Date
décembre 2019
Type
PublicationContexte
Article publié dans la revue Cités, Paris, Puf, no 80, dossier « L’intelligence artificielle : enjeux éthiques et politiques » dirigé par Vanessa Nurock.
Résumé
Le regain d’intérêt pour l’intelligence artificielle (IA) des années 2010 engendre des programmes « auto-apprenants », ceux des techniques du deep learning, dont les logiques de fonctionnement sont structurellement inintelligibles (principe de la « boîte noire »). Ces IA investissent progressivement les capacités d’invention et d’imagination, et tendent donc à se substituer aux tâches communément attribuées aux designers. Le risque est alors que le design ne devienne qu’une puissance de production de marchandises et de motifs automatisés. Face au formatage des expériences humaines dans ce qu’elles ont de plus singulier, quelles marges de manœuvre peut-on inventer ? Des contre-pouvoirs sont-ils encore envisageables ?
Notions
Personnes citées
Objets mentionnés
Date
avril 2023
Type
ConférenceContexte
Présentation de l’essai Design sous artifice au séminaire ArTeC (Paris), suivie d’une discussion avec Pierre-Damien Huyghe.
Résumé
Le grand public a récemment découvert des programmes de machine learning (apprentissage automatique) comme DALL·E, Midjourney ou Disco Diffusion capables de générer des images à partir de commandes textuelles. Ces images sans auteur·trice, d’une qualité impressionnante, suscitent l’émerveillement tout autant que des débats au sein de la communauté créative internationale, qui s’effraie de la menace que ces processus font planner sur la survie des professions d’illustrateur·trice ou de photographe.
Notions
Personnes citées
Objets mentionnés
Médias
Date
mars 2023
Type
ConférenceContexte
Communication dans le cadre de la journée « Arts et neurosciences : nouveaux terrains d’expérimentations » (dir. Justine Emard), Nantes, Stereolux.
Résumé
Les liens entre informatique et psychologie hantent l’informatique depuis ses débuts, qu’on pense à l’augmentation des facultés intellectuelles par la machine (Vannevar Bush) ou le développement d’un cerveau électronique capable de remplacer l’humain dans certaines tâches (Alan Turing). Alors que plusieurs approches psychologiques coexistaient aux débuts de la cybernétique – allant de la psychanalyse aux neurosciences – celles-ci vont progressivement se resserrer autour d’une visée comportementaliste (où domine la recherche de performance et d’efficience) que l’on retrouve aujourd’hui dans les interfaces dites « neuronales », c’est-à-dire qui fonctionnent en visualisant l’activité des neurones. Leur développement s’inscrit dans le paradigme de « l’informatique ubiquitaire », développé par Mark Weiser à la fin des années 1980, et qui prône la réduction des médiations entre l’humain et la machine au profit de leur intégration dans le quotidien. Si cette visée aura facilité les usages de l’informatique via le développement d’interfaces « naturelles » (tangibles, vocales, et désormais neuronales), elle engendre plusieurs problèmes tels que le formatage des expériences, la collecte de données sans consentement, ou encore le syndrôme de la réponse unique. Pour les champs de l’art et du design, ces technologies rejouent l’idée romantique du « génie », qui « créé » dans l’instant, sans barrière avec le contact avec la matière – une idée au cœur des fantasmes de l’apprentissage automatique (deep learning) et des générateurs en tout genre. Il s’agit alors de savoir ce que peuvent faire l’art et le design en contexte de technoscience afin que les programmes des interfaces neuronales, encore en émergence, ne se limitent pas à des dispositifs prescriptifs.
Notions
Personnes citées
Objets mentionnés
Médias
Date
mars 2022
Type
ConférenceContexte
Conférence dans le cadre du séminaire ArTeC, « Technologies critiques », dir. Emanuele Quinz, Université Paris 8.
Résumé
[…]Notions
Personnes citées
Objets mentionnés
Médias
Date
mars 2021
Type
ConférenceContexte
Communication au colloque « Deep City: Climate Crisis, Democracy and the Digital », Lausanne, EPFL, 25 mars 2021
Résumé
Deep learning artificial intelligence (AIs) works by comparing and aligning “raw” or “labeled” data sets. This mimetic paradigm (remix of “data sets”) makes it difficult to discern “generated” copy of original. Therefore, the question of acceptance of a world shaped by AIs arises less in terms of replacement than in terms of recovery: an environment in which one could not distinguish what is produced, or not, with AIs. Another challenge, with the demand of ecological sobriety, is the increase of algorithmic rationality with generated shapes optimized to structural constraints. What about social and aesthetic dimensions of shaping? How can AIs be open to invention and curiosity?
Notions
Personnes citées
Objets mentionnés
Médias
Date
janvier 2020
Type
ConférenceContexte
Conférence avec Alexia Mathieu, responsable du Master Media Design de la HEAD – Genève. Séance inaugurale du cycle « Machine Vision : surveillance, simulation, spéculation », Paris, Le BAL
Résumé
Bien que le concept d’« intelligence artificielle » (IA) soit déjà ancien, sa présence ne cesse de s’intensifier, que ce soit dans la presse, la pop culture, ou les objets du quotidien. Des approches critiques se développent, par exemple face aux dérives sécuritaires de ces technologies, ou face à la précarisation des « tâcherons du clic » invisibilisés par ces promesses d’innovation. Comment ces enjeux sociaux sont-ils abordés par les métiers dits de la « création », eux-mêmes en proie à des risques et opportunité d’automatisation ? Qu’est-ce que le design peut faire « avec » les intelligences artificielles ? Comment aborder ces questionnements dans des situations pédagogiques ?
Notions
Personnes citées
Objets mentionnés
Date
septembre 2019
Type
ConférenceContexte
Communication dans le cadre du colloque « Humanités numériques et computationnelles », université Côte d’Azur, Académie d’Excellence « Homme, Idées et Milieux », Nice, Centre Universitaire Méditerranéen
Résumé
Prenant de l’ampleur au tournant des années 2010, les modalités d’intelligences artificielles dites d’« apprentissage profond » (deep learning) reposent sur une architecture technique structurellement opaque : le programme informatique n’est plus modélisé en amont mais résulte, par rétroaction, du couplage entre des entrées (inputs) et des sorties (outputs) « étiquetées ». En automatisant de plus en plus de tâches – y compris dans les champs de l’art et du design –, ces boîtes noires (black boxes) échappant à l’entendement humain bousculent les actuelles catégories éthiques ou morales. Mais si l’on considère que les machines, par effet de miroir, révèlent la part « inhumaine » de l’humanité, la partition humain/machine a-t-elle encore un sens ? S’inscrivant dans le dépassement de cette opposition, le travail critique des technologies du deep learning par l’art et le design montre comment des capacités considérées comme « humaines » peuvent en fait relever d’un caractère machinique. Dès lors, cela ne conduirait-il pas à remettre en cause l’expression même d’« humanités numériques » ?
Notions
Personnes citées
Objets mentionnés