Dilemmes éthiques de l'IA avec des exemples concrets

Bien que l’intelligence artificielle transforme le fonctionnement des entreprises, des inquiétudes subsistent quant à son influence possible sur nos vies. Il s’agit à la fois d’un problème académique et sociétal et d’un risque de réputation pour les entreprises ; aucune entreprise ne souhaite être fragilisée par des scandales liés aux données ou à l’éthique de l’IA qui nuiraient à sa réputation.

Découvrez les enjeux éthiques qui se posent avec l’utilisation de l’IA, des exemples de mauvaise utilisation et les principes clés pour atténuer ces problèmes.

Biais algorithmique

Les algorithmes et les données d’entraînement peuvent contenir des biais, comme les humains, puisque ceux-ci sont également générés par des humains. Ces biais empêchent les systèmes d’IA de prendre des décisions équitables. Nous rencontrons des biais dans les systèmes d’IA pour deux raisons :

1. Les développeurs peuvent programmer des systèmes d’IA biaisés sans même s’en rendre compte
2. Les données historiques utilisées pour entraîner les algorithmes d’IA peuvent ne pas être suffisantes pour représenter fidèlement l’ensemble de la population.

Exemple concret :

Les grands models de langage (LLMs) sont de plus en plus utilisés sur le lieu de travail pour améliorer l’efficacité et l’équité, mais ils peuvent aussi reproduire ou amplifier des biais sociaux. L’étude Silicon Ceiling examine l’impact des LLMs sur le recrutement en auditant les biais liés à la race et au genre dans OpenAI 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 : l’évaluation de CV et la génération de CV. Dans l’étude 1, GPT note des CV portant des noms variés dans plusieurs professions et critères d’évaluation, révélant des biais fondés 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 comportent 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 models et l’utilisation humaine des algorithmes.²

Bien qu’éliminer tous les biais des systèmes d’IA soit presque impossible, compte tenu des nombreux biais humains existants et de la découverte continue de nouveaux, les réduire au minimum peut être un objectif pour les entreprises.

Objets autonomes

Les objets autonomes (AuT) sont des appareils et des machines qui effectuent des tâches spécifiques sans intervention humaine. Ces machines incluent les voitures autonomes, les drones et la robotique. Étant donné que l’éthique des robots est 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 présentent divers risques pour les lignes directrices en matière d’éthique de l’IA. La responsabilité et l’imputabilité des véhicules autonomes font encore débat.

Exemple concret :

Par exemple, en 2018, une voiture autonome d’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 du département de police de l’Arizona et du National Transportation Safety Board (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 que les rapports de police qualifient l’accident de « totalement évitable ».

Armes létales autonomes (LAWs)

Les armes létales autonomes (LAWs) sont des armes dotées d’IA capables d’identifier et d’engager des cibles de manière autonome sur la base de règles programmées. De tels systèmes existent depuis des décennies, notamment dans des applications défensives comme les mines, la défense antimissile, les systèmes de sentinelle et les munitions rôdeuses.

Les plateformes plus récentes comprennent 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 dotés d’IA et de munitions rôdeuses plutôt que de systèmes entièrement indépendants.

La Russie utilise des munitions rôdeuses, capables de rechercher et de frapper de manière autonome des cibles militaires prédéfinies avec un contrôle humain minimal une fois lancées. L’Ukraine a principalement recours à des drones semi-autonomes, dans lesquels des humains autorisent les attaques tandis que l’IA assiste la navigation, le suivi des cibles et l’engagement rapide.

Ces systèmes accroissent la rapidité et la précision sur le champ de bataille, mais réduisent le contrôle humain significatif, créant des défis juridiques et éthiques au regard 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 (LAWS). Le Secrétaire général António Guterres les a qualifiés d’inacceptables sur le plan politique et moral et a appelé 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, évoquant de graves risques humanitaires, juridiques et pour les droits de l’homme. Les experts des droits de l’homme des Nations unies 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 profondément remodeler les marchés du travail, contribuant à des pressions sur le chômage à court terme et à un creusement des inégalités de revenus si elle n’est pas maîtrisée.

Selon l’analyse d’AIMultiple, les projections actuelles suggèrent que 15-25 % des emplois subiront une perturbation importante d’ici 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 ayant besoin d’une montée en compétences 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 liés à l’IA et ceux qui ne le peuvent pas.

Mauvaises utilisations de l’IA

Différends de gouvernance de l’IA concernant les armes autonomes

Les tensions récentes entre les entreprises d’IA et les gouvernements montrent à quel point il est difficile 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 aurait permis au gouvernement un « accès sans restriction » à ses models à « toutes fins légales ».

Le PDG d’Anthropic, Dario Amodei, a déclaré que l’entreprise participerait si deux garanties étaient incluses : interdire la surveillance de masse intérieure et empêcher le développement d’armes entièrement autonomes sans contrôle humain.⁶

Ce différend met en lumière des préoccupations plus larges concernant le rôle des systèmes d’IA avancés dans la guerre. Si les grands models de langage ne sont 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 à l’aide de capteurs tels que des caméras et des radars, ainsi que d’algorithmes d’IA.

Les critiques avertissent que retirer les humains de la boucle de décision soulève de graves préoccupations éthiques et juridiques, notamment en matière de responsabilité et de respect du 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 ressemble de plus en plus à la réalité, car les gouvernements déploient l’IA à des fins de surveillance de masse. En particulier, l’utilisation de la technologie de reconnaissance faciale dans les systèmes de surveillance a soulevé de graves préoccupations concernant le droit à la vie privée.

Selon l’indice IA Global Surveillance (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. Toutefois, cela s’explique probablement par 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 font également part de préoccupations éthiques concernant la surveillance par IA. Par exemple, le président de Microsoft, Brad Smith, a publié un billet de blog appelant à une réglementation gouvernementale de la reconnaissance faciale.⁸

De même, IBM a cessé de proposer cette technologie à des fins de surveillance de masse en raison de son potentiel d’utilisation abusive, comme le profilage racial, qui viole les droits humains fondamentaux.⁹

Manipulation du jugement humain

Les analyses pilotées par l’IA peuvent fournir des informations exploitables sur le comportement humain, mais utiliser ces analyses de manière abusive pour manipuler les décisions humaines est éthiquement répréhensible.

Exemple concret :

Cambridge Analytica a vendu les données d’électeurs américains collectées sur Facebook à des campagnes politiques et a fourni une assistance et des analyses aux campagnes présidentielles de 2016 de Ted Cruz et Donald Trump.

Les informations sur la fuite de données ont été révélées en 2018, et la Federal Trade Commission a infligé à Facebook une amende de 5 milliards de dollars en raison de ses violations de la vie privée.¹⁰

Prolifération des deepfakes

Les deepfakes sont des images ou des vidéos générées synthétiquement dans lesquelles une personne apparaissant dans une image ou une vidéo est remplacée par la ressemblance de quelqu’un d’autre.

Créer un faux récit à l’aide de deepfakes peut nuire à la confiance du public dans les médias (qui est à son plus bas niveau historique).¹¹Cette méfiance est dangereuse pour les sociétés, car les médias de masse restent le premier moyen utilisé par les gouvernements pour informer la population d’événements d’urgence tels qu’une pandémie mondiale ou un séisme majeur causant des dégâts et des victimes à grande échelle.

Exemple concret :

La Commission européenne a ouvert une enquête sur la plateforme X d’Elon Musk à la suite d’allégations selon lesquelles son outil d’IA, Grok, a été utilisé pour générer des images deepfake sexualisées de personnes réelles, après une action similaire du régulateur britannique Ofcom.

Si X est reconnue coupable d’avoir enfreint le Digital Services Act de l’UE, elle pourrait se voir infliger des amendes pouvant atteindre 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 et militants de l’UE ont condamné ces deepfakes comme nuisibles et dégradants, en particulier pour les femmes et les enfants, s’interrogeant sur la question de savoir 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 à mesure que les machines dépassent l’intelligence humaine. Dans le même temps, le chemin vers l’AGI reste incertain, sans consensus scientifique sur la question de savoir si elle naîtra de la mise à l’échelle des architectures existantes comme les transformers ou du développement d’approches fondamentalement nouvelles, ni sur la manière dont l’AGI devrait finalement être validée.

Des dilemmes pratiques, comme la question de savoir si les voitures autonomes doivent privilégier la sécurité des passagers ou celle des piétons, mettent en évidence des questions morales non résolues qui doivent être traitées avant un déploiement à grande échelle de ces technologies. Plus largement, l’émergence de systèmes superintelligents remet en cause 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 10 000 prédictions de scientifiques, d’entrepreneurs et de la communauté élargie et avons constaté que la plupart des experts considèrent l’AGI comme inévitable. S’appuyant sur 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’écrivain Isaac Asimov est le premier à avoir parlé de lois pour les robots dans sa nouvelle intitulée « Runaround ». Il a introduit les trois lois de la robotique :¹³

1. Un robot ne peut porter atteinte à un être humain ni, en restant passif, laisser un être humain être exposé au danger.
2. Un robot doit obéir aux ordres donnés par les êtres humains, sauf si ces ordres entrent en conflit avec la Première Loi.
3. Un robot doit protéger son existence tant que cette protection n’entre pas en conflit avec la Première ou la Deuxième Loi.

Comment surmonter 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’Institute for Ethics in Artificial Intelligence (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 liées aux usages adverses de l’IA :

Prendre en compte les politiques et bonnes pratiques de l’UNESCO

Politique de gouvernance des données

Cette politique souligne l’importance de frameworks 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 de datasets de qualité pour l’entraînement de l’IA, l’adoption de datasets ouverts et fiables, ainsi que la mise en œuvre de stratégies efficaces de protection des données.

Par exemple, l’établissement de datasets 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, en intégrant diverses parties prenantes comme les communautés concernées, les décideurs politiques et les experts en IA. Cette approche s’étend à l’application de la responsabilité et à la réparation des préjudices.

Par exemple, garantir un recrutement équitable par les systèmes d’IA nécessite des audits continus pour remédier aux biais.

Politique d’éducation et de recherche

Elle promeut la littératie en IA et la sensibilisation éthique en intégrant l’IA et l’éducation aux données dans les programmes scolaires. Elle accorde également la priorité à la participation des groupes marginalisés et fait progresser la recherche éthique sur l’IA.

Par exemple, les écoles pourraient enseigner les bases de l’IA parallèlement au codage et à la pensée critique, préparant ainsi les générations futures à appréhender 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, faire face aux risques sanitaires mondiaux et faire progresser la santé mentale. Elle souligne la nécessité 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 remédier aux biais de genre dans les algorithmes de recrutement.

Durabilité environnementale

Cette politique met l’accent sur l’évaluation et l’atténuation de l’impact environnemental de l’IA, comme son empreinte carbone et sa consommation de ressources. Encourager l’utilisation de l’IA pour la prévision et l’atténuation du changement climatique est préconisé.

Par exemple, l’IA peut être utilisée pour surveiller la déforestation et optimiser les réseaux d’énergies renouvelables.

Méthodologie d’évaluation de la préparation (RAM)

Cette technique aide les États à évaluer leur degré de préparation à la mise en œuvre de politiques éthiques en matière d’IA en évaluant les frameworks juridiques, les infrastructures et la disponibilité des ressources.

Par exemple, RAM peut identifier les lacunes dans la réglementation et les infrastructures 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 concernées, l’EIA garantit une allocation des ressources visant à 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 suit 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 l’engagement civique pour améliorer la compréhension par le public de l’éthique de l’IA.

Par exemple, des campagnes visant à informer les utilisateurs sur les risques pour la vie privée liés aux plateformes de médias sociaux dotées d’IA peuvent créer des citoyens numériques éclairés.

Figure 1 : Domaines politiques de l’UNESCO en matière d’éthique de l’IA¹⁵

Bonnes pratiques recommandées par l’UNESCO

1. Gouvernance inclusive et multipartite :
   • Impliquer diverses parties prenantes, y compris les communautés marginalisées, dans la création des politiques et la gouvernance de l’IA.
   • Utiliser des équipes multidisciplinaires pour garantir des décisions équilibrées et équitables.
   • Exemple : Organiser des consultations publiques lors du déploiement de systèmes de surveillance par IA.
2. Transparence et explicabilité :
   • Développer des systèmes d’IA dont les processus de décision sont interprétables.
   • Trouver un équilibre entre la transparence et les préoccupations de sécurité et de vie privée.
   • Exemple : Fournir aux utilisateurs des explications en langage clair sur la manière dont un model d’IA prend des décisions.
3. Évaluations de la durabilité :
   • Évaluer régulièrement les systèmes d’IA au regard de leur impact environnemental, notamment la consommation d’énergie et l’empreinte carbone.
   • Exemple : Réduire la consommation d’énergie lors de l’entraînement de grands models de machine learning.
4. 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 : Ateliers sur les risques pour la vie privée dans les médias sociaux dotés d’IA.
5. Audits continus et mécanismes de responsabilité :
   • Établir des audits réguliers des systèmes d’IA pour détecter et traiter les biais, les inexactitudes ou les manquements éthiques.
   • Veiller à ce qu’il existe un processus clair de réparation en cas de préjudice causé par l’IA.
   • Exemple : Des examens périodiques des outils de recrutement par IA pour prévenir les biais de genre.

Apprendre les frameworks d’IA responsable

Voici quelques frameworks 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 peut enfreindre les lois et nuire à l’expérience humaine. Pour rendre l’IA accessible et transparente, le partage des connaissances peut aider.

Par exemple, OpenAI a été fondé 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 bénéfice de l’humanité.

Cependant, après 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 models de pointe, OpenAI est passé d’un model de recherche transparent et ouvert à un model propriétaire, suscitant un vif débat sur sa mission initiale.

Explicabilité

Les développeurs d’IA et les entreprises doivent expliquer comment leurs algorithmes parviennent à leurs prédictions pour surmonter les problèmes éthiques liés aux prédictions inexactes. Diverses approches techniques peuvent expliquer comment ces algorithmes aboutissent à leurs conclusions et quels facteurs influencent 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 évolutions récentes de l’IA.

La modernisation des frameworks 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 ouvrir la voie à ces efforts afin de clarifier les choses pour leur secteur.

Utiliser les frameworks et outils d’éthique de l’IA

Les universitaires et les organisations se concentrent de plus en plus sur les frameworks éthiques pour guider l’utilisation des technologies d’IA. Ces frameworks abordent les implications morales de l’IA tout au long de son cycle de vie, notamment l’entraînement des systèmes d’IA, le développement de models d’IA et le déploiement de systèmes intelligents.

Voici une liste d’outils qui peuvent vous aider à mettre en pratique l’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 gérer 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 leur 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 models s’est accru.

Dans ce contexte, les outils LLMOps, pratiques opérationnelles utilisées pour gérer les grands models de langage, jouent un rôle clé dans le soutien à l’utilisation éthique des grands models de langage en aidant à garantir qu’ils ne perpétuent pas les inégalités existantes ni ne contribuent à des problèmes tels que les deepfakes.

MLOps

Les outils MLOps (Machine Learning Operations) consistent à intégrer des models d’IA en production tout en garantissant l’alignement avec les normes éthiques.

Cette pratique met l’accent sur la supervision humaine des systèmes autonomes, en particulier dans des domaines critiques tels que les soins de santé et la justice pénale.

Gouvernance des données

La gouvernance des données est essentielle à l’utilisation éthique de l’IA, impliquant une gestion responsable des données qui entraîne les systèmes d’IA.

Une gouvernance efficace des données garantit la protection des données et prend en compte les implications sociales de l’utilisation des données, soutenant les considérations éthiques tout au long du cycle de vie de l’IA. Cela est particulièrement important à mesure que les grandes entreprises technologiques façonnent l’avenir des technologies d’IA.

Ne manquez pas nos benchmarks et analyses basées sur les données. Le bouton ouvre Google ; sélectionner AIMultiple confirme que vous souhaitez voir AIMultiple plus souvent dans les résultats de recherche Google.

Ajouter comme source préférée

FAQ

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 des exemples concrets}},
  year   = {2026},
  month  = mar,
  howpublished    = {\url{https://aimultiple.com/ai-ethics}},
  note   = {AIMultiple. Consulté le 11 mars 2026}
}

Journal des modifications

12 mises à jour

20262025202420232022

1. 11 mar

   Ajouté les litiges de gouvernance de l'IA sur les armes autonomes à la section Misuses of AI.

2. 27 jan

   Un exemple concret a été ajouté à la section Armes autonomes.

3. 23 jan

   Suppression de la section « Préoccupations éthiques spécifiques à l'IA générative ».

Liens de référence

1.

The Silicon Ceiling: Auditing GPT’s Race and Gender Biases in Hiring

2.

How Responsible AI can improve business and preserve value | PwC

3.

Uber's self-driving operator charged over fatal crash

BBC News

4.

The Use of Autonomous Weapons in the Ukraine Conflict:Assessing Compliance with IHL Principles by Mahmood Khalid :: SSRN

5.

Lethal Autonomous Weapon Systems | United Nations Office for Disarmament Affairs

6.

Dario Amodei on the Department of War discussions \ Anthropic

7.

The Global Expansion of AI Surveillance | Carnegie Endowment for International Peace

8.

Facial recognition technology: The need for public regulation and corporate responsibility - Microsoft On the Issues

Microsoft

9.

IBM will no longer offer, develop, or research facial recognition technology | The Verge

The Verge

10.

FTC Imposes $5 Billion Penalty and Sweeping New Privacy Restrictions on Facebook | Federal Trade Commission

11.

News Media Credibility Rating Falls to a New Low

Morning Consult

12.

EU investigates Elon Musk's X over Grok AI sexual deepfakes

BBC News

13.

Three Laws of Robotics - Wikipedia

Contributors to Wikimedia projects

14.

AI Ethics - Institute for Ethics in Artificial Intelligence

15.

Recommendation on the Ethics of Artificial Intelligence: key facts

16.

Built to benefit everyone | OpenAI

Cem Dilmegani

Analyste principal

Suivre

Cem est analyste principal chez AIMultiple depuis 2017.

Le travail de Cem chez AIMultiple a été cité par des publications mondiales de premier plan, notamment Business Insider, Forbes, Morning Brew et Washington Post, par des entreprises mondiales comme Deloitte et HPE, par des ONG comme World Economic Forum et par des organisations supranationales comme European Commission. [1], [2], [3], [4], [5]

Tout au long de sa carrière, Cem a été consultant en technologies, acheteur de technologies et entrepreneur technologique. Il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon pendant plus de dix ans. Il a également publié un rapport McKinsey sur la digitalisation.

Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité du PDG. Il a également dirigé la croissance commerciale de l'entreprise de technologie profonde Hypatos, qui a atteint un revenu récurrent annuel à 7 chiffres et une valorisation à 9 chiffres, passant de 0 à ce résultat en deux 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 Bogazici University en tant qu'ingénieur informatique et titulaire d'un MBA de la Columbia Business School.

Voir le profil complet

Recherche effectuée par

Sıla Ermut

Analyste sectorielle

Suivre

Sıla Ermut est analyste sectorielle chez AIMultiple, couvrant les modèles d’IA, l’infrastructure d’IA, la gouvernance de l’IA et les applications d’IA d’entreprise. Ses recherches portent principalement sur l’utilisation de l’IA dans le marketing, la santé, les chaînes d’approvisionnement et le développement durable.
Elle a précédemment travaillé comme recruteuse dans des cabinets de gestion de projet et de conseil. Sıla est titulaire d’un master en psychologie sociale et d’une licence en relations internationales.

Voir le profil complet

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.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire