Les réseaux antagonistes génératifs (ou GANs), en intelligence artificielle, sont une classe d’algorithmes d’apprentissage non supervisé. Ils permettent de générer à partir d’une base de données des images parfois abstraites, parfois extrêmement réalistes, parfois les deux à la fois. Bien que quelques solutions nous permettent contre de l’argent de commencer à générer nos propres images en ligne, l’outil reste incompréhensible pour le graphiste que je suis. Les images produites par certains développeurs sont pourtant intéressantes, elles représentent pour moi une version distordue de la réalité, une étrange copie du réel, le monde physique simulé par un algorithme. Cependant, après quelques essais de génération et quelques recherches, les GANs, d’abord présentés comme de nouveaux outils de création, ne semblent pas vraiment trouver leur place dans l’art. Il est en effet difficile pour un artiste de s’emparer techniquement de l’outil, de le décortiquer. J’ai donc décidé d’essayer moi-même, j’ai passé beaucoup d’heures à lire de la théorie et à essayer de comprendre les mécanismes derrière cet algorithme et je suis passé à la pratique. J’ai donc entrepris de produire une police de caractère à partir d’un réseau antagoniste génératif et d’une large base de données typographique, afin d’appliquer cet outil à un nouvel exercice et ainsi évaluer le niveau d’accessibilité des GANs pour les artistes. Le but étant de juger si l’outil est accessible et adaptable en autodidacte et donc réellement utilisable dans les champs du Design Graphique ou si ce dernier, encore jeune et manquant de documentation, est impossible à détourner.
