La conférence MASHS 2026, « Modèles et apprentissages en sciences humaines et sociales », se tiendra à Paris du 9 au 11 septembre 2026, à la Maison des Sciences économiques de l’Université Paris 1 Panthéon-Sorbonne.

Cette édition sera consacrée à l’intelligence artificielle interprétable et responsable en SHS. Elle abordera les transformations introduites par l’IA, en particulier générative, dans les pratiques de modélisation, d’apprentissage, d’interprétation, d’écriture, de création, d’évaluation et de décision.

Les journées des 9 et 10 septembre associeront conférences invitées et session posters. La journée du 11 septembre sera consacrée aux rencontres franco-cubaines MASHS, autour d’applications interdisciplinaires en modélisation, statistique et aide à la décision.

Le programme provisoire est disponible et sera mis à jour progressivement.

Les propositions attendues pourront relever d’approches fondamentales, méthodologiques, appliquées ou critiques. Elles devront contribuer au dialogue entre méthodes computationnelles et sciences humaines et sociales, en portant une attention particulière aux enjeux d’interprétabilité, d’explicabilité, de confiance, de responsabilité ou d’usage des systèmes d’IA.

Les propositions pourront porter aussi bien sur l’usage de l’IA comme outil d’analyse en SHS que sur l’IA comme objet d’étude sociale, culturelle, politique ou épistémologique.

Les propositions de posters doivent être déposées sous la forme d’un résumé de 300 mots maximum, en français ou en anglais, accompagné d’un titre, de 3 à 5 mots-clés et des informations relatives aux auteur·es et affiliations. Les jeunes chercheurs et chercheuses sont particulièrement encouragé·es à soumettre leurs travaux.

Afin de faciliter les échanges avec les collègues non francophones, l’usage de l’anglais est encouragé pour les posters et supports de présentation lorsque cela est possible.

La date limite de soumission est fixée au 30 juin 2026. Les instructions détaillées sont disponibles dans l’appel à communications : appelMASHS2026