L'essor des technologies d’intelligence artificielle générative transforme en profondeur les processus de création artistique et de conception en design. Depuis l’émergence de services comme DALL·E, Midjourney ou ChatGPT, la possibilité de générer du contenu numérique de haute qualité en quelques secondes soulève autant d’enthousiasme que de préoccupations.

Ce cours propose une approche équilibrée combinant contextualisation théorique et exercices pratiques, permettant aux étudiants de confronter leurs connaissances à une réalité expérimentale. Chaque enseignement théorique met en lumière un aspect technique ou sociologique spécifique de l’IA – de l’histoire du deep learning aux enjeux de censure et de droit d’auteur – tandis que des exercices viennent immédiatement tester et appliquer ces notions.

L’objectif est de donner aux étudiants les outils pour comprendre ces technologies au-delà des mythes et clichés habituels, et les intégrer de manière critique et créative dans leur pratique.

– Comprendre les principes fondamentaux du machine learning et de l’IA générative.

– Expérimenter la production de contenus visuels et textuels via des outils d’IA.

– Analyser les transformations des pratiques artistiques et créatives face à ces nouvelles technologies.

– Développer une approche critique en explorant les enjeux éthiques, sociologiques et légaux associés à l’IA.

– Explorer la notion de protocole créatif et sa mise en œuvre dans des projets expérimentaux.

Les étudiants travailleront avec une combinaison d’outils d’intelligence artificielle très divers : MidJourney, Krea, Deep Seek, Firefly, Grok, Stable Diffusion, etc

L’évaluation finale repose sur trois critères :

– Exercices en cours de semestre (réalisés individuellement ou en groupe) – fait / non fait

– Présence et participation active au cours

– Rendu final individuel : Développement et présentation d’un protocole créatif, valorisant autant la conception que la communication des idées.

Présence sur site requise. L’assiduité et la participation aux enseignements font partie des éléments évalués.
Une absence à au moins 10% du cours (1 session) entraîne un travail supplémentaire. Une absence à au moins 30% du cours (3 sessions) entraîne un échec et une note de 1/6.

– Histoire des IA et évolution du deep learning

– Rôle des datasets et biais algorithmiques

– Enjeux de censure et régulation des IA

– Droit d’auteur et nouvelles formes de propriété intellectuelle

– Impacts sociaux et économiques des IA génératives

Chaque enseignement théorique est suivi d’un exercice appliqué, visant à confronter les étudiant·e·x·s aux réalités techniques et esthétiques des IA génératives. Parmi ces exercices :

Distinction : Identifier les différences entre une image réelle et une image générée par IA.

Prompting : Déconstruire la structure des prompts et explorer leur syntaxe pour comprendre les dynamiques du machine learning.

Hybridation : Expérimenter la dissolution de l’opposition entre original et copie à travers la fusion d’images et la notion de remix.

Traduction : Utiliser des modèles text-to-image pour convertir des concepts abstraits en images, en intégrant une approche itérative.

Restitution : Tester la capacité à collecter et restituer des informations complexes, en intégrant une méthodologie de vérification documentaire.

– Développement d’un protocole créatif intégrant l’IA, à présenter en fin de semestre.

– Analyse et documentation des processus explorés.

– Questionnement sur l’intégration des IA dans les méthodologies de création contemporaine.