Gap analysis — capacité humaine × capacité IA
Michel Foucault × Régression logistique
Scoring individuel, production de la norme et auditabilité des dispositifs
Fiches comparées
Michel FoucaultCapacité humaine · PhilosophiqueRégression logistiqueCapacité IA · Data science / modèles prédictifsApport de l'IA
La régression logistique est le modèle de référence en scoring : elle attribue à chaque individu une probabilité d'appartenance à une classe, avec des coefficients interprétables en rapports de cotes. C'est la forme technique la plus dépouillée du pouvoir-savoir foucaldien — un dispositif qui rend les individus visibles et calculables, et qui produit la norme statistique au moment même où il prétend la constater.
Mécanisme
Estimation d'une probabilité d'appartenance à une classe à partir de variables explicatives, sous hypothèse d'une relation linéaire entre ces variables et le logarithme des cotes ; le seuil de décision appliqué au score est un choix normatif que le modèle lui-même ne fournit pas.
Comment faire mieux
L'interprétabilité des coefficients rend le dispositif auditable, ce qui est un progrès réel sur les modèles opaques ; elle n'atténue en rien l'effet décrit par Foucault, puisque savoir comment un score est calculé ne dit pas s'il devait être calculé.
Mode d'interaction recommandé
Le système est ici objet d'analyse : humains et institutions choisissent les variables, le seuil et les conséquences attachées au score ; le modèle rend cette chaîne de décisions lisible sans la justifier.
Substituabilité
Non remplaçable à horizon prévisible
Scénarios temporels
Présent
Le scoring statistique est mature et massivement déployé dans l'industrie et le secteur public ; la critique de ses effets normalisateurs reste une opération intellectuelle humaine.
+5 ans
Exigences croissantes d'explicabilité et de motivation des décisions fondées sur un score, ce qui favorise les modèles interprétables sur les modèles opaques.
+15/20 ans
La difficulté que Habermas reprochait à Foucault — l'absence de critère normatif pour distinguer un bon d'un mauvais pouvoir — reste entière : l'auditabilité technique ne fournit pas ce critère.
Axes possibles (perspectives, pas des prédictions tranchées)
Adoption des modèles interprétables en contexte réglementé
Opinion majoritairePréférence réglementaire pour des modèles dont les coefficients sont explicables dans les décisions à effet individuel.
Statu quo de l'extension du scoring
Opinion majoritairePoursuite de l'extension du scoring à de nouveaux domaines, avec une critique qui reste extérieure au dispositif.
Rupture par limitation légale du champ scoré
Hypothèse prospectiveInterdiction de scorer certains domaines de la vie indépendamment de la qualité technique du modèle, ce qui déplacerait la question de l'explicabilité vers la légitimité.
Sous-thèmes et axes de recherche
Sous-thèmes
- Probabilité d'appartenance et rendu calculable des individus
- Seuil de décision comme choix normatif extérieur au modèle
- Interprétabilité technique sans critère normatif
Axes de recherche
- Effets normalisateurs documentés des dispositifs de scoring sur les comportements
- Obligations de motivation des décisions fondées sur un score
- Comparaison entre modèles interprétables et modèles opaques en contexte réglementé
Documents clés
- 1.Surveiller et punirprimaire
- 2.Michel Foucault — Wikipédiasecondaire
- 3.Régression logistique — Wikipédiasecondaire
Données brutes de cette analyse : /api/gap/foucault-vs-regression-logistique — méthode de comparaison détaillée dans la méthodologie.