N° 108 - Octobre 2022 - Premiers enseignements de la crise sanitaire

Intelligence artificielle et Covid-19, ou les limites du « solutionnisme technologique »

Par Nicolas BRAULT
Enseignant-chercheur en histoire et philosophie des sciences, Interact UP 2018.C102, Institut polytechnique UniLaSalle

Dès le début de la pandémie de Covid-19, le recours à l’intelligence artificielle et aux données massives apparaît aux yeux de nombreux scientifiques et responsables politiques dans le monde comme la solution ultime pour gérer la pandémie et ses conséquences. Or, après plus de deux ans et quelque quinze millions de morts, l’intelligence artificielle n’a pas tenu ses promesses. En réalité, elle ne pouvait pas les tenir, et ce pour deux raisons : d’abord, en raison de problèmes liés à la validité des données et de leur traitement algorithmique, et au risque de biais inhérent aux données massives ; ensuite, du fait que le paradigme épidémiologique de la pandémie n’est pas le bon, et qu’il convient de lui préférer celui de la « syndémie », la pandémie reflétant les inégalités économiques et sociales tout en les aggravant. Ainsi, ni une solution purement biomédicale ni une solution purement technologique ne peuvent fonctionner : il faut adopter une approche biosociale qui permet aux sociétés de vivre avec le virus, tout en protégeant les populations les plus vulnérables.

Télécharger gratuitement l'article

Retour au sommaire

N° 108 - October 2022 - First lessons from the health crisis

Artificial intelligence and Covid-19, or the limits of ‟technological solutionism”

Nicolas Brault,
Teacher-researcher in history and philosophy of science, Interact UP 2018.C102, Institut polytechnique UniLaSalle

Since the beginning of the Covid-19 pandemic, the use of artificial intelligence and big data appeared to many scientists and policy makers around the world as the ultimate solution to manage the pandemic and its consequences. However, after more than two years and some fifteen million deaths, artificial intelligence has not kept its promises. In fact, it could not keep its promises for two reasons: first, because of problems related to the validity of the data and their algorithmic processing, and the risk of bias inherent to big data; second, because the epidemiological paradigm of the pandemic is not the right one, and it should be preferred to that of the ‟syndemic”, as the pandemic reflects eco­nomic and social inequalities while aggravating them. Thus, neither a purely biomedical nor a purely techno­logical solution can work: a biosocial approach must be adopted that can enable societies to live with the virus, while protecting the most vulnerable populations.

Retour au sommaire