Ce cours vise à permettre l’acquisition de notions théoriques et pratiques entourant l’intelligence artificielle (IA).

Au terme de ce cours, l’étudiant ou l'étudiante sera en mesure :

• d’analyser un problème éthique lié à l’intelligence artificielle (IA) ainsi que les argumentaires courant dans les débats issus du développement de l’IA;
• d’identifier les risques éthiques de l’IA pour les individus et les sociétés;
• d’identifier les forces et les limites des recommandations proposées pour atténuer ces risques.

Gouvernance des systèmes d’IA. Problèmes de coordination entre les États pour réguler l’IA. Implémentation de principes éthiques dans les algorithmes. Prédiction algorithmique et gestion du risque. Discrimination et biais. Enjeux de santé et de sécurité. Surveillance. Monétisation et protection des données. Automatisation et autonomie. Algorithmes et attributions de responsabilité. Transparence et explicabilité des algorithmes. Bulles épistémiques et chambres d’écho.

Séances de travaux pratiques axées sur le développement de l’esprit critique par le biais d’études de cas.

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, 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.

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".