Este es un comentario al articulo publicado por el blog de economía Axios donde se analiza la caída del mercado inmoviliario, al tiempo que aumenta el boom de construcción de centros de datos. Aquí se menciona que los centros de datos no son nuevos, pero después de 30 años de existir, están siendo un fenómeno de enormes (y muy negativos) impactos. El auto menciona que este comportamiento (el boom de la IA que crece y todo lo demás (en construcción) que se reduce, demuestra que hay un economía trabajando fuertemente para grandes capitales, y ni siquiera para satisfacer las necesidades de los consumidores. Como dice en Axios, este comportamiento no favorece ni a los compradores ni a los vendedores. Tomando como ejemplo el crecimiento exponencial en el costo de la memoria computacional. Una economía que trabaja para los más poderosos.

Una mirada a la situación del capital de riesgo invertido en la construcción de centros ce datos en EEUU. Con base en información recientemente publicada por el Financial Times y Boomberg, este texto se refiere a la situación de grandes bancos estadounidenses que están transfiriendo la deuda, con el incentivo de descuentos, a inversores no bancarios, para alivianar el riesgo. En el caso de JPMorgan y MUFG, entre otros, que han pasado más de seis meses tratando de distribuir 38 mil millones de dólares en deuda de construcción vinculada a un proyecto de centros de datos en Texas y Wisconsin arrendado a Oracle. La situación en este momento para quienes intenten financiar un centro de datos es que la tasa libre de riesgo contra la que están obteniendo préstamos acaba de volverse mucho más cara. "Los bancos no venden deuda en la que confían. Venden deuda cuando les preocupa la concentración, que es exactamente lo que significa en lenguaje sencillo «acercarse a los límites internos»: una parte demasiado grande del balance de este banco es ahora una apuesta a que un solo sector se mantenga a flote". FInalmente, dice: "El auge de la IA sigue basándose en la suposición de que el crédito permanece disponible indefinidamente en condiciones razonables. Seis meses en los que un banco ha tenido dificultades para vender 38 mil millones de dólares en préstamos son la evidencia más clara hasta ahora de que esa suposición está siendo puesta a prueba en tiempo real, no en alguna recesión teórica que aún está a años de distancia".

Este texto cuestiona la idea de que las herramientas son solo eso, herramientas, independiente de su uso. Tomando como referente a Heidegger (pensador nazi, aclara) considera que una herramienta es cualquier tipo de objeto que le permite a alguien hacer algo que de otra manera no hubiera podido hacer. De manera que, cuando una herramienta funciona bien o no está dañada, describe Heidegger, es una cualidad «a la mano», formando una especie de gestalt «humano-herramienta», en la que el ser humano cuenta con la capacidad adicional que le brinda la herramienta. La «gestalt» «persona-auto», por ejemplo, vive la vida y tiene opiniones muy diferentes a las de la «gestalt» «persona-bicicleta», la «gestalt» «persona-tren» o incluso las de una persona sin ningún medio de transporte. La gestalt «humano-auto» tiene intereses y opiniones que son independientes de los del ser humano que forma parte de ella, a menudo opuestos a estos y capaces de imponerse sobre la parte humana de la gestalt. Luego está la gestalt «humano-arma». Poner un arma en las manos de una persona cambia radicalmente su forma de ver el mundo y el abanico de acciones potenciales que tiene a su disposición y que podrían parecerle adecuadas.

Se refiere a dos lenguajes de programación web: React and Vue. React es un bloque de javascript. mientras que Vue es HTML, con una parte de Javascript embebida dentro de un <script>. Vue, dice, permite que más gente, con diferentes habilidades, puedan contribuir con un proyecto, más que en React, ya que este último requiere conocimientos de Javascript para poder editar. Y está diseñado como algo que hace computación y utiliza HTML solo para la presentación de lo que hizo. Dos aproximaciones muy diferentes. "Ninguno de estos enfoques es intrínsecamente incorrecto ni mejor, pero es evidente que moldean las actitudes y las visiones del mundo de manera bastante drástica y de formas que distan mucho de ser neutrales". Por eso, dice, las herramientas que creamos están moldeadas por ideologías ya existentes, y terminan reproduciendo esas ideologías y actitudes dentro de los entornos que generan. En particular, la división entre React y Vue es algo que vemos reproducirse en muchas herramientas tecnológicas, y se trata de la ideología de la supremacía de los desarrolladores. Esta idea, que se repite en herramientas tan dispares entre sí como React, Kubernetes, Docker, un sinfín de distribuciones de Linux en general y la mayoría de los proveedores de servicios en la nube, es que la forma en que un desarrollador de software haría las cosas es la forma en que deben hacerse, y que otros enfoques para la tarea son necesariamente inferiores.

Lo preocupante de esto es que tiende a reproducirse: las herramientas con las que a los desarrolladores les resulta más fácil trabajar suelen reforzar sutilmente la idea de que, por ejemplo, escribir HTML o CSS es un trabajo de desarrollo de bajo estatus (en algunas circunstancias puede serlo, pero son herramientas de diseño tanto como de desarrollo). Esto, a su vez, empuja sutilmente a los diseñadores, especialistas en experiencia de usuario (UX), expertos en accesibilidad y SEO, y a todo ese tipo de personas a una posición subordinada, porque las herramientas están diseñadas para que los desarrolladores hagan mal su trabajo, por lo que, en cierto modo, los rechazan.

Dado que, en el sector tecnológico, nos dedicamos en gran medida a crear herramientas tanto para nosotros mismos como para que otras personas puedan hacer cosas, debemos ser muy, muy cuidadosos con el tipo de herramientas que desarrollamos. Debemos crear herramientas que tiendan a generar estructuras integrales que fomenten el desarrollo individual y la armonía social o, si no es posible equilibrar ambos aspectos, que sopesen cuidadosamente la necesidad de ambos frente a otras consideraciones.

Los modelos de lenguaje a gran escala (LLM) son un caso particularmente importante: podemos observar de manera bastante directa cómo el uso de la herramienta da lugar a algunas gestalts muy extrañas. En su caso más extremo, a esto lo llamamos «psicosis de la IA»: la gestalt tiene actitudes, ideologías e incluso una percepción del mundo que se aleja tanto de lo que consideramos razonable que la calificamos como una enfermedad. Para ella resulta fascinante (?) que en Ucrania se estén utilizando todo tipo de sistemas de armas para "defender la libertad y la democracia"... Pero bien alerta sobre las consecuencias de que los líderes tengan acceso a bombas y artillería, o de que las personas comunes tengan acceso a armas de fuego.

Volviendo a los LLMs, alerta que "incluso cuando tienes mucho cuidado con el código generado que finalmente se implementa (aunque leas literalmente cada línea de código), no dejas de luchar contra la facilidad de uso de la herramienta, que empuja tu visión global (y, por lo tanto, tus actitudes e ideologías) hacia el descuido y la chapuza en cada paso del camino". Su punto es que el uso prolongado de una herramienta cambiará la forma en que la persona usuaria ve el mundo, por eso es necesario tomar medidas de protección para mitigar ese efecto. para terminar, dice que "si simplemente estuviéramos usando estas herramientas (si, por ejemplo, React y Vue fueran cosas que encontráramos en la naturaleza, sin que la mano humana las hubiera modificado), esto podría ser un hecho desafortunado sobre las herramientas y sobre la tecnología en general del que tendríamos que tener cuidado. Pero nosotros creamos estas herramientas".

El sitio de brettcodes no permite anotaciones entonces dejo algunas notas relevantes por aquí. El punto central es que, antes que una herramienta, entendida como "algo que la gente fabrica, crea o adapta para realizar tareas específicas", la IA es un producto. Son los modelos de lenguaje a gran escala (LLM), los agentes, pero también la expansión masiva de centros de datos, así como las funciones de mala calidad metidas a la fuerza en software que no las necesita. Además, es una industria que se posiciona generando una ansiedad masiva al promover sus beneficios y sugerir que los daños son potenciales pero inciertos. Como habla desde el mundo del desarrollo de software, el autor pone como ejemplo dos herramientas se uso cotidiano, así: "Emacs es solo una herramienta. Vim es solo una herramienta. Son programas creados por personas para realizar tareas específicas: editar texto. No son industrias, ni siquiera empresas. No requieren grandes cantidades de recursos para usarlos, ni siquiera para crearlos. No son intrínsecamente peligrosas. Claro, uno podría usar Vim para escribir un virus de computadora. Pero esa es la aplicación de la herramienta, no un problema de la herramienta en sí. Si abro Vim y escribo «intenta hackear este servidor» en mi búfer, no cometerá un delito cibernético. Es absurdo hablar de sistemas de programación a largo plazo conectados a API de modelos de lenguaje a gran escala (LLM) probabilísticos como si fueran «solo una herramienta»".

El periodista Esteban Magnani comenta un reciente paper de Stijn Van Nieuwerburgh, investigador de la Columbia Business School, titulado Financing the AI Buildout (Financiar la implementación de la IA). Plantea que, en este punto, cualquiera de los escenarios posibles resultará en una crisis para las mayorías. Bien sea que la IA logre generar las utilidades que necesita para sostenerse como mercado, a costa de millones de puestos de trabajo que serán reemplazados por sistemas automatizados, o bien por su fracaso, después del gravísimo impacto ambiental generado con la construcción de infraestructura para entrenar modelos. Compara información sobre gasto energético, impactos socioambientales ambientales, inversión y modelos de negocio, no solo de la IA sino de todo el mercado de innovación digital. También hace puentes con la manera como se consume la IA en países como Argentina (a propósito del uso de IA de pago para producir imágenes de cuerpos desnudos a partir de los rostros de estudiantes de segundaria, por parte de sus compañeros, quienes además suben las imágenes a internet con información de su identidad real. UN acto de violencia que hace parte de la economía circular de los propietarios de las empresas de IA, quienes no están generando algo nuevo, sino rotando inversiones entre ellos para asegurar que las cuentas tengan sentido, pues de otra manera parece imposible financiar el desarrollo de la IA. Plantea que la IA es posible para modelos locales, a baja escala, pero no en la forma ilusoria como se está vendiendo hoy día.

La Corte de Apelaciones para el Tercer Circuito en EEUU rechazó una defensa de "uso justo" por parte de una empresa de IA (ROSS) que había sido demandada por otra (Thompon Reuters) en 2020, por tomar resúmenes producidos por sus IAs (Base de datos de Westlaw) para entrenar las suyas. ROSS alegaba que los contenidos copiados no eran sujetos de copyright, pero la primera sentencia reconocía que los resúmenes de Westlaw tenían una "chispa creatica" similar a la que pone un escultor a una piedra de marmol, por lo que el contenido sí es sujeto de copyright. En su apelación, ROSS arguye que la sentencia puede afectar el futuro del mercado de IA para uso legal , pero la corte considera que es un caso simple de Copyright, y además considera que el uso de los resúmenes por parte de ROSS afecta negativamente el valor de Westlaw en el mercado de plataformas de búsqueda de temas legales, así como en el mercado de contenidos licenciados para entrenar IA. El de ROSS no puede considerarse "uso justo" porque la evidencia demuestra que utilzaron los resúmenes de Westlaw para ser competidores directos en el mercado, al utilizarlos para un propósito muy similar.

La IA me da la impresión de un rompecabezas digital, donde esta compara piezas parecidas unas de otras para al final tratar de encajar estas piezas en los resultados solicitados.

En cuanto a la responsabilidad de la producción científica o intelectual, considero que es importante que las personas tomemos conciencia sobre el uso indiscriminado de la IA y tengamos la iniciativa de utilizar recursos electrónicos y comprobar por nosotros mismos la veracidad de la información.

Si copiamos una respuesta de una IA sin revisar las fuentes, podemos terminar ayudando a que una información falsa se publique, se replique y después sea tomada como verdadera por otras personas o incluso por otras inteligencias artificiales.

Por eso creo que el uso de estas herramientas debería estar acompañado siempre por la verificación, la búsqueda de las fuentes originales y nuestra propia capacidad de análisis.

Esta parte me preocupa, ya que es muy común que la mayoría de personas al momento de leer noticias por internet se quedan con esa mirada, y no ahondan en buscar más información que pueda verificar la veracidad de dichas noticias. ¿Y qué sucedería si la IA se alimenta de información que no es real pero esta al ser replicada por muchas fuentes pareciera que sí?

Se crea una especie de círculo:

IA genera información falsa → una persona la publica → la información queda en internet → otra IA la encuentra → la información se vuelve a repetir.

Un chatbot es un programa informático diseñado para simular una conversación con usuarios humanos a través de texto o de voz.

Me parece muy relevante saber cómo funciona un chatbot, ya que de esta manera podemos comprender la lógica de su funcionamiento.

Este resultado lo relaciono bastante con lo que hemos trabajado hasta ahora. En los videos no solamente hemos visto lo que puede hacer la IA, sino también sus limitaciones y la dificultad que existe para entender completamente algunos modelos.

Esta parte me parece importante porque la clase no se enfoca solamente en aprender a usar inteligencia artificial, sino también en mirar sus problemas y limitaciones. Lo relaciono con los ejercicios de IA Slop y AlexNet, donde vimos que no basta con que una tecnología funcione, también debemos preguntarnos cómo funciona y qué efectos puede tener.

https://www.instagram.com/p/DLS_eretU9c/<br /> via Ames Museum

L'Intelligence Artificielle en Éducation : Défis Pédagogiques et Enjeux Démocratiques

Synthèse de la Direction

L'émergence de l'intelligence artificielle générative (IAG) en éducation représente bien plus qu'une simple innovation technique ; elle constitue une rupture anthropologique majeure.

Si l'IA promet une efficacité accrue par l'individualisation radicale des apprentissages via le learning analytics, elle menace paradoxalement les fondements de l'école républicaine : la construction du commun, l'exercice du jugement critique et le désir d'apprendre.

Le défi actuel n'est pas d'interdire l'outil, déjà omniprésent, mais de développer une pédagogie de la vigilance. Celle-ci repose sur le principe de réversibilité — n'utiliser l'IA que pour ce que l'on sait déjà faire — et sur la réaffirmation du rôle irremplaçable de l'enseignant comme passeur de valeurs et médiateur du débat démocratique.

--------------------------------------------------------------------------------

1. Nature et Fonctionnement de l'Intelligence Artificielle Générative

L'IA générative, popularisée par des outils comme ChatGPT ou Mistral, repose sur des mécanismes statistiques précis qui définissent ses capacités et ses limites.

Mécanismes techniques

• Base de données : Une accumulation massive de données (750 000 fois la Bible pour ChatGPT), qui reste néanmoins limitée par rapport à l'ensemble de la production humaine.

• Calculateur d'occurrences statistiques : L'IA ne « pense » pas ; elle calcule le mot qui a statistiquement le plus de probabilités de suivre le précédent.

• Le "Transformer" : Un outil récent permettant de prendre en compte le contexte pour affiner la pertinence statistique.

• Température et fluctuation : Réglée généralement à 0,8, la « température » permet d'introduire une part de fluctuation pour rendre les textes moins rigides et plus proches d'une opinion moyenne (opinion modale).

• Lissage linguistique : Un traitement systématique qui produit des textes à la syntaxe et à l'orthographe parfaites, souvent corrigés manuellement en amont par des opérateurs humains.

Une externalisation de la mémoire

L'IA s'inscrit dans la lignée historique de l'externalisation de la mémoire humaine (écriture, imprimerie, moteurs de recherche).

Ce phénomène soulève un débat ancien, déjà identifié par Platon dans le Phèdre : l'outil apporte-t-il la science ou seulement sa « semblance » ?

Le risque souligné est celui d'une remémoration venant « du dehors » plutôt que « du dedans », affaiblissant l'exercice même de la pensée.

--------------------------------------------------------------------------------

2. La Rupture du Learning Analytics et la Fin de la Forme Scolaire

L'IA introduit une rupture radicale à travers le learning analytics, une technique d'analyse de données visant à modéliser les stratégies d'apprentissage individuelles.

| Concept | Description et Conséquences | | --- | --- | | Individualisation Totale | Analyse des comportements sur tablette pour créer un logiciel strictement adapté au rythme, aux handicaps et aux préférences de l'élève. | | Séparation Instruction/Socialisation | Proposition de certains théoriciens (ex: Paul Jorion) de dissocier la transmission (confiée aux machines le matin) de la socialisation (activités sportives/artistiques l'après-midi). | | Obsolescence de la Classe | La classe traditionnelle, jugée inefficace pour gérer l'hétérogénéité, est remplacée par un tutorat machine disponible 24h/24. | | Risque d'Enfermement | L'adaptation permanente à l'utilisateur empêche la découverte de l'altérité et le dépassement de ses propres limites. |

--------------------------------------------------------------------------------

3. Ambitions vs Réalités : Une Analyse Critique

Le document identifie un décalage structurel entre les prétentions de l'IA et la réalité de sa production.

• L'accès à la connaissance : Si l'IA offre une rapidité d'investigation fabuleuse, elle est tributaire de sa base de données (biais idéologiques, absence d'événements censurés, prédominance masculine des concepteurs).

• La synthèse rigoureuse : L'IA privilégie l'académisme à la rigueur.

Elle procède par énumérations (souvent en base 3 ou 10) et agrège des concepts qu'il conviendrait de distinguer (ex: confondre besoin, niveau et intérêt).

• L'interdisciplinarité : Elle offre une illusion de complexité, mais réduit souvent le réel à des lieux communs et au "déjà-dit".

• La décision "pertinente" : En médecine ou en droit, l'IA réduit la situation (complexe et humaine) au seul problème (technique et algorithmique).

--------------------------------------------------------------------------------

4. Impacts et Défis pour l'Éducation

L'intégration de l'IA dans le milieu éducatif impose une refonte des pratiques d'évaluation et de transmission.

La mutation de l'évaluation

Face à l'industrialisation de la fraude, l'école doit :

• Passer du paradigme de la conformité (une seule bonne réponse) à celui de l'originalité de pensée.

• Réévaluer l'importance de l'oralité et du débat en face à face.

• Valoriser la démarche d'enquête (comment l'élève a cherché) plutôt que le seul résultat final.

Le principe de réversibilité

L'éducation doit enseigner que l'IA ne peut être utilisée que pour accélérer des tâches que l'individu sait déjà accomplir manuellement.

Utiliser l'IA pour ce que l'on ne maîtrise pas (ex: résumer un texte sans en comprendre la structure) conduit à une « bêtise artificielle » et à une perte de jugement.

Du savoir au désir d'apprendre

L'IA « comble le désir de savoir mais tue le désir d'apprendre ».

En fournissant des réponses immédiates, elle tarit la curiosité.

Le rôle de l'enseignant devient alors d'être un promoteur d'interrogations plutôt qu'un simple distributeur d'informations.

--------------------------------------------------------------------------------

5. IA, Réseaux Sociaux et Menaces sur la Démocratie

Le document souligne le lien entre l'IA et les mécanismes addictifs des réseaux sociaux, structurés pour enfermer l'utilisateur.

• Le tournant de 2009 : L'introduction des algorithmes de profilage (Facebook, puis TikTok) a remplacé l'ordre chronologique par le ciblage publicitaire.

• L'effet "Tunnel" : Contrairement à l'éducateur qui « ouvre des fenêtres », les algorithmes enferment l'individu dans ce qu'il aime déjà, empêchant toute sérendipité (découverte fortuite).

• L'anthropomorphisme (Effet Elisa) : L'IA se fait passer pour une personne pour gagner la confiance de l'utilisateur.

Il est impératif d'utiliser l'infinitif (ex: "faire", "chercher") plutôt que l'impératif pour marquer la distance avec la machine.

--------------------------------------------------------------------------------

6. Conclusions et Impératifs Éthiques

L'IA ne peut délibérer ni porter de valeurs. Elle ignore la temporalité humaine et la dimension incarnée du savoir.

Recommandations pour l'avenir :

1. Réhabiliter la conversation argumentée : Seul l'humain peut sortir d'un désaccord par le haut, en prenant en compte les divergences sans humilier l'autre.

2. Dénoncer le "solutionnisme technologique" : Tout problème humain n'est pas réductible à une solution technique. L'éthique doit primer sur l'efficacité.

3. Résister à la "machinisation" : Citant Adorno, le document rappelle que la barbarie commence par l'obéissance mécanique aux règles.

L'éducation doit donner la force de douter et de dire « non » aux évidences suggérées par les algorithmes.

En somme, l'IA doit rester un outil supervisé. L'enjeu civilisationnel est de préserver ce que seul l'humain peut faire : habiter sa parole, éprouver de la curiosité et construire un destin commun à travers le débat.

Hoy en día tenemos muchos problemas irresolvibles

Briefing : Révolutionner la productivité des associations grâce au No-Code et à l'IA

Introduction

Ce briefing récapitule les points clés abordés lors du webinaire organisé par Solidatech, en partenariat avec Contournement et Nocode Forgood.

L'objectif principal de cette session était de démontrer comment les outils "no-code" et l'intelligence artificielle (IA) peuvent permettre aux associations de "gagner des dizaines d’heures par mois" et de renforcer leur impact numérique.

1. Solidatech : Renforcer l'impact numérique des associations

• Solidatech est une organisation française fondée en 2008, dédiée à l'accompagnement des associations dans leur transformation numérique.

Composée d'une douzaine de personnes, elle opère depuis Paris et les Deux-Sèvres, où se situe sa coopérative d'insertion, les Ateliers du Bocage (mouvement Emmaüs), spécialisée dans le réemploi de matériel bureautique. Solidatech est également le satellite français du réseau international TechSoup.

Public cible :

Plus de 42 000 associations inscrites gratuitement. Divers statuts juridiques : associations (locales ou plus grandes), fondations, fonds de dotation, bibliothèques publiques. Toutes tailles d'organisations, avec ou sans employés (y compris celles composées uniquement de bénévoles).

Piliers d'accompagnement :

• Accès à des outils et matériels à tarifs réduits : Offre de logiciels et matériels reconditionnés (ordinateurs, écrans, smartphones, etc.) avec des remises allant de -30% à -90%, voire des gratuités. Exemples de partenaires : Cisco, Dell.
• Développement des usages numériques :Centre de ressources gratuit.
• Équipe support basée dans les Deux-Sèvres pour le conseil et le choix des licences.
• Outil de diagnostic numérique pour évaluer la maturité numérique.
• Étude nationale annuelle sur la place du numérique dans le milieu associatif.
• Accompagnement et formation :Newsletters régulières.
• Partenariat Prestatek (annuaire de prestataires de services).
• Webinaires thématiques variés.
• Formations certifiées Qualiopi sur des sujets comme la conformité RGPD, la communication digitale, la recherche de financement, la gestion de dons, et l'utilisation d'outils (Microsoft 365, Canva).
• Impact : Solidatech aide les associations à réaliser des "économies monétaires [et] en temps", à gagner en maturité numérique et à se professionnaliser.

2. Le No-Code et l'IA : Définitions et promesses

Erwan Kezzard, cofondateur de Contournement, a introduit les concepts de no-code et d'IA générative comme des leviers majeurs pour optimiser le temps. Il souligne que "le temps... c'est une ressource extrêmement importante, notamment quand on travaille soit aux sources contraintes".

Définition du No-Code :

• "Le nocode comme son anxie son son les les l'exprime et l'exige ce sont des outils qui permettent de réaliser visuellement intuitivement des projets numériques sans forcément avoir de compétences informatiques en code."

• Permet de créer des sites web, des petites applications, d'automatiser des tâches, de créer des solutions internes, etc., de manière visuelle et intuitive.

• Exemple : Excel n'est pas du no-code ; le no-code permet de "créer ses propres outils".

Définition de l'IA Générative :

Il s'agit des IA accessibles comme "les Chat GPT, Mistral et autres qui sont euh bah des technologies auxquelles on peut assez rapidement demander des choses demander de retraiter du contenu demander de faire des recherches et elle nous répond".

Potentiel et Bénéfices :

• L'objectif est de "gagner des dizaines d'heures par mois" en évitant les "manipulations répétitives, des tâches non informatisées ou des tâches informatisées mal optimisées".
• Principal usage : l'optimisation de la productivité, c'est-à-dire "travailler mieux pour faire autant ou faire moins". Cela concerne l'optimisation des "ops" (opérations quotidiennes) en administratif, RH, gestion de projet, etc.
• Exemple de gain de temps : "si cinq fois par jour je passe 5 minutes à faire une tâche à la fin de l'année j'aurais passé 6 jours plein 6 jours de travail à ne faire que ça".

3. Les Trois Briques Fondamentales du No-Code Erwan Kezzard a illustré les capacités du no-code à travers trois piliers principaux, souvent combinés :

Bases de données visuelles :

Outil clé : Airtable (alternative française : TimeTonic).

• Fonctionnalité : Ressemble à Excel mais est une "base de données", où chaque ligne est une fiche. Les colonnes ont des types de données spécifiques (liens, sélecteurs, pièces jointes, dates).
• Avantages : Création rapide de vues filtrées et segmentées ("vues" pour stagiaires, commerciaux, DG), gestion des accès, formulaires d'entrée de données (créé en "moins de 25 secondes").
• Concept de "relations" : Possibilité de lier des entrées entre différentes tables (ex: lier des prospects à des entreprises), ce qui résout de nombreux problèmes de ressaisie et de cohérence des données. Permet de naviguer entre les données comme sur une application.
• Permet de construire des "CRM que je me fais moi-même" et des "intranets".

Automatisation et interconnexion :

• Outil clé : Zapier (alternatives : Make, N8N - open source mais plus technique).
• Fonctionnalité : Connecte différents outils pour automatiser des processus.
• Exemple : "à chaque fois que dans Airtable il y a une nouvelle entrée dans la table entreprise alors automatiquement va dans le chat GPT demande-lui 'Tu es un expert en politique RSE...' puis prends cette convers enfin trouve la ligne dans Air Table et mets à jour cette ligne avec l'info directement ici".
• Permet d'automatiser des notifications (Teams, Slack), des envois de mails personnalisés, la création de documents (PDF), etc.
• L'IA "fait qu'un seul boulot" (poser la question), le no-code "fait le boulot" des tuyaux d'interconnexion.

Interfaces (Sites web, applications mobiles/web) :

• Outil clé : Glide (pour applications mobiles), Software (pour applications web / intranets).
• Fonctionnalité : Permet de créer des applications mobiles ou web à partir d'une base de données existante (ex: Airtable).
• Avantages : Ne nécessite aucune installation ni hébergement, permet de modifier l'apparence et les fonctionnalités intuitivement. "je peux modifier cette application mobile changer l'apparence changer l'info qui apparaît où et cetera".

4. Philosophie et Positionnement de Contournement & Nocode Forgood

Contournement :

• Métier : "former les équipes et les individus au nos code et Alia pour leur permettre de travailler plus efficacement".
• Ne vise pas à lancer la "prochaine start-up à la mode" mais à "gagner du temps", "digitaliser" et "fluidifier ses processus".
• Offre de formations en présentiel, téléprésentiel, et e-learning (plateforme avec abonnement à coût accessible, réductions prochainement à 50-100€/mois).

Accompagne aussi des publics éloignés de l'emploi.

• Vision du no-code : une "compétence complémentaire" valorisable sur le marché de l'emploi ("je suis chargé de communication... je me forme quelques jours au nocode je sais digitaliser automatiser dans mon métier et ça m'apporte quelque chose").
• Met en garde contre le "miroir aux alouettes" et le "charlatanisme" liés au no-code comme "nouveau métier".

Nocode France :

• "La communauté la plus active au monde dans le Nocode qui est française".
• Composée de 15 000 personnes qui "s'entraident bénévolement", offrant conseils et orientations.

Nocode Forgood :

• Mission : "donner accès aux outils no code les plus démocratiques du numérique pour rendre la vie plus simple aux assos et leur permettre de démultiplier leur impact".
• Fait découvrir le no-code (masterclass) et surtout met en relation des associations avec des "nocodeurs et des nocodeuses engagés".
• Approche "MVP" (Minimum Viable Product) : "commencer petit", "réaliser le plus vite possible un morceau qui fonctionne et après de l'adapter". L'objectif est d'aider les associations à "faire leur skateboard" (amorce), puis de les accompagner.
• Projets : les nocodeurs peuvent travailler bénévolement (avec contrepartie de formations Contournement) ou à "tarif solidaire".

5. Exemples concrets de succès

• Les Francofolies : "15 personnes un seul informaticien". En deux jours de formation Airtable, ils ont gagné "plusieurs dizaines d'heures par semaine" notamment sur le reporting carbone.

Ils ont aussi fait appel à une experte Ania pour des projets plus complexes, mais ont aussi décidé de ne pas "nocoder" certains processus peu chronophages.

• La MedNum : Coopérative qui gère son sociétariat, ses projets et son organisme de formation avec Airtable (base de données) et Make (automatisation).

Gagne "énormément de temps". Utilise aussi Notion pour la documentation interne et les ressources textuelles.

• Wildlife Impact Network (via Nocode Forgood) : Création d'un site avec Softer et d'une galerie de projets finançables avec Airtable en deux jours.
• Naestan (via Nocode Forgood) : Création d'un outil de pilotage et de reporting interne pour une association d'aide aux jeunes Afghans, réalisé avec CODA.
• Nocode Forgood (interne) : Automatisation de la génération de brouillons de posts LinkedIn à partir de retours d'expérience d'associations, via Make et l'IA.

6. Bonnes pratiques et avertissements

• Cartographier avant de se lancer : "Une bonne pratique c'est de cartographier avant de se lancer".
• Ne pas tout no-coder à outrance : "pas besoin de tout nous coder les meilleurs outils ça peut être de trouver des outils spécialisés". Si un processus fonctionne bien, ne pas le modifier.
• Outils modernes et interconnectables : Privilégier les outils qui peuvent se connecter entre eux (vérifier la compatibilité Zapier ou Make). Exemple : Assoconnect est intégrable avec Zapier et Make.
• Collaboration avec l'IT et les juristes : "appuyez-vous toujours sur l'IT sur le juridique sur les décisionnaires ne faites pas du shadow IT dans votre coin sur le nocode s'il y a des gens qui doivent être décisionnaires avec vous ça peut exposer à des risques de données mal géré et cetera de sécurité".
• Formation : Même si le no-code est accessible, un minimum de formation est nécessaire. "Au bout d'une journée ou de 2 à 5 jours de formation les gens peuvent commencer à faire des choses".
• Appui sur des experts externes : Recommandé pour éviter les erreurs (ex: données publiques par erreur) et structurer des projets plus complexes.
• Coût : "Un outil no code qui se respecte est payant déjà un dans un outil de code qui se respecte est fremium". Les tarifs commencent souvent entre 15 et 30€/mois. Il faut prévoir "entre 50 et 100 € de budget mensuel" pour faire beaucoup de choses. C'est un investissement rapidement amorti.
• RGPD et stockage des données :L'hébergement aux États-Unis n'est pas intrinsèquement non-RGPD. De nombreux outils américains sont "RGPD compliant".
• Il est crucial de consulter un juriste pour les données sensibles.
• "Le RGPD rappelons que c'est un process où vous vous devez faire toute une démarche de nous par exemple contournement on a tout un registre où on dit où sont stocké quelle donné et on fait gaffe régulièrement à supprimer les données qui ont plus de 3 ans".
• Les outils no-code payants ne "vendent" généralement pas vos données, leur modèle économique étant basé sur l'abonnement. Le risque principal est lié aux exigences gouvernementales (Cloud Act, Patriot Act).
• Migration de bases de données : Simple via l'import CSV dans Airtable (ou TimeTonic, Notion). Possibilité de synchroniser des bases existantes (ex: Excel) avec Airtable via Zapier/Make.
• Différence Notion vs. Airtable : Notion est "plus orienté je prends des notes", gestion de "contenu riche", "espace collaboratif tout en un" (wiki, documentation interne). Airtable est centré sur la "donnée" et sa structuration.

7. Outils de productivité IA complémentaires

Whisper Flow : Outil de dictée vocale permettant de "dicter et ne plus taper quasiment au clavier". Reconnaissance précise de la syntaxe et de la ponctuation. Dict AI : Application mobile française et souveraine pour "prendre en note les réunions automatiquement" et générer des comptes-rendus.

Conclusion

Le no-code et l'IA représentent une opportunité significative pour les associations de toutes tailles d'améliorer leur efficacité opérationnelle et de se professionnaliser.

Des organisations comme Solidatech, Contournement et Nocode Forgood jouent un rôle essentiel dans la démocratisation de ces technologies, en offrant des ressources, des formations et un accompagnement adapté, tout en soulignant l'importance de l'éthique, de la sécurité des données et d'une approche pragmatique dans leur adoption.

Atividade: Neste espaço virtual, explore o documento e proceda às suas anotações ou às anotações dos colegas, destacando, apresentando a sua reflexão, questionando ou partilhando a sua experiência sobre o uso de IA no seu exercício profissional.

Resumo do documento: O Cap 3 do livro "Educação 4.0 transformando o ensino na era digital", discute o impacto da Inteligência Artificial (IA) na prática docente. O texto explora a definição e os fundamentos da IA, bem como as suas potencialidades e benefícios como ferramenta educacional, destacando a personalização da aprendizagem e o suporte individualizado. Aborda igualmente os desafios e considerações éticas relacionados com a sua aplicação, como a privacidade e a transparência dos algoritmos. Apresenta exemplos práticos do uso da IA em diversas atividades docentes, como preparação de aulas, avaliação de alunos e elaboração de relatórios, são apresentados, incluindo o potencial do ChatGPT. Finalmente, o texto enfatiza a importância de uma implementação responsável da IA para melhorar os processos educativos e os resultados de aprendizagem, ressaltando que a tecnologia deve complementar o papel do educador.

Neste espaço virtual, explore o documento e proceda às suas anotações ou às anotações dos colegas, destacando, apresentando a sua reflexão, questionando ou partilhando a sua experiência sobre o uso de IA no seu exercício profissional.

Intégration de l'IA (ChatGPT) dans la construction des futurs véhicules. Adaptation de l'évolution technologique à l'information numérique

Promover la participación pública y comunitaria efectiva

Invertir en el desarrollo de capacidades entre los grupos marginados

Legislar los derechos de participación pública ex ante

Proteger los datos colectivos y los derechos de la IA

Varias de las características propuestas por Tsing (Citation2009) resuenan con el capitalismo de la cadena de suministro de la IA en la actualidad. Sin embargo, la principal diferencia es que las empresas capitalistas dentro de la economía política de la IA están acumulando más capital en 2024 que Wal-Mart o Nike en 2009. Por lo tanto, es relevante comprender mejor la línea de producción capitalista de la IA.

El capitalismo de la cadena de suministro ofrece un marco teórico para tener en cuenta la línea de producción de la IA y su infraestructura, desde las minas hasta los desechos electrónicos, y dar cuenta de las asimetrías geográficas y las luchas ambientales que podrían no ser evidentes.

Un examen más detallado del capitalismo de la cadena de suministro de la IA revela daños ambientales como las luchas por el agua, que no se han considerado anteriormente en la literatura sobre daños y resistencia algorítmica.

Este artículo muestra que las luchas controvertidas surgen al investigar puntos específicos en las cadenas de suministro de la IA.

El caso de Maconí muestra que, si bien la industria de los centros de datos está explotando los recursos hídricos para enfriar su infraestructura digital, las personas en áreas rurales e indígenas no tienen acceso al agua. Juan, el hombre de mediana edad citado al comienzo de este artículo, vive actualmente en Maconí y todavía camina al menos ocho horas para recolectar agua para su vida diaria.

Este artículo es un llamado a investigar el impacto infraestructural de la IA desde una perspectiva crítica y ambiental y abrir una crítica hacia la creciente industria de la IA para que podamos construir un mundo de muchos mundos donde quepamos todos (Blaser, Citation2018).

La inteligencia artificial (IA) está entretejida en una cadena de suministro de capital, materias primas y trabajo humano que ha sido descuidada en los debates críticos.

Dado el auge actual de la IA generativa, que se estima que impulsará la extracción de recursos naturales como minerales, combustibles fósiles o agua, es vital investigar toda su línea de producción desde una perspectiva infraestructural crítica.

Basándose en el capitalismo de la cadena de suministro, un concepto acuñado por Anna L. Tsing en 2009, este artículo contribuye a los estudios críticos de la IA al investigar la estructura de las cadenas de suministro de IA, teniendo en cuenta la industria minera, electrónica, digital y de desechos electrónicos.

Este artículo ilustra cómo el capitalismo de la cadena de suministro de la IA está precipitando asimetrías geográficas conectadas con luchas controvertidas en México al centrarse en un elemento clave de estas cadenas: los centros de datos.

En tiempos de emergencia climática, este artículo llama a reconsiderar los daños y la resistencia algorítmica mediante la investigación de toda la línea de producción capitalista de la industria de la IA desde una perspectiva crítica y ambiental.

Puntos de acción

Emplear métodos participativos e inclusivos para desarrollar mecanismos de seguimiento y evaluación ex ante y ex post para evaluar y mitigar el sesgo en los sistemas y procesos de IA.

Realizar auditorías de los sistemas de IA para detectar y abordar la discriminación directa e indirecta que afecta especialmente a las comunidades marginadas.

Asegurarse de que los sistemas de IA se sometan a pruebas rigurosas para detectar sesgos y que se los controle de forma continua y sistemática para detectar resultados discriminatorios.

Puntos de acción

Desarrollar protocolos claros que aseguren que las decisiones e intervenciones cumplan con los criterios de legitimidad, necesidad y proporcionalidad, a fin de garantizar la protección de los derechos y libertades de terceros cuando pueda haber conflictos de intereses entre las partes interesadas (lo que puede dar lugar a impactos desproporcionados en un grupo o grupos en comparación con otro grupo o grupos de personas).

Garantizar que existan marcos jurídicos suficientes (tanto nacionales como internacionales) para proteger y brindar reparación a las personas afectadas por la IA.

Permitir que las personas afectadas por sistemas de IA busquen soluciones sin temor a represalias.

Desarrollar estrategias para garantizar que el público en general sea consciente de los riesgos y oportunidades relacionados con la IA, y de los mecanismos disponibles para identificar cuándo el uso o la aplicación de la IA puede haber resultado en una violación de sus derechos.

Puntos de acción

Implementar medidas de codiseño que involucren a las comunidades marginadas y otros stakeholders relevantes a lo largo del ciclo de vida de la IA.

Involucrar a las comunidades marginadas en la identificación de problemas, la formulación de problemas, el diseño y la toma de decisiones en materia de gobernanza de la IA.

Integrar perspectivas diversas en el diseño y desarrollo de la IA para evitar sesgos sistémicos y resultados discriminatorios.

Asegúrese de que los procesos de información y consulta sean accesibles e inclusivos para los grupos marginados. Crear y distribuir materiales de fácil lectura con antelación para garantizar que las personas sin educación formal o conocimientos de inteligencia artificial puedan comprender los temas clave. Evitar la jerga técnica cuando sea suficiente con un lenguaje sencillo.

Incorporar principios de diseño inclusivos y transformadores y metodologías participativas en las estrategias nacionales o regionales de IA para garantizar que los sistemas de IA respeten la autonomía, la dignidad y los valores culturales de los grupos marginados.

Aplicar políticas de protección, incluidos mecanismos para denunciar casos de discriminación, situaciones de violencia y otras situaciones que dificulten la participación de las mujeres y otros grupos marginados en el lugar de trabajo en igualdad de condiciones con los demás. Garantizar el acceso a estos mecanismos para permitir la denuncia y la reparación de agravios.

Puntos de acción

Asignar un presupuesto para los costos de participación. Incluir líneas presupuestarias específicas para cubrir los costos de participación de representantes de grupos marginados, como compensación por su tiempo y experiencia, y adaptaciones razonables para garantizar la accesibilidad (por ejemplo, intérpretes de lengua de señas, intérpretes guía para personas sordociegas, intérpretes de lenguas indígenas).

Al facilitar la participación, considera las dinámicas de poder específicas del contexto, incluyendo género, expresión de género, edad, raza, clase, cultura, identidad, habilidades y lenguaje, para garantizar una inclusión efectiva. Además, crea incentivos que motiven a los actores privados a involucrarse activamente en el diseño, desarrollo y gobernanza de sistemas de IA inclusivos.

Resultados esperados con metas claras

Puntos de acción

Incluir a grupos marginados, alineándolos con recomendaciones de políticas transformadoras de igualdad de género y diversidad.

Traducir estos objetivos en planes de acción detallados que incorporen responsabilidades, indicadores de monitoreo, presupuestos y directrices, asegurando la evaluación de políticas institucionales para identificar mejoras.

Definir hitos y métricas claras para medir el progreso, considerando la sostenibilidad y relevancia de las soluciones para prevenir y abordar daños relacionados con la IA.

Identificar las principales causas de exclusión de grupos marginados y cómo la IA puede amplificarlas, analizando el contexto social, económico, político, histórico y cultural, así como los marcos legales y normativos relevantes para proteger los derechos en riesgo.

Pour les images et les vidéos, je ne suis pas vraiment d'accord avec ce point de vue. Dans l'environnement actuel d'Internet, la vitesse de diffusion des images et des vidéos est supérieure à celle des textes. Dans ce cas, une grande quantité d'images et de vidéos générées (de plus en plus réalistes) est produite rapidement à faible coût, ce qui non seulement augmente le coût de discernement de l'information et rend la vérification des faits plus difficile, mais complique également la confiance des gens envers certaines choses non conventionnelles (même si elles sont réelles). D'ailleurs, les algorithmes des plateformes ont tendance à privilégier la mise en avant des contenus récemment publiés. Par conséquent, même un contenu produit en grande quantité (mais peut-être de moindre qualité) peut bénéficier d'une plus grande opportunité de diffusion en raison des algorithmes.

Résumé de la vidéo 00:00:00 - 00:33:59 : La vidéo intitulée "L'IA générative et la création de contenus culturels et médiatiques" présente un séminaire sur l'impact de l'intelligence artificielle (IA) générative dans les domaines culturels et médiatiques. Les intervenants, experts dans leurs domaines respectifs, discutent des implications juridiques, technologiques et créatives de l'IA générative. Ils explorent comment l'IA transforme la création de contenu et les défis associés, notamment en matière de droits d'auteur et de propriété intellectuelle.

Points forts: + [00:00:00][^1^][1] Introduction au séminaire * Présentation des organisateurs et du thème de l'IA générative * Importance de l'IA dans les industries culturelles et créatives + [00:10:17][^2^][2] Impact de l'IA sur la création de contenu * Discussion sur la génération de contenu par l'IA et ses défis juridiques * Examen des perturbations potentielles dans les marchés créatifs + [00:12:01][^3^][3] Présentation de Giancarlo Frosio * Analyse des litiges concernant l'IA générative et le droit d'auteur * Exploration de la diffusion et de la perturbation du marché créatif par l'IA

Résumé de la vidéo 00:34:02 - 01:12:21 : La deuxième partie de la vidéo se concentre sur les implications juridiques de l'intelligence artificielle (IA) générative dans la création de contenus culturels et médiatiques. L'orateur discute des défis posés par l'IA en matière de droit d'auteur, notamment la question de savoir si les œuvres générées par l'IA peuvent être protégées et la responsabilité en cas de violation du droit d'auteur. Il explore également les différences entre les juridictions, comme les États-Unis, l'Europe et la Chine, en ce qui concerne la protection des œuvres générées par l'IA.

Points forts: + [00:34:02][^1^][1] Droit d'auteur et IA * Différences entre les juridictions sur la protection des œuvres d'IA * Cas de jurisprudence et doctrine du fair use aux États-Unis * Débat sur la personnalité juridique des machines + [00:50:32][^2^][2] Originalité et IA * Discussion sur l'originalité et la créativité algorithmique * Question de savoir si l'IA peut être considérée comme un auteur * Impact de l'IA sur l'homogénéisation culturelle + [01:02:24][^3^][3] Marché de la créativité et IA * Considérations sur le marché de la créativité face à l'IA * Proposition de licences obligatoires pour l'utilisation d'œuvres protégées * Réflexion sur la redistribution de la valeur générée par l'IA

Résumé de la vidéo 01:12:24 - 01:40:53 : La troisième partie de la vidéo se penche sur les questions juridiques et éthiques soulevées par l'intelligence artificielle générative dans la création de contenus culturels et médiatiques. Elle explore les implications du droit d'auteur, la responsabilité en cas de violation, et la distinction entre les contributions humaines et celles de l'IA. La vidéo met en lumière les défis posés par l'IA dans le respect des droits d'auteur et la nécessité d'une éthique dans l'utilisation de l'IA générative.

Points forts: + [01:12:24][^1^][1] Droit d'auteur et IA générative * Débat sur la responsabilité en cas de contenu similaire à une œuvre protégée * Question de la responsabilité secondaire de l'utilisateur ou de la plateforme + [01:17:02][^2^][2] L'impact de l'IA sur la création artistique * Discussion sur l'apocalypse artistique annoncée et la réponse de l'esthétique artificielle * Réflexion sur l'intégration de l'IA dans les démarches esthétiques + [01:38:10][^3^][3] Éthique de l'IA générative dans les médias * Présentation sur la formation d'un écosystème médiatique éthique avec l'IA * Importance de servir l'intérêt public dans l'utilisation de l'IA

Résumé de la vidéo 01:40:55 - 02:04:02 : La quatrième partie de la vidéo se concentre sur l'éthique de l'intelligence artificielle (IA) générative dans les médias. L'intervenante, Chloé, explore les opportunités et les risques associés à l'utilisation de l'IA dans le journalisme, en mettant l'accent sur la nécessité d'une approche éthique et transparente. Elle présente des exemples concrets d'utilisation de l'IA pour la traduction, le résumé automatique et l'enrichissement de l'information, tout en soulignant l'importance du rôle humain dans la supervision de ces outils.

Points forts: + [01:40:55][^1^][1] L'éthique dans l'utilisation de l'IA * Responsabilité dans la communication de l'utilisation de l'IA * Importance de l'éthique pour guider l'utilisation de l'IA dans les médias + [01:42:02][^2^][2] Exemples d'utilisation de l'IA dans les médias * Traduction des nouvelles pour les réfugiés ukrainiens * Édition en anglais du journal Le Monde grâce à l'IA + [01:45:32][^3^][3] Innovation dans la structure de l'information * Création d'histoires fractales pour la mise à jour automatique de l'information * Utilisation de l'IA pour réorganiser la structure des articles de presse + [01:47:21][^4^][4] Risques et défis de l'IA générative * Risque de mésinformation et désinformation * Importance de la vérification humaine et de la transparence

Résumé de la vidéo 02:04:04 - 02:26:14 : La cinquième partie de la vidéo se concentre sur les implications esthétiques et juridiques de l'intelligence artificielle (IA) dans la création littéraire. L'orateur examine comment les modèles d'IA, en particulier ceux basés sur l'architecture des Transformers, tels que ChatGPT, remettent en question la nature de la littérature et du langage. Il aborde la littérature générée par informatique, la relation entre les textes d'entraînement et les textes générés, et les questions d'autorité et de réception des œuvres littéraires produites par l'IA.

Points forts: + [02:04:04][^1^][1] L'IA dans la création littéraire * Débat sur la littérature comme calcul statistique * Impact des modèles d'IA sur la conception de la littérature * Question de l'autonomie des textes générés par l'IA + [02:05:00][^2^][2] Transformations de la littérature * Nouveaux processus créatifs basés sur la contrainte statistique * Relation intertextuelle entre textes d'entraînement et textes générés * Transformation de la notion d'autorité dans la création littéraire + [02:06:00][^3^][3] Historique de la littérature générée par informatique * Évolution des pratiques de génération de texte par informatique * Recherche d'autonomie dans les processus génératifs * Différences entre génération combinatoire et apprentissage calculatoire + [02:17:01][^4^][4] Conséquences juridiques et esthétiques * Implications du droit d'auteur pour les textes générés par IA * Distinction entre les œuvres protégées et les créations mécaniques * Positionnement des auteurs face aux textes générés par IA

Résumé de la vidéo 02:26:16 - 02:48:24 : La sixième partie de la vidéo explore les implications de l'intelligence artificielle (IA) dans la création littéraire et culturelle. Elle met en lumière la notion de transfictionnalité et la capacité de l'IA à générer des narrations cohérentes, ce qui ouvre un nouveau champ de recherche et de pratique. L'orateur souligne l'importance de l'intention de l'auteur et la nécessité de recontextualiser la valeur littéraire à l'ère de l'IA générative.

Points forts: + [02:26:16][^1^][1] Transfictionnalité et IA * Discussion sur l'émergence de nouvelles pratiques littéraires grâce à l'IA * L'IA atteint la narrativité, présageant un domaine de recherche fécond + [02:27:01][^2^][2] L'IA comme 'signe noir' * Surprise face aux progrès rapides de l'IA dans le domaine littéraire * Les textes générés sont des simulacres, soulevant des questions sur leur authenticité + [02:27:29][^3^][3] Hypothèses sur l'avenir de la littérature * Prévision d'un recentrage de la littérature autour de la relation esthétique avec le monde * La génération de texte par l'IA ne signifie pas que tout le monde sera auteur

https://en.wikipedia.org/wiki/American_Gothic

¿En todos los casos? ¿Cuáles serían los más representativos para las prácticas de investigación conectadas específicamente con vigilancia algorítmica, segiminento de usuarios a través de sitios, recolección y venta de datos, burbujas de filtros? ¿Qué pasaría si "seguimos el dinero"?

Uno de los problemas fundamentales de la justicia es la reificación o los procesos de reconocimiento. Tal vez estos pasan, también por un asunto que tradicionalmente se ha considerado menor, el diseño.

Résumé vidéo [00:00:00][^1^][1] - [00:22:46][^2^][2]: La vidéo présente une session de webinaire organisée par Solidatech, où l'équipe de Cyber Forgo discute de l'intelligence artificielle (IA) et de son utilisation par les associations. Elodie de Solidatech introduit le webinaire et explique les aspects pratiques, suivie par une présentation de Solidatech et ses services pour les associations. L'équipe de Cyber Forgo partage ensuite des exemples d'utilisation de l'IA générative et des conseils pour son utilisation sécurisée et efficace.

Points forts: + [00:00:00][^3^][3] Introduction et objectifs du webinaire * Présentation par Elodie de Solidatech * Discussion sur l'IA par Cyber Forgo + [00:02:15][^4^][4] Présentation de Solidatech * Services numériques pour associations * Histoire et mission de Solidatech + [00:06:19][^5^][5] Exemples d'utilisation de l'IA générative * Utilité de l'IA pour les associations * Conseils pour une utilisation responsable + [00:09:35][^6^][6] Risques et précautions d'usage de l'IA * Importance de la sécurité et de l'éthique * Astuces pour éviter les pièges de l'IA Résumé de la vidéo [00:22:48][^1^][1] - [00:49:22][^2^][2]: La vidéo présente l'association Data for Good qui soutient des projets technologiques à impact social. Elle met en lumière l'utilisation de l'IA pour extraire des données, analyser des images et accélérer le développement technique avec des ressources limitées.

Points forts: + [00:22:48][^3^][3] Structure de Data for Good * Saisons de projets tech * Recrutement envisagé + [00:24:56][^4^][4] Extraction de données non structurées * Observatoire sur l'évasion fiscale + [00:25:09][^5^][5] Analyse d'image * Projets environnementaux * Détection d'incendies et pollution plastique + [00:25:35][^6^][6] Développements techniques complexes * Projets ambitieux avec petites équipes + [00:30:50][^7^][7] Projet Carbon Bombs * Visualisation de mégaprojets fossiles + [00:32:16][^8^][8] Risques de l'IA générative * Biais, fausses informations, fuites de données + [00:38:23][^9^][9] Conseils pour utiliser l'IA générative * Écrire des requêtes claires * Ne pas divulguer d'informations personnelles * Vérifier les réponses obtenues Résumé de la vidéo 00:49:23 - 01:04:05 : La vidéo aborde l'écriture de prompts, la confidentialité des données avec les outils génératifs, et l'utilisation de l'IA dans les associations. Elle souligne l'importance de la transparence et de la sécurité des données.

Points clés : + [00:49:23][^1^][1] Écriture de prompts * Conseils pour construire des requêtes + [00:50:09][^2^][2] Applications pour prompts * Utiliser des applis pour créer des requêtes + [00:51:13][^3^][3] Conseils sur les requêtes * Créer ses propres requêtes pour mieux comprendre l'outil + [00:52:01][^4^][4] Sécurité des données * Risques liés à l'utilisation des outils génératifs + [00:54:06][^5^][5] Confidentialité et IA * Prudence avec les informations personnelles + [00:57:18][^6^][6] IA pour FAQ * Réflexion sur l'utilisation de l'IA pour améliorer les FAQ

L'invention de l'imprimerie à caractères mobiles est présentée comme une rupture majeure, et cela souligne son importance dans la propagation de l'information.

Je ne peux pas m'empêcher de faire un parallèle avec ce qu'il se passe avec l'IA générative devenue accessible à un plus large public ces dernières années…

la inteligencia que utiliza es humana, y lo que hace el programa es automatizado de esa información. si los humanos no creamos nuevos conocimientos el sistema no tiene de donde alimentarse

importante delimitar, en la práctica, a qué tipo de sistemas nos referimos, ¿sensores también, por ejemplo? y los hardware donde se instalan esos sistemas

aquí se toma un rumbo de cómo se entiende la IA, que vale la pena seguir discutiendo.

también sería interesante incluir esto en algo como un glosario, buscar distintas aproximaciones críticas, preguntar(nos) si tiene sentido referirse a la IA -y por qué-, o qué términos alternativos, pero bien descriptivos, podrían reemplazar IA. reconocer las críticas sobre la existencia de muchos otros sistemas de decisión algorítimica que son ampliamente usados, y que no necesariamente tienen la complejidad de la IA

AI text generator, a boon for bloggers? A test report

While I wanted to investigate AI text generators further, I ended up writing a testreport.. I was quite stunned because the AI ​​text generator turns out to be able to create a fully cohesive and to-the-point article in minutes. Here is the test report.

https://warrenellis.ltd/isles/wrangling-writing-on-wordpress/

1ère condition avant de manipuler les IA

This is the integration that I am using to connect my daily writing practice with the process of publishing. iA Writer and Ghost have enabled me to share my ideas and project intentions into the world in such a way that they have become indispensable tools for community building.

Eu pensei em uma IA capas de analisar todos os dados de uma empresa e mostra possíveis direções.

Não é bem assim, já existem IAS capazes de escrever livros e compor musicas, que ao serem lidas ou ouvidas não dar para saber se foi feito por uma pessoa ou IA.

https://hellotimking.com/2020/05/bear-a-three-year-journey/

I'm so excited to hear an update on this project!

There may be a bit of a path forward here that some might consider using that has some fantastic flexibility.

There is a WordPress plugin called Micropub (which needs to be used in conjunction with the IndieAuth plugin for authentication to their CMS account) that will allow students to log into various writing/posting applications.

These are usually slimmed down interfaces that don't provide the panoply of editing options that the Gutenberg interface or Classic editor metabox interfaces do. Quill is a good example of this and has a Medium.com like interface. iA Writer is a solid markdown editor that has this functionality as well (though I think it only works on iOS presently).

Students can write and then post from these, but still have the option to revisit within the built in editors to add any additional bells and whistles they might like if they're so inclined.

This system is a bit like SPLOTs, but has a broader surface area and flexibility. I'll also mention that many of the Micropub clients are open source, so if one were inclined they could build their own custom posting interface specific to their exact needs. Even further, other CMSes like Known, Drupal, etc. either support this web specification out of the box or with plugins, so if you built a custom interface it could work just as well with other platforms that aren't just WordPress. This means that in a class where different students have chosen a variety of ways to set up their Domains, they can be exposed to a broader variety of editing tools or if the teacher chooses, they could be given a single editing interface that is exactly the same for everyone despite using different platforms.

For those who'd like to delve further, I did a WordPress-focused crash course session on the idea a while back:

Micropub and WordPress: Custom Posting Applications at WordCamp Santa Clarita 2019 (slides)

Why and how we harness machine and human capabilities.

Augmenting Intelligence means increasing:

              for Conclusive solutions
             Complex problem situations
    to Comprehend               
 Capability   

Continuous

Reallyy?? I am just reading that so many humans' do not not comprehend at all most of their decisions and acts. Furthermore, most significant decisions and mindful processing are taken by the subconscious.

So, what does it mean to "understand", really? Are we sure that AlphaGo's pure number-crunching is not equivalent to some sense of understanding? And cannot it be that the relative "awareness" of some of our being comes from that simple, non-intelligent number-crunching?