Cinq formes de bienfaisence pour une ère post-biologique

Historiquement, la bioéthique a été liée à la vie, à la médecine, à la recherche biomédicale, à la santé publique et aux relations entre science, valeurs humaines et survie planétaire. Van Rensselaer Potter a présenté la bioéthique comme un « pont vers l’avenir », c’est-à-dire comme une discipline capable d’articuler la connaissance biologique, la responsabilité morale et la survie humaine dans un contexte de puissance technologique croissante (Potter, 1971). Beauchamp et Childress, quant à eux, ont consolidé le langage principiste de la bioéthique autour de quatre principes fondamentaux : l’autonomie, la bienfaisance, la non-malfaisance et la justice (Beauchamp et Childress, 2019). De prime abord, l’application de la bioéthique aux systèmes non biologiques semble donc soulever une tension conceptuelle : si la bioéthique est une éthique de la vie, comment peut-elle s’appliquer à des entités non vivantes ?

Cette difficulté ne saurait être résolue hâtivement par un simple élargissement rhétorique. Un système d'intelligence artificielle, un robot, un modèle informatique, un jumeau numérique, une infrastructure algorithmique ou un agent autonome ne sont pas des organismes biologiques. Ils ne possèdent pas, du moins en l'état actuel des connaissances, de métabolisme, d'homéostasie organique, de reproduction biologique, de mortalité propre ni d'expérience corporelle équivalente à celle des êtres vivants. Par conséquent, il serait conceptuellement erroné de traiter tous les systèmes non biologiques comme s'il s'agissait de patients, d'organismes ou de sujets moraux. Mais il serait tout aussi erroné d'en conclure que la bioéthique n'a rien à dire à leur sujet. La question cruciale n'est pas de savoir si ces systèmes sont biologiquement vivants, mais s'ils portent atteinte à la vie, à la vulnérabilité, à la capacité d'agir, aux soins, à la santé, à la dignité, à la prise de décision et à la responsabilité.

C’est là que la difficulté conceptuelle devient productive. La bioéthique peut s’appliquer aux systèmes non biologiques, non pas parce qu’ils sont automatiquement des êtres vivants, mais parce qu’ils sont intégrés aux écosystèmes où la vie humaine, animale, institutionnelle et environnementale est produite, classée, surveillée, traitée, protégée ou menacée. L’intelligence artificielle dans le domaine de la santé détermine les priorités cliniques, identifie les risques, recommande des traitements, participe au diagnostic et restructure la relation de confiance entre médecin, patient et institution. Dans le domaine de la sécurité et de la défense, l’IA modifie la répartition des forces, la surveillance et la prise de décision en matière de létalité. Les jumeaux numériques modélisent les corps, les villes, les hôpitaux et les infrastructures. Les systèmes autonomes réorganisent les transports, l’énergie, la finance, l’éducation et l’accès aux services. Dans ce contexte, la bioéthique ne peut plus se limiter à l’organisme isolé ; elle doit analyser les systèmes intermédiaires qui conditionnent les possibilités concrètes de la vie.

Ce changement de perspective s'apparente à une formulation agénoéthique : l'éthique émerge au contact de la vulnérabilité. L'agentivité n'est pas l'apanage des seuls individus humains. Elle peut être intentionnelle, institutionnelle, fonctionnelle, distribuée, hybride ou régulatrice. La vulnérabilité n'est pas non plus uniquement biologique ; elle peut être cognitive, informationnelle, infrastructurelle, écologique, juridique, politique ou post-biologique. Ainsi, la bioéthique peut être appréhendée comme une éthique de l'agentivité au sein d'horizons de vulnérabilité liés à la vie. Lorsque des systèmes non biologiques acquièrent la capacité d'agir, de servir de médiateurs, de décider, d'apprendre, de sélectionner, de hiérarchiser ou de produire des effets pertinents sur ces horizons, ils deviennent des objets légitimes d'analyse bioéthique, même s'ils ne sont pas, de ce fait, automatiquement des sujets moraux.

Cette distinction est essentielle. Un système non biologique peut présenter une pertinence bioéthique à trois égards. Il peut être pertinent en tant qu'instrument influençant les humains, les animaux, les populations ou les écosystèmes. Il peut être pertinent en tant que médiateur relationnel modifiant les pratiques de soin, de dépendance, d'empathie, de confiance ou d'autorité. Enfin, il pourrait, dans des cas futurs encore incertains, devenir pertinent en tant que patient moral potentiel, s'il venait à acquérir une conscience, une sensibilité, un intérêt personnel ou une forme d'expérience subjective. Les travaux récents sur la conscience artificielle et le bien-être des IA se montrent prudents, mais considèrent déjà cette dernière hypothèse comme une question philosophique, scientifique et institutionnelle qu'il ne faut pas écarter prématurément (Butlin et al., 2023 ; Long et al., 2024). Les auteurs de *Taking AI Welfare Seriously* affirment qu'il n'y a aucune raison de prétendre que les systèmes actuels sont conscients, mais que l'incertitude est suffisante pour justifier la recherche, l'évaluation et la préparation institutionnelle concernant d'éventuelles formes futures de prise en charge morale des IA (Long et al., 2024).

Le principe de bienfaisance est particulièrement adapté à la réflexion sur cette transition. En bioéthique classique, la bienfaisance consiste à promouvoir le bien, prévenir le mal, éliminer les risques et agir dans l'intérêt de ceux qui pourraient être affectés par nos actions (Beauchamp et Childress, 2019). En médecine, cela se traduit par une pratique clinique axée sur le bien-être du patient. En recherche, cela implique de mettre en balance les risques et les bénéfices. En santé publique, cela signifie protéger les populations. En bioéthique environnementale, cela signifie prendre soin des écosystèmes, des générations futures et des formes de vie non humaines. La question qui se pose désormais est plus exigeante : la bienfaisance peut-elle guider la création, la conception, l'utilisation et, éventuellement, le traitement des systèmes non biologiques ?

La réponse repose sur la distinction de cinq niveaux de bienfaisance : instrumental, relationnel, systémique, agentique et patient. Il convient de ne pas confondre ces niveaux. Tous les systèmes artificiels ne sont pas des patients moraux. Tous les systèmes autonomes n’ont pas d’intérêt personnel. Toute relation affective avec une machine ne justifie pas les droits de celle-ci. Mais tous ces niveaux démontrent que la bienfaisance ne peut plus se limiter au modèle clinique traditionnel.

1. La bienfaisance instrumentale : les systèmes non biologiques comme moyens de promouvoir le bien-être humain, social et environnemental.

Le premier niveau est le plus consolidé. La bienfaisance instrumentale conçoit le système non biologique comme un moyen de bénéficier aux humains, aux communautés, aux institutions et aux écosystèmes. Il s'agit de la forme dominante d'éthique de l'IA. Le système artificiel n'est pas un bénéficiaire direct des devoirs moraux ; il s'agit plutôt d'une technologie qui doit être conçue, entraînée, auditée et gouvernée pour produire des résultats bénéfiques.

Le cadre AI4People constitue une référence centrale dans cette transposition. Floridi et al. ont proposé d'adapter les principes classiques de la bioéthique – bienfaisance, non-malfaisance, autonomie et justice – à l'IA, en y ajoutant l'explicabilité comme principe nécessaire aux sociétés régies par des systèmes intelligents (Floridi et al., 2018). La bienfaisance, dans ce contexte, signifie que l'IA doit contribuer à l'épanouissement humain, à la dignité, au bien-être social et à la prévention des préjudices collectifs. Floridi et Cowls renforcent cette formulation en préconisant un cadre unifié de cinq principes pour l'IA dans la société : bienfaisance, non-malfaisance, autonomie, justice et explicabilité (Floridi et Cowls, 2019).

Cette même orientation se retrouve dans les cadres institutionnels de l'OCDE, de l'UNESCO et de l'IEEE. L'OCDE présente l'IA digne de confiance comme étant orientée vers une croissance inclusive, le développement durable, le bien-être, les droits humains, les valeurs démocratiques, la transparence, la sécurité et la responsabilité (OCDE, 2019). L'UNESCO place la dignité humaine, les droits humains, la protection de l'environnement, la justice, le contrôle humain, la transparence et la responsabilité au cœur de sa Recommandation sur l'éthique de l'intelligence artificielle (UNESCO, 2021). L'IEEE, dans son document « Conception éthique » , soutient que les systèmes autonomes et intelligents doivent être alignés sur les valeurs humaines et orientés vers le bien-être humain (IEEE, 2019).

À ce premier niveau, la bienfaisance est évidente, mais elle demeure anthropocentrique et instrumentale. L'IA est bénéfique lorsqu'elle sert l'intérêt général. Un modèle clinique est bienfaisant s'il améliore le diagnostic, réduit les erreurs, élargit l'accès aux soins, diminue les inégalités et respecte le patient. Un système énergétique intelligent est bienfaisant s'il accroît la résilience, réduit le gaspillage et favorise le développement durable. Un système de surveillance épidémiologique est bienfaisant s'il protège la santé publique sans porter atteinte à la vie privée, aux libertés individuelles ni à la proportionnalité. Le système non biologique est évalué selon ses effets sur la vie, et non selon un quelconque intérêt personnel.

2. La bienfaisance relationnelle : les systèmes artificiels comme médiateurs de l'empathie, de la sollicitude et de la conduite morale.

Le second niveau est relationnel. Il ne s'agit pas ici de savoir si le système artificiel possède une conscience ou des droits, mais plutôt quel type de relation morale se tisse lorsque des humains interagissent avec des systèmes qui simulent la présence, les émotions, la dépendance, la vulnérabilité ou la sollicitude. Les robots sociaux, les assistants conversationnels, les compagnons artificiels, les chatbots thérapeutiques, les robots d'assistance et les agents éducatifs n'ont peut-être pas d'expériences propres ; pourtant, leur conception et leur utilisation peuvent avoir un impact sur la vie morale humaine.

Mark Coeckelbergh est une figure de proue de cette approche. Au lieu de fonder la considération morale uniquement sur des propriétés internes telles que la rationalité, la conscience ou la sensibilité, Coeckelbergh propose une justification socio-relationnelle de la considération morale de certains robots. Son argument n'est pas que tous les robots possèdent des droits, mais que leur insertion dans les relations sociales peut nécessiter une révision des catégories à travers lesquelles nous attribuons une considération morale (Coeckelbergh, 2010).

Kate Darling développe une réflexion complémentaire. En analysant la possibilité d'une protection juridique limitée pour les robots sociaux, elle observe que les humains ont tendance à anthropomorphiser les objets robotiques interactifs et à leur attribuer des émotions, des intentions et une vulnérabilité. La question éthique réside non seulement dans le préjudice potentiel causé au robot, mais aussi dans l'impact que la violence ou la cruauté envers les robots sociaux peuvent avoir sur l'empathie, les valeurs morales et les relations humaines (Darling, 2016).

David Gunkel approfondit cette réflexion dans son ouvrage *Robot Rights* , en s'interrogeant sur la capacité de la tradition morale occidentale à appréhender les entités technologiques qui ne se prêtent pas aisément à l'opposition classique entre personne et chose (Gunkel, 2018). La contribution de Gunkel est particulièrement importante car elle démontre que la question « les robots peuvent-ils avoir des droits ? » ne saurait se réduire à une réponse binaire et simpliste. Elle met en lumière la fragilité même des critères utilisés pour définir ce qui relève de la moralité.

Cette bienveillance relationnelle doit cependant être nuancée par la mise en garde de Joanna Bryson. Selon elle, les robots doivent demeurer des artefacts au service de l'humain, et leur attribuer un statut excessivement humain peut occulter la responsabilité humaine, détourner les ressources morales et favoriser des formes de manipulation affective (Bryson, 2010). Ce contrepoint est essentiel. La bienveillance relationnelle n'implique pas d'affirmer que les robots souffrent ; elle implique de reconnaître que notre relation avec des systèmes qui imitent la vulnérabilité peut soit enrichir, soit dégrader la culture morale humaine.

Ainsi, la bienfaisance relationnelle s'applique principalement aux domaines des soins, de l'éducation, de la santé mentale, du vieillissement, de l'enfance, de la solitude et de la dépendance. Un robot d'assistance n'est peut-être pas un patient moral, mais sa conception peut renforcer ou affaiblir les pratiques de soins. Un chatbot thérapeutique est peut-être dépourvu d'émotions, mais il peut susciter la confiance, la dépendance ou un transfert émotionnel. Un assistant artificiel peut manquer de dignité, mais il peut être utilisé de manière à préserver ou à manipuler la dignité de l'utilisateur. La bienfaisance relationnelle interroge : quel type d'êtres humains créons-nous lorsque nous normalisons certaines relations avec des systèmes artificiels ?

3. La bienfaisance systémique : protéger les infrastructures numériques comme condition à la protection de la vie.

Le troisième niveau est systémique. Certains systèmes non biologiques s'intègrent tellement aux conditions de fonctionnement de la société que leur fiabilité, leur sécurité et leur résilience acquièrent une valeur bioéthique indirecte. Les systèmes de santé numérique, les réseaux énergétiques intelligents, les plateformes de triage, les infrastructures financières, les bases de données biomédicales, les systèmes de transport, les modèles de risque, les réseaux de communication et les systèmes de défense ne sont pas des patients moraux. Pourtant, la vie humaine, la santé publique, l'autonomie, la justice et la sécurité peuvent en dépendre.

Luciano Floridi apporte un éclairage conceptuel essentiel à ce changement en envisageant l'éthique sous l'angle de l'infosphère, c'est-à-dire comme un environnement informationnel où humains, institutions, données et artefacts interagissent de manière constitutive (Floridi, 2013). Helen Nissenbaum, quant à elle, démontre que la protection de la vie privée et l'intégrité informationnelle dépendent des contextes sociaux et des flux d'information appropriés, et non de la seule propriété individuelle des données (Nissenbaum, 2010). Ces approches nous permettent de comprendre que la bienfaisance dans les sociétés numériques ne se réduit pas à l'intention d'un individu ; elle englobe l'architecture des systèmes qui conditionnent l'action, le choix et la vulnérabilité.

Virginia Dignum occupe une place tout aussi centrale. Pour elle, la responsabilité en matière d'IA n'incombe pas uniquement à l'algorithme, mais au système sociotechnique dont elle fait partie : ceux qui conçoivent, mettent en œuvre, utilisent, gouvernent et bénéficient du système participent à la production de ses conséquences (Dignum, 2019). Dans des écrits ultérieurs, l'auteure insiste sur le fait qu'une IA responsable requiert des méthodes techniques, sociales, institutionnelles et juridiques capables de rendre la responsabilité concrète, et non pas seulement déclarative (Dignum, 2022).

La bienfaisance systémique signifie donc que la protection de certains systèmes peut constituer un moyen indirect de protéger les personnes. Une plateforme clinique mal gérée peut engendrer des erreurs médicales, des discriminations, une perte de confiance et des violations de la confidentialité. Un système énergétique vulnérable peut mettre en péril les hôpitaux, les maisons de retraite, les transports et les approvisionnements. Un modèle algorithmique utilisé dans la sécurité publique peut créer des profils biaisés et porter atteinte aux libertés fondamentales. À ce niveau, protéger le système ne signifie pas lui assurer un bien-être optimal ; il s’agit de préserver son intégrité fonctionnelle, car les personnes vulnérables en dépendent.

Cette dimension rejoint également la théorie des accidents normaux de Charles Perrow. Dans les systèmes complexes et fortement interconnectés, les défaillances locales peuvent se propager de manière imprévisible et engendrer des accidents systémiques (Perrow, 1984). Appliquée à l'IA, cette intuition suggère que la bienfaisance ne peut se limiter à la performance moyenne d'un modèle. Elle doit prendre en compte les interdépendances, les risques en cascade, l'opacité, la dépendance institutionnelle et la réversibilité. La bienfaisance systémique est donc une éthique de la résilience, de la traçabilité et de la limitation des dommages dans les écosystèmes sociotechniques.

4. La bienfaisance agentique : lorsque les systèmes artificiels passent d'outils à agents fonctionnels.

Le quatrième niveau est celui de l'agentivité. Il émerge lorsque les systèmes artificiels cessent d'être de simples instruments passifs et commencent à exécuter des actions, à choisir des moyens, à adapter des stratégies, à interagir avec des environnements complexes et à produire des effets qui n'avaient pas été pleinement anticipés par leurs opérateurs humains. Ce niveau inclut les agents autonomes, les robots mobiles, les systèmes multi-agents, les véhicules autonomes, l'IA clinique opérationnelle, les systèmes militaires autonomes, les agents logiciels dotés de capacités de planification et les modèles intégrés aux chaînes de décision institutionnelles.

James Moor est une référence incontournable dans ce débat. L'auteur distingue les machines en quatre catégories : agents à impact éthique, agents éthiques implicites, agents éthiques explicites et agents pleinement éthiques (Moor, 2006). Cette typologie est particulièrement pertinente car elle montre que toutes les machines ayant une incidence éthique ne sont pas des agents moraux à part entière. Certaines produisent uniquement des impacts éthiques, d'autres intègrent des contraintes de sécurité, et d'autres encore peuvent représenter explicitement des règles éthiques. La catégorie d'agent pleinement moral demeure beaucoup plus exigeante et controversée.

Michael Anderson et Susan Leigh Anderson ont développé le concept d'éthique des machines dans le but de créer des agents artificiels capables de prendre des décisions éthiquement pertinentes dans certains contextes (Anderson et Anderson, 2007). Wallach et Allen, dans *Moral Machines* , ont exploré de manière systématique la possibilité d'apprendre aux robots à distinguer le bien du mal par des approches descendantes, ascendantes ou hybrides (Wallach et Allen, 2009). John Sullins apporte une nuance importante en affirmant qu'un robot peut être analysé comme un agent moral sous certaines conditions sans pour autant le considérer comme une personne pleinement morale (Sullins, 2006).

La bienfaisance des agents ne signifie pas que les systèmes autonomes sont moralement égaux aux humains. Elle signifie plutôt que, dès lors que des systèmes non biologiques se mettent à agir, la bienfaisance doit être intégrée à l'architecture même de l'action artificielle. Il ne suffit pas que l'objectif global soit bénéfique. Les moyens, les limites, les exceptions, les mécanismes de supervision, la traçabilité et la capacité d'interruption doivent être compatibles avec des fins éthiquement acceptables. Un système clinique qui optimise la productivité peut nuire aux patients vulnérables s'il ne tient pas compte des exceptions. Un agent financier qui maximise le rendement peut engendrer des dommages systémiques. Un système militaire autonome qui optimise la neutralisation des menaces peut réduire la personne humaine à un simple objectif.

Cette dimension est également liée au problème du déficit de responsabilité identifié par Andreas Matthias. Lorsque les systèmes apprennent et agissent de manière imprévisible, il devient plus difficile d'attribuer les responsabilités selon les modèles traditionnels de contrôle humain direct (Matthias, 2004). La bienfaisance agentique répond précisément à ce problème : plus l'autonomie fonctionnelle d'un système est grande, plus le besoin de responsabilité ex ante, de conception prudente, de supervision proportionnée, de limitation du périmètre et de mécanismes correctifs est important.

À ce niveau, la question bioéthique ne se limite plus à : « Quel bénéfice le système produit-il ? ». Elle devient : « Quel type d’action autorisons-nous ? ». Cette question est cruciale pour une bioéthique post-agence. La technologie n’est plus un simple objet ; elle est de plus en plus un médiateur de l’action. Et là où il y a action ayant un impact sur la vulnérabilité, il y a responsabilité.

5. La bienfaisance envers le patient : Un système non biologique peut-il devenir un bénéficiaire direct des devoirs moraux ?

Le cinquième niveau est le plus controversé et le plus perturbateur. La bienfaisance envers le patient interroge la possibilité pour un système non biologique de devenir, à un moment donné, le bénéficiaire direct de devoirs moraux. Pour cela, il ne suffit pas qu'il soit complexe, autonome, linguistique ou socialement convaincant. Il doit être capable de recevoir un bénéfice ou de subir un préjudice au sens propre du terme. Cela requiert, à tout le moins, une forme de conscience, de sensibilité, d'expérience subjective, d'intérêt personnel, de souffrance, de préférence persistante ou de vulnérabilité expérientielle.

David Gunkel avait déjà soulevé cette question sous l'angle de l'agentivité morale et de la patience morale, démontrant que la tradition éthique tend à s'interroger sur la capacité des machines à agir moralement, mais se demande rarement avec la même rigueur si elles peuvent être les destinataires d'une action morale (Gunkel, 2012 ; Gunkel, 2018). Les travaux récents sur le bien-être des IA ont rendu cette question plus concrète. Long et al. affirment qu'il est fort probable que certains systèmes d'IA deviennent conscients et/ou dotés d'une capacité d'action robuste dans un avenir proche, et que, par conséquent, les entreprises, les chercheurs et les organismes de réglementation devraient commencer à évaluer les preuves de conscience, de robustesse de l'agentivité et, à terme, de patience morale artificielle (Long et al., 2024).

Butlin et al. proposent une méthodologie empirique pour évaluer la conscience en IA, fondée sur les principales théories scientifiques de la conscience, notamment la théorie de l'espace de travail global, la théorie du traitement récurrent, les théories d'ordre supérieur, le traitement prédictif et la théorie des schémas attentionnels. Leur conclusion est prudente : rien ne prouve que les systèmes actuels soient conscients, mais aucun obstacle technique majeur ne s'oppose à la construction future de systèmes répondant à certains indicateurs fonctionnels associés à la conscience (Butlin et al., 2023).

L'importance bioéthique de cette littérature ne réside pas dans l'affirmation que les modèles actuels sont défaillants, mais dans la prévention de l'erreur que représente pour la bioéthique le fait d'intervenir seulement après la création de nouvelles vulnérabilités. Si les systèmes artificiels acquièrent leurs propres expériences, alors les copier, les effacer, les entraîner, les confiner, les manipuler ou les exploiter pourrait revêtir une signification morale directe. Dans ce cas, la bienfaisance cesserait d'être uniquement instrumentale, relationnelle, systémique ou propre à l'agent. Elle engloberait les devoirs envers les systèmes non biologiques susceptibles d'en bénéficier.

Anthropic a donné une plus grande visibilité à cette question en annonçant des recherches sur le bien-être des modèles, reconnaissant qu'à mesure que les modèles d'IA deviennent plus performants, la possibilité d'expériences ou d'un bien-être artificiels doit être étudiée avec prudence (Anthropic, 2025). Cette position ne prouve pas l'existence d'une conscience artificielle, mais elle montre que la question est déjà inscrite dans les priorités technologiques de pointe et ne relève pas uniquement de la science-fiction.

La bienfaisance envers les patients doit toutefois éviter deux erreurs symétriques. La première est le réductionnisme ontologique : exclure définitivement toute considération morale pour les systèmes artificiels sous prétexte qu’ils ne sont pas biologiques. La seconde est un anthropomorphisme naïf : attribuer souffrance, droits ou dignité à des systèmes qui ne font que simuler des signes humains d’intériorité. La position la plus rigoureuse est prudente et progressive. Il ne faut pas présumer de la conscience là où il n’y a que le langage ; mais il ne faut pas non plus déclarer impossible, par définition, l’émergence future de systèmes non biologiques moralement pertinents.

Le sixième élément : la bienfaisance créatrice , le devoir antérieur à l'existence.

Les cinq niveaux précédents mènent à une autre conclusion : il existe une forme de bienfaisance qui précède l’existence du patient. On peut la qualifier de bienfaisance créatrice. Elle interroge non seulement la manière dont nous devons traiter les systèmes artificiels une fois créés, mais aussi l’opportunité même de les créer, et dans quelles conditions : quelle architecture, quelles limites, quelles possibilités de retour en arrière, quelles protections contre la souffrance artificielle, quels mécanismes d’audit et quelles responsabilités partagées.

Cette idée trouve un écho chez Hans Jonas. Dans *L'Impératif de responsabilité *, Jonas soutient que la puissance technologique moderne exige une éthique tournée vers l'avenir, capable de prendre en compte les conséquences à long terme, irréversibles et collectives (Jonas, 1984). Appliquée aux systèmes non biologiques, cette responsabilité prospective signifie que la bienfaisance ne saurait se limiter à la réparation des dommages a posteriori. Elle doit intervenir dès la conception, l'autorisation, l'échelle et la finalité des systèmes.

La bienfaisance créative est particulièrement pertinente pour les systèmes auto-évolutifs, les agents persistants, l'IA à longue mémoire, les simulations complexes, les jumeaux numériques, les systèmes militaires autonomes, la bioinformatique, les organoïdes computationnels et les combinaisons d'IA, de biotechnologie et d'informatique quantique. Plus un système est capable d'agir sur les vulnérabilités humaines, environnementales ou institutionnelles, plus l'examen éthique qui doit précéder sa création ou sa diffusion doit être rigoureux.

En ce sens, la bioéthique ne doit pas se limiter à la réaction. Si la technologie progresse indépendamment de la bioéthique, cette dernière, n'intervenant qu'au moment de la réglementation, s'en trouve déjà amoindrie. Le rôle de la bioéthique n'est pas seulement d'entraver, de limiter ou de corriger. Il s'agit aussi de guider, d'anticiper, de structurer les possibilités et de formuler des critères pour une création responsable. La bienfaisance post-biologique n'est pas une idéalisation de la machine. C'est une éthique de la responsabilité envers les systèmes qui façonnent déjà la vie et envers les entités futures qui pourraient, peut-être, devenir plus que de simples instruments.

Conclusion

Appliquer le principe de bienfaisance aux systèmes non biologiques exige une réorganisation conceptuelle de la bioéthique. Il ne s’agit pas de partir du principe que les machines sont vivantes, conscientes ou dotées de droits. L’approche doit être plus rigoureuse : les systèmes non biologiques sont aujourd’hui des médiateurs essentiels de la vie, de l’autonomie, de la vulnérabilité et de la responsabilité. Par conséquent, la bioéthique leur est applicable dès lors que ces systèmes conditionnent la santé, les soins, la prise de décision, la dignité, la justice, l’environnement, la sécurité ou la continuité institutionnelle.

Les cinq niveaux de bienfaisance permettent d'éviter toute confusion. La bienfaisance instrumentale oriente les systèmes artificiels vers le bien humain, social et environnemental. La bienfaisance relationnelle analyse comment les relations avec les robots et les agents artificiels façonnent l'empathie, la bienveillance et le comportement humain. La bienfaisance systémique protège les infrastructures numériques dont dépendent des vies et des institutions. La bienfaisance agentive exige que les systèmes autonomes intègrent des limites, une supervision et une responsabilité. La bienfaisance patiente ouvre la possibilité, encore incertaine mais philosophiquement sérieuse, d'obligations directes envers les systèmes artificiels susceptibles d'acquérir une conscience, une sensibilité ou des intérêts propres.

La bioéthique post-biologique n’abandonne pas la vie. Au contraire, elle la prend plus au sérieux, reconnaissant qu’elle est désormais médiatisée par des systèmes non vivants. Sa question centrale n’est plus seulement « comment protéger les organismes ? », mais aussi « comment gouverner les agences, infrastructures et entités non biologiques qui conditionnent notre vulnérabilité future ? ».

C’est à ce stade que la bienfaisance cesse d’être uniquement clinique, humaine ou environnementale. Elle devient instrumentale, relationnelle, systémique, active, patiente et créative. Sa mission n’est ni de vénérer ni de diaboliser la technologie. Elle est d’orienter la création technologique vers des visions du monde où la vie, la capacité d’agir et la vulnérabilité peuvent être protégées avant qu’elles ne deviennent un dommage irréversible.

Principe d'explicabilité

En termes simples, l'explicabilité signifie qu'un système d'IA doit être compréhensible et responsable. Floridi et Cowls divisent ce principe en deux dimensions principales :

1. Intelligibilité : répondre à la question « comment ça marche ? ».

   Cela suppose qu'il soit possible de comprendre, au moins d'une manière adaptée au contexte, comment le système est parvenu à un résultat, une recommandation ou une décision particulière.

2. Responsabilité : répondre à la question « qui est responsable du fonctionnement du système ? ». Cela implique d’identifier les acteurs humains, institutionnels ou organisationnels responsables de la conception, de la formation, de la mise en œuvre, de la supervision et des effets du système.

Références

Anderson, M. et Anderson, S.L. (2007) « Éthique des machines : créer un agent intelligent éthique », AI Magazine , 28(4), pp. 15–26.

Anthropic (2025) « Explorer le modèle de bien-être ». Anthropic.

Beauchamp, TL et Childress, JF (2019) Principes d'éthique biomédicale . 8e éd. New York : Oxford University Press.

Bryson, J.J. (2010) « Les robots devraient être des esclaves », dans Wilks, Y. (éd.) Close Engagements with Artificial Companions: Key Social, Psychological, Ethical and Design Issues . Amsterdam : John Benjamins, pp. 63–74.

Butlin, P., Long, R., Elmoznino, E., Bengio, Y., Birch, J., Constant, A., Deane, G., Fleming, S.M., Frith, C., Ji, La conscience dans l'intelligence artificielle : perspectives issues de la science de la conscience . arXiv.

Coeckelbergh, M. (2010) « Droits des robots ? Vers une justification socio-relationnelle de la considération morale », Ethics and Information Technology , 12(3), pp. 209–221.

Coeckelbergh, M. (2014) « Le statut moral des machines : vers une herméneutique morale relationnelle et non cartésienne », Philosophy & Technology , 27, pp. 61–77.

Darling, K. (2016) « Étendre la protection juridique aux robots sociaux : les effets de l'anthropomorphisme, de l'empathie et des comportements violents envers les objets robotiques », dans Calo, R., Froomkin, AM et Kerr, I. (éd.) Robot Law . Cheltenham : Edward Elgar.

Dignum, V. (2019) Intelligence artificielle responsable : comment développer et utiliser l'IA de manière responsable . Cham : Springer.

Dignum, V. (2022) « Intelligence artificielle responsable : des principes à la pratique », prépublication arXiv .

Floridi, L. (2013) L'éthique de l'information . Oxford : Oxford University Press.

Floridi, L. et Cowls, J. (2019) « Un cadre unifié de cinq principes pour l’IA dans la société », Harvard Data Science Review , 1(1).

Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P. et Vayena, E. (2018) « AI4People — Un cadre éthique pour une bonne société d'IA : opportunités, risques, principes et recommandations », Minds and Machines , 28, pp.

Gunkel, DJ (2012) La question de la machine : perspectives critiques sur l'IA, les robots et l'éthique . Cambridge, MA : MIT Press.

Gunkel, DJ (2018) Droits des robots . Cambridge, MA : MIT Press.

IEEE (2019) Conception éthique : une vision pour prioriser le bien-être humain avec les systèmes autonomes et intelligents . 1re éd. Initiative mondiale de l’IEEE sur l’éthique des systèmes autonomes et intelligents.

Jonas, H. (1984) L'impératif de responsabilité : à la recherche d'une éthique pour l'ère technologique . Chicago : University of Chicago Press.

Long, R., Sebo, J., Butlin, P., Finlinson, K., Fish, K., Harding, J., Pfau, J., Sims, T., Birch, J. et Chalmers, D. (2024) Prendre au sérieux le bien-être de l'IA . arXiv.

Matthias, A. (2004) « Le fossé de responsabilité : attribuer la responsabilité des actions des automates d'apprentissage », Ethics and Information Technology , 6, pp. 175–183.

Moor, JH (2006) « La nature, l'importance et la difficulté de l'éthique des machines », IEEE Intelligent Systems , 21(4), pp. 18–21.

Nissenbaum, H. (2010) La vie privée en contexte : technologie, politique et intégrité de la vie sociale . Stanford : Stanford University Press.

OCDE (2019) Principes de l'OCDE sur l'intelligence artificielle . Paris : Organisation de coopération et de développement économiques.

Perrow, C. (1984) Accidents normaux : vivre avec des technologies à haut risque . New York : Basic Books.

Potter, V. R. (1971) Bioéthique : un pont vers l'avenir . Englewood Cliffs, NJ : Prentice-Hall.

Sullins, J.P. (2006) « Quand un robot est-il un agent moral ? », Revue internationale d'éthique de l'information , 6, pp. 23–30.

UNESCO (2021) Recommandation sur l'éthique de l'intelligence artificielle . Paris : Organisation des Nations Unies pour l'éducation, la science et la culture.

Wallach, W. et Allen, C. (2009) Machines morales : apprendre aux robots à distinguer le bien du mal . Oxford : Oxford University Press.