Essec Business School

Avec Cristina Alaimo et Lauren Waardenburg

 

Julia Smith, rédactrice en chef d’ESSEC Knowledge : Bonjour à toutes et à tous, et bienvenue dans Be in the Know, le podcast d’ESSEC Knowledge qui met en lumière les travaux et l’expertise des professeurs de l’ESSEC. Aujourd’hui, je reçois Cristina Alaimo et Lauren Waardenburg, toutes deux professeures en systèmes d’information, data analytics et opérations. Elles sont également les fondatrices de Theorizing Data and AI, une communauté de chercheurs qui s’intéressent aux . Elles reviennent tout juste de la quatrième édition de leur conférence annuelle et vont partager leurs réflexions. Pour commencer, pourriez-vous présenter vos travaux de recherche ? 

Cristina Alaimo : Bonjour Julia, et merci pour l’invitation. Je suis ravie de parler de Theorizing Data and AI. J’étudie depuis toujours les données avec un regard de sciences sociales : je m’interroge sur ce que sont les données, comment elles sont produites, ce qu’elles représentent, et comment elles influencent les décisions des organisations et leur manière de décrire le monde.

Ce lien avec l’IA est essentiel : la plupart des données de recherche sont utilisées comme matière première pour entraîner les systèmes d’IA. Mais les données ont aussi leur propre histoire : elles sont le résultat de choix techniques, organisationnels, et même de trajectoires historiques. C’est cette articulation entre données et IA qui m’a conduite à étudier l’intelligence artificielle et à collaborer avec Lauren sur ce projet.

Lauren Waardenburg : Merci Julia, bonjour à toutes et à tous. Je suis Lauren. Je travaille sur l’IA depuis 2016 :  dix ans déjà, ce qui me paraît incroyable !

Je m’intéresse surtout à l’IA dans des contextes dits “extrêmes” : police, armée, etc. Je suis ethnographe : je vais sur le terrain, dans ces organisations, pour observer comment la technologie transforme le travail. Et j’ai très vite compris qu’on ne peut pas étudier l’IA sans étudier les données. Impossible de dissocier les deux : les données façonnent profondément le travail quotidien, dans ces milieux comme ailleurs.

J’adopte une approche socio-technique : je regarde à la fois les effets sociaux sur le travail et les aspects techniques des systèmes, en observant comment ils évoluent à travers nos pratiques.

Julia Smith : Merci Cristina et Lauren. Visiblement, vous avez une expertise solide autour de l’IA et des données. Comment est née la communauté Theorizing Data and AI ?

Lauren Waardenburg : Tout a commencé à l’été 2022, lors de la conférence EGOS. Cristina et moi nous connaissions depuis longtemps : nous travaillions sur des sujets proches, mais dans deux communautés scientifiques qui ne dialoguaient pas vraiment entre elles. Nous nous sommes dit : « Ce serait formidable de réunir nos deux communautés pour échanger vraiment sur les données et l’IA. » Puis l’idée a grandi : pourquoi ne pas ouvrir encore plus largement, inviter d’autres disciplines, d’autres sensibilités ?

Nous avons obtenu un financement de la Society for the Advancement of Management Studies, ce qui nous a permis d’organiser la première édition du workshop. Ce qui fait la force de Theorizing Data and AI, c’est cette diversité : chercheurs en systèmes d’information, en management, en sociologie, en comptabilité, en informatique… Nous invitons des intervenants de tous horizons pour nourrir la réflexion. La première édition rassemblait une cinquantaine de personnes ; depuis, la communauté ne cesse de grandir.

Julia Smith : Comment, dans vos propres travaux, parvenez-vous à articuler sciences sociales, données et IA ?

Cristina Alaimo : C’est un vrai défi, mais aussi un engagement fort. Dans mes recherches, je refuse de considérer les données comme allant de soi. Je questionne leur production, leurs présupposés, ce qu’elles donnent à voir du monde.

Dans des organisations désormais “data-driven”, il est crucial d’intégrer ce que mon co‑auteur Jannis Kallinikos et moi appelons une science sociale des données dans l’étude des technologies, dont l’IA qui repose massivement sur elles.

Depuis le début, nous voulions encourager une réflexion qui ne prenne ni les données ni l’IA pour des évidences, mais qui reconstitue leurs histoires, leurs choix techniques, leurs contextes organisationnels. Ouvrir la “boîte noire”, en somme.

Lauren Waardenburg : Un autre point essentiel est de dépasser le “hype”. Notre premier workshop s’appelait d’ailleurs Beyond the hype of AI. À l’époque, on parlait surtout de machine learning classique ; aujourd’hui, l’IA générative a changé le paysage.

Le discours dominant exagère souvent les promesses technologiques. Si on s’y laisse prendre, on perd de vue ce que les technologies font réellement, ce qu’elles ne font pas, et comment nous contribuons à les façonner. Dans mes recherches, j’essaie de résister à l’idée que “l’IA va tout changer et nous n’avons qu’à regarder”. Je m’intéresse à ce qui change, à ce qui ne change pas, et à la manière dont nos actions influencent ces systèmes.

Cristina Alaimo : Pour rendre cela concret, nous misons beaucoup sur le dialogue entre disciplines. Et nous restons centrées sur le phénomène : étudier l’IA, c’est étudier les données ; étudier les données, c’est étudier l’IA. Les deux sont désormais indissociables. En réunissant des chercheurs de différents horizons, on enrichit la compréhension du phénomène et on évite les discours simplistes.

Julia Smith : Quelles ont été les discussions ou moments marquants de la conférence cette année ?

Lauren Waardenburg : On est très fières de voir la communauté évoluer et les conversations se prolonger bien après la conférence. Deux éléments ressortent particulièrement.

D’abord, le workshop "pré-conférence", dédié aux jeunes chercheurs. Une journée entière de discussions en petits groupes, où chacun peut présenter des idées encore très embryonnaires. L’objectif est simple : que les participants repartent avec une nouvelle perspective. Ce format a pris tellement d’ampleur qu’il est devenu une journée à part entière.

Ensuite, les keynotes. Chaque année, nous invitons des intervenants qui sortent de notre zone de confort. Nous leur demandons de parler à une communauté qui n’est pas forcément la leur, ce qui crée une forme de vulnérabilité très productive. Cette année, Lior Zalmanson a proposé une intervention magnifique sur le rôle de l’art dans la manière dont nous théorisons l’IA. Et ce qui est fascinant, c’est que ces keynotes inspirent d’autres projets et d’autres discussions.

Cristina Alaimo : Cette année, à la London School of Economics, nous avons accueilli 140 participants, trois keynotes, une intervention artistique, un panel… Notre comité scientifique regroupe désormais plus de vingt professeurs de disciplines variées : sociologie, science politique, comptabilité, systèmes d’information, management… Plusieurs collègues de l’ESSEC y participent déjà, et nous espérons en accueillir davantage. Ces échanges ont donné naissance à des projets scientifiques dont nous sommes très fières. Deux exemples :

• Un éditorial à paraître dans le European Journal of Information Systems, co‑écrit avec Jannis Kallinikos et Youngjin Yoo. Nous y distinguons clairement machine learning “traditionnel” et deep learning, pour mieux comprendre leurs implications organisationnelles.

• Un numéro spécial du même journal, consacré au lien entre données et IA. L’appel à contributions est ouvert : nous encourageons les chercheurs à proposer des travaux qui articulent vraiment les deux dimensions.

Julia Smith : À partir de vos travaux et de ceux de la communauté, comment imaginez-vous notre relation à l’IA dans les prochaines années ?

Cristina Alaimo : Nous étudions surtout le passé et le présent, donc anticiper l’avenir est toujours délicat. Mais quelques pistes se dessinent.

D’abord, il faudra être plus précis lorsqu’on parle d’IA : c’est une famille de technologies très diverses. Différencier machine learning et deep learning, par exemple, deviendra indispensable.

Ensuite, il faudra dépasser l’échelle individuelle. On parle beaucoup de l’impact de l’IA générative sur les individus ; beaucoup moins de son impact sur les collectifs, les organisations, les institutions. C’est un chantier essentiel.

Enfin, il faudra renforcer le dialogue avec les régulateurs. Nous avons besoin de règles qui accompagnent l’innovation sans l’étouffer. Et les sciences sociales ont un rôle majeur à jouer : les questions de régulation sont désormais sociotechniques, pas seulement économiques ou juridiques.

Lauren Waardenburg : J’ajouterais que beaucoup de rôles et d’activités “évidentes” doivent désormais être réexaminés. Pendant longtemps, l’IA avait des usages très spécialisés ; aujourd’hui, elle est dans nos foyers, nos pratiques quotidiennes.

Par exemple, le rôle du manager : longtemps considéré comme allant de soi, il doit maintenant être repensé à l’aune de l’IA générative. Ces zones d’ombre, ces tâches invisibles, doivent être intégrées dans les politiques publiques et les cadres de gouvernance.

Julia Smith : Pour conclure, quels conseils donneriez-vous aux chercheurs ou à toute personne qui réfléchit à sa relation à l’IA ?

Lauren Waardenburg : Puisque l’IA concerne beaucoup de monde, il faut apprendre de nombreuses disciplines. C’est l’un des principes fondateurs de Theorizing Data and AI. Sortons de nos silos. Allons chercher des idées en sociologie, en art, en comptabilité… Ces disciplines révèlent des angles morts que nous ne voyons pas depuis notre propre champ.

Cristina Alaimo : Je partage totalement ce point. Et j’ajoute un conseil très concret : créez votre communauté. Ne vous contentez pas des cadres existants. Si un espace de discussion manque, inventez-le. C’est ce que nous avons fait, et cela a généré une dynamique incroyable, notamment pour les jeunes chercheurs.

Parler, partager, créer des lieux de dialogue : c’est indispensable pour comprendre des phénomènes aussi complexes que les données et l’IA.

Julia Smith : Merci beaucoup, Cristina et Lauren, pour cet échange. À l’heure où l’IA transforme nos sociétés et nos organisations, votre approche interdisciplinaire est essentielle et inspirante. Merci encore.