Traduction de AI’s Sociological Era, par Jenny L. Davis et Mona Sloane dans Social Sience Computer Review, 2025.11.07
Résumé
L’intelligence artificielle (IA) est une structure sociale dissimulée derrière des boîtes noires techniques et des discours polarisés. La sociologie est l’étude de la société d’un point de vue structurel, qui décrit les interactions entre les individus, les organisations, les institutions et les cultures. La perspective disciplinaire de la sociologie est nécessaire pour comprendre la force infrastructurelle de l’IA, qui reflète et façonne la politique, l’économie, le savoir et les sphères interpersonnelles. Pourtant, à ce jour, le domaine de la recherche en IA a été dominé par l’informatique et l’ingénierie, sous-utilisant le pouvoir explicatif des théories et des méthodes sociologiques affinées par la discipline depuis plus d’un siècle. En nous appuyant sur une série d’articles qui illustrent l’IA à la fois comme un produit et un moteur des modèles et des processus sociaux, nous démontrons que la diffusion de l’IA nécessite plus que jamais des analyses sociologiques, plaçant la sociologie à l’avant-garde de la prochaine ère des études sur l’IA.
L’intelligence artificielle (IA) est passée d’un ensemble d’idées, de récits et d’innovations techniques vaguement liés entre eux à une infrastructure sociale qui sert de médiateur entre les relations sociales, les structures économiques, la politique et la production de connaissances (Sloane, 2026). Ce tournant infrastructurel confère à l’IA le pouvoir d’organiser la vie sociale, pour le meilleur et pour le pire, ce qui en fait une force clé de la production sociale, un objet de contestation et un mécanisme de changement social (Davis & Williams, 2026).
La construction sociale de l’« IA » en tant que concept fluide et changeant, ses effets matériels sur les individus et les institutions, ses effets culturels à l’échelle locale et mondiale, sa dépendance à l’égard du travail humain et des données humaines, son infusion de politique et de valeurs, et son enchevêtrement avec le statut et le pouvoir font de l’IA un domaine fondamentalement sociologique. Ces thèmes sont illustrés dans les articles qui composent ce numéro spécial, inspirés par la question « qu’est-ce qui est sociologique dans l’IA ? ».
Notre objectif ici est de nous appuyer sur les fondements sociologiques évidents de l’IA pour présenter des arguments clairs et convaincants en faveur de la place prépondérante de la sociologie dans la recherche sur l’IA.
Pourquoi la recherche sur l’IA a besoin de la sociologie et des sociologues
Historiquement, l’IA a connu des périodes de développement intensif et de stagnation, des programmes de recherche fragmentés, des frontières disciplinaires et une attention publique fluctuante. Cependant, au cours de la dernière décennie, l’IA a atteint un sommet social et technique. Les progrès connexes dans les réseaux neuronaux et les modèles de transformateurs ont élargi les techniques et les applications de l’IA. Ces développements ont stimulé des investissements massifs dans l’industrie de l’IA, centralisant le pouvoir dans les laboratoires de recherche des entreprises et ravivant les tensions géopolitiques de longue date dans le cadre d’une « course aux armements de l’IA » (Hao, 2025). Sous l’impulsion de l’informatique et de l’ingénierie, ces développements ont également alimenté des spéculations exagérées sur l’IA comme passerelle certaine vers la quatrième révolution industrielle, la prospérité économique et la domination politique et militaire, parallèlement à des affirmations alarmistes sur la fin de l’humanité et la certitude d’un destin funeste (Acemoglu & Johnson, 2024 ; Bender & Hanna, 2025 ; Lindgren, 2024 ; Vallor, 2024).
Ces visions extrêmes et contradictoires de l’IA, considérée soit comme la voie vers la prospérité et le progrès, soit comme la cause du déclin de l’humanité, sont à la fois réductrices et surdéterminées. Elles exagèrent les capacités de l’IA, simplifient à l’extrême la condition humaine et sous-estiment le pouvoir des individus à façonner leur environnement social. Le moment est venu de mobiliser ce dernier pouvoir, car l’apogée de l’IA coïncide avec la production et l’amplification des inégalités structurelles et y est impliquée (Davis et al., 2021 ; Joyce & Cruz, 2024 ; Joyce et al., 2021 ; Sloane & Moss, 2019), l’érosion démocratique (Coeckelbergh, 2024 ; Kreps & Kriner, 2023), les conflits géopolitiques (Deeks, 2025 ; Erskine & Miller, 2024 ; Suchman, 2024), la mainmise monopolistique des entreprises (Acemoglu & Johnson, 2024 ; Hao, 2025) et la crise environnementale (Climate Action Against Disinformation, Check My Ads, Friends of the Earth, Global Action Plan, Greenpeace, & Kairo, 2024 ; Luccioni et al., 2025).
Pour exploiter le potentiel d’intervention délibérée et de codétermination de l’avenir, il faut procéder à des observations et des analyses minutieuses. Ces compétences et ces méthodes dépassent le cadre de l’expertise purement technique. Comprendre comment les macro-phénomènes sont liés aux nouvelles technologies et à leur intégration rapide dans la société est plutôt la préoccupation principale de la sociologie. Compte tenu de l’état mondial de l’IA, il semble évident que nous ne pouvons plus ignorer ce que la sociologie et les sociologues ont à offrir au discours sur l’IA.
Le domaine des études sur l’IA fait désormais appel à la sociologie comme pierre angulaire et fondement, élevant la théorie et les méthodes sociologiques non seulement au rang de partie intégrante de la production de connaissances sur l’IA, mais aussi au rang de repère et de pointe de ce domaine.
La sociologie est l’étude de la manière dont les systèmes sociaux s’influencent et s’influencent mutuellement, couvrant des analyses aux niveaux micro, méso et macro. En tant que discipline, elle déploie une myriade de méthodes : qualitatives, quantitatives, expérimentales et interprétatives. Le travail de la sociologie et du sociologue consiste à mettre au jour les schémas qui créent un ordre social, rendant cet ordre observable, analysable et donc malléable plutôt qu’inévitable.
Appliqués à un domaine ou un site spécifique, les sociologues s’efforcent de démontrer les processus, les pratiques et les relations qui constituent un tout dynamique, en analysant comment les éléments et le tout se manifestent individuellement, interpersonnellement, organisationnellement et institutionnellement. Les sociologues peuvent déchiffrer les processus et les relations cachés de l’IA, tout comme ils l’ont fait avec les forces sociales complexes depuis la création de la discipline, de la théorie structurelle du suicide de Durkheim au lien entre religion et économie de Weber, en passant par les écrits de W.E.B. Du Bois sur l’expérience psychologique de la négritude dans une société blanche (Du Bois, 1903 ; Durkheim, 1987 ; Weber & Parsons, 1930). Révéler des faits sociaux qui ne sont pas évidents et exposer des modèles sociaux pour en comprendre les causes et les effets est le point fort de la sociologie. Les « boîtes noires » ne sont pas nouvelles pour les sociologues, mais constituent le point de départ des théories et des méthodes.
À mesure que l’IA devient une force infrastructurelle et organisatrice (Sloane, 2026), la sociologie doit se placer au centre des débats scientifiques et politiques sur la manière dont cette infrastructure est construite, entretenue, contestée et transformée. Les infrastructures fonctionnent en arrière-plan et ne deviennent généralement visibles qu’en cas de panne, une expérience qui se répartit de manière inégale dans la société et justifie une réorientation vers la réparation (Davis & Williams, 2026 ; Sloane, 2026). Les méthodes sociologiques permettent aux chercheurs d’élucider les infrastructures de l’IA avant leur perturbation et d’expliquer les ruptures une fois qu’elles se sont produites. À leur tour, les théories et les concepts sociologiques donnent à ces observations profondeur et nuance, s’éloignant des extrêmes politisés qui dominent trop souvent le discours sur l’IA (Bender & Hanna, 2025 ; Sloane et al., 2024).
La clarté des idées et la richesse des traditions théoriques de la sociologie sont illustrées dans la collection d’articles qui composent ce numéro spécial. Chacun de ces articles fait progresser le domaine de la recherche sur l’IA grâce à l’étude empirique de systèmes d’IA et de sites d’engagement spécifiques, à des explications conceptuelles ou à des déclarations définissant les priorités. Ensemble, ces articles démontrent que la sociologie est un prisme essentiel pour appréhender l’IA dans la société, rendant les infrastructures de l’IA compréhensibles et susceptibles d’évoluer.
Aperçu du numéro
Nous ouvrons ce numéro spécial consacré à la scène technologique new-yorkaise avec l’interrogation de Bohner et Vertesi (2025) sur le battage médiatique autour de l’IA. S’appuyant sur la sociologie microéconomique, les auteurs utilisent des méthodes qualitatives fondées pour montrer comment les praticiens de l’IA de la côte Est mobilisent le battage médiatique autour de l’IA comme un objet-frontière, se définissant par opposition aux « hype-beasts » de San Francisco. Cette distinction est toutefois largement symbolique, car les élites technologiques new-yorkaises renforcent et tirent profit des mêmes imaginaires extravagants sur le caractère transformateur et l’essor interminable de l’IA. Passant de la culture à l’économie, les auteurs montrent comment les personnes et les processus créent des réalités fiscales et des flux monétaires. Bohner et Vertesi éclairent à la fois une scène locale, démêlent des phénomènes microéconomiques et s’orientent vers un programme théorique pour l’étude sociologique du battage médiatique (Bohner & Vertesi, 2025).
Le numéro se poursuit avec l’Amérique latine, avec l’étude de López et al. (2025) sur les projets d’IA financés par des fonds publics au Chili. Les auteurs identifient cinq récits dominants dans ces projets : l’IA pour gagner en productivité, comme force de transformation, comme besoin d’alphabétisation, pour une surveillance intelligente et comme recherche située et créative. Ces cadres narratifs définissent les agendas économiques, intellectuels et politiques, et établissent les priorités sociales et techniques à travers la distribution des ressources. López et al. (2025) montrent comment les subventions publiques ne sont pas seulement instrumentales, mais aussi activement performatives, en façonnant l’innovation et l’avenir du développement technologique.
Poursuivant sur le thème de la performativité, Moradi et al. (2025) explorent trois cas de rencontres entre l’homme et la technologie dans le travail de première ligne, en analysant les caisses automatiques, l’inspection des véhicules commerciaux à l’aide de carnets de bord électroniques et les programmes de surveillance des médicaments sur ordonnance (PDMP) dans les professions pharmaceutiques. Ils appliquent les concepts canoniques d’Erving Goffman, à savoir le « travail de face » et le « refroidissement », pour révéler comment les individus, les organisations, les institutions et les technologies matérielles constituent une sphère d’interaction en plein essor, mettant en lumière les processus par lesquels les technologies d’IA modifient la nature du travail de première ligne. Ces auteurs appliquent une théorie sociologique centrale de l’interaction dans la vie quotidienne à des formes technologiques nouvelles, tout en tirant des enseignements généralisables à partir de multiples sites d’étude, démontrant ainsi l’utilité expansive de la recherche sociologique.
Baert et al. (2025) prennent un tournant réflexif, les auteurs se reconnaissant comme des producteurs de culture dans la construction narrative de l’IA. Ce faisant, ils juxtaposent activement leur approche, qui présente un dialogue entre six auteurs sur des questions connexes mais distinctes (propriété intellectuelle, intimité, pouvoir probatoire, race, reproduction et travail), au caractère lisse et homogénéisant de l’IA générative. Le style délibéré de l’article fait autant partie de sa contribution que les analyses qui y sont présentées. Ces analyses couvrent de multiples questions empiriques et théories sociologiques, abordant l’action, la paternité, l’identité, la visibilité, l’inégalité et le battage médiatique, car elles constituent et sont (re)créées par l’infusion de grands modèles linguistiques (LLM) et d’autres systèmes d’IA générative dans les sphères personnelles et les institutions sociales.
Prolongeant cette réflexion sur la réflexivité, Harvey (2025) positionne les sciences sociales comme une influence médiatrice qui façonne la culture et la pratique de l’IA. Il s’agit à la fois d’un récit sur la manière dont la sociologie façonne ce qu’elle étudie et d’une contribution significative à la sociologie de la connaissance. Cet article incite ceux qui étudient l’IA et d’autres technologies à réfléchir de manière critique à la manière dont la recherche non seulement révèle, mais aussi construit les conditions sociales et matérielles qui constituent le monde social. Bien que cet article se concentre spécifiquement sur les études de l’IA dans les industries créatives, son propos s’applique à tous les domaines, induisant une conscience critique de soi comme élément intégral des méthodes sociologiques.
Alvarado (2025) nous ramène dans l’histoire, aux travaux de l’informaticien Alan Turing dans les années 1930. L’article attire l’attention sur l’accent mis par Turing sur la culture et la linguistique dans sa définition de l’intelligence artificielle, montrant comment cela a façonné la manière dont les LLM ont été développés et déployés. Faisant le lien entre le passé et le présent, Alvarado montre comment le caractère imitatif des LLM est une caractéristique essentielle de leur conception technique, qui repose sur l’hypothèse que l’intelligence humaine est intrinsèquement sociale, car mimétique.
Poursuivant l’exploration des LLM, Lepp et Alvero (2025) clarifient la manière dont ces systèmes façonnent les relations sociales. S’appuyant sur un cadre structurel des affordances technologiques, ils présentent les affordances linguistiquescomme un outil conceptuel permettant à la fois de comprendre les effets sociaux des LLM et d’examiner comment les LLM sont – et peuvent être – utilisés dans la recherche. Ils illustrent ce concept et ses multiples fonctions à travers des exemples concrets d’utilisation des LLM dans les admissions universitaires et les publications scientifiques, proposant des avancées théoriques qui peuvent étayer et enrichir les méthodes émergentes en répondant à des questions sur la manière dont la conception des LLM façonne à la fois les structures d’opportunité et la production de connaissances légitimes.
Les technologies d’IA reposent sur de vastes ensembles de données. Notre imagination de l’IA implique souvent une abondance de données, toutes les données étant collectées et traitées dans des programmes. Mais Orr (2025) s’appuie sur la riche tradition sociologique de l’étude des absences et des omissions pour mettre en lumière le rôle social de ce qui manque dans les données, et avec quel effet. Ce travail soulève un point méthodologique essentiel concernant l’observation de l’invisible, et un point sociologique concernant les choix humains qui sont réifiés et effacés. Il est nécessaire de prêter attention à ces « fantômes dans les données », comme les décrit Orr, pour comprendre comment et pourquoi les systèmes d’IA fonctionnent comme ils le font.
Élargissant le corpus de travaux traitant de l’opacité des modèles d’IA, Hardcastle et al. (2025) réfutent l’hypothèse désormais axiomatique selon laquelle les systèmes d’IA sont opaques et impénétrables. Selon eux, le problème réside dans le fait que le domaine se concentre sur les méthodes techniques d’observation plutôt que sur les assemblages sociaux qui produisent les résultats de l’IA. Dans des travaux antérieurs, une partie de ces auteurs ont montré comment les systèmes d’IA peuvent être observés à travers des conditions sociomatérielles, telles que les normes organisationnelles et les procédures interpersonnelles, qui croisent les modèles d’apprentissage automatique (Gutierrez Lopez & Halford, 2024). Ici, ils étendent leur attention aux sociotemporalités, en utilisant le cas de la publicité ciblée pour démontrer le pouvoir explicatif du temps.
Zanger-Tishler et Zhang (2025) attirent l’attention sur la prédiction, car l’IA est de plus en plus sollicitée dans une multitude de tâches décisionnelles à haut risque. Les auteurs retracent les processus sociologiques qui sous-tendent le développement des problèmes de prédiction inhérents à l’IA, la conception de modèles prédictifs et les effets des décisions prises lorsque les humains consultent (ou dépendent) des machines. Leurs travaux soulignent le potentiel de l’analyse sociologique pour l’étude de l’IA tout en mettant les sociologues au défi d’élargir leur champ d’action, compte tenu des choix techniques dynamiques et multifacettes qui créent les systèmes d’IA, des choix programmatiques et politiques qui y sont intégrés, et des liens entre le développement de l’IA et ses effets sociaux en aval.
Le numéro se termine par un court article de Smith et Southerton (2025), qui réfléchissent à l’« AI slop » et à la nature de l’esthétique médiatisée par la machine. Les auteurs affirment que l’art produit en masse par l’IA est fondamentalement aliénant et extractif, sapant l’élément humain de la créativité tout en générant des profits à partir d’œuvres artistiques créées par l’homme. En analysant des exemples d’œuvres d’art produites par l’IA, les auteurs soulèvent de nouvelles questions sur l’interaction entre la technologie, la créativité, la culture matérielle, les émotions et l’économie dans les sociétés contemporaines.
Ces travaux démontrent collectivement la nature sociologique de l’IA et la nécessité d’analyses sociologiques. Les développements technologiques, aussi avancés ou innovants soient-ils, ne peuvent franchir la barrière des infrastructures de l’IA en tant que phénomènes sociaux. Mais la sociologie le peut, en exposant les fondements structurels multifacettes de l’IA afin de permettre une intervention et un changement systémiques (Davis & Williams, 2026 ; Sloane, 2026). Jusqu’à présent, l’informatique et l’ingénierie ont été à la pointe des études sur l’IA. Aujourd’hui, alors que le contexte social passe au premier plan et que les questions techniques s’effacent, la sociologie est en plein essor.
Une référence de The Syllabus