PcEnShort
PcEnArrow

+

  • 03-02-2021
    • Recherche

      Éthique du numérique

      Pluralisme culturel

Recherche

Éthique du numérique

Pluralisme culturel

Découvrez notre algorithme générateur d'images

Les images présentées sur ce site proviennent d'un bot conçu spécialement pour les besoins de la Chaire PcEn.

Après un an d'existence, le temps est venu pour la Chaire Pluralisme culturel et Éthique du numérique de visibiliser ses activités de recherche sur Internet. Pour cela, des décisions ont dû être prises, notamment concernant les images utilisées sur le site et les réseaux sociaux.

En outre, l’identité visuelle de la Chaire PcEn devait répondre à plusieurs impératifs :

  • Évoquer à la fois la culture et le numérique. La culture est un concept abstrait, difficilement illustré. Toute représentation figurative se heurte au problème d'un référent trop réducteur par rapport à son objet (une image d'un écran par exemple renvoie à l'audiovisuel mais pas à la culture toute entière). Il en va bien-sûr de même pour le numérique. Le défi était donc de trouver ou, le cas échéant, de créer des images évoquant ces deux concepts abstraits.
  • Définir un ensemble visuel cohérent. Nous voulions éviter l'effet "patchwork" d'images de provenances différentes affichées côte-à-côte. Les images utilisées sur tous nos supports de communication se devaient d'afficher une certaine cohérence visuelle, ou du moins d'être identifiables comme appartenant à un ensemble.

Le choix a donc été fait de créer un bot qui, chaque jour, sélectionne aléatoirement une image livrée par une API1 avant de la transformer radicalement. Les images proviennent de bases de données culturelles en rapport avec les activités de recherche de la Chaire. The Movie Database (TMDb) pour le cinéma, la Réunion des Musées Nationaux (RMN) pour l’art et le patrimoine, et Discogs pour la musique.

L'algorithme se décompose en plusieurs étapes techniques et applique différentes méthodes de traitement et de transformation graphiques :

  • Le bot identifie les contours les plus forts et les extrait sous forme de lignes continues.
  • La méthode des cascades de Haar pour détecter des objets dans une image ou vidéo est basée sur le machine learning. Une "cascade" est constituée d'images de référence ("positives" et "négatives") qui rendent possible l'identification par le bot de l'objet en question. Ici, la cascade de Haar utilisée par notre bot permet l'identification de visages humains.
  • L'image d'origine est floutée grâce à un blur gaussien et recolorisée à l'aide d'une color map, c'est-à-dire un spectre de couleurs qui permet d'attribuer à chaque pixel de l'image d'origine une nouvelle couleur.

L'image floue et abstraite résultant du traitement par le bot permet un rendu homogène dans les couleurs et le ton sur l'ensemble du site et des supports de communication de la Chaire.

Exemple

L'image d'origine est ici une toile d'Alexandre Falguière exposée au Musée d'Orsay, provenant de l'API de la Réunion des Musées Nationaux.

Alexandre Falguière - Lutteurs (1875) Huile sur toile H. 240 ; L. 191 cm © RMN-Grand Palais (Musée d'Orsay) / Hervé Lewandowski
Détection des contours
Détection des visages à l'aide d'une cascade de Haar
Floutage de l'image d'origine et modification des couleurs

Suivez PcEn Bot sur Twitter !

Notes

  1. "L'API peut être résumée à une solution informatique qui permet à des applications de communiquer entre elles et de s'échanger mutuellement des services ou des données." Journal du Net