1Dans cette contribution, je souhaite souligner l’intérêt que j’ai porté au numéro 5, 2019, de la revue Zilsel. Ce dernier est plus exactement composé d’une rubrique « Frictions » qui mérite l’attention des collègues sociologues – et plus largement des chercheurs en sciences humaines et sociales. Elle se penche sur la vague de modernisation numérique que nous connaissons. Cette rubrique traite en effet d’une thématique à la fois importante et mal connue des sociologues : l’intelligence artificielle. Aussi, je crois que tous les jeunes chercheurs en sciences humaines et sociales qui, comme moi, ont récemment soutenu une thèse sur cette thématique doivent lire cette section : il y a fort à parier qu’elle les aide à se sentir moins seul… Car, lorsque j’ai commencé à m’intéresser, en 2012, à l’intelligence artificielle, je me suis rapidement confronté à une difficulté de taille. Comment était-il possible de me positionner au sein des travaux antérieurs ? Deux possibilités s’ouvraient à moi. Dans la première, je pouvais, d’un côté, essayer d’embrasser l’immensité des recherches sociologiques qui portaient sur les Technologies de l’Information et de la Communication (TIC), l’informatique, Internet, les bases de données et les algorithmes pour comprendre la conception et les usages de l’intelligence artificielle en tant que système sociotechnique. D’un autre côté, il me semblait également important de ne pas négliger les multiples études qui traitaient de la sociologie cognitive, de l’ethnométhodologie, des théories de l’activité, de la cognition sociale, de l’action située, de la cognition distribuée, ou encore, de la cognition incarnée pour saisir les limites de l’intelligence artificielle et les formes de ses interactions avec l’intelligence humaine. Un peu à la manière dont l’exprime Florian Jaton (2019), l’apprenti sociologue repère vite que la notion d’intelligence artificielle recouvre un véritable sac de nœud et qu’il ne va pas être aisé de chercher à le démêler. Ma deuxième possibilité était de me lancer dans la réalisation d’un état de l’art de la sociologie de l’intelligence artificielle. Le problème était que les travaux issus de cette sociologie n’étaient pas faciles à trouver car rarement étiquetés comme tel. De plus, ils n’apparaissaient ni très nombreux, ni très actuels ; et cela, même dans le champ des Sciences and Technology Studies (STS). Jusqu’à aujourd’hui, j’ai toujours fait de mon mieux pour suivre ces deux possibilités à la fois. Cela m’a alors permis de mieux comprendre à quel point il peut être difficile de trouver des repères, hormis quelques éléments typiques de la posture sociologique, pour prendre prise sur l’immensité des problèmes ontologiques, éthiques, sociaux, économiques et politiques que pose l’intelligence artificielle. Autrement dit, si la lecture de l’introduction au dossier « STS et Intelligence Artificielle : une rencontre manquée ? » m’a autant intéressé, c’est parce qu’Olessia Kirtchik propose d’objectiver les difficultés dont je viens de parler en problématisant le dossier de la rubrique « Frictions » autour de la question qui suit : « qu’est-ce qui explique cette retenue des STS […] vis-à-vis de cet objet [i.e., l’intelligence artificielle] ? » (Kirtchik, 2019a, p. 153).
2De mon point de vue, cette question est donc absolument pertinente. Et elle l’est d’autant plus que les auteurs qui ont proposés d’y répondre ne sont pas des moins importants : Francis Chateauraynaud, Harry Collins, Fabian Muniesa et Andrew Pickering. Il convient toutefois de préciser que si chaque auteur donne des éléments permettant de répondre à la question du dossier, c’est avant tout l’article d’Harry Collins (2019) qui la traite le plus frontalement. Ceci nous rappelle ainsi que, notamment au regard des publications scientifiques réalisées par chaque auteur, ce dernier est celui qui s’est le plus directement intéressé à l’intelligence artificielle. Dans la communauté des sociologues, Francis Chateauraynaud est en effet mieux connu pour ses travaux sur les controverses, Fabian Muniesa pour ses recherches sur les algorithmes d’investissements financiers et Andrew Pickering pour ses études sur la cybernétique. Les articles de ces trois auteurs n’en sont pas moins intéressants. Et cela est d’autant plus remarquable que, dans leur ensemble, les contributions de ces quatre auteurs ouvrent la voie à une sociologie critique de l’intelligence artificielle dont le pluralisme pourrait être un de ses principaux atouts. C’est, du moins, l’argument que nous souhaitons défendre dans cette contribution.
- 1 Précisons d’ailleurs que, curieusement, ces auteurs ne sont quasiment jamais cités : seul le nom de (...)
3La contribution de Fabian Muniesa (2019) se démarque des trois autres pour plusieurs raisons. Elle est difficile à lire et elle ne porte pas directement sur l’intelligence artificielle. Fabian Muniesa (2019) y retrace une partie de son parcours intellectuel. Ceci lui permet de faire connaître, auprès du public francophone, Jesùs Ibàñez (cf. 1979) qui est à l’initiative de l’école de « recherche sociale de second ordre » de l’Université complutense de Madrid. Fabian Muniesa (2019) présente cette école comme un courant de recherche hétéroclite influencé par la cybernétique de second ordre, c’est-à-dire une théorie des systèmes dont la finalité est de s’observer elle-même. Ici, la sociologie devient, pour lui, une observation d’observation. Elle se veut réflexive et rappelle, par là même, le courant dit post-moderne : pour prendre les « mesures de la société », il est nécessaire d’examiner la façon dont la société prend ses mesures pour se connaître et se contrôler. Dans les années quatre-vingt-dix, un petit groupe « post-Ibàñez » se forme alors pour étudier l’informatique et la finance à l’aide de cette nouvelle sociologie que l’on peut donc qualifier de second ordre. C’est ainsi que Fabian Muniesa (2019) est conduit, avec quelques collègues, à développer une « sociologie des algorithmes » dont l’objectif est de dépasser la « sociologie comme algorithme ». Même si ce n’est pas exposé explicitement, le lecteur comprend comment Fabian Muniesa (2019) a pu s’approprier les postures des trois grandes figures du Centre de Sociologie de l’Innovation (CSI) que sont Madeleine Akrich, Bruno Latour et Michel Callon1 : la finalité de la sociologie de second ordre dont parle l’auteur consiste, ni plus ni moins, qu’à se distinguer d’une sociologie de premier ordre qui viserait, par exemple à l’instar de celles que pratiquaient Émile Durkheim et Pierre Bourdieu, à découvrir les règles, les normes et les valeurs (c’est-à-dire les lois) qui structurent le fonctionnement des collectifs humains. En d’autres termes, si le travail de la sociologie de premier ordre consiste, pour le sociologue, à endosser le rôle d’un « observateur externe » qui cherche à dégager les lois qui régulent la société, celui de la sociologie de second ordre a pour objet de se distancier par rapport à ce même observateur. À la manière dont le fait Philip Mirowski (2001), il s’agit, dans ce dernier cas, d’observer la façon dont cet autre type d’observateur externe qu’est l’économiste étudie le fonctionnement du groupe que forment les « observateurs internes » que sont les acteurs des marchés concrets (i.e., du système économique). Bien sûr, un tel déplacement n’est pas sans conséquence sur le plan épistémologique : il peut même provoquer un certain sentiment de vertige. Son pouvoir critique n’en est que plus fascinant, notamment pour mieux comprendre les effets d’aliénation qui peuvent se jouer entre les observateurs dits internes et externes au système considéré. Comme l’expose la citation qui suit, Fabian Muniesa (2019) s’appuie sur les travaux de Jean-Pierre Dupuy (1982) pour présenter cet argument qui m’est apparu comme des plus saisissants.
Dupuy reliait dans cette formulation, proposée suite à une conversation devenue légendaire avec le célèbre cybernéticien Heinz Von Foerster, l’effet de clarté pour un observateur externe d’une situation ayant adopté une allure algorithmique et l’effet d’aliénation que cette même situation suppose pour un observateur interne. Prenons, nous dit Dupuy, un système de relations d’observations mutuelles entre agents (un marché par exemple), puis un observateur de second ordre [i.e., un observateur externe ; à ne pas confondre avec la sociologie de second ordre] qui essaye de rendre raison de ce système (disons un économiste). La conjecture s’énonce ainsi : plus riches sont les observations de premier ordre, plus signifiantes elles seront pour les observateurs au sein du système, l’observateur de second ordre se retrouvant désorienté, aliéné. Inversement, si les règles gouvernant les interactions entre les agents sont triviales, ce sont eux qui en seront aliénés, ne se reconnaissant plus dans le sens agrégé produit par le système, un système devenu par contre plein de sens pour l’observateur de second ordre (Muniesa, 2019, pp. 202-203).
4Fabian Muniesa (2019) propose ensuite de répondre à la question d’Olessia Kirtchik (2019a) en présentant comment, dans les années deux milles, le caractère révolutionnaire des technologies algorithmiques complique le développement d’une sociologie de second ordre : la demande sociale d’accompagnement de cette révolution allait plus en faveur d’une sociologie de premier ordre. Il est vrai que les « humanités numériques », en découvrant dans ces « industries de production de comportement et de valorisation de l’information » (Muniesa, 2019, p. 204) que sont les réseaux sociaux numériques des « espaces » dans lesquels s’exprime « le social », ont connu un certain succès ces vingt dernières années. Or, pour Fabian Muniesa (2019), la sociologie et l’anthropologie du numérique ne sont pas forcées de se cantonner à jouer le rôle d’une sociologie de premier ordre qui verrait dans les données que produisent en masse les réseaux sociaux numériques une nouvelle source d’informations permettant d’étudier la société. Au regard des développements algorithmiques actuels, la sociologie peut, d’après cet auteur, jouer un autre rôle en considérant les réseaux sociaux numériques, non plus seulement comme des lieux à l’intérieur desquels le social peut s’exprimer, mais aussi comme des espaces exprimant, en eux-mêmes, les visions du monde de l’ensemble des acteurs (sociologues y compris) qui participent à les faire exister, notamment par le biais d’études. Autrement dit, Fabian Muniesa (2019) nous rappelle qu’il existe aujourd’hui une alternative classique à la sociologie de premier ordre qu’il conviendrait alors de considérer comme un élément à part entière de l’espace socio-informatique à examiner : j’y reviendrai dans la troisième partie du texte, mais il y a effectivement une importante sociologie de second ordre qui reconnaît que l’« espace social » que compose tout réseau social numérique est « en réalité » moins l’expression brute de la société qu’« un produit informatique » qui doit « produire du comportement » et « valoriser de l’information » (Muniesa, 2019, p. 205). Aussi, si la contribution de Fabian Muniesa (2019) à l’avantage de mettre en avant la dimension critique de la sociologie de second ordre que je présenterai plus en détail par la suite, elle ne dit presque rien des formes des critiques que peut produire la sociologie de premier ordre. À mes yeux, ces dernières méritent pourtant d’être soulignées car elles sont importantes pour faire de la sociologie de l’intelligence artificielle.
- 2 Ici, je fais directement référence aux travaux de Michel Callon (1998).
5Pour moi, l’intérêt de la distinction que Fabian Muniesa (2019) opère entre sociologie de premier ordre et sociologie de second ordre est qu’elle permet de dégager deux postures possibles pour étudier l’intelligence artificielle. La première, qui renvoie à la sociologie de premier ordre, est interne aux systèmes sociotechniques que composent les technologies d’intelligence artificielle : elle consiste à réfléchir à la manière dont ces dispositifs peuvent ou non être pensés, fabriqués et mobilisés par les chercheurs en sciences sociales pour observer (voire réguler) la société. La seconde, qui renvoie à la sociologie de second ordre, est externe aux systèmes susmentionnés : elle a cette fois-ci pour objet d’examiner comment les technologies d’intelligence artificielle permettent à ceux qui les fabriquent et à ceux qui les utilisent de constituer et de contrôler ce qu’ils appellent la société. Pour Fabian Muniesa (2019), il semblerait que ces deux postures ne soient pas vraiment compatibles entre elles. Or, à tout le moins dans le cas de l’intelligence artificielle, un tel point de vue est discutable. Car si l’intelligence artificielle, en tant que discipline scientifique, fait appel à l’algorithmie et peut par conséquent constituer un parfait objet de recherche de sociologie de second ordre, elle ne s’y réduit pas. Comme son nom l’indique, cette discipline porte également sur l’intelligence. Et, comme le note très justement Harry Collins (2019), la sociologie de premier ordre a quelque chose à dire à ce sujet. De telle sorte que, pour cet auteur, il est difficile de faire fi de ce savoir. Pourtant, en suivant le raisonnement de Fabian Muniesa (2019), n’est-ce pas qu’à ce prix que le sociologue peut raisonnablement envisager faire une recherche sociale de second ordre de l’intelligence artificielle ? Même si l’auteur susmentionné ne le dit pas explicitement, le lecteur comprend en le lisant que la sociologie de second ordre repose sur l’idée que le travail du sociologue ne doit pas consister à discuter la validité des énoncés scientifiques (e.g., l’intelligence des acteurs sociaux n’est pas celle de l’homo oeconomicus), mais à comprendre comment les scientifiques les font exister (e.g., comment les économistes font entrer la rationalité économique dans la danse avec la société2). Partant, celui qui connaît un peu les STS retrouve dans cette sociologie de second ordre le premier principe de symétrie de David Bloor (1976) : l’étude des faits scientifiques ne consiste pas à juger de leur véridicité – comme peut par exemple le faire la sociologie de premier ordre que pratique Pierre Bourdieu (2000) pour critiquer le monstre anthropologique que compose l’homo oeconomicus – mais à comprendre comment ils sont produits – ce que Michel Callon (1998) propose par exemple de faire en cherchant à comprendre comment les technologies de marché conduisent les acteurs sociaux à se comporter de manière rationnelle sur le plan économique. Harry Collins (2019) qui, rappelons-le, est une des plus grandes figures des STS, connaît bien ce principe. L’auteur pèse par conséquent soigneusement ses mots lorsqu’il dit : « en ce qui concerne le problème central de l’IA, la loyauté tribale au principe de la symétrie peut avoir une incidence négative sur la recherche » (Collins, 2019, p. 162). Dès le début de ses recherches sur l’intelligence artificielle, l’auteur a en effet été amené à refuser de se cantonner à « reconstituer et décrire comment l’intelligence artificielle rentre dans la danse avec la société » (Collins, 2019, p. 163).
- 3 Notons que, dans cet article, quand j’évoque le principe de symétrie généralisé développé par Bruno (...)
6Au cours de mes recherches (et certainement comme beaucoup d’autres), j’ai pu ressentir cette tension dont Harry Collins (2019) rend compte avec perspicacité. Sa contribution m’a, en ce sens, beaucoup marqué. L’auteur y défend la métasociologie appliquée qu’il développe pour la première fois dans son article de 1998 sur la socialité. Dans les grandes lignes, cette métasociologie consiste à mieux comprendre « ce qui peut être accompli par des créatures sociales comme ce qui ne peut pas l’être par des créatures non sociales » (Collins, 2019, p. 161). Le lecteur intéressé par l’intelligence artificielle repère de suite le lien avec cette discipline. Car celle-ci s’est entièrement construite autour de l’idée qu’il est possible d’instituer une certaine symétrie entre le fonctionnement de l’esprit et celui d’une machine. Rappelons alors que ce principe, qu’il serait d’ailleurs possible de qualifier de symétrie cognitive, a été popularisé par le biais de la métaphore de l’ordinateur élaborée par Hebert A. Simon et Allan Newell (cf. Pomian, 1987) pour étudier la dimension fonctionnelle de l’intelligence humaine. Ainsi, ce principe se distingue évidemment de celui développé par David Bloor (1976) et de la généralisation3 qu’en propose Bruno Latour et Steve Woolgar (1979), même si, notons-le, plusieurs rapprochements pourraient selon moi être établis. Mais peu importe ces potentielles proximités… Pour le moment, l’important est de comprendre que toute l’histoire de l’intelligence artificielle s’est développée autour de controverses visant précisément à discuter ce principe de symétrie cognitive qui, dans le sens des travaux d’Harry Collins (2019), n’a pendant longtemps pas permis de considérer correctement le caractère distribué, situé et incarné de l’intelligence du vivant, c’est-à-dire sa composante sociale. De telle sorte qu’à la fin du texte d’Harry Collins (2019), le lecteur intéressé par l’intelligence artificielle comprend que la métasociologie qu’il défend peut conduire à redéfinir le jeu de l’imitation (Turing, 1950) qui est à l’origine de l’intelligence artificielle.
« La socialité est la capacité d’accéder à une certaine maîtrise sociale dans une ou plusieurs cultures » : quand on possède une certaine maîtrise sociale, on a des compétences sociales et l’on peut suivre des règles dans le sens wittgensteinien du terme. C’est-à-dire que la socialité, une fois transformée en maîtrise sociale, nous rend capables de réaliser des actions polymorphes. […] Le plus difficile pour l’intelligence artificielle […] est de donner un sens aux actions polymorphes, car le suivi des règles en bonne et due forme est par essence dépendant du contexte social. À partir de ce genre d’analyse de ce que c’est d’être social, on peut se poser la question des succès de l’intelligence artificielle avec un regard neuf : on ne se demande plus dès lors si la société considère les machines comme intelligentes mais bien plutôt dans quelle mesure les machines ont déjà atteint cette socialité. Cela n’est pas une question de construction sociale mais une réalité vérifiable. Ces tests sont des approfondissements du test de Turing (Collins, 2019, p. 170).
- 4 Plus exactement, cette technologie est appelée PROgramme de Sociologie Pragmatique, Expérimentale e (...)
7La métasociologie appliquée d’Harry Collins (2019) permet de réaliser une critique de premier ordre de l’intelligence artificielle ; et cela, dans le double sens du terme. En référence à la contribution de Fabian Muniesa (2019), cette critique peut être qualifiée comme telle parce qu’elle renvoie à une sociologie de premier ordre, mais aussi parce qu’elle est fondamentale du point de vue des sciences humaines et sociales : la question de l’intelligence et celle de sa reproduction matérielle sont aussi anciennes que centrales pour ces disciplines. La métasociologie appliquée que propose Harry Collins (2019) compose en ce sens une dimension cruciale de la sociologie de l’intelligence artificielle. Je crois toutefois qu’il serait difficile de réduire cette dernière à cette seule composante. Car cette métasociologie appliquée produit une critique qui vise surtout ce que John Searle (1999) appelle l’intelligence artificielle forte, c’est-à-dire l’hypothèse fondamentale selon laquelle l’intelligence, dans son ensemble, peut être reproduite par un ordinateur. Or, il me semble possible de compléter ce premier niveau de critique par un second, moins abstrait, qui porte plus sur l’intelligence artificielle faible, c’est-à-dire sur les dispositifs concrets que fabriquent les spécialistes de l’intelligence artificielle. C’est, du moins, ce que montre l’impressionnant parcours de recherche de Francis Chateauraynaud (2019). Rappelons que cet auteur a réalisé une trajectoire professionnelle particulièrement originale dans le domaine des sciences sociales : à ma connaissance, il est un des rares sociologues francophones à s’être activement engagé dans le développement d’une technologie d’intelligence artificielle4. Dans sa contribution, l’auteur propose de provincialiser l’histoire de l’intelligence artificielle à partir de son expérience personnelle. À mes yeux, cette expérience a l’avantage de témoigner du peu d’attention que la sociologie française a historiquement accordé à l’intelligence artificielle. Mais aussi et surtout, elle constitue un manifeste pour une approche plus pragmatique que celle défendue par Harry Collins (2019). À l’instar de ce dernier, Francis Chateauraynaud (2019) pense qu’en tant que sociologue, il a quelque chose à dire sur ce qu’est l’intelligence. Il va même plus loin en prouvant que le chercheur en sciences sociales peut directement participer à faire exister l’intelligence artificielle en concevant, par exemple, une contre intelligence artificielle, c’est-à-dire une intelligence artificielle qui repose sur une conception alternative à celles qu’élaborent les informaticiens. De mon point de vue, cette posture, à la fois pragmatique et engagée, est tout à fait intéressante, notamment parce qu’elle permet à l’auteur de développer une compréhension fine des formes que peut prendre empiriquement l’intelligence artificielle, des enjeux sociaux et cognitifs qui y sont associés. Et ceci n’est pas un moindre avantage dans la mesure où cette compréhension conduit l’auteur à formuler plusieurs remarques qui sont autant fondamentales du point de vue de l’intelligence artificielle que de celui des implications économiques, sociales et politiques de sa diffusion au sein de la société. La citation qui suit en est une belle illustration.
[Dans l’intelligence artificielle actuelle], les développements sont tirés par des protocoles d’apprentissage qualifiés de « profonds » en lien avec l’irrésistible ascension des Big Data. Circule ainsi l’idée selon laquelle un bon traitement numérique peut se passer de théorie et que l’existence de dépôts de données massivement accessibles rend inutiles les détours méthodologiques, qui visent précisément à construire les données comme des données. Comme l’approche conceptuelle semble dépassée par les nouvelles techniques de machine learning, remettre sur le tapis, dans et par les pratiques du code, les éléments fondamentaux de la vieille dialectique entre connexionnisme (réseaux de neurones) et calcul symbolique (systèmes de règles et de contraintes logiques) devient une tâche primordiale (Chateauraynaud, 2019, pp. 185-186).
8Francis Chateauraynaud (2019) fait preuve d’une étonnante acuité intellectuelle en soulignant la nécessité de « remettre sur le tapis » la vielle dialectique entre connexionnisme et calcul symbolique qui, comme le montre la figure qui suit, est au cœur de la dynamique disciplinaire que compose l’intelligence artificielle. Car ces deux courants renvoient à des façons de matérialiser l’intelligence qui ont des effets importants sur la manière dont nous concevons l’organisation des collectifs humains. Pour les partisans du calcul symbolique, l’intelligence est un système de représentations et de computations complexes de règles, de symboles et dont la source se trouve dans la société alors que pour les partisans du connexionnisme, l’intelligence est un gigantesque réseau d’activation et d’inhibition d’unités de calcul élémentaire dont la source se trouve dans la nature. Et, une fois traduites en applications sociotechniques, ces deux manières de concevoir l’intelligence ont des implications socioéconomiques à la fois importantes et différentes (cf. Vayre, 2019). Personnellement, je partage donc l’avis de l’auteur lorsqu’il soutient que son approche « fait office de contrepoint ou de contrefort suffisamment tangible pour outiller l’analyse critique de la gouvernementalité algorithmique et de ce qu’elle fait déjà aux formes de vie quotidienne comme aux recherches en sciences sociales » (Chateauraynaud, 2019, p. 195).
Figure 1 : évolution de l’influence académique des approches connexionniste et symbolique en intelligence artificielle
Crédits : figure tirée des travaux de Dominique Cardon, Jean-Philippe Cointet et Antoine Mazières (2018)
9En résumé, si la métasociologie appliquée qu’élabore Harry Collins (2019) – qui, rappelons-le, ne doit évidemment pas être confondue avec la sociologie de second ordre présentée par Fabian Muniesa (2019) – à l’avantage de mettre en discussion l’hypothèse fondamentale selon laquelle l’intelligence humaine est matérialisable à l’aide d’une machine, la sociologie pragmatique que propose Francis Chateauraynaud (2019) a le bénéfice de dégager des voies concrètes et alternatives au développement que connaît empiriquement l’intelligence artificielle. Comme je l’ai déjà dit, l’intérêt de ces deux sociologies est alors qu’elles permettent la réalisation de critiques de premier ordre étant donné qu’elles montrent que les sciences sociales ont quelques choses à dire sur l’intelligence, mais aussi sur la manière dont celle-ci peut ou non être matérialisée par le biais d’une machine. Par conséquent et en référence à la contribution de Fabian Muniesa (2019), ces sociologies se distingueraient a priori de la sociologie de second ordre dans le sens où elles sont le produit d’un discours disciplinaire (i.e., d’un observateur externe) qui entre directement en controverse avec les savoirs qui émanent des sciences concurrentes (i.e., d’autres observateurs externes). Aussi, comme je l’ai annoncé plus haut, j’aimerai nuancer cet a priori. La sociologie pragmatique de Francis Chateauraynaud (2019) et la métasociologie appliquée d’Harry Collins (2019) mélange en réalité les sociologies de premier et de second ordre. C’est d’ailleurs tout l’intérêt de la contribution d’Harry Collins (2019) que de pointer la tension que peut provoquer ce mélange. Partant, pour défendre plus avant l’idée selon laquelle les sociologies de premier et de second ordre peuvent être croisées pour former une même sociologie de l’intelligence artificielle à la fois critique et plurielle, il me faut revenir plus en détail sur les formes que peuvent prendre les critiques de second ordre.
10Comme nous l’avons vu, la sociologie de second ordre dont parle Fabian Muniesa (2019) s’inscrit au sein d’une école de pensée qui a été initiée par Jesùs Ibàñez (cf. 1979). Cette école doit ainsi comporter des singularités qui la distinguent de la sociologie des sciences. Cependant, à tout le moins dans le cas du compte rendu qu’en fait Fabian Muniesa (2019), il semblerait qu’elle fasse étroitement écho à cette sociologie, et plus particulièrement à la manière dont la conçoivent des auteurs comme Bruno Latour et Steve Woolgar (1979). Il me semble par là même que la contribution de Florian Jaton (2019) est utile pour saisir l’intérêt de la sociologie de second ordre pour l’étude de l’intelligence artificielle ; et cela, même si elle n’est pas intégrée au dossier coordonné par Olessia Kirtchik (2019a). S’il est vrai que Florian Jaton (2019) ne s’est pas centré, dans ce texte, sur l’intelligence artificielle, il n’en reste pas moins qu’il défend une ethnographie de laboratoire aussi classique que pertinente pour faire l’examen des sciences de l’informatique. L’argument de l’auteur est que les recherches qui portent sur les algorithmes et qui relèvent souvent des études de premier ordre traitent avant tout de leurs effets sociaux. Il soutient ensuite que ces travaux sont intéressants parce qu’ils sont un « contre-feu à la rhétorique marchande et séductrice des promoteurs » (Jaton, 2019, p. 320) de ces technologies. Pour autant, ces travaux critiques vis-à-vis des effets sociaux des algorithmes ont, toujours d’après l’auteur, tendance à laisser penser que ces technologies fonctionnent de manière autonome. Le lecteur retrouve ici l’argument du « drame algorithmique » de Malte Ziewitz (2016) : « de dispositifs ancrés empiriquement et délicatement irrigués, les algorithmes sont progressivement devenus de puissantes entités flottantes » (Jaton, 2019, p. 321). Les objectifs scientifiques et politiques de Florian Jaton sont alors exposés avec beaucoup de style. Ils peuvent être résumé ainsi : « au lieu de se limiter à l’étude des effets des algorithmes, il est maintenant temps d’enquêter sur les causes de ces effets pour mieux les changer » (Jaton, 2019, p. 316). Bien sûr, cet appel à un retour aux sources de l’ethnographie de laboratoire n’est probablement pas des plus novateurs, même dans le cadre de l’étude de l’intelligence artificielle : il y a plus de trente ans, Steve Woolgar (1985) proposait déjà une sociologie de cette discipline qui reposait sur sa conception de la sociologie des sciences. Cet appel n’en reste pas moins convaincant car les ethnographies des laboratoires d’intelligence artificielle sont nécessaires pour mieux comprendre les enjeux cognitifs, sociaux, économiques et politiques qui sont associés à cette discipline. Or, il existe, à ma connaissance, très peu de travaux de ce type. En outre, comme le montre la lecture critique qu’Olessia Kirtchik (2019b) propose des travaux d’Adrian Mackenzie (2017), ces ethnographies de laboratoire peuvent être complétées d’études portant sur les activités de conception que réalisent les professionnels de l’intelligence artificielle, peu importe qu’ils soient ou non reconnus comme des chercheurs. La méthode de travail que propose Adrian Mackenzie (2017), si elle se démarque des pratiques habituelles des STS, me semble en ce sens pouvoir constituer une source précieuse de description et de compréhension des activités de fabrication des technologies d’intelligence artificielle. L’auteur réalise plus exactement une auto-observation des activités d’apprentissage qu’il effectue dans le domaine du machine learning et qui, si elle comporte des manques importants, n’en reste pas moins riche d’enseignement, notamment sur le plan critique (cf. Kirtchik, 2019b). Par exemple, cette auto-observation permet de mettre en avant comment le deep learning « absorbe de nombreuses fonctions et compétences humaines en réduisant l’action humaine au contrôle de quelques paramètres techniques de l’apprentissage, par exemple le « taux d’apprentissage dans l’algorithme de rétropropagation » ([Mackenzie, 2017,] p. 200) » (Kirtchik, 2019b, p. 466). Il existerait évidemment d’autres approches possibles pour développer une sociologie de second ordre de l’intelligence artificielle. L’important est ici de comprendre que, d’une manière générale et en référence à notre première section, celle-ci pourrait permettre l’élaboration de critiques de second ordre qui rappellent l’impulsion critique de l’école de pensée initiée par Jesùs Ibàñez (cf. 1979).
11Dans cette école, il s’agissait d’examiner, de manière parfois ouvertement contestataire, le jeu qu’entretenaient les catégories de l’entendement sociologique, ainsi redéfinies, et les formes contemporaines d’exploitation et, partant, d’assujettissement qui allaient de pair (Muniesa, 2019, p. 199).
Pour autant, cette sociologie de second ordre, qui consiste à ouvrir la « boîte noire » des algorithmes et qui serait donc aisément applicable au domaine de l’intelligence artificielle, pourrait être plus radicale. Cette alternative [i.e., la sociologie des algorithmes], généralement dotée d’une visée plus ou moins émancipatrice, cherche pourtant souvent davantage à reconduire les prémisses cultivées par le milieu informatique qu’à s’en affranchir (Muniesa, 2019, p. 205).
- 5 Notons que, sur ce point, Fabian Muniesa (2019) partage le point de vue de Dominique Cardon (2015).
12En s’appuyant sur les travaux de Jesùs Ibàñez (cf. 1979), Fabian Muniesa (2019) soutient plus exactement qu’il serait possible d’aller plus loin dans la sociologie de second ordre. Pour cet auteur, cette sociologie pourrait, par exemple, élaborer une critique des algorithmes – et, par extension, de l’intelligence artificielle – qui se départ des notions de comportement, d’information et de valeur, c’est-à-dire qui serait fondée sur d’autres façons de concevoir, de manière générale, les technologies d’automatisation que nous sommes en train de développer, notamment celles visant à personnaliser nos environnements numériques. L’avantage de ce type de critique serait ainsi d’ouvrir une brèche dans le piège cybernétique (cf. Mirowski, 2001) que forme le cycle comportement-information-valeur qui est au cœur du fonctionnement des sociétés numérisées actuelles et qui consiste à penser l’intelligence artificielle comme une manière d’optimiser informatiquement l’utilité des environnements numériques que nous traversons au cours de nos activités ordinaires5.
13Dans l’ensemble, je crois que la contribution d’Andrew Pickering (2019) peut être comprise comme un bel exemple de ce que peut faire une sociologie de second ordre de l’intelligence artificielle. En outre, cette contribution, qui est probablement la plus poétique du dossier, constitue un contre-point particulièrement séduisant à la méta-sociologie appliquée que propose Harry Collins (2019). Si cette dernière remet en question le principe de symétrie de David Bloor (1976), elle interroge également la généralisation qu’en propose Bruno Latour et Steve Woolgar (1979). Or, le texte d’Andrew Pickering va plutôt dans le sens de cette généralisation étant donné qu’il consiste à critiquer la philosophie dualiste qui « stipule que les gens sont différents des choses par nature » (Pickering, 2019, p. 209). Andrew Pickering (2019) défend plus précisément l’idée selon laquelle l’Internet des Objets (IoT) et l’intelligence artificielle qui le compose sont souvent pensés sous l’angle d’un telos du désengagement qui découle du dualisme susmentionné. Le cas de la voiture autonome est très parlant. Celle-ci désincarne l’activité de conduire en séparant les actions routinières que le chauffeur réalise de manière automatique pour pouvoir l’en désengager de façon à lui permettre de se consacrer à des activités intellectuelles de plus haut niveau, comme l’élaboration d’une réflexion ou d’un raisonnement, par exemple dans le cadre d’une discussion avec un autre passager, ou encore, dans celui de l’écoute d’une émission de radio. Pour Andrew Pickering (2019), les spécialistes de l’intelligence artificielle semblent ainsi éprouver des difficultés à concevoir des technologies qui pourraient changer l’humanité, c’est-à-dire faire advenir un monde moins dualiste.
Grâce à la science et à l’ingénierie, nous, les humains, devenons vraiment un pur dépositaire de la pensée et de la volonté, plus ou moins coupés de tout contact performatif avec le monde, en dehors peut-être de la parole, elle-même à son tour médiée par de nouvelles machines, portant des noms comme Alexa et Siri. Au-delà de ces dernières, d’autres intensifications de la division dualiste sont aisément envisageables : « Les Alexa du futur prendront un tas de décisions pour mes enfants et leurs semblables dans leur vie quotidienne » – le désengagement, y compris de nos choix (Pickering, 2019, p. 211).
14Andrew Pickering montre ensuite que ce dualisme philosophique que font exister les technologies d’intelligence artificielle peut faire l’objet de trois formes de critique qui impliquent, à mon avis, un certain recours à la sociologie de premier ordre. La première fait penser à la thèse marxiste et n’est pas sans rappeler les travaux de Michel Freyssenet (1992), d’Alain Gras (1994), ou encore, de Gérard Dubey (2014). Cette première forme de critique soutient plus précisément que, par le biais du dualisme susmentionné, les technologies d’intelligence artificielle favorisent les processus de déqualification des travailleurs et des consommateurs aux profits des employeurs et des marchands. La deuxième me semble faire référence aux travaux d’Eli Pariser (2011). Elle défend l’idée que les technologies de l’intelligence artificielle, en désengageant les individus d’une partie toujours plus grande de leurs décisions quotidiennes, pourraient finalement les enfermer dans une bulle matérielle et informationnelle. La troisième est à la fois plus grave et profonde. Elle n’est pas sans rappeler les travaux du regretté Bernard Stiegler (2015). Elle repose sur l’idée que cette sorte de double numérique de nos sociétés que font exister l’IoT et les technologies d’intelligence artificielle qui le composent est « apprivoisé et domestiqué, mis au pas comme un lion dans un cirque » (Pickering, 2019, p. 213). Ce double pourrait de cette façon finir par étouffer ces « danses sauvages et indéfinies des agencies humaine et non-humaine » (Pickering, 2019, p. 213). D’après l’auteur, « c’est peut-être cette absence claustrophobe de nouveauté et de créativité qui pourrait constituer le suprême danger, un appauvrissement de notre vie intérieure, qui va avec le telos du désengagement » (Pickering, 2019, p. 213). À l’aide d’exemples issus de l’histoire de la cybernétique, Andrew Pickering (2019) flirte alors directement avec les critiques de premier ordre. En soulignant l’existence empirique de systèmes cybernétiques capables, non plus de désengager, mais d’engager les individus au sein de leur environnement, l’auteur retrouve, à mon sens, le projet de contre intelligence artificielle qui caractérise la sociologie pragmatique défendue par Francis Chateauraynaud (2019).
15De mon point de vue, le cas d’Andrew Pickering (2019) a, en outre et de façon plus générale, l’immense avantage de pointer l’importance du rôle des critiques de second ordre pour contenir le développement de l’intelligence artificielle. En permettant une réelle prise de distance vis-à-vis des acteurs socioéconomiques et des catégories de pensée qui les animent, la sociologie de second ordre favorise la réflexivité individuelle, collective et peut de cette manière encourager la conception et l’institution d’alternatives qui peuvent être aussi radicales que pertinentes pour la communauté. À mon avis, les critiques de second ordre peuvent par là même être plus largement comprises comme une façon de repenser les fondations de cet habitat que forment les technologies numériques et que vient transformer le retour en force de l’intelligence artificielle que nous connaissons depuis ces dix dernières années. Dans le sens des travaux d’Andrew Pickering (2019), je suis alors intimement convaincu que les critiques de premier ordre peuvent venir prolonger celles dites de second ordre en visant, au regard de ces dernières, à accompagner les acteurs socioéconomiques dans leur entreprise de développement et de rénovation de l’habitat dont je viens de parler.
- 6 Il ne faut pas oublier que, pour les sciences cognitives elles-mêmes, l’intelligence humaine compor (...)
16La distinction que Fabian Muniesa (2019) opère entre les sociologies de premier et de second ordre est intéressante parce qu’elle permet de rendre compte de deux façons différentes de faire des sciences sociales. À titre personnel, j’apprécie beaucoup l’idée qu’il ne soit pas nécessaire de choisir entre ces deux voies. J’ai en effet toujours été fasciné par ces auteurs qui, à l’instar, par exemple, de Jean-Michel Berthelot (1990), préfèrent défendre le pluralisme scientifique que plaider pour une chapelle académique. Aussi, je ne crois pas que la frontière entre les sociologies de premier et de second ordre soit infranchissable : après tout, pourquoi serait-il si difficile de considérer que l’on puisse faire partie d’une communauté d’observateurs externes tout en étudiant ses pratiques ? N’est-il pas possible de réaliser une observation participante de l’intelligence artificielle où la participation et l’observation ont toutes les deux une valeur sociologique ? Je pense que si et c’est, à tout le moins dans une certaine mesure, la voie que me semble ouvrir les contributions des quatre auteurs que je viens de présenter. Plus encore, je suis intimement convaincu que travailler en ce sens peut être vertueux pour l’étude de l’intelligence artificielle. Le problème est qu’une telle posture n’est pas simple à tenir jusqu’au bout. Comme le montre Harry Collins (2019), la circulation entre les sociologies de premier et de second ordre est à la source d’une tension qui peut être très forte et que les collègues ne sont pas toujours disposés à comprendre. Le fait que le principe de symétrie et sa généralisation soient au cœur de cette tension n’arrange pas la chose. À ce niveau, je crois toutefois qu’une attitude curieuse, ouverte et tolérante pourrait permettre de transformer cette tension en une puissante source de motivation scientifique. De mon point de vue, Harry Collins (2019) a raison de souligner que la « loyauté tribale » au principe de symétrie de David Bloor (1976) est, à tout le moins dans le cas de l’étude de l’intelligence artificielle, problématique : la sociologie a quelque chose à dire sur l’intelligence et ce quelque chose est à la source d’une critique de l’intelligence artificielle qui est nécessaire. Il n’en reste pas moins que ce principe, lorsqu’il est saisi avec souplesse, me semble être un outil intéressant pour observer et comprendre comment cette discipline scientifique conçoit l’intelligence ; un point de vue qu’Harry Collins (2019) apparaît, par ailleurs, partager. En outre, je pense également que la généralisation que Bruno Latour et Steve Woolgar (1979) propose de ce principe fait question, a minima lorsque les symétrisations nature/société et humain/non-humain qui composent ce dernier (cf. Latour, 1993) sont comprises et interprétées de manière trop littérale. S’il n’existe aucune frontière qui permette de distinguer le naturel de l’artificiel, ou encore, l’humain du non-humain, c’est que les spécialistes de l’intelligence artificielle ont, dès le départ, eu raison : hormis quelques contraintes matérielles, il n’y a rien qui puisse réfuter l’hypothèse qu’une machine puisse reproduire l’intelligence humaine. Or, les chercheurs en intelligence artificielle eux-mêmes, au moins les plus sérieux, savent que ce n’est pas vrai. Ils ont conscience qu’à l’heure actuelle, il leur manque beaucoup d’outils techniques, mais aussi méthodologiques, conceptuels et théoriques pour comprendre l’intelligence humaine et concevoir comment il serait ou non possible de la matérialiser6. Pour autant, à la différence d’Harry Collins (2019), je ne pense pas qu’il soit nécessaire de clôturer la théorie de l’acteur-réseau. À mon avis, il y aurait beaucoup à perdre à s’engager trop vite dans cette entreprise. Je crois effectivement qu’une telle clôture risquerait de mettre à mal la généralisation du principe de symétrie proposée par Bruno Latour et Steve Woolgar (1979) et de faire ainsi disparaître la pertinence scientifique et le pouvoir politique des études qui, comme celle d’Andrew Pickering (2019), critiquent, par exemple, le dualisme philosophique que recouvre les technologies d’intelligence artificielle. Autrement dit, si la généralisation du principe symétrie doit être discutée, elle n’est, à mes yeux, pas inutile. Peut-être suffirait-il de l’interpréter avec souplesse et bon sens pour s’apercevoir qu’elle possède des vertus heuristiques importantes pour étudier l’intelligence artificielle ? Bien qu’il me soit impossible de développer ce point dans cette conclusion, je crois effectivement qu’une fois considérée avec discernement, cette généralisation peut permettre de questionner et de mieux comprendre ce qui est le propre de l’intelligence humaine, mais aussi de mieux observer et saisir comment l’intelligence artificielle et l’intelligence humaine interagissent ensemble.
17Je souhaite maintenant conclure en ouvrant plus directement la réflexion sur la façon dont les contributions de Francis Chateauraynaud (2019), d’Harry Collins (2019), de Fabian Muniesa (2019) et d’Andrew Pickering (2019) ouvrent la voie à un programme de recherche sur l’intelligence artificielle dont la pluralité peut être, je crois, exposée comme suit. La sociologie de second ordre, compte tenu de la prise de distance qu’elle permet, doit autoriser une compréhension approfondie de la manière dont les technologies d’intelligence artificielle, en tant que conception, expriment les représentations de tous ceux qui participent à leur fabrication. Elle est par là même susceptible de permettre une mise à l’épreuve rigoureuse de l’hypothèse de la performativité de ces dispositifs, c’est-à-dire de leur capacité à faire exister les visions du monde de tous ceux qui participent à leur conception. La sociologie de second ordre peut de cette façon encourager le développement de critiques visant à questionner l’agentivité des technologies d’intelligence artificielle, mais aussi à proposer des manières alternatives de la concevoir. L’avantage de telles critiques est alors qu’en nous aidant à mieux saisir les représentations du monde qu’encapsulent les systèmes d’intelligence artificielle, elles doivent nous amener à redécouvrir l’étrangeté des sociétés numériques que nous composons et ainsi à mieux comprendre et critiquer leurs fondements philosophiques, culturels et politiques. De mon point de vue, la sociologie de premier ordre peut alors constituer une façon d’approfondir et de favoriser le déploiement des études critiques de second ordre au sein de la société. En conduisant le chercheur à s’engager plus ou moins directement dans le développement des technologies d’intelligence artificielle, cette sociologie doit lui permettre de mieux comprendre, questionner et orienter les manières d’agir et de penser des acteurs qui les fabriquent, les implémentent et les utilisent. Ce faisant, le sociologue doit se donner les moyens de tester l’hypothèse selon laquelle ces dispositifs s’inscrivent au sein de mécanismes de structuration du monde social et contribuent par là même à la (re)production, à la naturalisation et/ou à la cristallisation de relations de pouvoir, ou encore, d’inégalités qui ne sont pas un bien pour la communauté. Pour le sociologue, la difficulté de pratiquer un tel pluralisme est alors double. Elle consiste, d’une part, à rechercher les éléments de traduction lui permettant d’articuler les études critiques de premier et de second ordres et, d’autre part, à trouver un équilibre entre observation et participation de façon à se positionner à la distance lui permettant d’étudier rigoureusement et d’accompagner judicieusement le développement de l’intelligence artificielle. Et, encore une fois, une telle posture n’est pas dépourvue de toute forme de tension. J’espère toutefois que cette contribution permettra à ceux qui souhaitent s’engager dans une telle perspective de composer plus aisément avec cette difficulté.