Compar:ia, le comparateur d’IA

Résumé

Le comparateur compar:IA est un outil gratuit proposé par le service du numérique du ministère de la Culture. Selon ce dernier, compar:IA entend répondre à trois enjeux majeurs :

1 - Sensibiliser les citoyens à l’IA générative et ses enjeux ;

2 - Veiller au respect de la diversité des cultures francophones dans les modèles d’IA conversationnelle ;

3 - Contribuer à la transparence des modèles d’IA générative.

Compar:IA utilise la méthodologie proposée par Ecologits produite par l’association GenAI Impacts pour calculer l’empreinte de chaque service d’IA générative.

Compar:ia organise une journée nommée “Les IA conversationnelles en question : enjeux éthiques, culturels et environnementaux” le vendredi 7 février de 9h30 à 17h30 à la BNF François Mitterrand (Paris, 13ème)

Le regard de la rédaction

L’outil est très intéressant et complet pour les observateurs, commentateurs. En quelques mots, je suis plutôt convaincu.

Il faut saluer le travail pédagogique réalisé pour permettre à chacun de mieux se positionner sur les modèles et constater dans bien des cas que des modèles moins gourmands que d’autres fournissent des réponses tout aussi pertinentes. Compar:IA est une très bonne invitation à prendre du recul sur les outils utilisés.

Néanmoins, on peut s’interroger sur la cible visée. Trop large pour une cible technique, un peu technique pour une cible grand public et surtout en dehors du champ des usages réguliers.

Les outils de sensibilisation permettent d’alerter peu à peu l’opinion sur l’empreinte environnementale de chaque produit/service. Néanmoins, cette sensibilisation doit s’inscrire dans les usages pour réussir. Par exemple, l’étiquette avec l’indice de réparabilité ou l’étiquette-énergie sur les produits permet d’informer simplement.

L’enjeu autour de la diffusion de ce site est majeur pour en faire un outil utile, utilisé et utilisable. En poussant un peu, on même interroger l’effet rebond de ce dispositif puisque que pour un prompt émis, deux réponses sont renvoyées, doublant le travail des algorithmes.