Le deep learning au service de la prédiction de l’orientation sexuelle dans l’espace public - Archive ouverte HAL
Article Dans Une Revue Réseaux : communication, technologie, société Année : 2018

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

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.
Fichier principal
Vignette du fichier
le-ideep-learningi-au-service-de-la-prediction-de-lorientation-sexuelle-dans-lespace-public.pdf (416.81 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04760325 , version 1 (30-10-2024)

Identifiants

Citer

Nicolas Baya-Laffite, Boris Beaude, Jérémie Garrigues. Le deep learning au service de la prédiction de l’orientation sexuelle dans l’espace public. Réseaux : communication, technologie, société, 2018, 211 (5), pp.137-172. ⟨10.3917/res.211.0137⟩. ⟨hal-04760325⟩
21 Consultations
2 Téléchargements

Altmetric

Partager

More