L’appropriation journalistique des IA
Les applications dans la sphère médiatique sont très variées et transforment l’écosystème. Le journalisme, par exemple, se retrouve en pleine transformation : des IA sont déjà capables d’écrire des articles, des dépêches de résultats financiers, de résultats électoraux… Ce qui laissera la possibilité aux journalistes de se concentrer sur des missions à plus forte valeur ajoutée : les investigations, les enquêtes ou encore les interviews. Selon Eric Scherer, les journalistes devront collaborer avec ces machines. Les investigations conduites par Wikileaks s’appuyant sur pléthore de données, seraient impossibles à réaliser de façon traditionnelle, sans ces algorithmes. Ils sont en effet extrêmement efficaces pour organiser et analyser des données en masse et permettent aux humains d’aller plus loin dans le secteur dans lequel ils s’appliquent.
Toujours dans le monde du journalisme, les présentateurs sont également amenés à être assistés voir remplacés par des robots. Xinhua, une agence de presse chinoise, a mis au point un présentateur robotisé capable de présenter des journaux télévisés jour et nuit, du lundi au dimanche. Selon Eric Scherer, ces expérimentations ne sont qu’au stade de prototype mais dessinent l’avenir : nous serons en mesure de choisir qui nous voulons voir comme présentateur de notre JT personnalisé. Ainsi, en plus de bouleverser la technique médiatique et les métiers qui régissent l’écosystème médiatiques, ce sont également les usages des consommateurs qui s’emparent de ce processus. L’IA ne se limite donc pas qu’à une expérimentation technique mais s’étend aux usages.
Un autre aspect du journalisme se verra bouleversé par l’arrivée des IA : la vérification de sources et la lutte contre les fake news. Une photo ou une vidéo peut être analysée par un algorithme se basant sur le Deep Learning. Le Deep Learning, ou apprentissage profond consiste à faire analyser à un algorithme une grande quantité de vidéo/photos, souvent des centaines de millions, dans le but de le faire reconnaître ce qui compose ces vidéos/images (un chat, de l’eau, une voiture…). Ce système permet, grâce à des mécanismes de comparaisons, de savoir de quand date une vidéo/photo et de la recontextualiser. Ces algorithmes sont ainsi capables de vérifier l’authenticité d’une vidéo/photo et, dans le cas des fake news, ils seront en mesure de détecter l’origine et le cheminement de celles-ci. Aussi, le deep learning permet de plus en plus aux journalistes d’effectuer du « speech to text », c’est à dire le processus de retranscription automatique de paroles provenant d’un enregistrement sur un fichier texte. Cet usage permettra aux journalistes de gagner un temps considérable sur la retranscription et ainsi, de se concentrer sur des tâches à valeur ajoutée.