L'IA et la violence en ligne contre les femmes au NigeriaCEFR A2
10 avr. 2026
Adapté de Guest Contributor, Global Voices • CC BY 3.0
Photo de Ahmed Nasiru, Unsplash
La violence en ligne contre les femmes au Nigeria a pris de l'ampleur depuis l'arrivée d'outils d'IA générative. Certains assistants IA peuvent créer et modifier des textes et des images à partir de simples demandes.
Des enquêtes montrent que ces outils ont servi à produire des images sexualisées non consenties, y compris de mineures. Les plateformes comme X et Facebook sont souvent citées pour ces abus, et des chercheurs relèvent des lacunes dans la modération.
Des organisations et des designers proposent des mesures : gouvernance, recours accessibles, minimisation des données, chiffrement et engagement avec des groupes de défense des droits des femmes. Mais il reste incertain que les plateformes appliquent ces pratiques.
Mots difficiles
- génératif — qui crée du texte ou des images automatiquementgénérative
- sexualisé — qui montre une personne de façon sexuellesexualisées
- modération — contrôle du contenu sur une plateforme
- minimisation — réduction de la quantité de données collectées
- chiffrement — technique pour rendre des données illisibles
- recours — action pour demander aide ou réparation
Astuce : survolez, mettez le focus ou touchez les mots en surbrillance dans l’article pour voir des définitions rapides pendant que vous lisez ou écoutez.
Questions de discussion
- Parmi les mesures mentionnées, laquelle vous semble la plus importante et pourquoi ?
- Que pourraient faire les plateformes pour mieux protéger les femmes en ligne ?
Articles liés
Deux systèmes égyptiens contre la poussière sur panneaux solaires
Des chercheurs égyptiens ont conçu deux systèmes inspirés de la nature pour limiter l’encrassement des panneaux solaires. Des essais montrent moins de pertes d’efficacité grâce à des vibrations, un nano-revêtement et un montage souple animé par le vent.
L'IA favorise l'anglais, selon une étude
Une étude de 2025 du Stanford HAI montre que de nombreux grands modèles de langage donnent de mauvais résultats dans des langues autres que l'anglais. Cela exclut des communautés et des experts proposent de valider les données et de travailler avec les locaux.