Consentement et propriété des données : un modèle éthique contre le récit extractiviste de l'IA

Item

Titre de la relation / annotation: Consentement et propriété des données : un modèle éthique contre le récit extractiviste de l'IA
Argument de l'annotation: Zizi: Queering the Dataset prend position de façon explicite contre l'un des récits les plus naturalisés de l'industrie de l'IA : celui de l'extraction sans reste. En construisant son dataset à partir d'une collaboration consentie, rémunérée et révocable avec des performeur·euses drag, Elwes ne se contente pas de produire une œuvre critique sur les biais algorithmiques. Il propose un contre-modèle opérationnel qui démontre, par la pratique, qu'une autre relation entre les corps, les données et les systèmes d'apprentissage automatique est possible.

Le contraste avec les pratiques dominantes de l'industrie est saisissant. Le dataset FFHQ sur lequel StyleGAN est initialement entraîné a été constitué par scraping massif de photographies collectées sur Flickr sans consentement explicite des personnes concernées, selon une logique extractiviste où les corps et les visages deviennent des ressources disponibles, des matières premières à disposition des entreprises technologiques. Ce récit de la disponibilité universelle des données, profondément ancré dans la culture des plateformes numériques, rend invisible la dimension politique de toute constitution de dataset : qui décide de ce qui est collecté, dans quelles conditions, au bénéfice de qui ?

Face à cette logique, Elwes élabore une pratique radicalement différente. Chaque performeur·euse drag intégré·e au dataset a donné son consentement éclairé, conserve le droit de se retirer du projet à tout moment et est rémunéré·e à chaque diffusion publique de l'œuvre. Ce modèle éthique n'est pas un détail de production : il est le fondement même du projet et constitue en lui-même une mise en récit alternative de ce que pourrait être une IA élaborée dans le respect des sujets qui l'alimentent. En traitant les corps et les identités qui nourrissent le système comme des sujets dotés de droits plutôt que comme des ressources disponibles, Zizi formule dès 2019 une réponse pratique aux débats qui agiteront l'industrie créative quelques années plus tard autour des droits d'auteur, de la propriété des données d'entraînement et de la juste rémunération des artistes dont les œuvres alimentent les grands modèles génératifs.
Mot clé(s) associé(s): Apprentissage machine; Entraînement; Queer
Le contenu à relier (ressource physique, actant, conceptuelle): Zizi (Queering the Dataset)
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; La drag comme épistémologie : ce que le drag enseigne à l'IA, et ce que l'IA enseigne à la drag; Le dataset comme récit : qui décide de ce qu'une machine « voit » ?
Média(s) (partie gauche): Zizi - Queering the Dataset (extrait)

Media: coverzizi3

Linked resources

Filter by resource type and property:

Items with "Intégrer un template Analyse critique - Annotation: Consentement et propriété des données : un modèle éthique contre le récit extractiviste de l'IA"
Title	Class
Zizi (Queering the Dataset)	Event

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

Annotations

There are no annotations for this resource.