Перейти к содержанию сайта
Les fausses promesses de l’IA
Livre

Les fausses promesses de l’IA

Ce que l’intelligence artificielle peut faire, ce qu’elle ne peut pas et comment distinguer les deux

Princeton UP, 2024 подробнее...


Classement éditorial

9

Caractéristiques

  • Analytique
  • Approche scientifique
  • Révélateur

Commentaires

Selon Arvind Narayanan, professeur d’informatique, et Sayash Kapoor, doctorant, il est essentiel de différencier les véritables capacités de l’IA des promesses démesurées des grandes entreprises technologiques. À l’instar des charlatans qui vantaient l’huile de serpent comme remède miracle, nombreux sont ceux qui surestiment actuellement les possibilités offertes par l’IA. Si les systèmes d’IA se révèlent incapables de prévisions futures, ils peuvent entraîner de mauvaises décisions. Les auteurs nous encouragent à militer pour l’avenir de l’IA que nous souhaitons, plutôt que d’accepter celui que les entreprises technologiques tentent de nous imposer.

Résumé

Les performances de l’IA prédictive sont largement exagérées.

Les décideurs, les gouvernements et les entreprises s’efforcent de remplacer le jugement humain par l’analyse prédictive basée sur l’IA. Il y a cependant un problème : les outils d’IA ne produisent pas toujours les résultats escomptés. Aux États-Unis, par exemple, les prestataires de soins agréés par Medicare ont commencé à utiliser l’IA prédictive pour estimer la durée d’hospitalisation des patients. Or, ces estimations ne sont pas toujours exactes et peuvent compromettre la qualité des soins dispensés. 

Les fausses promesses abondent quant à la capacité de l’IA à formuler des prédictions précises. Scientific American et Axios ont notamment évoqué un article de 2023 prétendant à tort que l’IA pouvait prédire les futurs succès musicaux avec une précision avoisinant les 100 %. Les conclusions de cette étude étaient cependant erronées : les chercheurs avaient évalué l’outil en utilisant des données identiques ou similaires à celles employées lors de l’entraînement, ce qui avait nettement amélioré la précision de leurs résultats. Des analyses systématiques des recherches...

À propos des auteurs

Arvind Narayanan est directeur du Center for Information Technology Policy et professeur d’informatique à Princeton. Sayash Kapoor prépare un doctorat au Center for Information Technology Policy de l’université de Princeton.


Commenter ce résumé

Plus d'infos sur ce thème

Compétences associées

Высшее руководство
Управление персоналом
Лидерство
Leverage AI for HR
Leverage AI for Marketing
Менеджмент
Маркетинг
Производство и логистика
Understand AI
Use AI for Production & Supply Chain
Навыки для работы
Understand AI Impact on Work
Understand AI Impact on Business and Economy
Use AI for Predictive Maintenance
Use AI for Threat Detection
Use AI for Workforce Planning
Leverage AI for Cybersecurity
Discover AI Use Cases
Understand AI Impact on Learning and Cognition
Leverage AI for Compliance
Set AI Vision & Strategy
Leverage AI for Management
Organize for AI
Discover AI Use Cases in the Technology Industry
Understand AI Societal Impact
Leverage AI for Business Strategy
Leverage AI in Your Daily Tasks
Use AI to Generate Marketing Content
Drive AI Adoption in Teams
Leverage AI for Leadership
Discover AI Use Cases in the Public Sector
Используйте ИИ этично
Understand AI Ethical Impact
Discover AI Use Cases in the Education Sector
Choose AI Priorities
Understand AI Risks
Use AI Ethically as a Leader
Use AI for Data Analysis
Use AI for Risk Assessment
Drive AI Transformation
Use AI for Vulnerability Management
AI Transformation
Discover AI Use Cases in the Nonprofit Sector
Understand AI Capabilities and Limits
Use AI with Company Knowledge
Guide Teams Through AI Transition
Establish AI Governance
Use AI Securely
Discover AI Use Cases in Legal Services
Understand Generative AI