Le deep learning au service de la prédiction de l’orientation sexuelle dans l’espace public

Détails

ID Serval
serval:BIB_D65F2A185B1C
Type
Article: article d'un périodique ou d'un magazine.
Collection
Publications
Institution
Titre
Le deep learning au service de la prédiction de l’orientation sexuelle dans l’espace public
Périodique
Reseaux
Auteur⸱e⸱s
Baya-Laffite Nicolas, Beaude Boris, Garrigues Jérémie
ISSN
0751-7971
Statut éditorial
Publié
Date de publication
11/2018
Peer-reviewed
Oui
Volume
n° 211
Numéro
5
Pages
137-172
Langue
français
Résumé
L’alerte lancée en septembre 2017 à propos d’un algorithme susceptible de prédire l’orientation sexuelle des individus questionne le statut des « machines prédictives » et le rôle des sciences sociales dans de telles circonstances. Entre la revendication d’un retour à la physiognomonie à l’heure du deep learning, l’explication des performances à partir d’une théorie « biologisante » des origines de l’orientation sexuelle et l’annonce de la fin de la vie privée, cette recherche, menée sous la direction de Michal Kosinski, professeur de psychologie à Stanford, engage à ne pas laisser un tel débat au seul registre de l’éthique. Dans cet article, nous proposons d’interroger la pertinence de l’alerte lancée par Kosinski au regard de la controverse qu’elle a suscitée, tant elle se révèle pertinente pour examiner l’entrée des algorithmes prédictifs dans le débat public. Nous questionnons l’ambiguïté du statut de « lanceur d’alerte » que les auteurs assument pourtant explicitement, car l’examen critique de leur modèle prédictif révèle finalement son inaptitude à démontrer les origines hormonales prénatales de l’orientation sexuelle et à distinguer les orientations sexuelles des personnes dans l’espace public.
Open Access
Oui
Création de la notice
04/12/2019 18:20
Dernière modification de la notice
05/07/2021 5:36
Données d'usage