So Smart That It Scares Us? Cause et conséquence pour débattre d'intelligence artificielle et de bioéthique

Les clés de la leçon

Mot	Traduction
bias	un biais (une préférence injuste, souvent cachée dans les données)
training data	les données d'entraînement d'une IA
informed consent	le consentement éclairé
owing to	en raison de (+ nom)
to result in	aboutir à, entraîner

Un chatbot résume ton chapitre, ta plateforme vidéo devine ce que tu veux regarder, ton téléphone reconnaît ton visage. Pourquoi ces machines semblent-elles si intelligentes, et qu'est-ce que cela change ? Au bac, l'axe « Innovations scientifiques et responsabilité » te demande d'expliquer pourquoi une innovation apparaît et ce qu'elle entraîne : il te faut les outils de la cause et de la conséquence.

1. Quelques repères

• In 1950, the British mathematician Alan Turing asked: "Can machines think?" He proposed a test, the imitation game.
• In 1997, IBM's computer Deep Blue beat the world chess champion Garry Kasparov.
• On 30 November 2022, the company OpenAI released ChatGPT.
• In 2024, the European Union adopted the AI Act, the first major law on artificial intelligence: it bans, for example, "social scoring" of citizens.

2. Exprimer la cause

+ proposition (sujet + verbe)	+ nom ou groupe nominal
because (parce que)	because of (à cause de)
as, since (comme, puisque)	due to, owing to (en raison de)
now that (maintenant que), given that (étant donné que)	thanks to (grâce à)

Quatre règles fines, en français :

1. Because est suivi d'un verbe, because of d'un nom : The tool failed because it was biased. / The tool failed because of its bias.
2. As et since introduisent une cause déjà connue, souvent en tête de phrase : Since the data were incomplete, the diagnosis was wrong. Attention : since signifie aussi « depuis ».
3. Thanks to ne s'emploie que pour une cause positive : Thanks to AI, doctors detect some cancers earlier. Pour une cause négative, because of ou owing to.
4. Due to se place volontiers après be : The error was due to biased data.

3. Exprimer la conséquence

• so + proposition : The model was trained on biased data, so it reproduced the bias.
• therefore, consequently, as a result (par conséquent) : ces adverbes ouvrent une nouvelle phrase ou suivent un point-virgule : The data were biased. As a result, the tool was unfair.
• so + adjectif + that ; such (a) + adjectif + nom + that : The deepfake was so realistic that millions shared it. / It was such a realistic video that nobody noticed the trick.
• des verbes : to lead to, to result in (cause → effet), to result from (effet ← cause), to bring about (provoquer).

Le piège n° 1 : so that suivi d'un modal (can, could, will, would) n'exprime pas la conséquence mais le but (pour que) : Researchers anonymise the files so that nobody can identify the patients.

4. Exemple travaillé : l'algorithme qui n'aimait pas les femmes

In 2018, the news agency Reuters revealed that Amazon had abandoned an experimental recruiting tool. The system had been trained on CVs sent to the company over ten years, mostly by men. As a result, it had learnt to downgrade CVs containing the word "women's".

Décortiquons la chaîne :

• la cause profonde : because of its training data (groupe nominal) ;
• le mécanisme : because it had learnt from men's CVs (proposition) ;
• la conséquence : the tool was so unfair that Amazon dropped it.

L'IA reproduit simplement le bias (le biais) caché dans ses données : Biased data lead to biased decisions.

5. Exemple travaillé : les cellules d'Henrietta Lacks

In 1951, doctors at the Johns Hopkins Hospital, in Baltimore, took cells from Henrietta Lacks, a young African American mother with cancer, without asking for her consent. Her cells multiplied so fast that they became the first human cells grown continuously in a laboratory. Thanks to these "HeLa" cells, researchers tested the polio vaccine in the 1950s.

Le progrès est réel, la faute aussi : Since nobody had asked her, the case has become a symbol of the need for informed consent. Une même découverte a ici des conséquences heureuses (thanks to) et une origine honteuse (because nobody asked her).

6. Le lexique technique

• IA : an algorithm, training data, machine learning, a neural network (un réseau de neurones), a chatbot, a deepfake, to automate ;
• bioéthique : an embryo, gene editing (la modification génétique), a clinical trial (un essai clinique), informed consent.

À retenir

• Cause + proposition : because, as, since, now that, given that ; cause + nom : because of, due to, owing to, thanks to (positif seulement).
• Conséquence : so + proposition ; therefore, consequently, as a result en tête de phrase ; so + adjectif + that, such (a) + nom + that.
• Result in = entraîner (cause → effet) ; result from = résulter de (effet ← cause).
• So that + modal exprime le but, pas la conséquence.

★ Pour aller plus loin

Dès 1843, la mathématicienne Ada Lovelace écrivait, à propos de la machine analytique de Charles Babbage, qu'une machine ne fait que ce qu'on lui ordonne. En 1942, l'écrivain Isaac Asimov imaginait dans la nouvelle Runaround les « trois lois de la robotique », dont la première interdit à un robot de nuire à un humain.

En 2024, le prix Nobel de physique a récompensé John Hopfield et Geoffrey Hinton pour leurs travaux sur les réseaux de neurones ; un an plus tôt, Hinton avait quitté Google pour parler librement des risques de l'IA.

Sources pour creuser

• Rebecca Skloot, The Immortal Life of Henrietta Lacks (2010) ; en français, La Vie immortelle d'Henrietta Lacks.
• Kazuo Ishiguro, Klara and the Sun (2021), roman narré par une machine ; en français, Klara et le Soleil (Gallimard).
• Chaînes YouTube Science Étonnante (David Louapre) : cherche « réseaux de neurones » ; Les Bons Profs : cherche « connecteurs logiques anglais ».
• cnil.fr (algorithmes et données personnelles) et ccne-ethique.fr (Comité consultatif national d'éthique).