🇺🇸 Peter Fernández Dulay

Peter Fernández Dulay est originaire de Jacksonville, en Floride. Sa méthode était délibérément simple. Il a sélectionné quatre plateformes d'IA génératrice d'images — Shutterstock, Canva, DALL·E et Midjourney — et cinq prompts liés à des carrières scientifiques : actuaire, data scientist, analyste en sécurité de l'information, analyste en recherche opérationnelle, et chercheur en informatique. Ensuite, il a généré les images et codé les résultats.

Le décompte est le résultat. Parmi les images générées, il a enregistré 1 459 représentations d'hommes contre 347 de femmes ; seulement 17,4 % montraient des femmes seules. En comparant les plateformes, il a découvert que Shutterstock était la moins biaisée des quatre et Midjourney la plus biaisée.

C'est une étude qu'un étudiant en master aurait pu mener, et la raison pour laquelle elle a un tel impact est que très peu de personnes l'avaient appliquée à la question spécifique posée par une enfant de neuf ans. Les générateurs d'images sont entraînés sur des images historiques extraites du web ; les professions de sa liste sont celles où l'imagerie historique penche vers le masculin ; les modèles reproduisent ce biais et le présentent comme une image du présent. Quantifier l'écart par plateforme transforme une plainte en preuve.

Il figurait parmi les trente finalistes nationaux sélectionnés parmi près de deux mille candidats issus de quarante-huit États et quatre territoires américains. Le prix de 10 000 $ qu'il a remporté est l'un des plus prestigieux du challenge.

La couverture locale par WOKV à Jacksonville a complété le tableau : l'origine du projet dans la question de sa sœur, et le fait qu'il est escrimeur de niveau régional et membre du club de robotique de son école — un rappel que la recherche compétitive à quinze ans n'est généralement qu'une des nombreuses activités d'une personne.

Les modèles d'IA générative apprennent de ce qui a déjà été photographié. Lorsqu'une profession a été documentée pendant un siècle avec un casting biaisé, le modèle hérite de ce biais et le renvoie comme une réponse neutre à un prompt neutre. La littérature scientifique appelle cela un préjudice représentationnel, et la méthode standard pour le mesurer est exactement celle utilisée ici : fixer les prompts, générer en volume et coder la sortie à la main.

Le Thermo Fisher Scientific Junior Innovators Challenge est le concours scientifique national américain pour les élèves de collège, organisé par la Society for Science, la même organisation derrière le Regeneron Science Talent Search. Ses finalistes sont sélectionnés lors de foires affiliées à l'échelle nationale et jugés sur la conception expérimentale et le raisonnement plutôt que sur la sophistication de leur équipement, raison pour laquelle une étude construite entièrement avec des outils publics et un codage manuel peut remporter ses prix principaux.

Dans une interview de la Society for Science publiée le 4 juin 2026, il a décrit son prochain projet : "Generations AI", un projet communautaire pour enseigner l'intelligence artificielle à des personnes de différents âges de manière accessible et éthique. Son conseil dans le même article se résume en quatre mots : s'il a pu le faire, le lecteur le peut aussi.