Lorsqu’Aishwarya Lahariya étudiait la chimie des fibres à l’université, on lui a enseigné une méthode standardisée pour traiter le coton. Cependant, après avoir cofondé la marque de mode artisanale Jiwya et collaboré avec des artisans à travers l’Inde, elle a rapidement constaté les limites de cette approche, qui dépend fortement de l’eau et des produits chimiques. La méthode des artisans était plus rapide et utilisait moins de ressources. Ils ont sauté l’étape du décreusage – qui consiste à éliminer les cires et les huiles avec de l’eau chaude et des agents nettoyants – et du blanchiment, car ces deux étapes sont inutiles lorsqu’on travaille avec des teintures naturelles, comme le fait Jiwya. « Une grande partie des économies d’eau de Jiwya se produit parce que nous ne faisons pas ces deux étapes », explique-t-elle. Pourtant, ce processus alternatif n’a jamais été mentionné dans sa formation académique.

Une grande partie des savoirs autochtones reste non documentée dans les cadres occidentaux dominants et nécessite une véritable démarche de sensibilisation et d’enquête pour être révélée. Aujourd’hui, avec l’essor de l’IA et son rôle croissant dans la recherche, la collecte d’informations et la prise de décision, le biais en faveur des perspectives occidentales s’amplifie. Alors que la mode externalise de plus en plus de processus vers la technologie, elle risque de s’éloigner davantage des savoirs autochtones et traditionnels essentiels.

« L’IA ne peut pas remplacer l’expérience humaine vécue », déclare Virginia Keesee, directrice principale des initiatives mondiales pour la mode et la nature chez Conservation International. « Les peuples autochtones et les communautés locales sont une part essentielle de la chaîne de valeur de la mode en tant que gardiens de la nature, de la biodiversité et du climat. Le partenariat avec eux et le soutien à leur égard sont d’une importance cruciale, non seulement pour les personnes, mais aussi pour l’avenir de notre planète. »

La mode a une longue histoire de marginalisation des peuples autochtones. En 2022, Textile Exchange a rapporté que seulement 5 % des 252 entreprises de mode et de textile interrogées consultaient les peuples autochtones et les communautés locales lors de l’élaboration de leurs stratégies de durabilité. Pour combler cette lacune, Conservation International, Textile Exchange et Kering ont collaboré à un guide sur les principes de partenariat avec les peuples autochtones en 2024. Ce guide vise à protéger les communautés autochtones contre l’exploitation – telle que l’empiètement sur les terres, la perte de biodiversité et l’utilisation non autorisée de designs traditionnels – tout en encourageant l’intégration des savoirs autochtones dans les stratégies de durabilité. Cela peut inclure des pratiques comme la saignée du caoutchouc sauvage qui préserve la santé des arbres, l’utilisation de teintures naturelles à partir d’écorce de manioc et la préservation des terres.

L’intégration de l’IA dans la mode – des publicités personnalisées et des essayages virtuels à la gestion de la chaîne d’approvisionnement et aux solutions basées sur la nature – complique encore la question. Les requêtes liées à la mode sont plus susceptibles de s’appuyer sur des données provenant d’organismes de recherche américains ou européens, de normes industrielles ou de marques que sur des savoirs autochtones. Formée sur des données générées par l’homme, l’IA absorbe et amplifie les biais existants, favorisant largement les points de vue occidentaux dominants.

Lorsque j’ai demandé à ChatGPT une liste d’experts en gestion du coton et de l’eau, il n’a fourni que des universitaires occidentaux et des ONG climatiques. Une autre requête demandant d’où viennent les données sur les économies d’eau a révélé : « Les données d’entraînement ne sont pas réparties uniformément à l’échelle mondiale. Les savoirs autochtones, locaux ou non publiés des agriculteurs sont sous-représentés. » (OpenAI, le développeur américain de ChatGPT, n’a pas fourni de commentaire à temps pour la publication.)

Impliquer les communautés traditionnelles n’est pas aussi simple que de les inviter à la table. Les peuples autochtones sont souvent exclus de la conversation, et beaucoup se méfient de voir leurs savoirs exploités par l’IA, même s’ils sont invités à participer. Si ces biais sous-jacents ne sont pas corrigés, ils risquent de compromettre les progrès en matière de durabilité, de diversité et d’inclusion.

Alors, qui profite réellement de l’IA ?

Taylor Sparklingeyes, spécialiste principale de la souveraineté des données au cabinet de conseil Shared Value Solutions et membre de la Première Nation de Goodfish Lake au Canada, explore cette question. Après avoir reçu des demandes de sa communauté concernant l’IA, elle a rejoint le programme Indigenous Pathfinders in AI, géré par l’institut montréalais d’IA Mila. Ce programme vise à autonomiser les participants des Premières Nations, Inuits et Métis avec des approches de l’IA centrées sur les peuples autochtones.

Sparklingeyes met en garde contre la vitesse effrénée du développement de l’IA – la technologie à la diffusion la plus rapide de l’histoire – qui risque de négliger les préoccupations de sécurité, de sûreté et de vie privée au sein des communautés autochtones. « Pour être un véritable allié, il faut parfois abandonner les délais stricts et les attentes », dit-elle. « Bâtir des relations de confiance prend du temps, et cette fondation est essentielle, que nous co-concevions la gouvernance, gérions les données ou évaluions l’impact de l’IA sur les communautés. »

Certains experts vont plus loin, suggérant que le biais dans l’IA n’est pas seulement accidentel, mais intentionnel. Deepak Varuvel Dennison, chercheur en IA à l’Université Cornell, souligne que les plateformes d’IA ont une incitation financière à répondre aux biais de leur base d’utilisateurs majoritaire, ce qui maintient l’engagement des personnes en renforçant leurs croyances existantes. Avec des utilisateurs concentrés dans l’hémisphère Nord, ce « regard du silicium » marginalise davantage les savoirs autochtones. « Ce qui a une valeur économique pour ceux qui détiennent le pouvoir est promu, et ce qui n’en a pas est mis de côté », explique Dennison.

La question de l’accès ajoute une autre couche de complexité. Pour de nombreuses communautés autochtones, la question n’est pas seulement celle de la représentation, mais de savoir si elles veulent que l’IA ait accès à leurs données et à leurs connaissances. Alors que les créateurs de l’hémisphère Nord se débattent désormais avec la propriété des données, les communautés autochtones luttent depuis longtemps pour la souveraineté des données.

Sparklingeyes note que de nombreux groupes autochtones ont subi des préjudices historiques par l’extraction de connaissances et de données, souvent sans conditions équitables ni consentement. Les données les concernant – des cartes aux œuvres d’art – peuvent avoir été prises et utilisées pour entraîner des systèmes d’IA si elles apparaissent en ligne, dans des revues ou dans des bases de données gouvernementales. Ces informations sont souvent dépouillées de leur contexte original et filtrées à travers des perspectives occidentales, car la recherche en anglais provenant de pays à revenu élevé domine les matériaux d’entraînement de l’IA.

Pour éviter que toute tentative de rééquilibrer l’IA ne répète ces schémas d’extraction inéquitable, des organisations comme l’organisme à but non lucratif dirigé par des autochtones Earth Daughters plaident pour des garanties solides. Celles-ci incluent des protections définies par la communauté, telles que le consentement libre, préalable et éclairé ; la gouvernance autochtone sur les données et les connaissances ; une compensation équitable ; et le droit authentique de refuser de participer. Dans un e-mail à Vogue Business, l’équipe d’Earth Daughters explique : « Ces garanties doivent être établies avant que tout engagement ne commence et ne peuvent être réduites à de simples solutions techniques ou basées sur une liste de contrôle. »

En pratique, cela pourrait signifier que les communautés autochtones refusent aux entreprises de mode ou de technologie l’accès à leurs données. L’avocate en propriété intellectuelle Monica Boţa Moisin a fondé l’initiative Cultural Intellectual Property Rights Initiative (CIPRI) en 2018 pour plaider en faveur de la reconnaissance des droits de propriété intellectuelle culturelle liés aux vêtements traditionnels, aux designers et aux techniques de fabrication.

Un cas en 2019 concernait les Oma, un groupe ethnique minoritaire du nord du Laos, qui a accusé une marque de mode italienne haut de gamme de vendre des vêtements présentant des copies de leurs designs traditionnels. En partenariat avec le Traditional Arts and Ethnology Center, CIPRI a aidé les Oma à créer une base de données numérique pour protéger leurs savoirs traditionnels et leurs expressions culturelles, leur donnant le contrôle sur la manière dont ceux-ci sont consultés et commercialisés. Lorsqu’un chercheur a ensuite demandé à utiliser cet ensemble de données pour entraîner un système d’IA conçu pour prévenir l’appropriation culturelle dans la mode, les Oma et leur équipe de soutien ont pu évaluer minutieusement la proposition.

Finalement, les Oma ont décliné la demande, estimant que les bénéfices pour leur communauté étaient insuffisants. Alors que le chercheur visait à protéger les designs Oma contre une mauvaise utilisation, la communauté croyait qu’accorder l’accès les exclurait des discussions futures. Une fois que les données sont utilisées pour l’entraînement de l’IA, cela pourrait décourager tout engagement direct ultérieur de l’industrie de la mode. « La technologie est inévitable, mais nous devons nous demander : Est-ce bénéfique pour les Oma ? Disposent-ils des infrastructures nécessaires pour en bénéficier ? Et comment ? » déclare Boţa Moisin.

Quinn Manson Buchwald, directeur du programme des peuples autochtones et traditionnels chez Conservation International et citoyen de la Little Shell Tribe of Chippewa Indians of Montana et de la Manitoba Métis Federation, souligne que « le consentement libre, préalable et éclairé est un processus continu. Ce n’est pas un engagement ponctuel. Vous devez maintenir un partenariat constant avec ces communautés, en les tenant informées et mises à jour. » Un accès ponctuel aux données ne répond tout simplement pas à ces normes.

L’équipe d’Earth Daughters ajoute que le refus de participer à l’entraînement de l’IA ne devrait pas être perçu comme un obstacle au progrès, mais plutôt comme un acte de souveraineté et de soin. « Au lieu de débattre si l’IA est intrinsèquement bonne ou mauvaise, nous nous concentrons sur qui la contrôle, qui en bénéficie et qui est exposé à des préjudices. » De même, Sparklingeyes met en garde contre le simple fait de nourrir les savoirs autochtones dans des outils centralisés. « Lorsqu’une institution approche une communauté en disant : "Nous avons ce système ; aidez-nous en téléchargeant vos données", le déséquilibre persiste », explique-t-elle. « Ils doivent revenir à la phase de co-conception pour vraiment comprendre si c’est ce que les communautés veulent. »

**Une approche centrée sur les peuples autochtones**

L’effacement des perspectives autochtones sur les plateformes, modèles et outils d’IA reflète leur exclusion plus large de la société, rendant les programmes éducatifs essentiels pour inclure ces communautés. « Dans les contextes autochtones, nous sommes souvent en train de rattraper notre retard après des années d’exclusion de ces espaces », déclare Lynnsey Chartrand, responsable des initiatives autochtones chez Mila, qui gère le programme Pathfinders lancé en 2024. « Ce qui est passionnant avec l’IA, c’est que, pour une fois, il y a une opportunité pour les voix autochtones de façonner le domaine dès le départ, à mesure qu’il évolue. »

Un projet développé par Pathfinders est Green Circle, un outil d’IA qui combine les savoirs agricoles traditionnels avec les données climatiques et pédologiques pour fournir des conseils personnalisés sur la sélection des cultures, la plantation et la commercialisation. Cela pourrait être précieux pour les marques travaillant avec des fibres naturelles ou cherchant des solutions d’approvisionnement durables. Chartrand, également citoyenne de la Manitoba Métis Federation reconnue au niveau fédéral, souligne l’importance des fibres naturelles. Elle réfléchit : « Ce qui m’a vraiment frappée depuis la première année – et qui me frappe encore – c’est à quel point il est puissant de donner aux talents autochtones le temps, les ressources, les outils et la liberté créative pour explorer comment l’IA pourrait aider leurs communautés. Cela met également en lumière la valeur d’avoir cette technologie développée par nous, et pas seulement pour nous. Le soin apporté à ces projets semble impossible à reproduire par quelqu’un en dehors de la communauté. »

Bien qu’il y ait une inquiétude que la charge de créer l’équité puisse retomber sur les peuples autochtones eux-mêmes, Chartrand reste optimiste. « Je crois qu’il y a de véritables alliés qui ne sont pas autochtones mais qui se mobilisent pour soutenir », dit-elle.

Le potentiel d’une IA plus équilibrée et équitable augmentera à mesure que nous améliorerons le stockage sécurisé et géré localement des données ; que l’implication et le plaidoyer autochtones de base s’étendront ; que les cadres dirigés par des autochtones prendront forme ; et que les cultures et voix sous-représentées contesteront les biais systémiques. Cependant, atteindre cela exigera des efforts continus et adaptatifs de la part de l’industrie de la mode, ainsi qu’une autoréflexion difficile sur les questions d’accès, de bénéfices et de finalité.

Dennison ajoute : « Chaque fois que je réfléchis à la manière de rendre les modèles d’IA plus représentatifs, je me demande immédiatement : quel est l’objectif ? Est-ce pour qu’une entreprise américaine puisse créer des publicités qui résonnent mieux en Inde ? Qui en profite finalement ? C’est la question essentielle de la valeur que je pose. »

**Foire aux questions**
FAQs IA et savoirs autochtones

Questions de niveau débutant

Qu’est-ce que le savoir autochtone ?
Le savoir autochtone fait référence aux compréhensions, compétences et philosophies uniques développées par des sociétés ayant une longue histoire d’interaction avec leur environnement naturel. Il est souvent transmis oralement de génération en génération et est profondément lié à la culture, à la langue et au lieu.

Comment l’IA pourrait-elle entraîner la désuétude de ce savoir ?
Si les systèmes d’IA sont principalement entraînés sur des ensembles de données mondiaux dominants, ils peuvent ne pas reconnaître la valeur ou représenter avec précision les modes de connaissance autochtones. Cela pourrait rendre les savoirs locaux, oraux et culturellement spécifiques moins pertinents ou moins corrects par rapport aux informations générées par l’IA, conduisant à leur négligence progressive.

L’IA n’est-elle pas juste un outil ? Comment un outil peut-il faire oublier des choses ?
L’IA est un outil qui façonne les informations faciles à trouver, fiables et utilisées. Si les assistants d’IA, les moteurs de recherche et les outils éducatifs n’incluent pas ou ne priorisent pas les savoirs autochtones, les jeunes générations pourraient se fier uniquement à ces sources numériques, contournant l’apprentissage traditionnel auprès des aînés et des pratiques communautaires.

Y a-t-il déjà des exemples de cela ?
Oui, dans des domaines comme l’agriculture, où les conseils d’agriculture de précision pilotés par l’IA pourraient supplanter les pratiques traditionnelles de rotation des cultures ou de gestion des terres. Dans la préservation des langues, les outils de traduction automatique échouent souvent avec les langues autochtones, poussant les gens vers les langues dominantes par commodité.

L’IA peut-elle réellement aider à préserver les savoirs autochtones ?
Absolument. Lorsqu’elle est développée de manière éthique et en partenariat avec les communautés, l’IA peut aider à documenter les langues, cartographier les terres ancestrales à l’aide de données satellitaires ou créer des archives numériques d’histoires et de pratiques. La clé est de savoir qui contrôle le processus et les données.

Questions de niveau avancé

Quelle est la différence entre numériser