Navigation – Plan du site

AccueilNuméros16Pratiques d’exposition et pratiqu...L’IA au risque de la sémiotique

Pratiques d’exposition et pratiques artistiques dans les espaces hybrides

L’IA au risque de la sémiotique

Générativité computationnelle et espaces pluriels
AI at the Risk of Semiotics: Computational Generativity and Plural Spaces
Marion Colas-Blaise

Résumés

Dans cet article, il s’agit de montrer que la génération et la visualisation d’artefacts numériques inédits ou non, qui a notamment recours à des algorithmes deep learning, réclame une pluralité d’espaces : au moins l’espace latent, l’espace d’implémentation et l’espace de visualisation. Nous cherchons à montrer comment, sur le fond plus général des traductions du langage de l’humain dans le langage de la machine (dans un sens large) des passages s’opèrent entre les espaces qui peuvent à la fois être « agis » et « agissants », jusqu’à l’écran et à l’« image-surface ». L’objectif principal étant de mettre au jour l’implication d’espaces différents dans un parcours de génération, une des hypothèses clefs à vérifier est celle d’un fond tensionnel continu, avec des forces, en relation avec un ensemble de virtualités au sens deleuzien du terme. L’« espace des virtualités » sert alors de liant entre les autres espaces auxquels il est transversal, le continu cohabitant avec le discontinu et l’indétermination avec le discret au niveau même du code. Ils garantissant les évolutions de formes au niveau de la visualisation sur l’écran. Sur cas bases, on pourra s’interroger sur la créativité de la machine.

Haut de page

Texte intégral

1Quand la production d’artefacts numériques en intelligence artificielle (IA) a recours à des algorithmes deep learning générant des « images algorithmiques » (Somaini 2023, p. 77) qui, ensuite, peuvent être modifiées, rendues visibles et mises en circulation, dans quelle mesure ces opérations impliquent-elles une multiplicité d’espaces ? Sont concernés l’espace dit latent, abstrait et de dimension faible, un espace multidimensionnel, mais aussi les espaces de l’implémentation des algorithmes dans un substrat et de la visualisation sur un support, par exemple écranique. Telle est la question nodale qui nous guidera ici.

2Pour plus de précision, ajoutons qu’en machine learning, l’espace latent correspond à une représentation compressée de points de données ; elle ne comprend que les caractéristiques essentielles entrant dans la structure sous-jacente des données d’entrée. Les données complexes sont ainsi exprimées efficacement, à travers une réduction de la dimensionnalité (suppression des informations non pertinentes). De ce fait, chaque dimension de l’espace latent correspond à une variable latente des données d’origine (on entend par variable latente des caractéristiques sous-jacentes, rarement directement observables, qui agissent sur la distribution des données).

3Ainsi, convoquant des travaux consacrés spécifiquement au computationnel et au digital, mais aussi le bagage conceptuel de la sémiotique (notamment visuelle) et faisant des incursions dans les territoires de la philosophie, notre objectif premier sera de différencier des espaces computationnels et digitaux pluriels et d’étudier non seulement la manière dont ils peuvent être traversés, mais encore les passages possibles qui s’opèrent entre les espaces.

4Tout d’abord, considérons le rattachement d’espaces computationnels et digitaux différenciés à une pluralité de strates, qui sont autant de niveaux de pertinence. Les chercheurs rendent compte de ces niveaux diversement. Ainsi, si le modèle élaboré en 1982 par le neurobiologiste David Marr (1982), attentif aux traitements de l’information par le cerveau humain, fait entrevoir trois paliers distincts, le palier computationnel ou fonctionnel, le palier algorithmique et le palier implémentationnel, on peut également distinguer avec Stéphane Crozat, Bruno Bachimont, Isabelle Cailleau, Serge Bouchardon et Ludovic Gaillard (2011) les niveaux « technico-applicatif » (la manifestation formatée grâce à l’implémentation-manifestation, par opposition au codage) et « sémio-rhétorique » (la pratique interactionnelle et interprétative proposée). Les trois strates du numérique identifiées par Bachimont dans l’article « Donner du sens aux données : les ruses du numérique. Les disciplines du document face à la métis du calcul » (2022) permettent de ne pas assimiler le code, avec sa manipulation binaire, et le format, quand le code s’interprète en fonction de conventions, ou encore les applications, qui sont en rapport avec des pratiques et des usages. Un quatrième niveau sous-tend les autres opérations : celui de la « concrétisation matérielle et physique de la machine informatique », de l’« architecture » comprise comme un microprocesseur. Dès lors qu’on privilégie le point de vue de l’énonciation avec sa tripartition « langage, langue et parole », on peut avancer avec Andrea Valle et Alessandro Mazzei (2017) que la machine abstraite, la machine de Turing, consiste à la base en une mémoire qui est manipulée. Dans ce cas, au premier niveau, celui du langage de la machine avec son codage binaire non linguistique, succède le deuxième niveau, où un langage d’assemblage introduit déjà la composante linguistique, d’une certaine manière, avant le troisième niveau, celui des langages de programmation. À moins que l’on n’adopte le point de vue des matérialités qui varient elles-mêmes en fonction des emplacements hiérarchiques considérés : Audrey Moutat (2021, p. 62) rattache le support matériel (l’écran de la machine, le dispositif matériel du smartphone ou de la tablette…) au niveau n ; le navigateur dans sa matérialité (le programme informatique articulé par des langages de programmation) concerne le niveau n-1 ; le langage « assembleur », qui met à contribution un programme appelé « compilateur », correspond au support matériel n-2 ; le langage machine proprement dit est rapporté au niveau du support matériel n-3 (langage binaire, code assembleur).

  • 1 Cf. Colas-Blaise (2025b) au sujet d'une comparaison entre le parcours de génération artificielle et (...)

5Nous avons ainsi en vue un parcours de génération d’artefacts numériques1, ponctué d’étapes impliquant autant d’espaces. Plus précisément, en quoi un espace transversal offrant une base continue, alors même que le code est discret, et convoquant des virtualités et des potentialités peut-il assurer la transition entre espaces de faible dimension et espaces multidimensionnels ? Ainsi, nous n’argumenterons pas l’existence d’un véritable soubassement continu de l’espace dit latent. Nous viserons plutôt à détecter les premiers frémissements — sous une forme spécifique — de cette continuité que réclame la notion même de virtualité et qui permettra de rendre compte, au moment de la visualisation des images sur un écran, de variations et métamorphoses.

  • 2 Cf. plus particulièrement Veale & Cardoso (2019).
  • 3 Nous entendons par créativité computationnelle un continuum bordé, à l’un de ses bouts, par le fair (...)
  • 4 Introduits par Goodfellow et al. en 2014, les GANs constituent des algorithmes d’apprentissage non (...)
  • 5 D’où, pour Sebastian Berns et Simon Colton (2020), la nécessité de créer, au niveau même des GANs, (...)

6Le cadre général ayant été tracé, nous pouvons ajouter aux enjeux déjà mentionnés — mise au jour d’un parcours de génération et émergence d’un espace de virtualités liant assurant, grâce à un soubassement continu et tensionnel, les transitions entre les espaces faiblement et fortement dimensionnels — un troisième enjeu : en quoi la mise en avant d’un « espace de virtualités » continu permet-elle d’aborder sur de nouveaux frais la problématique de la créativité de la machine ? Traditionnellement, il s’agit avant tout d’ajouter du « même au même ». Les artefacts numériques produits ont alors un degré de « fidélité » (par rapport à la base de données sollicitée) élevé ou, au contraire, sont inédits et « surprenants ». Dans ce dernier cas, la créativité computationnelle, telle que la conçoit la branche émergente des études en intelligence artificielle appelée Computational Creativity2, est mise en avant, la valorisation positive de l’image novatrice présupposant une esthétique recherchant la singularité idiolectale. Il s’agira ainsi de vérifier l’hypothèse qu’à travers l’injection ou l’exploitation de hautes doses d’aléatoire, les modèles « texte vers image » tels que Midjourney, DALL•E ou Stable Diffusion, qui constituent des modèles deep learning du vaste champ des IA génératives apparus au début de l’année 2022, ont une puissance créatrice3 accrue. Elle serait plus importante que celle des réseaux adversatifs génératifs (GANs)4, leurs aînés5.

7On cherchera ainsi à cerner les derniers rebondissements d’une « révolution numérique » (Rabot & Chartier 2020) qui remonte spécifiquement, pour ce qui est des algorithmes deep learning, aux années 2010, sur la base de recherches effectuées pendant la deuxième moitié des années cinquante.

8Pluralité des espaces, espace transversal de virtualités, parcours de génération, créativité machinique : si tel est le champ de nos investigations, on peut également, pour lancer la discussion, adopter un point de vue plus global.

9On se demandera sous quelles conditions, en vertu de quelles modalités et avec quelles conséquences il est possible de traduire (mapping) la représentation interne à un espace initial Z1 en la représentation interne à un espace terminal Z2 (Asperti & Tonelli 2022). Le parcours d’ensemble peut alors se résumer à deux étapes clefs : quels que soient les ajustements de détail, il s’agit d’être attentif à la production d’une distribution à haute dimensionnalité à partir d’une dimensionnalité basse, c’est-à-dire à partir d’une base d’exemples représentative transformée en embeddings vectoriels. L’embedding constitue un vecteur de valeurs numériques représentant par des nombres des données hautement dimensionnelles : un objet (par exemple une image, un mot). Les embeddings vectoriels permettent de représenter à la fois les données input (traits caractéristiques, attributs des données ou features) et les données output (labels ou prédictions). Il y a une parenté certaine entre l’embedding vectoriel et l’espace latent, tous les deux référant à un espace souvent de dimensions réduites. Nous verrons en quoi il est possible d’entendre par « processus machinique » les opérations de l’interprétation de données notamment au niveau de l’espace latent, avec ses représentations et ses variables latentes, c’est-à-dire soustraites au regard.

10Ce rapide survol conforte l’hypothèse d’un parcours de génération sémiotique mettant à contribution et faisant signifier des couches spatiales multiples, qui ne se contentent pas d’accueillir des opérations, comme si les espaces avaient une existence indépendamment de celles-ci, mais qui prennent forme à travers un ensemble d’interventions humaines et machiniques. Il faudra déterminer la responsabilité de ces opérations spatialisées dans des espaces non seulement « agis » et « opérés », mais « agissants » et « opérants ».

11D’un point de vue théorique, nous gageons ainsi que des éclairages conjoints, par la sémiotique visuelle et par la créativité computationnelle, ne gommeront les spécificités ni de l’une ni de l’autre : ils augmenteront notre compréhension des processus (spatiaux) engagés ici et là. Notre point de vue sera critique, pour contrer tout risque d’« assujettissement machinique », au sens où l’entendent Gilles Deleuze et Félix Guattari (1980). Rappelons que pour Gilbert Simondon ([1958] 2012, p. 82), « il est nécessaire que l’objet technique soit connu en lui-même pour que la relation de l’homme à la machine devienne stable et valide ». Notre objectif se précise ainsi : il s’agit de contribuer autant que possible à une « culture technique ».

12La réflexion se déclinera en trois temps.

13Comme nous émettons l’hypothèse (i) de l’existence d’une continuité liminaire au sein du code discret lui-même, associée à des tensions, (ii) de sa transmission à travers les niveaux d’un parcours de génération, nous proposons, dans une première partie, de remonter vers l’espace latent. Nous dessinerons une possible cartographie qui est non seulement fondée sur des distributions et des combinaisons de traits caractéristiques obtenues, dans l’espace latent, par des compressions et des décompressions, mais encore qui répertorie des trajets (space walks), notamment de l’espace latent vers un espace de données multidimensionnel.

14Dans la deuxième partie, il s’agira de vérifier les fondements (techniques, sémiotiques et philosophiques) de l’hypothèse d’un parcours de génération avec des passages et des traductions entre espaces qui sont rendus possibles — telle est l’hypothèse à vérifier — par un espace de virtualités. Ce dernier ne doit pas être confondu avec la réalité virtuelle rendue accessible, par exemple, par un casque. L’espace de virtualités soutient la formation et la transformation d’artefacts numériques, toujours en devenir, et il fait office de liant entre les espaces.

15Enfin, dans la dernière partie, l’accent sera mis sur les espaces d’implémentation et de visualisation au terme du parcours de génération. Plus particulièrement, nous nous intéresserons à la manière dont la visualisation-affichage dans des espaces « écraniques », au sens large du terme, réclame un soubassement continu et dont les variations s’autorisent d’une part d’indétermination. Pour finir, il s’agira de se demander si, non content de laisser voir quelque chose, l’espace écranique révélant, par exemple à travers des formes se métamorphosant en continu, la « perception de la machine » (Offert & Bell 2020) est « performant » : façonne-t-il la perception humaine en retour, contribuant ainsi à (re)configurer notre « monde » ?

1. Comment le discontinu s’articule-t-il avec le continu ? De l’espace latent à un espace de données multidimensionnel

  • 6 Nous nous permettons de renvoyer entre autres à Colas-Blaise (2025).

16Dans quelle mesure l’espace dit latent s’accommode-t-il d’une part d’indétermination ainsi que d’une forme encore embryonnaire de soubassement tensionnel (parcouru de tensions) et continu ? Si tel est le cas, déceler les frémissements d’une continuité sous-tendant les discrétisations et segmentations et supposer une dose d’indétermination, fût-elle faible, compatible avec l’idée que toute génération d’artefacts numériques conduit des potentialités au stade de la manifestation, permettront, à terme, d’aborder à nouveau la question tant débattue de la créativité de la machine6.

17Globalement, nous défendrons l’idée que la distribution d’une unité telle qu’on pouvait l’étudier en linguistique dans les années 1930 (distributionnalisme) et telle que l’analyse la sémantique distributionnelle, qui a vu le jour au début des années 1960 en relation avec la linguistique computationnelle, ne constitue pas la seule forme d’organisation de l’espace latent : l’accent sera mis sur la tension entre la projection de grilles stabilisées et différents types de mouvements « traversants », que ce soit dans le sens de la verticalité ou de l’horizontalité.

  • 7 La notion d’espace latent peut être étendue à tout espace de « calcul » intervenant au niveau de l’ (...)

18Commençons par observer les GANs : l’espace latent prend forme à travers la série d’actions de l’auto-encodeur automatique responsable de la compression des données, avant que le décodeur ne les recrée à la suite d’une décompression. La partie de l’espace latent où se produit la compression des données, qui gère le passage de l’input à l’output grâce à l’encodeur et au décodeur7, correspond au goulot d’étranglement (bottleneck). Pour des raisons de limitation de la mémoire, la compression consiste dans une réduction du nombre des données nécessaires à la représentation d’une donnée d’entrée, c’est-à-dire dans une raréfaction des informations sur la base du critère de leur utilité. L’espace accueille ainsi un ensemble de dimensions en nombre restreint (p. ex. le dixième des pixels d’un espace de dimension). Quant au décodage, il permet de construire l’output grâce à la représentation latente de l’input. Il incombe au décodeur qui décompresse d’utiliser la représentation latente des données d’entrée pour reconstruire, à partir de l’espace hébergeant ces dimensions latentes, un échantillon original.

19Ainsi, l’architecture du décodeur (après la décompression) correspond généralement à celle de l’encodeur. Malgré la perte de certaines données : en effet, l’écart entre les données d’entrée et de sortie s’assortit de pertes appelées reconstruction loss. Traditionnellement, le but poursuivi n’en est pas moins celui d’une reconstruction « correcte ». La quête de la « perfection » de l’image output ressemblante, qui reproduit plus ou moins les exemples proposés à l’entraînement en ajoutant traditionnellement du même au même, s’explique par des limitations inhérentes à la technologie. L’objectif de « mélioration » de l’image constituerait ainsi un frein à la génération d’images inédites à partir de textes verbaux, telle que nous l’observons depuis 2022 (par exemple avec Midjourney ou DALL•E).

20À terme, les métamorphoses de formes, l’évolution permanente qui présupposent une base continue s’en trouveraient-elles menacées ? Ce qui retient notre attention prioritairement, ce sont les segmentations et discrétisations, la projection d’une grille de pixels orthogonale. D’où le souci d’une localisation strictement ordonnée, qui permet le traitement d’éléments isolés de l’image. La distribution de points rapprochés ou plus distants témoigne de la conversion des similarités et des dissimilarités entre les images en proximités et en distances. Telle est la base de la génération d’images plus ou moins semblables ou différentes. Les techniques de regroupement et d’analyse par la machine sont multiples, comme en témoignent l’analyse de grappes (sur la base du principe de similitude dans l’apprentissage non supervisé), celle de la classification (dégager des relations qui peuvent être prédictives), mais aussi l’apprentissage de règles de combinaison entre variables, voire de régression (évaluation des écarts entre les prévisions et les variables obtenues) (Olshannikova, Ometov, Koucheryavy & Olsson 2016).

  • 8 Plus exactement, selon le distributionnalisme américain, le sens du lexème ne peut être distingué d (...)
  • 9 La sémantique distributionnelle consiste en une classe d’analyses statistiques et linguistiques de (...)

21Globalement, cela n’est pas sans nous rappeler les méthodes du distributionnalisme américain des années 1930. Cette approche est généralement connue pour sa mise entre parenthèses du critère du sens8, au profit de la prise en considération des seules collocations, c’est-à-dire de l’environnement d’une unité. Dans le cas des grands modèles de langage, la sémantique distributionnelle (Lenci et Sahlren 2023)9 sert à vérifier l’hypothèse que la distribution de lexèmes est déterminée par leur sens et que les propriétés sémantiques des lexèmes déterminent leur comportement syntagmatique.

22On le constate : ici et là, la vision reste largement statique. Comment, dans ce cas, argumenter la nécessité d’une dynamicité exigeant une base continue ? De fait, la sémiotique visuelle, fondée dans une large mesure par Algirdas J. Greimas (1984), par Jean-Marie Floch (1988) et par Félix Thürlemann (1982), peut suggérer comment en fin de compte, et malgré le poids des segmentations et des arrangements ou combinaisons, tracer un parcours réclamant, fût-ce encore faiblement, une continuité. Voyons ce cheminement de plus près.

23D’abord, nous retrouvons en sémiotique visuelle non numérique, sous une forme différente, les étapes de la segmentation et de la discrétisation d’images de départ, avant celle du regroupement des traits caractéristiques isolés, qui rythment l’analyse sémiotique d’images non numériques et la mise à nu de formants figuratifs et plastiques (Greimas 1984). Mutatis mutandis, on constate en sémiotique visuelle les constantes qui viennent d’être soulignées à propos de l’espace latent. Ainsi, d’entrée, l’opération de « réduction à un nombre raisonnable d’éléments pertinents », nécessaires à l’interprétation, et l’« élimination du “bruit” » (ibid.) interpellent quiconque s’intéresse aux processus de l’extraction de traits hétérogènes, de leur assemblage en unités discrètes et de la classification à la base d’images générées en IA. Mieux, en sémiotique visuelle, la création d’images non numériques prévoit elle-même une topologisation, c’est-à-dire une reconstruction de l’espace pré-donné : sa conversion en un espace (sur)sémiotisé à travers le traçage d’axes, la délimitation de plages (ibid., p. 15). Au niveau du formant plastique, l’accent est mis non seulement sur les catégories chromatiques et éidétiques, mais encore sur le « dispositif topologique » (ibid., pp. 14-15). Les catégories topologiques (« rectilignes vs curvilignes », etc.) sont « projetées » sur une « surface » rendue déchiffrable. Avançons que cette structuration topologique de l’espace est fondamentale et sert de soubassement au déploiement des catégories chromatiques et éidétiques.

24Pour l’instant, le caractère statique que nous avons constaté se vérifie largement. On a pu reprocher aux analyses semi-symboliques conduites par Greimas, Floch ou Thürlemann un souci de décomposition exacerbé : ainsi, pour telle forme géométrique, il est possible d’expliquer l’« effet-figure » (Thürlemann 1982, pp. 46-47)

25à partir de plusieurs « dimensions éidétiques », dont le contour, l’orientation, la simplicité (en l’occurrence : contours droit et courbe, avec deux angles convexes, une axialité double, allongé, couché). Surtout, l’approche semi-symbolique a tendance à enfermer des éléments figuratifs, thématiques et plastiques dans des corrélations statiques, sans se donner les moyens de saisir la gradualité des mutations, par exemple le devenir du cercle qui s’étire en amande. En témoignent les « codes-connecteurs » mis en avant par Thürlemann (op. cit., p. 35), c’est-à-dire des « règles » établissant des rapports d’homologation entre des catégories plastiques et des catégories sémantiques.

  • 10 Le détour par Langages de l’art de Nelson Goodman ([1968] 1990)] nous apprend que le diagramme pure (...)
  • 11 On appelle Alpha Go un programme d’intelligence artificielle capable de jouer au jeu de go. Il a ét (...)

26Le caractère statique des discrétisations et assemblages augurerait-il mal de la dynamique de génération que nous avons en vue ? La sémiotique visuelle des débuts peut servir de modèle de pensée. Même si ces rapprochements ne doivent pas occulter les divergences entre la sémiotique visuelle, du moins celle de ses débuts, et les approches traditionnelles du computationnel. Ne fût-ce que parce que ces dernières doivent mettre en avant l’effort d’abstraction mathématique — de « dé-figurativisation » —, qui atteint son comble à travers les embeddings vectoriels qui s’ajoutent à d’autres embeddings vectoriels, en privilégiant le quantitatif. Ajoutons que, au niveau des inputs et des outputs, la référenciation à la « réalité » (ainsi au niveau des bases de données qui portent la marque de choix socioculturels, historiques, voire politiques) n’est pas impactée. Il s’agit avant tout de reprendre du déjà-dit et du déjà-montré. Ou encore, il faut souligner, au titre des différences, que la génération artificielle donne lieu à une relationalité démultipliée, quand les architectures des réseaux de neurones convolutifs ou réseaux de neurones à convolution (CNN), dotées de millions de neurones, ou, plus généralement, les Digital Neural Networks (DNN), sur lesquels repose ChatGPT, font jaillir des connexions plurielles entre ces neurones. Toute prévisibilité stricte s’en trouve remise en question. On verra dans la germination une manifestation possible d’une diagrammaticité10 profonde : ainsi, Adrian MacKenzie et Anna Munster (2019, p. 11) notent qu’« en d’autres termes, les systèmes d’apprentissage automatique tels qu’AlphaGo opèrent de manière diagrammatique, en redistribuant les relations au sein des ensembles d’images et en générant des matérialités et des expériences dans leur sillage » (nous traduisons)11.

27Le passage par la sémiotique visuelle des débuts nous empêcherait-il donc de saisir, dans le cas du numérique, une dynamicité générative « profonde », dotée d’une base (faiblement) continue ? Pas tout à fait : la sémiotique visuelle peut tracer la voie en nous rendant attentifs, du dire même de Greimas, à l’« orientation d’éventuels parcours sur lesquels les différents éléments de lecture se trouvent étalés » (1984, p. 15 ; nous soulignons). D’où une dynamisation de l’espace que nous considérons comme « opérable ». Les explorations de l’espace menant d’un espace de faible dimension à un espace multidimensionnel, qui requièrent une forme embryonnaire de continu, permettront de mieux comprendre l’« arithmétique » de facteurs variationnels et les effets produits sur la visualisation (Asperti & Tonelli 2022).

28La « dynamicité numérique » trouve une forme d’accomplissement possible dans la computation évolutive, qui est sollicitée dans le cas d’un accroissement du nombre des variables au-delà de la capacité des algorithmes traditionnels. Des cycles d’évolution artificielle peuvent être intercalés, qui visent la typicalité, mais aussi la nouveauté (sur la base d’algorithmes évolutifs en quête de la qualité et de la diversité). Plus largement, il est significatif que les distances entre les éléments qui jouxtent d’autres éléments ou en sont séparés déterminent les variations de vitesse — les ralentissements et les accélérations — des changements de formes des images. D’où des coefficients cinétiques différents. Les distances influent également sur la qualité des transitions et des passages qui sont lisses ou heurtés. Antonio Somaini (2023, p. 93) voit dans les transitions une forme de « montage » mettant l’accent sur la continuité.

  • 12 Des cheminements non linéaires caractérisent les autoencodeurs variationnels (par exemple, dans le (...)

29Considérons les parcours dans l’espace latent de plus près. Plus on souhaite déjouer la reproduction « à l’identique », plus, sans doute, il faut éviter les trajets linéaires et privilégier un espace non euclidien (Connor & Rozell 2020 ; linear paths, geodesic paths, transformation paths). A minima, le but peut être de rendre possibles des trajets de transformation clos sous-tendus par des processus dynamiques et adaptés à la structure des données de l’échantillon, qui sont réunies, pour chaque trajet, dans une classe. Ils mènent d’un point à un autre, et permettent de retourner presque au point de départ, après une séquence ponctuée d’un certain nombre d’étapes. C’est à ce prix, écrivent Connor et Rozell, que l’on peut rendre compte de la variabilité latente des données et de la complexité des transformations. La variabilité est maximale quand, dans un modèle non supervisé, les corrélations entre les directions dans l’espace latent sont lâches. La densité des régions constitue, elle encore, un facteur déterminant : son maintien au même niveau (iso-densité) a un effet de régularisation (Li, Liu, Wei, Zhang, Wu, Xu & Wong 2021), contrairement aux phénomènes de densification et de dé-densification12.

  • 13 Nous n’insistons pas ici sur les détails techniques des modèles de diffusion latents qui comportent (...)

30Grâce à une diffusion13 systématique en direction de la distribution de données souhaitée (« gradient de la ressemblance », avec ses deux pôles, ressemblance et dissemblance), des adaptations ou ajustements deviennent possibles. Un des points retenant l’attention, c’est la corrélation étroite entre le mouvement dans l’espace, à la base d’une dispersion et d’une (nouvelle) organisation des entités, et l’évolution de celles-ci dans le temps. Supposons que la reconstruction ne vise pas le retour à l’état initial (qui correspondrait à la standardisation) : dans le cas de la génération d’images à partir d’instructions textuelles avec Midjourney, p. ex., des propositions multiples concurrentes, variant en fonction des prompts (ou requêtes textuelles écrites par l’humain) et de leurs reformulations par la machine (prompts révisés), peuvent appeler des interprétations (également au sens musical du terme) et des validations différentes (D’Armenio, Deliège & Dondero 2024).

  • 14 Pour la notion de trajectoire, cf. également Tim Ingold ([2007] 2011).

31Plus sémiotiquement, nous dirons que, sous l’effet d’une dynamicité générale, le trajet se mue en trajectoire14, ne se contentant pas de relier un point a à un point b, mais de les faire advenir, en pluralisant les explorations. Il est remarquable que les distances entre les points soient corrélées avec des différences de potentiel de création : plus les distances à franchir sont importantes, plus les bases de la génération d’artefacts inédits sont solides. D’où des sous-espaces régionaux qui ne s’organisent plus sur le modèle de grilles projetées d’entrée. Ils peuvent s’esquisser, leurs bords se dessinant en fonction des trajets/trajectoires dans l’espace et des connexions qui se font et se défont.

  • 15 Nous n’insisterons pas ici sur le flux entre les réseaux neuronaux convolutionnels fondés sur des s (...)

32Résumons. Patterns : nous avons constaté la mise à nu de régularités, mais aussi d’irrégularités ; de la prévisibilité, mais aussi de l’aléatoire. Aucune connectivité débridée, mais des (ré)assemblages incessants, puissamment créatifs, à mesure que l’on chemine de l’espace latent avec peu de dimensions vers un espace multidimensionnel ou que se configure la base spatiale latente de l’algorithme, qui est formatée par des circulations entre les couches neuronales15 ainsi que par des mouvements vers l’avant et vers l’arrière. Nous nous donnons ainsi les moyens d’être attentifs non seulement au calcul et aux combinaisons, au code discret et discontinu, mais encore, à terme, à l’évolution continue des formes visuelles, aux variations « morphiques ». Celles-ci sont fonction des échanges de traits et des (dé)densifications au sein de zones, de la traversée des strates ainsi que d’activations vers l’avant et vers l’arrière.

33Les propositions seraient-elles risquées ? Nous espérons avoir alimenté la discussion. Nous le ferons davantage dans la deuxième partie, quand nous inscrirons notre réflexion dans le sillage de travaux de chercheurs en IA qui articulent le discontinu avec le continu en pensant les (ré)assemblages sur le modèle d’agencements et de réagencements, au sens deleuzien du terme, ou qui, à l’instar de Fazi (2019), prévoient de l’indétermination au sein même du discontinu.

34Globalement, nous nous interrogerons sur la nature d’un espace de virtualités et sur les rôles qu’il assume au sein du parcours de génération que nous cherchons à dégager.

2. L’espace des virtualités

35Partons de la convocation des écrits de Deleuze par des chercheurs qui tentent de construire une « esthésie numérique » (Munster 2005) en misant sur la présence du virtuel en informatique. Or, l’écart entre la continuité de la sensation et le discret ne rend-il pas la tâche ardue ? S’agirait-il même d’une « impasse », comme le note Fazi dans l’article « Digital Aesthetics : The Discrete and the Continuous » (2019) ? Voyons d’abord en quoi les travaux de Deleuze peuvent faire avancer notre propre réflexion sur un espace virtuel continu, « enveloppant », qui sert non seulement de soubassement aux discrétisations et segmentations, mais encore de « liant » entre des espaces multiples et hétérogènes ; plus particulièrement entre l’espace latent de faible dimension et un espace de données multidimensionnel, où les algorithmes classifient et génèrent des données dont le potentiel de dimensions est élevé.

36La question qui continue à nous interpeller est bien celle-ci : comment passer des concaténations de traits caractéristiques et des combinaisons de possibles à des agencements qui, dans un sens deleuzien, mettent à profit des virtualités et qui échappent en partie à la prévisibilité ? Les déplacements sont alors redynamisés en profondeur et se muent en explorations mobiles. Avec Gilles Chatelet, dans Les enjeux du mobile (1993), on peut lier le virtuel et le geste qui est traçage, c’est-à-dire inscription sur les différents supports matériels, dans le respect de compositions mouvantes qui allient l’axe de l’espace avec celui du temps. Quel bénéfice en termes de connaissances du computationnel et du digital retirera-t-on de ces considérations ? Avancer que le geste ne représente pas un réel déjà donné, mais qu’il permet d’« habiter le diagramme, […] y séjourner pour y ressaisir les “actes constitutifs”, qui ont conduit à leur tracé [de formes partielles de conscience et de temporalisation] et permis de donner sens aux marques apposées le long de ces tracés… » (Lobo 2021, p. 206), c’est retrouver une problématique traitée par les chercheurs en IA qui mobilisent les théories deleuziennes.

37Repartons de la notion d’assemblage-agencement et figurons-nous une multiplicité déjouant toute totalisation. La multiplicité peut alors être comprise, dans une tradition deleuzienne, comme la structure d’un espace de possibles — mieux d’un espace de virtualités, dans la mesure où le possible n’ajoute rien, contrairement à la virtualité, qui est créatrice. Il s’agit ainsi de rendre compte d’espaces dynamiques, alors que les possibilités du système sont pensées en fonction des points qui le composent. Le défi consiste à dépasser le niveau des invariants topologiques, par exemple le nombre des dimensions, au profit de « variétés différentielles ou topologiques » (DeLanda 2009, p. 138). Selon Manuel DeLanda, la « variété » peut se définir comme un « champ de rapidité ou de lenteur selon lesquels la courbure de l’espace change à un niveau infinitésimalement petit ».

38Telle est, ici, l’hypothèse clef : la discrétisation au niveau du code et la projection de discontinuités cohabitent avec un mouvement continu, une dynamique ; le quantitatif s’accommode du qualitatif. Bon nombre de travaux en IA convoquent les théories de Deleuze. Mieux, en-deçà de la segmentation et du regroupement d’unités discrètes et, à terme, de l’émergence d’un ordre (Leveau-Vallier 2023), la traduction du langage de programmation en langage de la machine et inversement implique l’existence d’un espace-champ computationnel, dans lequel se déploient des vitesses différentes, indépendamment de la longueur, de la surface ou du volume. Les multiplicités ou agencements varient en fonction des frontières (opposition d’un dedans et d’un dehors) et de la composition, qui est plus ou moins homogène ou hétérogène. Composition ou morphologie, au sens où l’entend Jean-François Bordron (2016) : celle-ci constitue alors un espace où se déploient des forces contraires, convergentes et divergentes.

39Ainsi, dans le cadre d’associations « concept à image » présupposant une base de données, le projet The Painting Fool (Colton et al. 2015) comprend 1.200 styles de peinture dotés de profils visuels. Le painting fool utilise la « vision artificielle » pour peindre. L’important, pour nous, réside dans la définition de régions chromatiques par les concepteurs, qui comportent de multiples couches. Le rendu de chaque couche, qui peut être remplie ou seulement esquissée, détermine un ensemble de 57 paramètres qui couvrent la simulation d’un média, telle que la peinture (par exemple, l’humidité de la peinture), mais aussi l’implémentation (par exemple, la taille des brosses et des pinceaux), le support (par exemple la rugosité du canevas) et le style (1.200 styles de peinture différents). Nous y voyons, typiquement, une forme de territorialisation stabilisatrice, grâce à des seuillages successifs. En même temps, supposons, pour plus de créativité computationnelle, des phénomènes de territorialisation, quand l’agencement est « emporté » (Deleuze et Guattari 1980, p. 112), ainsi que de reterritorialisation. Mutatis mutandis, on rapprochera ces derniers du processus de « bruitage » et de « débruitage » dans le modèle de diffusion latent (par exemple dans le cas de Midjourney). Si nous suivons Deleuze, nous dirons qu’il en résulte au niveau même de la fabrication de l’artefact numérique une oscillation caractéristique entre la déstratification ou ouverture territoriale et la (re)stratification par une fermeture territoriale (ibid., pp. 415-416). Nous avançons que cette oscillation transpose celle, fondatrice, entre la segmentation ou décomposition sur un fond continu et la synthétisation par le codage. Nous avons affaire à deux types de circulation : entre des régions, grâce peut-être à une horizontalité « réticulaire » selon Deleuze et Guattari, et, au sein des régions, entre des strates ou couches de profondeur.

40C’est en renvoyant aux travaux de DeLanda (2016) que Thomas P. Novak et Donna L. Hoffman (2020) développent une théorie de l’« agencement » (assemblage) pour le texte digital. Son intérêt réside, d’emblée, dans le fait que la géométrie sous-jacente à l’espace de possibilités comme espace topologique non métrique (manifold) prévoit non seulement des différences au sein même des répétitions et entre les assemblages, qui peuvent manifester des degrés élevés ou faibles de similarité, mais encore des points d’attraction dans l’espace, qui émergent au gré des assemblages. Des trajectoires mènent de ce qui « pourrait être » à « ce qui est ». Mais aussi, certains éléments de l’ordre des possibles « déterritorialisés », c’est-à-dire se trouvant à l’extérieur des frontières territorialisées, ne sont pas réalisés. Ce qui nous conduit à nous réinterroger sur les modes d’existence des assemblages : si ces derniers sont en évolution permanente, jamais territorialisés de manière définitive, on peut suggérer qu’ils peuvent être virtualisés, mais aussi actualisés, dans l’attente de réalisations qui sont reportées, indéfiniment, voire déjouées. Telle pourrait être une spécificité des assemblages de données, quel que soit le nombre des dimensions concernées. Nous retrouvons l’idée des propositions de sens, la réalisation stabilisatrice — quoique toujours précaire — étant confiée aux techniques de la visualisation ultime.

  • 16 Cf. la distinction entre le génotype et le phénotype pris ici dans un sens non technique (en dehors (...)
  • 17 En même temps, la convocation des théories deleuziennes par une réflexion sur le computationnel imp (...)

41L’urgence est alors de rendre compte de la mutabilité ou mobilité des compositions numériques, en relation avec la pluralisation des espaces que nous cherchons à cerner. Ainsi, à condition d’être dûment aménagée, la distinction par Deleuze, dans Le Pli (1988), entre l’objet et l’objectile — distinction reprise également par Betti Marenko dans Deleuze and Design (2015) — nous permet de prendre à bras-le-corps non seulement le problème de la réalité mouvante des assemblages de données, notamment en fonction du nombre des dimensions considérées, c’est-à-dire, au fond, celui de la répétition infusée de différences, mais encore celui de la génération et de la genèse des images16. Celles-ci sont approchées à la lumière des objets techniques et de leurs variations de formes. Essayons de conclure des uns aux autres : l’objectile correspond à une modulation temporelle avec des pulsations et des intensités, qui « implique une mise en variation continue de la matière autant qu’un développement continu de la forme » (Deleuze 1988, p. 26) et qui permet de rendre compte de la capacité de l’objet de produire, grâce à des forces, des densités, des mouvements. Sans doute, dans notre cas, l’objet technique virtuel transformé en objectile se caractérise-t-il par son happement par une dynamique temporelle, sa traversée des couches spatiales, son déploiement réticulaire, sa prise en charge par une évolution qui conduit à des implémentations et manifestations/réalisations digitales (recontextualisées). Cette modulation concerne l’univers de la technologie selon Deleuze : « La production ou la machine à commande numérique se substituent à l’emboutissage » (idem)17. Selon Deleuze et Guattari (1980), les essences matérielles vagabondes ont comme propriétés le vague et le flou. Adaptant cette conception à notre propos, on pourra avancer que cela n’empêche pas la liquidité des circulations de données (modulations) d’être programmée ; les objets technologiques présupposent la capture d’identités localisées.

  • 18 On peut défendre l’idée de la corporéité de la machine instance percevante. Cf. D’Armenio, Deliège (...)

42Ainsi, pour autant que nous approchons les images numériques à la lumière des objets et objectiles, le recours aux théories deleuziennes permet de postuler un changement morphique, des objets entrant en résonance les uns avec les autres avec des coefficients cinétiques variables. Ceci en dessinant des territoires, au sein, nous dit Marenko (2015), d’un environnement d’objets (objectscape) où se distribuent du matériel informatique et des logiciels, des corps18 ainsi que des techniques et des pratiques humaines ou non. L’important, pour nous, c’est la possibilité de l’implication des parties hétérogènes dans des agencements différents et celle d’une coévolution, d’un « cofonctionnement » (Deleuze 1999, p. 84), grâce à un ensemble d’intersections – d’interactions, disons-nous, tissant entre autres de nouveaux rapports entre le langage de la machine, le programme informatique, l’algorithme, l’application, le système de visualisation… et l’humain qui, surtout dans le cas d’une génération non supervisée, commande et se laisse surprendre (événement de sens grâce à une relationalité généralisée).

  • 19 On retrouve l’idée du trajet et de la trajectoire, du walking path.

43Sémiotiquement, le défi consiste ainsi à rendre compte de modulations incessantes, d’actualisations à partir d’événements virtuels, là où co-existent des espaces multiples et des temporalités hétérogènes, au profit de formes de vie computationnelles et digitales variables, individuelles et collectives. Pour les capter, il faut penser des mutations plus profondes, grâce à une matière dense et traversée de forces, grâce à une matière qui vibre, cela au fondement même de la génération/genèse d’images — d’ébauches d’images, de configurations visuelles — modifiées, retouchées, bref, recomposées, réagencées et réénoncées, c’est-à-dire d’événements de sens métastables. Il importe d’être sensible à des formes d’organisation à la fois dynamiques et évolutives, sur un fond continu — alors même que le code est discontinu. Dans ce cas, le deep learning ne conduit pas à la reproduction qui est itération, mais, dira-t-on avec Deleuze et Guattari (1980), à une itinération ou ambulation19.

44Nous sommes en mesure, désormais, de définir mieux l’espace du virtuel et des virtualités. Cherchant à concilier le point de vue de la philosophie avec celui des nouvelles technologies, Marcello Vitali-Rosati (2009) entend par virtuel (i) le principe de mouvement à la base de la production de quelque chose de nouveau, (ii) la force qui demeure même après le « passage à l’acte » et (iii) la multiplication des fonctions qui dépend de la multiplicité interne au virtuel ; en relation avec l’interactivité et la multimédialité, elle garantit une ouverture. D’autres approches théoriques sont possibles. Ainsi, dans leur article intitulé “Between Fiction, Reality and Ideality : Virtual Objects as Computationaly Grounded Intentional Objects” (2023), Bartlomiej Skowron et Pawel Stacewicz inscrivent leur réflexion dans le sillage de celle de Roman Ingarden, en plaidant pour une pluralité de modes d’existence et pour la complexité de l’existence. Est alors appelé « virtuel » un objet créé par l’humain doté d’une conscience ou intentionnalité. Existant grâce à des procédures computationnelles qui ont leur fondement dans différents types d’algorithmes, l’objet computationnel virtuel est considéré comme seulement possible ou concevable ; il correspond à des processus virtuels, des relations, des événements, des systèmes et des états. Ses propriétés internes sont rattachées à trois niveaux différents : a) au modèle computationnel : un ensemble d’instructions et/ou de structures pour un modèle donné ; b) à un langage de programmation spécifique qui permet de comprendre l’ensemble des instructions ; c) à l’implémentation physique (par exemple, des impulsions [impulses] électriques comme séquence d’états physiques d’un certain type, dans un système donné [voir p. ex. un microprocesseur]). Le modèle computationnel, digital ou analogue, le langage de programmation et l’implémentation physique correspondent alors aux différents aspects de l’objet virtuel.

45C’est en ce sens, en gardant l’idée du mouvement, de la force, de la multiplicité interne et d’une pluralité de strates, que nous pouvons considérer l’espace non plus des possibles, mais des virtualités comme un espace flou, flottant peut-être, enveloppant l’ensemble des niveaux impliqués dans la génération/genèse des artefacts. L’idée à défendre est que, pour expliquer, d’une part, la traduction ou conversion du langage de la machine de faible dimension en langage de programmation multidimensionnel, c’est-à-dire le cheminement menant d’une discrétisation à une autre, d’un embedding à un autre, et, d’autre part, les mutations des objets techniques impliquées, l’on a besoin de penser des virtualités, des potentialités supposant des modulations profondes et un soubassement continu. Parler de soubassement continu, c’est alors prévoir un moment antérieur aux impulsions discontinues, à distinguer du construct qui opérera sur celles-ci.

  • 20 Pour plus de clarté, nous traduisons ce passage essentiel de l’article de Fazi (2019) : « Compte te (...)
  • 21 Au sujet d’une esthétique, voire d’une esthésie digitales, cf. Munster (2006).
  • 22 Selon elle, ce type d’indétermination se comprend à partir de la découverte par les mathématiciens (...)
  • 23 Selon Fazi, l’indétermination est trouvée dans le caractère logique et formel de l'information. L’i (...)

46Si l’idée d’un espace de virtualités supposé continu connaît des déclinaisons théoriques diverses, elle peut également susciter des débats, le continu étant concurrencé par le discret du code. Cependant, l’indétermination est supposée infuser le discret lui-même. Ainsi, dans « Digital Aesthetics – The Discret et the Continuous » (2019), Fazi parle d’une impasse20 causée par l’incompatibilité apparente entre la continuité de la sensation et le caractère discret de la technologie. Elle mobilise une fois encore les travaux de Deleuze à la base de l’idée d’une esthétique digitale traditionnellement conçue, dit-elle, comme la sensation digitale à partir de la virtualité du computationnel, c’est-à-dire comme l’expérience de propriétés, de traits et de qualités, de relations perceptives réclamant une continuité (esthésie)21. Cela pour mieux en prendre le contre-pied. Elle critique en effet l’exploitation paradoxale de la théorie deleuzienne qui n’a jamais servi, note-t-elle, à défendre une esthétique et une esthésie du digital, mettant en avant des problèmes ontologiques. Là où d’aucuns, mobilisant Deleuze, parlent d’un acte de création s’auto-engendrant, il n’y a, d’après elle, que des prédictions et des rappels, en raison de probabilités et de possibles. Elle oppose au flux de la matière et de la sensibilité une structure formelle de calcul, avec ses propres contraintes et évaluations, le penser étant séparé du sentir. Elle est placée sous le signe des déterminations. Fazi appelle ainsi à une prise en considération de la spécificité du calcul, de la computation comme manière d’organiser le monde, de le représenter, à travers une discrétisation qui produit de l’abstrait, une méthode axiomatique et algorithmique en accord, d’une part, avec un certain nombre de règles gouvernant des relations entre entités discrètes et, d’autre part, avec des instructions qui peuvent être exécutées. Cela permet de mieux comprendre, ajoute-t-elle, une esthétique du discret, attentive aux digits et aux pixels. En même temps, elle se livre à une reconceptualisation des formalismes computationnels qui, en dépit de leurs vertus de systématisation et de quantification d’opérations mécaniques et du recours au discret, ou grâce à eux, comprennent une indétermination inhérente. L’idée de cette indétermination créatrice, argue notre auteur, gagne à être mise en résonance avec la notion d’incompatibilité creusée par Turing22, au profit d’un « formalisme contingent », d’une axiomatique ouverte, au-delà d’un déterminisme total. L’indétermination rend alors le computationnel esthétique en tant qu’il est « génératif » de manière « inhérente » (2019)23.

47Ce déplacement d’accent est décisif : il y va, en fin de compte, de la possibilité même d’une esthétique computationnelle générative qui prenne la forme d’une esthétique computationnelle du quantitatif, du discret et du formel. Notre proposition s’en inspire tout en prolongeant le débat : sans doute gagne-t-on à penser la compatibilité (i) de modulations profondes, du vécu sensible, de variations morphiques dont peut rendre compte une approche du computationnel et du digital inspirée, notamment, de la théorie deleuzienne et (ii) de l’axiomatique, du langage de programmation avec ses règles, ses déterminations, sa syntaxe, qui entretient une relation avec l’intelligible. Cela grâce à des virtualités et des potentialités, d’une part, et grâce à une indétermination inhérente au discret, d’autre part. Le sensible est impliqué dès le départ : cela en raison, plus particulièrement, du type d’indétermination lié au vague, au flou, au virtuel selon Deleuze. En même temps, si une esthétique du discret est possible, c’est, comme le propose Fazi (2019), en raison d’un autre type d’indétermination, lié spécifiquement au calcul : non pas malgré son abstraction, mais de ce fait même.

48Notre hypothèse prend forme : nous concevons une tension entre, d’une part, les réglementations dont est responsable le système discret, articulé, qui exerce des contrôles et, d’autre part, la poussée modulatrice à la base, notamment, des variations d’images dont nous cherchons à faire état. Ainsi, il incombe aux modulations de porter des changements morphiques des images, prêtes à être actualisées ou réalisées, voire d’irriguer l’ensemble du processus qui fera naître un ordre (nouveau) (Leveau-Vallier 2023). Agissant comme un liant qui facilite les transitions et passages entre les différentes spatialités, les modulations sous-tendent, rendent possible et permettent d’expliquer mieux la traduction du langage de la machine dans un programme informatique, jusqu’à l’implémentation et la visualisation écranique.

49En fin de compte, il semblerait que la question nodale, qui appelle à préciser les propriétés de l’espace du virtuel et des virtualités, avec sa part d’indétermination, soit celle de sa contribution active à la créativité computationnelle, tout particulièrement avec Midjourney ou DALL•E 3 (Colas-Blaise 2025a). Cela au-delà de la reproduction ou re-génération. Quelles sont alors les conditions de possibilité et les modalités de la régénération au sens de restauration (et non de restitution) et de renouvellement signifiants ? La production d’artefacts inédits peut être approchée à travers la notion de style de mélange. Nous avons alors affaire à des variantes morphiques qui se suivent dans le temps, rencontrent une altérité, se transforment et se relaient, soit linéairement, soit de manière plurilinéaire et en diagonale ; elles peuvent également être ressaisies paradigmatiquement, dans l’instant, toute origine étant occultée. Précisément, c’est grâce à l’espace des virtualités, convoquées pour hâter le devenir des formes conduites, de proche en proche, au stade de l’actualisation ou de la réalisation, que différents styles de mélange (hybridation, métissage, singularisation, bricolage [Colas-Blaise, 2023]) contribuent à la production d’artefacts plus ou moins surprenants, voire dérangeants. Plus l’hybridation provoque une fusion des éléments rapprochés, par exemple, par la requête textuelle ou prompt, plus l’homogénéité obtenue est grande, et plus il est possible de détecter un style propre au logiciel, idiolectal, mais aussi sociolectal (en raison, déjà, de la base d’entraînement culturellement marquée). Dans le cas du bricolage et, a fortiori, du métissage, il devient en revanche tentant de rapporter les ruptures entre une organisation topologique de l’image, un choix chromatique insistant, un motif stéréotypé… à des domaines, des peintres, des genres spécifiques, qui demeurent identifiables au-delà des mixages.

50Il se peut ainsi que les styles de mélange accentuent le caractère fictionnel des artefacts générés : la fictionnalité est non seulement fonction de leur caractère artificiel, c’est-à-dire fabriqué (selon l’étymologie latine de « fictĭo » [Gaffiot]), mais encore de sa part d’« imaginaire ». Ainsi, dans Unsupervised Machine Hallucinations MoMA, 2021–2022, des « architectures post-digitales » imaginaires transportent le spectateur :

Figure 1

Figure 1

Refik Anadol, Unsupervised — Machine Hallucinations — MoMA, 2021–2022.

Courtesy of Refik Anadol Studio.

  • 24 Installation à Los Angeles, CA, depuis le 1er mars 2018. « AI Data Painting », selon une expression (...)

51Non seulement l’imprévisible est-il hissé au rang d’une valeur centrale, mais encore la multiplicité devient observable. Ainsi, c’est une connectivité maximale que donne à voir Machine Hallucinations – ISS Dreams de Refik Anadol (2018)24 :

Figure 2

Figure 2

Refik Anadol, Machine Hallucinations – ISS Dreams, Los Angeles, CA, 2018.

Courtesy of Refik Anadol Studio.

52Comme si les patterns établis par l’Intelligence artificielle à travers des rapprochements qui, d’abord, se soustraient à l’observation pouvaient proposer une version « libre » des capacités d’imagination de réseaux neuronaux humains dans le subconscient (compression des souvenirs et catégorisation dans le cas de rêves et d’hallucinations).

53Le transport du spectateur happé par un spectacle immersif constitue ainsi le pendant, en réception, de ces mouvements que nous cherchons à intercepter en production.

3. L’espace de visualisation : multimodalité et gestes interprétatifs

  • 25 En l’absence, ici, de l’aspect deep learning.

54L’espace de visualisation permet-il de vérifier notre hypothèse de départ25 ? Constitue-t-il l’espace ultime, au terme du parcours de génération d’artefacts numériques que nous avons en vue, qui interprète (au sens musical du terme), à son tour et selon des modalités spécifiques à déterminer, l’entrejeu du discontinu et du continu ? Il s’agira de montrer en quoi l’espace de visualisation porte l’empreinte de l’espace de virtualités transversal dont nous avons discuté l’existence. Ainsi, il s’agira de montrer concrètement en quoi l’espace de visualisation qui clôture le parcours de génération, qu’il soit agissant et performant ou agi par l’usager, instaure une dynamique continue à la base de l’image. Cela en menant des virtualités et des potentialités au stade de la manifestation.

55Notre proposition est double : si l’espace des virtualités contribue à configurer l’espace de visualisation en conférant à l’image un soubassement continu, celle-ci constitue elle-même un espace (i) où se déploient des tensions convergentes et divergentes et (ii) qui est multistratifié, le soubassement continu autorisant des mouvements entre des couches de profondeur.

  • 26 L’écran est agi (Dall’Armellina 2001) quand la texture, la pixellisation, la luminosité… sont chang (...)

56L’écran peut être agi (Dall’Armellina 2001)26 ou « opéré » par l’usager à travers les réglages de la luminosité, des modalités de l’affichage, de la netteté de l’image… Il en va ainsi de la datavisualisation comme type d’image-interface, au cœur des projets de la Software Studies Initiative qui s’intéressent à la pixellisation, aux mosaïques d’images, à la moyenne d’images ainsi qu’au découpage des images en tranches (Reyes-Garcia 2015). La visualisation impliquant la mise en avant des métadonnées, mais aussi des figures reconnaissables (personnes, objets) et des paramètres plastiques, il incombe aux interfaces utilisateur de mettre à la disposition des usagers des boutons, des panneaux… donnant accès jusqu’aux chromèmes, aux formèmes et aux texturèmes (Groupe µ 1992) de l’image. Plus particulièrement, la diversification recherchée par nombre de projets IA est renforcée par les interventions de l’humain sur l’espace-interface (p. ex. l’augmentation du contraste, le nuancement des tonalités, la prise en considération d’un nombre plus ou moins élevé de dimensions, l’introduction de filtres, les découpages et zoomings, à côté de l’addition, de la soustraction et du remplacement de traits caractéristiques, des rotations et des cut-out, des sur- et sous-expositions, des changements de cadre…).

Figure 3

Figure 3

AI taught to instantly transform objects in image-editing software https://www.newscientist.com/​article/​2240903-ai-taught-to-instantly-transform-objects-in-image-editing-software/​, NewScientisrt, 2020. Cf. Berns & Colton (2020, p. 408).

57À cela s’ajoutent toutes les manipulations rassemblées sous le terme « lectacture » (Weissberg 1999) — risquera-t-on le néologisme « visioacture » ? — qui permettent à l’usager d’explorer les contenus affichés : une exploration haptique et une tactilité visuelle (Colas-Blaise 2024a), l’œil étant soutenu par la main qui active la souris, fait bouger le curseur, scrolle, remplace et fait défiler les documents y compris visuels selon une logique « hypertextuelle », en nouant des relations analeptiques et cataleptiques (Colas-Blaise 2023). L’activation de la souris et du pointeur, mais aussi l’écran tactile permettent à un spectateur « amplifié », au sens où l’entendrait Merleau-Ponty, proprement « augmenté », une exploration synesthésique mobilisant non seulement la vision « palpant » l’objet (re)présenté ou l’ouïe, mais encore le toucher, d’une manière plus ou moins immédiate en fonction des prothèses utilisées. L’expérience esthésique repose sur le redoublement de l’écran-interface par le « corps-interface » (Chatelet 2013).

58Nous retenons surtout les changements qui s’emparent des images traitées progressivement. Celles-ci s’enlèvent sur un fond continu ou sur un flux comme par des arrêts sur image instantanés et toujours provisoires, comme pour des photogrammes essentiellement spatiaux.

59Or, ces variations sont fonction non seulement des manipulations par l’usager, mais encore d’opérations — en particulier de (re)formatage — d’un espace de visualisation agissant par l’entremise de l’écran.

60Notons d’abord que, quels que soient les types de visualisation des Big Data, qu’il s’agisse de la visualisation de données spatiales (Spatial Data Visualization), consacrée à des volumes et des surfaces, de la visualisation d’informations (Information Visualization), qui dégage des patterns, ou des Visual Analytics grâce au développement des techniques de visualisation, il s’agit avant tout de révéler des régularités ou des anomalies cachées dans les données et de permettre à l’usager de localiser des valeurs déterminées au sein de zones d’intérêt. Il importe de mettre en lumière les différences à l’intérieur du quantitatif et, à la clef, de faciliter les interactions humaines (Olshannikova, Ometov, Koucheryavy & Olsson 2016). Loin de nous l’idée de fournir une liste des types d’outils de visualisation, forcément incomplète. Aux détails techniques, qui comprennent notamment l’amélioration de la résolution des images affichées, nous préférons, d’un point de vue sémiotique, une réflexion sur l’espace de visualisation en ses déclinaisons. Nous ne suivrons pas non plus la voie de la visualisation comme art, même si, dans le prolongement de la Computational Creativity, elle a un intérêt tout particulier. Nous choisissons de nous concentrer sur la manière dont l’écran contribue à « interpréter » des données (au sens musical du terme), en (re)configurant et en (ré)agençant les espaces « virtuel » et « réel ».

  • 27 Cf. également Goffman ([1974] 1991).

61Si donc l’écran est performant, de quelles manières, « assisté » par l’humain, (re)configure-t-il les espaces — les espaces « virtuels » proposés à l’exploration, l’espace « réel » de l’usager —, concrètement ? Considérons la notion de (re)formatage de plus près. Le (re)formatage intervient à différents niveaux de pertinence dont l’image garde les marques : (i) celui du contexte au sens large, c’est-à-dire de l’environnement (naturel, culturel, politique, technique…) ou « milieu », (ii) celui des médias comme circuits de distribution, (iii) ceux des médiums, objets et supports, (iv) celui des genres et (v) celui des textes (Colas-Blaise 2024b). Si l’écran (re)formate, il (re)contextualise, véhiculant des représentations collectives, des passions, des rôles actantiels, des valeurs. Y ajoutera-t-on le (re)cadrage modalisant27, qui joue sur le caractère déterminant des calculs, sur le poids des normes et des conventions (modaliser l’usager et la machine selon le devoir-faire, le savoir-faire…), mais qui intervient aussi au niveau du pouvoir-faire (puissance de création) et, pour l’humain, du vouloir-faire possiblement disruptif ? On y verra un indice de la stratification interne de l’image numérique. Plus que jamais, la notion de « (re)montage », au sens filmique du terme, qui mise sur l’expérience non seulement perceptivo-cognitive, mais encore sensible de l’usager, permet de faire avancer la réflexion. Cela d’autant plus que, nous l’avons vu, le montage réclame une certaine continuité. L’écran comme espace de visualisation est directement impliqué dans la gestion, voire dans la (re)création des espaces « digitaux » sur un fond mouvant.

62Cela ne saurait suffire pour étayer notre proposition théorique. Adapter à notre propos la notion d’« image-surface » développée par Giuliana Bruno (2017), c’est mettre davantage l’accent sur la stratification de l’image-texte entretissée d’éléments mémoriels. Or, non seulement la manifestation texturale se conjoint-elle avec la fabrication du visuel, avec le support ainsi qu’avec la « situation » (canevas, mur ou écran) (ibid.), mais encore, dirons-nous, la stratification rend possible un mouvement continu au sein de l’image.

63Ensuite, ce mouvement continu entre couches de profondeur est porté par un déploiement tensionnel. Fondamentalement, et avant toute re-dissémination, l’écran a une fonction d’unification :

Un écran donne, par exemple, une unité à une diversité de faisceaux lumineux, quelles que soient leurs origines. Ce principe peut être défini comme une fonction d’arrêt ou, ce qui revient au même, de tri. L’écran offre une unification par sélection. Il assemble des éléments en vertu de sa seule présence. On pense aux lumières émises par un projecteur de cinéma, mais aussi aux couleurs sur une toile, sur une photographie, etc. (Bordron 2010).

64L’écran est chargé, d’autre part, de sélectionner et d’unifier une diversité d’éléments dans une composition ou morphologie (Bordron 2016, 2019) parcourue de tensions. Par la suite, en conduisant les images au stade de l’affichage, il fait émerger des formes spatialisées, coulées dans un langage visuel, qui sont toujours provisoires. Dans ce cas, l’écran ne se contente plus d’être une instance médiatrice, il fait en sorte que les virtualités changent de monde d’existence et passent au stade de la réalisation. En d’autres termes : l’espace « virtuel » auquel l’écran donne d’abord accès se mue en espace « réalisé ».

  • 28 Les caractéristiques qui sont révélées à travers l’interaction avec des utilisateurs, par exemple l (...)
  • 29 Cf. également Voto (2022) à propos de la visualisation de big data faciales latentes.

65Ainsi, l’écran, à la fois interface et espace de (re)présentation, à la fois médiateur et performant, donne une apparence observable, « phénoménale »28, à ce qui se soustrait d’abord au regard. Les processus latents peuvent être restitués à partir des effets produits à la suite d’expérimentations diverses29. La distinction « génotype vs phénotype » peut aider à rendre compte de ce qui, sémiotiquement, relève de la révélation — dé-couvrir, dés-enfouir, faire apparaître « à la surface » et réaliser au contact du support matériel n (Moutat 2021) — de quelque chose de caché. En cela, l’écran contribue activement à la production du sens. À cela s’ajoute que ses dimensions et d’autres spécificités (par exemple des différences dans la luminosité) attestent l’importance du dispositif choisi (ordinateur, tablette, téléphone…) : celui-ci participe directement à la production sémiosique (sursémiotisation de l’image).

66Prenons l’exemple de l’architecture complexe du musée virtuel entièrement interactif VOMA, qui a ouvert ses « portes » en septembre 2020, en mettant l’accent non seulement sur la transmission de contenus visuels et verbaux, mais encore sur des espaces de rencontre virtuels :

Figure 4

Figure 4

VOMA, 2019.

Figure 5

Figure 5

VOMA, 2019.

67L’écran digital comme dispositif participatif est agissant en ouvrant, avec l’aide de l’usager, sur le défilement des lieux, plus ou moins narrativisé, mais aussi, plus que jamais, sur des espacements, au sens où l’entend Heidegger ([1969] 2007, pp. 20-21) :

Espacer, cela apporte le libre, l’ouvert, pour un établissement et une demeure de l’homme.
Espacer, pensé jusqu’à son plus propre, c’est la libération qui donne lieu […].
Espacer, c’est la libération qui donne lieu […].

68L’écran digital espace. D’où, grâce à la collaboration avec l’usager, la liberté et la fantaisie des cheminements qui cultivent l’intervalle. Il donne prise sur l’enfilade des couloirs et des salles, en offrant des chemins possibles et en permettant à l’usager de tracer des parcours d’exploration des lieux au gré des cliquages, de l’activation de la souris et du déplacement du curseur. Il donne également accès à un emboîtement d’espaces pris dans une structure d’englobements successifs, au point de conduire à une mise en abyme. Prend ainsi forme un « paysage » qui est dit virtuel et qui, de fait, se trouve doté d’un « corps et d’un poids perceptuel qui n’ont rien de virtuel » (Moujan 2013a). Il est nécessairement malléable. L’usager peut avancer, revenir sur ses pas, improviser des bifurcations…, bref, fluidifier l’espace « virtuel », l’affecter, le rendre mobile et le dynamiser, ou multiplier les obstacles perceptifs, tout cela pour mieux se l’approprier ou, au contraire, pour s’y immerger. Dans ce cas, le champ déictique de ego, qui délimite, devient flottant ou voit ses contours s’effacer. Ainsi, quand l’écran est agissant à travers des (re)formatages et des (re)cadrages, des fragmentations et parcellisations des espaces ainsi que des recompositions et réagencements, ceux-ci peuvent entamer la capacité du spectateur à cerner son champ déictique.

69On l’a suggéré, le spectateur n’est pas que passivé. Désormais, opérer l’espace muséal démultiplié signifie, aspectuellement, prendre en considération, progressivement, les supports matériels et, en dernière instance, les toiles-textes : des zooming avant et arrière permettent alors de pénétrer l’espace textuel et textural des œuvres d’art numérisées ou numériques natives, de les « fouiller » de près, en exhibant des singularités et en reléguant d’autres éléments au niveau de détails, ou de les mettre à distance. Ce jeu sur les visions de près, « normales » et de loin selon Riegl a des corrélats thymiques : la fascination, l’admiration, mais aussi le respect révérencieux (awe), voire l’angoisse ; le sentiment de maîtrise, mais aussi de soumission à quelque chose de plus grand — le sublime qui rappelle que la sémiose technologique a sa part de mystère ; c’est bien ce que suggèrent les expressions « espace latent » et « boîte noire ».

70Enfin, l’espace de la visualisation est « agissant » pour une autre raison encore : il assure les échanges entre l’espace « réel » de l’usager installé devant son dispositif de visualisation et les espaces « virtuels ». Mieux, il reconstruit — resémiotise — l’espace « réel » d’une certaine manière, surtout quand, grâce à la caméra de l’ordinateur, le voyant est vu ou, du moins, devient visible (Merleau-Ponty [1960] 1964, pp. 293-294). L’environnement « réel » est lui-même transformé en milieu d’exploration numérique, les passages s’opérant entre les espaces « réel » et numérique selon des vitesses et des degrés de fluidité variables, en vertu de synchronies et d’asynchronies, de franchissements et d’ajustements. Ils intègrent d’autres variables, telles que l’éclairage (par exemple, l’écran comme source de lumière). Plus largement, des tensions s’instaurent entre le matériel informatique, l’écran support de visualisation et l’image-écran, dans un interespace complexe, à la fois « virtuel » et « réel » ; dans un « entr’espace », à la fois solide et accueillant des « spatialités liquides faites d’images, de lumière, de sons… » (Moujan 2013b, p. 210).

71Franchissons un pas : ce qui prime, c’est la relationalité, quand l’opérativité des ensembles d’images « ne peut pas être vue par un “sujet” observateur, mais est plutôt mise en œuvre par le biais d’événements observés distribués dans et à travers des dispositifs, du matériel, des agents humains et des architectures artificielles en réseau telles que les réseaux d’apprentissage en profondeur » (MacKenzie & Munster 2019 ; nous traduisons).

  • 30 Emile V. Schlesser et le trio de jazz Reis-Demuth-Wiltgen, Synaesthesia, Luxembourg, novembre 2022.
  • 31 Touchdesigner est un logiciel de programmation nodale, qui peut intégrer de la 2D et de la 3D. Il e (...)

72Le spectacle multimodal Synaesthesia (2022)30 complexifie le dispositif spatial davantage. Il attire en effet l’attention sur la manière dont les gestes humains et machinaux sur scène se livrent à la reconstruction « fictionnelle » de l’espace de la salle, la scène et la salle échangeant également leurs attributs. Soit donc un rideau transparent séparant la scène de la salle qui fait office d’écran ainsi qu’un espace-écran mural : ils sont configurés par la projection d’images mouvantes créées à partir d’impulsions sonores produites par un trio de musiciens en direct, avant la conversion en images par le langage de programmation visuel TouchDesigner, développé par la société Derivative (Toronto)31 (sans qu’il soit fait appel au deep learning). On voit concrètement à quel point l’ordinateur est sensible à des sonorités, des gestes, des mouvements du corps, des vitesses et des rythmiques qui sont traduits dans des images mobiles qui se font et se défont. D’où des variations chromatiques, des lignes droites, courbes, obliques… qui s’entrecroisent ou se relaient, un ballet de formes rondes, triangulaires et rectangulaires, closes ou ouvertes, qui s’étirent, s’évasent et se resserrent, se fondent les unes dans les autres, se superposent, émergent et disparaissent. Les montages sensibles, qui donnent lieu à des partitions de l’espace de visualisation consonantes ou dissonantes – de l’écran-rideau et de l’écran-mur ainsi que de la salle de spectacle au sens large —, peuvent être pensés sur le mode des configurations en cours de réalisation, qui défient la stabilisation figurative et plastique ; sur celui des agencements deleuziens, contre toute fixation et tout figement ; sur celui d’une indétermination générale alliée avec le virtuel. Au gré des projections mouvantes, l’espace est parcellisé, (re)composé, (ré)agencé, fait et défait.

Figure 6

Figure 6

Emile V. Schlesser et le trio de jazz Reis-Demuth-Wiltgen, Synaesthesia, Luxembourg, Esch-sur-Alzette 22 novembre 2022.

Courtesy des artistes.

Figure 7

Figure 7

Emile V. Schlesser et le trio de jazz Reis-Demuth-Wiltgen, Synaesthesia, Luxembourg, Esch-sur-Alzette 22 novembre 2022.

Courtesy de l’artiste.

  • 32 Adaptons à notre propos la notion de « vision topologique » développée par Maya Bak Herrie (2023) : (...)
  • 33 Selon Offert & Bell (2020), dans le domaine du computationnel, la topologie perceptive correspond à (...)
  • 34 Il s’agit également de scruter les effets produits par l’« environnement » (Somaini 2020, p. 36) de (...)

73Le spectacle fascine, voire subjugue le spectateur qui, à condition de corporéifier les images, de se livrer à des explorations haptiques, peut s’immerger (Moujan 2013a, 2013b). Cependant, il n’y a aucune immédiateté32. Tout comme les artistes, les spectateurs peuvent également co-construire le spectacle, « collaborant » avec la machine de différentes façons. Leur perception « topologique » entre en résonance ou en dissonance avec la « vision » de la machine, avec la « topologie perceptive » (Offert & Bell 2020)33, qui porte la marque de la « sensibilité » machinique et n’est pas dénuée de biais34.

74D’une part, le spectateur assiste à la naissance de motifs qui se relaient, mais qui persistent également, grâce à la spatialisation de leurs transformations. La variation des images, rendue possible par un fond continu ainsi que par une indétermination couplée avec le virtuel, rencontre leur inscription sur un support, notamment mural. La stabilisation et la déstabilisation se combattent réciproquement. L’espace-rideau et l’espace mural donnent à voir et mettent en valeur, en faisant apparaître, au sens phénoménal du terme : cela m’apparaît, à moi, spectateur, qui puis m’immerger et me perdre, quand le champ déictique cerné par « je » s’efface en épousant les contours du champ de présence de l’œuvre, toute distance objectivante étant supprimée. Le spectateur peut être hypnotisé, happé, entraîné dans la ronde des images.

75D’autre part, si le rideau-écran transparent à la fois montre et cache, « protège » et « expose » (Carbone 2015), c’est-à-dire occulte partiellement pour mieux révéler, il constitue un médiateur relais qui permet d’assister « en direct » à la prouesse technique, de voir comment c’est fait, d’observer l’orchestration des gestes humains et les interactions avec la machine (le trio d’artistes life et Emile V. Schlesser manipulant des instruments de contrôle tels que des curseurs kob).

76Le spectacle est ainsi doublement fictionnel : en ce qu’il transporte les spectateurs dans un monde « imaginaire » ; enfin, en ce que les modalités de sa fabrication sont exhibées. Ajoutons que la salle est elle-même requalifiée en scène et que les rôles sont réinventés quand le trio des musiciens et Emile V. Schlesser ne sont pas seulement vus, mais voyants.

Conclusion

77Dans cet article, nous avons cherché à défendre l’idée (i) d’une pluralisation des espaces computationnels et digitaux impliqués dans un parcours de génération, de l’espace latent à l’espace d’implémentation et de manifestation en relation avec le niveau « technico-applicatif » et à l’espace « sémio-rhétorique », où se déploient des pratiques interactionnelles et interprétatives (Crozat, Bachimont, Cailleau, Bouchardon & Gaillard 2011), et (ii) de passages entre ces espaces grâce à un espace de virtualités transversal offrant une base continue. Globalement, notre objectif a été de rendre compte du rôle que la spatialisation joue, en intelligence artificielle, dans la génération d’artefacts numériques plus ou moins inédits, que ce soit à l’aide de GANs ou de technologies telles que Midjourney consacrées à la génération d’images à partir de prompts verbaux. Plus précisément, nous avons voulu vérifier l’hypothèse que l’espace des virtualités, avec sa topologie continue, met à profit le virtuel, les potentialités et l’indétermination afin de faciliter les passages entre espaces. Il confère alors un soubassement tensionnel à la traduction plurimodale interlangagière ou intersémiotique.

78Une telle réflexion n’a de sens que si elle contribue à parfaire la « culture technique » que Simondon ([1958] 2012, p. 82), déjà, appelait de ses vœux et, plus largement, à questionner les nouveaux agencements humains et machiniques régulés par le fonctionnement des systèmes. Il importe, en dernière instance, de dégager, à travers une réflexion sur les espaces computationnels et digitaux impliqués dans la génération, c’est-à-dire sur la mise en œuvre processuelle et la visualisation des images, les enjeux épistémologiques, esthétiques, voire politiques de ce qui constitue de plus en plus un raz-de-marée des technologies, notamment deep learning. Il s’agit de comprendre leur rôle entre « assujettissement » à une machine supposée autonome et gestion par l’humain des pratiques machiniques contemporaines. Il importe de mettre à profit les possibilités ouvertes par l’intelligence artificielle : celles-ci donnent lieu à un événement culturel majeur qui, plus que d’autres, permet à l’humain de se constituer comme « sujet digital », toujours partiel, à l’identité toujours provisoire, sur l’« horizon d’une découverte infinie » (Salanskis 2022).

Haut de page

Bibliographie

Asperti, Andrea & Tonelli, Valerio (2023), “Comparing the latent space of generative models”, Neural Computing and Applications, 35, pp. 3155-3172.

Bachimont, Bruno (2022), « Donner du sens aux données : les ruses du numérique. Les disciplines du document face à la métis du calcul », Interfaces numériques, 11, 2 ; https://doi.org/10.25965/interfaces-numeriques.4838 (consulté le 2/05/2025).

Berns Sebastian & Colton, Simon (2020), “Bridging Generative Deep Learning and Computational Creativity”, Proceedings of the 11th International Conference on Computational Creativity, pp. 406-409.

Bordron, Jean-François (2010), « Rhétorique et économie des images », Protée, 38, 1, pp. 27-39 ; https://id.erudit.org/iderudit/039700ar (consulté le 2/05/2025).

Bordron, Jean-François (2016), « L’énonciation en image », in Colas-Blaise, Perrin & Tore (éds), L’Énonciation aujourd’hui, un concept clé des sciences du langage, Limoges : Lambert-Lucas, pp. 227-240.

Bordron, Jean-François (2019), « Dynamiques des images », Signata, 10 ; https://doi.org/10.4000/signata.2267 (consulté le 2/05/2025).

Bruno, Giuliana (2017), “Dressing the Surface”, Necsus, December 6 ; https://necsus-ejms.org/dressing-the-surface/ (consulté le 2/05/2025).

Carbone, Mauro (2015), « La vie mouvementée des écrans », Expanded Cinema et arts médiatiques Écrans, 1, 3, pp. 23‐35 ; https://doi.org/10.15122/isbn.978-2-8124-5079-2.p.0023 (consulté le 2/05/2025).

Chatelet, Claire (2013), « Toucher/cadrer, toucher/monter : des interfaces haptiques pour un spectateur “amplifié” », Entrelacs, 10 ; https://doi.org/10.4000/entrelacs.502 (consulté le 2/05/2025).

Chatelet, Gilles (1993), Les Enjeux du mobile. Mathématique, physique, philosophie, Paris : Seuil.

Colas-Blaise, Marion (2023), L’Énonciation. Évolutions, passages, ouvertures, Liège : Presses universitaires de Liège.

Colas-Blaise, Marion (2024a), « L’art numérique au risque de l’expérience haptique/tactile. Ce que toucher par l’œil et voir par le toucher veulent dire », Visible, 13 ; https://www.unilim.fr/visible/727 (consulté le 2/05/2025).

Colas-Blaise, Marion (2024b), « Le format et le genre. Le (re)formatage au risque du numérique », Communication & langages, 220, 2, pp. 133-150.

Colas-Blaise, Marion (2025a), « La machine crée, mais énonce-t-elle ? Le computationnel et le digital mis en débat », Semiotica, 262, pp. 147-187 ; DOI : 10.1515/sem-2024-0188 (consulté le 2/05/2025).

Colas-Blaise, Marion (2025b), « From the Greimassian Generative Trajectory to Generative Artificial Intelligence and the Genesis of the Technical Object: the Becoming of Meaning », Punctum, 11, 2 (à paraître).

Colton, Simon, Halskov, Jakob, Gouldstone, Ian & Ventura, Dan (2015), “The Painting Fool Sees! New Projects with the Automated Painter”, International Conference on Computational Creativity (ICCC), US, Utah.

Connor, Marissa C. & Rozell, Christopher J. (2020), “Representing Closed Transformation Paths in Encoded Network Latent Space”, The Thirty-Fourth AAAI Conference on Artificial Intelligence, pp. 3666-3675.

Crozat, Stéphane, Bachimont, Bruno, Cailleau, Isabelle, Bouchardon, Serge, Gaillard, Ludovic (2011), « Éléments pour une théorie opérationnelle de l’écriture numérique », Document numérique, 14, 3, Paris : Hermès Lavoisier, pp. 9-33.

D’Armenio, Enzo, Deliège, Adrien & Dondero, Maria Giulia (2024), “Semiotics of Machinic Co-Enunciation. About Generative Models (Midjourney and DALL•E)”, Signata, 15 ; https://doi.org/10.4000/127x4 (consulté le 2/05/2025).

Dall’Armellina, Luc (2001), « Support fluide – espace virtuel : l’écran agi. Autour de dispositifs texte image en mouvement », Rencontres hypermédia de CNAM-Paris, 8, pp. 1-41 ; http://lucdall.free.fr/publicat/ecagi.pdf (consulté le 2/05/2025).

DeLanda, Manuel (2009), « Agencements versus totalités », Multitudes, 4, 39, pp. 137-144.

DeLanda, Manuel (2016), Assemblage Theory, Edinburgh : Edinburgh University Press.

Deleuze, Gilles (1988), Le Pli. Leibniz et le baroque, Paris : Minuit.

Deleuze, Gilles & Guattari, Félix (1980), Capitalisme et Schizophrénie 2 : Mille plateaux, Paris : Minuit.

Deleuze, Gilles & Parnet, Claire (1999), Dialogues, Paris : Flammarion.

Fazi, M. Beatrice (2011), “Soft Computing: Forms and Limits in Computational Aesthetics”, ISEQ The 17th International Symposium on Electronic Art, 14-21, Istanbul, September; https://isea-archives.siggraph.org/wp-content/uploads/2020/06/ISEA2011_143_M.-Beatrice-Fazi.pdf (consulté le 2/05/2025).

Fazi, M. Beatrice (2019), “Digital Aesthetics: The Discrete and the Continuous”, Theory, Culture & Society, 36, 1; https://doi.org/10.1177/0263276418770243 (consulté le 2/05/2025).

Floch, Jean-Marie (1988), « Un type remarquable de sémiosis : les systèmes semi-symboliques », in Herzfeld & Melazzo (dirs), Semiotic Theory and Practice, Berlin : De Gruyter Mouton, pp. 251-257.

Goffman, Erving (1974), Frame Analysis: An Essay on the Organization of Experience, Boston : Harvard University Press ; Les Cadres de l’expérience, trad. fr. I. Joseph. M. Dartevelle & P. Joseph, Paris : Minuit, 1991.

Goodman, Nelson (1976), Languages of Art ; Langages de l’art, trad. fr. J. Morizot, Nîmes : Éditions Jacqueline Chambon 1990.

Greimas, Algirdas J. (1984), « Sémiotique figurative et sémiotique plastique », Documents VI, 60.

Greimas, Algirdas J. & Fontanille, Jacques (1991), Sémiotique des passions. Des états de choses aux états d’âme, Paris : Seuil.

Groupe µ (1992), Traité du signe visuel. Pour une rhétorique de l’image, Paris : Seuil.

Groupe µ (2015), Principia semiotica. Aux sources du sens, Bruxelles : Les Impressions Nouvelles.

Heidegger, Martin (1967), Die Kunst und der Raum, in Gesamtausgabe 13, pp. 203-210, 1969 ; L’Art et l’Espace, tr. fr. J. Beaufret et F. Fédier, bilingue, St. Gallen : Erker Verlag, 1969 ; repris in Questions IV, tr. fr. J. Beaufret, F. Fédier, J. Lauxerois & C. Roëls, Gallimard : Paris, 1976 ; Die Kunst und der Raum. L’Art et l’Espace, Francfort-sur-le-Main : Vittorio Klostermann, 2007.

Herrie, Maja Bak (2023), “Topological Vision: The Artistic Thinking of Shigeru Onishi”, Leonardo, 56, 3, pp. 262-265.

Ingold, Tim (2007), Lines. A brief History, Routledge : London; Une brève histoire des lignes, trad. fr. S. Renaut, Bruxelles : Zones sensibles, 2011.

Lenci, Alessandro & Sahlgren, Magnus (2023), Distributional Semantics, Cambridge : Cambridge University Press.

Leveau-Vallier, Alban (2023), IA. L’intuition et la création à l’épreuve des algorithmes, Ceyzérieu : Champ Vallon.

Li, Guanyue, Liu, Yi, Wei, Xiwen, Zhang, Yang, Wu, Si, Xu, Yong & Wong, Hau-San (2021), “Discovering Density-Preserving Latent Space Walks in GANs for Semantic Image Transformation”, MM’21 : Proceedings of the 29th ACM International Conference on Multimedia ; https://doi.org/10.1145/3474085.3475293 (consulté le 2/05/2025).

Lobo, Carlos (2021), « De la recomposition musicale des diagrammes du temps. Husserl/Nunes : un cas d’interdisciplinarité exemplaire », in Jedrzejewski, Lobo & Soulez (éds), Écrire comme composer. Le rôle des diagrammes, Sampzon : Editions Delatour France.

MacKenzie, Adrian & Munster, Anna (2019), “Platform Seeing: Image Ensembles and Their Invisualities”, Theory, Culture & Society, 36, 5, pp. 3-22.

Marenko, Betti (2015), “Digital Materiality, Morphogenesis and the Intelligence of the Technological Object”, in Marenko & Brasset (Eds), Deleuze and Design, Edinburgh : Edinburgh University Press, pp. 107-138.

Marr, David (1982), Vision. A Computational Investigation into the Human Representation and Processing of Visual Information, New York : W.H. Freeman.

Merleau-Ponty, Maurice (1960, 1961), L’Œil et l’Esprit, Paris : Gallimard ; 1964.

Moujan, Carola (2013a), « Optique-haptique, distraction et expérience spatiale », Entrelacs, 10 ; https://doi.org/10.4000/entrelacs.522 (consulté le 2/05/2025).

Moujan, Carola (2013b), « L’expérience de l’entr’espace. Deux stratégies d’immersion », Interfaces numériques, 2, pp. 209-228 ; https://doi.org/10.25965/interfaces-numeriques.1824 (consulté le 2/05/2025).

Moutat, Audrey (2021), « Écriture et matérialité numérique, de la substance aux formes de l’expression », Semen, 49, pp. 51-67.

Munster, Anna (2006), Materializing New Media. Embodiment in Information Aesthetics, Chicago : University of Chicago Press.

Novak, Thomas & Hoffman, Donna L. (2020). “Quantifying Assemblage Theory: A Conceptual, Empirical, and Data-Driven Approach to Guide Discovery”, SSRN.

Offert, Fabian & Bell, Peter (2020), “Perceptual Bias and Technical Metapictures”, AI & Society, pp. 1133-1144.

Olshannikova, Ekaterina, Ometov, Alexandre, Koucheryavy, Yevgenl & Olsson, Thomas (2016), “Visualizing Big Data”, in Fuhrt & Villanustre (Eds.), Big Data Technologies and Applications, Berlin, Heidelberg, Dordrecht, New York : Springer, pp. 101-131 ; DOI:10.1007/978-3-319-44550-2_4 (consulté le 2/05/2025).

Rabot, Cécile & Chartier, Roger (2020), « De l’imprimé au numérique : une révolution de l’ordre des discours. Entretien avec Roger Chartier », Biens symboliques, 7 ; https://doi.org/10.4000/bssg.478 (consulté le 2/05/2025).

Reyes-Garcia, Everardo (2015/2), « La datavisualisation comme image-interface », I2D – Information, données & documents, 52, pp. 38 -39 ; https://www.cairn.info/revue-i2d-information-donnees-et-documents-2015-2-page-38.htm (consulté le 2/05/2025).

Salanskis, Jean-Michel (2022), « Le computationnel et le sujet », in Larsonneur, Regnauld, Cassou-Noguès & Touiza (éds), Le Sujet digital, Paris : Les presses du réel.

Simondon, Gilbert (1958), Du mode d’existence des objets techniques, Paris : Aubier ; 2012.

Skowron, Bartomiej & Stacewicz, Pawel (2023), “Between Fiction, Reality, and Ideality: Virtual Objects as Computationally Grounded Objects”, Philosophy & Technology, 36, 34; DOI:10.1007/s13347-023-00633-8 (consulté le 2/05/2025).

Somaini, Antonio (2020), « Qu’est-ce qu’un écran à l’époque de la machine vision ? », in Bodini & Carbone (éds), L’Avenir des écrans, Paris : Mimésis, pp. 59-74.

Somaini, Antonio (2023), “Algorithmic Images: Artificial Intelligence and Visual Culture”, Grey Room, 93, pp. 74-115.

Thürlemann, Félix (1982), Paul Klee, analyse sémiotique de trois peintures, Lausanne : L’Âge d’Homme.

Valle, Andrea & Mazzei, Alessandro (2017), “Sapir-Whorf vs Boas-Jakobson. Enunciation and the Semiotics of Programming Languages”, Lexia, 27-28, pp. 505-526 ; https://www.academia.edu/36681676/Sapir_Whorf_vs_Boas_Jakobson_Enunciation_and_the_Semiotics_of_Programming_Languages (consulté le 2/05/2025).

Veale, Tony & Cardoso, F. Amilcár (2019), Computational Creativity. The Philosophy and Engineering of Autonomously Creative Systems, Springer Nature.

Vitali-Rosati, Marcello (2009/04), « La virtualité d’internet : une tentative d’éclaircissement terminologique », International Webjournal; www.sens-public.org ; https://www.sens-public.org/articles/669/ (consulté le 2/05/2025).

Voto, Cristina (2022), “From Archive to Dataset. Visualizing the Latency of Facial big Data”, Punctum, 8, 1, pp. 47-62.

Weissberg, Jean-Louis (1999), « Retour sur l’interactivité », Revue des sciences de l’éducation, 25, 1 ; https://id.erudit.org/iderudit/031997ar (consulté le 2/05/2025).

Haut de page

Notes

1 Cf. Colas-Blaise (2025b) au sujet d'une comparaison entre le parcours de génération artificielle et le parcours génératif développé par Greimas.

2 Cf. plus particulièrement Veale & Cardoso (2019).

3 Nous entendons par créativité computationnelle un continuum bordé, à l’un de ses bouts, par le faire (making) et, à l’autre, par le poiein. Cf. Colas-Blaise (2025), également à propos du glitch comme accident ou événement et, plus largement, de l’aléatoire et de la contingence.

4 Introduits par Goodfellow et al. en 2014, les GANs constituent des algorithmes d’apprentissage non supervisés à la base de réseaux de neurones artificiels, antagonistes et génératifs. Si la génération d’images à partir d’images favorise la modification, mais aussi l’analyse et la classification, certains chercheurs déplorent que les GANs visent avant tout une reconnaissance et une modélisation de patterns adéquates, justes, ainsi qu’une restitution d’artefacts « parfaite » (en termes de ressemblance).

5 D’où, pour Sebastian Berns et Simon Colton (2020), la nécessité de créer, au niveau même des GANs, des divergences « actives », des accidents.

6 Nous nous permettons de renvoyer entre autres à Colas-Blaise (2025).

7 La notion d’espace latent peut être étendue à tout espace de « calcul » intervenant au niveau de l’encodage et du décodage.

8 Plus exactement, selon le distributionnalisme américain, le sens du lexème ne peut être distingué de sa forme et une différence distributionnelle reflète une différence sémantique ; ainsi, plutôt que de dire que Zellig S. Harris exclut le sémantique de l’étude du langage, il faudrait dire que la fréquence significative des cooccurrences du point de vue statistique est corrélée avec le sens et rend ce dernier mesurable (Lenci et Sahlren 2023).

9 La sémantique distributionnelle consiste en une classe d’analyses statistiques et linguistiques de corpora textuels. Dans le cas de systèmes impliqués dans le Traitement du langage naturel et l’IA, elle permet de construire des ressources lexicales et de dégager des représentations sémantiques.

10 Le détour par Langages de l’art de Nelson Goodman ([1968] 1990)] nous apprend que le diagramme purement digital constitue un système complètement différencié, syntaxiquement et sémantiquement, avec des lignes et des points fonctionnant comme des caractères dans un langage notionnel.

11 On appelle Alpha Go un programme d’intelligence artificielle capable de jouer au jeu de go. Il a été développé par la société britannique DeepMind (rachetée par Google en 2014).

12 Des cheminements non linéaires caractérisent les autoencodeurs variationnels (par exemple, dans le cas de Stable Diffusion) et les GANs. Si ces derniers permettent la modélisation et l’imitation de distributions de données en générant des données associées, à partir d’une classe donnée, ils proposent une description formelle d’interactions stratégiques entre agents (appelés « joueurs »). Le premier réseau est le générateur qui génère un échantillon (p. ex. une image), tandis que son adversaire, le discriminateur, essaie de détecter si un échantillon est réel ou s’il est le résultat du générateur. Ainsi, alors que le générateur est entraîné en ayant comme but de tromper le discriminateur, l’apprentissage pouvant être modélisé comme un jeu à somme nulle, le discriminateur est entraîné avec des dates réelles et des dates fausses (fake data) créées par le générateur à partir de l’espace latent. Enfin, le générateur évolue à partir du feedback donné par le discriminateur sur les données générées. Sur le fond d’un « dédoublement » des espaces latents, un générateur et un discriminateur sont ainsi impliqués dans des processus de formation contradictoires.

13 Nous n’insistons pas ici sur les détails techniques des modèles de diffusion latents qui comportent des phases de diffusion vers l’avant (forward diffusion) et vers l’arrière (backward diffusion). La diffusion vers l’avant au moment du processus de l’entraînement consiste à transformer graduellement les images en des « images-bruits » (Somaini 2023, p. 100) comportant des pixels aléatoires, c’est-à-dire à introduire du bruit souvent gaussien pour « corrompre » des données complexes. Les modèles de diffusion détruisent en effet les données pour l’entraînement en intégrant du bruit gaussien, avant de recouvrer les données en inversant le processus du bruitage. Il en va ainsi dans le cas de Midjourney.

14 Pour la notion de trajectoire, cf. également Tim Ingold ([2007] 2011).

15 Nous n’insisterons pas ici sur le flux entre les réseaux neuronaux convolutionnels fondés sur des séquences mathématiques (CNN) : il se trouve à la base de la tension entre le statique et le dynamique.

16 Cf. la distinction entre le génotype et le phénotype pris ici dans un sens non technique (en dehors de toute description d’une évolution biologique).

17 En même temps, la convocation des théories deleuziennes par une réflexion sur le computationnel impose la prudence. Rappelons avec Fazi (2019) que si Deleuze s’est intéressé à certains médias tels que la télévision, la radio, le cinéma, il a peu traité les ordinateurs ; quand c’est le cas, il l’a fait de manière critique. Le peu que Deleuze ait écrit sur l’informatique a mis l’accent sur les limites du médium numérique en rapport avec les systèmes de contrôle capitalistes de la société contemporaine. Le caractère discret des formalisations techniques dont le computing lui pose des problèmes en ce qu’il romprait le lien avec l’affect, le sensible et l’intuition. Dans le domaine du computationnel, les travaux qui s’inspirent de Deleuze tels que ceux de Munster (2006) et Marenko (2015) n’en gardent pas moins un intérêt pour nous : l’accent est mis sur une « esthésie digitale » et, plus largement, sur le continu, d’une part, et sur la contingence et l’aléatoire, d’autre part. Pour sa part, tout en prenant ses distances par rapport à Deleuze, Fazi (2019) introduit l’indétermination dans le calcul lui-même.

18 On peut défendre l’idée de la corporéité de la machine instance percevante. Cf. D’Armenio, Deliège & Dondero (2024) au sujet de « corps technologiques ».

19 On retrouve l’idée du trajet et de la trajectoire, du walking path.

20 Pour plus de clarté, nous traduisons ce passage essentiel de l’article de Fazi (2019) : « Compte tenu de ces éléments, l’impasse de l’esthétique digitale peut alors être interprétée comme une impasse entre deux façons contradictoires de saisir et de structurer le réel. L’esthétique, qui repose sur des relations perceptives et des sensations, semble exiger une association continue, et donc analogique, avec le monde. La technologie numérique, avec son élaboration binaire de la réalité à travers des opérations mécaniques quantifiables et des inputs et outputs quantitatifs, s’occupe du réel en le discrétisant. Un mode d’organisation dit esthétiquement premier, parce qu’il relève des caractéristiques qualitatives propres à la perception et à la réceptivité de l’expérience vécue, s’oppose ainsi à une structuration alternative, dictée par les modes quantitatifs d’organisation formelle des technologies numériques. » La question, une nouvelle fois, est celle d’un possible soubassement continu, que la perception viendrait discrétiser, à côté de l’idée d’un continu s’élaborant sur la base des impulsions discontinues. Pour une discussion, cf. notamment Greimas & Fontanille (1991, pp. 8-20) (au sujet du monde comme discontinu et comme continu) ainsi que le Groupe µ (2015). Une façon de résoudre le problème consiste à envisager le continu au sein du discret.

21 Au sujet d’une esthétique, voire d’une esthésie digitales, cf. Munster (2006).

22 Selon elle, ce type d’indétermination se comprend à partir de la découverte par les mathématiciens Gödel et Turing que certains problèmes ne pouvaient pas se résoudre par des dispositifs informatiques ou automatiques comme les ordinateurs. Il en va ainsi de la valeur de vérité ou de fausseté de l’énoncé mathématique, que l’ordinateur ne peut pas déterminer.

23 Selon Fazi, l’indétermination est trouvée dans le caractère logique et formel de l'information. L’indétermination du discret numérique s’oppose ainsi au continuum virtuel. Fazi (2011) défend une approche fondée sur le soft computing qui « retient la possibilité de travailler avec la réalité d’entités algorithmiques » en visant la « dimension esthétique de leurs procédures quantitatives, discrètes » (nous traduisons). Les patterns de potentialités sont exprimés par des processus logiques abstraits.

24 Installation à Los Angeles, CA, depuis le 1er mars 2018. « AI Data Painting », selon une expression de l’artiste, propose une réflexion philosophique sur les relations entre la créativité humaine et l’intelligence de la machine, qui ne se contente pas de reproduire, mais qui peut imaginer une nouvelle réalité. Le but est de sonder et de dé-couvrir les strates superposées de nos « réalités ». Misant sur la surprise, Machine Hallucinations transforme une base de données de 1.2 millions d’images captées par les stations spatiales internationales (ISS). À cela s’ajoutent des images de satellite de la topologie de la terre. L’entraînement a été opéré par des algorithmes tels que DCGAN, PGGAN et StyleGAN. Les modèles de classification, dont les autoencodeurs variationnels, sont responsables du filtrage de personnes, de bruits et de données jugées non pertinentes, avant la formation de clusters thématiques.

25 En l’absence, ici, de l’aspect deep learning.

26 L’écran est agi (Dall’Armellina 2001) quand la texture, la pixellisation, la luminosité… sont changées. Ensuite, il agit sur les contenus à travers différents types de spatialisation (interprétation (spatialisante)). Rappelons que, d’après Dall’Armellina convoquant Peirce, l’écran comme Objet constitue une entité matérielle, l’écran comme Representamen correspond à un signe annonciateur de l’objet et l’écran comme Interprétant renvoie à un signe à contenu variable.

27 Cf. également Goffman ([1974] 1991).

28 Les caractéristiques qui sont révélées à travers l’interaction avec des utilisateurs, par exemple l’apparence (ainsi la scénographie d’un jeu vidéo telle que perçue par l’utilisateur), l’interactivité (le degré d’interaction entre l’objet virtuel et l’utilisateur) ou encore l’ergonomie (Skowron & Stacewicz 2023), peuvent être dites « phénoménales ».

29 Cf. également Voto (2022) à propos de la visualisation de big data faciales latentes.

30 Emile V. Schlesser et le trio de jazz Reis-Demuth-Wiltgen, Synaesthesia, Luxembourg, novembre 2022.

31 Touchdesigner est un logiciel de programmation nodale, qui peut intégrer de la 2D et de la 3D. Il est capable de créer une interface avec tous les protocoles standards du son et de la lumière (capteurs numériques), pour un contenu multimédia interactif. Chaque opérateur se voit attribuer une tâche spécifique.

32 Adaptons à notre propos la notion de « vision topologique » développée par Maya Bak Herrie (2023) : « Voir à travers le changement signifie rechercher les propriétés invariantes − ce qui reste le même − lorsqu’un motif ou un objet d’étude voit le jour. C’est insister sur les aspects formateurs des conditions perspectivales de la perception : ce qui apparaît est toujours donné dans un acte d’apparition, dans une impression d’ordre émergent qui est médiatisée par le langage poétique, philosophique ou scientifique utilisé pour l’exprimer » (nous traduisons).

33 Selon Offert & Bell (2020), dans le domaine du computationnel, la topologie perceptive correspond à une manière spécifique de représenter le monde visuel. En cela, elle constitue un « biais perceptif » dont l’analyse du « système de vision de la machine » (nous traduisons) doit tenir compte. Au sujet de la machine vision, cf. également Somaini (2020). On y opposera un « impersonnel machinique », quand deviennent observables les relations se nouant entre un dispositif, des programmes, des algorithmes, des images visualisées et des interventions humaines.

34 Il s’agit également de scruter les effets produits par l’« environnement » (Somaini 2020, p. 36) de données auquel l’écran renvoie.

Haut de page

Table des illustrations

URL http://journals.openedition.org/signata/docannexe/image/5944/img-1.png
Fichier image/png, 438 octets
Titre Figure 1
Légende Refik Anadol, Unsupervised — Machine Hallucinations — MoMA, 2021–2022.
URL http://journals.openedition.org/signata/docannexe/image/5944/img-2.png
Fichier image/png, 758k
Titre Figure 2
Légende Refik Anadol, Machine Hallucinations – ISS Dreams, Los Angeles, CA, 2018.
URL http://journals.openedition.org/signata/docannexe/image/5944/img-3.png
Fichier image/png, 522k
Titre Figure 3
Légende AI taught to instantly transform objects in image-editing software https://www.newscientist.com/​article/​2240903-ai-taught-to-instantly-transform-objects-in-image-editing-software/​, NewScientisrt, 2020. Cf. Berns & Colton (2020, p. 408).
URL http://journals.openedition.org/signata/docannexe/image/5944/img-4.png
Fichier image/png, 560k
Titre Figure 4
Légende VOMA, 2019.
URL http://journals.openedition.org/signata/docannexe/image/5944/img-5.png
Fichier image/png, 302k
Titre Figure 5
Légende VOMA, 2019.
URL http://journals.openedition.org/signata/docannexe/image/5944/img-6.png
Fichier image/png, 405k
Titre Figure 6
Légende Emile V. Schlesser et le trio de jazz Reis-Demuth-Wiltgen, Synaesthesia, Luxembourg, Esch-sur-Alzette 22 novembre 2022.
Crédits Courtesy des artistes.
URL http://journals.openedition.org/signata/docannexe/image/5944/img-7.png
Fichier image/png, 484k
Titre Figure 7
Légende Emile V. Schlesser et le trio de jazz Reis-Demuth-Wiltgen, Synaesthesia, Luxembourg, Esch-sur-Alzette 22 novembre 2022.
Crédits Courtesy de l’artiste.
URL http://journals.openedition.org/signata/docannexe/image/5944/img-8.png
Fichier image/png, 681k
Haut de page

Pour citer cet article

Référence électronique

Marion Colas-Blaise, « L’IA au risque de la sémiotique »Signata [En ligne], 16 | 2025, mis en ligne le 15 septembre 2025, consulté le 12 mars 2026. URL : http://journals.openedition.org/signata/5944 ; DOI : https://doi.org/10.4000/14rhq

Haut de page

Auteur

Marion Colas-Blaise

Marion Colas-Blaise est professeur (émérite) à l’Université du Luxembourg. Elle est une spécialiste de la question de l’énonciation, essentiellement en sémiotique littéraire et visuelle. Elle est ainsi l’auteure, seule ou en collaboration, de nombreuses publications scientifiques dans les domaines de la sémiotique littéraire et visuelle, de la linguistique de l’énonciation, de la stylistique, de la pragmatique et de l’analyse du discours. Ses travaux se situent au carrefour de différentes disciplines (sciences du langage, théorie de l’art, théorie littéraire, philosophie, anthropologie). Elle co-dirige la revue scientifique de sémiotique Signata, Annales des sémiotiques / Annals of Semiotics (Université de Liège). Parmi ses publications récentes : la monographieL’énonciation. Evolutions, passages, ouvertures (2023) ; Matérialités du discours rapporté (2024, codir.) ; « Modes, modalités et modalisations », Signata. Annales des sémiotiques / Annals of Semiotics, 13 (2022, codir. P. Basso Fossali & J. Thiburce) ; “Re-”. Répétition et reproduction dans les arts et les médias (2021, codir. G.M. Tore) ; Les Déictiques à l’épreuve des discours et des pratiques (2021 ; codir. A. Biglari) ; « La communication à l’épreuve du geste numérique », MEI, 47 (2019, codir. P. Basso-Fossali & M.G. Dondero) ; Synesthésies sonores (2018, codir. V. Estay Stange) ; « La notion de paradigme dans les sciences du langage », Signata. Annales des sémiotiques / Annals of Semiotics, 8 (2017, codir. P. Basso Fossali) ; L’Énonciation aujourd’hui. Un concept clé des sciences du langage (2016, Limoges, Lambert-Lucas, codir. L. Perrin & G.M. Tore).
Courriel : marion.colas[at]education.lu

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont susceptibles d’être soumis à des autorisations d’usage spécifiques.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search