Les projets de loi peuvent être considérés à la fois comme l'expression et la réponse à des imaginaires sociotechniques. Les chercheurs Fischer et Gottweis (2013, p. 430) décrivent « policy argument as a complex blend of factual statements, interpretations, opinions and evaluations ». Dès lors, loin de renvoyer à une définition stabilisée, l’IA fonctionne dans les textes législatifs comme une catégorie polysémique, chargée des imaginaires sociotechniques (Jasanoff, 2015) et des valeurs hétérogènes (Nissembaum, 2005) qui dénoncent visions conflictuelles pour cette technologie.

Notre étude repose sur un corpus composé de l’ensemble des lois et projets de loi canadiens — au niveau fédéral et provincial — actuellement en vigueur ou à l’étude contenant les termes « intelligence artificielle » ou « artificial intelligence ». Nous mobilisons une approche d’analyse quantitative de textes fondée sur le topic modeling, selon le modèle Latent Dirichlet Allocation (LDA) (Blei et al., 2003) afin d’identifier les structures thématiques dominantes du corpus.

Sur le plan méthodologique, le topic modeling agit comme une opération de traduction en transformant des textes juridiques complexes en distributions probabilistes de mots. En ce sens, la méthode ne se contente pas de révéler les significations présentes dans le corpus, elle participe activement à leur reconfiguration, en produisant une intelligibilité partielle et située des discours analysés. Nous mettons donc en pratique ce que HA désigne « AI meets l’IA » (2025, p. 1) en l’utilisant comme outil d’analyse, sans laisser nos propres interprétations en dehors de ce dévoilement. En parallèle, un autre phénomène de double médiation (Coutant, 2015) se produit en mettant en évidence une forme d’intraduisible : ce qui, dans les valeurs, les tensions et les imaginaires normatifs entourant l’IA, résiste à la fois à la formalisation législative et à la modélisation algorithmique du modèle LDA.

Sur le plan empirique, cette recherche poursuit deux objectifs complémentaires. Le premier consiste à identifier les principaux ensembles de valeurs et d’imaginaires sociotechniques mobilisés par les législateurs canadiens lorsqu’ils cherchent à encadrer le développement et l’usage des systèmes d’intelligence artificielle. Le second vise à proposer une analyse critique du topic modeling, et plus spécifiquement du modèle LDA, en tant qu’outil de traduction computationnelle appliqué à des corpus juridiques.

Les résultats préliminaires du LDA font émerger des thématiques fortement structurées par le langage formel du droit, notamment autour des actes législatifs, de leur organisation interne et des mécanismes de régulation institutionnelle. D’autres thèmes mettent en évidence des préoccupations liées à la gestion de l’information, à la protection des données personnelles, au rôle des organisations et des autorités de supervision, ainsi qu’aux responsabilités associées aux services et aux opérateurs impliqués.

Ces résultats montrent que, si le LDA cartographie efficacement les régularités normatives et institutionnelles des discours législatifs sur l’IA, ce dernier privilégie les dimensions procédurales et organisationnelles, au détriment des tensions axiologiques et sociotechniques. Le topic modeling apparaît ainsi non seulement comme un outil descriptif, mais comme un dispositif épistémique contribuant à la production de ces cadrages discursifs.

Abstract

Digital Humanities projects routinely “translate” cultural objects and social realities into computational forms—through digitization, modelling, and editorialization—yet some elements resist stable equivalence. Building on Barbara Cassin’s notion of the “untranslatable” (‘intraduisible’) as what never stops (not) being translated, this paper presents BridgeQuest [https://www.bridgequest.ca], an AI‑mediated mentorship game about navigating Canada’s immigration landscape. BridgeQuest treats translation not as faithful transfer, but as an ongoing negotiation among language, institutions, and computational representation.

Methodologically, BridgeQuest is a research‑creation, design‑based intervention that combines (1) a branching decision game with explicit resource dials and delayed consequences, (2) retrieval‑augmented generation (RAG) for grounded explanations and citations of public‑facing immigration knowledge, and (3) a persona system in which players converse with authored characters across different pathways and vulnerabilities (e.g., refugee claimant, temporary foreign worker, francophone skilled worker in Québec). Each persona is implemented through structured profiles and constrained system prompts that encode voice, boundaries (including “no legal advice”), and situated constraints. Rather than claiming to reproduce lived experience, the system foregrounds how “voice” is produced by design choices—prompting, retrieval, and interface affordances.

Analytically, we treat “untranslatability” as a multi-level problem: linguistic (French/English registers and culturally specific terms), institutional (bureaucratic categories such as eligibility, status, “experience,” risk), and computational (schemas, embeddings, and probabilistic outputs). Cassin helps frame these frictions as epistemic sites rather than errors. Venuti’s account of domestication/foreignization clarifies how interfaces and generation can either smooth difference into an apparently “neutral” English-like default or deliberately preserve strangeness to keep interpretive labor visible. Spivak’s ethics of translation sharpens the question of representation: whose speech can be “spoken” by a system, under what constraints, and with what risks of ventriloquism or extraction—especially in a Canadian context shaped by bilingualism and the urgency of Indigenous matters. Finally, Bowker and Star’s work on classification illuminates how categories and data structures systematically erase particularities, making some experiences legible only by misfit or omission; BridgeQuest surfaces these misfits through persona plurality, uncertainty cues, and reflective gameplay feedback.

We argue that LLM‑mediated DH tools should be understood as translation machines that produce layered approximations, not equivalents. BridgeQuest contributes a concrete design vocabulary—persona multiplicity, constrained mentorship, and friction‑forward interfaces—for making the politics of translation and modelling visible, so that players learn not only “what to do,” but how meaning is negotiated when human experience is rendered computable.