À l’ère des intelligences artificielles génératives, les images produites par réseaux neuronaux sont fréquemment accompagnées d’un discours d’émerveillement. Elles semblent surgir depuis un espace opaque, se former à partir de calculs invisibles, produire des configurations inédites ou instables. Pourtant, toutes les images générées par IA ne relèvent pas nécessairement du merveilleux. Celui-ci ne se confond pas avec l’émergence puisqu’il prend d’abord la forme d’une apparition programmée, c’est-à-dire d’une image qui semble surgir de manière fluide et presque autonome alors même qu’elle résulte d’opérations de calcul, de sélection, de normalisation, et d’infrastructures matérielles largement invisibilisées. Le merveilleux se construit ainsi dans l’écart entre la fascination pour la surface visible et les conditions techniques, idéologiques, matérielles et écologiques qui organisent cette visibilité.
C’est cet écart que l’article propose d’interroger à partir d’un travail personnel de création-recherche intitulé Rejected (beta). Le projet se présente comme un ensemble de neuf plaques de cuivre disposées en grille, selon une organisation frontale qui rappelle à la fois le tableau typologique, la planche d’archive et l’interface de visualisation. Chaque plaque – de 20 × 20 cm – reçoit une impression sur vinyle transparent contrecollé, laissant affleurer la teinte chaude, brune et réfléchissante du cuivre. Les images apparaissent ainsi comme des surfaces sombres, instables, traversées par des masses noires, des reflets cuivrés, des zones effacées et des formes difficilement identifiables. Certaines évoquent des fragments de figures ou de paysages, mais sans jamais se stabiliser pleinement comme représentations lisibles. Cette indétermination visuelle est centrale puisqu’elle donne à voir des images qui ont bien été produites par le modèle informatique, mais qui demeurent au seuil de la reconnaissance. En effet, contrairement aux usages qui privilégient les productions validées par le Discriminateur du réseau GAN – celles qui répondent aux critères de vraisemblance ou de cohérence appris par le modèle –, Rejected (beta) se concentre sur les images rejetées, non retenues, considérées comme insuffisamment plausibles par le système. Ces formes instables, incomplètes, difficilement identifiables, ne sont pas abordées comme de simples erreurs techniques, mais comme les traces d’un processus de sélection. Elles donnent à voir ce qui n’accède pas au statut d’image recevable.
L’hypothèse défendue ici est que les images rejetées constituent un opérateur critique du merveilleux technoscientifique. Elles interrompent la fluidité du flux génératif, perturbent l’illusion d’une créativité autonome et rendent sensible l’existence d’un régime de validation. Imprimées sur cuivre, elles réinscrivent également l’image algorithmique dans une matérialité dense, conductrice, historiquement liée à la reproduction des images autant qu’aux infrastructures électroniques contemporaines. Le support ne se contente donc pas d’accueillir l’image, mais en déplace plutôt le régime de perception.
L’article se déploie en trois temps. Il s’agira d’abord de définir le merveilleux technoscientifique comme apparition programmée, en mobilisant Lev Manovich et Vilém Flusser. Il montre ensuite, avec Joanna Zylinska et Gilles Deleuze, que le GAN ne produit pas seulement des images, mais une frontière entre formes reconnues et formes rejetées. Enfin, à partir de Wendy Hui Kyong Chun, Timothy Morton et Jussi Parikka, il s’agit de comprendre comment l’impression sur cuivre ouvre une écologie du visible, attentive aux conditions matérielles, énergétiques et perceptives de l’image générative.
Apparition programmée
Le merveilleux technoscientifique ne doit pas être compris comme une propriété intrinsèque des images produites par intelligence artificielle. Une image générée par un réseau neuronal n’est pas merveilleuse par nature. Elle peut le devenir lorsqu’elle est reçue comme une apparition autonome, fluide, difficilement explicable dans ses conditions immédiates. Il faut ici distinguer l’émergence de l’apparition. L’émergence désigne le processus par lequel une configuration visuelle se forme à partir d’interactions multiples – données, calculs, pondérations, probabilités – sans être directement dessinée ou composée à la main. L’apparition désigne, quant à elle, le moment où cette configuration devient perceptible pour le spectateur. Le merveilleux naît lorsque cette apparition semble excéder ses conditions techniques, comme si la forme surgissait d’un espace autonome, alors qu’elle est produite par un ensemble d’opérations encadrées.
Avec Lev Manovich, il devient possible de situer cette logique dans l’histoire des nouveaux médias. En effet, il montre que la variabilité numérique repose sur la modularité des éléments médiatiques. « Stockés numériquement, plutôt que sur un support fixe, les éléments multimédias conservent leur identité propre et peuvent être assemblés en de nombreuses séquences sous le contrôle d’un programme » (MANOVICH : 2001, p. 36). L’image numérique n’est donc pas une entité close, mais une configuration réagençable, produite sous contrôle du programme. Les images génératives prolongent cette logique puisqu’elles ne sont pas seulement modifiables après coup, mais produites d’emblée comme variations. Cette capacité apparente de renouvellement continu nourrit le merveilleux technoscientifique, tout en masquant le caractère programmé de cette variabilité.
Or cette variabilité n’est pas libre, car elle est produite dans un champ de possibilités déterminé. Vilém Flusser permet ici de penser l’image technique comme le produit d’un appareil programmé. Il rappelle que l’appareil photographique « produit des symboles – des surfaces symboliques – de la manière déterminée qui lui a été prescrite », et que chaque photographie « réalise une des possibilités qu’offre le programme de l’appareil » (FLUSSER : 1993, p. 28). Transposé aux images génératives, ce modèle permet de comprendre le GAN comme un appareil qui ouvre un espace de production, mais dont les possibilités sont déjà structurées par une architecture, des données d’apprentissage, des paramètres et des critères d’évaluation. L’image générative semble donc émerger librement, mais elle apparaît à l’intérieur d’une boîte noire dont l’utilisateur ne maîtrise que les entrées et les sorties. Le merveilleux technoscientifique tient précisément à cet écart, comme une opération apparemment simple produit une image fascinante alors que le processus interne demeure largement inaccessible.
Cette perspective permet de reformuler le rapport entre création et technique. Dans les discours promotionnels entourant l’IA générative, l’image est souvent présentée comme le résultat d’une créativité machinique, capable de produire des formes inédites. Cependant, l’approche conjointe de Manovich et de Flusser conduit à nuancer cette idée. Manovich montre que la culture numérique est structurée par la variabilité programmée, tandis que Flusser rappelle que l’appareil détermine un champ de possibles. L’image générative n’est donc ni une pure invention ni une simple copie, elle est une variation produite dans un espace réglé.
Le merveilleux ne disparaît pas pour autant ; il se déplace. Il ne réside plus dans la croyance naïve en une machine créatrice, mais dans l’ambivalence d’un dispositif capable de produire des formes fascinantes tout en rendant partiellement opaques ses conditions de production. L’image générative émerveille parce qu’elle semble excéder la main humaine, mais elle porte aussi les marques de son dispositif, tels des effets de flou, des zones indécises, une homogénéisation des textures, une impression de non-réalité, etc. Ce n’est donc pas l’apparition seule qui est merveilleuse, mais la tension entre une image immédiatement perceptible et un programme dont les opérations restent en grande partie inaccessibles.
C’est précisément cette ambivalence que Rejected (beta) prend pour point de départ. Le projet ne cherche pas à produire les images les plus spectaculaires ou les plus convaincantes du GAN. Il s’intéresse au contraire aux formes qui n’ont pas été retenues. Ce choix déplace l’attention du résultat vers le fonctionnement de l’appareil. En conservant les images rejetées, le projet rappelle que toute apparition générative suppose un champ de possibles déjà structuré, mais aussi un ensemble d’exclusions. Le merveilleux technoscientifique ne se comprend donc qu’à partir de ce double mouvement : faire apparaître et faire disparaître.
Générer, discriminer, rejeter
Si l’image générative peut être pensée comme une apparition programmée, il faut désormais examiner la manière dont cette apparition est validée ou rejetée. Dans un réseau antagoniste génératif (GAN), le Générateur produit des images à partir d’un espace latent, tandis que le Discriminateur évalue leur degré de vraisemblance au regard d’un corpus d’apprentissage. Le GAN ne produit donc pas seulement des images, mais une frontière entre formes recevables et formes non recevables.
Cette frontière est essentielle pour comprendre Rejected (beta). Les images retenues dans le projet ne sont pas celles qui confirment la réussite du modèle, mais celles qui demeurent en marge de sa validation. Elles sont produites par l’algorithme, mais ne parviennent pas à être pleinement reconnues par lui. Elles existent comme productions, mais non comme réussites. Elles occupent ainsi une position paradoxale puisqu’elles sont rendues visibles pour le spectateur, mais rejetées par le système.
Joanna Zylinska permet d’éviter ici toute mystification de la créativité algorithmique puisqu’elle rappelle que l’IA contemporaine repose moins sur une intelligence générale que sur une capacité d’identification statistique. « La nouvelle IA est donc avant tout un agent sophistiqué de reconnaissance de formes » (ZYLINSKA : 2020, p. 25). Les images issues d’un GAN ne surgissent donc pas d’une imagination autonome, mais d’un traitement massif de régularités visuelles. L’image générative résulte d’une économie de reconnaissance où l’algorithme détecte, compare, stabilise et recompose des motifs appris dans les données. Dans le cas de Rejected (beta), cela signifie que l’image n’est jamais simplement produite, elle est avant tout évaluée selon sa capacité à rejoindre un ensemble de motifs déjà reconnus comme plausibles.
Dans cette perspective, le Discriminateur du GAN ne juge pas selon des critères universels de beauté, de vérité ou de réussite artistique, mais évalue la proximité d’une forme avec les régularités du dataset. Ce qu’il valide, ce sont des configurations suffisamment compatibles avec ce qu’il a appris à reconnaître, tandis que ce qu’il rejette, ce sont des formes qui ne stabilisent pas assez ces régularités. Le rejet ne signifie donc pas l’absence d’image, mais une insuffisance de reconnaissance. Les images rejetées deviennent alors les traces d’un écart entre production et validation. Elles existent comme formes générées, mais ne parviennent pas à s’inscrire dans le régime statistique du reconnaissable.
Rejected (beta) prend précisément place contre cette logique de validation esthétique que Joanna Zylinska identifie dans une partie de ce qu’elle identifie comme « AI-driven art ». Pour elle, les projets qui retiennent le plus souvent l’attention publique sont ceux qui réduisent l’expérience esthétique à des formes « symétriques, hypnotisantes, criardes et, avant tout, semblables à ce qui existe déjà » (ibid., p. 49). La « créativité » de ces algorithmes « se réduit ici à la répétition de la même chose » (ibid., p. 50). Or Rejected (beta) déplace cette économie de la ressemblance, ne retenant pas les images qui réussissent à rejouer efficacement les formes déjà reconnues, mais celles qui échouent à s’y conformer pleinement. Les images rejetées ne sont donc pas seulement des résidus du processus génératif, mais constituent le lieu même où se rend perceptible la norme implicite de la reconnaissance. En exposant ce qui n’est pas validé par le Discriminateur, Rejected (beta) fait apparaître l’envers de cette créativité réduite à la répétition, non pas une altérité radicale, mais une perturbation du même, une forme qui résiste à sa stabilisation comme image attendue.
Avec Gilles Deleuze, il devient possible de distinguer la répétition de la simple reproduction. Lorsque le philosophe écrit que « [l]a répétition n’est pas la généralité » (DELEUZE : 1968, p. 7), il refuse de réduire la répétition à la duplication mécanique d’un même modèle. Répéter ne signifie pas seulement refaire le même, mais faire revenir une singularité sous une autre forme. Cette distinction permet de nuancer l’analyse des images génératives dans la mesure où les images produites par un GAN ne copient pas directement les images du dataset, elles recomposent des régularités visuelles – formes, textures, structures, motifs – sous des configurations nouvelles. Elles relèvent d’une répétition différentielle, puisqu’elles viennent du déjà-vu sans se confondre avec lui. Toutefois, dans un GAN, cette différence reste soumise à la reconnaissance. Une variation trop éloignée des régularités apprises ne sera pas validée par le Discriminateur. C’est ici que Rejected (beta) intervient ; les images rejetées sont des différences produites mais non reconnues, des formes issues du processus génératif qui n’ont pas franchi le seuil de validation. Elles rendent visible la friction entre la puissance de variation du modèle et les normes qui décident ce qui peut apparaître comme image recevable. Elles ne sont donc ni de simples erreurs ni des images pleinement accomplies. Cet article propose de les désigner comme des « quasi-images », non pas au sens d’une catégorie théorique déjà stabilisée, mais comme une notion opératoire permettant de nommer des formes générées qui demeurent au seuil de l’image recevable. Une quasi-image est une image produite, mais insuffisamment reconnue ; une apparition amorcée, mais non validée ; une forme qui existe dans le processus sans accéder pleinement au statut d’image légitime.
Cette notion de quasi-image permet de préciser l’originalité du projet. Rejected (beta) ne valorise pas naïvement l’échec. Il ne s’agit pas de dire que l’image rejetée serait plus authentique ou plus libre que l’image validée. Il s’agit plutôt de montrer que le rejet rend perceptible la normativité du processus génératif. Ce que le système rejette révèle ce qu’il attend. Ce qui ne se laisse pas reconnaître rend sensible l’économie de la reconnaissance.
Le projet transforme ainsi le rejet en méthode critique. Dans le fonctionnement ordinaire du GAN, les images rejetées sont destinées à disparaître. Elles servent à améliorer le modèle, à affiner ses critères, à renforcer sa capacité à produire des images plausibles. Dans Rejected (beta), elles deviennent, au contraire, le centre de l’attention. Ce qui devait rester transitoire devient forme exposée. Ce qui devait être éliminé devient archive.
Cette archive n’est pas une simple collection de ratés dans la mesure où elle donne accès à l’épaisseur différentielle du processus génératif. Si, avec Deleuze, la répétition ne se réduit pas à la reproduction du même, alors les images rejetées peuvent être comprises comme des variations issues du déjà-vu, mais incapables de se stabiliser dans une forme reconnue. Elles répètent des régularités apprises – textures, contours, masses, fragments – tout en les déplaçant vers des configurations instables. Leur rejet révèle ainsi la limite du modèle où la différence est produite, mais celle-ci ne devient recevable qu’à condition de rester reconnaissable. Rejected (beta) expose précisément ce point de tension entre répétition différentielle et norme de reconnaissance.
Le merveilleux technoscientifique s’en trouve déplacé. Dans les images validées par le Discriminateur du GAN, le dispositif génératif peut encore entretenir l’illusion d’une puissance créatrice fluide, efficace et presque autonome où l’image semble apparaître comme si elle était naturellement produite par la machine, sans que soient perceptibles les opérations de calcul, d’évaluation et de rejet qui l’ont rendue possible. Le regard se concentre alors sur le résultat – une image cohérente, plausible, reconnaissable – et tend à oublier le processus de sélection qui a permis son apparition.
Dans les plaques de Rejected (beta), cette friction se manifeste d’abord visuellement. Les images ne livrent pas des figures immédiatement identifiables ; elles apparaissent comme des surfaces sombres, trouées par des zones claires ou cuivrées où des silhouettes semblent parfois émerger avant de se dissoudre. Le vinyle transparent laisse remonter la couleur du métal, ce qui trouble encore davantage la distinction entre image imprimée et support. Ce qui est perçu n’est donc pas une scène stabilisée, mais une apparition fragile, presque interrompue, prise entre génération, effacement et matérialisation. Ces images ne se présentent pas comme accomplies, immédiatement lisibles ou illusionnistes. Leur force tient précisément à leur instabilité : formes inachevées, figures partielles, zones obscures, contours incertains, résistances à l’identification. Elles conservent l’étrangeté propre aux images génératives, mais empêchent que cette étrangeté soit immédiatement absorbée par le discours de la performance technologique. Autrement dit, elles ne permettent pas à celle ou à celui qui les regarde de se contenter d’une fascination devant la « réussite » de l’IA.
C’est en ce sens qu’elles empêchent la naturalisation du processus génératif. Une image validée peut donner l’impression que la machine « crée » spontanément, alors qu’une image rejetée rappelle, au contraire, que cette création est traversée par des seuils, des critères et des exclusions. Dans Rejected (beta), cette sélection n’est pas montrée sous la forme d’un schéma technique ou d’une visualisation du code. Elle est rendue sensible par l’aspect même des images, leur inachèvement, leur faible lisibilité, leurs contours incertains et leur résistance à la reconnaissance. Le Discriminateur n’y est pas directement figuré, mais y sont visibles les effets de son opération, à savoir des images qui semblent avoir été arrêtées avant leur stabilisation, comme si elles portaient encore la trace du seuil qu’elles n’ont pas franchi. C’est ainsi que Rejected (beta) donne accès à l’envers du merveilleux technoscientifique, non pas la fluidité apparente de l’apparition, mais les conditions instables, normatives et sélectives qui la rendent possible. L’œuvre rend sensible le fait que l’image générative n’est pas seulement produite, mais aussi jugée, filtrée et hiérarchisée. Là où l’image validée efface la violence discrète de la sélection, l’image rejetée en conserve la trace. Cette sélection opère toutefois à plusieurs niveaux. Il y a d’abord la sélection algorithmique du GAN où le Discriminateur évalue les images selon leur degré de compatibilité avec les régularités apprises dans le dataset. Mais il y a ensuite une seconde sélection, opérée par l’artiste, puisque les neuf images de Rejected (beta) ne sont pas issues d’un prompt textuel, mais d’un ensemble de sorties générées à partir du modèle entraîné sur ImageNet Mini. Elles ont été retenues parce qu’elles manifestaient avec le plus d’intensité cette situation de seuil impliquant faible lisibilité, instabilité des contours, résistance à l’identification, tension entre apparition et effacement. Le geste artistique ne consiste donc pas à supprimer toute discrimination, mais à déplacer son usage… ce qui servait au modèle à éliminer devient, dans ce projet, un critère de visibilité critique. Rejected (beta) ne donne donc pas à voir le merveilleux technoscientifique comme une apparition fluide et autonome. Il en montre plutôt l’envers, à savoir les seuils de reconnaissance, les opérations de rejet et les critères de validation sans lesquels aucune image générative ne devient pleinement visible.
Matérialité et écologie du visible
L’analyse du rejet ne suffit pourtant pas à rendre compte de Rejected (beta). Le projet ne consiste pas seulement à sélectionner des images non validées par un GAN puisqu’il les fait porter par des plaques de cuivre. Ce choix matériel est essentiel car il déplace l’image générative de l’écran vers l’objet, du flux vers la plaque en métal, de la circulation numérique vers une présence dense, conductrice, résistante. Le cuivre n’est pas un simple support esthétique, mais constitue un geste critique.
Dans l’imaginaire contemporain, les images générées par IA sont souvent perçues comme immatérielles. Elles circulent sur des plateformes, apparaissent sur des écrans, se modifient, se téléchargent, se remplacent. Elles semblent appartenir à un régime de fluidité où rien ne s’arrête vraiment. Or cette fluidité est en partie une illusion car les images numériques reposent sur des infrastructures, des matériaux, de l’énergie, des chaînes d’extraction et de production. En imprimant les images rejetées sur cuivre, Rejected (beta) interrompt l’apparente légèreté du flux. Il donne une matérialité durable à des formes qui auraient dû rester instables, transitoires ou éliminées.
Wendy Hui Kyong Chun permet de comprendre pourquoi les opérations numériques deviennent invisibles alors même qu’elles organisent profondément notre expérience des images. Elle insiste d’abord sur l’écart entre ce que nous percevons des technologies et leur fonctionnement réel. Un décalage qui est essentiel pour penser les images génératives qui semblent apparaître immédiatement, comme un résultat fluide, alors qu’elles dépendent d’une série d’opérations qui, elles, demeurent généralement hors du champ perceptif.
Cette invisibilisation tient à l’habitude. Pour Chun, les habitudes sont précisément des « choses qui subsistent en disparaissant de la conscience » (CHUN : 2016, p. X). Autrement dit, ce qui se répète finit par ne plus être perçu comme opération ; ainsi, l’interface paraît naturelle, le flux semble continu, l’apparition de l’image paraît évidente. Dans le cas d’un GAN, les images rejetées relèvent de cette invisibilité fonctionnelle. Elles sont produites, évaluées, puis écartées afin que d’autres images puissent être retenues. Elles participent ainsi au processus génératif, mais disparaissent dans le flux même qu’elles contribuent à structurer.
La logique de l’update permet de préciser cette disparition. « Les nouveaux médias vivent et meurent au rythme des mises à jour : la fin de la mise à jour, la fin de l’objet » (ibid., p. 2). Cette temporalité de la mise à jour produit une continuité apparente, mais cette continuité repose sur une succession d’effacements. Ce qui demeure visible, c’est l’état actualisé, alors que ce qui disparaît, ce sont les états intermédiaires, les essais, les ratés et les formes non retenues.
Rejected (beta) intervient précisément contre cette disparition. Le projet arrête ce qui aurait dû être dépassé, corrigé ou oublié. En isolant les images rejetées puis en les imprimant sur cuivre, il soustrait ces formes à la temporalité de l’updatepour les faire passer dans un autre régime, celui de l’exposition, de la conservation et de la matérialisation. Le cuivre agit alors comme une interruption matérielle du flux numérique. Là où l’update remplace et réécrit, la plaque fixe et conserve. Elle donne une présence durable à des images vouées à l’obsolescence et rend perceptible l’envers du processus génératif, non seulement l’image validée, mais les restes, les seuils et les effacements qui rendent cette validation possible.
Le choix du cuivre possède également une double résonance historique et technique. D’un côté, il renvoie à l’histoire de la gravure, de l’estampe et de la reproduction matérielle des images, où la plaque de cuivre évoque une temporalité lente, artisanale, inscrite dans la matière. De l’autre, le cuivre est un matériau central des technologies électroniques grâce à sa conductivité ; il est ainsi présent dans les circuits, les composants, les infrastructures de calcul. Il relie donc deux régimes de l’image : celui de la reproduction imprimée et celui de la computation contemporaine.
Cette double appartenance donne au support sa force critique. Le cuivre rappelle que l’image numérique n’est pas pure information. Elle est inséparable de matériaux, de métaux, de circuits et d’énergie.
Jussi Parikka offre ici un appui théorique décisif pour déplacer l’analyse des images génératives vers leur matérialité géologique. Dans A Geology of Media, il insiste sur le fait qu’il faut sortir d’une compréhension trop abstraite du numérique, rappelant que les médias numériques ne relèvent pas seulement du traitement de données, mais aussi d’une histoire matérielle faite d’extraction, de minerais, d’énergie et de déchets. À partir de cette perspective, le cuivre de Rejected (beta) ne peut pas être compris comme un simple support esthétique ou symbolique. Il matérialise la dimension géologique du numérique. Parikka invite en effet à déplacer l’attention depuis les dispositifs visibles vers les composants qui les rendent possibles : « au lieu de parler de mise en réseau, il faut se rappeler l’importance du cuivre ou de la fibre optique pour de telles formes de communication » (PARIKKA : 2015, p. 4). Le cuivre rappelle ainsi que l’image générative, même lorsqu’elle semble appartenir à un flux immatériel, dépend d’une chaîne matérielle de conductivité, de calcul, d’extraction et d’infrastructure.
Cette lecture permet de comprendre l’impression sur cuivre comme un geste critique. Rejected (beta) ne se contente pas d’exposer des images rejetées par un GAN, le projet les inscrit dans une matière qui appartient à la fois à l’histoire de la reproduction des images et à celle des infrastructures électroniques. L’image rejetée imprimée sur cuivre devient alors un point de contact entre une opération algorithmique et une histoire matérielle plus vaste, celle des métaux, des circuits, de l’extraction, du travail, de l’énergie et du déchet.
Parikka pousse cette analyse jusqu’à rappeler que les ordinateurs eux-mêmes sont des condensations de temporalités géologiques. « Les ordinateurs sont la cristallisation de deux à trois siècles de développement scientifique et technologique, de connaissances géologiques et de possibilités géophysiques » (ibid., p. 137). Cette phrase permet d’inscrire Rejected (beta) dans une temporalité élargie où l’image générée ne relève pas seulement d’un instant computationnel, mais d’une chaîne longue où se croisent ressources terrestres, infrastructures techniques et opérations algorithmiques. L’image rejetée, fixée sur cuivre, devient ainsi une surface critique où le flux génératif rencontre la profondeur matérielle du numérique.
La matérialité engagée par Rejected (beta) est donc double. Elle est d’abord celle du support : une plaque de cuivre, dense, conductrice, visible, qui arrache l’image au flux numérique pour l’inscrire dans un objet. Mais elle renvoie aussi à une matérialité plus vaste, celle des médias numériques eux-mêmes, qui implique circuits, métaux, infrastructures de calcul, énergie, extraction, déchets. C’est à partir de cette double matérialité que l’on peut définir une écologie du visible. Par cette expression, j’entends une attention portée non seulement aux images qui apparaissent, mais aux conditions techniques, matérielles, énergétiques et perceptives qui organisent leur apparition. Néanmoins, il ne s’agit pas de prétendre rendre entièrement visibles les infrastructures de l’intelligence artificielle ; celles-ci sont trop vastes, trop distribuées, trop complexes pour être saisies dans une seule image. L’IA relève ainsi de ce que Timothy Morton définit comme les « hyperobjets », c’est-à-dire des entités « massivement réparties dans le temps et l’espace » (MORTON : 2018, p. 7), dont nous ne percevons jamais que des manifestations partielles. Les hyperobjets excèdent la perception humaine tout en affectant concrètement nos existences.
Les systèmes d’IA peuvent être approchés selon cette logique car ils ne se réduisent ni à une interface, ni à un modèle, ni à une image générée. Ils impliquent des datasets, des serveurs, des composants électroniques, des réseaux, des infrastructures énergétiques, des travailleurs, des minerais, des déchets. Leur réalité est distribuée. L’image générative n’en est qu’une manifestation locale, une surface d’apparition. Elle ne montre pas le système, mais elle en est l’un des effets.
Dans ce contexte, Rejected (beta) ne cherche pas à représenter totalement l’infrastructure de l’IA. Une telle prétention serait illusoire. Le projet cherche plutôt à produire des formes capables d’en signaler la présence. Les images rejetées ne dévoilent pas tout, mais introduisent une perturbation dans le visible. Le cuivre ne montre pas directement les chaînes d’extraction ou les centres de données, mais rappelle que l’image dépend d’une matérialité que le flux numérique tend à effacer. L’œuvre fonctionne ainsi comme un indice puisqu’elle ne révèle pas intégralement, mais elle oriente l’attention vers ce qui reste hors champ.
L’écologie du visible proposée par Rejected (beta) ne consiste pas seulement à dénoncer l’illusion d’un numérique immatériel, mais cherche à produire une expérience où cette illusion devient perceptible. L’image rejetée y joue un rôle critique car, par son instabilité, son inachèvement et sa résistance à l’identification, elle contrarie le réflexe de reconnaissance qui accompagne les images génératives validées. Elle rappelle que l’image produite par un GAN n’est pas seulement générée, mais aussi évaluée, filtrée, hiérarchisée, parfois écartée. Le cuivre prolonge ce déplacement sur le plan matériel car, par sa densité, sa conductivité et son inscription dans l’histoire des médias et des techniques, il contredit l’apparente fluidité du numérique. Dans le prolongement de Jussi Parikka, pour qui une géologie des médias implique de reconnaître qu’il y a « plus d’exploitation minière que d’exploration de données » (PARIKKA : 2015, p. VIII), le support en cuivre rappelle que les images numériques reposent sur des métaux, des circuits, de l’énergie et des chaînes d’extraction.
La rencontre entre l’image rejetée et la plaque de cuivre crée ainsi une double friction. D’abord une friction perceptive, parce que l’image résiste à la stabilisation comme forme reconnaissable ; puis une friction matérielle, parce que le support arrache l’image au flux numérique pour la fixer dans une matière dense et durable. Rejected (beta) ne rend pas visibles toutes les infrastructures de l’IA – ce qui serait impossible –, mais en signale la présence par des effets de résistance : résistance de la forme à la reconnaissance, résistance de la matière à l’immatérialité supposée. À ce stade, il ne s’agit plus du merveilleux technoscientifique au sens promotionnel du terme, c’est-à-dire de l’émerveillement devant une machine supposée produire spontanément des images. Rejected (beta) ne reconduit pas cette fascination, mais la met à distance. Le merveilleux y subsiste seulement sous une forme critique, déplacée, presque désenchantée. Il ne repose plus sur l’adhésion à la puissance générative de la machine, mais sur la perception des seuils, des exclusions et des matérialités qui conditionnent l’apparition des images. Autrement dit, le projet plastique ne supprime pas le merveilleux, mais en transforme le régime d’expérience.
Conclusion
Rejected (beta) ne se limite pas à une exploration esthétique des images produites par intelligence artificielle. Le projet agit comme un opérateur critique qui déplace le regard, du résultat vers ses conditions, de l’image validée vers l’image rejetée, du flux numérique vers la matérialité du support. Il ne montre pas simplement ce qui échoue, mais rend perceptible ce qui ne parvient pas à être reconnu comme image recevable.
Le merveilleux technoscientifique apparaît alors comme un régime ambivalent. Il repose sur la production d’effets perceptifs fascinants – émergence, variation, fluidité –, mais aussi sur l’occultation des dispositifs qui rendent ces effets possibles. L’image générative ne surgit pas librement, mais apparaît dans un champ programmé, elle est évaluée par des régimes de reconnaissance, elle dépend d’infrastructures matérielles et énergétiques.
En conservant les images rejetées, Rejected (beta) transforme l’exclusion en méthode. Ces quasi-images rendent sensible la frontière entre production et validation. Elles montrent que le visible n’est jamais simplement donné, mais organisé, sélectionné, stabilisé. En les imprimant sur cuivre, le projet prolonge cette critique ; il donne une matérialité durable à ce qui aurait dû rester transitoire et rappelle que le numérique n’est jamais séparé de la matière.
L’œuvre ouvre ainsi une écologie du visible. Celle-ci ne vise pas à tout montrer, mais à rendre attentif aux conditions d’apparition des images qui impliquent des programmes, des datasets, des critères de reconnaissance, des supports ou encore des métaux, de l’énergie, des infrastructures. Le merveilleux n’est donc pas simplement prolongé. Il est mis en crise et reconfiguré. Il cesse d’être une adhésion fascinée à la puissance des machines pour devenir une attention critique aux restes qu’elles produisent et aux tensions matérielles et symboliques qui rendent leurs images possibles.
Notice biographique
Doctorant en arts et science de l’art, option Arts plastiques, à l’université Paris-1 Panthéon-Sorbonne, Antoniy Valchev mène une recherche artistique et théorique sur les algorithmes de l’IA et le canard en plastique comme hyperobjets post-humains. Sa pratique artistique est orientée principalement sur la création d’installations génératives, mais aussi sur des objets graphiques ayant un aspect presque humoristique et ayant souvent comme sujet principal un canard en plastique. Même si son sujet de recherche touche à l’immatériel, au travers de ces créations Antoniy Valchev cherche toujours à revenir à la matière tangible, en convoquant de manière récurrente son altération et sa désorganisation.
