Ottawa garde secret l’usage fait de l’IA dans sa formation sur l’IA
Le gouvernement canadien, qui se présente comme un modèle de transparence dans l'usage de l'intelligence artificielle, finance pourtant une formation sur l'IA dont le contenu généré par des outils automatisés reste secret. Cette contradiction soulève une question centrale : comment concilier l'exigence de clarté affichée par Ottawa avec des pratiques internes opaques, alors même que la formation vise à éduquer les futurs utilisateurs de ces technologies ?
Quels sont les éléments concrets qui révèlent l'utilisation d'IA dans la formation financée par Ottawa ?
Un outil de détection d'IA, Pangram, a analysé une dizaine de chapitres de la formation et a jugé que certaines sections étaient à 100 % générées par une machine, tandis que d'autres avaient été partiellement modifiées par des humains. De plus, des erreurs de traduction en français, comme l'usage de sigles déconseillés, suggèrent une automatisation du processus.
Pourquoi le gouvernement invoque-t-il la confidentialité pour justifier l'absence de transparence sur l'usage de l'IA dans cette formation ?
Le ministère Innovation, Sciences et Développement économique Canada affirme que des dispositions de confidentialité l'empêchent de révéler si le contenu de la formation a été généré par des outils d'IA, malgré les promesses de transparence faites par le ministre Evan Solomon en juillet 2026.
Quel rôle joue l'Alberta Machine Intelligence Institute (AMII) dans cette affaire, et quelles critiques lui sont adressées ?
L'AMII a reçu 13 millions de dollars pour dispenser trois formations en ligne sur l'IA, dont la première s'adresse aux étudiants postsecondaires. L'institut reconnaît que des professionnels ont pu utiliser l'IA générative, mais refuse d'expliquer pourquoi cette utilisation n'est pas déclarée aux participants. Des experts critiquent cette absence de transparence, la qualifiant de paradoxale pour une formation censée promouvoir un usage responsable de l'IA.
Comment un outil comme Pangram, utilisé pour détecter l'IA, est-il perçu dans le débat sur la fiabilité des détections automatisées ?
Un professeur de l'UQAM, Jean-Hugues Roy, a testé Pangram en soumettant 100 articles réels et 200 faux articles générés à moitié par l'IA : l'outil n'a commis aucune erreur de classification. Cependant, des experts comme Destiny Tchéhouali soulignent que Pangram manque d'études approfondies pour garantir la fiabilité de ses verdicts, notamment sur le type d'usage de l'IA détecté.
Ce que ça pourrait changer
Cette opacité pourrait saper la crédibilité des initiatives publiques en matière d'IA, alors même que le gouvernement cherche à gagner la confiance des citoyens. Elle met en lumière un décalage entre les discours sur la transparence et les pratiques réelles, risquant de nourrir la méfiance envers les outils automatisés et leurs promoteurs.
