A quoi rêvent les algorithmes ?

Figure 1 : « Do Androids Dream of Electric Sheep ? », Philip K. Dick (1968) ¹

 

Résumé

Cet article soutien que l’intelligence artificielle (IA), en particulier depuis l’essor des modèles génératifs à large échelle, dépasse une simple évolution techno‑économique pour entrer dans une phase de révolution culturelle.  En mobilisant un cadre théorique articulant hégémonie culturelle (Gramsci, 1971), études des médias (Hall, 1980), sociologie des techniques (Suchman, 2007; Latour, 2005) et philosophie politique des artefacts¹ (Winner, 1980), sont proposés des critères opératoires de « révolution culturelle » montrant comment l’IA reconfigure les épistémologies (savoir, compétence, jugement), les appareils de diffusion et de normalisation (école, médias), le statut de l’auteur et les rituels professionnels, ainsi que le droit et la gouvernance (AI Act, NIST AI RMF, ISO/IEC 2020-2024).

À partir de sources institutionnelles (UNESCO, OCDE, NIST, AI Act, WIPO), d’indicateurs d’adoption (Stanford AI Index, Pew Research Center, Reuters Institute), et d’études empiriques (dont travaux sur AlphaFold, productivité avec assistants de codage), il identifie des signes d’effervescence et d’institutionnalisation : alphabétisation à l’IA, standards, chartes, contentieux et procédures d’audit.  Enfin, il soutient que l’IA restructure l’ordre symbolique et les institutions de légitimation des savoirs et des pratiques, signe distinctif d’une révolution culturelle en cours, tout en discutant ses limites, controverses et conditions de stabilisation.

Une enquête sur les mécanismes d’institutionnalisation culturelle de l’IA

L’irruption des systèmes d’IA générative depuis 2022 a catalysé un débat public et académique de grande ampleur sur les effets des technologies algorithmiques. Au‑delà des performances techniques et des gains de productivité, c’est une recomposition des catégories culturelles — « savoir », « auteur », « créativité », « jugement », « compétence » — qui s’esquisse.  L’objet de cet article est d’illustrer que l’IA s’inscrit dans une dynamique de révolution culturelle : un processus de transformation rapide et délibéré des valeurs, normes, symboles et institutions qui structurent la vie sociale, visant à reconfigurer l’ordre symbolique et à légitimer un nouvel horizon collectif. Il est entendu par-là, suivant Gramsci (1971), une lutte pour l’hégémonie culturelle où se redéfinissent ce qui compte comme connaissance valide, comme autorité et comme vertu pratique (Gramsci, 1971). Ce cadre est combiné avec les travaux de Stuart Hall (1980) sur les circuits de codage/décodage médiatiques, ceux de Lucy Suchman (2007) et Bruno Latour (2005) sur la co‑construction des techniques et des usages, et l’analyse de Langdon Winner (1980) sur la dimension intrinsèquement politique des artefacts.

Figure 2 : Antonio Gramsci²

La démonstration est double: d’une part, l’IA déplace des référentiels de connaissances et des pratiques au cœur des institutions de diffusion et de normalisation (école, médias, arts, droit, monde professionnel); d’autre part, on observe une phase d’effervescence suivie d’une institutionnalisation par des normes, lois, standards et rituels organisationnels. Empiriquement, je m’appuie ici sur des textes juridiques et normatifs (EU AI Act; NIST AI Risk Management Framework 1.0; ISO/IEC 2020-2024; Principes de l’OCDE sur l’IA), des orientations éducatives (UNESCO 2023; travaux de l’OCDE sur IA et apprentissage), des sources de propriété intellectuelle (US Copyright Office; WIPO), et des indicateurs d’adoption et d’attitudes (Stanford AI Index, Reuters Institute, Pew Research Center). Sont aussi mobilisés des résultats saillants de la recherche scientifique et industrielle sur les capacités de l’IA (AlphaFold, AlphaTensor publiés dans Nature), et des études sur les effets des assistants de codage sur la productivité.

1. Définir la notion de « révolution culturelle » appliquée aux technologies

1.1 Définition opératoire et critères

Adoptons ici une définition opératoire: il y a révolution culturelle lorsque des acteurs (États, plateformes, professions, mouvements) mobilisent instruments et appareils (école, médias, arts, droit) pour reconfigurer en profondeur l’ordre symbolique — ce qui est tenu pour vrai, valable, souhaitable — et les institutions qui l’enseignent, le reproduisent et l’arbitrent. Cinq critères permettent d’en tracer les contours :

1. Finalité : remodeler l’hégémonie culturelle, au sens de Gramsci (1971)
2. Instruments : éducation, médias, rituels, normes
3. Acteurs : pouvoirs publics, écosystèmes industriels, élites professionnelles, publics
4. Temporalité : effervescence, institutionnalisation, normalisation
5. Portée : des mœurs et du langage aux identités professionnelles et juridiques

1.2. Distinction avec la « disruption » techno‑économique

La « disruption » techno‑économique décrit un déplacement de marchés ou de modèles d’affaires. La révolution culturelle implique, au‑delà, une redéfinition des grammaires socio-culturelles: des catégories de la pensée et de l’action, des rites de légitimation, des hiérarchies symboliques. Langdon Winner a montré que les technologies « ont » de la politique, non seulement par leurs effets, mais par les configurations d’autorité et d’usage qu’elles rendent possibles ou probables (Winner, 1980). L’IA, quand elle « écrit », « juge », « recommande », engage la redistribution de l’autorité cognitive elle‑même.

1.3. Le rôle des appareils idéologiques

Stuart Hall (1980) a insisté sur la dynamique de codage/décodage : les médias (au sens large) codent des préférences, styles, scripts; les publics les décodent, parfois à contre‑courant. Une révolution culturelle se joue dans ces appareils: école (curricula, évaluations), médias et plateformes (cadres de visibilité), arts (normes d’originalité), droit (critères d’auteur, responsabilité), organisations (rites professionnels). L’IA pénètre précisément ces infrastructures.

Figure 3 : Stuart Hall ³

2. Redéfinition des épistémologies : savoir, compétence, jugement

2.1. Modèles et données comme autorités cognitives

La montée d’outils qui infèrent, résument, classent et génèrent reconfigure la notion de « savoir ».  Les systèmes de prédiction structurale des protéines comme AlphaFold ont transformé des pans de la biologie structurelle: DeepMind et ses partenaires ont publié des percées dans Nature en 2021, montrant une performance de prédiction à l’échelle du protéome (Nature, 2021, Tunyasuvunakool, K. et al.).  De même, AlphaTensor a optimisé des algorithmes de multiplication de matrices, illustrant une exploration algorithmique créative (Nature, 2022, Fawzi et al.).  Ces exemples, objets de publications évaluées par les pairs, attestent de l’entrée de l’IA dans la co‑production de connaissances nouvelles dans des domaines fondamentaux. 

Cette autorité algorithmique s’étend aux pratiques quotidiennes : systèmes de recommandation, de recherche sémantique, d’assistance à la rédaction et à la programmation. Elle ré-hiérarchise les compétences : savoir formuler un problème pour un modèle (prompt), valider et itérer… et devient ainsi une littératie.

2.2. Littératie du prompt et métacognition

L’émergence d’une « littératie du prompt » matérialise la réallocation de compétences : articuler des consignes, structurer des contextes, expliciter des critères de qualité, instrumenter la vérification. Ben Shneiderman plaide pour une IA centrée sur l’humain et des designs qui documentent, expliquent et permettent un contrôle pragmatique, précisément pour constituer une culture d’usage critique et responsable (Shneiderman, Human‑Centered AI, 2022). Les systèmes d’enseignement et de certification commencent à intégrer ces méta-compétences, comme on le verra en section 3.

Figure 4 : « Human-Centered AI », Ben Shneiderman (2022)⁴

 

2.3. Automatisation partielle de la découverte scientifique

Au‑delà de l’analyse des données, une littérature croissante explore des « agents scientifiques » ou « laboratoires autonomes » capables de générer des hypothèses et de concevoir des expériences.  Les revues et archives scientifiques recensent des travaux sur l’utilisation d’IA pour proposer des conjectures testables et optimiser les protocoles, prolongeant des tendances déjà visibles avec AlphaFold et d’autres systèmes publiés dans Nature.  Si la rhétorique d’« autonomie » doit être nuancée, le déplacement est réel : la frontière entre outil et co‑auteur cognitif se brouille, forçant une redéfinition du jugement expert, et conduisant les revues et institutions à préciser les critères d’attribution de crédit.

3. Éducation et médias: appareils de diffusion et de normalisation

3.1. Politiques éducatives

L’UNESCO a publié en 2023 un « Guidance for generative AI in education and research » proposant des principes et recommandations pour intégrer l’IA dans les curricula, encadrer l’évaluation, développer des capacités de réflexion critique, et protéger la vie privée et l’intégrité académique (UNESCO, 2023). Ce document reconnaît l’IA comme objet d’alphabétisation et de gouvernance, au‑delà de l’interdiction ou de la tolérance, marquant un tournant institutionnel.  L’OCDE, via des rapports sur « AI and the Future of Learning », a indiqué des cadres d’usage pédagogique, des risques (biais, dépendance), et des besoins en compétences des enseignants et apprenants (OCDE, 2021‑2023). Ces textes témoignent d’une phase d’institutionnalisation : l’école comme appareil idéologique intègre l’IA dans ses normes d’enseignement et d’évaluation.

Figure 5 : « Guidance for generative AI in education and research », UNESCO (2023) ⁵

 

3.2. Médias et plateformes

Les plateformes d’information et réseaux sociaux ont intensifié l’usage d’IA pour la recommandation, la modération et la génération de contenus. Le Reuters Institute Digital News Report 2024‑2025 documente l’augmentation de l’exposition à des contenus assistés par IA, l’expérimentation de rédactions avec des outils génératifs, et les préoccupations des publics sur la fiabilité. Ces dynamiques transforment la formation des publics, les rituels de validation (fact‑checking augmenté), et les chartes éditoriales (obligation de divulgation de l’usage d’IA).

3.3. Alphabétisation à l’IA comme rite d’entrée

Les recommandations de l’UNESCO et de l’OCDE convergent vers la nécessité d’une alphabétisation à l’IA, non seulement technique, mais éthique et critique. La littératie à l’IA devient un rite d’entrée culturel comparable à la littératie numérique des décennies précédentes : savoir collaborer avec des modèles, évaluer des sorties, comprendre les limites (aléatorisation, hallucinations), et respecter des règles (citation, confidentialité).  Cette alphabétisation, lorsqu’elle est incorporée dans les curricula et les standards d’évaluation, est un signe fort d’institutionnalisation.

4. Arts, créativité et statut d’auteur

4.1. Co-production humain‑machine

Dans les arts, l’IA a catalysé des pratiques de co-production: musique assistée, images, texte.  Les controverses sur l’originalité et le style ont provoqué une réponse réglementaire et jurisprudentielle. Le US Copyright Office a publié en 2023–2024 des policy statements précisant que la protection du droit d’auteur requiert une paternité humaine, et que des œuvres générées uniquement par IA ne sont pas protégeables; en revanche, des œuvres où l’humain exerce un contrôle créatif peuvent l’être pour la partie humaine (US Copyright Office, 2023–2024). Cette ligne directrice définit des seuils d’« auteur » et des procédures de divulgation. 

Figure 6 : extrait du « Copyright Registration Guidance: Works Containing Material Generated by Artificial Intelligence », United States Copyright Office (2023) ⁶

 

4.2. Conflits normatifs

Des artistes et photographes ont intenté des actions contre des entreprises d’IA générative pour l’usage des datasets d’images et de styles, révélant un différend sur la valeur du « style » et le consentement des titulaires de droits (voir litiges médiatisés aux États‑Unis impliquant des générateurs d’images).  Ces controverses, et les discussions à l’Organisation Mondiale de la Propriété Intellectuelle (WIPO) sur « Generative AI and IP Policy » (WIPO, 2023–2024), manifestent une délibération internationale pour ajuster les régimes de propriété intellectuelle aux nouvelles médiations techniques.

4.3. Règles émergentes

Se généralisent des pratiques de disclosure (mention de l’usage d’IA), des labels d’authenticité et des politiques éditoriales dans des maisons d’édition et rédactions. La WIPO recense des pistes de politiques publiques sur la transparence, la traçabilité des datasets, et la responsabilité. Ces rituels et règles dessinent une normalisation du rôle de l’IA dans la chaîne de valeur culturelle.

5. Travail et professions: nouveaux rituels et identités

5.1. Reconfiguration des métiers cognitifs

Des études sectorielles montrent une réallocation des tâches: génération de brouillons, synthèse, exploration, QA, et augmentation du code.  Le Stanford AI Index (2023–2025) agrège des données sur l’adoption de l’IA en entreprise et des mesures de performance. Des travaux empiriques sur les assistants de codage (par ex., GitHub Copilot, évaluations publiées en 2023) montrent des gains de productivité pour des tâches spécifiques, des impacts sur la qualité et la satisfaction, sous conditions de revue humaine et de bonnes pratiques.

5.2. Rites professionnels

S’instaurent des rituels : pair programming humain‑IA, revues de code augmentées, « red teaming » et « guardrails » pour la sécurité, journaux de prompts et checklists de vérification, comités d’IA internes. Les associations professionnelles (ACM, IEEE) ont émis des déclarations de principes sur l’usage responsable de l’IA, la documentation, la transparence et l’équité, contribuant à normer les pratiques.

5.3. Négociation collective et droits

La grève des scénaristes et acteurs à Hollywood en 2023 a inclus la question de l’usage d’IA dans l’écriture et la reproduction numérique des interprètes, débouchant sur des clauses contractuelles spécifiques. Ces évolutions illustrent la négociation des droits au travail face à l’IA: consentement, rémunération, attribution, conditions d’usage.

Figure 7 : scène de grève à Hollywood en 2023⁷

6. Droit et gouvernance : institutionnalisation et hégémonie

6.1. Lois et cadres

L’Union européenne a adopté l’AI Act, texte de portée générale encadrant le développement et l’usage de l’IA selon une approche par risques, avec des obligations pour les systèmes à haut risque, des exigences de transparence pour les systèmes génératifs, et des interdictions ciblées (AI Act, texte consolidé 2024–2025, Parlement européen et Conseil). Aux États‑Unis, le NIST a publié l’AI Risk Management Framework (RMF) 1.0 en 2023, cadre volontaire détaillant des fonctions Govern, Map, Measure, Manage pour gérer les risques de l’IA (NIST AI RMF 1.0, 2023).  Au niveau international, la norme ISO/IEC 2020-2024 spécifie un système de management de l’IA (AIMS) pour les organisations, analogiquement à ISO 9001 pour la qualité et ISO 27001 pour la sécurité (ISO/IEC 2020-2024).

Les Principes de l’OCDE sur l’IA (2019, et mise à jour du référentiel de classification) articulent des orientations sur la robustesse, l’équité, la transparence et la responsabilité, adoptés par de nombreux pays (OCDE, 2019). Le Conseil de l’Europe a avancé vers une convention-cadre sur l’IA visant les droits humains, la démocratie et l’État de droit (travaux du CAI, 2024–2025). Ces instruments témoignent d’une institutionnalisation multi‑niveaux.

6.2. Procédures, audits et rituels de légitimation

Les organisations mettent en place des procédures d’évaluation d’impact, des audits (techniques et organisationnels), des registres de modèles, des politiques de données, et des dispositifs de supervision humaine. L’existence d’un AIMS (ISO/IEC 2020-2024) structure des rituels: revues de direction dédiées à l’IA, pilotage d’objectifs mesurables, gestion des non‑conformités et actions correctives. Le NIST RMF outille l’auto‑évaluation et l’amélioration continue. Ces pratiques produisent de nouveaux rites de légitimation — au même titre que les audits financiers — fondant l’acceptabilité sociale.

6.3. Droits culturels et civiques

La gouvernance de l’IA engage des droits culturels: accès, transparence, attribution, traçabilité, droit d’auteur et droits voisins, droit du travail. Les politiques de marquage des contenus synthétiques (« watermarking »), les obligations de divulgation, et les mécanismes de contestation des décisions automatisées reconfigurent les attentes vis‑à‑vis des institutions. Les débats sur la « justice prédictive » ou l’évaluation scolaire automatisée illustrent la nécessité d’une culture publique du jugement assisté.

7. Indicateurs d’effervescence vers l’institutionnalisation

7.1. Adoption et usages

Le Stanford AI Index (2023–2025) rapporte une accélération des investissements, une diffusion fonctionnelle de l’IA dans les entreprises, et des progressions de performance sur des benchmarks standardisés. Des enquêtes du Pew Research Center (2023–2025) documentent les attitudes du public: espoirs, inquiétudes, demandes de régulation, et variations d’usage selon l’âge, l’éducation et le secteur. Le Reuters Institute suit la pénétration de l’IA dans les routines journalistiques et la perception des audiences. Ces indicateurs montrent une massification et l’émergence de normes d’usage quotidiennes. 

Figure 8 : « AI Index Report », Stanford University (2025)⁸

 

7.2. Standardisation des pratiques

L’adoption de cadres comme NIST AI RMF et ISO/IEC 2020-2024 par des entreprises et administrations s’accompagne de chartes internes, de politiques d’usage des assistants IA, de règles de citation et de restrictions sectorielles (santé, finance, éducation). Des rédactions définissent des guidelines sur quand et comment utiliser l’IA, et comment le divulguer; des universités clarifient ce qui constitue de la triche et ce qui est une compétence à certifier, en référence aux recommandations de l’UNESCO et de l’OCDE.

7.3. Contre‑mouvements et controverses

Les controverses sont concomitantes à l’hégémonie émergente: débats sur la soutenabilité environnementale des grands modèles, sur les biais et discriminations, sur la captation de la valeur par les plateformes. Les rapports du Stanford AI Index et les enquêtes Pew Research Center captent ces tensions. L’existence de contentieux en propriété intellectuelle, de mobilisations professionnelles et de négociations collectives signale que l’IA est un enjeu hégémonique, non un simple outil neutre.

Comparaisons, conditions de bascule, risques

La trajectoire observée rappelle, par certains aspects, d’autres épisodes de révolution culturelle : la Réforme a reconfiguré les médiations scripturaires et l’autorité; la laïcisation républicaine a restructuré l’école et les rituels civiques; les années 1960–70 ont reformaté les normes de mœurs et l’expression. Dans chaque cas, instruments, appareils et rituels ont joué un rôle. L’IA présente toutefois une spécificité: une polycentricité fortement médiée par des plateformes globales et des standards techniques transnationaux. Le processus n’est ni purement étatique, ni purement spontané: il s’agrège par le droit mou (guides, bonnes pratiques), les lois, les marchés et les cultures professionnelles. 

Quelles sont les conditions de bascule ? Une alphabétisation critique large (capable d’orienter la demande sociale vers des usages responsables et utiles), une gouvernance multi‑niveaux effective (AI Act, NIST RMF, ISO/IEC 2020-2024), une clarification des droits d’auteur et du travail (WIPO; politiques nationales), et une capacité des institutions éducatives et médiatiques à construire des rituels de vérification et d’attribution.  Quels limites et risques ?  Inégalités d’accès en compétences, dépendances infrastructurelles (compute, données), concentration de pouvoir, externalités environnementales, et « automatisation du jugement » sans garde-fou.

De la tech à la culture

L’IA opère une recomposition de l’ordre symbolique et des institutions de diffusion qui dépasse la sphère techno‑économique. L’école intègre des littéracies et des cadres; les médias codent et décodent avec des outils génératifs; les arts redéfinissent la notion « d’auteur »; les professions instaurent de nouveaux rituels; le droit institue des procédures et des obligations; les publics débattent et ajustent leurs attentes.

La démonstration s’est ici affirmée : l’ensemble de ces éléments composent une révolution culturelle en phase d’effervescence avancée et d’institutionnalisation accélérée.   

---

Références bibliographiques

• ACM. 2022. ACM Principles for the Development, Deployment, and Use of Socio-Technical Systems. New York: Association for Computing Machinery. https://www.acm.org/binaries/content/assets/public-policy/2022_usacm_principles.pdf
• European Union. 2024/2025. Artificial Intelligence Act (AI Act) – consolidated/final text (to be published in OJ). Brussels: European Union. https://eur-lex.europa.eu/
• Fawzi, A., Balog, M., Huang, A., et al. 2022. Discovering Faster Matrix Multiplication Algorithms with Reinforcement Learning. Nature, 610, 47–53. https://doi.org/10.1038/s41586-022-05172-4
• Gramsci, A. 1971. Selections from the Prison Notebooks. New York: International Publishers.
• Hall, S. 1980. Encoding/Decoding. In S. Hall, D. Hobson, A. Lowe & P. Willis (Eds.), Culture, Media, Language (pp. 128–138). London: Hutchinson.
• IEEE. 2020–2022. Ethically Aligned Design & IEEE 7000 Series (selected standards/guides on AI ethics). Piscataway, NJ: IEEE. https://ethicsinaction.ieee.org/ and https://standards.ieee.org/ieee/7000/6785/
• ISO/IEC JTC 1/SC 42. 2020–2024. Portfolio of AI Standards (incl. ISO/IEC TR 24028:2020 Trustworthiness in AI; ISO/IEC 23894:2023 AI — Risk management). Geneva: ISO/IEC. https://www.iso.org/committee/6794475.html
• Latour, B. 2005. Reassembling the Social: An Introduction to Actor-Network-Theory. Oxford: Oxford University Press.
• NIST. 2023. Artificial Intelligence Risk Management Framework (AI RMF 1.0) and Playbook. Gaithersburg, MD: National Institute of Standards and Technology. https://www.nist.gov/itl/ai-risk-management-framework
• NIST. 2023. Secure Software Development Framework (SSDF) and AI RMF Playbook (supplemental resources). Gaithersburg, MD: NIST. https://www.nist.gov/itl/ai-risk-management-framework
• OECD. 2019. Recommendation of the Council on Artificial Intelligence (OECD AI Principles). Paris: OECD. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449
• OECD. 2021. AI and the Future of Learning: Expert Panel Report. Paris: OECD. https://www.oecd.org/education/ai-and-the-future-of-learning-6bdb6bbc-en.htm
• OECD. 2023. OECD Framework for the Classification of AI Systems (update). Paris: OECD. https://oecd.ai/en/classification
• OECD.AI. 2023. Catalogue of Tools & Metrics for Trustworthy AI. Paris: OECD. https://oecd.ai/en/tools
• Pew Research Center. 2023. Public Awareness and Views of Artificial Intelligence. Washington, DC: Pew. https://www.pewresearch.org/topic/science/artificial-intelligence/
• Pew Research Center. 2024. How Americans View the Use of AI in Daily Life and the Workplace. Washington, DC: Pew. https://www.pewresearch.org/topic/science/artificial-intelligence/
• Pew Research Center. 2025. Trends in AI Adoption and Regulation Preferences. Washington, DC: Pew. https://www.pewresearch.org/topic/science/artificial-intelligence/
• Reuters Institute for the Study of Journalism. 2024. Digital News Report 2024. Oxford: University of Oxford. https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2024
• Reuters Institute for the Study of Journalism. 2025. Digital News Report 2025. Oxford: University of Oxford. https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2025
• Shneiderman, B. 2022. Human‑Centered AI. New York: Oxford University Press. https://doi.org/10.1093/oso/9780192845290.001.0001
• Stanford Institute for Human-Centered AI (HAI). 2023. AI Index Report 2023. Stanford, CA: Stanford HAI. https://aiindex.stanford.edu/report/
• Stanford Institute for Human-Centered AI (HAI). 2024. AI Index Report 2024. Stanford, CA: Stanford HAI. https://aiindex.stanford.edu/report/
• Stanford Institute for Human-Centered AI (HAI). 2025. AI Index Report 2025. Stanford, CA: Stanford HAI. https://aiindex.stanford.edu/report/
• Suchman, L. 2007. Human‑Machine Reconfigurations: Plans and Situated Actions (2nd ed.). Cambridge: Cambridge University Press.
• Tunyasuvunakool, K., Adler, J., Wu, Z., Green, T., Zielinski, M., Žídek, A., … & Hassabis, D. 2021. Highly Accurate Protein Structure Prediction for the Human Proteome. Nature, 596, 590–596. https://doi.org/10.1038/s41586-021-03828-1
• UNESCO. 2023. Guidance for Generative AI in Education and Research. Paris: UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386083
• United States Copyright Office. 2023. Copyright Registration Guidance: Works Containing Material Generated by Artificial Intelligence. Washington, DC: USCO. https://www.copyright.gov/ai/
• United States Copyright Office. 2023. Zarya of the Dawn (Registration Decision and related policy statements). Washington, DC: USCO. https://www.copyright.gov/ai/
• Winner, L. 1980. Do Artifacts Have Politics? Daedalus, 109(1), 121–136. https://www.jstor.org/stable/20024652
• WIPO (World Intellectual Property Organization). 2023–2024. WIPO Conversation on IP and Frontier Technologies – Generative AI and IP Policy (Issue Papers and Meeting Reports). Geneva: WIPO. https://www.wipo.int/about-ip/en/frontier_technologies/ai_and_ip.html

---

Références images

• Figure 1 – Androids : https://www.lastdodo.fr/fr/items/5324603-do-androids-dream-of-electric-sheep↩︎
• Figure 2 – Gramsci : https://www.humanite.fr/en-debat/antonio-gramsci/antonio-gramsci-pour-nous-vivant↩︎
• Figure 3 – Stuart Hall : https://www.open.ac.uk/blogs/news/arts-social-sciences/society-politics/sixty-years-ago-stuart-hall-arrives-to-renew-the-left/↩︎
• Figure 4 – Human-Centered AI : https://www.amazon.fr/Human-centered-Ai-Ben-Shneiderman/dp/0192845292↩︎
• Figure 5 – Unesco : https://unesdoc.unesco.org/ark:/48223/pf0000386693/PDF/386693eng.pdf.multi↩︎
• Figure 6 – USA Copyright : https://www.copyright.gov/ai/ai_policy_guidance.pdf↩︎
• Figure 7 – grève : https://www.hypnoweb.net/www/audiences/dossiers-audiences-us/greves-des-scenaristes-et-des-acteurs-2023.2.7638/↩︎
• Figure 8 – Stanford Index : https://hai.stanford.edu/assets/files/hai_ai_index_report_2025.pdf↩︎