Nikita Roy
Chicago Public Media, qui gère à la fois la radio WBEZ et le journal Chicago Sun-Times, illustre une approche pragmatique de l'IA dans les médias locaux. Grâce au programme Lenfest AI Collaborative, l'organisation a embauché son premier ingénieur IA et développé des outils sur mesure. Le résultat : 40 années d'archives audio WBEZ, auparavant totalement inaccessibles, deviennent consultables pour les journalistes grâce à la transcription automatique. Les traductions en espagnol, qui prenaient plusieurs jours, sont maintenant publiées le jour même.
Ce qui rend cette initiative remarquable, c'est la stratégie 'build versus buy' assumée. Plutôt que d'acheter des solutions clés en main, Chicago Public Media développe ses propres outils avec un ingénieur dédié. Cette approche leur permet d'adapter les solutions à leurs besoins spécifiques et de garder le contrôle sur leurs processus éditoriaux.
L'organisation n'occulte pas ses erreurs : l'incident de la liste de livres générée par IA du Chicago Sun-Times devient un cas d'école pour gérer publiquement un échec technologique. Cette transparence transforme l'erreur en apprentissage collectif pour l'ensemble de l'écosystème médiatique.
Points de vigilance : Risque de dépendance aux compétences d'un seul ingénieur IA. La soutenabilité financière du modèle 'build' n'est pas évaluée sur le long terme.
8/10 : Score sur l'échelle des "5 piliers de la liberté", inspiré de l'ouvrage de Timothy Snyder
Damien Van Achter
Et maintenant ?
🤘 Créer un consortium d'ingénieurs IA partagés entre médias locaux
S'inspirer du modèle Lenfest pour mutualiser les compétences techniques entre plusieurs médias locaux. Un ingénieur IA pourrait intervenir sur 3-4 rédactions, développer des briques communes (transcription, traduction) et créer un écosystème d'outils interopérables. Effet de levier : démocratiser l'accès à l'IA pour les médias qui n'ont pas les moyens d'embaucher en propre.
→ On saura que ça marche quand au moins 10 médias locaux partageront le même ingénieur IA et développeront des outils communs open source.
🤘 Transformer les échecs IA en ressources d'apprentissage mutualisées
Capitaliser sur la gestion transparente de l'incident Chicago Sun-Times pour créer une base de données d'échecs IA documentés et de leurs solutions. Chaque média qui fait une erreur IA la documente selon un protocole commun, créant une intelligence collective sur les risques et bonnes pratiques.
→ On saura que ça marche quand les erreurs IA des médias feront systématiquement l'objet de post-mortems publics et de recommandations partagées.
💪 Auditer l'accessibilité de ses propres archives avant d'implémenter l'IA
Chaque organisation média peut cartographier ses archives inaccessibles (audio, vidéo, documents) et évaluer l'impact potentiel de leur indexation. Cette audit préalable permet d'identifier les gains de productivité journalistique les plus importants et de prioriser les investissements IA selon la valeur éditoriale réelle.
→ On saura que ça marche quand les rédactions publieront leurs audits d'archives et leurs métriques d'usage post-IA, créant une émulation collective.
Ces pistes ne sont pas des recettes toutes faites, mais des points d'entrée pour repenser nos systèmes numériques selon une logique de liberté positive : non pas limiter, mais augmenter nos capacités collectives d'action.
Si tu connais des exemples réels qui vont dans ce sens — ou des contre-exemples qui méritent d'être documentés — partage-les en commentaires et discutons-en ensemble sur Discord !
Cinq piliers pour prendre soin de nos libertés numériques
