en
Scientific article
Open access
French

Le deep learning au service de la prédiction de l'orientation sexuelle dans l'espace public : déconstruction d'une alerte ambiguë

Published inRéseaux, vol. 211, no. 5, p. 137-172
Publication date2018
Abstract

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.

fre
Keywords
  • Alerte
  • Apprentissage profond (deep learning)
  • Faux positifs
  • Machine learning
  • Prédiction
  • Reconnaissance faciale
  • Orientation sexuelle
  • Sciences sociales computationnelles
Citation (ISO format)
BAYA LAFFITE, Nicolas, BEAUDE, Boris, GARRIGUES, Jérémie. Le deep learning au service de la prédiction de l’orientation sexuelle dans l’espace public : déconstruction d’une alerte ambiguë. In: Réseaux, 2018, vol. 211, n° 5, p. 137–172. doi: 10.3917/res.211.0137
Main files (1)
Article (Published version)
Identifiers
ISSN of the journal0751-7971
144views
114downloads

Technical informations

Creation10/22/2021 4:08:00 PM
First validation10/22/2021 4:08:00 PM
Update time03/16/2023 1:45:07 AM
Status update03/16/2023 1:45:06 AM
Last indexation02/12/2024 1:32:13 PM
All rights reserved by Archive ouverte UNIGE and the University of GenevaunigeBlack