Le rôle évolutif de l’ingénieur ML

Dans la série Author Spotlight, les rédacteurs de TDS discutent avec les membres de notre communauté de leur parcours professionnel en science des données et en IA, de leurs écrits et de leurs sources d’inspiration. Aujourd’hui, nous sommes ravis de partager notre conversation avec Stéphanie Kirmer.

Stephanie est ingénieure en apprentissage automatique, avec près de 10 ans d’expérience en science des données et en ML. Auparavant, elle était administratrice de l’enseignement supérieur et enseignait la sociologie et les sciences de la santé aux étudiants de premier cycle. Elle écrit un article mensuel sur TDS sur les thèmes sociaux et l’IA/ML, et donne des conférences à travers le pays sur des sujets liés au ML. Elle parlera des stratégies de personnalisation de l’évaluation LLM à l’ODSC East à Boston en avril 2026.

Vous avez étudié la sociologie et les fondements sociaux et culturels de l’éducation. Comment votre parcours a-t-il façonné votre perspective sur les impacts sociaux de l’IA ?

Je pense que mon parcours universitaire a façonné ma vision de tout, y compris de l’IA. J’ai appris à penser sociologiquement tout au long de mon parcours universitaire, ce qui signifie que j’observe les événements et les phénomènes et que je me pose des questions telles que « quelles sont les inégalités sociales en jeu ici ? », « comment différents types de personnes vivent-elles différemment cette chose ? C’est le genre de choses qu’un sociologue veut savoir, et nous utilisons les réponses pour développer une compréhension de ce qui se passe autour de nous. Je construis une hypothèse sur ce qui se passe et pourquoi, puis je recherche sérieusement des preuves pour prouver ou réfuter mon hypothèse, et c’est essentiellement la méthode sociologique.

Vous travaillez en tant qu’ingénieur ML chez DataGrail depuis plus de deux ans. Comment votre travail quotidien a-t-il changé avec l’essor des LLM ?

Je suis en train d’écrire un nouvel article à ce sujet. Je pense que les progrès des assistants de code utilisant les LLM sont vraiment fascinants et changent la façon dont de nombreuses personnes travaillent en ML et en génie logiciel. J’utilise ces outils pour faire rebondir des idées, pour obtenir des critiques sur mes approches des problèmes ou pour obtenir des idées alternatives à mon approche, et pour des travaux de précision (écriture de tests unitaires ou de code passe-partout, par exemple). Je pense qu’il y a encore beaucoup à faire pour les gens du ML, en particulier en appliquant nos compétences acquises grâce à l’expérience à des problèmes inhabituels ou uniques. Et tout cela ne vise pas à minimiser les inconvénients et les dangers qui pèsent sur les LLM dans notre société, qui sont nombreux.

Vous avez demandé si nous pouvions « sauver l’économie de l’IA.» Pensez-vous que le battage médiatique autour de l’IA a créé une bulle similaire à celle de l’ère Internet, ou l’utilité sous-jacente de la technologie est-elle suffisamment forte pour la maintenir ?

Je pense que c’est une bulle, mais que la technologie sous-jacente n’est vraiment pas à blâmer. Les gens ont créé la bulle et, comme je l’ai décrit dans cet article, une somme d’argent inimaginable a été investie en partant du principe que la technologie LLM allait produire une sorte de résultats qui généreraient des profits proportionnés. Je pense que c’est idiot, non pas parce que la technologie LLM n’est pas utile à certains égards, mais parce qu’elle ne rapporte pas plus de 200 milliards de dollars. Si la Silicon Valley et le monde du capital-risque étaient prêts à accepter de bons retours sur un investissement modéré, au lieu d’exiger d’immenses retours sur un investissement gigantesque, je pense que cela pourrait être un espace durable. Mais ce n’est pas ainsi que les choses se sont passées, et je ne vois tout simplement pas d’issue à cette situation qui n’implique pas finalement l’éclatement d’une bulle.

Il y a un an, vous écriviez sur le «Réaction culturelle contre l’IA générative.» Que peuvent faire les entreprises d’IA pour rétablir la confiance auprès d’un public sceptique ?

C’est difficile, car je pense que le battage médiatique a donné le ton au retour de flamme. Les entreprises d’IA font des promesses farfelues, car les chiffres du prochain trimestre doivent toujours montrer quelque chose de spectaculaire pour que la roue continue de tourner. Les gens qui regardent cela et sentent qu’on leur ment ont naturellement un goût amer à propos de toute cette entreprise. Cela n’arrivera pas, mais si les entreprises d’IA renonçaient à leurs promesses irréalistes et se concentraient plutôt sur la recherche de moyens raisonnables et efficaces d’appliquer leur technologie aux problèmes réels des gens, cela aiderait beaucoup. Il serait également utile de lancer une vaste campagne d’éducation du public sur ce que sont réellement les LLM et « l’IA », en démystifiant la technologie autant que possible. Mais plus les gens en apprendront sur la technologie, plus ils seront réalistes quant à ce qu’elle peut et ne peut pas faire, donc je m’attends à ce que les grands acteurs du secteur ne soient pas non plus enclins à le faire.

Vous avez abordé de nombreux sujets différents ces dernières années. Comment décidez-vous sur quoi écrire ensuite ?

J’ai tendance à passer le mois entre les articles à réfléchir à la manière dont les LLM et l’IA apparaissent dans ma vie, la vie des gens autour de moi et l’actualité, et je parle aux gens de ce qu’ils voient et vivent avec cela. Parfois, j’ai un angle spécifique qui vient de la sociologie (pouvoir, race, classe, genre, institutions, etc.) que je souhaite utiliser comme cadre pour jeter un regard sur l’espace, ou parfois un événement ou un phénomène spécifique me donne une idée avec laquelle travailler. Je prends des notes tout au long du mois et lorsque j’arrive sur quelque chose qui m’intéresse vraiment et que je veux faire des recherches ou y réfléchir, je le choisis pour le mois prochain et je fais une analyse approfondie.

Y a-t-il des sujets sur lesquels vous n’avez pas encore écrit et que vous avez hâte d’aborder en 2026 ?

Honnêtement, je ne prévois pas si loin ! Quand j’ai commencé à écrire il y a quelques années, j’avais écrit une grande liste d’idées et de sujets et je l’ai complètement épuisée, donc ces jours-ci, j’ai au plus un ou deux mois d’avance sur la page. J’aimerais avoir des idées de lecteurs sur des problèmes sociaux ou des thèmes qui entrent en collision avec l’IA et qu’ils aimeraient que j’approfondisse.

Pour en savoir plus sur le travail de Stéphanie et rester au courant de ses derniers articles, vous pouvez la suivre sur TDS ou LinkedIn.