L’intelligence artificielle est d’ores et déjà une réalité qui a un impact sur nos vies et sur notre manière d’imaginer le monde. Ce guide de Power to Transform, rédigé par Elizabeth McIntyre et Barbara Rohm, analyse les biais les plus fréquents de l’IA générative, propose des stratégies pour y faire face et indique ce qu’il convient d’exiger des entreprises technologiques afin de progresser vers des outils plus inclusifs. Il a été présenté au Global Forum for Women Film Associations à la Berlinale 2026 (disponible en ligne ici).
À travers la perspective académique de cinq expertes, les conséquences des biais présents dans l’intelligence artificielle générative sont examinées. Le guide analyse comment l’hypersexualisation et la perpétuation du patriarcat se reflètent dans les productions de l’IA, ainsi que l’imposition de canons corporels normatifs, l’effacement des identités queer et le manque de représentation des cultures minoritaires et autochtones. À partir de ce diagnostic, le guide propose des moyens de remettre en question cette vision conservatrice et d’exiger des technologies développées depuis des positions diverses, sûres et supervisées.
Les intelligences artificielles génératives reflètent le monde qui leur a été fourni comme référence. C’est pourquoi leurs résultats nécessitent un regard critique. Dans cet objectif, le guide comprend une section pratique pour formuler des requêtes génératives attentives au genre et aux dynamiques de discrimination, en anticipant et en atténuant les biais, de l’évaluation des projets jusqu’à la promotion audiovisuelle. Ce guide de formulation est accompagné de différents outils pour renforcer l’évaluation critique des réponses générées, afin de détecter les clichés, les omissions et les schémas discriminatoires.
Le texte conclut que l’intelligence artificielle, telle qu’elle est entraînée aujourd’hui, reproduit les structures de patriarcat, de racisme et de sexisme présentes dans les archives qui l’alimentent. Face à cela, il souligne la nécessité d’une IA développée selon des principes d’équité, appliquant les cadres normatifs existants pour prévenir les biais et fonctionnant selon des critères de transparence, de supervision et de responsabilité humaine.
