Corpus Nil : Incorporation mutuelle

Item

Titre de la relation / annotation
Corpus Nil : Incorporation mutuelle
Argument de l'annotation
Créée en 2016, Corpus Nil est une performance au croisement de la biomécanique, de l’intelligence artificielle et de l’art sonore. Elle met en scène un corps nu, connecté à une prothèse technologique animée par des algorithmes d’apprentissage automatique. Sur scène, ce corps semble informe et composite — un assemblage de chair, de câbles, de capteurs et de logiciels — où l’indistinction entre matière organique et technologique est non seulement visible, mais volontairement exacerbée. L’artiste cherche ici à rendre tangible un enchevêtrement profond entre le vivant et le machinique, au-delà de toute hiérarchie ontologique.

Des capteurs biophysiques fixés sur les membres de l’interprète enregistrent en temps réel les tensions musculaires, les impulsions électriques et les sons produits par le corps en mouvement. Ces données sont transmises à la machine, qui les traite de manière algorithmique afin de générer une réponse synesthésique composée d’éléments sonores et lumineux. Les fréquences biologiques sont spatialisées via un système audio multicanal entourant le public, tandis que des éclairages bioélectriques immergent l’espace. La performance se construit ainsi comme une boucle de rétroaction instable : les signaux biologiques influencent les décisions de la machine, laquelle perturbe en retour la perception, la motricité et les affects du performeur (Marco Donnarumma).

Cependant, cette interaction n’est pas unilatérale : l’interprète peut à son tour influer sur l’environnement audio-visuel en mobilisant des stratégies corporelles spécifiques, produisant ainsi des données capables d’orienter les réponses de la machine. Malgré cette boucle interactive, la prothèse reste en partie opaque, agissant de manière autonome et imprévisible, rendant l’agentivité machinique à la fois palpable et insaisissable.
Comme le rappellent Sita Popat et al. dans Bodily Extensions and Performance (2017), Marco Donnarumma rejette le concept d’« extension corporelle », qui suppose l’existence d’un corps central à prolonger. Il lui préfère la notion de « bodily incorporation », définie comme l’habitation co-dépendante de formes hybrides d’incarnation humain-machine. Donnarumma se distingue ainsi de la figure du cyborg, qu’il juge « ambiguë et dramatiquement édulcorée », pour privilégier une compréhension du corps comme entité relationnelle, instable et constamment recomposée.

Dans Corpus Nil, cette corporalité n’est ni purement humaine, ni entièrement machinique. Elle devient un corps technologique, mutable, relationnel et hybride. L’enjeu n’est pas tant le résultat de cette fusion que le processus par lequel elle advient : une série de reconfigurations progressives, sensibles, et parfois involontaires, qui redéfinissent la frontière entre action, perception et machinicité. Ce processus dépasse d’ailleurs le performeur pour inclure le public, placé dans un environnement immersif où l’intimité sensorielle partagée engendre une forme d’empathie collective. Les spectateur·ices ne sont pas simplement témoins ; iels ressentent les états internes du corps performé, ses tensions, ses résistances et ses dérèglements.

Ainsi, Corpus Nil questionne profondément la définition même du corps humain. Est-on encore face à un corps « humain » ? Ou bien faut-il admettre que cette catégorie, historiquement construite, ne suffit plus à désigner les devenirs corporels à l’œuvre dans de telles performances ? L’œuvre propose une réponse incarnée, non pas par affirmation, mais par expérimentation : celle d’un corps traversé, recomposé, et fondamentalement autre.
Contenu à relier / annoter (ressource physique, actant, conceptuelle)
7 Configurations - Corpus Nil : Performeur et dispositif
E-mail de la personne ayant créé cette relation / annotation
Julie-Michèle Morin

Linked resources

Items with "Intégrer un template Analyse critique - Annotation: Corpus Nil : Incorporation mutuelle"
Title Class
7 Configurations Event

Annotations

There are no annotations for this resource.