Stephanie Kirmer, ingénieure en apprentissage automatique chez DataGrail depuis plus de deux ans, partage dans cet entretien son parcours atypique et sa vision critique de l’intelligence artificielle. Ancienne administratrice universitaire et enseignante en sociologie et sciences de la santé, elle aborde l’IA avec une perspective sociologique profonde, se demandant constamment quelles inégalités sociales sont en jeu, comment les technologies sont vécues différemment selon les groupes, et quel rôle jouent les institutions dans leur développement. Cette approche lui permet de questionner les hypothèses sous-jacentes aux innovations technologiques, en s’appuyant sur une méthode scientifique rigoureuse : formuler des hypothèses, les tester, et s’adapter aux preuves. Depuis l’essor des modèles linguistiques à grande échelle (LLM), son travail quotidien a évolué. Bien qu’elle utilise intensivement les assistants codés par LLM pour générer du code boilerplate, rédiger des tests unitaires ou explorer des idées alternatives, elle insiste sur le fait que les défis complexes, spécifiques ou non standards exigent toujours une expertise humaine, une réflexion critique et une compréhension contextuelle. Les outils aident, mais ne remplacent pas la pensée stratégique et l’expérience. Sur la question de la surchauffe de l’IA, Stephanie est claire : elle perçoit une bulle spéculative similaire à celle du dot-com, non pas à cause de la technologie elle-même, mais des attentes démesurées et des investissements massifs fondés sur des retours financiers impossibles à atteindre. Elle estime que l’IA a un réel potentiel utile, mais que ce potentiel n’est pas à la hauteur de la valorisation boursière actuelle. Une réorientation vers des retours modérés sur des investissements raisonnables pourrait rendre le secteur durable — mais le système actuel, tourné vers la croissance exponentielle, rend ce scénario peu probable. Face au rejet public croissant envers l’IA générative, elle pointe du doigt l’hyperbole des promesses marketing. Les entreprises, pressées de montrer des résultats spectaculaires chaque trimestre, alimentent la méfiance. Pour reconstruire la confiance, elle recommande de se concentrer sur des applications concrètes et utiles, tout en lançant des campagnes de vulgarisation pour démystifier les LLM. Plus les gens comprendront les limites de ces outils, plus leurs attentes seront réalistes — un paradoxe que les géants technologiques ont peu de motivation à résoudre. Ses articles mensuels sur TDS émergent d’une réflexion continue sur l’IA dans la vie quotidienne, les nouvelles, et les échanges avec son entourage. Elle utilise des angles sociologiques — pouvoir, race, classe, genre — pour analyser les phénomènes technologiques. Bien qu’elle n’ait pas encore planifié ses sujets pour 2026, elle ouvre la porte aux idées des lecteurs, souhaitant explorer ensemble de nouveaux points de croisement entre société et IA. Expertise technique, sensibilité sociale et engagement critique : Stephanie Kirmer incarne une nouvelle forme d’ingénieur en IA, capable de naviguer entre les algorithmes et les enjeux humains. Son travail illustre que la technologie ne se juge pas seulement par ses performances, mais par son impact sur les individus et les institutions.