Corollaire: l’effondrement de la fonction d’onde, ou comment la nature d’un Drake change en fonction de la manière dont on l’observe ?

Bon. C’est évidemment un peu une joke. Mais c’est aussi une assez bonne introduction à ce qui s’est passé ici.

Quand je demande à Gpt Astra de générer une image, j’observe grosso modo le processus suivant :

1. Il interprète et reformule ma demande : “Je vais créer X, en conservant les caractéristiques de Y, tout en faisant Z.”
2. Il transmet ensuite cette intention à ImageGen : deuxième niveau d’interprétation, deuxième boîte noire.
3. ImageGen renvoie une image.

Et comme dans une expérience scientifique, une question finit rapidement par apparaître : qu’est-ce qui est reproductible ?

En prenant des notes sur ma méthode, je me suis aperçu que je manipulais finalement les mêmes composants qu’une expérience : des variables que je pouvais modifier, d’autres que je pouvais observer, et tout un équilibre à trouver entre les deux.

Independent variable: The factor that the researcher deliberately changes or manipulates.

Dans mon cas : l’image de référence, son rôle, et surtout l’encadrement sémantique que je lui donne.

Dependent variable: The factor that is measured or observed to see how it responds to the changes.

Dans mon cas : comment le modèle réagit quand je modifie une variable plutôt qu’une autre, ce qui dérive, et surtout ce qui persiste d’une génération à l’autre. En conversation classique, tu itères, mais la logique finit par se perdre dans l’historique et là c’est le drame, ca commence à “drift and slop”. Tu dois te souvenir de ce que tu as changé, de quelle référence faisait quoi, etc.

le problème ne date pas d’hier, je m’amusais deja a expliquer à gpt 4o de quoi etait composé les variables de la compositions avec mes étudiants, et mes première note sur les variables dans les modèles de diffusion date de 2023, à l’échelle de l’AI on a l’impresison que c’etait le siècle dernièr
voir le workshop plAImobyl

Je renouvelle souvent mes éxperiences, les progrès des modèles et ma propre comprehension de cette pratique qu’on peut qualifier de co-création ou design assister par IA, on parlais bien de PAO (publication assisté par ordinateur) depuis les années 80, un peu de contexte et de mise en perspective ne font jamais de mal

Pour djiiz.art, j’avais besoin d’un fil conducteur pour accompagner mes explorations.

J’avais cette illustration réalisée en 2021 : un singe posé devant un vieux Macintosh. J’aimais toujours l’image. Le Macintosh, premier hardware devenu presque iconique dans l’imaginaire des designers de la Silicon Valley, faisait toujours sens.

Le singe, un peu moins.

Me présenter comme un gros primate pendant que je déroulais mes derniers projets n’était peut-être pas exactement le meilleur personal branding possible.

J’ai donc essayé quelque chose de très simple : mélanger les images.

ref1:image du singe devant un **macintosh**
ref2:image du **red drake**

gen image : a 3d render clay illustration of the **red drake** sitting in front 
of the **macintosh** - same pose - no bg alpha transparency

negative : no fire, no rim light

Le Drake gardait suffisamment de son identité pour devenir autre chose, tout en reprenant la composition et l’intention de l’image originale.
J’avais ma mascotte.
Sauf qu’évidemment, je ne me suis pas arrêté là.

Une fois le principe validé, j’ai commencé à changer les variables.

Une pose. Un métier. Un matériau. Une expression. Une échelle. Parfois même la nature complète de l’objet.

Le Drake est devenu cinéaste, skateur, data analyst, alchimiste, ouvrier, peluche, figurine, pixel art, araignée et probablement quelques trucs que j’ai déjà oubliés.

Environ quarante variations plus tard, l’expérience avait largement dépassé le test initial.

Ces personnages sont aujourd’hui dispersés dans tout djiiz.art. Ils accompagnent les projets, illustrent les idées et participent directement à la direction artistique du site.

Ce qui avait commencé comme une expérience de génération était devenu un système visuel.

Gagner une fois au jeu, vous etes chanceux, gagner tout le temps ? il ya un truc !

Produire une bonne image une fois, c’est une chose.

En produire quarante sans perdre progressivement l’identité du personnage en est une autre.

Plus mes expériences devenaient complexes, plus la conversation classique montrait ses limites : références empilées, instructions modifiées, branches abandonnées, variantes difficiles à retrouver…

Et surtout cette éternelle question :

qu’est-ce que j’ai changé entre cette image et celle-là ?

C’est précisément là que les nodes sont devenus intéressants.