Recherche et méthodologie

01Objectif pédagogique

NO AI ACT exerce trois compétences : 1. la connaissance conceptuelle de l'approche par les risques du règlement (UE) 2024/1689, des pratiques interdites, de la transparence et des rôles ; 2. la capacité d'application à des scénarios concrets, en classant, citant des preuves décisives, attribuant la responsabilité et choisissant des mesures proportionnées ; 3. la conscience civique des raisons de réglementer l'IA, rendues concrètes dans une ville fictive où l'AI Act n'est jamais entré en vigueur.

L'hypothèse de conception, à vérifier empiriquement, est que décider avec des conséquences visibles et recevoir un débriefing argumenté exerce mieux le raisonnement réglementaire que la seule lecture passive.

02Mécanismes du jeu

• Dossiers d'inspection : 14 cas sur l'IA : notation sociale, surveillance au travail, hypertrucages, santé, biométrie, crédit, agents conversationnels publics, marchés publics, technologies éducatives et IA à usage général.
• Cycle de décision : examiner les preuves, classer le risque, attribuer la responsabilité, choisir des mesures correctives, rédiger le rapport, débriefer.
• Conséquences visibles : les indicateurs de la ville répondent aux décisions et montrent le coût d'une société non réglementée.
• Débriefing explicatif : chaque décision reçoit une explication de sa solidité ou de ses défauts, reliée à la règle simplifiée.
• Mode enseignant local : pauses de discussion et débriefing anonyme, sans collecte de données.

Le parcours figure dans comment ça marche ; son fondement pédagogique dans serious games et réglementation de l'IA.

03Publics

• Lycée : éducation civique et numérique.
• Université : droit et technologies, informatique, sciences politiques, études des médias.
• Formation professionnelle et formation des adultes.
• Apprenants autonomes, citoyens et professionnels curieux.

04Modèle juridique simplifié et matrice des sources

Le jeu est une simplification pédagogique : procédures, délais et nuances sont condensés pour rendre le raisonnement jouable. Il ne constitue pas un conseil juridique. Ses thèmes correspondent aux domaines suivants du règlement (UE) 2024/1689 ; la source faisant autorité reste EUR-Lex.

Les classifications sont traçables cas par cas dans les données ouvertes du jeu. Les scénarios ambigus restent contestables. Une révision juridique externe est recommandée avant un usage institutionnel formel.

05Architecture de confidentialité

Le produit est conçu pour être étudié sans collecte de données personnelles : sans compte ni identifiant de joueur ; compteurs agreges automatiques desactivables dans la barre du jeu ; sauvegardes dans le localStorage du navigateur. Les pages publiques utilisent seulement Cloudflare Web Analytics, agrégé et sans cookies. Voir protection dès la conception pour vérifier ce fonctionnement.

Conséquence méthodologique : questionnaires et pré/post-tests restent hors du jeu, sous la responsabilité éthique de l'équipe de recherche. Le jeu n'intègre pas d'enquêtes.

06Validation : ce qui est démontré et ce qui ne l'est pas

Distinguez toujours utilisabilité (peut-on utiliser l'outil ?), engagement (souhaite-t-on continuer ?) et apprentissage (les compétences progressent-elles ?). Les deux premiers ne prouvent pas le troisième.

Fait avec l'IA, non par l'IA

Déclaration volontaire, pas label de conformité. Le développement a largement employé des assistants IA pour le code, les tests, la documentation et une partie des textes. La responsabilité éditoriale et scientifique appartient à une personne, qui répond des affirmations publiées.

Les affirmations réglementaires doivent être confrontées aux sources primaires, soit le règlement (UE) 2024/1689 modifié par le règlement (UE) 2026/1744. Une sortie de modèle ne fait pas autorité. Les passages nécessitant une compétence spécialisée sont signalés pour révision.

Pourquoi cette déclaration volontaire ? L'article 50 distingue le marquage lisible par machine imposé aux fournisseurs de systèmes génératifs (paragraphe 2) et l'information concernant des textes générés publiés pour informer sur des questions d'intérêt public (paragraphe 4). Ce dernier prévoit une exception en cas de révision humaine ou de contrôle éditorial et de responsabilité éditoriale assumée. Le projet invoque ce cadre, sous réserve de la vérification de ses conditions : sa déclaration volontaire ne certifie pas la conformité. Elle permet aux lecteurs et aux chercheurs de comprendre comment le travail a été produit.

07Étudier ou réutiliser le jeu

• Cadre de validation : théorie du changement, construits, mesures pré/post proposées, échantillonnage et codes anonymes des participants figurent dans le cadre de validation scientifique.
• Stimuli versionnés : cas, textes et règles sont reproductibles en citant la version exacte (tag GitHub et release.config.json).
• Réutilisation : code GPL-3.0, contenus CC BY-SA 4.0 ; adaptations et traductions permises dans le respect des licences et avec attribution.
• Instruments externes : tests et questionnaires sur papier ou sur les plateformes choisies par l'équipe, jamais dans le jeu.

08Comment citer

Les formats APA, BibTeX et citations logicielles avec version figurent dans comment citer. Le dépôt contient CITATION.cff, lu par GitHub et les gestionnaires bibliographiques. Le DOI Zenodo annoncé pour la version 2.0 reste à attribuer.

09Contact et collaboration

NO AI ACT est conçu et développé par Matteo Angeloni, doctorant en Society in change: policies, rights and security à l'Université de la Tuscia. C'est un projet indépendant, sans statut de production officielle de l'université.

Pour une étude, une expérimentation en classe, un signalement ou une collaboration : ouvrez une issue dans le dépôt GitHub. Le site ne contient pas de formulaire externe et ne collecte pas d'adresses électroniques.