Une norme commune pour évaluer si le contenu portant sur une communauté la sert — ou en extrait.
Évaluer votre contenu →Ce n'est pas nouveau. Le journalisme produit de l'extérieur, les documentaires et le contenu généré par les plateformes ont toujours soulevé des questions de représentation et d'extraction. Ce qui est nouveau, c'est l'échelle.
Les outils d'IA permettent désormais à n'importe quel producteur, depuis n'importe où, de générer un contenu culturellement spécifique sur une communauté, indéfiniment et à un coût quasi nul. Les codes d'éthique journalistique lient les journalistes professionnels — pas les ONG, les plateformes, les chercheurs ou les opérateurs d'IA. Il n'existe aucune norme de responsabilité commune que les communautés peuvent invoquer et à laquelle les producteurs peuvent être tenus.
TRACE est une proposition vers cette norme.
Évaluez n'importe quel projet de contenu selon la norme TRACE. Prend environ dix minutes. Produit une fiche de responsabilité partageable.
Ouvrir la fiche d'évaluation →Une évaluation TRACE complète génère une fiche de responsabilité partageable. Voici une auto-évaluation réelle du projet qui a bâti cette norme.
TRACE est fondé sur le Pacte de contenu communautaire — un manifeste pour la production éthique de contenu développé par Cariboo Signals, un projet de journalisme communautaire desservant la Colombie-Britannique rurale.
Le Pacte identifie les obstacles structurels que les bonnes intentions seules ne peuvent résoudre : le financement par projet qui produit des pilotes plutôt que des infrastructures, et des modèles d'extraction capitalisés à une échelle incompatible.
Satisfaire aux cinq conditions est réalisable. L'obstacle n'est pas la complexité technique. Il est politique.
Les cinq conditions de TRACE sont apparues pour la première fois comme une liste de vérification pré-publication dans une conversation de balado sur le contenu culturel généré par IA dans les communautés mal desservies.
L'épisode a nommé la lacune de gouvernance que TRACE est conçu pour combler : l'absence d'une norme commune que les communautés pourraient invoquer et à laquelle les producteurs pourraient être tenus. La conversation a demandé si l'IA pouvait légitimement servir des communautés dépourvues de créateurs locaux — et sous quelles conditions.
Cette question, et les cinq tests que les animateurs ont proposés pour y répondre, sont devenus la graine dont ce cadre a grandi.
« Le véritable obstacle n'est pas technique — il est structurel. Les modèles d'extraction dirigés par le capital de risque dépassent largement les alternatives contrôlées par les communautés en raison des asymétries de financement, et non d'une conception supérieure. »