NOIR ET BLANC n°65 - Page 7 - 65 Folie Argentique L E M O N D E E T L A C U L T U R E . . . À U N E P H O T O P R È S ? U N E V I S I O N D U M O N D E T O U T S I M P L E M E N T U N I Q U E N O I R E T B L A N C 2 0 2 5 Sommaire C.AAndoni Écolesderobots:LaChine nerigoleplus! 04. N.B09/25 BernarVenet:Larigueurdu chaos dansl’art! 12. Profession:casseurde Glypes...Labellehistoire! 14. Lafacecachéedes plateformesdecontenus 38. JeffKoons:lajoyeuse provocation! 46. L’épuisementdujuste: LeBurnoutdesmilitants 50. Coindufeu:labande dessinéedumois! 68. Laflottefantômedes russes...immersion! 88. Noir&Blancestéditépar: ClotildeAndoniédition 8ruedespeupliers 17000LaRochelle Mensuel:ÉditionSeptembre2025 Directricedepublications: LuciePinzano Rédacteurenchef: TomVong Rédacteuradjoint:MarionMelle Designenchef: MarjorieXheni Aideàlarédaction:CélineBui Aideàlamaquette:RémiBrun Merciànosphotographes:RaphaëlBotin(@Rbotin75)etErwanChateigner(@ECPhotos)pourleurcontribution E N C O U L I S S E S - D A N S L ' É C O L E D E S R O B O T S C H I N O I S ENQUÊTE Dans les coulisses d’une école pour androïdes : bienvenue au pensionnat des machines pensantes En Chine, les humanoïdes ne naissent pas, ils s’éduquent. À Shanghai, dans une sorte d’internat du futur aux allures de laboratoire clinique, une centaine de robots anthropomorphes s’exercent, jour et nuit, à ressembler à ce que nous sommes. R O B O T S É C O L E D E S P. 5 e terme “centre d’entraînement” est presque euphémistique : il s’agit d’une école pour créatures synthétiques, où l’on tente d’enseigner aux corps de silicone et de fibre de carbone ce que des siècles d’humanité ont mis à peine à esquisser – vivre, habiter, manipuler, comprendre. C’est une ruche aseptisée de 3 000 m², une cathédrale sans foi ni prière, où l’on éduque la matière inerte à devenir active, et le geste mécanique à frôler le naturel. Chaque robot, encore pataud, tâtonne. Il rate, recommence, réessaie. Comme un enfant maladroit mais têtu. Dans une “chambre” standardisée, l’un d’eux tente de plier un pantalon – les doigts tremblants, la pression mal dosée. Un autre, dans la cuisine, tente un œuf au plat ou s’échine à faire la vaisselle, sans comprendre le poids symbolique de l’écume. Plus loin, dans un salon échantillonné façon Ikea, un robot replace un vase, caresse la surface d’une table, observe le balai qu’on lui a donné comme s’il cherchait à comprendre son utilité existentielle. Il y a quelque chose de tragique à les voir mimer nos gestes, sans jamais saisir leur nécessité. Des gestes simples, répétés à l’infini : apprendre par l’échec Chaque humanoïde est guidé par un “précepteur” en chair et en os – un opérateur humain, casqué de réalité virtuelle, qui, à distance, joue les marionnettistes d’un ballet technoïde. Il montre, démontre, ajuste. Il y a quelque chose d’aristotélicien dans cette pédagogie par imitation, sauf que l’élève ici est une créature sans mémoire affective. Il faut répéter les mêmes gestes, deux cents fois ou plus, pour qu’un mouvement – verser, attraper, pousser – soit enregistré. Ce n’est plus l’école des loisirs, c’est l’école de la répétition. Une éducation sans intuition, où l’on téléverse du comportement comme on injecte un vaccin. Dans cet univers blanc et muet, les machines apprennent par l’erreur. C’est même leur seul mode d’apprentissage. Et c’est là que réside l’ambiguïté profonde de cette école sans pupitres : elle ne transmet pas des savoirs, mais des réflexes. Le robot ne comprend pas ce qu’il fait, il le reproduit. Il devient une mémoire musculaire sans cerveau. Et peut-être est-ce justement ce que nous sommes devenus, à force d’externaliser nos gestes aux objets. L P. 5 D’où viennent-ils ? Le complexe se divise en cinq zones, comme autant de microcosmes de notre société taylorisée : le foyer, le restaurant, l’usine, le supermarché et le bureau. C’est un théâtre du quotidien réduit à l’essentiel. Tout y est calculé, simplifié, simulé pour que la machine apprenne à jouer son rôle sans poser de questions. On croirait une reconstitution postapocalyptique de ce qu’était notre vie. L’école de la standardisation du vivant À travers ces cinq univers, cent opérateurs humains s’activent pour injecter dans les machines une idée de la normalité. Mais à quel prix ? Les robots ne s’adaptent pas à notre monde – on adapte notre monde pour qu’ils y trouvent leur place. On simplifie les gestes, on rationalise les espaces, on remplace la singularité par l’utilité. Le robot ne plie pas n’importe quel pantalon : il plie le pantalon qu’on lui a appris à plier. Il ne cuisine pas, il suit une procédure. Ce n’est plus l’intelligence artificielle, c’est l’intelligence opérationnelle. AgiBot, ou le rêve industriel d’un dressage universel : Ce centre singulier est le fleuron d’AgiBot – ou Zhiyuan Jiqiren en mandarin –, une entreprise qui ne cache plus son ambition : devenir la “Silicon Valley” des machines incarnées. Elle ne fabrique pas des robots ; elle façonne des travailleurs, des aides, des domestiques du futur. Son site de Shanghai est unique en son genre : le seul centre au monde où l’on entraîne à grande échelle des robots à “fonctionner” dans notre monde. Dans ce monde ultra-contrôlé, l’homme devient une variable accessoire. À trop vouloir enseigner à la machine, ne sommesnous pas en train de désapprendre notre propre humanité ? La pédagogie du robot ne passe ni par l’amour, ni par la peur, ni par la beauté. Elle passe par le code. Et elle nous invite à une inquiétante réflexion : si l’humanoïde est capable d’imiter nos gestes avec une telle précision, alors qu’est-ce qui nous différencie encore de lui ? La conscience ? Ou juste la nostalgie de ce que nous avons perdu ? Données d'interaction physique : la matière du réel décomposée Dans l’école des robots, on ne distribue pas de bulletins ni de récompenses. On collecte. On accumule. On quantifie l'expérience brute, un geste après l'autre. Chaque mouvement effectué par ces créatures à demi conscientes alimente une immense machinerie de données, sorte de moelle épinière d’un futur mécanisé. Chaque jour, entre 30 000 et 50 000 “données machine” sont extraites des efforts, des maladresses et des approximations de ces corps programmables. Des flux invisibles mais fondamentaux, constitués d'informations multidimensionnelles : angle d'approche, tension mécanique, vitesse d'exécution, réponse au contact, reconnaissance des formes. Mais même dans ce système hautement rationalisé, l’imprévisible persiste. Les machines font des erreurs. Elles renversent un verre. Trop salent une soupe. Frôlent une main au lieu d’un objet. Et dans ces fautes, il y a peut-être ce qui les rapproche encore un peu de nous : l’hésitation, la maladresse, le dérapage. Les robots trébuchent sur la logique du monde. Ils sont comme des fantômes qui tenteraient d’habiter une matière qui leur résiste encore. Les opérateurs humains, eux, restent là, en sentinelles patientes du progrès. Casqués, câblés, vigilants, ils guident les androïdes, corrigent leurs gestes comme un maître corrigerait un coup de pinceau à son élève. C’est une pédagogie lente, sans voix, sans regard, sans complicité. Il n’y a pas de sourire entre l’enseignant et l’élève, seulement des impulsions électriques et des micro-ajustements en boucle. L’apprentissage se fait par déformation, par élimination de l’erreur, par écrasement de toute déviation. Un apprentissage fragile, à la merci du contexte Yao Maoqing, cadre dirigeant d’AgiBot, résume avec une lucidité presque gênante le stade de développement : « On en est encore à un stade relativement précoce, avec un taux de réussite d’environ 90 % pour un robot qui doit verser de l’eau sur une table qu’il a déjà vue. » Traduction : la machine réussit – mais seulement dans des conditions contrôlées, répétées, attendues. Présentez-lui une scène légèrement différente, une lumière nouvelle, une courbe inattendue, et tout vacille. La main robotique hésite, les capteurs s’affolent, le geste se dérègle. Comme si la réalité, malgré tous les efforts de simulation, conservait encore une part d’insoumission. Et ce constat est peut-être plus troublant encore : ce que l’on appelle “intelligence artificielle” n’est, pour l’instant, qu’un dressage hyperspécialisé, fragile hors contexte, incapable de relier spontanément deux gestes successifs dans un environnement qu’il ne connaît pas. Le robot sait verser de l’eau. Mais il ne sait pas l’essuyer ensuite. Il ne sait pas quoi faire de la flaque. Il ne sait pas qu’un vase cassé, parfois, ça fait pleurer. L’illusion de la continuité Ce que l'on attend d'un robot humanoïde, ce n’est pas qu’il effectue une action – c’est qu’il enchaîne. Qu’il habite le réel comme nous. Or, à ce jour, cette continuité lui échappe. Chaque action est une île. Chaque mouvement est isolé dans une bulle de contexte hyperdéterminé. Aucune mémoire affective, aucune anticipation naturelle, aucune spontanéité. Le robot est une suite de gestes. Un montage de vidéos sans narration. Il ne sait pas improviser. Il ne sait pas relier le thé au fauteuil, le vase au deuil, le pain au matin. Il est l’exact contraire de l’artiste ou du vivant : il n’a pas d’intuition. Et sans intuition, peut-on encore parler d’intelligence ? L’erreur comme dernier souffle d’humanité N O I R & B L A N C M A G A Z I N E L E M O N D E D E S R O B O T S P. 7 Règne des robots ? no des en o e C’est ici que se situe la grande fracture avec l’IA dite “classique”, celle des LLM (Large Language Models), comme GPT ou Claude : l’intelligence incarnée ne peut se contenter de textes piochés sur Internet. Elle a besoin de chair. De présence. De contact. De vécu. Elle a besoin du frottement avec le monde. Et c’est là que le bât blesse. L’obstacle : un monde encore trop vaste pour les données “La quantité de données liées au fonctionnement des robots est encore trop faible pour atteindre le niveau requis pour alimenter un grand modèle de langage.” — Yao Maoqing, dirigeant d’AgiBot Cette phrase, anodine en apparence, dit tout : le monde est trop vaste, trop instable, trop hétérogène pour être comprimé en un seul cerveau synthétique. L’obstacle majeur au progrès des robots humanoïdes n’est pas la technologie. C’est la réalité elle-même. Trop riche. Trop complexe. Trop chaotique. Il manque les données, toujours. Il manque le vécu, encore. Il manque le vertige du réel. Nourrir le cerveau synthétique : le fantasme d’une conscience sous perfusion Apprendre à une machine à verser un verre d’eau pourrait sembler, de loin, un jeu d’enfant. Mais pour que ce geste devienne généralisable, pour qu’il soit reproductible dans toutes les configurations possibles — lumière tamisée, verre en plastique, carafe déformée, table bancale —, il faut bien plus qu’un simple programme. Il faut une expérience du monde, et cette expérience doit être forgée, alimentée, variée, tordue, jusqu’à ce que le robot comprenne qu’un verre n’est jamais tout à fait un verre, qu’un geste est toujours un peu instable. Les opérateurs, dans ce théâtre blanc, en sont les metteurs en scène méthodiques. Ils déplacent les objets, changent la source de lumière, ajoutent un obstacle, brouillent les repères. Chaque variation devient une donnée. Chaque infime perturbation devient un enseignement. C’est un dressage par le chaos maîtrisé. Et le robot, tel un Sisyphe siliconé, répète inlassablement son geste, jusqu’à ce que le contexte ne soit plus un piège mais un champ de possibilités. L'intelligence artificielle ne pense pas, elle digère Mais ce que le robot acquiert n’est pas une pensée. Ce qu’on appelle ici “capacité IA”, ou puissance cérébrale, n’est pas une conscience. C’est une mécanique de corrélations, nourrie par un flux constant de signaux sensoriels et de métadonnées motrices. Ce que l’humanoïde voit, touche, frôle, rate ou réussit – tout est consigné, analysé, réinjecté dans un grand modèle multimodal (LMM), sorte de cerveau numérique qui compile non seulement du texte, mais aussi des images, des sons, des vidéos, des trajectoires articulaires, des variations de température. P. 9 Le savoir a un coût — surtout quand il est synthétique Former un robot à plier une chemise, verser un verre, ou fermer une boîte n’est pas un exploit. C’est une dépense. Et pas des moindres. Chaque geste appris par un humanoïde a un prix, un coût invisible, mais vertigineux : temps humain, coordination logistique, ingénierie cognitive, validation comportementale, et surtout, un océan de données à injecter. Ce n’est plus de l’enseignement. C’est une industrie. Prenez Optimus, l’humanoïde signé Tesla, censé devenir un ouvrier modèle dans les usines du futur. Il aura fallu mobiliser quarante personnes, durant des heures entières, pour que la machine comprenne comment glisser une batterie dans une boîte. Pas la transporter. Pas la tester. Juste la poser, au bon endroit. Ce qui prend quelques secondes à un humain distrait, coûte ici des centaines d’heures-homme, des milliers de dollars, et une forêt de données. Et si l’on rêve qu’Optimus devienne réellement autonome sur une chaîne de production, alors il faudra multiplier cette dépense par des millions d’heures, pour chaque geste, chaque variation, chaque incertitude du réel. Le tout pour une facture estimée à plusieurs centaines de millions de dollars. La connaissance, dans le monde des machines, n’est pas une flamme qui se transmet : c’est un carburant qu’il faut produire, extraire, épurer et injecter. La grande ruée vers la data incarnée Pour contourner cette impasse, les grandes puissances robotiques ont compris une chose simple : si l’on veut former une armée d’humanoïdes, il faut industrialiser l’enseignement. C’est pourquoi un nombre croissant d’entreprises — AgiBot, bien sûr, mais aussi Fourier, Unitree ou Sanctuary AI — se sont lancées dans la création de centres de collecte massifs, des académies sans pupitres où les robots apprennent à l’échelle industrielle. Ce n’est plus un laboratoire, c’est une fabrique de cerveaux. Une usine à comportement. Chaque robot y reçoit une formation sur mesure, dispensée en face-à-face avec un opérateur humain. Comme un enfant dans une classe unique, mais sans voix, sans récit, sans culture. Juste des gestes à mémoriser. Mais même ce modèle – lent, coûteux, intensif – finit par montrer ses limites. Alors certains ont tenté autre chose : l’apprentissage par imprégnation. Nous assistons ici à une étrange tentative : créer une intelligence sans biographie. Une conscience sans souvenir. Une compétence sans expérience émotionnelle. Nourrir un cerveau sans corps, ou plutôt, avec un corps qui n’a jamais eu peur de renverser, jamais ressenti l’angoisse du geste raté, jamais perçu la valeur rituelle d’un simple verre d’eau servi à un invité. Ce que nous appelons ici “puissance cérébrale”, c’est peut-être notre propre vide projeté dans la machine. N O I R & B L A N C M A G A Z I N E L E M O N D E D E S R O B O T S P. 9 Apprendre par l’image, rêver par l’algorithme Puisque former un robot dans le monde réel est trop cher, trop lent, trop lourd, on a tenté de le nourrir à distance. On lui montre des vidéos. On lui fait observer, en boucle, des mains humaines en action. Des tutoriels de cuisine. Des gestes de bricolage. Des enfants qui rangent leurs jouets. Des centaines, des milliers de scènes du quotidien extraites du web. C’est la version machinique du “regarde et fais pareil”. En mars dernier, AgiBot a dévoilé son prototype le plus ambitieux : Genie Operator-1, premier “modèle généraliste incarné” de Chine. Sa particularité ? Il n’apprend plus uniquement par contact, mais aussi par visionnage. Il regarde des vidéos postées sur Internet – des gestes banals, des routines filmées, des cours de cuisine pour amateurs – et en déduit des principes élémentaires : une casserole bouillante produit des bulles ; une pomme de terre se pèle avant de se cuire ; un couteau coupe. Cela semble magique. Mais c’est encore une illusion. Apprendre par l’image, rêver par l’algorithme Puisque former un robot dans le monde réel est trop cher, trop lent, trop lourd, on a tenté de le nourrir à distance. On lui montre des vidéos. On lui fait observer, en boucle, des mains humaines en action. Des tutoriels de cuisine. Des gestes de bricolage. Des enfants qui rangent leurs jouets. Des centaines, des milliers de scènes du quotidien extraites du web. C’est la version machinique du “regarde et fais pareil”. En mars dernier, AgiBot a dévoilé son prototype le plus ambitieux : Genie Operator-1, premier “modèle généraliste incarné” de Chine. Sa particularité ? Il n’apprend plus uniquement par contact, mais aussi par visionnage. Il regarde des vidéos postées sur Internet – des gestes banals, des routines filmées, des cours de cuisine pour amateurs – et en déduit des principes élémentaires : une casserole bouillante produit des bulles ; une pomme de terre se pèle avant de se cuire ; un couteau coupe. Cela semble magique. Mais c’est encore une illusion. L’apparence du savoir n’est pas le savoir Car derrière cette innovation se cache une contradiction profonde. Observer ne suffit pas. Voir n’est pas comprendre. L’humanoïde peut apprendre que l’eau boue à 100 °C. Mais il ne ressentira jamais la brûlure, l’urgence du retrait, le choc du verre qui casse ou l’odeur du brûlé. Il peut reconnaître un fruit mûr sur une image. Mais il ne saura jamais que sa douceur est liée à l’enfance, ou que sa peau fine annonce l’imminence de la fin. Ce que Genie Operator-1 apprend, c’est une série de raccourcis. Il convertit des pixels en procédures. Mais il ne lie pas les choses entre elles. Il ne lie pas l’acte de cuire à celui de nourrir, ni celui de ranger à celui de préparer le lendemain. Il n’invente pas de narration. Il exécute. La photographie en noir et blanc est une forme d’expression visuelle qui se concentre sur les nuances de lumière, d’ombre et de contraste plutôt que sur la couleur.Elle repose sur une gamme de tons allant du noir profond au blanc éclatant, en passant par une infinité de gris subtils. Cette approche dépouillée met en valeur la composition, les formes, les textures, et surtout l’émotion brute du sujet. 15.03.25 Tout simplement...
NOIR ET BLANC n°65 - Page 7
NOIR ET BLANC n°65 - Page 8
viapresse
