Mes recherches explorent les pratiques diffractives comme méthode artistique de prototypage de l'apprentissage machine.
La diffraction—un concept introduit par la philosophe et physicienne queer Karen Barad—vise à déplacer la réflexion, qui suppose des sujets et des objets préexistants interagissant les uns avec les autres, comme modèle dominant d'enquête. Pour ce faire, elle part du principe que les humains et les non-humains sont enchevêtrés au sein de pratiques socio-matérielles complexes, fluides et en constante évolution. J'ai souhaité explorer le potentiel des pratiques diffractives pour prototyper l'apprentissage machine d'une manière qui résiste aux normes de l'ingénierie informatique. Pour ce faire, j'ai proposé d'approcher l'apprentissage machine comme matériau de création dans plusieurs projets d'art et de design, en particulier dans les projets somasticks, et Les Appprenants.
Ces travaux ont permis d'identifier cinq conditions socio-techniques pour que de tels prototypes produisent des interférences constructives entre les pratiques de design et d'ingénierie de l'apprentissage machine : situational whole, small data, shallow model, learnable algorithm, et somaesthetic behaviour. Il a également permis d'esquisser ce que nous avons nommé apprentissage machine intra-actif, un processus de devenir-avec les autres, qui combine les concepts, techniques et pratiques disciplinaires de l'apprentissage machine, ainsi que les divers rôles des artistes, des designers et des ingénieurs, en un phénomène socio-matériel transformateur, fluide et en constante évolution.
Année
2019—2021
Crédits
Le projet a été développé avec Baptiste Caramiaux et Frédéric Bevilacqua, en collaboration avec Reflective Interaction (groupe de EnsadLab), HCI Sorbonne (groupe de ISIR), et ISMM (groupe de Ircam), dans le cadre d'un postdoctorat effectué à Faculté de Médecine de Sorbonne Université, Sorbonne Université.
Publications
Article à DIS (2021)