Art génératif

Cet article est une ébauche concernant l’art et l’informatique.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

Consultez la liste des tâches à accomplir en page de discussion.

L'art génératif est l'un des formes d'expression de l'art numérique, exploitant des algorithmes pour concevoir des œuvres se générant d'elles-mêmes ou non déterminées à l'avance. Au sens large des œuvres non-numériques peuvent aussi être de type « génératif ». L'art génératif a récemment bénéficié des avancées de l'intelligence artificielle générative.

Domaines artistiques

Ce principe de « création » vise l'ensemble des domaines artistiques :

Systèmes de génération automatique

Il faut distinguer deux grandes classes de procédés.

Le patchwork est un agencement aléatoire d'éléments préalablement réalisés ou choisis par un humain. Un programme informatique très simple permet, grâce à la fonction de tirage aléatoire du micro-processeur, de choisir automatiquement un nombre prédéfini d'éléments (ou lui-même aléatoire et compris dans une fourchette arbitraire). Le programme ordonne ensuite, de façon aléatoire, les éléments (« on mélange les cartes »). Enfin, ces éléments sont reçus (vus, entendus, etc.) dans l'ordre fourni par le programme informatique. L'illustration conceptuelle de ce système très simple est le diaporama dont les photographies (éléments préalablement réalisés par un humain) se succèdent sur un écran d'ordinateur mais à chaque lancement du programme de visionnage, l'ordre des photographies est différent.

Le tirage aléatoire avec contraintes. Ce système, beaucoup plus évolué, permet d'opérer directement sur les éléments constitutifs de l'art visé (pixel, son, note, mot, etc.). Dans le domaine de la musique, par exemple, il s'agit d'agencer automatiquement les notes, les unes après les autres et non comme ci-dessus, d'agencer des segments de musiques d'une longueur donnée et préalablement joués par un ou plusieurs musiciens et enregistrés en audio (wave) ou dans un fichier midi (pattern). En faisant appel à ce principe fondamental et à ses recherches en intelligence artificielle, le français René-Louis Baron a conçu un procédé protégé par brevets internationaux (« MedalComposer ») permettant la composition de millions de mélodies « cohérente » et orchestrées dans tous les styles musicaux (contrepoint inclus). Le poids de ce programme est infime (40 kilooctets), ce qui lui permet d'être embarqué dans une puce électronique de faible coût pour un usage industriel. Le processus de tirage aléatoire avec contraintes permet une plus grande liberté de programmation selon les contraintes imposées au logiciel de composition. Il offre en outre, une plus grande variété d'œuvres générées dans des styles musicaux existants voire, « inventés » par le programme.

Un autre domaine, poussé par le bond en avant de l'apprentissage automatique (milieu des années 2010) et de l'IA générative (IAg) est celui de la génération d'images de haute résolution, abstraites, poétiques et artistiques (ex. : Midjourney), photoréalistes, etc.. Nguyen et al. ont par exemple contribué à la production de modèles génératifs produisant des images de meilleures qualité et résolution que précédemment (pour les 1 000 catégories d’ImageNet), pour arriver à des modèles Plug and Play Generative Networks (PPGN). Dans le même temps, l'inpainting numérique (amélioration numérique d'images existantes) s'est beaucoup amélioré.

Créateurs d'art génératif

Cette section ne cite pas suffisamment ses sources (janvier 2022). Pour l'améliorer, ajoutez des références de qualité et vérifiables (comment faire ?) ou le modèle {{Référence nécessaire}} sur les passages nécessitant une source.

(Liste non exhaustive) De manière générale : le groupe des Algoristes.

Notes et références

  2. (en) Invention musicale de RL Baron MEDAL Composer
  3. (en) Anh Nguyen et Jeff Clune, « Plug & Play Generative Networks: Conditional Iterative Generation of Images in Latent Space », 2017 (consulté le 17 janvier 2024), p. 4467–4477.
  4. (en) Anh Nguyen et Jason Yosinski, « Understanding Neural Networks via Feature Visualization: A Survey », Springer International Publishing, 2019 (ISBN 978-3-030-28953-9, consulté le 17 janvier 2024), p. 55–76.
  5. Travaux de David Cope (en)
  6. http://www.realcomposer.com/Medal%20-%20Documentation.htm Survol historique de la composition musicale automatique
  7. « Antoine Schmitt, de l’art de la programmation informatique », Le Monde,‎ 4 novembre 2018 (lire en ligne, consulté le 7 février 2019)

Voir aussi

Articles connexes

Bibliographie