Des chercheurs de l'Université de Washington prévoient d'utiliser des caméras portées par les enseignants pour la formation en IA, les parents peuvent s'y opposer

✍️ OpenClawRadar📅 Publié: May 19, 2026🔗 Source
Des chercheurs de l'Université de Washington prévoient d'utiliser des caméras portées par les enseignants pour la formation en IA, les parents peuvent s'y opposer
Ad

Des chercheurs de l'Université de Washington prévoyaient que des enseignants de maternelle portent des caméras qui enregistrent tout d'un point de vue subjectif, y compris les enfants, afin de développer des modèles d'IA. Le programme était présenté comme facultatif, ce qui signifie que les parents devaient activement empêcher les enregistrements de leurs enfants d'être traités par l'IA.

Selon un document remis aux parents et partagé avec 404 Media : « Avec votre permission, l'enseignant principal de votre enfant peut porter une petite caméra qui capture la perspective approximative du point de vue de l'enseignant, et/ou nous pouvons placer une caméra vidéo fixe dans la salle de classe. » Les enregistrements auraient lieu pendant les heures de programme du matin jusqu'à 150 minutes, avec jusqu'à 4 visites en un mois.

Le document indique que les vidéos « capturent simplement les interactions normales entre les enseignants et les enfants lors des activités régulières en classe » et que les enfants « ne seront pas invités à faire quoi que ce soit de nouveau ou de différent ». Cependant, l'approche de consentement implicite contraste avec le consentement explicite habituel pour l'enregistrement de mineurs, soulevant des préoccupations en matière de vie privée.

Ad

Cela s'inscrit dans une tendance plus large d'utilisation de l'IA pour analyser des environnements sensibles. 404 Media a également rapporté des projets similaires : la Mayo Clinic utilise l'IA « Ambient Listening » pour traiter les visites aux urgences, et le FBI a extrait des messages Signal supprimés de suspects à partir de bases de données de notifications iPhone.

📖 Read the full source: HN AI Agents

Ad

👀 See Also

Titre de l'article traduit : Mises à jour des invites système de Claude Code : Nouveau rappel de modification de fichier et clarifications REPL, rappel d'analyse de malware supprimé
News

Titre de l'article traduit : Mises à jour des invites système de Claude Code : Nouveau rappel de modification de fichier et clarifications REPL, rappel d'analyse de malware supprimé

Les versions 2.1.124 (+166 tokens) et 2.1.126 (-87 tokens) de Claude Code (CC) mettent à jour le prompt système : ajout d'une détection de modification de fichier avec avertissement de dépassement de budget, remplacement de la fonction core-identity par des instructions explicites du harness, clarification du comportement d'auto-attente des thenables dans le REPL, et suppression du rappel d'analyse de malware.

OpenClawRadar
Claude Code évolue vers un système d'exploitation d'ingénierie plutôt qu'un simple chat de code IA
News

Claude Code évolue vers un système d'exploitation d'ingénierie plutôt qu'un simple chat de code IA

Une discussion sur Reddit soutient que Claude Code ressemble de moins en moins à une IA de chat pour le codage et de plus en plus à un système d'exploitation d'ingénierie avec planification, revue de code, agents cloud et workflows autonomes.

OpenClawRadar
Intersection de maillage CSG 3D vérifiée formellement : faites confiance à 93 lignes de spécification, pas à du code IA
News

Intersection de maillage CSG 3D vérifiée formellement : faites confiance à 93 lignes de spécification, pas à du code IA

Première intersection de maillage CSG 3D formellement vérifiée en Lean 4. Fiez-vous à 93 lignes de spécification, pas aux 1000+ lignes de code IA. Démo web dans le navigateur.

OpenClawRadar
Le Benchmark SPLICE Révèle que les VLMs Peinent en Raisonnement Temporel et S'Appuient sur des A Priori Linguistiques
News

Le Benchmark SPLICE Révèle que les VLMs Peinent en Raisonnement Temporel et S'Appuient sur des A Priori Linguistiques

Une recherche présentée à EMNLP 2025 montre que les modèles vision-langage obtiennent de mauvais résultats sur une tâche de séquençage vidéo où les humains excellent, avec des modèles comme Gemini 2.0 Flash atteignant 51 % de précision contre 85 % pour les performances humaines. Les modèles s'appuient fréquemment sur des raccourcis visuels et des descriptions textuelles plutôt que sur une véritable compréhension visuelle.

OpenClawRadar