Assister le journalisme local - Quelles pistes pour une exploitation soutenable de modèles de langage ?

(2025) ACFAS2025 - “Plateformes, IA générative et régulation algorithmique : perspectives critiques et interdisciplinaires” — Location: Montréal (5.May.2025)

Files

No attached file found for this publication.

Details

Authors
Abstract
Au cours des dernières décennies, le journalisme a été fortement marqué par plusieurs évolutions technologiques et sociales. Si les médias nationaux sont en difficulté, ces défis sont encore plus prononcés pour les médias locaux, qui sont généralement confrontés aux mêmes problèmes, mais avec des ressources encore plus limitées (Nielsen, 2015). Face à cette précarisation du secteur, le recours à l'intelligence artificielle générative est envisagé pour réduire les coûts et assurer des fonctions qui ne sont plus ou pas réalisables avec les ressources disponibles. L'architecture RAG pour "Retrieval Augmented Generation" (Lewis et al., 2020), sur laquelle repose ces assistants documentaires, est symptomatique de cette problématique. L'ensemble du pipeline de traitement de l'information peut être entièrement déployé sur des infrastructures cloud, possédées par une poignée d'acteurs dominants (Luitse, 2024). Cette capture infrastructurelle est favorisée par la mainmise de ces acteurs sur des « frameworks » de développements permettant l'intégration fluide de l'ensemble de ce pipeline ainsi que sa mise en production à grande échelle. Le recours aux modèles de langage les plus performants s'en retrouve favorisé, au détriment de technologies moins énergivores. L'objet de cette communication sera d'identifier des pistes de solution pour circonscrire des usages sobres et soutenables de modèles de langage.
Affiliations

Citations

Claes, A., & Descampe, A. (2025). Assister le journalisme local - Quelles pistes pour une exploitation soutenable de modèles de langage ? ACFAS2025 - “Plateformes, IA générative et régulation algorithmique : perspectives critiques et interdisciplinaires”, Montréal.