IA pour corriger les biais de genre dans l'art
Une nouvelle étude menée par Demetrius Lewis, professeur adjoint à la School of Business de l'Université de Californie à Riverside, révèle que la classification rétrospective des œuvres artistiques selon des genres modernes peut fausser leur compréhension et leur évaluation. Prenez le film "Sinners" : bien qu'il soit souvent catégorisé comme un film d'horreur en raison de ses vampires sanglants, il utilise ce genre comme une métaphore pour dénoncer le racisme violent du Sud des États-Unis au début du XXe siècle. Cette étiquette actuelle occulte la réalité historique et dramatique de l'œuvre. Ce problème, identifié comme un biais rétrospectif, ne relève pas d'une simple préférence subjective mais constitue un obstacle mesurable qui déforme la découverte et l'appréciation de la création. Les studios utilisent les genres pour le marketing, les plateformes de streaming pour les recommandations et les chercheurs pour analyser l'innovation. Cependant, ces classifications appliquées des années après la sortie d'une œuvre reposent sur des définitions contemporaines qui ne reflètent pas l'intention originale ou la réception du public à l'époque. Les genres évoluent avec le temps. Ce qui définissait un film d'horreur en 1980 diffère considérablement de ce qu'est ce genre aujourd'hui. Le biais rétrospectif conduit à des incompréhensions systématiques, pénalisant particulièrement les œuvres qui traversent plusieurs genres. Souvent, la créativité réside dans cette hybridation, mais les critères actuels peuvent considérer ces œuvres comme confuses ou incohérentes, entraînant une dévalorisation. Pourtant, cette pénalité n'est pas figée. Avec le temps, la familiarité du public avec de nouvelles combinaisons stylistiques permet aux genres de s'élargir et d'absorber ces innovations. Ainsi, le folk-rock créé dans les années 1960 par des artistes comme Bob Dylan, ou l'exploration de la puberté et de l'identité dans le film "Carrie" en 1976, étaient à l'époque des ruptures qui ont enrichi leurs genres respectifs. Pour corriger ces distorsions, l'équipe de recherche a développé un outil informatique basé sur l'intelligence artificielle. Cette technologie utilise de grands modèles de langage pour harmoniser les classifications de genres à travers le temps. L'analyse consiste à demander au modèle d'attribuer des étiquettes de genre deux fois : d'abord en utilisant ses connaissances actuelles, puis en simulant le contexte culturel du moment de la sortie de l'œuvre. En comparant ces deux résultats, le système reconstruit comment une chanson, un film ou tout autre produit culturel aurait été compris lors de sa première apparition. Cette approche offre des avantages tangibles pour les créateurs et les consommateurs. Pour les producteurs, elle permet une évaluation plus équitable de leurs travaux en réduisant les risques de mauvaise classification ou de sous-évaluation des projets audacieux. Ce qui était innovant au moment de sa création est aujourd'hui souvent pris pour acquis, mais l'outil permet de le reconnaitre dans son contexte d'origine. Pour le public, des classifications précises facilitent la découverte et l'interprétation des œuvres. Au lieu d'être guidés par des étiquettes simplificatrices ou erronées, les spectateurs peuvent mieux saisir l'étendue et l'intention réelles d'un film ou d'un album. L'objectif final est d'utiliser ces outils technologiques pour mieux capturer la nature réelle des produits créatifs et la façon dont les gens les ont vécus à leur sortie. Cette méthode permet de rétablir le contexte culturel et historique, assurant que l'innovation ne soit pas effacée par l'évolution des catégories.
