Négociations entre des ontologies inclusives et les réalités de la programmation informatique : les défis de développer une base de données non-capacitiste
Mme Mélanie MILLETTE
Université du Québec à Montréal (UQAM) - Laboratoire sur la communication et le numérique - LabCMO | MONTRÉAL - Canada
(avec : Mouloud BOUKALA)
Résumé : Le handicap est associé à de nombreux biais implicites (Harder et al. 2019) qui contribuent au traitement inéquitable des personnes en situation de handicap (Saouab 2019). Ce capacitisme, comme le sexisme (Hamilton 2019) et le racisme (Katz 2020), est reproduit dans les composantes de l’intelligence artificielle comme les données et les algorithmes qui les trient (Eubanks 2018 ; Noble 2018 ; Christin 2020). Bien que ces dispositifs puissent faciliter la vie des personnes en situation de handicap (Casilli 2010), elles participent également à reproduire des logiques oppressives. Comment cela se produit-il et comment l’éviter? À partir d’un travail empirique menant à l’élaboration d’une base de données publique sur la représentation du handicap dans les médias au Canada, cette communication examine la manière dont ces biais se manifestent et les stratégies pour les éviter. Par une approche avec, par et pour les personnes concernées et en mobilisant une littérature en Critical Data/Algorithmic Studies, nous analysons les décisions de classification ontologique (Wintergerst & Talens 2019) au cœur de la construction de la base de données, de même que les défis méthodologiques associés. Nous argumentons qu’une base de données doit être envisagée comme un techno-assemblage complexe (Gillespie 2016) où les décisions humaines par rapport aux significations des données sont négociées à l’aune des effets organisants des algorithmes.