Sciences politiques

Police algorithmique

Par Michel Fournier-Simard
Cohorte 2021-2022

Mon objectif dans le cadre de la COP d'enseignement de l'IA de Dawson était de traduire une partie du contenu développé dans le cadre de ma recherche doctorale sur la police algorithmique en matériel utilisable pour les cours de sciences sociales du CÉGEP. J'ai développé du matériel pédagogique sur ce thème qui peut être appliqué dans les cours de sciences sociales et humaines. Comme mes recherches portent sur la sociologie politique, une grande partie du matériel a été élaborée en pensant aux cours de sciences politiques et de sociologie (par exemple, Introduction à la science politique 385-101-DW, Démocratie canadienne 385-306-DW, Individus et société 387-101-DW, Sociologie du droit 387-219-DW, Déviance sociale 387-311-DW). Cependant, comme l'IA et la police sont des sujets importants dans les débats contemporains, j'espère qu'ils susciteront l'intérêt d'enseignants d'autres disciplines. Deuxièmement, j'ai développé un séminaire intégratif (300-308-DW) consacré à l'étude de l'impact social de l'IA. Enfin, ce portefeuille comprend des modules d'introduction et des activités dédiées aux sections Méthodes de recherche(300-300-DW). Le contenu de l'IS et de la RM est étincelant avec le contenu de la police algorithmique.

Module de police algorithmique

Dans le cadre de cette COP sur l'IA, j'ai développé un module d'introduction sur la police algorithmique. Ce matériel a été conçu pour les cours de sciences politiques et de sociologie, mais j'espère qu'il pourra être utile aux enseignants d'autres disciplines. L'IA et le maintien de l'ordre soulèvent tous deux des questions importantes qui méritent d'être abordées sous le plus grand nombre de perspectives possible. Le module s'articule autour de ce PPT, qui comprend les éléments suivants :

  • Définitions de l'IA, de la police et de la police algorithmique
  • Exemples de police algorithmique au Canada
  • Introductions aux dimensions clés des débats sur la police algorithmique, notamment les biais, la protection de la vie privée et la réglementation.
Capture d'écran, le 2022-05-24 à 13.25.16

Pour introduire des thèmes tels que la reconnaissance faciale ou les lecteurs automatiques de plaques d'immatriculation, certains professeurs peuvent trouver utile d'utiliser Google Quick, Draw ! pour illustrer le fonctionnement de la reconnaissance d'objets. Cela permet d'abord de donner un exemple concret de l'apprentissage automatique. En outre, lorsque vous abordez plus tard dans la présentation les biais algorithmiques, cela permet d'expliquer le rôle de l'homme dans l'alimentation des algorithmes en données. L'algorithme ne sait rien de mieux que ce que les humains lui disent être la vérité. Par exemple, si tous les étudiants commencent à dessiner des carrés lorsqu'on leur demande de dessiner des boomerangs, l'algorithme de Google finira par croire que les boomerangs sont carrés.

Capture d'écran, le 2022-05-24 à 13.28.15De nombreuses lectures peuvent accompagner ce module. Deux court textes d'Elizabeth E. Joh constituent une excellente introduction au thème de l'IA et du maintien de l'ordre. Pour une analyse plus détaillée, l'ouvrage de Joh article sur l'influence indue des sociétés de technologie de surveillance sur le maintien de l'ordre est à lire absolument. Il conviendrait particulièrement bien aux programmes de droit, de société et de justice. Si vous vous intéressez à la question de la surveillance et/ou des caméras corporelles, je vous recommande cette lecture. article.

Les étudiants ont souvent tendance à penser que la police algorithmique est réservée à la Chine et aux États-Unis. Pour remédier à cette perception erronée, j'ai donné des extraits du rapport de CitizenLab sur l'utilisation des technologies de police algorithmique au Canada à l'horizon 2020. La page FAQ du Labo définit également très bien les technologies telles que la police prédictive, le RPM, les logiciels de surveillance des médias sociaux et la reconnaissance faciale.

Sur la question des préjugés, The Conversation est un excellent document de mise en contexte, qui aborde également la question de la protection de la vie privée. En outre, le rapport de Julia Angwin, Jeff Larson, Surya Mattu et Lauren Kirchner de ProPublica sur les algorithmes d'évaluation des risques liés à la mise en liberté sous caution a donné lieu à d'excellentes conversations en classe. Il est vrai que la procédure de mise en liberté sous caution est distincte du maintien de l'ordre, mais elle est tout de même liée au système de justice pénale. Je recommande également cet épisode du podcast A.I. Nation. Pour les étudiants qui apprennent visuellement, le Wall Street Journal propose une série de vidéos sur la surveillance, de la Nouvelle-Orléans à la Chine.

Pour une liste condensée des ressources sur la police algorithmique, veuillez vous référer au document sur l'application de la loi dans la section intitulée "Dossiers Moodle : Description thématique et liste condensée de ressources". En ce qui concerne le thème spécifique de la police prédictive, veuillez vous référer à la dernière section de ce dossier sur les méthodes de recherche.

Séminaire intégratif sur l'impact social de l'IA

Le séminaire d'intégration est la dernière exigence du programme pour les étudiants en sciences sociales. Un projet de SI qui passionne les étudiants peut avoir une influence durable sur eux. Ma recherche sur Oxfam Québec est l'un des rares projets dont je me souvienne lorsque j'étais étudiant au CÉGEP, à l'époque où les étudiants n'avaient pas de téléphone portable et où nous devions nous rendre en personne à la Grande Bibliothèque pour trouver des ressources. Les projets IS visent à donner aux étudiants les outils et la confiance nécessaires pour réussir la transition vers les programmes universitaires, et à tirer parti de diverses disciplines des sciences sociales pour améliorer leur compréhension d'un phénomène spécifique.

Dans le cadre du séminaire intégratif intitulé "Menaces contemporaines pour la démocratie libérale : L'intelligence artificielle", les étudiants sont invités à produire un document de niveau universitaire sur un thème lié à l'IA, en utilisant au moins trois disciplines des sciences sociales. L'impact social de l'IA était un thème particulièrement bien adapté à un cours interdisciplinaire tel que le SI. L'étude de ce thème d'un point de vue disciplinaire ne donne qu'une compréhension partielle de l'éventail des perturbations causées par l'IA. Les algorithmes ont un impact sur les humains de multiples façons, depuis les moyens de production de notre société jusqu'à la manière dont nous interagissons les uns avec les autres. Ce thème IS a donc permis d'aborder naturellement les liens et les différences entre les sciences sociales, puisque chaque discipline aborde l'étude de l'IA avec ses propres théories, concepts et optiques d'analyse. En tant que domaine d'étude émergent, l'impact social de l'IA n'a pas encore fait l'objet d'un consensus interdisciplinaire sur les terminologies et les concepts. Les étudiants ont donc dû se tourner vers leurs cours disciplinaires pour élargir leurs mots-clés dans les moteurs de recherche.

L'IA pouvant être un sujet imposant pour beaucoup¾il y a tant à étudier!¾les étudiants ont reçu une liste non contraignante de thèmes (4) et de domaines (3) potentiels afin d'inspirer leur choix de sujet. Chaque thème et sujet avait un dossier Moodle dédié avec une liste de 5 à 20 ressources et références pour les aider à choisir sur quoi travailler, mais aussi pour les guider dans leur recherche de sources pertinentes. Il s'agissait notamment de liens vers des articles universitaires qui ont inspiré mes propres recherches, mais aussi vers des points de vue très divers sur l'IA. Le premier jour, chacun de mes étudiants a également dû lire un portfolio d' un professeur de Dawson qui m'a précédé dans la COP sur l'IA. Les étudiants intéressés par les questions éthiques étaient dirigés vers la page de Robert Stephens Dawson ; ceux qui s'intéressaient à l'économie de l'IA étaient dirigés vers la page d'Ahmad Banki, et ainsi de suite.

Le niveau de connaissance de l'IA des étudiants au début du cours était impressionnant. Il y a quelques années, l'IA était encore présentée dans les conversations comme une panacée transcendante qui résoudrait toutes sortes de problèmes, du réchauffement climatique aux inégalités économiques. Aujourd'hui, les étudiants sont conscients du potentiel et des risques associés à ces outils puissants. Les "zoomers" (ou la génération Z, si vous préférez) sont particulièrement conscients des biais et des aspects liés à la confidentialité des données.

Pour aider les étudiants à tirer parti de ces connaissances de base dans des séries de questions et un travail de niveau universitaire, j'ai ajouté dans les dossiers une brève description pour présenter chaque thème/domaine. Vous pouvez les considérer comme des pistes pour expliquer pourquoi, parmi tous les sujets liés à l'IA, un sous-ensemble spécifique de questions sur l'IA vaut la peine d'y consacrer le plus grand projet de votre carrière d'étudiant en sciences sociales au CÉGEP.

Outre les descriptions thématiques, les dossiers Moodle comprennent une liste de ressources pour chaque thème et domaine. Chaque ressource n'est présente que dans un seul document, mais il y a quelques chevauchements entre les thèmes et les domaines. Notez qu'à certaines occasions, et seulement lorsque les documents étaient disponibles en ligne sans pare-feu, j'ai partagé avec les étudiants des documents PDF avec des points forts et des commentaires sur la façon dont la ressource était liée à notre classe ou à ma propre recherche.

Dossiers Moodle : Description thématique et liste condensée des ressources

Les quatre thèmes explorés par le cours sont les suivants

Les trois domaines explorés sont les suivants

Vous pouvez trouver les sept descriptions des dossiers Moodle ici. Notez qu'au début du semestre, les dossiers Moodle ne contenaient qu'une ou deux ressources web présélectionnées, car je ne voulais pas les noyer sous le matériel au début du processus de recherche. Notez également que pour les trois domaines, j'établis des liens avec les thèmes. Cela s'explique par le fait que les étudiants devaient choisir une combinaison d'un thème et d'un domaine, afin de mieux orienter leur recherche.

Sous-groupes thématiques et travaux d'étudiants

Une fois que les étudiants ont sélectionné les sujets de leur épreuve d'IS, ils ont été répartis en trois sous-groupes thématiques. La répartition des étudiants en sous-groupes a contribué à la dimension centrale de coaching de l'IS. Les étudiants ont systématiquement fait équipe avec les membres de leur groupe pour effectuer des travaux pratiques, partager des ressources lors de mini-présentations orales au début du semestre, examiner des projets avec des thèses similaires, etc. Le fait d'être associé à des collègues travaillant sur des sujets similaires a optimisé ces exercices d'apprentissage. Les trois sous-groupes étaient les suivants :

  • éthique et soins de santé
  • économie et réglementation
  • application de la loi

Le groupe des forces de l'ordre était le plus nombreux, ce qui n'est pas très surprenant étant donné qu'il s'agissait d'un IS sur le droit, la justice et la société. Mon expertise en matière de police algorithmique, qui fait l'objet de ma thèse de doctorat, a peut-être aussi fait pencher la balance. Dans tous les cas, les étudiants devaient relier leur projet d'une manière ou d'une autre aux démocraties libérales, le thème de fond de ce cours. Le thème de la démocratie libérale a évité aux étudiants de trop s'écarter de leur projet et de penser à l'impact social de l'IA en termes de pratiques démocratiques, de polarisation, de pouvoir, etc. Cependant, comme il s'agissait d'un séminaire de SI, les étudiants avaient la possibilité de choisir d'autres questions liées à l'IA. La plupart d'entre eux s'en sont tenus aux options proposées, mais il y a eu des contributions intéressantes dans d'autres domaines tels que l'éducation, la cyberguerre et les transports.

Voici une sélection de titres tirés de l'évaluation globale réalisée par mes étudiants au cours du semestre d'hiver 2022 (section 22 de l'IS). J'ai inclus les noms des étudiants auteurs de ces excellents travaux (avec leur consentement éclairé écrit) et j'ai abrégé certains des titres :

  • L'intelligence émotionnelle : L'IA, le Frankenstein moderne - Sasha Lamontagne
  • Le danger de l'intelligence artificielle dans l'armée - Metaxia Giotsalitis
  • L'intelligence artificielle, une clé utopique pour l'éducation - Naba Qayum
  • Police et IA : la précision des préjugés - Zachary Honsinger-Ruoff
  • L'avenir condamné des systèmes de santé - Katherine Colacone
  • Réglementation des GAFAM : vie privée, domination économique et influence politique - Kamil Kowalski
  • Discrimination mathématique : Comment l'IA est utilisée contre les groupes de personnes défavorisées - Saarah Jabar
  • Reconnaissance faciale : L'avenir imparfait de la police - Sabrina Gonzalez Roque
  • La politique de la démocratie numérique - Charlotte Pelletier-Burke

Énoncés de thèse Lab : Comprendre que l'IA est socialement construite

Les laboratoires font partie intégrante du cours de séminaire intégratif. Au début du semestre, les étudiants ont été répartis en groupes de trois pour réaliser un laboratoire intitulé "Sociotechnical Imaginaries Thesis Statement Lab". Il s'agit du premier laboratoire que les étudiants ont réalisé après l'exercice initial où il leur était demandé de rechercher des sources évaluées par des pairs dans trois disciplines (ce que la plupart des professeurs ont assigné sous une forme ou une autre). L'objectif de ce laboratoire de suivi était d'aider les étudiants à mieux apprécier et évaluer les références qu'ils avaient rassemblées. L'intelligence artificielle est socialement construite. Différents acteurs tentent activement de promouvoir leur propre vision de ce qu'est l'IA, mais aussi de ce qu'elle signifie pour l'avenir de la société. Janet Chan qualifie ces perspectives intentionnelles d'"imaginaires sociotechniques", qui sont "des visions collectivement détenues, institutionnellement stabilisées et publiquement exécutées de futurs souhaitables, animées par des compréhensions partagées de formes de vie sociale et d'ordre social réalisables grâce aux progrès de la science et de la technologie et les soutenant" (Jassanof 2015, 4 d'après Chan 2021).

Le chapitre du livre de Mme Chan a inspiré ce laboratoire, et le PPT du laboratoire résume les quatre perspectives qu'elle décrit :

  • la vision utopique
  • le point de vue des droits civils
  • le point de vue des sciences sociales
  • le point de vue du scientifique des données

Le laboratoire a commencé par présenter le concept d'imaginaire sociotechnique et les quatre imaginaires de l'IA. Les étudiants ont été invités à classer les sources évaluées par les pairs qu'ils ont collectées selon ces quatre perspectives. Ils ont ensuite été chargés, par équipes de trois, de proposer des thèses sur leurs propres sujets à partir de ces mêmes imaginaires (une thèse du point de vue d'un scientifique des données, une autre du point de vue d'un militant des droits civiques, etc.) D'un point de vue méthodologique, cela a permis de rafraîchir les leçons du MR sur la manière de rédiger des énoncés de thèse efficaces. Le laboratoire a également permis aux étudiants d'évaluer de manière critique les sources qu'ils avaient trouvées lors du cours précédent. Cela leur a rappelé qu'une source évaluée par des pairs ne signifie pas qu'elle n'est pas animée par une construction sociale particulière de la technologie, qu'elle soit intentionnelle ou non.

Séminaire intégratif : Composante française

La composante française obligatoire de ce cours consistait à trouver deux sources (dont une évaluée par des pairs) en français. Il y a beaucoup de contenu lié à l'IA en français, donc cela n'a pas été trop difficile pour les étudiants. La plupart des étudiants ont fini par utiliser ces références dans leurs évaluations complètes. Cela leur a permis de consulter des documents présentant parfois des perspectives ontologiques et épistémologiques distinctes sur l'IA.

En outre, la plupart des ressources trouvées par les étudiants en français ont été produites par des chercheurs locaux. Sur ce point, ce n'est pas un hasard si l'accent est mis sur l'IA dans notre institution. Le Collège Dawson est situé à Montréal et fait partie d'un riche écosystème d'IA (voir une cartographie partielle). J'ai donc utilisé le laboratoire pour présenter aux étudiants les différents acteurs qui composent cet univers, et j'ai présenté des startups, des groupes de recherche, des applications, ou des déclarations qui ont eu un impact global. Nous avons également discuté de l'IA de Dawson, ainsi que des perspectives d'avenir s'ils souhaitent poursuivre une carrière dans ce domaine, à Montréal ou ailleurs. Le dernier semestre de votre carrière au CÉGEP est à la fois stressant et excitant ; les décisions que vous prenez à ce tournant crucial pourraient vous suivre toute votre vie. Pour les aider dans ce processus, j'ai partagé avec eux le podcast et le site Web 80 000 heures que certains étudiants ont trouvé utiles lorsqu'ils ont réfléchi à leurs possibilités de carrière.

Tutoriels

3

Pour évaluer le niveau de connaissances de mon groupe en matière d'IA, j'ai demandé aux étudiants de réaliser de courts tutoriels sur l'IA au cours de la première semaine de cours. J'ai choisi différents tutoriels au hasard et j'ai demandé aux étudiants de me faire part de leurs commentaires par la suite. Celui qu'ils ont préféré est le didacticiel Techvidan AI Tutorial. L'interface est conviviale et accessible aux étudiants du CÉGEP. Il faut savoir qu'il met l'accent sur les dimensions liées aux soins de santé, ce qui, dans mon cas, a bien fonctionné puisque la plupart de mes exemples portaient sur les services de police. En termes de contenu, le didacticiel Techvidan est un bon point de départ car il ne couvre pas trop de matériel technique qui pourrait effrayer certains étudiants en sciences sociales. (Il est probablement plus sage de commencer par l'impact social de la technologie et d'aborder les mathématiques bayésiennes plus tard).

Au cours du semestre, les étudiants ont parfois exprimé des difficultés à comprendre les concepts techniques qu'ils ont lus dans les ressources évaluées par les pairs. En effet, de nombreux spécialistes de l'impact social de l'IA ont tendance à supposer que des concepts tels que l'apprentissage profond et l'apprentissage automatique sont connus de tous. Je les ai envoyés ici pour une étude concise des définitions (qui est régulièrement mise à jour), à moins qu'ils ne se concentrent sur l'économie (The McKinsey Global Survey on the State of A.I., 2021). Quelques étudiants ont demandé à aller encore plus loin.

Autres documents pour préparer un séminaire intégratif axé sur l'IA :

Lab : Pratiquer avec MLA et la police algorithmique

Diapositives PPT des classes 2 et 3

Cours sur les méthodes de recherche introduisant les thèmes de l'intelligence artificielle

Police prédictive

RM est le premier des trois cours de méthodologie obligatoires pour les étudiants en sciences sociales à Dawson. Pour susciter l'intérêt des étudiants pour les méthodes, un collègue professeur de RM m'a donné un conseil utile : utiliser des recherches qui influencent mon propre travail. La logique veut que si le professeur est enthousiasmé par un projet de recherche spécifique, les étudiants le seront aussi. Malgré mes efforts, la recherche sur les lecteurs automatiques de plaques d'immatriculation n'a pas particulièrement suscité l'intérêt des étudiants. En revanche, j'ai trouvé un exemple qui a éveillé la curiosité des étudiants : l'étude sur la police prédictive (PP). Les cas discutés comprenaient Vancouver, la Nouvelle-Orléans, Chicago (basé sur les personnes, voir Saunders et al. pour plus de détails), Shreveport et Los Angeles, sur lesquels nous nous sommes concentrés.

Le PP a permis de bonnes discussions sur la nature des données, ainsi que sur les corrélations problématiques que les officiers de police établissent sur la base de cette IA. Après avoir présenté la technologie, j'ai demandé aux étudiants de faire un exercice basé sur la liste de contrôle Palantir des délinquants chroniques du LAPD. Les étudiants devaient notamment dresser la liste des hypothèses et autres dimensions méthodologiques problématiques de ce document.

4

LA était également un cas intéressant pour une leçon de GR, car les chercheurs en sciences sociales se sont alliés à la société civile et aux journalistes pour changer concrètement la politique de la police en matière d'IA, à savoir l'abandon du logiciel problématique PredPol par le LAPD. À ce sujet, un rapport du groupe de la société civile Stop LAPD Spying coalition peut être consulté ici, et j'ai discuté de ses méthodes et de ses préjugés dans mon cours. The Intercept a également réalisé un excellent reportage (parmi les nombreux journalistes qui ont travaillé sur ce sujet). Le rapport de la commission de police du LAPD vaut également la peine d'être consulté pour examiner l'absence de mécanismes de responsabilité pour l'adoption précoce de l'IA par la police.

5

Du côté des chercheurs en sciences sociales, les travaux de la sociologue canadienne Sarah Brayne valent le détour, qu'il s'agisse de son livre ou de son article. J'ai demandé aux étudiants de lire ce court article(How the LAPD and Palantir Use Data to Jusitify Racist Policing), qui met en contexte son livre et son impact. Le travail de Brayne est utile car il relie la plupart des éléments que je voulais discuter en termes d'introduction du big data policing et du predictive policing à mes étudiants. En outre, il m'a permis d'introduire les concepts de recherche ethnographique, de travail sur le terrain et d'entretiens approfondis.

Ted Talk sur les données

 

Pour illustrer mon cours d'introduction sur les données quantitatives et qualitatives, mes étudiants et moi-même avons regardé cette conférence Ted d'Amy Webb, intitulée "How I Hacked Online Dating" (Comment j'ai piraté les rencontres en ligne). Les étudiants ont ensuite dû répondre à quelques questions sur le discours, par exemple : qu'est-ce qu'un algorithme, nommez une variable qualitative/quantitative utilisée par le conférencier, etc. J'ai trouvé que c'était un complément léger mais instructif pour aider les élèves à comprendre les différents types de variables. J'ai trouvé que c'était un complément léger mais instructif pour aider les étudiants à comprendre les différents types de variables. Webb fait également un excellent travail en vulgarisant efficacement les concepts d'algorithmes et de données. Si vous appréciez son exposé, je vous recommande vivement son livre The Big Nine.

6.2

Services de transcription automatique

J'essaie notamment de faire comprendre à mes étudiants, dans le cadre de mes cours de RM, que la recherche en sciences sociales est un art en constante évolution. L'éventail des expériences humaines que nous explorons ne cesse de s'élargir, de même que les techniques que nous utilisons pour perfectionner nos processus de recherche. La technologie a également un rôle à jouer à cet égard. Pensez, par exemple, aux progrès réalisés dans le domaine du comportement électoral grâce à de puissants ordinateurs au cours des 30 dernières années. La plupart des exemples qui viennent à l'esprit lorsqu'on pense à la façon dont la technologie (ou même l'IA) a transformé les sciences sociales au cours des dernières décennies sont intuitivement liés aux méthodes quantitatives et aux domaines mathématiques tels que l'économie ou la sociologie basée sur l'inférence. Pourtant, l'IA a déjà révolutionné la manière dont les méthodes qualitatives sont menées. Les avancées technologiques créent d'énormes opportunités pour la recherche, d'autant plus que les contraintes de temps ont longtemps été un obstacle majeur à une recherche qualitative de qualité.

Ma propre expérience de recherche m'a appris que le processus d'entretien en est un excellent exemple. Pour mon master, j'ai dû prendre deux fois l'avion de Paris à la République dominicaine, mener des entretiens en personne, les transcrire à la main et les traduire. Dans toute cette expérience, la partie la plus pénible a été le processus de transcription des entretiens, qui prenait souvent quatre à cinq fois plus de temps que les entretiens eux-mêmes. En revanche, lorsque j'étais doctorante, j'ai mené la plupart des entretiens via Zoom (#2020) et j'ai utilisé un logiciel de transcription automatique pour les transcrire. J'ai pu interviewer quelqu'un à New York à 9 heures du matin, un autre à Vancouver à 14 heures, et transcrire les deux conversations le même jour. J'ai décidé d'utiliser cette expérience pour montrer à mes classes de mathématiques fondamentales comment les progrès dans le domaine de l'IA peuvent être utilisés pour améliorer notre gestion du temps en tant que chercheurs. Je suppose que la plupart des lecteurs sont à l'aise avec la partie Zoom, c'est pourquoi j'insiste ici sur le logiciel de transcription automatique, une technologie d'IA mature qui peut aider les chercheurs et les instructeurs en GR aujourd'hui.

dernière image

 

Le projet principal de mes étudiants en mathématiques consiste à passer en revue l'ensemble du processus de préparation d'un entretien, y compris la recherche documentaire, l'élaboration d'un formulaire de consentement, le développement d'un programme d'entretien, l'enregistrement de l'entretien, la transcription et la manière d'exploiter les données de l'entretien. Au cours du premier laboratoire, je demande aux étudiants de s'interviewer eux-mêmes pendant cinq minutes, puis de les transcrire à la main. Le laboratoire a duré plus de 45 minutes. Ensuite, je leur demande de transcrire cette même conversation à l'aide d'un logiciel de transcription automatique. La leçon, même si elle semble évidente : il n'y a aucune raison de passer des heures à transcrire des interviews alors que vous pourriez consacrer ce temps à l'analyse des données.

Ceci étant dit, il est important de souligner aux étudiants qu'ils doivent quand même vérifier l'exactitude du relevé de notes et faire les corrections si le logiciel a fait des erreurs. Notez également que la plupart des logiciels sont payants, mais que nombre d'entre eux proposent des offres d'essai d'une heure qui ne nécessitent pas de numéro de carte de crédit. L'un d'entre eux qui a toujours proposé cette offre est sonix.ai, que beaucoup de mes étudiants ont utilisé. Comme les prix et les offres fluctuent, il est nécessaire de vérifier les différentes offres de logiciels avant de les proposer à vos élèves. Lors d'une présentation à la Journée PED en octobre 2021, j'ai parlé plus en profondeur du choix du bon logiciel pour les étudiants du CÉGEP, énuméré une douzaine d'options, et discuté des considérations éthiques à partager avec eux. Vous trouverez ici la présentation de la journée pédagogique et le matériel d'appui, ainsi que mon diaporama sur le sujet.