Vérifier les productions des IA génératives en utilisant la “lecture latérale”
De l’art de bien user de son intelligence (artificielle)
OBJECTIFS
Vérifier les productions des IA génératives
Pour une introduction générale à l’usage des IA génératives à l’Université et aux risques engendrés, regardez cette vidéo proposée par l’Université de Genève : HORS CLASSE #5 – Intelligence Artificielle Générative
Si vous utilisez des IA génératives pour vos travaux académiques, il est important de vérifier leurs productions en utilisant la méthode d'analyse la plus importante dont vous disposez : la lecture latérale. La lecture latérale consiste à appliquer des techniques de vérification des faits en vous détachant de la production des IA pour consulter d'autres sources qui vous permettront d’évaluer ce que l'IA a produit sur la base de votre prompt.
Voici comment vérifier ce que vous avez obtenu avec une IA générative :
Fractionnement : isolez dans la production de l’IA des affirmations spécifiques pouvant faire l'objet d'une recherche.
Lecture latérale : ouvrez un nouvel onglet et recherchez des éléments d'information complémentaires. Voici quelques bonnes sources pour commencer :
Pour chercher des éléments d'information factuelle : Résultats de Google ou Wikipédia
Pour vérifier l'existence d'une référence : swisscovery UNIGE, Google Scholar ou d’autres bases de données spécifiques à votre domaine.
En parallèle, vérifiez toujours si l'IA ne place pas des informations correctes dans le mauvais contexte. Par exemple, attribue-t-elle un faux article à un véritable auteur ?
Analysez les hypothèses :
Qu'est-ce que votre prompt a supposé ?
Quelles sont les hypothèses de l'IA ?
Qui connaîtrait ce sujet ? Ces personnes auraient-elles un point de vue différent de celui de l'IA ?
Portez un jugement : qu'est-ce qui est vrai, qu'est-ce qui est trompeur et qu'est-ce qui est factuellement incorrect ?
Répétez ce processus pour chacune des affirmations faites par l'IA.
Finalement, au-delà de la détermination de la véracité des faits, lorsque vous évaluez les productions des IA génératives, considérez également que celles-ci peuvent refléter les points de vue humains et les biais contenus dans les données sur lesquelles ces outils ont été entraînés.
Consultez les vidéos ci-dessous pour voir ces stratégies de lecture latérale en action :
Contenu adapté de « Artificial Intelligence and Information Literacy » de Maryland University Libraries et Teaching and Learning Transformation Center (TLTC) sous licence CC BY NC