L'IA au service de la sobriété: Suivi de la sobriété et des concepts associés dans la couverture médiatique

Ce défi explore la manière dont l’IA peut étayer la perception de la sobriété, en analysant la manière dont la sobriété et les concepts associés, tels que la post-croissance, sont représentés dans le discours public, et en transformant ces connaissances en outils pour l’élaboration des politiques et l’action.

Contexte

La durabilité est de plus en plus reconnue comme une dimension essentielle d’une IA responsable et de la transformation numérique. Au-delà de l’efficacité et de l’innovation technologique, on s’intéresse de plus en plus à la suffisance, c’est-à-dire à la question de savoir comment les sociétés peuvent réduire leur utilisation et leur consommation absolues de ressources tout en conservant une bonne qualité de vie.

Malgré son importance, la suffisance reste :

• difficile à mesurer, et
• représentée de manière inégale dans le discours public.

Dans le même temps, les médias et les discours publics jouent un rôle crucial pour :

• façonner les agendas politiques,
• influencer les normes sociétales, et
• faciliter ou entraver l’action politique.

Le discours public ne se contente pas de refléter les débats sur la durabilité, mais il légitime, conteste, voire marginalise certaines voies de développement, notamment les modèles axés sur la croissance et ceux axés sur la suffisance. Il joue donc un rôle clé pour déterminer si nous nous orientons vers des voies axées sur la croissance ou centrées sur la suffisance.

Les progrès récents en matière d’IA, en particulier dans le traitement du langage naturel (NLP) et l’analyse de données, offrent de nouvelles opportunités pour analyser systématiquement le discours public à grande échelle.

Cependant, il manque actuellement :

• des outils pour surveiller de manière structurée les discours liés à la durabilité,
• des indicateurs pour évaluer la visibilité et le cadrage de la suffisance, et
• des méthodes pour relier les enseignements tirés du discours à la gouvernance environnementale et à l’élaboration des politiques.

Description du défi

Ce défi explore comment l’IA peut être utilisée pour surveiller, analyser et accroître la visibilité du discours lié à la durabilité, en mettant particulièrement l’accent sur les discours relatifs à la suffisance et à l’après-croissance en Suisse.

L’objectif est de développer des approches pratiques et vérifiables qui :

• détectent et suivent les thèmes liés à la suffisance dans les médias et le discours public,
• identifient comment des concepts tels que la suffisance, les limites planétaires et l’après-croissance sont présentés,
• analysent les tendances au fil du temps et entre les différentes sources, et
• rendent ces informations accessibles et exploitables pour les décideurs politiques, les chercheurs et la société civile.

Public cible principal et orientation décisionnelle (pour éviter les solutions trop génériques)

Afin d’orienter la conception de la solution, les équipes doivent privilégier un groupe cible principal en tant qu’utilisateur principal (par exemple, les décideurs politiques, l’administration publique, les responsables politiques, etc. en Suisse et/ou à l’échelle mondiale). Le prototype doit s’ancrer dans une ou deux questions concrètes de décision ou d’application, par exemple :

• Définition de l’agenda : quels thèmes liés à la suffisance gagnent du terrain et où ?
• Stratégie de communication : quels cadres dominent et quels contre-récits émergent ?

Portée et orientation thématique

Afin de garantir la faisabilité des solutions, les équipes doivent axer leur prototype sur un domaine thématique concret lié à la suffisance et définir un ensemble initial de concepts en conséquence.

Exemples de groupes thématiques :

• logement / espace de vie (par exemple, réduction de l’espace de vie, densification, cohabitation)
• mobilité (par exemple, réduction de la mobilité, transfert modal, politiques sans voiture)
• consommation et circularité (par exemple, réparation, réutilisation, économie du partage)
• réduction de la demande énergétique (par exemple, chauffage, climatisation, efficacité et suffisance)

Le groupe de thèmes choisi doit être clairement indiqué dans le cas d’utilisation et guidera la sélection, l’étiquetage et l’évaluation des données.

La réalité des données : nos points de départ recommandés

Les équipes doivent décrire les sources qu’elles utilisent et pourquoi. Pour le prototypage, il est approprié de commencer par un sous-ensemble gérable (par exemple, 2 à 3 médias plus un canal social/médiatique) et de procéder par itérations.

Les types de médias / canaux recommandés comprennent :

• articles d’actualité en ligne (médias suisses)
• communiqués de presse et prises de position (administration, ONG, associations professionnelles)
• textes parlementaires / politiques (motions, consultations, documents de politique générale)
• publications sur les réseaux sociaux (facultatif, si cela est faisable et conforme aux conditions d’accès)

Langues : l’allemand et, si possible, le français (DE / FR).

Exigence minimale : préciser explicitement la disponibilité des données, les contraintes d’accès (murs payants, licences) et la représentation.

Les projets doivent aller au-delà des modèles purement analytiques et viser à créer des outils ou des systèmes utilisables qui soutiennent :

• l’élaboration de politiques fondées sur des données factuelles,
• la compréhension par le public des débats sur la durabilité, et
• la gouvernance environnementale et la prise de décision stratégique.

Principaux domaines problématiques

Les projets peuvent aborder un ou plusieurs des points suivants :

1. Détection et classification des thèmes

• Comment l’IA peut-elle identifier les thèmes liés à la suffisance dans de grands volumes de contenus médiatiques ?
• Comment des concepts tels que la « suffisance » ou la post-croissance peuvent-ils être détectés malgré :
  • un langage indirect,
  • une terminologie variable et
  • des nuances contextuelles

2. Analyse du discours et cadrage

• Comment les thèmes liés à la suffisance sont-ils présentés dans les médias ?
  • Comme une opportunité, une contrainte, une nécessité ou un compromis ?
• Comment les récits évoluent-ils au fil du temps ?
• Quels acteurs et quelles perspectives dominent le discours ?

Les projets peuvent également explorer des dimensions structurelles plus profondes du discours sur la durabilité, telles que :

• quels acteurs ou groupes de parties prenantes amplifient ou marginalisent les perspectives axées sur la suffisance,
• quels récits renforcent ou remettent en question les modèles de prospérité et de consommation dépendants de la croissance, et
• comment les modes de vie à forte consommation et les pratiques gourmandes en ressources sont-ils normalisés ou contestés ?

3. Indicateurs pour le discours sur la durabilité

• Comment pouvons-nous développer des indicateurs mesurables pour :
  • la visibilité de la suffisance,
  • les types et l’importance des récits sur la suffisance, et
  • les changements de cadrage ?
• Comment ces indicateurs peuvent-ils être rendus :
  • robustes,
  • compréhensibles, et
  • pertinents pour les politiques ?

4. Relier le discours à la gouvernance environnementale

• Comment les enseignements tirés du discours peuvent-ils éclairer :
  • l’élaboration des politiques,
  • les priorités réglementaires et
  • les stratégies de communication publique ?
• Comment les outils d’IA peuvent-ils aider les décideurs à s’y retrouver dans les débats complexes sur la durabilité ?
• Comment les enseignements tirés du discours peuvent-ils aider à identifier :
  • les obstacles narratifs à l’élaboration de politiques axées sur la suffisance,
  • les intérêts économiques dominants et les cadres politiques concurrents, et
  • le soutien ou la résistance émergents de la société à l’égard des stratégies de réduction des ressources ?

Résultats attendus

Les projets doivent aboutir à la mise au point :

• d’un prototype fonctionnel (technique ou socio-technique), tel que :
  • un outil de veille médiatique
  • une plateforme d’analyse du discours
  • une visualisation ou un tableau de bord
• un cas d’utilisation clairement défini dans le contexte suisse
• une documentation et un support, résumant :
  • la méthodologie (par ex. approches de TALN, sources de données)
  • les hypothèses et les limites
  • les biais potentiels