Récapitulatif « Artistes sur l’IA et les données »

Présenté par Art+Feminism en partenariat avec Wikimedia Deutschland, avec les artistes Nora Al-Badri et Michael Mandiberg (co-fondateur d’Art+Feminism).

Le 8 octobre à Berlin, nous nous sommes réunis pour un programme hybride au siège de Wikimedia Allemagne afin d’aborder l’IA et les données. Cet événement marquait le lancement de la deuxième année de la campagne d’Art+Féminisme : « À quoi ressemblerait un Internet véritablement féministe ?». La première année était consacrée à la visibilité, c’est-à-dire à l’intégration de plus de personnes et de sources dans Wikipédia, Commons et Wikiquote. La deuxième année portait sur la structure, en particulier Wikidata, les modèles de données et la gouvernance. Nous avons choisi cette conversation car les artistes travaillent déjà concrètement avec les jeux de données et l’IA, et ces choix façonnent les récits que notre mouvement peut raconter.

Solenne Lazare (elle), responsable de la stratégie produit chez Wikimedia Deutschland, a ouvert le programme par une brève introduction. Elle a présenté Wikidata comme un graphe de connaissances collaboratif reliant des faits afin que les utilisateurs puissent les vérifier et que les machines puissent les réutiliser. Elle a évoqué Wikibase, qui permet aux GLAM et aux communautés de gérer leurs propres graphes tout en restant connectés. Elle a également présenté ses travaux sur l’« intégration », une méthode permettant de rendre Wikidata consultable par sens tout en pointant vers les éléments Wikidata spécifiques pour vérification.

Nora Al-Badri (elle) est venue ensuite. Artiste conceptuelle germano-irakienne, elle travaille avec ce qu’elle appelle le big data culturel : ces collections numérisées qui façonnent ce que le monde pense savoir de l’Asie occidentale. Face au refus des institutions de partager leurs données internes, elle et ses collaborateurs ont extrait les archives publiques et entraîné un modèle sur des milliers d’images d’artefacts. Leurs résultats illustrent une thèse simple : celui qui contrôle l’ensemble de données contrôle l’histoire. Si les musées détiennent les objets et les données, ils peuvent scénariser des cultures entières, et ce pouvoir se reflète dans les ensembles d’entraînement qui alimentent les systèmes actuels.

Son projet, Post-Truth Museum, renverse cette logique. À l’aide de techniques de deepfake, elle laisse les voix institutionnelles s’exprimer sur la protection et la restitution, puis laisse les objets parler d’eux-mêmes. L’œuvre montre comment un ensemble de données, souvent considéré comme neutre, peut devenir un instrument. Parfois, la voie éthique ne réside pas dans un accès plus large, mais dans une gouvernance plus claire entre les mains des communautés dont les connaissances sont en jeu.

Michael Mandiberg (ils/elles), artiste et programmeur informatique américain, a poursuivi avec une archive différente et un problème connexe. Ils ont collecté et analysé 130 millions de photographies d’archives. L’analyse révèle des biais persistants : les scènes de bureau dominent, la beauté est étroitement définie, les sujets sont majoritairement blancs et les mêmes gestes se répètent. En pratique, ces étiquettes deviennent des leçons pour les mannequins. Lorsque des sujets comme « mode » ou « mariage » comportent des préjugés genrés, les mannequins assimilent ces préjugés à des faits. Répétez sans cesse à une machine que « professionnel » a une apparence et « attentionné » une apparence différente, et elle les reproduira à grande échelle.

Pour les wikimédiens, la leçon est la suivante : nos choix sur Wikidata et Commons deviennent des modèles que les lecteurs et les modèles assimilent. De Berlin à votre projet local, le message est le même : structurer de manière plus juste. Complétez ce qui manque, expliquez pourquoi, respectez les protocoles communautaires et associez le tout à des citations. Si l’IA apprend de nous, faisons en sorte qu’elle apprenne mieux.

Comment participer dès maintenant ?

• Regardez l’enregistrement complet de cette session sur YouTube pour en savoir plus sur ce travail.
• Organisez un marathon d’édition Wikidata. Rassemblez un partenaire GLAM, une classe ou une communauté locale pour ajouter et améliorer des éléments.
• Faites le lien entre Wikipédia et Wikidata grâce à notre tutoriel sur l’interconnexion. De nombreuses infobox Wikipédia s’appuient sur Wikidata. Choisissez une page, mettez à jour son infobox, puis ouvrez l’élément Wikidata correspondant et corrigez les informations.
• Rejoignez-nous pour l’anniversaire de Wikidata. Célébrez et éditez avec nous le 29 octobre, une occasion conviviale pour les nouveaux contributeurs et organisateurs.
• Suivez-nous sur Instagram pour rester informés des événements. Participez à nos Conversations Art+Féminisme et à nos Tables d’édition virtuelles. Nous associons les conférences à des séances pratiques pour que vous repartiez avec des modifications, et pas seulement des idées.

Nous tenons à remercier Wikimedia Deutschland pour son partenariat avec nous pour cette importante conversation.