53

Les algorithmes d’apprentissage automatique ( machine learning) et d’apprentissage profond ( deep learning) semblent permettre au design d’envisager les données calculées comme un matériau dont l’intégration dans la conception de produits et services grand public interroge les méthodes et la portée du projet de design. Les formes expérientielles que permet ce matériau sont conversationnelles et diachroniques. Elles incarnent les configurations et les architectures des échanges en mouvements, tels des objets intermédiaires permanents et dynamiques qui synthétisent l’itération entre l’intention du concepteur, le comportement de l’utilisateur et le calcul auto- apprenant de motifs. Théoriquement, la variation de ces formes est infinie. Pourtant, certaines d’entre elles, archétypales, sont récurrentes. Nous explorons la dualité entre les opportunités d’émergences en apparence infinies contre les nécessités du langage ; les opportunités d’encapacitation et les perspectives pour le projet de design.

Algorithm for machine learning and deep learning seem to provide an opportunity for the design project to consider processed data as a material which integration in the design of products and services for a broad audience interrogates the methods and the ambition of the design project. Such experiential forms are conversational and diachronic. They incarnate the settings and architecture of exchanges in movement, as dynamic intermediary objects, synthesizing the interaction between the designer, the user’s behaviour, and the patterns self-learning ability. Theoretically, the variation of such new forms is infinite. But many of them are scouring archetypes. We’re exploring the duality between the perceived emerging opportunities against the language constraints ; the empowerment opportunities as well as perspectives for the project design practice.