Deux cents ans après l'invention de la photographie, cette exposition interroge l'avenir de l'image photographique lorsqu'elle est collectée et collectionnée algorithmiquement. Que reste-t-il de sa capacité à rendre compte du réel, et de la présomption de vérité qui lui est associée ?
[...] cartographier lentièreté du monde des objets, cétait, dès 2009, lambition de Fei-Fei-Li, alors professeure à Princeton, en créant ImageNet : une collection dimages annotées selon des critères distincts. On y trouve aussi bien des récifs coralliens, que des missiles balistiques, le tout rangé dans plus de 20.000 catégories. Ce type de collection dimages photographiques, plus communément appelé dataset, sert aujourd'hui aux intelligences artificielles qui y affûtent leur regard algorithmique, et prolongent à leur tour, ce grand projet de trier le monde.
Mais devant le geste simple dannoter une photographie, se pose une question infiniment complexe : comment choisir une étiquette sans produire de biais ? Car derrière lambition dune classification sans distorsions, se cache une hypothèse rarement interrogée : celle quil existerait une interprétation naturelle du monde, un regard sans point de vue, autrement dit, le dogme de lobjectivité. Un dataset nest pourtant jamais neutre, il contient les traces de toutes celles et ceux qui ont travaillé à le constituer : commanditaires comme Google, OpenAI... petites mains de sous-traitants du Sud global, ainsi que sujets qui en composent le contenu. Une collection dimages est donc un terrain de négociations entre les personnes qui en définissent la structure et celles qui y figurent, souvent à leur insu.
À lère de léconomie de lannotation, comment faire place à dautres regards sur la collection photographique ? Lexposition présentée ici cherche à démystier les pratiques de collecte algorithmique et à révéler leur fragilité constitutive. Il y est question de renouer avec nos manières darchiver, dassembler et de collectionner des images, ainsi que déprouver nos marges de manuvre face à lextractivisme des données. Les uvres montrent comment nous pouvons faire, défaire, détourner et recomposer les datasets à notre gré, révélant à quel point ces architectures supposément rigides restent, à notre échelle, fluides et malléables.
Commissariat : Kaspar Ravel