afin de garantir la vie privée des individus et d’atténuer les risques. Elle encourage la création d’ensembles de données de qualité pour l’entraînement de l’IA, l’adoption d’ensembles de données ouverts et fiables, et la mise en œuvre de stratégies efficaces de protection des données.
Par exemple, l’établissement d’ensembles de données standardisés pour l’IA en santé garantit l’exactitude et réduit les biais.
Gouvernance éthique de l’IA
Les mécanismes de gouvernance doivent être inclusifs, multidisciplinaires et multilatéraux, intégrant diverses parties prenantes comme les communautés affectées, les décideurs politiques et les experts en IA. Cette approche s’étend à l’application de la responsabilité et à l’octroi de réparations pour les préjudices.
Par exemple, garantir un recrutement équitable par les systèmes d’IA nécessite des audits continus pour traiter les biais.
Politique d’éducation et de recherche
Elle promeut la littératie en IA et la sensibilisation éthique en intégrant l’éducation à l’IA et aux données dans les programmes scolaires. Elle priorise également la participation des groupes marginalisés et fait progresser la recherche éthique en IA.
Par exemple, les écoles pourraient enseigner les bases de l’IA parallèlement au codage et à la pensée critique, préparant les générations futures à naviguer dans les impacts sociétaux de l’IA.
Santé et bien-être social
Cette politique encourage le déploiement de l’IA pour améliorer les soins de santé, traiter les risques sanitaires mondiaux et faire progresser la santé mentale. Elle souligne le besoin d’applications d’IA médicalement prouvées, sûres et efficaces.
Égalité des genres dans l’IA
L’égalité des genres vise à réduire les disparités entre les genres dans l’IA en soutenant les femmes dans les domaines STEM et en évitant les biais dans les systèmes d’IA.
Par exemple, allouer des fonds pour le mentorat des femmes dans la recherche en IA et traiter les biais de genre dans les algorithmes de recrutement.
Durabilité environnementale
Cette politique se concentre sur l’évaluation et l’atténuation de l’impact environnemental de l’IA, tel que son empreinte carbone et sa consommation de ressources. L’incitation à l’utilisation de l’IA dans la prédiction et l’atténuation du changement climatique est encouragée.
Par exemple, l’IA peut être utilisée pour surveiller la déforestation et optimiser les réseaux d’énergie renouvelable.
Méthodologie d’évaluation de l’état de préparation (RAM)
Cette technique aide les États à évaluer leur état de préparation à la mise en œuvre de politiques éthiques en matière d’IA en évaluant les cadres juridiques, les infrastructures et la disponibilité des ressources.
Par exemple, la RAM peut identifier les lacunes dans la réglementation et l’infrastructure de l’IA, guidant les nations vers une adoption éthique de l’IA.
Évaluation de l’impact éthique (EIA)
Cette méthode évalue les impacts sociaux, environnementaux et économiques potentiels des projets d’IA. En collaborant avec les communautés affectées, l’EIA garantit une allocation des ressources pour prévenir les préjudices.
Par exemple, une EIA pourrait identifier les risques de biais dans un système de police prédictive et recommander des mesures d’atténuation.
Observatoire mondial sur l’éthique de l’IA
Il s’agit d’une plateforme numérique qui propose des analyses des défis éthiques de l’IA et surveille la mise en œuvre mondiale des recommandations de l’UNESCO.
Par exemple, l’observatoire pourrait fournir des rapports sur les impacts sociétaux de l’IA dans divers pays.
Formation à l’éthique de l’IA et sensibilisation du public
Cette approche encourage une éducation accessible et un engagement civique pour améliorer la compréhension du public sur l’éthique de l’IA.
Par exemple, des campagnes pour éduquer les utilisateurs sur les risques de confidentialité dans les plateformes de médias sociaux alimentées par l’IA peuvent créer des citoyens numériques informés.
Figure 1 : Domaines de la politique éthique de l’IA de l’UNESCO15
Meilleures pratiques recommandées par l’UNESCO
- Gouvernance inclusive et multipartite :
- Impliquer diverses parties prenantes, y compris les communautés marginalisées, dans la création de politiques et la gouvernance de l’IA.
- Utiliser des équipes multidisciplinaires pour garantir que les décisions sont équilibrées et équitables.
- Exemple : Organiser des consultations publiques lors du déploiement de systèmes de surveillance par IA.
- Transparence et explicabilité :
- Développer des systèmes d’IA avec des processus de prise de décision interprétables.
- Équilibrer la transparence avec les préoccupations de sécurité et de confidentialité.
- Exemple : Fournir aux utilisateurs des explications en langage clair sur la façon dont un modèle d’IA prend des décisions.
- Évaluations de la durabilité :
- Évaluer régulièrement les systèmes d’IA pour leur impact environnemental, y compris la consommation d’énergie et l’empreinte carbone.
- Exemple : Réduire la consommation d’énergie lors de la formation de grands modèles d’apprentissage automatique.
- Programmes de littératie en IA :
- Éduquer le public et les décideurs politiques sur les implications éthiques de l’IA.
- Intégrer l’éthique de l’IA dans les programmes éducatifs à tous les niveaux.
- Exemple : Des ateliers sur les risques de confidentialité dans les médias sociaux alimentés par l’IA.
- Audits continus et mécanismes de responsabilité :
- Établir des audits réguliers pour les systèmes d’IA afin de détecter et de traiter les biais, les inexactitudes ou les manquements éthiques.
- S’assurer qu’il existe un processus clair de réparation en cas de préjudice causé par l’IA.
- Exemple : Des examens périodiques des outils de recrutement en IA pour prévenir les biais de genre.
Apprendre les cadres d’IA responsable
Voici quelques cadres d’IA responsable pour surmonter les dilemmes éthiques comme les biais de l’IA :
Transparence
Les développeurs d’IA ont l’obligation éthique d’être transparents de manière structurée et accessible, car la technologie de l’IA a le potentiel d’enfreindre les lois et d’avoir un impact négatif sur l’expérience humaine. Pour rendre l’IA accessible et transparente, le partage des connaissances peut aider.
Par exemple, OpenAI a été fondée en 2015 en tant que laboratoire de recherche en IA à but non lucratif par Elon Musk, Sam Altman et d’autres, avec pour mission de développer une « intelligence numérique » au profit de l’humanité.
Cependant, à la suite de sa restructuration en Public Benefit Corporation (PBC), OpenAI fonctionne désormais comme une entité à but lucratif régie par une fondation à but non lucratif.16
En accordant à Microsoft une licence exclusive sur ses modèles de pointe, OpenAI est passée d’un modèle de recherche transparent et ouvert à un modèle propriétaire, suscitant un débat important sur sa mission initiale.
Explicabilité
Les développeurs et les entreprises d’IA doivent expliquer comment leurs algorithmes arrivent à leurs prédictions pour surmonter les problèmes éthiques qui surviennent avec les prédictions inexactes. Diverses approches techniques peuvent expliquer comment ces algorithmes parviennent à leurs conclusions et quels facteurs affectent leurs décisions.
Alignement
De nombreux pays, entreprises et universités construisent des systèmes d’IA, et dans la plupart des domaines, il n’existe pas de cadre juridique adapté aux développements récents de l’IA.
La modernisation des cadres juridiques tant au niveau national qu’aux niveaux supérieurs (par exemple, l’ONU) clarifiera la voie vers un développement éthique de l’IA. Les entreprises pionnières devraient être le fer de lance de ces efforts pour apporter de la clarté à leur industrie.
Utiliser des cadres et des outils d’éthique de l’IA
Les universitaires et les organisations se concentrent de plus en plus sur les cadres éthiques pour guider l’utilisation des technologies d’IA. Ces cadres traitent des implications morales de l’IA tout au long de son cycle de vie, y compris la formation des systèmes d’IA, le développement de modèles d’IA et le déploiement de systèmes intelligents.
Voici une liste d’outils qui peuvent vous aider à appliquer les pratiques d’éthique de l’IA :
Outils de gouvernance de l’IA
Les outils de gouvernance de l’IA garantissent que les applications d’IA sont développées et déployées conformément aux principes éthiques. Ces outils aident les organisations à surveiller et à contrôler les programmes d’IA tout au long du cycle de vie de l’IA, à traiter les risques liés aux résultats contraires à l’éthique et à soutenir une IA digne de confiance.
En mettant en œuvre des pratiques complètes de gouvernance de l’IA, les entreprises peuvent mieux gérer les risques potentiels et assurer la conformité en matière d’IA auprès des organismes de réglementation.
LLMOps
À mesure que les technologies d’IA deviennent plus sophistiquées, le besoin d’outils spécialisés pour superviser et déployer ces modèles s’est accru.
Dans ce contexte, les outils LLMOps, pratiques opérationnelles utilisées pour gérer les grands modèles de langage, jouent un rôle clé dans le soutien à l’utilisation éthique de ces modèles en aidant à garantir qu’ils ne perpétuent pas les inégalités existantes ou ne contribuent pas à des problèmes tels que les deepfakes.
MLOps
Les outils MLOps (Machine Learning Operations) impliquent l’intégration de modèles d’IA en production tout en garantissant l’alignement avec les normes éthiques.
Cette pratique met l’accent sur le contrôle humain des systèmes autonomes, en particulier dans des domaines critiques tels que la santé et la justice pénale.
Gouvernance des données
La gouvernance des données est cruciale pour une utilisation éthique de l’IA, impliquant une gestion responsable des données qui entraînent les systèmes d’IA.
Une gouvernance efficace des données assure la protection des données et prend en compte les implications sociales de leur utilisation, soutenant les considérations éthiques tout au long du cycle de vie de l’IA. Ceci est particulièrement important alors que les grandes entreprises technologiques façonnent l’avenir des technologies d’IA.
Ajouter comme source préféréeFAQ
L’éthique de l’IA est l’étude des principes moraux guidant la conception, le développement et le déploiement de l’intelligence artificielle. Elle aborde des questions telles que l’équité, la transparence, la vie privée et la responsabilité pour garantir que les systèmes d’IA profitent à la société, évitent les préjudices et respectent les droits de l’homme, tout en atténuant les biais et les conséquences imprévues.
La Recommandation de l’UNESCO sur l’éthique de l’IA, adoptée en novembre 2021, appelle à minimiser les résultats discriminatoires et biaisés dans les systèmes d’IA tout en promouvant l’équité, la transparence, la responsabilité et le respect des droits de l’homme.
Elle met l’accent sur la création de cadres institutionnels et juridiques pour régir l’IA dans l’intérêt public. Elle définit des politiques concrètes pour la gouvernance des données, l’égalité des genres et l’utilisation éthique de l’IA dans tous les secteurs. La Recommandation comprend des mécanismes de suivi, d’évaluation et de mise en œuvre pour susciter un changement significatif.
Citer cette recherche
Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Ermut, Sıla},
title = {{Dilemmes éthiques de l'IA avec exemples concrets}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/ai-ethics}},
note = {AIMultiple. Consulté le 11 Mars 2026}
}Liens de référence
Les travaux de Cem ont été cités par des publications internationales de premier plan telles que Business Insider, Forbes, Washington Post, des entreprises mondiales comme Deloitte, HPE et des ONG comme le Forum économique mondial et des organisations supranationales comme la Commission européenne.
Tout au long de sa carrière, Cem a exercé en tant que consultant tech, acheteur tech et entrepreneur tech. Il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon pendant plus d'une décennie. Il a également publié un rapport McKinsey sur la numérisation.
Il a dirigé la stratégie technologique et les achats d'un opérateur télécom tout en rendant compte au PDG. Il a également mené la croissance commerciale de l'entreprise deep tech Hypatos qui a atteint un chiffre d'affaires récurrent annuel à 7 chiffres et une valorisation à 9 chiffres à partir de 0 en 2 ans. Le travail de Cem chez Hypatos a été couvert par des publications technologiques de premier plan comme TechCrunch et Business Insider.
Cem intervient régulièrement lors de conférences technologiques internationales. Il est diplômé de la Bogazici University en tant qu'ingénieur informatique et détient un MBA de la Columbia Business School.
Soyez le premier à commenter
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.