What Is Feminist Artificial Intelligence? Perspectives from the Middle East and North Africa

Valeur des informations & solidité de l’argumentation

La conférence apporte une valeur certaine en reliant des concepts théoriques (féminisme, intersectionnalité, technoféminisme) à des exemples concrets et documentés de biais dans l’IA. L’argumentation est structurée et progressive : elle part de constats empiriques (statistiques, exemples) pour aboutir à une définition et à des principes. La force de l’argumentation réside dans l’utilisation d’exemples variés (recrutement, crédit, santé, travail à la demande) et de références à des travaux de recherche (études, rapports). Cependant, certains exemples sont présentés de manière succincte et pourraient bénéficier de plus de détails sur les méthodologies ou les sources. La conférence adopte une perspective engagée, ce qui est cohérent avec le sujet, mais elle reste équilibrée en reconnaissant les limites et les défis.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est globalement bonne : l’intervenante est une experte reconnue, et elle cite des études et des rapports (par exemple, l’outil de recrutement d’Amazon, l’incident de l’Apple Card, des études sur les biais de genre en santé). Cependant, les sources ne sont pas systématiquement citées avec précision (pas de références complètes). La qualité des sources est bonne, mais on pourrait souhaiter plus de transparence sur les données utilisées. L’adéquation entre le titre et le contenu est parfaite : le titre annonce clairement le sujet et la perspective régionale, et la conférence y répond pleinement.

Le titre correspond parfaitement au contenu : la conférence définit et illustre l'IA féministe avec des exemples du Moyen-Orient et d'Afrique du Nord.

8/10

Conférence académique par une experte reconnue, s'appuyant sur des exemples documentés et des travaux de recherche, mais sans présentation détaillée des méthodologies ni des sources primaires.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 02:00Introduction : pourquoi avons-nous besoin d'une IA féministe ?
• 05:00Définitions de l'IA, de l'IA générative et de l'IA agentique.
• 08:00Définitions du féminisme et de l'intersectionnalité.
• 10:00Exemples de biais de genre dans les outils d'IA (recherche d'images, assistants vocaux).
• 15:00Biais dans le monde du travail : recrutement, plateformes de travail à la demande.
• 20:00Biais dans le crédit et la santé : exemples de l'Apple Card et des diagnostics médicaux.
• 25:00Décomposition de l'IA : données, algorithmes, personnes.
• 30:00Définition de l'IA féministe et principes associés.
• 35:00Exemples de solutions vers une IA féministe (assistant non binaire, outils de débiaisage).
• 40:00Travaux du centre A2K4D et de l'observatoire MENA sur l'IA responsable.

• Oxford Handbook of Ethics of Artificial Intelligence — Chapitre de Nagla Rizk sur l'IA et les inégalités au Moyen-Orient.
• The State of Open Data, Histories and Horizons — Chapitre sur l'état des données ouvertes dans la région MENA.
• Invisible Women: Exposing Data Bias in a World Designed for Men — Ouvrage cité pour illustrer l'invisibilité des femmes dans les données.
• Fairwork Project — Projet mené avec l'Oxford Internet Institute pour évaluer les conditions de travail des travailleurs de plateformes.
• MENA Observatory on Responsible AI — Observatoire hébergeant les travaux sur l'IA responsable dans la région.

• Rapport de l'UNESCO sur l'éthique de l'IA — Recommandations sur l'éthique de l'IA, en accord avec les principes de l'IA féministe.
• AI Now Institute — Recherches sur les impacts sociaux de l'IA, notamment les biais de genre.

• Article critique sur l'IA féministe — Certains critiques estiment que l'IA féministe risque de rester marginale sans changements structurels plus profonds.