Appels 2025
Les appels MAIA à cofinancement de thèse, financement de postdocs et financement d'actions innovantes sont sortis : Financement d'initiatives innovantes. Financement de Post-Doctorant(e)....
Le deuxième axe de recherche transversal de MAIA concerne le concept d'acceptabilité sociétale de l'IA, et vise à concilier (ou réconcilier) les humains avec les algorithmes. Bien entendu, ce concept peut être considéré sous différents angles qui affectent différentes facettes de la vie en société, comme par exemple les aspects légaux, éthiques, sociologiques et de confiance des nombreuses utilisations de l'IA.
D'une part, nous sommes particulièrement intéressés par les réflexions transdisciplinaires juridiques, éthiques, informatiques et organisationnelles sur l'explicabilité (et toutes les notions associées), dans l'objectif de contribuer à la régulation juridique des algorithmes d'IA. De telles études ont déjà été initiées par N. Nevejans, ce qui lui a valu d'être auditionnée par la Commission spéciale du Parlement européen sur "l'IA à l'ère numérique", en novembre 2021. D'autre part, nous nous intéressons au renforcement de la confiance et de l'éthique de l'IA. Nous explorerons le rôle de la confiance dans le domaine de l'économie, notamment dans le contexte de la numérisation des usages bancaires et financiers, et dans deux domaines spécifiques de la MAIA :
Dans MAIA, nous mobiliserons également une approche systémique à partir de trois perspectives (psychologique, sociologique et ergonomique) dans le but de limiter les risques psychosociaux induits par les systèmes d'IA. Parmi les risques avérés de l'IA figurent ceux provenant de données biaisées qui sont introduites le plus souvent de manière inconsciente. Sur le plan théorique, nous nous intéresserons aux facteurs à l'origine de ces biais, et à l'impact potentiellement discriminatoire des algorithmes d'IA. Plus généralement, plusieurs actions, telles que des enquêtes, seront menées par les chercheurs en sociologie du MAIA auprès d'usagers et de professionnels (avec une grande opportunité d'impliquer des étudiants et des enseignants). Par exemple, nous sommes intéressés par l'utilisation d'interventions psychosociales afin de renforcer les liens sociaux des jeunes adultes et de contribuer à leur santé mentale. Les ML peuvent nous aider à diagnostiquer les jeunes concernés, à développer et à personnaliser les interventions. Cependant, il faudra certainement étudier comment fournir des garanties d'utilisation afin de rendre cette approche acceptable.