À la fin de ce cours, l'étudiante ou l'étudiant sera en mesure d'analyser des problèmes éthiques qui émergent de l'intelligence artificielle (IA), d’identifier les risques éthiques de l’IA pour les individus et les sociétés, et de formuler des recommandations pertinentes pour atténuer ces risques dans des domaines spécifiques.

Le cours se donne en partie sous forme de séminaire, ce qui signifie que la participation de toutes les personnes est encouragée et nécessaire. Les séances de travaux pratiques seront réservées à des exercices et à des études de cas à résoudre.

S.O.

Matériel autorisé pour l’examen final :

• Un ordinateur portable. L'examen final sera complété sur Enaquiz avec un ordinateur portable. Cependant, l'ordinateur portable peut uniquement servir à consulter l'examen. La consultation de toute autre page web ou logiciel est interdite.
• Un résumé personnel de 1 feuille 8½ ×11, recto verso, manuscrit ou tapé à l’ordinateur. Chaque étudiante et étudiant prépare son propre résumé.

L'enseignante ou l'enseignant se réserve le droit de retirer jusqu'à 10% de la note d'un travail par jour de retard.

Afin de faire valider une absence à une évaluation en vue d’obtenir un examen de compensation, l’étudiante ou l’étudiant doit utiliser le formulaire prévu à cet effet dans son portail MonÉTS pour un examen final qui se déroule durant la période des examens finaux ou pour tout autre élément d’évaluation surveillé de 15% et plus durant la session. Si l’absence concerne un élément d’évaluation de moins de 15% durant la session, l’étudiant ou l’étudiante doit soumettre une demande par écrit à son enseignante ou enseignant.

Toute demande de validation d’absence doit se faire dans les cinq (5) jours ouvrables suivant la tenue de l’évaluation, sauf dans les cas d’une absence pour participation à une activité prévue aux règlements des études où la demande doit être soumise dans les cinq (5) jours ouvrables avant le jour de départ de l’ÉTS pour se rendre à l’activité.

Toute absence non justifiée par un motif majeur (voir articles 7.2.6.1 du RÉPC et 6.5.2 du RÉCS) entraînera l’attribution de la note zéro (0).

Des extraits de lectures complémentaires et obligatoires seront disponibles en ligne sur la plateforme Moodle.

Dressel, J., & Farid, H. (2018). The accuracy, fairness, and limits of predicting recidivism. Science advances, 4(1), eaao5580.

Floridi, L. (2013). The ethics of information. Oxford University Press, USA.

Floridi, L., & Taddeo, M. (2016). What is data ethics?. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374(2083), 20160360.

Fry, H. (2018). Hello world: Being human in the age of algorithms. WW Norton & Company.

Habgood-Coote, J. (2019). Stop talking about fake news!. Inquiry, 62(9-10), 1033-1065.

Jenkins, R., Cerný, D., & Hríbek, T. (Eds.). (2022). Autonomous Vehicle Ethics: The Trolley Problem and Beyond. Oxford University Press.

Maclure, J. (2021). AI, explainability and public reason: the argument from the limitations of the human mind. Minds and Machines, 31(3), 421-438.

Mitchell, S., Potash, E., Barocas, S., D'Amour, A., & Lum, K. (2021). Algorithmic fairness: Choices, assumptions, and definitions. Annual Review of Statistics and Its Application, 8, 141-163.

Morin-Martel, A. (2023). Machine learning in bail decisions and judges’ trustworthiness. AI & society, 1-12.

Munton, J. (2022). Answering machines: how to (epistemically) evaluate a search engine. Inquiry, 1-29.

Nguyen, C. T. (2020). Echo chambers and epistemic bubbles. Episteme, 17(2), 141-161.

Nguyen, C. T. (2021). How Twitter gamifies communication. Applied epistemology, 5(6), 410-436.

Nyholm, S. (2022). This is technology ethics: An introduction. John Wiley & Sons.

Rubel, A., Castro, C., & Pham, A. (2021). Algorithms and autonomy: the ethics of automated decision systems. Cambridge University Press.

Zuboff, S. (2020). L’âge du capitalisme de surveillance. Paris, Zulma.

S.O.

Les séances de cours et de travaux pratiques des cours-groupes dont le mode d'enseignement est hybride sont offertes entièrement à distance. L'étudiante ou l'étudiant inscrit à un tel cours-groupe n'a donc pas besoin de se déplacer à l'École durant la session, sauf lors des évaluations en présence identifiées à la section "Évaluation".