Sujet 01. L'inventaire du visible

Contacts : t.bucher@penninghen.fr | c.salaun@penninghen.fr Groupes : 3 à 4 personnes

L'intitulé

Constituer collectivement un dataset de plusieurs milliers d'éléments, réparti entre les groupes, l'annoter, le documenter — puis en faire un objet graphique.

Deux temps, deux exigences. D'abord un corpus rigoureux. Ensuite une forme : le dataset devient un sujet de direction artistique, pas un dossier technique.

Pourquoi un gros volume

Raison technique. Deux régimes coexistent :

Régime	Ce que le modèle sait au départ	Volume nécessaire
From scratch	rien, pas même ce qu'est un contour	des milliers d'exemples
Fine-tuning / LoRA	presque tout, il a vu des centaines de millions d'images	quelques dizaines à quelques centaines

Vous construisez un corpus commun assez large pour que les deux restent possibles au sujet 03.

Raison pédagogique. À cent images, on regarde tout, on décide seul, tout reste cohérent. À plusieurs milliers, c'est mécaniquement impossible : il faut répartir, donc écrire des conventions, donc négocier.

Vous travaillerez sur un ensemble dont personne n'aura vu tous les éléments. C'est la situation exacte de ceux qui construisent les modèles aujourd'hui : personne chez OpenAI n'a vu le corpus d'entraînement de GPT.

Question ouverte, à traiter dans le rendu : combien faut-il d'éléments ? Il n'y a pas de bonne réponse. Ça dépend de la diversité collectée, de la finesse visée, de la cohérence des annotations. Situez votre seuil et justifiez-le.

Les étapes

1. Choix du sujet — une thématique créative mal couverte par les IA généralistes
2. Question de recherche — transformer le sujet en hypothèse testable
3. Collecte — la part du corpus commun attribuée au groupe
4. Grille d'annotation — catégories, définitions, cas limites
5. Annotation — étiquetage selon la grille, en parallèle
6. Validation croisée — deux annotateurs sur un même échantillon : où divergent-ils?
7. Mise en forme — le corpus devient un objet visuel

Transformer un sujet en question

« Je veux faire un dataset d'affiches. »

devient

« Quels signes graphiques permettent à une machine de distinguer une affiche de film d'horreur d'une affiche de comédie romantique ? »

Un dataset n'est pas une collection de fichiers. C'est un choix de regard, de catégories et de critères.

Mise en forme technique

Nommage cohérent, arborescence claire, un fichier de métadonnées.

dataset/
    glitch_analogique/
        001.jpg
    glitch_numerique/
        001.jpg

fichier csv:

filename,class,source,auteur,date,annotateur,confiance
001.jpg,glitch_analogique,...,...,...,TB,haute

À vérifier avant rendu : pas de doublons, formats homogènes (JPG/PNG), classes à peu près équilibrées, sources tracées, droits vérifiés.

---

Le rendu graphique

C'est la moitié du sujet.

Votre corpus contient des milliers d'éléments, des catégories, des déséquilibres, des désaccords entre annotateurs, des cas qui ne rentrent nulle part. Tout ça est de la matière visuelle. Vous devez la prendre en charge comme un sujet de dataviz et de direction artistique : donner à voir ce que personne ne peut voir en ouvrant le dossier.

Format libre. Livre, film, keynote, affiche, site, installation, édition imprimée, dispositif — au choix, à assumer.

Ce que la forme doit rendre visible (pas tout, mais quelque chose) :

• l'échelle réelle du corpus
• la distribution entre catégories, et ce qu'elle déforme
• les cas limites, les éléments qui ont fait débat
• les désaccords entre annotateurs
• ce que vous avez exclu, et pourquoi
• la part du visible que votre grille ne sait pas nommer

Ce n'est pas une planche contact. Aligner 5000 vignettes n'est pas une visualisation : c'est un mur. On attend un parti pris — un angle, une échelle, un dispositif de lecture, une hiérarchie. La question à vous poser : qu'est-ce que je veux faire comprendre, et quelle forme le fait comprendre le plus vite ?

Thématiques suggérées

Modèles de plâtre de Penninghen · grilles de mise en page · typographies expérimentales · esthétiques de l'erreur (glitchs, bugs) · matières et textures · éclairages · outils et traces de création.

Livrables

• Dataset organisé : fichiers médias + .csv
• Grille d'annotation : définitions, cas litigieux, arbitrages
• Restitution visuelle : le corpus mis en forme, format libre
• Présentation : ce que vous avez cherché, ce que la forme révèle

Évaluation

Critère	Poids
Richesse et documentation du dataset	20 %
Cohérence de l'annotation (validation croisée)	20 %
Restitution visuelle et parti pris éditorial	50 %
Présentation de la démarche	10 %

Objectifs

Technique : comprendre concrètement ce qu'est un dataset · Critique : éprouver les biais depuis l'intérieur · Créatif : faire d'un corpus de données un objet graphique · Collaboratif : négocier des critères esthétiques · Prospectif : préparer le sujet 03.

Références

Giorgia Lupi · Louis Eveillard · Thierry Fournier · Estelle Henriot · Studio Chevalvert · Samuel Bianchini · Claire Malrieux · Gwénola Wagon · Hadjithomas & Joreige · Boris Müller