Anthony Masure

Date

décembre 2020

Type

Contexte

Propos récoltés par Loven Bensimon pour Conforme Magazine et rédigés par Anthony Masure le 1^er avril 2020 à Paris.

Résumé

Notions

• Apprentissage automatique,
• Artificiel,
• Augmentation,
• Automatisation,
• Bifurcation,
• Boîte noire,
• Cyborg,
• Deep learning,
• Délégation,
• Design de la responsabilité,
• Efficacité,
• Fonctionnaire,
• Génétique,
• IA,
• Imitation,
• Intelligence artificielle,
• Machine learning,
• Naturel,
• Programmation,
• Réparation,
• Réseau de neurone,
• Transhumanisme,

Personnes citées

• Bush Vannevar,
• Flusser Vilém,
• Haraway Donna,
• Jonas Hans,
• Nietzsche Friedrich,
• Turing Alan,
• Virilio Paul,

Objets mentionnés

• Adobe,
• Avion,
• Centrale nucléaire,
• Viande de synthèse,

Médias

• Images,

Date

avril 2020

Type

Contexte

Interview des designers Douglas Edric Stanley et de Jürg Lehni par Anthony Masure, contribution au dossier « Cultivons nos intelligences artificielles », Multitudes, n^o 78. Ce texte a été republié dans la revue Issue-Journal de la HEAD – Genève.

Résumé

Mené entre septembre 2019 et janvier 2020 par les designers Jürg Lehni et Douglas Edric Stanley au sein du Master Media Design de la Haute École d’Art & Design de Genève (HEAD – Genève), le workshop « Thinking Machines » prend comme point de départ l’automatisation des métiers de la création et le fantasme de machines « pensantes ». Ce projet examine, avec un brin d’ironie, un avenir où les designers seraient en mesure de cultiver les IA et de s’extraire des fantasmes technologiques. En quoi le design pourrait-il contribuer à une critique de la culture dominante de l’IA ? Comment inventer, par les pratiques de design, des alternatives soutenables ?

Notions

• Apprentissage automatique,
• Automatisation,
• Boîte noire,
• CAO,
• Deep learning,
• Délégation,
• Efficacité,
• IA,
• Intelligence artificielle,
• Machine learning,
• PAO,
• Programmation,
• Réseau de neurone,

Personnes citées

• Dryhurst Mat,
• Edric Stanley Douglas,
• Jobs Steve,
• Lehni Jürg,
• Mathieu Alexia,

Objets mentionnés

• Adobe,
• Adobe Sensei,
• Adobe Photoshop,
• Donjons et Dragons,
• Filtre,
• GPT-2,
• Mother of All Demos,
• OpenCV,
• Oregon Trail,
• Paper.JS,
• Proto,
• Spawn,
• Thinking Machines,
• Xerox Park,
• Zork,

Médias

• Images,

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,

Date

mars 2022

Type

Contexte

Conférence dans le cadre du séminaire ArTeC, « Technologies critiques », dir. Emanuele Quinz, Université Paris 8.

Résumé

Notions

• Deep learning,
• IA,
• Intelligences artificielles,

Médias

• Vidéo,
• Slides,
• YouTube,

Date

novembre 2021

Type

Contexte

Cycle de conférences UNIGE « Comprendre le numérique », session « Art et culture à l’ère numérique, ou comment la culture s’exprime aujourd’hui », dir. Yaniv Benhamou.

Résumé

Notions

• Blockchain,
• DAO,
• IA,
• Machine Learning,
• NFT,

Médias

• Slides,
• Vidéo,
• Vimeo,

Date

novembre 2021

Type

Contexte

Entretien radiophonique avec Baptiste Leduc pour l’émission « Dans ton Campus » de la radio Fréquence Banane.

Résumé

Notions

• Blockchain,
• IA,
• Machine Learning,
• NFT,

Date

octobre 2021

Type

Contexte

Conférence dans le cadre du cycle « Design experiences », Prague, Department of Design, FA ČVUT. Version anglaise retravaillée d’une communication donnée à l’Esad Reims en avril 2021.

Résumé

Neural artificial intelligences (AI) have been finding their place in creative industries for several years. While deep learning technologies are most often considered from the perspective of automation, we propose to consider them also from the perspective of the concept of mechanization to emphasize the possibility of working “with” machines rather than surrendering their potentialities to economic forces. How might design contribute to defusing the dominant AI culture? How can we ensure that deep learning technologies can open up to invention and curiosity? How could (or should) design curricula be reconfigured?

Notions

• Automatisation,
• Bifurcation,
• Deep learning,
• Économie,
• Effacité,
• IA,
• Intelligence artificielle,
• Machine learning,
• Mécanisation,
• Promesse,
• Rentabilité,
• Standardisation,
• Technique,
• Technologie,

Personnes citées

• Bastide Raphaël,
• Giedion Siegfried,
• Gropius Walter,
• Huyghe Pierre-Damien,
• Crawford Kate,
• Joler Vladan,

Objets mentionnés

• Generative Adversarial Network,
• GPT-3,

Médias

• Iframe,
• Reveal,

Date

avril 2021

Type

Contexte

Conférence à l’Esad Amiens dans le cadre du séminaire « Le champ du signe » (dir. Simon Renaud) autour des intelligences artificielles et de la création.

Résumé

En raison de leur efficacité et rentabilité, les intelligences artificielles (IA) « neuronales » trouvent leur place dans les industries créatives depuis plusieurs années. Si les technologies du deep learning sont la plupart du temps envisagées sous l’angle de l’automatisation, nous proposons de les considérer également sous l’angle du concept de mécanisation pour souligner la possibilité d’un travail « avec » les machines plutôt qu’un abandon de leurs potentialités aux forces économiques. En quoi le design pourrait-il contribuer à désamorcer la culture dominante de l’IA ? Comment faire en sorte que les technologies du deep learning puissent ouvrir à l’invention et à la curiosité ? En quoi les cursus de design pourraient-ils (ou devraient-ils) faire l’objet de reconfigurations ?

Notions

• Automatisation,
• Bifurcation,
• Deep learning,
• Économie,
• Effacité,
• IA,
• Intelligence artificielle,
• Machine learning,
• Mécanisation,
• Promesse,
• Rentabilité,
• Standardisation,
• Technique,
• Technologie,

Personnes citées

• Bastide Raphaël,
• Giedion Siegfried,
• Gropius Walter,
• Huyghe Pierre-Damien,
• Crawford Kate,
• Joler Vladan,

Objets mentionnés

• Generative Adversarial Network,
• GPT-3,

Médias

• Iframe,
• Reveal,

Date

mars 2021

Type

Contexte

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

• Académisme,
• Automatisation,
• Deep learning,
• Économie,
• Effacité,
• Forme,
• Imitation,
• IA,
• Intelligence artificielle,
• Machine learning,
• Mécanisation,
• Recouvrement,
• Remplacement,
• Rentabilité,
• Standardisation,

Personnes citées

• Allison Karmel,
• Barrat Robbie,
• Bouguereau William-Adolphe,
• Cardon Dominique,
• Chatonsky Grégory,
• Cointet Jean-Philippe,
• Flusser Vilém,
• Manzini Ezio,
• Mazières Antoine,
• Schmitt Philipp,
• Tezuka Osamu,

Objets mentionnés

• Generative Adversarial Network,
• GPT-3,

Médias

• Iframe,
• Reveal,

Date

décembre 2020

Type

Contexte

Communication au colloque « Les entretiens du nouveau monde industriel », dir. Anne Alombert (UCL), Victor Chaix (IRI), Maël Montévil (IRI), Paris, Institut de recherche et d’innovation (IRI), 23 décembre 2020

Résumé

S’il est communément admis que le design apparaît historiquement avec l’émergence des révolutions industrielles, il est moins fréquent que ce dernier soit associé à une tension dans l’industrie. Or une lecture des textes et querelles liés à son émergence situent son intérêt non pas comme un gain de productivité, mais comme une bifurcation face à la perte de qualité entraînée par l’automatisation du dispositif industriel. À l’époque des « intelligences artificielles » du deep learning – instrumentalisées dans une optique de rentabilité –, les enjeux d’une désautomatisation des modes de vie se reposent de façon aiguë. Quelle puissance de résistance et d’invention le design peut-il encore receler ? En quoi les choix – ou non choix (biais) – de conception déterminent-ils une voie dont il est difficile de bifurquer ?

Notions

• Automatisation,
• Bifurcation,
• Deep learning,
• Économie,
• IA,
• Intelligence artificielle,
• Limite,
• Machine learning,
• Mécanisation,
• Modernisme,
• Promesse,
• Rentabilité,
• Révolutions industrielles,
• Standardisation,
• Technique,
• Technologie,

Personnes citées

• Bastide Raphaël,
• Gropius Walter,
• Grosser Ben,
• Huyghe Pierre-Damien,
• Crawford Kate,
• Joler Vladan,
• Lorusso Silvio,
• Lovink Geert,
• Midal Alexandra,
• Molle Joana,
• Papanek Victor,
• Paxton Joseph,
• Retzepi Kalli,
• Sottsass Ettore,
• Stiegler Bernard,
• Thwaites Thomas,

Objets mentionnés

• Crystal Palace,
• No Man’s Sky,
• RealFacebook,
• Safebook,
• The Toaster Project,
• Tilt,
• Twins,
• Worst volume sliders,

Médias

• Reveal,
• Slides,

Date

septembre 2020

Type

Contexte

Communication au colloque « Angles morts du numérique. Limites de la programmation », dir. Yves Citton, Francis Jutand, Marie Lechner, Anthony Masure, Vanessa Nurock, Olivier Lecointe, Cerisy-la-Salle.

Résumé

Quels sont les angles morts du numérique que le design permet d’éclairer ? À quels problèmes les technologies numériques sont-elles aveugles ? En quoi les choix – ou non choix (biais) – de conception déterminent-ils une voie dont il est difficile de bifurquer ?

Notions

• Angle mort,
• Automatisation,
• Bifurcation,
• Couche,
• Deep learning,
• Économie,
• Formulaire,
• Friction,
• Gabarit,
• Globalisation,
• IA,
• Intelligence artificielle,
• Limite,
• Machine learning,
• Mécanisation,
• Modernisme,
• Progrès,
• Promesse,
• Rentabilité,
• Révolutions industrielles,
• Singularité,
• Standardisation,
• Technique,
• Technologie,
• Template,

Personnes citées

• Aubert Danielle,
• Bastide Raphaël,
• Bec Louis,
• Crawford Kate,
• Diderot et d’Alembert,
• Flusser Vilém,
• Fuller Matthew,
• Guillaud Hubert,
• Graeber David,
• Grosser Ben,
• Joler Vladan,
• Maeda John,
• Huyghe Pierre-Damien,
• Moholy-Nagy László,
• Midal Alexandra,
• Molle Joana,
• Parreño Gema,
• Paxton Joseph,
• Retzepi Kalli,
• Thwaites Thomas,

Objets mentionnés

• Amazon Echo,
• CMS,
• Crystal Palace,
• Galerie des Machines,
• Google Material Design,
• JODI,
• Microsoft PowerPoint,
• Microsoft Word,
• My%Desktop,
• ParcoursSup,
• Realfacebook,
• Safebook,
• TheGrid.io,
• The Toaster Project,
• Tilt,
• Twins,
• Worst volume sliders possible,
• You The Users,

Médias

• Reveal,
• Slides,

Date

février 2020

Type

Contexte

Basel, Critical Media Lab

Résumé

Although the concept of “artificial intelligence” (AI) is an old one, its presence is constantly growing, whether in medias, pop culture, or everyday objects. In the 2010’s, the power of “self-learning” systems, those of deep learning, is related to unintelligible architectures (black boxes). These AIs progressively could replace tasks commonly assigned to designers. In this process, there is a risk that design becomes nothing more than an automated way of doing things and services, and that of formatting human experiences. How are these issues addressed by designers? What can design do “with” artificial intelligence?

Notions

• IA,
• Intelligence artificielle,

Date

janvier 2020

Type

Contexte

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

• IA,
• Intelligence artificielle,

Date

septembre 2018

Type

Contexte

Conférence donnée au colloque colloque MCRIDD, Tunis, Institut Supérieur des Arts Multimédia de la Manouba (Isamm)

Résumé

Le regain d’intérêt pour l’intelligence artificielle (IA) des années 2010 engendre des programmes auto-apprenants (deep learning) et potentiellement incontrôlables (black boxes). Ces IA « créatives » investissent progressivement les capacités d’invention et d’imagination, et tendent donc à se substituer aux tâches communément attribuées aux designers. Sous couvert de rentabilité, le risque est alors que le design ne devienne qu’une puissance de production de marchandises et de motifs (patterns) 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

• AI,
• IA,
• Intelligence artificielle,

Personnes citées

• Agamben Giorgio,
• Cardon Dominique,
• Casilli Antonio A.,
• Chatelier Régis,
• Citton Yves,
• Elliot Luba,
• Flusser Vilém,
• Griziotti Giorgio,
• Illich Ivan,
• Kay Alan,
• Goldberg Adele,
• Manovich Lev,
• Morris William,
• Morozov Evgeny,
• Pandelakis Saul,
• Parikka Jussi,
• Pasquale Frank,
• Seaver Nick,
• Simondon Gilbert,
• Thacker Eugene,
• Wiener Norbert,

Date

octobre 2015

Type

Contexte

Communication avec Saul Pandelakis dans le cadre du colloque scientifique « Formes contemporaines de l’imaginaire informatique », dir. Cédric Chauvin et Éric Villagordo, université Paul-Valéry, Montpellier

Résumé

Notions

• Cinéma,
• Cyborg,
• Design,
• Désir,
• Genre,
• IA,
• Intelligence artificielle,
• Programme,
• Robot,
• Sentience,
• Sexbot,
• Sexualité,
• Software,

Médias

• Reveal,
• Slides,