Anthony Masure

Date

mai 2021

Type

Contexte

Contribution au dossier « Globalisations esthétiques » du 82^e numéro de la revue Multitudes, dirigé par Nathalie Blanc et David Christoffel.

Résumé

À rebours d’un progrès technique consistant à voir les logiciels de CAO/PAO (« Conception/Publication Assistée par Ordinateur ») comme une « augmentation » mécanique des possibilités créatives, nous proposons de considérer ce processus comme une accélération – voire comme une automatisation – de façons de faire traditionnelles. Alors que les designers utilisent au quotidien les mêmes logiciels, ont-ils pleinement conscience de leur histoire et de leurs implications ? Comment cette tendance à la normalisation s’inscrit-elle dans l’histoire des transformations techniques induites par le développement de la computation ? Pour traiter ces enjeux, nous invitons à parcourir sous forme de courtes notices une série d’objets techniques (logiciels de création, machines, etc.), classés du plus standardisant au plus ouvert. Chacun de ces items comprend trois sous-parties : une description de son caractère standardisant, une critique des valeurs qu’il embarque, et des contre-emplois (antérieurs ou postérieurs) en art et en design.

Notions

• Abstraction,
• Augmentation,
• Conception,
• Contre-emploi,
• Creative coding,
• Créativité,
• Critique,
• Deep Learning,
• Design space,
• Ergonomie,
• GUI,
• Homogénéisation,
• IA,
• Intelligence artificielle,
• IHM,
• Interface,
• Logiciel,
• Machine learning,
• Métaphore,
• Normativité,
• Publication,
• Programmation,
• Programmes,
• Standard,
• Standardisation,
• Utilisateur,
• UX design,
• Workflow,

Personnes citées

• Bruet Manon,
• Casilli Antonio A.,
• Citton Yves,
• Cooper Alan,
• Crawford Kate,
• Duarte Matías,
• Crawford Kate,
• Eisenman Peter,
• Engelbart Douglas,
• Fry Ben,
• Fuller Matthew,
• Gehry Frank,
• Goodhouse Andrew,
• Hoberman Chuck,
• Huyghe Pierre-Damien,
• Jodi.org,
• Joler Vladan,
• Kay Alan,
• Metahaven,
• Knoll John,
• Knoll Thomas,
• Lehni Jürg,
• Lialina Olia,
• Maeda John,
• Manovich Lev,
• Mitchell William,
• Niemelä Sami,
• Pandelakis Saul,
• Prévieux Julien,
• Puckey Jonathan,
• Reas Casey,
• Rebaudengo Simone,
• Ross David Jonathan,
• Sutherland Ivan Edward,

Objets mentionnés

• Adobe,
• Adobe Creative Suite,
• Adobe Illustrator,
• Adobe Photoshop,
• Adobe Sensei,
• Adobe XD,
• Amazon Alexa,
• Anatomy of an AI System,
• Apple Siri,
• Autodesk AutoCAD,
• BIM,
• Facebook,
• Figma,
• Fortnite,
• Gimlet X-Ray,
• Google Android,
• Google Home,
• Google Material Design,
• Jodi.org,
• Made in Machina/e,
• Microsoft Word,
• Paper.js,
• Processing,
• Rhino,
• Scriptographer,
• Sketch,
• Sketchpad,
• TikTok,
• What Shall We Do Next?,
• Xerox Alto,

Date

décembre 2019

Type

Contexte

Article publié dans la revue Cités, Paris, Puf, n^o 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

• Appareil,
• Apprentissage automatique,
• Assujettissement,
• Automatisation,
• Autonomie,
• Behaviorisme,
• Boîte noire,
• Cognitivisme,
• Comportementalisme,
• Conception,
• Contre-pouvoir,
• Cybernétique,
• Découverte,
• Deep learning,
• Discrimination,
• Délégation,
• Efficacité,
• Fonctionnaire,
• Fonctionnement,
• Formatage,
• Hardware,
• IA,
• Imagination,
• Input,
• Intelligence artificielle,
• Machine learning,
• Morale,
• Opacité,
• Optimisation,
• Output,
• Post-histoire,
• Pouvoir,
• Photographie,
• Production,
• Programmation,
• Raison,
• Rationnalité,
• Rendement,
• Réseau de neurone,
• Simulation,
• Software,

Personnes citées

• Angwin Julia,
• Arendt Hannah,
• Barrat Robbie,
• Bailey Jason,
• Benjamin Walter,
• Bornstein Aaron M.,
• Boutang Yann Moulier,
• Cardon Dominique,
• Casilli Antonio A.,
• Cellard Loup,
• Chevalvert,
• Cointet Jean-Philippe,
• Cun Yann le,
• Ertzscheid Olivier,
• Fass John,
• Flusser Vilém,
• Hinton Geoff,
• Huyghe Pierre-Damien,
• Kirchner Lauren,
• Kissinger Henry A.,
• Kosinski Michal,
• Kyrou Ariel,
• Larson Jeff,
• Lassègue Jean,
• Mattu Surya,
• Mazières Antoine,
• McClymont Alistair,
• Morris William,
• Niemelä Sami,
• Nixon Richard,
• Osindero Simon,
• Pasquale Frank,
• Protais Marine,
• Pavlov Ivan,
• Rebaudengo Simone,
• Rey Alain,
• Ross Casey,
• Saulnier Boris,
• Schwab Katharine,
• Shteyngart Gary,
• Skinner Burrhus Frederic,
• Swetlitz Ike,
• Tarnoff Ben,
• Teh Yee-Whye,
• Turing Alan,
• Von Neumann John,
• Wang Yilun,
• Watson John Broadus,
• Weigel Moira,
• Wiener Norbert,

Objets mentionnés

• Adobe,
• Alibaba,
• Autodesk Dreamcatcher,
• Autodesk Netfabb,
• Automatic Computing Engine,
• Balenciaga AI,
• Face++,
• Facebook,
• Google Tensor Flow,
• IBM Watson,
• Machine Jacking,
• Made in Machina/e,
• Netflix,
• Of Machines Learning to See Lemon,
• PredPol,
• Siri,
• TheGrid.io,
• The Justice Department’s National Institute of Corrections,
• The Next Rembrandt,
• Uber,
• Wix ADI,