(E.V)
Deliberate Undertraining: AI as a Device for Deviation
Objective: to explore the aesthetic and operational value of a model trained in a partial and non-conventional way.
Working hypothesis: limiting training can increase the production of formal deviations that can be used as artistic material.
Analytical focus: artifacts, instabilities, stylistic drift, perceptual ambiguities, compositional potential.
Expected outcome: to build a corpus of stylized renderings to serve as a basis for visual and narrative developments.
Working hypothesis: limiting training can increase the production of formal deviations that can be used as artistic material.
Analytical focus: artifacts, instabilities, stylistic drift, perceptual ambiguities, compositional potential.
Expected outcome: to build a corpus of stylized renderings to serve as a basis for visual and narrative developments.
(V.F)
Sous-entraînement volontaire : l’IA comme dispositif d’écart
Objectif : explorer la valeur esthétique et opératoire d’un modèle entraîné de manière partielle et non conventionnelle.
Hypothèse de travail : la limitation de l’entraînement peut accroître la production d’écarts formels, utilisables comme matière artistique.
Angle d’analyse : artefacts, instabilités, dérives stylistiques, ambiguïtés perceptives, potentiel de composition.
Résultat attendu : constituer un corpus de rendus stylisés servant de base à des développements visuels et narratifs.
Hypothèse de travail : la limitation de l’entraînement peut accroître la production d’écarts formels, utilisables comme matière artistique.
Angle d’analyse : artefacts, instabilités, dérives stylistiques, ambiguïtés perceptives, potentiel de composition.
Résultat attendu : constituer un corpus de rendus stylisés servant de base à des développements visuels et narratifs.
(E.V)
Deliberate Undertraining: AI as a Device for Deviation
This exploration is an approach in which artificial intelligence is treated less as a tool for high-performance reproduction than as a device capable of generating deviations. I deliberately trained a model in an incongruous and insufficient manner in order to observe the effects produced by intentionally limited optimization. This methodological choice aims to shift the usual stakes of generation (fidelity, coherence, realism) toward a terrain where the model’s instability becomes an aesthetic resource.
Rather than seeking results aligned with the dominant visual standards of generative AI, I am interested in what the tool produces when operating in a “fragile” zone: artifacts, simplifications, formal drift, accidental textures, and ambiguities of reading. These non-realistic outputs, far from being treated as errors to correct, are handled as a material for creation. They open a margin for interpretation and support the development of forms that aim not for conformity, but for singularity.
In this framework, AI is not mobilized as a generator of finalized solutions, but as a machine for variations and misalignments. The experiment consists in assessing how these stylized renderings can support a process of composition, selection, and transformation, and how a deliberately “imperfect” training can foster the emergence of unique content that is difficult to reproduce through standard uses of the tool.
** Corpus in formation; a visual series is currently in production.
(V.F)
Sous-entraînement volontaire : l’IA comme dispositif d’écart
Exploration où l’intelligence artificielle est abordée moins comme un outil de reproduction performante que comme un dispositif capable de générer des écarts. J’ai entraîné un modèle de manière intentionnellement incongrue et insuffisante afin d’observer les effets produits par une optimisation volontairement limitée. Ce choix méthodologique vise à déplacer l’enjeu habituel de la génération (fidélité, cohérence, réalisme) vers un terrain où l’instabilité du modèle devient une ressource esthétique.
Plutôt que de chercher à obtenir des résultats alignés sur les standards visuels dominants de l’IA générative, je m’intéresse à ce que l’outil produit lorsqu’il opère en zone “fragile” : artefacts, simplifications, dérives formelles, textures accidentelles, ambiguïtés de lecture. Ces sorties non réalistes, loin d’être considérées comme des erreurs à corriger, sont traitées comme un matériau de création. Elles permettent d’ouvrir une marge d’interprétation et de développer des formes qui ne visent pas la conformité, mais la singularité.
Dans ce cadre, l’IA n’est pas mobilisée comme un générateur de solutions finalisées, mais comme une machine à variations et à désalignements. L’expérimentation consiste à évaluer comment ces rendus stylisés peuvent soutenir un processus de composition, de sélection et de transformation, et comment un entraînement volontairement “imparfait” peut favoriser l’émergence de contenus uniques, difficilement reproductibles par des usages standards de l’outil.
** Corpus en formation; une suite visuelle est actuellement en production.