Pavillon A
Avec Babylonian Vision, Nora Al-Badri applique la pensée décoloniale et le machine learning au domaine muséal en générant un techno-héritage émancipateur. Sa démarche invite à une double réflexion sur la perte de contexte dans la présentation et l'interprétation des objets patrimoniaux, et sur l'authenticité et la place des œuvres numériques originales dans le paysage culturel.
Babylonian Vision est le fruit de la résidence d’artiste de Nora Al-Badri à l’EPFL durant l’année 2019.
Son travail a consisté à utiliser la technologie GAN (General Adversarial Networks) pour générer des artefacts synthétiques basés sur des objets babyloniens ancestraux. Elle se réapproprie ainsi des ensembles de données culturelles des collections coloniales des musées occidentaux
Le réseau neuronal a été amorcé à partir de 10 millions d’images provenant de cinq musées différents riches des plus grandes collections d'artefacts mésopotamiens, néo-sumériens et assyriens. Les images ont pour la plupart été collectées via le Web, sans l'approbation des institutions (même si une demande a été adressée à chaque musée au préalable), et sur les API ouvertes de deux d’entre elles (MET et Cleveland Museum).
Ces images créées par Nora Al-Badri ne sont pas des photographies. Inspirés par des objets anciens de Mésopotamie, ils ont été produits à l'aide de l'intelligence artificielle. Neuronal Ancestral Sculptures Series © Nora Al-Badri
"Neuronal Ancestral Sculptures Series" © Nora Al-Badri
"Neuronal Ancestral Sculptures Series" © Nora Al-Badri
En utilisant l'intelligence artificielle et les données recueillies à partir de ces collections muséales, Al-Badri a généré des artefacts numériques qui sont à la fois indiscernables des objets originaux et très éloignés d'eux. Alors que les images originales véhiculent le temps et la mémoire, les nouvelles images, synthétiques, évoluent comme une mémoire vivante des objets du passé.
Le programme d'artiste en résidence de l'EPFL est soutenu par le Collège des Humanités et mis en œuvre par EPFL Pavilions.
