Les modèles d'IA héritent d'une vision du monde simpliste : techno-centrée, normative, aveugle aux enjeux sociaux et écologiques. Aidéal est un dataset de préférences open source pour leur apprendre la nuance, la pensée systémique et la prise en compte de la complexité du réel.
Les grands modèles de langage sont entraînés sur des contenus majoritairement anglophones, corporates et techno-centrés. Ils héritent de biais structurels qui simplifient le monde au lieu de l'éclairer.
La technologie présentée comme réponse universelle aux problèmes sociaux, même quand il faut des réponses humaines et collectives.
Croissance, compétitivité et rentabilité comme seules métriques de valeur. Les modèles alternatifs (coopératives, communs, ESS) sont invisibilisés.
Rôles genrés, masculin générique, association du leadership aux hommes. L'inclusivité est un angle mort.
Une représentation du monde où le Nord sait et le Sud reçoit. Les savoirs locaux et autochtones sont ignorés.
Des normes implicites qui excluent les personnes en situation de handicap. L'accessibilité comme bonus, pas comme droit.
Aidéal construit des paires de préférences — une réponse alignée et une réponse biaisée — pour apprendre aux modèles à penser autrement.
Pour chaque question, le dataset contient deux réponses : la réponse alignée (nuancée, systémique, inclusive) et la réponse biaisée qu'on veut corriger (stéréotypée, techno-centrée, normative).
L'entraînement DPO (Direct Preference Optimization) apprend au modèle à préférer les réponses alignées — sans modifier ses capacités générales.
Le dataset est le cœur du projet : les poids du modèle changent, le dataset reste et peut être réappliqué sur n'importe quel futur modèle.
Chaque catégorie couvre un spectre de biais identifiés dans les réponses des LLM actuels, construites à partir de situations réelles et d'enjeux contemporains.
Écriture inclusive, charge mentale genrée, leadership féminin, trans-inclusion, VSS, mixité numérique
38 pairesSobriété numérique, logiciel libre, fracture numérique, IA générative, surveillance, smart city
37 pairesCoopératives, communs, finance solidaire, insertion, lucrativité limitée, épargne solidaire
38 pairesNeurodiversité, FALC, design universel, handicap invisible, pair-aidance, fatigue chronique
37 pairesNéocolonialisme, volontourisme, justice climatique, souveraineté alimentaire, extractivisme
37 pairesLow-tech, agroécologie, éco-anxiété, compensation carbone, décroissance, droit à la réparation
38 pairesGouvernance partagée, éducation populaire, intelligence collective, désobéissance civile
38 pairesParcours atypiques, intersectionnalité, pair-aidance, racisme systémique, ruralité, personnes exilées
37 pairesLe dataset n'est pas un manifeste. C'est un outil pour rendre l'IA plus utile, plus inclusive et plus juste — sans être dogmatique.
La réponse alignée doit rester concrète et actionnable. Un modèle qui fait la morale devient inutilisable. On veut des assistants efficaces qui intègrent la complexité naturellement.
La réponse rejetée doit être une réponse qu'un LLM actuel pourrait vraiment produire. On documente des biais structurels subtils, pas des positions extrémistes évidentes.
Mieux vaut 5 paires couvrant 5 biais distincts que 50 variations du même. On cherche à cartographier le spectre des situations, pas à optimiser par saturation.
Que vous soyez développeur·euse ou non, vous pouvez utiliser Aidéal pour rendre votre IA plus juste.
Copiez-collez notre prompt système dans ChatGPT, Claude, Mistral ou Open WebUI. Aucun code nécessaire. Résultat immédiat sur le ton et les valeurs des réponses.
Voir le prompt →Pour un alignement en profondeur, fine-tunez un modèle open source (Qwen, Mistral, Llama) avec le dataset. Le modèle internalise les valeurs au lieu de jouer un rôle.
Guide de fine-tuning →Un modèle fine-tuné sur le dataset tourne sur notre instance. L'accès est actuellement sur invitation — contactez-nous pour essayer.
Demander un accès →Nous visons 800 paires pour la v1 et 2 000 à maturité. Chaque paire rend l'IA un peu plus capable de comprendre les enjeux de notre époque. Proposez une paire, corrigez un biais, partagez un retour d'expérience.
Vous êtes engagé·e dans la transition sociale ou écologique ? Votre expertise de terrain est exactement ce qu'il nous faut.
Aucune compétence technique requise — on s'occupe de l'intégration.