Exposition Trier le monde

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 l’entièreté du monde des objets”, c’était, dès 2009, l’ambition de Fei-Fei-Li, alors professeure à Princeton, en créant ImageNet : une collection d’images 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 d’images 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 d’annoter une photographie, se pose une question infiniment complexe : comment choisir une étiquette sans produire de biais ? Car derrière l’ambition d’une classification sans distorsions, se cache une hypothèse rarement interrogée : celle qu’il existerait une interprétation naturelle du monde, un regard sans point de vue, autrement dit, le dogme de l’objectivité. Un dataset n’est 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 d’images est donc un terrain de négociations entre les personnes qui en définissent la structure et celles qui y figurent, souvent à leur insu. À l’ère de l’économie de l’annotation, comment faire place à d’autres regards sur la collection photographique ? L’exposition présentée ici cherche à démystifier les pratiques de collecte algorithmique et à révéler leur fragilité constitutive. Il y est question de renouer avec nos manières d’archiver, d’assembler et de collectionner des images, ainsi que d’éprouver nos marges de manœuvre face à l’extractivisme des données. Les œuvres 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