Dans un monde o\u00f9 la vid\u00e9osurveillance IA quadrille l\u2019espace public, Bill Swearingen propose une riposte \u00e9l\u00e9gante : des t-shirts rendant leurs porteurs invisibles aux algorithmes. Ce concept hors norme, \u00e0 la crois\u00e9e du hacking visuel et du design, utilise des motifs calcul\u00e9s pour tromper la vision artificielle. D\u00e9cryptage des impressions qui brouillent les pistes et des raisons de leur efficacit\u00e9.<\/p>\n
Bill Swearingen, artiste num\u00e9rique et militant de la vie priv\u00e9e, a transform\u00e9 une faille th\u00e9orique en une collection de v\u00eatements subversifs. Son projet, n\u00e9 de l\u2019\u00e9tude des exemples adversariaux<\/b> \u2014 ces perturbations infimes qui font d\u00e9railler les r\u00e9seaux de neurones \u2014 s\u2019est d\u2019abord appuy\u00e9 sur les travaux montrant qu\u2019un simple autocollant pouvait rendre un objet ind\u00e9tectable. Swearingen a pouss\u00e9 la logique jusqu\u2019au textile, en commercialisant des t-shirts aux allures psych\u00e9d\u00e9liques capables de tromper des d\u00e9tecteurs de personnes comme YOLOv2. Derri\u00e8re la d\u00e9marche esth\u00e9tique se cache un manifeste technopolitique : reconqu\u00e9rir son anonymat dans un espace public satur\u00e9 de cam\u00e9ras intelligentes, en exploitant non pas la discr\u00e9tion, mais au contraire l\u2019exc\u00e8s visuel calcul\u00e9.<\/p>\n
Loin d\u2019un simple gadget, ces v\u00eatements posent une question fondamentale : puisque les machines apprennent \u00e0 nous reconna\u00eetre, peut-on r\u00e9apprendre \u00e0 leur \u00e9chapper en portant un costume de contre-mesure ? La r\u00e9ponse d\u00e9pend enti\u00e8rement des motifs choisis et de leur capacit\u00e9 \u00e0 perturber les hi\u00e9rarchies de caract\u00e9ristiques utilis\u00e9es par l\u2019IA. C\u2019est ce que nous allons d\u00e9composer.<\/p>\n
La vision artificielle, notamment celle des d\u00e9tecteurs d\u2019objets monocoup comme YOLO, proc\u00e8de par couches successives. Les premi\u00e8res captent des contours et des textures \u00e9l\u00e9mentaires ; les couches profondes assemblent ces briques en formes signifiantes \u2014 un \u0153il, une \u00e9paule, une silhouette humaine. Tromper l\u2019IA revient donc \u00e0 saturer ces \u00e9tages de faux signaux<\/b> ou \u00e0 emp\u00eacher la formation d\u2019un cadre englobant coh\u00e9rent<\/b>. Tous les imprim\u00e9s ne se valent pas ; voici les grandes familles qui fonctionnent et leurs m\u00e9canismes.<\/p>\n La puissance de ces motifs tient \u00e0 une caract\u00e9ristique fondamentale des r\u00e9seaux convolutionnels : leur d\u00e9pendance aux corr\u00e9lations locales<\/i>. Un patch adversarial constitue un attracteur visuel tellement marqu\u00e9 qu\u2019il capte toute l\u2019attention du m\u00e9canisme de classification, transformant le reste de l\u2019image en bruit insignifiant. De plus, parce que ces perturbations sont calcul\u00e9es en haute dimension<\/b> et subtilement orient\u00e9es dans l\u2019espace des caract\u00e9ristiques, elles restent pratiquement invisibles pour un \u0153il humain mais d\u00e9forment radicalement la repr\u00e9sentation interne de la machine. Ainsi, porteur d\u2019un t-shirt correctement imprim\u00e9, un individu n\u2019est plus per\u00e7u comme une menace statistique \u00ab personne \u00bb ; il devient une zone textur\u00e9e incompr\u00e9hensible, une anomalie que l\u2019IA pr\u00e9f\u00e8re ignorer.<\/p>\n En d\u00e9finitive, les t-shirts de Bill Swearingen transcendent la provocation en mat\u00e9rialisant une r\u00e9sistance \u00e9l\u00e9gante \u00e0 l\u2019\u0153il des machines. Patchs adversariaux, grilles perturbatrices et leurres anthropomorphes exploitent les failles de la vision artificielle. Si la course au camouflage algorithmique ne fait que commencer, ce concept rappelle que l\u2019IA n\u2019est pas infaillible et que la cr\u00e9ativit\u00e9 humaine peut reprendre le contr\u00f4le de son image.<\/p>\n","protected":false},"excerpt":{"rendered":"\n