L’automatisation au pouvoir ?
design & machine learning

1 –
La recherche à la
HEAD – Genève

La recherche à la HEAD – Genève (HES-SO)

• « Recherche-création » : avec les moyens de l’art et du design
• Approches multiples : historique, critique, pratique, technique, prospective, etc.
• Perspective professionnalisante : anticiper l’avenir des métiers de la HES-SO

2 –
Fonctionnement du
machine learning

3 –
Applications du
deep learning

« Robot journaliste : en un an, une IA créée par le Washington Post a publié 850 articles », Numerama.com, 2017

Une formidable puissance de calcul, mais :

• Effet « boîte noire » du fonctionnement technique
• Renforcement des stéréotypes et des mécanismes de discrimination
• Beaucoup de fantasmes et de promesses non tenues

Excès d’optimisme

• 1958, Herbert Simonet Allen Newell : « D’ici dix ans un ordinateur sera le champion du monde des échecs » et « d’ici dix ans, un ordinateur découvrira et résoudra un nouveau théorème mathématique majeur. »
• 1965, Herbert Simon : « Des machines seront capables, d’ici vingt ans, de faire tout travail que l’homme peut faire. »
• 1967, Marvin Minsky : « Dans une génération […] le problème de la création d’une ’intelligence artificielle’ [sera] en grande partie résolu. »
• 1970, Marvin Minsky (dans le magazine Life) : « Dans trois à huit ans nous aurons une machine avec l’intelligence générale d’un être humain ordinaire. »

4 –
Le machine learning
dans l’art et le design

Comment échapper à l’uniformité qui caractérise le monde de l’automatisation ?

5 –
« L’automatisation au pouvoir ? », un projet de recherche HEAD / HES-SO

Résumé

Faisant l’objet de nombreuses controverses techniques et épistémologiques, les technologies du machine learning trouvent leur place dans les industries créatives depuis plusieurs années et reconfigurent les pratiques de design. Mais comment l’automatisation propre aux technologies numériques pourrait-elle être réorientée à plus petite échelle, de façon maîtrisée et « sur-mesure » ? Comment faire en sorte que le machine learning puisse ouvrir à l’invention et à la curiosité ? Pour répondre à ces questions, nous nous concentrerons sur le champ du design graphique dans une optique de recherche-création : le matériel récolté (enquêtes et entretiens) servira d’ancrage à la production d’un prototype semi-fonctionnel à caractère manifeste.

Financement HES-SO, « Projets exploratoires sur la transition numérique », novembre 2021 à juillet 2022

Objectifs

• Saisir les usages (projets, opportunités, etc.) et problèmes (blocages, manques, etc.) actuels des technologies de machine learning pour les designers graphiques
• Sur la base de ces analyses, engager une démarche de « recherche-action » tournée vers la mise en place de nouvelles situations d'usages du machine learning adaptées aux studios de design graphique indépendants

Conclusion –
Quelle pédagogie des intelligences simulées ?

• À une époque où les technologies du machine learning font partie de notre quotidien, en quoi les cursus de design pourraient-ils (ou devraient-ils)
  faire l’objet de reconfigurations ?
• Quelles compétences ne sont plus pertinentes à enseigner ?
• Quelles sont celles qui devraient évoluer ou être ajoutées ?

@AnthonyMasure

www.anthonymasure.com

Présentation réalisée avec Reveal.js, MIT License
Licence (textes) : CC BY-SA
—
Polices de caractères
Sklolar Sans (David Březina × Rosetta Type, 2014)
IBM Plex Mono (Mike Abbink × Bold Monday, 2018)
—
Novembre 2021