Exemple de programme
Vous trouverez ci-dessous un exemple de modules proposés dans le cadre du programme d’incubation New Commons. Ces modules sont conçus pour être dispensés sur une période de six mois. Chaque module associera des séminaires animés par des experts à des séances de travail en équipe structurées, et aboutira à l’élaboration d’une proposition susceptible d’obtenir un financement et d’une feuille de route opérationnelle. Le contenu des modules sera adapté en fonction des besoins et de la composition de chaque promotion, en coordination avec notre comité de pilotage composé d’experts en langues autochtones.
Cadrage de l'opportunité/du défi
ObjectifDéfinir le cas d'utilisation spécifique de l'IA, justifier la mise en place d'un biens communs de données et ancrer cette initiative dans la souveraineté des peuples autochtones en matière de données dès le premier jour.
Thèmes clés- Biens communs de données à l’ère de l’IA : pourquoi elles sont importantes pour les langues autochtones disposant de peu de ressources
- À quoi ressemblent les applications d'IA pour les langues autochtones : reconnaissance vocale (ASR), synthèse vocale, traduction automatique, ajustement des modèles de langage à grande échelle (LLM) et recherche — et quelles sont les exigences de chacune en matière de données et de gouvernance ?
- Définition du problème et maîtrise de la formulation des questions : passer d'un défi général à des priorités réalisables
- La souveraineté des peuples autochtones en matière de données et les principes CARE (intérêt collectif, pouvoir de contrôle, responsabilité, éthique)
- Prendre en compte les besoins, les valeurs et l'histoire des peuples autochtones comme fondement — et non comme une simple considération secondaire
Mise en place des retombées positives pour la communauté et de l'acceptabilité sociale
ObjectifMettre en œuvre le principe CARE du « bien commun » avant de prendre des décisions techniques ou relatives aux données, afin de garantir que les applications d’IA soient au service des communautés autochtones et ne les exploitent pas.
Thèmes clés- Comment les applications d'IA peuvent renforcer ou compromettre les objectifs des communautés autochtones : exemples concrets et lignes rouges
- Mécanismes de participation communautaire et protocoles de consultation adaptés aux différents contextes autochtones
- Autorisation sociale pour la réutilisation des données et le développement de l'IA : à quoi ressemble concrètement un consentement significatif et continu ?
- Autodétermination, avantages économiques et modèles d’appropriation communautaire pour la valeur générée par l’IA
- Facteurs contextuels : droits fonciers, traumatismes intergénérationnels, politique linguistique et confiance dans les institutions
Cartographie du paysage des données : offre, risques et diligence raisonnable
ObjectifIdentifier et évaluer les données nécessaires au bon fonctionnement des biens communs, en accordant une attention particulière aux risques, aux responsabilités juridiques et aux mesures de diligence requises avant toute collecte ou tout partage de données.
Thèmes clés- Ce dont les applications d'IA ont réellement besoin : types de données et de langages (audio, texte, métadonnées, annotations), volumes minimaux, seuils de qualité et normes de format pour l'IA en langues autochtones
- Principes FAIR-R et préparation à l'IA pour les données linguistiques issues de contextes à faibles ressources
- Évaluation des risques : identification des risques culturels, juridiques, de réputation et techniques liés à des ensembles de données spécifiques, à des partenaires et à des cas d'utilisation de l'IA
- Diligence raisonnable dans le cadre des partenariats en matière de données : évaluation des détenteurs potentiels de données au regard de la provenance, de l'historique des consentements, de l'autorisation de la communauté et de la conformité aux principes de l'IDS
- Obstacles juridiques et liés à la gouvernance : droits d'auteur, propriété intellectuelle communautaire, contrôle institutionnel de l'accès et considérations relatives aux données transfrontalières
- Approches basées sur le « minimum viable data » : comment créer des outils d'IA utiles sans attendre des ensembles de données parfaits
Concevoir la gouvernance et la responsabilité
ObjectifConcevoir des modèles de gouvernance qui intègrent la souveraineté des peuples autochtones en matière de données, définissent qui contrôle la conception des IA et garantissent une collaboration fiable et durable.
Thèmes clés- La gouvernance de l’IA en tant que gouvernance autochtone : qui décide quels modèles sont entraînés, à partir de quelles données, à quelles fins — et qui peut révoquer l’accès ?
- Modèles de gouvernance collective pour biens communs de données : structures, droits de décision et mécanismes de responsabilité
- Rôles et responsabilités en matière de gestion des données tout au long de leur cycle de vie
- Autorité, légitimité et contrôle : modèles d'accès à plusieurs niveaux, droits de veto communautaires et clauses de caducité
- Intégrer la gestion des risques dans la gouvernance : traduire le registre des risques en politiques contraignantes, en droits d'audit et en processus de correction
Architecture technique et conception d'applications d'IA
ObjectifConcevoir l'infrastructure technique nécessaire pour mettre en place, gérer et exploiter les biens communs, ainsi que pour alimenter les applications d'IA de manière à ce que les communautés puissent en assurer le contrôle et la pérennité.
Thèmes clés- Types d'applications d'IA pour les langues autochtones : reconnaissance vocale (ASR), synthèse vocale (TTS), traduction automatique, affinage des modèles de langage (LLM) et génération augmentée par la recherche (RAG) — exigences techniques et implications pour les communautés concernées pour chacune d'entre elles
- Options d'architecture technique : modèles centralisés, fédérés et sur site, conformes aux principes de souveraineté
- Contrôles d'accès aux données qui traduisent les décisions de gouvernance : licences gérées par la communauté, API d'accès à plusieurs niveaux et journaux d'audit
- Normes interopérables, schémas et vocabulaires communs pour les données relatives aux langues autochtones
- Outils et frameworks open source : ce qui existe, les lacunes qui subsistent et comment renforcer les capacités au niveau local
Durabilité, financement et mise en œuvre
ObjectifÉlaborer une stratégie viable et susceptible d'être financée pour assurer un fonctionnement à long terme, une stratégie ancrée dans la réalité institutionnelle et non dans une logique de projet pilote à court terme.
Thèmes clés- Transformer l'incubateur en projet de financement : ce que les bailleurs de fonds attendent (clarté du problème, légitimité auprès de la communauté, viabilité technique, rigueur en matière de gouvernance et pérennité)
- Paysage du financement : modèles philanthropiques, du secteur public, multilatéraux (UNESCO, ONU) et générateurs de recettes pour la langue et la culture autochtones biens communs de données
- Modèles de développement durable : hébergement institutionnel, appropriation par la communauté et revenus générés par les applications d'IA
- Incitations et obstacles institutionnels : qu’est-ce qui motive les universités, les pouvoirs publics et les entreprises technologiques à s’impliquer — et qu’est-ce qui les en empêche ?
- Déploiement à grande échelle et reproduction : concevoir dès le départ pour une adoption plus large au sein des différentes communautés linguistiques
Créez votre proposition éligible à un financement.
Ce parcours de six mois vous permettra de passer de la définition de votre opportunité à l'élaboration d'une proposition susceptible d'obtenir un financement et d'une feuille de route opérationnelle. Postulez pour intégrer votre idée biens communs de données à la promotion.