La journée d’étude « L’IA à l’Unistra : repères, usages et perspectives » s’est déroulée le 8 juillet à l’Université de Strasbourg. Elle a réuni plus de 400 personnels pour évoquer les enjeux majeurs liés à l’essor de l’intelligence artificielle, mais aussi l’expérimenter à travers des ateliers. Le point avec Virginie Zint, vice-présidente Numérique et simplification organisationnelle de l’université.
Quel est le positionnement de l’Université de Strasbourg par rapport à l’utilisation de l’IA par ses personnels ?
Nous ne pouvons pas vivre dans une grotte, le positionnement de l’Université de Strasbourg n’est ni l’interdiction générale, ni l’adoption naïve. Aide à la rédaction, synthèse de documents, traduction, recherche d’idées, transcription… l’IA est utile dans certains cas et apporte une réelle plus-value comme dans l’accessibilité numérique, mais ce n’est pas un substitut à l’expertise professionnelle. Elle ne remplace ni le jugement, ni la responsabilité. En raison de son impact environnemental, il faut toujours se poser la question de son utilité et du temps gagné et choisir la solution la plus sobre. Certains besoins relèvent d’une meilleure organisation, d’un moteur de recherche… Par ailleurs lorsqu’un usage a un impact collectif au niveau d’un service, une composante ou une procédure, il doit être cadré, documenté et évalué.
Quid des étudiants ?
La question de la triche aux examens est réelle, mais elle ne peut pas être traitée uniquement sous l’angle de la surveillance ou de la sanction. Il faut clarifier les attendus. Dans certains cas, l’usage de l’IA pourra être interdit, dans d’autres, il pourra être autorisé à condition d’être déclaré et analysé. Les universités doivent former des étudiantes, des étudiants et des personnels capables de comprendre les outils qu’ils utilisent, et d’en identifier les limites.
Quelles sont les précautions à prendre lorsqu’on utilise l’IA ?
Données personnelles, RH, de santé, ou encore de recherche non publiées, documents internes, éléments confidentiels ou stratégiques… Si une donnée ne peut pas être rendue publique, elle ne doit pas être transmise à un outil externe non maîtrisé. Les modèles d’IA génératives peuvent produire des erreurs, inventer des références, reproduire des stéréotypes, invisibiliser certains publics… il faut être attentif à ces questions et vérifier les résultats. Enfin, afin de respecter notamment l’intégrité scientifique et académique, il est important de penser à la traçabilité, la citation des sources, la transparence des méthodes et le respect de la propriété intellectuelle. Dans certains contextes, il peut être nécessaire d’indiquer qu’un outil d’IA a été utilisé, et dans quelle mesure.
La version complète de l’article est disponible sur le site de Savoir(s).
Lire l’article original
