Navigation – Plan du site

AccueilNuméros9DossierIntroduction. Photographies et al...

Dossier

Introduction. Photographies et algorithmes

Introduction. Photographs and Algorithms
Estelle Blaschke, Max Bonhomme, Christian Joschke et Antonio Somaini
p. 6-19
Traduction(s) :
Introduction. Photographs and Algorithms [en]

Résumés

Ce numéro de Transbordeur est consacré aux relations réciproques entre la photographie et les algorithmes, en particulier les modèles d’intelligence artificielle (IA), que ce soit pour l’analyse, la modification ou la génération d’images. À travers une mise en perspective des recherches menées depuis les années 1960, au croisement de l’informatique, des technologies de l’infographie (CGI) et des expérimentations artistiques, l’introduction du numéro dessine les contours d’une archéologie de l’image algorithmique. Nous interrogeons la façon dont le tournant computationnel a profondément bouleversé la photographie elle-même, que ce soit dans ses pratiques ou dans son ontologie, ainsi que le fait que les images photographiques ont joué un rôle fondamental comme point de référence dans la conception des modèles d’IA analytique et générative, avec le « photoréalisme » comme horizon.

Haut de page

Notes de la rédaction

Les droits de reproduction numérique de certaines illustrations de cet article n’ont pas été obtenus. Les illustrations concernées ont été retirées de l'article pour cette édition électronique.

Texte intégral

1Depuis quelques années, l’ensemble des processus de production, transmission, partage, circulation et réception des images photographiques ne peut plus se comprendre sans considérer la présence et l’agentivité des algorithmes et des modèles d’intelligence artificielle (IA). Ce numéro de Transbordeur fait le point sur cette nouvelle condition de l’image photographique avec des contributions qui, pour certaines, se focalisent sur les manifestations contemporaines de ces transformations, tandis que d’autres adoptent une approche archéologique. À travers cette double perspective, nous nous proposons d’analyser la manière dont ces développements récents conduisent à repenser toute une série d’enjeux qui traversent l’histoire, les pratiques, les cadres institutionnels et les théories du médium photographique. Une meilleure compréhension de ces transformations du champ de la photographie peut aussi contribuer aux discussions actuelles sur des questions plus vastes concernant la nature de nos interactions avec les algorithmes qui structurent de plus en plus notre vie sociale, ainsi que la politique, l’éthique et les économies visuelles de l’IA.

2D’un point de vue historique, la relation entre la photographie et l’IA semble s’être développée sous la forme d’une action réciproque.

3D’un côté, de vastes quantités d’images photographiques – produites intentionnellement pour constituer des datasets ou reprises d’Internet (sites web, plateformes des réseaux sociaux, bases de données d’images de stock) – ont joué un rôle fondamental, dès les années 1990, dans l’entraînement des algorithmes et des modèles d’IA utilisés pour des tâches de vision artificielle (computer vision ou machine vision). Ces algorithmes peuvent servir à détecter, reconnaître et classifier des visages, des corps, des objets ou des lieux représentés dans des images, ou à générer et modifier des images à partir de prompts textuels, de combinaisons de prompts et d’images, et parfois seulement d’images.

4D’un autre côté, plusieurs algorithmes et modèles d’IA ont profondément transformé les pratiques photographiques et contribuent même à modifier ce que l’on entend par « photographie », que ce soit lorsque des algorithmes interviennent au moment même de la prise de vue, ou lorsque des systèmes de recommandation conditionnent la transmission, la circulation et la réception d’images à travers plateformes et réseaux, ou encore à travers des modèles qui permettent de générer des images photoréalistes ressemblant fortement à des photographies, tout en n’étant issues d’aucune forme de captation optique.

  • 1 Georg Simmel introduit pour la première fois le concept de « Wechselwirkung » (« action réciproque  (...)

5Cette double dynamique – cette forme de Wechselwirkung, pour reprendre le terme théorisé par le sociologue Georg Simmel1 – peut être efficacement synthétisée à travers une double formule : la photographie dans l’IA, l’IA dans la photographie.

La photographie dans l’IA

  • 2 Warren McCulloch et Walter Pitts, « A Logical Calculus of Ideas Immanent in Nervous Activity », Bul (...)

6L’utilisation d’images photographiques pour la constitution d’ensembles d’images destinées à entraîner des systèmes de vision artificielle et de reconnaissance faciale remonte au milieu des années 1960, quelques années seulement après l’invention du Perceptron (1957) par Frank Rosenblatt, sur la base des recherches de Warren McCulloch et Walter Pitts2. Il s’agit d’un algorithme d’apprentissage automatique supervisé, structuré comme un « neurone artificiel », qui a été utilisé pour des tâches de vision artificielle (plus précisément, de reconnaissance de caractères comme la lettre « C ») avec le Mark I Perceptron en 1960 (fig. 1). D’autres initiatives encore visent à l’époque la lecture automatique de l’image. Comme le montre l’article de Frances Cullen (pp. 68‑79), la NASA lance des recherches sur la mise au point de techniques informatiques pour le traitement algorithmique d’images afin d’améliorer les photographies de la surface lunaire prises par des engins automatiques lors du programme Surveyor.

1. Frank Rosenblatt et le Mark I Perceptron, 1960

1. Frank Rosenblatt et le Mark I Perceptron, 1960

Washington DC, National Museum of the U.S. Navy.

  • 3 Woody W. Bledsoe, « The Model Method in Facial Recognition », in Technical Report PRI 15, Panoramic (...)

7En 1964, Woody Bledsoe, Helen Chan et Charles Bisson commencent une série d’expérimentations avec le système « man-machine » élaboré auprès du centre de recherche Panoramic Research de Palo Alto, en Californie3 (fig. 2). Le nom du système, testé sur une base de données de 2000 photographies de visages (pour la plupart des portraits d’identité), dérivait de la nécessité d’une intervention humaine préalable. Il fallait en effet tracer les coordonnées principales d’un visage représenté dans une photographie avant que celle-ci puisse être soumise à un ordinateur censé la comparer avec d’autres photographies.

2. Coordonnées principales d’un visage à partir d’une photographie pour le système « man-machine » de Woody Bledsoe, s. d.

2. Coordonnées principales d’un visage à partir d’une photographie pour le système « man-machine » de Woody Bledsoe, s. d.

Photographie de Dan Winters, circa 2020.

© Dan Winters Photography

  • 4 Sur le programme FERET, voir Patrick Rauss et al., FERET (Face Recognition Technology) Program, 25t (...)

8Trente ans après, toujours aux États-Unis, l’utilisation de photographies pour le développement de systèmes de reconnaissance faciale s’accélère avec le lancement du programme FERET (Facial Recognition Technology) en 1993 par la Defense Advanced Research Project Agency (DARPA) et le Army Research Laboratory (ARL)4. Le programme visait à développer des applications destinées à être déployées non seulement dans le champ militaire, mais aussi plus largement à travers les domaines public et privé.

  • 5 Sur le dataset JAFFE, voir Michael J. Lyons, Miyuki Kamachi et Jiro Gyoza, « Coding Facial Expressi (...)
  • 6 Estelle Blaschke, Banking on Images. The Bettmann Archive and Corbis, Leipzig/Berlin, Spector Books (...)

9La production systématique d’images photographiques pour l’entraînement de systèmes de reconnaissance faciale ou de reconnaissance des émotions se poursuit pendant la deuxième moitié des années 1990 et les années 2000. C’est le cas, par exemple, du dataset JAFFE (Japanese Female Facial Expression), présenté publiquement en 1998 et contenant 213 photographies qui représentent sept différentes expressions faciales fondamentales par dix femmes japonaises choisies comme modèles5 (fig. 3). À la même époque, le développement de systèmes de vision artificielle se poursuit dans le domaine privé, en particulier au sein de sociétés qui gèrent les grandes bases de données d’images de stock, et qui entraînent ces systèmes à détecter, reconnaître et classifier des objets, des lieux, des corps et des visages au sein de vastes datasets d’images et de textes (légendes, descriptions, informations techniques) connectés6. En 2011, Google intervient dans ce domaine avec l’introduction de la fonction « Search by Image », qui permet de prendre une image comme point de départ et de chercher des images similaires. L’ajout de la fonction Google Lens, lancée en 2017, permettra d’intégrer la vision artificielle dans l’ensemble des fonctions de recherche et de recommandation de la plateforme.

3. Images extraites du dataset JAFFE (Japanese Female Facial Expression)

3. Images extraites du dataset JAFFE (Japanese Female Facial Expression)

Selon les recherches de Michael J. Lyons et al., « Coding Facial Expressions with Gabor Wavelets », Proceedings Third IEEE International Conference on Automatic Face and Gesture Recognition, 1998, pp. 200‑205. Les images sont accessibles ici : https://zenodo.org/​records/​3451524

  • 7 Sur ImageNet, voir Jia Deng et al., « ImageNet. A Large-Scale Hierarchical Image Database », 2009 I (...)
  • 8 Sur WordNet, voir en ligne : ‹ wordnet.princeton.edu ›.

10Un tournant majeur dans l’histoire de la présence d’images photographiques dans les datasets utilisés pour entraîner des systèmes de vision artificielle a lieu à la fin des années 2000, quand, plutôt que de produire des images, on commence à les reprendre, en très grande quantité, directement d’Internet. ImageNet est un exemple emblématique à cet égard. Ce dataset, constitué en 2009 par Fei-Fei Li et son équipe à l’université de Stanford, a joué un rôle fondamental entre 2010 et 2014, avec la série des « ImageNet Large Scale Visual Recognition Challenge » (ILSVRC), dans le développement accéléré de systèmes de vision artificielle7. Comprenant 14 millions d’images photographiques reprises de plateformes en ligne comme Flickr et organisées en 21 000 catégories et sous-catégories, ImageNet est caractérisé par l’association systématique de chaque image à un ou plusieurs substantifs de la langue anglaise issus de la base de données lexicale WordNet, créée en 1985 par le laboratoire de sciences cognitives de Princeton8. L’indexation d’une telle quantité d’images a été rendue possible grâce à la contribution massive de dizaines de milliers de travailleurs du clic recrutés à travers le monde avec la plateforme de microtravail Amazon Mechanical Turk. Amazon appelait ces travailleurs non sans ironie des « Turks » en référence à cet automate joueur d’échecs, turban sur la tête et en costume turc, qui avait défrayé la chronique dans l’Empire austro-hongrois à la fin du XVIIIe siècle, animé par un homme bien vivant caché sous la table de jeu (fig. 4).

4. Le Turc mécanique, circa 1770, automate du baron Johann Wolfgang von Kempelen

4. Le Turc mécanique, circa 1770, automate du baron Johann Wolfgang von Kempelen

Illustration tirée de Joseph Friedrich Freiherr von Racknitz, Über den Schachspieler des Herrn von Kempelen, nebst einer Abbildung und Beschreibung seiner Sprachmachine, Leipzig, Johann Gottfried Müllerschen Buchhandlung, 1784. Berlin, Universitätsbibliothek der Humboldt-Universität.

  • 9 La distinction entre les deux domaines de l’IA analytique et de l’IA générative a commencé à être f (...)

11Si la photographie a donc joué un rôle clé dans le développement de systèmes de vision artificielle relevant du vaste champ de l’IA analytique – l’IA conçue comme ensemble de systèmes de détection, de reconnaissance et de classification, et donc de surveillance, de contrôle et de prédiction –, il en va de même pour le champ de l’IA générative, soit l’IA conçue comme un ensemble de systèmes capables de générer de nouvelles données (textes, images, sons, voix) après avoir été entraînés avec de vastes quantités de données préalables9.

  • 10 Ian Goodfellow et al., « Generative Adversarial Nets » (Preprint publié en 2014 sur arXiv).

12Parmi les premiers modèles d’IA conçus pour générer ou modifier des images, on trouve les Generative Adversarial Networks (GAN), ou Réseaux antagonistes génératifs. Introduits en 2014, ils ont largement été employés pendant la deuxième moitié des années 2010 dans le champ artistique et les applications de traitement d’images. L’entraînement de ces modèles se base dès le début sur des datasets constitués d’images photographiques. C’est le cas, par exemple, du CIFAR-10 Small Object Photograph Dataset, mentionné par Ian Goodfellow et ses collaborateurs dans l’article qui présente les GAN pour la première fois en 201410. L’objectif de leur recherche est justement de générer, à travers les GAN, des images photoréalistes qui auraient pu être ajoutées ensuite, en tant que données synthétiques (synthetic data), aux images photographiques du dataset initial. Pendant les années suivantes, les GAN sont souvent entraînés ainsi sur des datasets de photographies afin de générer des images photoréalistes. Les modèles StyleGAN et BigGAN, par exemple, sont entraînés avec les 14 millions de photographies d’ImageNet pour produire de telles images ou pour effectuer différents types d’opérations sur des photographies : style transfer (transfert de style), upscaling (augmentation du niveau de définition), inpainting (éliminer et remplacer des objets à l’intérieur d’une image), outpainting (prolonger une image au-delà de son cadre), ainsi que toutes les opérations liées à la production de deep fakes, sous forme d’images fixes ou en mouvement.

13Le lancement, en 2022, des modèles d’IA générative appelés Latent Diffusion Models – dont Stable Diffusion, DALL-E 2 et Midjourney, tous capables de générer des images fixes photoréalistes à partir de prompts textuels ou de combinaisons de prompts et d’images – marque une nouvelle étape dans l’histoire de la présence d’images photographiques au sein des datasets utilisés pour entraîner des modèles d’IA. Dans le cas de Stable Diffusion – le seul modèle à avoir été diffusé en open source, puisque résultant d’une collaboration entre des sociétés privées (Stability AI et Runway), une université (la LMU de Munich, à travers le groupe CompVis) et des organisations à but non lucratif comme LAION –, le dataset utilisé pour l’entraînement a été LAION-5B11. Ce vaste jeu de données, publié en open source pour la première fois en 2022, contient 5 milliards d’images et de textes reliés entre eux et issus de Common Crawl, une autre organisation à but non lucratif qui, une fois par mois environ, enregistre une « archive » de toutes les données stockées sur Internet et les met à disposition dans le domaine public pour des finalités de recherche et de développement de modèles d’IA12.

  • 13 Voir Christo Buschek et Jer Thorp, « Models All The Way Down », Knowing Machines (en ligne : ‹ know (...)
  • 14 Sur LAION-Aesthetics, voir en ligne : ‹ laion.ai/blog/laion-aesthetics ›.
  • 15 Voir ibidem.

14À l’intérieur de LAION-5B, une grande partie des images connectées à des textes – que ce soit les « alt attributes » liés à chaque image chargée sur un site codé en langage HTML, les légendes d’images de stock ou de sites d’achats en ligne, ou tout simplement les textes de commentaires sur des sites Internet ou des plateformes de réseaux sociaux – sont des photographies. De plus, selon une étude de Christo Buschek et Jer Thorp, membres du groupe de recherche Knowing Machines dirigé par Kate Crawford13, un poids très important est donné, toujours à l’intérieur de LAION-5B, par un sous-ensemble nommé LAION-Aesthetics, contenant des images que les créateurs du jeu de données considèrent comme ayant une « high visual quality14 ». Cette « haute qualité esthétique », pourtant, est l’expression d’un goût bien précis, géographiquement, socialement et culturellement situé. LAION-Aesthetics a été créé à partir de deux datasets baptisés Simulacra Aesthetic Captions (SAC) et Aesthetic Visual Analysis (AVA). Comme les créateurs de la base SAC l’ont eux-mêmes souligné, les images incluses dans SAC et AVA puis dans LAION-Aesthetics sont l’expression du goût des utilisateurs de ces plateformes, situés en grande partie aux États-Unis et dans les pays occidentaux15.

15Du système « man-machine » de Bledsoe, Chan et Bisson jusqu’à LAION-5B, les images photographiques ont donc joué un rôle fondamental dans l’élaboration de systèmes d’IA analytique et générative. La photographie, en d’autres termes, structure profondément la manière dont ces systèmes « voient », décrivent, génèrent ou modifient les images.

L’IA dans la photographie

16La présence d’algorithmes et de modèles d’IA dans le champ de la photographie – autre face de l’action réciproque mentionnée plus haut – se manifeste sous trois formes au moins. Il s’agit d’abord des algorithmes d’IA de plus en plus intégrés dans les nouveaux modèles de caméras, dont celles de nos smartphones, pour effectuer des opérations au moment même de la prise de vue. Ce sont ensuite les algorithmes utilisés dans les systèmes de recommandation qui, dans les plateformes de réseaux sociaux, régissent la transmission, la circulation, la réception et souvent la censure d’images photographiques. C’est finalement la diffusion, à travers la culture visuelle contemporaine, d’une vaste quantité d’images photoréalistes qui, tout en n’étant produites par aucune forme de captation optique, participent à la reconfiguration du champ élargi de la « photographie », de ses usages et de ses discours.

  • 16 Comme le souligne Julian Stallabrass, « le moment choisi par l’utilisateur pour appuyer sur l’obtur (...)

17De manière accélérée depuis quelques années, le moment de la « prise de vue » photographique est infiltré par toutes sortes d’algorithmes d’IA qui effectuent des opérations de détection d’objets, de reconnaissance faciale, d’identification du type de scène (portrait, paysage, scène nocturne), afin d’ajuster les réglages de mise au point, d’exposition, de luminosité, de balance des couleurs, de suivi des sujets en mouvement ou de stabilisation des mouvements de caméra. Des techniques comme le traitement HDR (High Dynamic Range) permettent de combiner très rapidement plusieurs prises de vues pour enregistrer une plus grande gamme de détails et pour équilibrer lumières et ombres16. Des effets optiques comme l’effet bokeh séparent le sujet de son arrière-plan en rendant ce dernier plus flou. Le mode Nuit intervient sur les photographies de faible luminosité, en introduisant plus de clarté dans les scènes nocturnes. Enfin, après la prise de vue, toutes sortes de filtres permettent de modifier les images enregistrées.

  • 17 Estelle Blaschke, « Diskrete Operationen. Formen präemptiver Bildzensur in der KI-gestützten Fotogr (...)

18Avec la présence des algorithmes dans nos caméras et nos smartphones17, c’est tout un modèle théorique qu’il faut repenser. L’idée dominante, dans une théorie de la photographie qui a fait florès dans les années 1980 et 1990, d’une « image-empreinte », de l’« instant décisif » ou d’une photographie « index », ne s’applique plus aux usages contemporains. Dans son article, Barbara Grespi (pp. 92‑105) s’appuie sur divers fondements d’une philosophie de la photographie pour les confronter aux techniques récentes utilisant, sur les smartphones, des algorithmes de deep learning. En effet, l’image produite n’est plus un instantané mais une image composite, agrégeant diverses images ou fragments, pris simultanément ou successivement, afin de générer un résultat plus conforme à la loi statistique de la photographie « réussie ». L’image photographique apparaît comme une sorte de photogramme de cinéma, mais à la différence du fragment filmique, elle condense toute une épaisseur temporelle plutôt qu’elle ne révèle l’instant. L’autre cas particulièrement édifiant est l’inclusion d’un outil emprunté à la photogrammétrie dans une fonction visant à produire des modèles 3D à partir d’images photographiques prises en série. L’épaisseur temporelle de la série se mue alors en épaisseur spatiale : à partir de divers points de vue, l’algorithme tente de trianguler l’espace représenté et propose une vue en trois dimensions. Les outils du quotidien viennent ainsi confirmer un discours qui, depuis quinze ans, a largement battu en brèche l’idée d’une ontologie photographique.

  • 18 Parmi les études les plus récentes sur cette question, voir Joanna Zylinska, The Perception Machine (...)

19L’IA, en d’autres termes, élargit le domaine d’une photographie computationnelle qui, depuis l’avènement du numérique, n’a cessé de transformer les phases de la production photographique, du moment de la prise de vue à toutes les étapes successives de traitement18. Dans son article sur les masques de netteté dans Photoshop, Till Heilmann propose une archéologie qui remonte à une histoire pré-numérique des filtres (pp. 44‑57). Il parvient ainsi à souligner une continuité entre les outils de renforcement des contours employés dans l’imprimerie et les filtres utilisés dès la première version de Photoshop. Avant l’informatique déjà, les filtres de netteté fonctionnaient selon un principe de superposition d’un positif flou et peu contrasté au négatif original. Le mécanisme n’est pas différent s’agissant du célèbre logiciel de traitement d’images qui superpose des calques de contraste et de netteté variables.

20Pleinement intégrés dans les plateformes des réseaux sociaux, des algorithmes et des modèles d’IA conditionnent aussi la vie sociale des images photographiques, en favorisant ou en empêchant la circulation des images. Cela passe par des systèmes de recommandation gérant les flux visuels sur la base des profils des utilisateurs, de leurs comportements, leurs préférences et leurs réactions, passées et prévues, ou par des systèmes de vision artificielle qui détectent, éliminent ou floutent, selon des critères qui restent très opaques, des images dont le contenu ne serait pas compatible avec les règles adoptées par les plateformes. Cette autonomisation de la censure n’est pas sans poser problème, par exemple lorsqu’il s’agit de photographies historiques, comme l’explique Katja Müller-Helle dans sa contribution (pp. 118‑129), à travers l’exemple de La Petite Fille au napalm de Nick Ut. D’autres systèmes de vision artificielle reconnaissent quant à eux objets, lieux, corps et visages représentés afin d’en extraire tout type d’informations et de données, ou permettent aux utilisateurs des plateformes de chercher des images similaires.

21Les images photoréalistes générées par l’IA contribuent elles-mêmes aussi à transformer en profondeur le champ de ce qu’on appelle « photographie ». Comme le montre le développement des modèles d’IA générative brièvement esquissé ci-dessus, le photoréalisme a été une qualité visée de façon explicite, presque comme un horizon téléologique à atteindre le plus rapidement possible. Les différentes versions des modèles qui se sont succédé depuis 2022 ont toutes été caractérisées par des degrés accrus de photoréalisme, jusqu’au point de faire progressivement disparaître les glitches (comme le fameux sixième doigt de la main) un temps considérés comme des marques permettant de distinguer les clichés issus d’une prise de vue optique des images photoréalistes générées par l’IA.

22D’où la nécessité d’analyser en détail le fonctionnement des algorithmes et des modèles d’IA générative, afin de mieux comprendre leur architecture, la composition des datasets avec lesquels ils ont été entraînés, ainsi que l’usage qu’ils font de l’« espace latent » dans lequel les images et les textes ont été encodés et transformés en vecteurs afin d’être traités par toute une série d’opérations mathématiques et statistiques.

Photographies et datasets

23On ignore beaucoup de choses des provenances des images réunies dans ces datasets, des procédures manuelles ou automatisées mises en œuvre pour les indexer et les classer, des mots utilisés pour les décrire, et des biais nombreux introduits à ce niveau dans les algorithmes et les modèles d’IA. Dans son article pour ce numéro, Thierry Sugitani (pp. 106‑117) a pu néanmoins dresser un panorama de l’évolution des jeux de données depuis le milieu des années 2000, en s’appuyant sur les discours accompagnant la publication de ces outils ainsi que sur une vaste littérature technique. Il décrit un glissement des projets portés par des universités de renom à des datasets produits entièrement par des entreprises privées comme Yahoo ou Microsoft. Il observe également une évolution de méthode : alors que les premiers jeux de données des années 2000 jusqu’au milieu des années 2010 étaient le fruit d’une composition active, avec des procédures de nettoyage des informations superflues afin d’offrir un matériau fiable aux algorithmes, les nouveaux datasets amoncellent de telles quantités d’images que le contrôle de leur indexation est de plus en plus difficile.

  • 19 Kate Crawford et Trevor Paglen, « Excavating AI. The Politics of Training Sets for Machine Learning (...)
  • 20 Kate Crawford, Contre-atlas de l’intelligence artificielle. Les coûts politiques, sociaux et enviro (...)

24Aux débuts de l’entreprise ImageNet, l’ambition était encore de faire concorder cet ensemble avec un système descriptif, du nom de WordNet, composé de 5247 mots organisés en arborescence allant, dans chaque catégorie, du plus général au plus particulier, comme pour couvrir la totalité des objets potentiellement représentés par des photographies. ImageNet a fait l’objet de plusieurs installations de l’artiste et théoricien Trevor Paglen19, comme From ‘Apple’ to ‘Anomaly’, qui montrent de vastes zones de l’arborescence d’ImageNet, avec le couplage systématique d’images et de mots, réalisé grâce au travail invisibilisé de dizaines de milliers de travailleurs du clic20 (fig. 5).

5. Trevor Paglen, vue de l’installation From ‘Apple’ to ‘Anomaly’ (Pictures and Labels) – Selections from the ImageNet dataset for object recognition

5. Trevor Paglen, vue de l’installation From ‘Apple’ to ‘Anomaly’ (Pictures and Labels) – Selections from the ImageNet dataset for object recognition

Curve Gallery, Barbican Centre, Londres, 2019‑2020, assemblage de 30 000 impressions de photographies de la base de données ImageNet. Londres, Barbican Centre.

© Trevor Paglen

  • 21 Hito Steyerl, « Mean Images », New Left Review, no 140‑141, 2023, pp. 82‑97.

25Les datasets parus depuis 2022, comme LAION-5B, rassemblent au contraire sans scrupules des images moissonnées sur toutes sortes de sites web, réseaux sociaux, banques d’images en ligne. Leur masse ne parvient pas totalement à couvrir les effets de biais et les corrections apportées par des systèmes automatisés d’indexation pour faire remonter dans le classement telle ou telle catégorie sociale ou raciale ou faire disparaître des images jugées inappropriées (Not Safe For Work). Au lieu de corriger les biais présents dans les datasets, l’IA générative en ajoute de nouveaux, comme le souligne Hito Steyerl dans son article « Mean Images21 ».

  • 22 Sur la question du « model collapse », voir Ilia Shumailov et al., « AI Models Collapse when Traine (...)

26Une autre question qui va désormais prendre une large ampleur est celle de la distinction, au sein des futurs datasets, entre les images produites sans recours à des modèles d’IA et celles créées avec leur aide, au moins partielle. Compte tenu de la présence massive de ce second type d’images sur Internet, la perspective d’un futur proche où des modèles d’IA seront entraînés avec des datasets contenant de larges quantités d’images générées par des IA devient de plus en plus concrète, avec toutes les questions qu’une telle boucle de rétroaction soulève. Selon les dernières études, un tel scénario – appelé en anglais « AI Autophagy » ou « data cannibalism » – produirait une détérioration des modèles qu’on décrit sous le terme de « model collapse22 ».

Photoréalismes

27Les images générées par les algorithmes et l’IA re-médiatisent des caractéristiques et des programmes esthétiques instaurés de longue date en photographie. Elles s’accompagnent ainsi d’une rhétorique qui appartient au vocabulaire du médium, notamment à travers l’usage constant du terme « photoréalisme ». Que ce soit dans les images de synthèse, les rendus 3D, les GAN ou les derniers modèles text-to-image, le photoréalisme a en effet servi de moteur et de référence pour de multiples processus d’optimisation. Toutefois, les interprétations qui en ont été et en sont faites varient considérablement, tout comme les procédures et les technologies permettant d’obtenir cette qualité esthétique.

28Les images de synthèse, ou CGI (computer generated imagery), sont apparues à la fin des années 1970 dans le contexte de l’architecture, de l’ingénierie et de la conception de produits industriels, ainsi que dans l’industrie du cinéma et des jeux vidéo. Les recherches dans ce domaine ont été principalement orientées par le souci d’atteindre un niveau de réalisme qui ressemblerait à la perception d’images issues de médias optiques (photographie et film) et finirait par l’égaler. Dans son étude sur les expériences menées à l’université de Cornell dans les années 1980, Maria Eriksson (pp. 32‑43) retrace le développement des techniques d’évaluation du photoréalisme qui allaient inspirer les paramètres utilisés aujourd’hui pour mesurer cette qualité dans les images générées par l’IA. Ces premières expériences n’impliquaient pas seulement une interaction entre les humains et les ordinateurs à travers la conception d’algorithmes, mais aussi l’arrangement et l’ajustement manuels des scènes et des objets. La mesure de la lumière, la mise en scène d’un objet, la représentation de la couleur, de la surface et de la texture, et la comparaison continue entre l’original et la copie – autant de pratiques éminemment photographiques, voire artistiques – ont joué un rôle majeur pour parvenir à la validité perceptuelle de la simulation. Il existe aujourd’hui de vastes encyclopédies visuelles d’images de synthèse exploitées par de multiples fournisseurs commerciaux (fig. 6).

6. Quixel Megascans, catégorie « Bigleaf Hydrangea », août 2022

6. Quixel Megascans, catégorie « Bigleaf Hydrangea », août 2022

© Megascans Quixel

29Jens Schröter (pp. 58‑67) prolonge cette réflexion sur l’histoire récente des images de synthèse photoréalistes en posant une question simple, mais fondamentale : que veut-on dire lorsqu’on affirme qu’une image « ressemble à une photo » ? Quelles en sont les propriétés spécifiques, au-delà de la fidélité de représentation, de la profondeur de champ et de la richesse des détails ? À travers l’analyse du facteur de flare (ou lens flare en anglais), un effet spécial utilisé dans les films et les jeux vidéo, Schröter soutient que ce sont précisément les déficiences supposées du processus photographique qui se transforment en avantage lorsqu’on vise le photoréalisme. Le facteur de flare simule les nombreuses limites de l’appareil photo physique et met l’accent sur ses caractéristiques optiques.

  • 23 Voir notamment Jacob Birken, Pixelrealismus, Berlin, Schlaufen, 2023.

30Les images de synthèse et les rendus 3D photoréalistes simulent donc la présence d’un appareil photo, mais aussi des aspects plus subtils, comme l’inclusion de reflets lumineux sur les surfaces, le travail de netteté et de flou, ou certains effets de perspective – autant d’éléments qui participent d’une logique qualifiée par Jacob Birken de « réalisme immanent aux médias23 ». Ces images ne cherchent pas à imiter le monde physique, mais plutôt les médias qui ont dominé la culture visuelle des siècles passés : la photographie et le cinéma. Elles intègrent ainsi l’un des effets les plus puissants de la photographie, sa transparence, qui nous fait oublier que nous ne regardons pas les images, comme par exemple celle d’une simulation d’une porcelaine chinoise, mais que nous faisons semblant de regarder à travers elles (fig. 7).

7. Atsushi Nakabayashi, vue du modèle 3D d’une tasse à thé chinoise, Sketchfab, 2022

7. Atsushi Nakabayashi, vue du modèle 3D d’une tasse à thé chinoise, Sketchfab, 2022

© Atsushi Nakabayashi

  • 24 Nelson Goodman, Langages de l’art. Une approche de la théorie des symboles [1968], trad. J. Morizot (...)
  • 25 Voir K. Crawford, Contre-atlas de l’intelligence artificielle, op. cit., Peter Szendy et Emmanuel A (...)

31Cependant, la remédiation de la culture visuelle renforce également les préjugés et les invisibilités sous-jacents dans les représentations visuelles passées, ce que Roland Meyer expose dans son analyse des modèles de génération d’images (pp. 20‑31). En explorant les conditions infrastructurelles qui régissent les modèles tels que DALL-E et Midjourney, Meyer dévoile les ramifications des concepts verbaux et de la logique des probabilités dans la production d’un contenu générique. Le réalisme, ici, doit plutôt être compris comme le « réalisme de plateforme », ou le « réalisme d’ImageNet », comme le souligne également Eriksson dans son essai, dans une logique qui pourrait être étendue à LAION 5B. Mais si la notion de réalisme est à concevoir comme profondément relative, historiquement située et idéologiquement déterminée, comme l’a suggéré Nelson Goodman24, la question qui se pose est de savoir quel type de relations et d’idéologies transparaissent dans les modèles génératifs. Comme le propose Meyer, mais aussi Kate Crawford et Peter Szendy25, il est indispensable de démêler les fondements capitalistes et extractivistes de ces technologies pour formuler une critique de l’IA.

  • 26 Katherine Hayles, « Inside the Mind of an AI. Materiality and the Crisis of Representation», New Li (...)

32Ces enjeux prennent d’autant plus d’importance dans un contexte de « crise de la représentation », telle que l’a identifiée Katherine Hayles à propos de la relation entre l’expérience et le langage26. Les médias photographiques ont joué un rôle décisif dans l’établissement des concepts de réalisme et d’objectivité depuis le milieu du XIXe siècle. Cependant, c’est précisément par l’impact de ces médias sur les notions de vérité et de confiance dans les sciences et la société en général que les méthodes d’imagerie synthétique, ou deep fakes, sont devenues de puissants outils de désinformation et de manipulation, défiant en fin de compte ces certitudes. Dans le même temps, les développements actuels de la culture visuelle numérique offrent une occasion unique de reconsidérer la validité de ces concepts dans les représentations visuelles, passées et présentes.

Prompts et espaces latents

33Le lancement, en 2022, des modèles d’IA générative du type text-to-text (comme ChatGPT) ou text-to-image (comme Stable Diffusion, DALL-E 2 et Midjourney) marque aussi l’apparition soudaine d’un nouvel objet culturel, un objet qui était jusque-là resté confiné dans le domaine de l’informatique : le prompt. Ce terme renvoie aujourd’hui aux mots, phrases et textes, rédigés en langage « naturel » (c’est-à-dire en langage ordinaire, non informatique) et utilisés pour activer les modèles d’IA générative, en puisant dans leurs « espaces latents » afin d’en faire sortir des textes ou des images.

34Mais qu’est-ce exactement que l’« espace latent » ? Il s’agit d’une entité mathématique abstraite dont les enjeux culturels, épistémiques et politiques peuvent aujourd’hui difficilement être surestimés. L’espace latent est un élément clé de tout processus de machine learning (apprentissage automatique) et donc de tout modèle d’IA. Il s’agit de l’espace abstrait dans lequel des objets numériques complexes (comme des images, des textes ou des sons) sont encodés et représentés sous une forme simplifiée et compacte, afin d’être traités par le biais de différentes opérations mathématiques. Un espace latent est constitué de vecteurs (séries de nombres, disposés dans un ordre précis) qui représentent des points de données (data points) dans un espace multidimensionnel avec des centaines, voire des milliers de dimensions. Chaque vecteur, avec son nombre n de dimensions, représente un point de données spécifique, avec son nombre n de coordonnées. Celles-ci captent certaines des caractéristiques de l’objet numérique qui a été encodé et représenté dans l’espace latent, et déterminent sa position par rapport à d’autres objets numériques : par exemple, la position d’un mot par rapport à d’autres mots dans une langue donnée, ou la relation d’une image par rapport à d’autres images, ou encore la relation d’une image par rapport à des textes.

35Lors de l’entraînement des modèles récents d’IA générative, l’encodage dans l’espace latent de vastes quantités d’images et de textes connectés entre eux (text-image pairs) est un moment-clé dans le processus de génération d’images. Dans le cas de Stable Diffusion, par exemple, c’est dans un espace latent qu’ont été encodés, sous la forme de vecteurs, les 5 milliards de textes et d’images connectés faisant partie du dataset d’entraînement LAION-5B. C’est à l’intérieur de cet espace latent que les images et les textes sont traités, sur la base des indications contenues dans les prompts. C’est finalement à partir de cet espace latent que les images générées émergent.

36Les prompts textuels (éventuellement accompagnés d’une ou plusieurs images) sont l’outil qui permet de sonder et d’activer les espaces latents des modèles d’IA générative : des modèles qui, à cause de leur multidimensionnalité et de leur nature vectorielle et mathématique, demeurent radicalement inaccessibles, invisibles, inimaginables. Chaque mot contenu dans un prompt envoyé à un modèle text-to-image – qu’il s’agisse d’un mot qui décrit l’une des entités que l’on souhaite voir apparaître dans une image ou qui donne des indications relatives à la forme, à la couleur, à la texture, à la mise à point, au style, à la période historique de cette image, ainsi qu’à toutes sortes de spécifications matérielles et techniques – active une zone différente dans l’espace latent et contribue ainsi à la génération de certaines images plutôt que d’autres.

37Avec les prompts, le langage écrit devient un médium de production d’images d’une manière totalement inédite. Les images générées par un modèle text-to-image ne sont ni la traduction picturale d’un programme iconographique formulé dans un texte, ni le devenir-image du langage comme dans les calligrammes ou la poésie visuelle, ni encore une allégorie visuelle d’un concept formulé verbalement. Sur ce point, l’entretien de Jason Baldridge, chercheur chez Google, réalisé par Nicolas Malevé et Katrina Sluis pour ce numéro (pp. 130‑141), est particulièrement éclairant : il révèle l’intrication étroite entre la linguistique computationnelle et les recherches menées sur la génération automatique d’images.

  • 27 Roland Meyer, « The New Value of the Archive. AI Image Generation and the Visual Economy of “Style” (...)
  • 28 Hannes Bajohr, « L’Ekphrasis opératoire. L’effondrement de la distinction texte/image dans l’intell (...)
  • 29 Jay David Bolter et Richard Arthur Grusin, Remediation. Understanding New Media, Cambridge, MIT Pre (...)

38En contribuant à la génération de ces images, les prompts agissent comme un nouveau type d’« acte de langage », montrant une fois de plus comment le langage peut être opérationnel et devenir une forme d’action. Les prompts peuvent également être considérés comme des « search commands », suivant l’interprétation de Roland Meyer27, ou comme une forme d’« operative ekphrasis », selon l’expression proposée par Hannes Bajohr28 : une ekphrasis qui ne décrit pas des images existantes, mais génère plutôt des images en les pré-décrivant. Ils sont aussi une forme de « remédiation », dans l’acception théorisée par David Bolter et Richard Grusin29, qui transforme toute l’histoire des médias visuels – avec leurs divers supports matériels, techniques, opérations, protagonistes, styles, traditions, leurs différentes phases historiques et discours théoriques – en un large spectre de termes linguistiques qui peuvent être utilisés pour sonder l’espace latent.

39Tout cela a un impact profond sur le champ élargi de la photographie. Le vaste répertoire des termes qui décrivent textuellement l’ensemble de ses techniques, ses supports, ses appareils, ses opérations, ses protagonistes, ses sujets, ses usages, avec tous leurs développements historiques, devient un lexique qui peut être mobilisé dans les prompts pour générer des images à qualité « photographique ». Avec les prompts, donc, la photographie – comme n’importe quel autre médium visuel, peinture, dessin, sculpture, cinéma, etc. – se réduit aux mots qui la décrivent. Dans les années à venir, si les modèles text-to-image et text-to-video deviennent vraiment une forme dominante de production d’images, plus la connaissance des termes liés à l’histoire, à la théorie et aux pratiques des médias visuels sera approfondie, plus on aura la capacité de diriger ces modèles de manière non standard et non répétitive à travers l’espace latent. Il en va de même pour les autres systèmes d’IA générative multimodale, tous basés sur le principe text-to-… : text-to-sound, et bientôt text-to-image/sound.

Économie et idéologie

  • 30 K. Crawford et T. Paglen, « Excavating AI », art. cité, et Fabian Offert et Thao Phan, « A Sign Tha (...)
  • 31 Après avoir introduit des correctifs visant une meilleure représentativité des différents types phy (...)
  • 32 Antonio A. Casilli, En attendant les robots. Enquête sur le travail du clic, Paris, Seuil, 2019 ; v (...)

40Outre les biais de race, de classe et de genre que les chercheurs et critiques ont déjà bien identifiés30 et que l’industrie s’efforce de corriger (non sans polémiques31), outre le problème crucial du coût énergétique et écologique (que l’industrie ne s’efforce pas forcément de corriger), l’IA générative pose aussi la question du travail. Qu’il s’agisse du labeur invisible des travailleurs du clic chargés de modérer les contenus ou d’étiqueter des images à la chaîne32, du travail exigé de chacune et chacun d’entre nous lorsque nous remplissons des CAPTCHA, ou encore du travail de curation des datasets et de modération des contenus générés, qu’on s’attache à ne pas trop afficher non plus, l’économie des plateformes génère de nouvelles formes de travail par et sur les images. Par ailleurs, l’opacité dans laquelle est tenue la constitution de certains jeux de données laisse penser que s’y jouent des opérations de captation illégale du travail humain : c’est le sens des procès intentés par des artistes notamment, qui accusent les entreprises du numérique d’avoir utilisé leur travail sans leur accord. Enfin, l’IA, comme étape supplémentaire dans « la mécanisation au pouvoir », fait courir le risque de disparition d’un certain nombre d’emplois créatifs, chez les productrices et producteurs d’image (dans l’illustration, la photographie de commande, la retouche, le graphisme, la publicité), dont l’avenir professionnel peut sembler menacé à moyen terme.

41C’est notamment l’intérêt de la contribution de Chris Balaschak dans ce numéro (pp. 80‑91), à travers un cas d’étude remontant aux années 1970, les « Generative Systems » de Sonia Sheridan, que de questionner la résurgence du motif de l’automatisation des tâches jugées subalternes à différents moments de l’histoire des médias visuels. Sans doute faut-il alors aussi se demander quel type de travail est impliqué dans la génération algorithmique d’images et quelles seront les conséquences de ces technologies sur les travailleuses et travailleurs de l’image. S’agit-il d’une étape supplémentaire d’invisibilisation du travail, selon la logique qu’avait déjà mise en lumière Marx, à propos du fétichisme de la marchandise ?

42En accord avec l’idéologie qui anime aujourd’hui la Silicon Valley, les IA génératives ont d’abord été présentées comme un grand bond en avant technologique, mais aussi comme un outil créatif, ludique et amusant. En témoigne la communication affichée par des entreprises comme OpenAI : outre ses réussites en matière de photoréalisme, DALL-E a aussi été promu comme un jeu artistique permettant de produire du surréalisme à la chaîne, à peu de frais (apparents), et sans nécessiter la moindre compétence technique. En présentant l’IA générative comme une sorte de loisir créatif, plutôt que comme un gain de productivité pour des usages industriels, on tend à oblitérer les problèmes écologiques, politiques et économiques que pose l’introduction de ces techniques à une échelle massive.

  • 33 Max Bonhomme, Christian Joschke et Laura Truxa, « Une généalogie des images composites », Transbord (...)
  • 34 Roland Meyer, « Es schimmert, es glüht, es funkelt. Zur Ästhetik der KI-Bilder », 54books, 20 mars  (...)

43Si l’on se tourne alors du côté des usages, en interrogeant la place effective que cette nouvelle imagerie occupe dans notre culture visuelle, on peut noter qu’elle fut d’abord une grande machine à mèmes. Les glitches, encore bien présents dans les images générées par les premiers modèles text-to-image en 2022-2023, ainsi que dans certaines versions peu modérées de Stable Diffusion, ont engendré leur lot de monstres33. Dans cette phase intermédiaire de perfectionnement de l’IA générative, ce sont précisément les imperfections et les entorses au photoréalisme qui faisaient le sel de ces images, tirant moins du côté de la « haute fidélité » que de la déformation caricaturale. On peut penser par exemple aux mèmes prenant pour objet la version gratuite de DALL-E, d’abord appelée « DALL-E Mini » puis « Craiyon », qui répondait au prompt par une mosaïque de neuf images, en basse définition et d’apparence très fruste, fort éloignées des images de très haute qualité qui deviendront la norme avec les mises à jour de Midjourney au début de l’année 202334. Cette esthétique pauvre, potache et caricaturale contraste avec la grandiloquence de beaucoup des images générées par l’IA si l’on en reste à un usage « par défaut » : par défaut, le rendu oscillera entre photoréalisme et illustration dessinée ; par défaut, l’image présentera un même traitement de la lumière, une sorte d’incandescence douce que Roland Meyer a appelé le « fluffy glamour glow » (lueur cotonneuse glamour), ainsi qu’une combinaison de tons chauds et de tons froids, des transitions douces, et une prédilection pour les courbes par rapport aux angles nets. Sans doute la volonté d’améliorer constamment la qualité a-t-elle finalement conduit à instaurer le kitsch comme norme. C’est l’occasion de rappeler à quel point les médias d’enregistrement comme la photographie ont pu historiquement jouer le rôle d’un antidote au kitsch : contre le pathos ampoulé de la peinture de Salon au XIXe siècle, le laconisme d’une plaque daguerrienne.

  • 35 André Gunthert, « Les faux débats de l’IA », L’image sociale, 19 novembre 2023 (en ligne : ‹ images (...)
  • 36 Adobe, par exemple, a déjà introduit des images générées par IA dans son offre d’images de stock.

44Il est sans doute encore trop tôt pour tirer des conclusions à propos de l’utilisation massive des images « générées » pour la communication commerciale, institutionnelle ou journalistique. Vraisemblablement on peut s’attendre à voir se généraliser des usages illustratifs de l’IA35 qui prendront le relais des images de stock36 et des illustrations génériques dans le style « corporate Memphis ».

  • 37 Yuval Barnea, « From crisis to prosperity. Netanyahu’s vision for Gaza 2035 revealed online », The (...)

45En revanche, on peut déjà constater que les images générées par l’IA interviennent, plus ou moins directement, dans différents conflits politiques et militaires en cours, comme en témoignent les nombreuses polémiques qui égrenèrent la campagne des élections présidentielles états-uniennes en 2024. En mai de la même année, le Jerusalem Post publiait des images manifestement générées par l’IA, trouvées dans un PowerPoint directement issu du cabinet du Premier ministre d’Israël, Benjamin Netanyahou (fig. 8). Ces images présentent une vision futuriste de la bande de Gaza comme un eldorado pour les investisseurs de la tech, constellé de gratte-ciel et de voitures électriques, alimenté par des grands parcs de panneaux solaires37. « Gaza 2035 », tel est le nom du projet colonial, résultant d’une politique de la table rase, qu’incarnent ces visualisations, ces images « projectives », qui empruntent leur esthétique à la promotion immobilière. Le photoréalisme des images algorithmiques intervient donc non seulement dans des pratiques de manipulation délibérées, comme avec les deep fakes, mais aussi comme relais d’autres stratégies de communication, sur la modalité du projet, dans un contexte d’accélération technologique qui peut aussi se révéler profondément inégalitaire et destructeur.

8. « La vision de Benyamin Netanyahou pour Gaza en 2035 »

8. « La vision de Benyamin Netanyahou pour Gaza en 2035 »

Image générée à partir d’un modèle d’intelligence artificielle, telle qu’exposée sur le site web du Premier ministre israélien et reprise par le Jerusalem Post le 3 mai 2024.

Haut de page

Notes

1 Georg Simmel introduit pour la première fois le concept de « Wechselwirkung » (« action réciproque ») dans « Über sociale Differenzierung » [1890], traduit en français sous le titre « La Différenciation sociale », trad. M. Parazzoli, Paris, V. Giard & E. Brière, 1894.

2 Warren McCulloch et Walter Pitts, « A Logical Calculus of Ideas Immanent in Nervous Activity », Bulletin of Mathematical Biophysics, vol. 5, no 4, 1943, pp. 115‑133 ; Frank Rosenblatt, « The Perceptron. A Perceiving and Recognizing Automaton », in Report 85‑460‑1, Cornell Aeronautical Laboratory, 1957. Sur l’histoire de la computer vision, voir James E. Dobson, The Birth of Computer Vision, Minneapolis, University of Minnesota Press, 2023.

3 Woody W. Bledsoe, « The Model Method in Facial Recognition », in Technical Report PRI 15, Panoramic Research Inc., Palo Alto, California, 1964 ; Woody W. Bledsoe et Helen Chan, « A Man-Machine Facial Recognition System. Some Preliminary Results », in Technical Report PRI 19A, Panoramic Research Inc., Palo Alto, California, 1965 ; Woody W. Bledsoe, « Man-Machine Facial Recognition. Report on a Large-Scale Experiment », in Technical Report PRI 22, Panoramic Research Inc., Palo Alto, California, 1966.

4 Sur le programme FERET, voir Patrick Rauss et al., FERET (Face Recognition Technology) Program, 25th AIPR Workshop. Emerging Applications of Computer Vision, vol. 2962, 1997, pp. 253‑263.

5 Sur le dataset JAFFE, voir Michael J. Lyons, Miyuki Kamachi et Jiro Gyoza, « Coding Facial Expressions with Gabor Wavelets », 1998 (Preprint publié en 2009 sur arXiv).

6 Estelle Blaschke, Banking on Images. The Bettmann Archive and Corbis, Leipzig/Berlin, Spector Books, 2016.

7 Sur ImageNet, voir Jia Deng et al., « ImageNet. A Large-Scale Hierarchical Image Database », 2009 IEEE Conference on Computer Vision and Pattern Recognition, Piscataway, 2009, pp. 248‑255.

8 Sur WordNet, voir en ligne : ‹ wordnet.princeton.edu ›.

9 La distinction entre les deux domaines de l’IA analytique et de l’IA générative a commencé à être faite de plus en plus après l’essor des modèles d’IA générative qui a eu lieu à partir de la seconde moitié des années 2010, avec le lancement d’algorithmes comme les Generative Adversarial Networks en 2014, les Transformers en 2017 et les Large Language Models comme GPT-1 en 2018, suivi par GPT-2 en 2019. En 2022, cet essor a culminé avec le lancement de ChatGPT et des modèles de diffusion text-to-image comme Stable Diffusion, DALL-E 2 et Midjourney. Les deux domaines sont néanmoins étroitement connectés et partagent souvent les mêmes techniques.

10 Ian Goodfellow et al., « Generative Adversarial Nets » (Preprint publié en 2014 sur arXiv).

11 Sur LAION-5B, voir en ligne : ‹ laion.ai/blog/laion-5b ›.

12 Sur Common Crawl, voir en ligne : ‹ commoncrawl.org ›.

13 Voir Christo Buschek et Jer Thorp, « Models All The Way Down », Knowing Machines (en ligne : ‹ knowingmachines.org ›).

14 Sur LAION-Aesthetics, voir en ligne : ‹ laion.ai/blog/laion-aesthetics ›.

15 Voir ibidem.

16 Comme le souligne Julian Stallabrass, « le moment choisi par l’utilisateur pour appuyer sur l’obturateur ne constitue qu’une étape intermédiaire dans une série d’images, prises avant et après, qui sont fusionnées pour former la ‹ photographie › résultante, en utilisant des effets HDR pour augmenter la gamme des tons et la résolution, et pour diminuer le ‹ bruit ›, ou réduire l’entropie » (« Memories of the Present. Photography and Artificial Intelligence », New Left Review, no 148, 2024).

17 Estelle Blaschke, « Diskrete Operationen. Formen präemptiver Bildzensur in der KI-gestützten Fotografie », Bildwelten des Wissens, no 16, 2020, pp. 32‑41.

18 Parmi les études les plus récentes sur cette question, voir Joanna Zylinska, The Perception Machine. Our Photographic Future Between the Eye and AI, Cambridge, MIT Press, 2023, et Fred Ritchin, The Synthetic Eye. Photography Transformed in the Age of AI, Londres, Thames & Hudson, 2025.

19 Kate Crawford et Trevor Paglen, « Excavating AI. The Politics of Training Sets for Machine Learning », Excavating AI. The Politics of Images in Machine Learning Training Sets, 19 septembre 2019 (en ligne : ‹ excavating.ai ›).

20 Kate Crawford, Contre-atlas de l’intelligence artificielle. Les coûts politiques, sociaux et environnementaux de l’IA [2021], trad. L. Bury, Paris, Éditions Zulma, 2023.

21 Hito Steyerl, « Mean Images », New Left Review, no 140‑141, 2023, pp. 82‑97.

22 Sur la question du « model collapse », voir Ilia Shumailov et al., « AI Models Collapse when Trained on Recursively Generated Data », Nature, no 631, 2024, pp. 755‑759. Voir aussi Sina Alemohammad et al., « Self-Consuming Generative Models Go MAD » (Preprint publié en 2023 sur arXiv).

23 Voir notamment Jacob Birken, Pixelrealismus, Berlin, Schlaufen, 2023.

24 Nelson Goodman, Langages de l’art. Une approche de la théorie des symboles [1968], trad. J. Morizot, Nîmes, Éditions Jacqueline Chambon, 1990.

25 Voir K. Crawford, Contre-atlas de l’intelligence artificielle, op. cit., Peter Szendy et Emmanuel Alloa (dir.), Le Supermarché des images, cat. exp., Paris, Gallimard, 2020.

26 Katherine Hayles, « Inside the Mind of an AI. Materiality and the Crisis of Representation», New Literary History, vol. 54, no 1, 2022, pp. 635‑666.

27 Roland Meyer, « The New Value of the Archive. AI Image Generation and the Visual Economy of “Style” », IMAGE, no 37, 2023, pp. 100‑111.

28 Hannes Bajohr, « L’Ekphrasis opératoire. L’effondrement de la distinction texte/image dans l’intelligence artificielle multimodale », trad. C. Marand, Nouvelle Revue d’esthétique, no 33, 2024, pp. 25‑46.

29 Jay David Bolter et Richard Arthur Grusin, Remediation. Understanding New Media, Cambridge, MIT Press, 2000.

30 K. Crawford et T. Paglen, « Excavating AI », art. cité, et Fabian Offert et Thao Phan, « A Sign That Spells. DALL-E 2, Invisual Images and The Racial Politics of Feature Space » (Preprint publié en 2022 sur arXiv).

31 Après avoir introduit des correctifs visant une meilleure représentativité des différents types physiques, ce qui donnait parfois des résultats incohérents, le modèle Gemini de Google a essuyé de vives critiques qui ont incité l’entreprise à faire machine arrière.

32 Antonio A. Casilli, En attendant les robots. Enquête sur le travail du clic, Paris, Seuil, 2019 ; voir aussi Jeff Guess, « Conversations », Transbordeur, no 3, 2019, pp. 36‑47.

33 Max Bonhomme, Christian Joschke et Laura Truxa, « Une généalogie des images composites », Transbordeur, no 7, 2023, pp. 6‑17.

34 Roland Meyer, « Es schimmert, es glüht, es funkelt. Zur Ästhetik der KI-Bilder », 54books, 20 mars 2023 (en ligne : ‹ 54books.de ›).

35 André Gunthert, « Les faux débats de l’IA », L’image sociale, 19 novembre 2023 (en ligne : ‹ imagesociale.fr ›).

36 Adobe, par exemple, a déjà introduit des images générées par IA dans son offre d’images de stock.

37 Yuval Barnea, « From crisis to prosperity. Netanyahu’s vision for Gaza 2035 revealed online », The Jerusalem Post, 3 mai 2024 (en ligne : ‹ jpost.com ›).

Haut de page

Table des illustrations

Titre 1. Frank Rosenblatt et le Mark I Perceptron, 1960
Légende Washington DC, National Museum of the U.S. Navy.
URL http://journals.openedition.org/transbordeur/docannexe/image/2212/img-1.jpg
Fichier image/jpeg, 754k
Titre 2. Coordonnées principales d’un visage à partir d’une photographie pour le système « man-machine » de Woody Bledsoe, s. d.
Légende Photographie de Dan Winters, circa 2020.
Crédits © Dan Winters Photography
URL http://journals.openedition.org/transbordeur/docannexe/image/2212/img-2.jpg
Fichier image/jpeg, 798k
Titre 3. Images extraites du dataset JAFFE (Japanese Female Facial Expression)
Légende Selon les recherches de Michael J. Lyons et al., « Coding Facial Expressions with Gabor Wavelets », Proceedings Third IEEE International Conference on Automatic Face and Gesture Recognition, 1998, pp. 200‑205. Les images sont accessibles ici : https://zenodo.org/​records/​3451524
URL http://journals.openedition.org/transbordeur/docannexe/image/2212/img-3.jpg
Fichier image/jpeg, 79k
Titre 4. Le Turc mécanique, circa 1770, automate du baron Johann Wolfgang von Kempelen
Légende Illustration tirée de Joseph Friedrich Freiherr von Racknitz, Über den Schachspieler des Herrn von Kempelen, nebst einer Abbildung und Beschreibung seiner Sprachmachine, Leipzig, Johann Gottfried Müllerschen Buchhandlung, 1784. Berlin, Universitätsbibliothek der Humboldt-Universität.
URL http://journals.openedition.org/transbordeur/docannexe/image/2212/img-4.jpg
Fichier image/jpeg, 1,0M
Titre 5. Trevor Paglen, vue de l’installation From ‘Apple’ to ‘Anomaly’ (Pictures and Labels) – Selections from the ImageNet dataset for object recognition
Légende Curve Gallery, Barbican Centre, Londres, 2019‑2020, assemblage de 30 000 impressions de photographies de la base de données ImageNet. Londres, Barbican Centre.
Crédits © Trevor Paglen
URL http://journals.openedition.org/transbordeur/docannexe/image/2212/img-5.jpg
Fichier image/jpeg, 719k
Titre 6. Quixel Megascans, catégorie « Bigleaf Hydrangea », août 2022
Crédits © Megascans Quixel
URL http://journals.openedition.org/transbordeur/docannexe/image/2212/img-6.jpg
Fichier image/jpeg, 506k
Titre 7. Atsushi Nakabayashi, vue du modèle 3D d’une tasse à thé chinoise, Sketchfab, 2022
Crédits © Atsushi Nakabayashi
URL http://journals.openedition.org/transbordeur/docannexe/image/2212/img-7.jpg
Fichier image/jpeg, 229k
Titre 8. « La vision de Benyamin Netanyahou pour Gaza en 2035 »
Légende Image générée à partir d’un modèle d’intelligence artificielle, telle qu’exposée sur le site web du Premier ministre israélien et reprise par le Jerusalem Post le 3 mai 2024.
URL http://journals.openedition.org/transbordeur/docannexe/image/2212/img-8.jpg
Fichier image/jpeg, 516k
Haut de page

Pour citer cet article

Référence papier

Estelle Blaschke, Max Bonhomme, Christian Joschke et Antonio Somaini, « Introduction. Photographies et algorithmes »Transbordeur, 9 | 2025, 6-19.

Référence électronique

Estelle Blaschke, Max Bonhomme, Christian Joschke et Antonio Somaini, « Introduction. Photographies et algorithmes »Transbordeur [En ligne], 9 | 2025, mis en ligne le 26 février 2025, consulté le 20 janvier 2026. URL : http://journals.openedition.org/transbordeur/2212 ; DOI : https://doi.org/10.4000/13dwn

Haut de page

Auteurs

Estelle Blaschke

Estelle Blaschke est professeur en théorie des médias à l’université de Bâle et enseigne l’histoire et la théorie de la photographie à l’ÉCAL à Lausanne. Ses recherches portent sur l’histoire de la photographie, l’économie visuelle et les technologies et cultures numériques. Avec Armin Linke, elle a co-dirigé le projet de recherche et d’exposition Capital Image/Image Capital de 2019 à 2024 (Centre Pompidou, Folkwang Museum, MAST Bologna, Deutsche Börse Photography Foundation).
Estelle Blaschke is a professor of media studies at the University of Basel and lectures on the history and theory of photography at the University of Art and Design (ÉCAL) in Lausanne. Her research focuses on photography, the visual economy, and digital technologies and cultures. Together with Armin Linke, she was joint director of the research and exhibition project Capital Image / Image Capital, which ran from 2019 to 2024 (Centre Pompidou, Folkwang Museum, MAST Bologna, Deutsche Börse Photography Foundation).

Articles du même auteur

Max Bonhomme

Max Bonhomme est maître de conférences en design et cultures visuelles à l’université de Strasbourg. Ses recherches portent sur l’histoire et la théorie du design graphique, le photomontage, l’imagerie populaire et les imageries numériques. En 2025, il est commissaire, avec Aline Théret, de l’exposition Couper, coller, imprimer. Une histoire graphique du photomontage politique (La Contemporaine, Nanterre).
Max Bonhomme is an associate professor (MCF) of design and visual culture at the University of Strasbourg. His research centers on the history and theory of graphic design, photomontage, popular imagery, and digital imagery. Together with Aline Théret, he is jointly curating the exhibition Couper, coller, imprimer: Une histoire graphique du photomontage politique (La Contemporaine, Nanterre, 2025).

Articles du même auteur

Christian Joschke

Christian Joschke est professeur aux Beaux-Arts de Paris et corédacteur en chef de Transbordeur. Photographie histoire société. Entre 2007 et 2020, il a enseigné comme maître de conférences à l’université Lumière Lyon 2 et à l’université Paris Nanterre. Co-organisateur de l’exposition Photographie, arme de classe. Photographie sociale et documentaire en France 1928-1936 au Centre Pompidou (catalogue chez Textuel, 2018), il a publié Les Yeux de la nation. Photographie amateur et société dans l’Allemagne de Guillaume II (Dijon, Les presses du réel, 2013) et La Révolution suspendue. Photographie et presse communiste dans l’Allemagne de Weimar (Macula, 2025).
Christian Joschke is a professor at the Beaux-Arts de Paris and coeditor-in-chief of Transbordeur: Photographie histoire société. Between 2007 and 2020, he was an associate professor (MCF) at Université Lumière Lyon 2 and Université Paris Nanterre. He was joint organizer of the exhibition Photographie, arme de classe: Photographie sociale et documentaire en France 1928–1936 at the Centre Pompidou (exh. cat., Textuel, 2018) and has published Les Yeux de la nation: Photographie amateur et société dans l’Allemagne de Guillaume II (Les presses du réel, 2013) and La Révolution suspendue: Photographie et presse communiste dans l’Allemagne de Weimar (Macula, 2025).

Articles du même auteur

Antonio Somaini

Antonio Somaini est professeur de théorie du cinéma, des médias et de la culture visuelle à l’Université Sorbonne Nouvelle et membre senior de l’Institut Universitaire de France (IUF), avec un projet de recherche sur l’impact de l’IA sur les images, la culture visuelle et les pratiques artistiques contemporaines. Il est le commissaire général de l’exposition Le Monde selon l’IA (Jeu de Paume, avril-septembre 2025).
Antonio Somaini is a professor in film, media and visual culture theory at Université Sorbonne Nouvelle and a senior member of the Institut Universitaire de France (IUF). His current research focuses on the impact of AI on images, visual culture, and contemporary artistic practices. He is the curator of the exhibition Le Monde selon l’IA (Jeu de Paume, April–September 2025).

Articles du même auteur

  • Disréalismes [Texte intégral]
    Une conversation entre Grégory Chatonsky, Christian Joschke et Antonio Somaini
    Disrealisms. A conversation between Grégory Chatonsky, Christian Joschke and Antonio Somaini
    Paru dans Transbordeur, 7 | 2023
Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 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