La drag comme épistémologie : ce que le drag enseigne à l'IA, et ce que l'IA enseigne à la drag

Item

Titre de la relation / annotation: La drag comme épistémologie : ce que le drag enseigne à l'IA, et ce que l'IA enseigne à la drag
Argument de l'annotation: Zizi: Queering the Dataset met en œuvre une circulation de savoirs entre deux pratiques que tout semble opposer, la performance drag et l'apprentissage automatique, pour montrer qu'elles partagent une même logique de surface. Toutes deux produisent des identités à partir de données : le drag par l'accumulation et l'exagération de codes genrés stéréotypés, l'IA par la répétition statistique de motifs extraits de corpus d'images. C'est cette homologie structurelle qu'Elwes exploite et déplace pour produire un récit inédit sur la construction algorithmique de l'identité.

Le geste central de l'œuvre illustre parfaitement cette réciprocité épistémologique. Lorsqu'Elwes réentraîne StyleGAN avec des images de drag performers, il contraint le réseau à « apprendre » des identités fondées sur l'excès, la multiplicité et la transgression des normes de genre. Le modèle, incapable de hiérarchiser ces données selon ses critères habituels, commence à produire des visages hybrides où mascara et rouge à lèvres se fondent, où les perruques émergent de fonds de teint, où les frontières entre les corps se dissolvent. Ces glitchs ne sont pas des accidents : ils sont la trace visible de ce que le réseau ne sait pas catégoriser, la preuve que les identités drag débordent les cases dans lesquelles les architectures algorithmiques cherchent à les inscrire. Ce que la drag enseigne ainsi à l'IA, c'est que l'identité n'est jamais un donné naturel mais toujours une performance, un assemblage instable de signes que l'on peut réorganiser, perturber et réinventer.

Ce que l'IA enseigne en retour à la drag, c'est la matérialité des structures invisibles qui régissent la reconnaissance sociale : en exposant les poids du réseau, ces valeurs numériques qui déterminent ce que le modèle valorise dans un visage, Zizi rend tangible ce que la société a appris à voir comme normal et ce qu'elle a appris à effacer. Cette réciprocité produit une pratique narrative singulière : ni le drag seul, ni l'IA seule ne pourrait formuler ce que leur rencontre rend soudainement perceptible.
Mot clé(s) associé(s): Apprentissage machine; Entraînement; Queer
Le contenu à relier (ressource physique, actant, conceptuelle): Zizi - Queering the Dataset (extrait)
Ressource(s) associée(s) (ressource physique, actant, conceptuelle): La résistance par contamination : « dirtying the dataset »; L'invisibilisation comme violence structurelle : le récit de l'objectivité algorithmique et ses angles morts; Consentement et propriété des données : un modèle éthique contre le récit extractiviste de l'IA; Le dataset comme récit : qui décide de ce qu'une machine « voit » ?
Média(s) (partie gauche): Zizi - Queering the Dataset (extrait)

Media: coverzizi2

Linked resources

Filter by resource type and property:

Items with "Intégrer un template Analyse critique - Annotation: La drag comme épistémologie : ce que le drag enseigne à l'IA, et ce que l'IA enseigne à la drag"
Title	Class
Zizi (Queering the Dataset)	Event

Items with "Ressource(s) associée(s) (ressource physique, actant, conceptuelle): La drag comme épistémologie : ce que le drag enseigne à l'IA, et ce que l'IA enseigne à la drag"
Title	Class
Consentement et propriété des données : un modèle éthique contre le récit extractiviste de l'IA	Annotation
L'invisibilisation comme violence structurelle : le récit de l'objectivité algorithmique et ses angles morts	Annotation
Le dataset comme récit : qui décide de ce qu'une machine « voit » ?	Annotation

Annotations

There are no annotations for this resource.