Une étude montre que des invites structurées guident l'IA vers des motifs dayaks
Des chercheurs ont développé une méthode innovante pour guider les générateurs d’images par intelligence artificielle vers le respect des traditions visuelles des peuples dayaks du Sarawak en Malaisie. Cette approche s’appuie sur l’intégration directe de données ethnographiques et sémiotiques dans les instructions textuelles fournies aux modèles de diffusion. L’objectif est de contrer la tendance des outils actuels à homogénéiser les cultures du monde en une esthétique générique et superficielle.
Une méthode rigoureuse
Pour structurer ces descriptions, l’équipe s’est inspirée de l’analyse iconographique de l’art et de la sémiotique structurale afin de décoder chaque motif selon sa géométrie, sa représentation naturelle et sa narration cosmologique. Le travail de terrain a permis de documenter trente-deux motifs à travers divers supports artisanaux comme la vannerie, le tissage et la sculpture sur bois. Une sélection de dix motifs représentatifs a ensuite été soumise à l’évaluation d’un panel d’experts composé d’universitaires et d’artisans locaux.
Des résultats probants
Les tests comparatifs ont révélé que les images générées à l’aide de consignes structurées obtenaient des scores nettement supérieurs en matière de fidélité matérielle, de rigueur morphologique et d’intégrité culturelle. Les auteurs ont également mené des expériences de contrôle pour prouver que la qualité des résultats découlait de la structure sémantique et non de la simple longueur du texte. Les consignes intègrent par ailleurs des contraintes négatives strictes pour écarter les esthétiques inadaptées et éviter les mélanges inappropriés entre différentes traditions autochtones.
Enjeux pour les peuples
Cette démarche soulignent les risques éthiques liés à l’utilisation non autorisée de symboles sacrés et à la décontextualisation d’objets culturels par les technologies numériques. Les chercheurs insistent sur la nécessité de replacer les détenteurs de savoirs traditionnels au cœur du processus de conception pour garantir leur souveraineté sur les données. Les limites de l’étude portent sur la taille restreinte du panel d’évaluation et sur la nécessité de tester cette approche auprès d’autres communautés autochtones.
Perspectives d’avenir
La structuration des consignes textuelles démontre qu’il est possible d’influencer les modèles génératifs sans modifier leurs paramètres internes, offrant ainsi une piste pour préserver les patrimoines visuels menacés. Les perspectives envisagées incluent l’élargissement de la taxonomie à d’autres peuples, le développement de systèmes multilingues et la création d’interfaces communautaires permettant aux artisans de contrôler directement les productions visuelles.
Résumé rédigé par Clans et Tribus d’après Bioengineer.org.
