Barricades cognitives

Au cours des deux dernières semaines, nous avons abordé la manière dont le prolétariat synthétique est créé et stratifié dans l'ordre médiatique numérique, dominé par l'intelligence artificielle (IA) et les algorithmes. Nous avons parlé de ce prolétariat synthétique stratifié, allant des travailleurs fantômes au Kenya aux modérateurs de Reddit, du « client-travailleur » qui paie un tribut d'abonnement pour accéder aux données qu'il produit lui-même, jusqu'à l'universitaire qui perd silencieusement son expertise professionnelle. La situation pointe vers une opération de dépossession menée par un capital monopolistique intensif en données, plus profonde que le capitalisme de surveillance classique. L'histoire ne s'arrête pas là. Car, des États-Unis à l'Europe, des industries créatives aux communautés de logiciels, des contre-mesures concrètes ont émergé face à l'exploitation algorithmique.

SABOTAGE TECHNIQUE : EMPOISONNER LES DONNÉES ET EFFONDREMENT DU MODÈLE

Les systèmes d'IA sont des structures statistiques et algorithmiques ; ils se nourrissent de nos données et apprennent grâce à elles. La donnée est le point le plus fragile et le plus fondamental du système. Partant de ce constat, des artistes américains ont activement utilisé des outils comme Nightshade et Glaze, développés à l'Université de Chicago, pour empoisonner les modèles. Alors que le contenu reste normal pour l'humain, il se transforme en données perturbatrices pour le modèle. Dans certains cas, le modèle a même appris à identifier un « chat » comme une « voiture ». Comme l'exprime McQuillan (2022), les artistes ont diffusé des données corrompues dans le cadre d'une pratique d'autodéfense technique. À long terme, ces actions perturbatrices pourraient entraîner l'effondrement du modèle, celui-ci s'étouffant dans ses propres sorties synthétiques (le « AI slop ») (Jacobsen, 2023).

SABOTAGE TEMPOREL : BRISER LA VITESSE DE L'ALGORITHME

Le capitalisme algorithmique se nourrit de la vitesse et de l'interaction en temps réel. Pourtant, l'un des plus anciens actes de résistance sociale humaine consiste à ralentir le travail. Le refus des créateurs de contenu de se plier à la pression quotidienne des « likes » et des commentaires, le fait que les experts ne répondent pas instantanément sur les forums, ou les comportements visant à réduire consciemment les métriques d'« utilisateur actif » sur les plateformes, diminuent la vitesse et les marges bénéficiaires. Les actions massives d'arrêt de contenu, de ralentissement et de « black-out » sur Reddit et Stack Overflow, suite à l'annonce par Reddit de la vente de ses données aux entreprises d'IA en 2023, s'inscrivent dans cette logique. Ces actions ont ciblé la dépendance de l'IA envers les données d'expertise organique, la vitesse et le sens.

RETIRER LE TRAVAIL ÉMOTIONNEL, COUPER LE FLUX DE DONNÉES ORGANIQUES

Les émotions et réactions humaines telles que l'appréciation, la colère, l'empathie et l'ironie sont la matière première de l'« humanisation » utilisée par le modèle pour apprendre. Ne pas participer consciemment aux débats ou ne pas réagir ne doit pas être vu comme de la passivité, mais comme une grève du sens. Par exemple, lors de la grève des scénaristes d'Hollywood (WGA) en 2023, le refus des auteurs de fournir des données qualifiées, au motif que « nos données ne peuvent être utilisées pour l'entraînement sans consentement », constitue une utilisation collective des options de retrait (opt-out) face aux plateformes.

SYNDICALISME DES DONNÉES : LE BOUCLIER COLLECTIF DE L'EXPERTISE

L'utilisateur individuel est impuissant ; les données organisées, en revanche, génèrent un pouvoir de négociation. Des coopératives de données comme MIDATA en Suisse et le projet DECODE soutenu par l'UE tentent de retirer la propriété collective au capital technologique pour la rendre à la société. Pour les médecins, les avocats et les universitaires, le syndicalisme des données est une protection syndicale de la propriété cognitive. Alors que MIDATA rassemble les données de santé sous l'égide d'une coopérative où les membres décident comment et à qui les données sont vendues, le projet DECODE propose une approche où les données des citoyens sont gérées par des licences collectives.

DISTINGUER L'HUMAIN : RÉVÉLER LE CONTENU SYNTHÉTIQUE

À mesure que le déluge de données synthétiques rend la production humaine invisible, la distinguabilité du travail humain est devenue une revendication politique. Les déclarations d'origine du contenu et les signatures résistantes à l'ingénierie inverse sont des outils de résistance. Aux États-Unis, alors que des artistes et des éditeurs font pression pour que l'étiquette « human-made content » devienne la norme, les projets de loi sur l'IA de l'Union européenne ont ouvert le débat sur les obligations d'étiquetage des contenus synthétiques et sur la transparence des données d'entraînement.

REFUGES COGNITIFS : ESPACES HORS ALGORITHMES

Des espaces hors algorithmes ont commencé à être créés via des blogs fermés aux moteurs de recherche, des archives, des communautés Discord privées et des plateformes de publication refusant l'indexation algorithmique.

ÉROSION JURIDIQUE : RALENTIR LE SYSTÈME

Le capital technologique mondial aime le récit de l'« impératif inévitable » lorsqu'il commercialise la technologie. Le droit, quant à lui, peut alourdir le système, même s'il ne l'arrête pas immédiatement. Les poursuites pour violation du droit d'auteur, des données personnelles, du secret professionnel ou du consentement ne fermeront peut-être pas les modèles, mais elles entravent les cycles d'entraînement, façonnent l'opinion publique et causent des pertes financières aux entreprises. Les initiatives syndicales sur l'IA au Canada et en Europe ont montré que le droit constitue un mécanisme de pression constant en ralentissant les cycles d'entraînement.

Ce qui précède sont des actions et des formes qui ont « déjà eu lieu ». Et l'esprit humain ainsi que sa créativité trouveront bien d'autres moyens d'action. Tout cela constitue des efforts et des appels visant à modifier le régime de propriété des données. La résistance numérique ne doit pas cibler la technologie et son intelligence, mais la hiérarchie des connaissances et le régime de propriété sur lesquels elle est construite.