TED2016
R. Luke DuBois: Insightful human portraits made from data
R. Luke DuBois: Des portraits humains révélateurs créés à partir de données
Filmed:
Readability: 3.9
1,338,549 views
L'artiste R. Luke DuBois crée des portraits uniques de présidents, de villes, de lui même et même de Britney Spears en utilisant des données et la personnalité. Dans cette conférence, il partage neuf projets -- des cartes du pays créées en utilisant les informations extraites de millions de profils de rencontres en ligne à un pistolet qui tire à blanc dès qu'une fusillade est signalée en Nouvelle-Orléans. Ce qu'il veut démontrer : notre utilisation de la technologie nous impacte, nous et notre culture, et réduire les autres à des points de données nous met en péril.
R. Luke DuBois - Artist, composer, engineer
R. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space. Full bio
R. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space. Full bio
Double-click the English transcript below to play the video.
00:12
So I'm an artist,
0
884
1748
Je suis un artiste
00:14
but a little bit of a peculiar one.
1
2656
1706
mais un artiste un peu particulier.
00:16
I don't paint.
2
4386
1483
Je ne peins pas.
00:18
I can't draw.
3
6434
1284
Je ne sais pas dessiner.
00:20
My shop teacher in high school
wrote that I was a menace
wrote that I was a menace
4
8153
3100
Au lycée, mon professeur de technologie
m'a qualifié de menace
m'a qualifié de menace
00:24
on my report card.
5
12122
1321
sur mon bulletin.
00:25
You probably don't really
want to see my photographs.
want to see my photographs.
6
13953
3599
Vous ne voulez pas voir mes photographies.
00:29
But there is one thing I know how to do:
7
17991
1965
Mais il y a une chose que je sais faire :
je sais programmer un ordinateur.
00:31
I know how to program a computer.
8
19980
1659
Je sais coder.
00:33
I can code.
9
21663
1212
Les gens me diront qu'il y a 100 ans,
00:34
And people will tell me
that 100 years ago,
that 100 years ago,
10
22899
3273
cela n'existait pas,
00:38
folks like me didn't exist,
11
26196
1350
que c'était impossible,
00:39
that it was impossible,
12
27570
2090
que l'art fait de données
est tout nouveau,
est tout nouveau,
00:41
that art made with data is a new thing,
13
29684
2950
que c'est un produit de notre ère,
00:44
it's a product of our age,
14
32658
2142
qu'il est très important
00:46
it's something that's really important
15
34824
1887
de le voir comme
quelque chose de très actuel.
quelque chose de très actuel.
00:48
to think of as something
that's very "now."
that's very "now."
16
36735
2078
00:50
And that's true.
17
38837
1168
C'est vrai.
Mais il y a une forme d'art
qui existe depuis très longtemps
qui existe depuis très longtemps
00:52
But there is an art form
that's been around for a very long time
that's been around for a very long time
18
40029
4110
et qui utilise des informations,
00:56
that's really about using information,
19
44163
1871
des informations abstraites,
00:58
abstract information,
20
46058
2086
pour faire des œuvres
ayant une portée émotionnelle.
ayant une portée émotionnelle.
01:00
to make emotionally resonant pieces.
21
48168
2539
01:03
And it's called music.
22
51080
1408
C'est la musique.
01:05
We've been making music
for tens of thousands of years, right?
for tens of thousands of years, right?
23
53632
3872
Nous faisons de la musique
depuis des dizaines de milliers d'années.
depuis des dizaines de milliers d'années.
Quand vous réfléchissez à ce que c'est :
01:09
And if you think about what music is --
24
57528
1960
des notes, des accords, des clés,
des harmonies, des mélodies,
des harmonies, des mélodies,
01:11
notes and chords and keys
and harmonies and melodies --
and harmonies and melodies --
25
59512
2824
01:14
these things are algorithms.
26
62360
1406
ce sont des algorithmes,
ce sont des systèmes
01:15
These things are systems
27
63790
1827
conçus pour se déployer dans le temps,
01:17
that are designed to unfold over time,
28
65641
2384
pour nous faire ressentir.
01:20
to make us feel.
29
68049
1457
01:22
I came to the arts through music.
30
70195
1612
La musique m'a mené aux arts.
J'étais compositeur
01:23
I was trained as a composer,
31
71831
1388
et, il y a 15 ans,
j'ai commencé à créer des œuvres
j'ai commencé à créer des œuvres
01:25
and about 15 years ago,
I started making pieces
I started making pieces
32
73243
3282
conçues pour observer l'intersection
01:28
that were designed to look
at the intersection
at the intersection
33
76549
2535
01:31
between sound and image,
34
79108
1904
entre le son et l'image,
01:33
to use an image to unveil
a musical structure
a musical structure
35
81036
2832
utilisant une image
pour dévoiler la structure musicale
pour dévoiler la structure musicale
01:35
or to use a sound to show you
something interesting
something interesting
36
83892
2864
ou un son pour vous montrer
une chose intéressante
une chose intéressante
01:38
about something that's usually pictorial.
37
86780
2000
relatif à quelque chose souvent pictural.
01:40
So what you're seeing on the screen
is literally being drawn
is literally being drawn
38
88804
3467
Ce que vous voyez à l'écran est dessiné
01:44
by the musical structure
of the musicians onstage,
of the musicians onstage,
39
92295
2942
selon la structure musicale
des musiciens sur scène
des musiciens sur scène
01:47
and there's no accident
that it looks like a plant,
that it looks like a plant,
40
95261
2532
et la ressemblance avec une plante
n'est pas un accident
n'est pas un accident
01:49
because the underlying
algorithmic biology of the plant
algorithmic biology of the plant
41
97817
3339
car la biologie algorithmique
cachée de la plante
cachée de la plante
01:53
is what informed the musical structure
in the first place.
in the first place.
42
101180
3311
est ce qui a façonné
la structure musicale.
la structure musicale.
01:56
So once you know how to do this,
once you know how to code with media,
once you know how to code with media,
43
104515
3404
Une fois que vous savez comment faire,
comment programmer des médias,
comment programmer des médias,
01:59
you can do some pretty cool stuff.
44
107943
2088
vous pouvez faire des trucs assez sympas.
02:02
This is a project I did
for the Sundance Film Festival.
for the Sundance Film Festival.
45
110055
3477
C'est un projet que j'ai fait
pour le festival du film de Sundance.
pour le festival du film de Sundance.
02:05
Really simple idea: you take
every Academy Award Best Picture,
every Academy Award Best Picture,
46
113905
4004
L'idée est simple : prendre chaque film
ayant gagné l'Oscar du meilleur film,
ayant gagné l'Oscar du meilleur film,
02:11
you speed it up to one minute each
47
119178
2361
les accélérer pour avoir
une minute pour chaque film
une minute pour chaque film
02:13
and string them all together.
48
121563
1581
et les passer tous à la suite.
02:15
And so in 75 minutes, I can show you
the history of Hollywood cinema.
the history of Hollywood cinema.
49
123168
3911
En 75 minutes, je peux vous montrer
l'histoire du cinéma hollywoodien.
l'histoire du cinéma hollywoodien.
02:19
And what it really shows you
is the history of editing
is the history of editing
50
127592
2979
Ce que cela vous montre vraiment
c'est l'histoire de l'édition
c'est l'histoire de l'édition
02:22
in Hollywood cinema.
51
130595
1181
du cinéma hollywoodien.
02:23
So on the left, we've got Casablanca;
on the right, we've got Chicago.
on the right, we've got Chicago.
52
131800
4148
A gauche, nous avons Casablanca ;
à droite, nous avons Chicago.
à droite, nous avons Chicago.
02:27
And you can see that Casablanca
is a little easier to read.
is a little easier to read.
53
135972
2924
Vous voyez qu'il est plus simple
de voir Casablanca.
de voir Casablanca.
02:30
That's because the average length
of a cinematic shot in the 1940s
of a cinematic shot in the 1940s
54
138920
3332
La raison en est que, en 1940,
la durée moyenne d'un plan
la durée moyenne d'un plan
02:34
was 26 seconds,
55
142276
1639
était de 26 secondes
02:35
and now it's around six seconds.
56
143939
2028
contre environ 6 secondes aujourd'hui.
02:38
This is a project that was inspired
57
146999
1744
Ce projet a été inspiré
02:40
by some work that was funded
by the US Federal Government
by the US Federal Government
58
148767
2944
par un travail financé
par le gouvernement fédéral américain
par le gouvernement fédéral américain
02:43
in the early 2000s,
59
151735
1169
au début des années 2000.
02:44
to look at video footage and find
a specific actor in any video.
a specific actor in any video.
60
152928
5828
Le but était de trouver un acteur précis
dans un enregistrement vidéo.
dans un enregistrement vidéo.
02:51
And so I repurposed this code
to train a system on one person
to train a system on one person
61
159605
4676
J'ai adapté ce code pour entraîner
un système à chercher une personne
un système à chercher une personne
02:56
in our culture who would never need
to be surveilled in that manner,
to be surveilled in that manner,
62
164305
3847
qui, dans notre culture, n'aurait
jamais besoin d'une telle surveillance :
jamais besoin d'une telle surveillance :
03:00
which is Britney Spears.
63
168176
1527
Britney Spears.
03:01
I downloaded 2,000 paparazzi
photos of Britney Spears
photos of Britney Spears
64
169727
3492
J'ai téléchargé 2 000 photos paparazzis
de Britney Spears
de Britney Spears
03:05
and trained my computer to find her face
65
173243
2476
et entraîné mon ordinateur
à trouver son visage
à trouver son visage
03:07
and her face alone.
66
175743
1381
et seulement son visage.
03:09
I can run any footage of her through it
and will center her eyes in the frame,
and will center her eyes in the frame,
67
177148
4276
Avec n'importe quelle vidéo d'elle,
il recentrera l'image sur ses yeux
il recentrera l'image sur ses yeux
03:13
and this sort of is a little
double commentary
double commentary
68
181448
2176
et cela est un double commentaire
03:15
about surveillance in our society.
69
183648
2024
sur la surveillance dans notre société.
03:17
We are very fraught with anxiety
about being watched,
about being watched,
70
185696
2992
Nous sommes anxieux
à l'idée d'être observés
à l'idée d'être observés
03:20
but then we obsess over celebrity.
71
188712
2599
mais nous sommes obsédés
par les célébrités.
par les célébrités.
03:24
What you're seeing on the screen here
is a collaboration I did
is a collaboration I did
72
192219
3730
Ce que vous voyez à l'écran
est une collaboration
est une collaboration
03:27
with an artist named Lián Amaris.
73
195973
2556
avec une artiste appelée Lián Amaris.
03:30
What she did is very simple
to explain and describe,
to explain and describe,
74
198553
3874
Ce qu'elle a fait est très simple
à expliquer et à décrire
à expliquer et à décrire
03:34
but very hard to do.
75
202451
1232
mais difficile à faire.
03:35
She took 72 minutes of activity,
76
203707
2851
Elle a pris 72 minutes d'activité,
03:39
getting ready for a night out on the town,
77
207208
2573
se préparer pour sortir en ville un soir,
03:41
and stretched it over three days
78
209805
2089
les a étirées sur trois jours
03:43
and performed it on a traffic island
in slow motion in New York City.
in slow motion in New York City.
79
211918
3588
et les a jouées au ralenti
dans la rue à New York.
dans la rue à New York.
03:47
I was there, too, with a film crew.
80
215949
2219
J'y étais aussi,
avec une équipe de tournage.
avec une équipe de tournage.
03:50
We filmed the whole thing,
81
218192
1252
Nous avons tout filmé
03:51
and then we reversed the process,
speeding it up to 72 minutes again,
speeding it up to 72 minutes again,
82
219468
3401
puis avons inversé le processus
et tout accéléré pour obtenir 72 minutes,
et tout accéléré pour obtenir 72 minutes,
03:54
so it looks like she's moving normally
83
222893
1894
on dirait qu'elle bouge normalement
03:56
and the whole world is flying by.
84
224811
1832
et tout le reste avance à toute vitesse.
03:59
At a certain point, I figured out
85
227091
2576
A un moment donné, j'ai réalisé
04:01
that what I was doing
was making portraits.
was making portraits.
86
229691
2667
que ce que je faisais,
c'était des portraits.
c'était des portraits.
04:05
When you think about portraiture,
you tend to think about stuff like this.
you tend to think about stuff like this.
87
233500
3562
Quand vous pensez à des portraits,
vous pensez à ce genre de choses.
vous pensez à ce genre de choses.
04:09
The guy on the left
is named Gilbert Stuart.
is named Gilbert Stuart.
88
237086
2063
L'homme sur la gauche est Gilbert Stuart.
04:11
He's sort of the first real portraitist
of the United States.
of the United States.
89
239173
3064
Il est le premier portraitiste réaliste
des États-Unis.
des États-Unis.
04:14
And on the right is his portrait
of George Washington from 1796.
of George Washington from 1796.
90
242261
3225
Et à droite, il y a son portrait
de George Washington datant de 1796.
de George Washington datant de 1796.
04:17
This is the so-called Lansdowne portrait.
91
245510
2198
On l'appelle « Portrait de Lansdowne ».
04:19
And if you look at this painting,
there's a lot of symbolism, right?
there's a lot of symbolism, right?
92
247732
3240
Si vous regardez cette peinture,
elle est pleine de symbolisme.
elle est pleine de symbolisme.
04:22
We've got a rainbow out the window.
We've got a sword.
We've got a sword.
93
250996
2660
Il y a un arc-en-ciel à la fenêtre.
Il y a une épée.
Il y a une épée.
04:25
We've got a quill on the desk.
94
253680
1455
Il y a une plume sur le bureau.
04:27
All of these things are meant to evoke
95
255159
1849
Toutes ces choses doivent représenter
04:29
George Washington
as the father of the nation.
as the father of the nation.
96
257032
2448
George Washington comme père de la nation.
04:31
This is my portrait of George Washington.
97
259832
2770
Voici mon portrait de George Washington.
04:35
And this is an eye chart,
98
263776
3009
C'est un tableau d'opticien
04:38
only instead of letters, they're words.
99
266809
2174
mais, à la place des lettres,
il y a des mots.
il y a des mots.
04:41
And what the words are is the 66 words
100
269713
2702
Ces mots sont les 66 mots
que George Washington
a utilisés plus que les autres présidents
a utilisés plus que les autres présidents
04:44
in George Washington's
State of the Union addresses
State of the Union addresses
101
272439
2460
04:46
that he uses more
than any other president.
than any other president.
102
274923
2371
lors de son discours
sur L’État de l'Union.
sur L’État de l'Union.
04:50
So "gentlemen" has its own symbolism
and its own rhetoric.
and its own rhetoric.
103
278020
4202
« Messieurs » a son propre symbolisme
et sa rhétorique.
et sa rhétorique.
04:54
And it's really kind of significant
that that's the word he used the most.
that that's the word he used the most.
104
282246
4592
Et le fait que ce soit le mot
qu'il a le plus utilisé est significatif.
qu'il a le plus utilisé est significatif.
04:58
This is the eye chart for George W. Bush,
105
286862
2119
Voici le tableau oculaire
de George W. Bush,
de George W. Bush,
05:01
who was president when I made this piece.
106
289005
2980
qui était président
lorsque je l'ai réalisé.
lorsque je l'ai réalisé.
05:04
And how you get there,
107
292009
1168
Comment on arrive
05:05
from "gentlemen" to "terror"
in 43 easy steps,
in 43 easy steps,
108
293201
3452
de « messieurs » à « terreur »
en 43 étapes,
en 43 étapes,
05:08
tells us a lot about American history,
109
296677
2060
nous en dit long sur l'histoire américaine
05:10
and gives you a different insight
110
298761
1587
et nous donne un autre aperçu
05:12
than you would have
looking at a series of paintings.
looking at a series of paintings.
111
300372
2937
que celui que nous aurions
en regardant des peintures.
en regardant des peintures.
05:15
These pieces provide a history lesson
of the United States
of the United States
112
303333
3934
Ces œuvres offrent
une leçon d'histoire des États-Unis
une leçon d'histoire des États-Unis
05:19
through the political
rhetoric of its leaders.
rhetoric of its leaders.
113
307291
2256
à travers la rhétorique politique
de ses dirigeants.
de ses dirigeants.
05:21
Ronald Reagan spent a lot of time
talking about deficits.
talking about deficits.
114
309571
2964
Ronald Reagan parlait beaucoup
de déficits.
de déficits.
05:25
Bill Clinton spent a lot of time
115
313135
1565
Bill Clinton parlait beaucoup
05:26
talking about the century in which
he would no longer be president,
he would no longer be president,
116
314724
3284
du siècle durant lequel
il ne serait plus président
il ne serait plus président
05:30
but maybe his wife would be.
117
318032
1611
mais pendant lequel
sa femme le serait peut-être.
sa femme le serait peut-être.
05:33
Lyndon Johnson was the first President
118
321148
2636
Lyndon Johnson fut le premier président
05:35
to give his State of the Union addresses
on prime-time television;
on prime-time television;
119
323808
3182
à donner son discours sur l’État
de l'Union en direct à la télévision.
de l'Union en direct à la télévision.
05:39
he began every paragraph
with the word "tonight."
with the word "tonight."
120
327014
2340
Il a commencé chaque paragraphe
avec « ce soir ».
avec « ce soir ».
05:41
And Richard Nixon,
or more accurately, his speechwriter,
or more accurately, his speechwriter,
121
329378
2666
Richard Nixon, ou plus précisément
son rédacteur de discours,
son rédacteur de discours,
05:44
a guy named William Safire,
122
332068
1328
William Safire,
05:45
spent a lot of time
thinking about language
thinking about language
123
333420
2048
a beaucoup réfléchi au vocabulaire
05:47
and making sure that his boss
portrayed a rhetoric of honesty.
portrayed a rhetoric of honesty.
124
335492
3933
pour s'assurer que son patron
ait une rhétorique d'honnêteté.
ait une rhétorique d'honnêteté.
05:51
This project is shown
as a series of monolithic sculptures.
as a series of monolithic sculptures.
125
339449
2902
Ce projet est un ensemble
de sculptures monolithiques,
de sculptures monolithiques,
05:54
It's an outdoor series of light boxes.
126
342375
2448
un ensemble de négatoscopes
exposés en extérieur.
exposés en extérieur.
05:56
And it's important to note
that they're to scale,
that they're to scale,
127
344847
2430
Il faut remarquer
qu'elles sont en taille réelle
qu'elles sont en taille réelle
05:59
so if you stand 20 feet back and you can
read between those two black lines,
read between those two black lines,
128
347301
3614
donc si vous vous tenez à 7 mètres
et pouvez lire entre les traits noirs,
et pouvez lire entre les traits noirs,
06:02
you have 20/20 vision.
129
350939
1151
vous avez 10/10 de vision.
06:04
(Laughter)
130
352114
1038
(Rires)
06:05
This is a portrait.
And there's a lot of these.
And there's a lot of these.
131
353176
2305
C'est un portrait. Et il y en a beaucoup.
06:07
There's a lot of ways
to do this with data.
to do this with data.
132
355505
3262
Il y a de nombreuses façons
de faire cela à partir de données.
de faire cela à partir de données.
06:10
I started looking for a way
133
358791
1620
J'ai cherché une façon
06:12
to think about how I can do
a more democratic form of portraiture,
a more democratic form of portraiture,
134
360435
4705
plus démocratique
de réaliser des portraits,
de réaliser des portraits,
06:17
something that's more about
my country and how it works.
my country and how it works.
135
365164
4231
quelque chose relatif
à mon pays et à son fonctionnement.
à mon pays et à son fonctionnement.
06:21
Every 10 years, we make a census
in the United States.
in the United States.
136
369419
3801
Aux États-Unis, il y a un recensement
tous les dix ans.
tous les dix ans.
06:25
We literally count people,
137
373244
1458
Nous comptons les gens,
06:27
find out who lives where,
what kind of jobs we've got,
what kind of jobs we've got,
138
375306
3144
découvrons qui vit où,
quel genre d'emplois nous occupons,
quel genre d'emplois nous occupons,
06:30
the language we speak at home.
139
378474
1477
la langue parlée à la maison.
06:31
And this is important stuff --
really important stuff.
really important stuff.
140
379975
2571
Ce sont des choses importantes,
très importantes.
très importantes.
06:34
But it doesn't really tell us who we are.
141
382570
2233
Mais cela ne nous dit pas qui nous sommes.
06:36
It doesn't tell us about our dreams
and our aspirations.
and our aspirations.
142
384827
2671
Cela ne dit rien sur nos rêves
et nos aspirations.
et nos aspirations.
06:39
And so in 2010, I decided
to make my own census.
to make my own census.
143
387522
3390
En 2010, j'ai décidé
de faire mon propre recensement.
de faire mon propre recensement.
06:42
And I started looking for a corpus of data
144
390936
3320
J'ai cherché un ensemble de données
06:46
that had a lot of descriptions
written by ordinary Americans.
written by ordinary Americans.
145
394280
3112
contenant plein de descriptions
écrites par des Américains ordinaires.
écrites par des Américains ordinaires.
06:49
And it turns out
146
397416
1151
Il s'avère qu'un tel ensemble de données
06:50
that there is such a corpus of data
147
398591
1742
06:52
that's just sitting there for the taking.
148
400357
1984
existe et attendait d'être utilisé :
06:54
It's called online dating.
149
402365
1326
les rencontres en ligne.
06:56
So in 2010, I joined 21 different
online dating services,
online dating services,
150
404574
4946
En 2010, je me suis inscrit
sur 21 services de rencontres,
sur 21 services de rencontres,
07:01
as a gay man, a straight man,
a gay woman and a straight woman,
a gay woman and a straight woman,
151
409544
3100
en tant qu'homme et que femme,
homosexuel et hétérosexuel,
homosexuel et hétérosexuel,
07:04
in every zip code in America
152
412668
1617
venant de tous les États-Unis
07:06
and downloaded about
19 million people's dating profiles --
19 million people's dating profiles --
153
414309
3185
et j'ai téléchargé environ
19 millions de profils --
19 millions de profils --
07:09
about 20 percent of the adult population
of the United States.
of the United States.
154
417518
3232
environ 20% de la population adulte
des États-Unis.
des États-Unis.
07:13
I have obsessive-compulsive disorder.
155
421241
1819
J'ai un trouble obsessionnel-compulsif.
07:15
This is going to become
really freaking obvious. Just go with me.
really freaking obvious. Just go with me.
156
423084
3101
Cela va devenir évident.
Contentez-vous de me suivre.
Contentez-vous de me suivre.
07:18
(Laughter)
157
426209
1142
(Rires)
07:19
So what I did was I sorted
all this stuff by zip code.
all this stuff by zip code.
158
427375
3039
J'ai tout trié selon le code postal.
07:23
And I looked at word analysis.
159
431922
1491
J'ai fait une analyse par mots clés.
07:25
These are some dating profiles from 2010
160
433437
2673
Il y a des profils datant de 2010
07:28
with the word "lonely" highlighted.
161
436134
2095
avec le mot « seul » surligné.
07:30
If you look at these things
topographically,
topographically,
162
438253
2981
Si vous considérez cela topographiquement,
07:33
if you imagine dark colors to light colors
are more use of the word,
are more use of the word,
163
441258
3500
un dégradé du plus foncé au plus clair
selon l'utilisation du mot,
selon l'utilisation du mot,
07:36
you can see that Appalachia
is a pretty lonely place.
is a pretty lonely place.
164
444782
4301
vous observez que les Appalaches
sont un endroit où l'on se sent seul.
sont un endroit où l'on se sent seul.
07:41
You can also see
that Nebraska ain't that funny.
that Nebraska ain't that funny.
165
449979
4947
Le Nebraska n'est pas très marrant.
07:48
This is the kinky map,
so what this is showing you
so what this is showing you
166
456385
3655
C'est la carte perverse, elle vous montre
07:54
is that the women in Alaska
need to get together
need to get together
167
462033
3103
que les femmes en Alaska doivent retrouver
07:57
with the men in southern New Mexico,
168
465160
1775
les hommes du sud du Nouveau-Mexique
07:58
and have a good time.
169
466959
1340
et passer du bon temps.
08:00
And I have this
at a pretty granular level,
at a pretty granular level,
170
468323
2866
Je l'ai avec des détails assez rpécis,
08:03
so I can tell you that the men
in the eastern half of Long Island
in the eastern half of Long Island
171
471213
3107
je peux vous dire que les hommes
de l'est de Long Island
de l'est de Long Island
08:06
are way more interested in being spanked
172
474344
1926
apprécient plus la fessée
08:08
than men in the western half
of Long Island.
of Long Island.
173
476294
2225
que ceux de l'ouest de Long Island.
08:11
This will be your one takeaway
from this whole conference.
from this whole conference.
174
479851
2850
C'est ce que vous retirerez
de cette conférence.
de cette conférence.
08:14
You're going to remember
that fact for, like, 30 years.
that fact for, like, 30 years.
175
482725
2740
Vous vous souviendrez de cela
pendant 30 ans.
pendant 30 ans.
08:17
(Laughter)
176
485489
2832
(Rires)
08:20
When you bring this down
to a cartographic level,
to a cartographic level,
177
488655
2423
Quand vous le projetez sur une carte,
08:23
you can make maps and do the same trick
I was doing with the eye charts.
I was doing with the eye charts.
178
491102
3454
vous pouvez reproduire ce travail.
Vous pouvez remplacer
le nom de chaque ville
le nom de chaque ville
08:26
You can replace the name
of every city in the United States
of every city in the United States
179
494580
2817
par le mot qui le plus utilisé
par rapport au reste du pays.
par rapport au reste du pays.
08:29
with the word people use more
in that city than anywhere else.
in that city than anywhere else.
180
497421
2992
Cela prend sens si vous êtes sorti
avec quelqu'un de Seattle.
avec quelqu'un de Seattle.
08:32
If you've ever dated anyone
from Seattle, this makes perfect sense.
from Seattle, this makes perfect sense.
181
500437
3229
Vous avez « jolie »,
« chagrin d'amour »,
« chagrin d'amour »,
08:35
You've got "pretty."
You've got "heartbreak."
You've got "heartbreak."
182
503690
2702
08:38
You've got "gig." You've got "cigarette."
183
506416
2415
« concert » et « cigarette ».
08:40
They play in a band and they smoke.
184
508855
2026
Ils jouent dans un groupe et fument.
08:43
And right above that you can see "email."
185
511604
1984
Juste au-dessus, il y a « email ».
08:45
That's Redmond, Washington,
186
513612
1306
C'est Redmond, dans l’État de Washington,
le siège de Microsoft.
le siège de Microsoft.
08:46
which is the headquarters
of the Microsoft Corporation.
of the Microsoft Corporation.
187
514942
2595
Vous pouvez en deviner certains --
Los Angeles c'est « jouer »
Los Angeles c'est « jouer »
08:49
Some of these you can guess --
so, Los Angeles is "acting"
so, Los Angeles is "acting"
188
517561
2824
08:52
and San Francisco is "gay."
189
520409
1618
et San Francisco c'est « gay ».
08:54
Some are a little bit more heartbreaking.
190
522051
1992
Certains sont un peu plus tristes.
08:56
In Baton Rouge, they talk
about being curvy;
about being curvy;
191
524067
2081
A Baton Rouge, ils parlent
d'avoir des formes,
d'avoir des formes,
08:58
downstream in New Orleans,
they still talk about the flood.
they still talk about the flood.
192
526172
2887
à la Nouvelle-Orléans,
ils parlent de l'inondation.
ils parlent de l'inondation.
09:01
Folks in the American capital
will say they're interesting.
will say they're interesting.
193
529083
2805
Les gens de la capitale
se diront intéressants,
se diront intéressants,
09:03
People in Baltimore, Maryland,
will say they're afraid.
will say they're afraid.
194
531912
2777
ceux de Baltimore se diront effrayés.
09:06
This is New Jersey.
195
534713
1537
Voici le New Jersey.
09:08
I grew up somewhere
between "annoying" and "cynical."
between "annoying" and "cynical."
196
536274
2689
J'ai grandi quelque part
entre « embêtant » et « cynique ».
entre « embêtant » et « cynique ».
09:10
(Laughter) (Applause)
197
538987
4239
(Rires)
(Applaudissements)
(Applaudissements)
09:15
And New York City's
number one word is "now,"
number one word is "now,"
198
543250
2657
Et le premier mot de New York,
c'est « maintenant »
c'est « maintenant »
09:17
as in, "Now I'm working as a waiter,
but actually I'm an actor."
but actually I'm an actor."
199
545931
3246
comme dans « Maintenant, je suis serveur
mais en fait je suis acteur. »
mais en fait je suis acteur. »
09:21
(Laughter)
200
549201
1098
(Rires)
09:22
Or, "Now I'm a professor of engineering
at NYU, but actually I'm an artist."
at NYU, but actually I'm an artist."
201
550323
4295
Ou « Maintenant, je suis prof d'ingéniérie
à NYU, mais en fait je suis un artiste ».
à NYU, mais en fait je suis un artiste ».
09:26
If you go upstate, you see "dinosaur."
202
554642
1925
Vers le nord, vous voyez « dinosaure ».
09:28
That's Syracuse.
203
556591
1151
C'est Syracuse.
09:29
The best place to eat
in Syracuse, New York,
in Syracuse, New York,
204
557766
2073
Le meilleur restaurant à Syracuse
09:31
is a Hell's Angels barbecue joint
called Dinosaur Barbecue.
called Dinosaur Barbecue.
205
559863
2794
est un barbecue Hell's Angels
appelé « Barbecue dinosaure ».
appelé « Barbecue dinosaure ».
09:34
That's where you would
take somebody on a date.
take somebody on a date.
206
562681
2222
C'est l'endroit où sortir.
09:36
I live somewhere between "unconditional"
and "midsummer," in Midtown Manhattan.
and "midsummer," in Midtown Manhattan.
207
564927
3806
Je vis entre « inconditionnel »
et « milieu de l'été », à Manhattan.
et « milieu de l'été », à Manhattan.
09:40
And this is gentrified North Brooklyn,
208
568757
2047
Et voici le nord de Brooklyn embourgeoisé,
09:42
so you've got "DJ" and "glamorous"
and "hipsters" and "urbane."
and "hipsters" and "urbane."
209
570828
3196
vous avez « DJ », « glamour »,
« hipster » et « urbain ».
« hipster » et « urbain ».
09:46
So that's maybe
a more democratic portrait.
a more democratic portrait.
210
574048
2422
C'est peut-être
un portrait plus démocratique.
un portrait plus démocratique.
09:48
And the idea was, what if we made
red-state and blue-state maps
red-state and blue-state maps
211
576494
3069
L'idée était de créer une carte
de la répartition politique
de la répartition politique
09:51
based on what we want to do
on a Friday night?
on a Friday night?
212
579587
2169
selon les sorties faites le vendredi soir.
09:53
This is a self-portrait.
213
581780
1507
C'est un auto-portrait.
09:55
This is based on my email,
214
583770
1257
Il est basé sur mes emails,
09:57
about 500,000 emails sent over 20 years.
215
585051
2969
environ 500 000 emails
envoyés sur plus de 20 ans.
envoyés sur plus de 20 ans.
10:00
You can think of this
as a quantified selfie.
as a quantified selfie.
216
588044
2953
Voyez-le comme un selfie quantifié.
10:03
So what I'm doing is running
a physics equation
a physics equation
217
591021
3094
J'applique des équations physiques
10:06
based on my personal data.
218
594139
1398
à mes données personnelles.
10:07
You have to imagine everybody
I've ever corresponded with.
I've ever corresponded with.
219
595561
2743
Imaginez toutes les personnes
avec qui j'ai parlé.
avec qui j'ai parlé.
10:10
It started out in the middle
and it exploded with a big bang.
and it exploded with a big bang.
220
598328
3399
Cela a commencé au milieu
et a explosé comme un big-bang.
et a explosé comme un big-bang.
10:13
And everybody has gravity to one another,
221
601751
2178
Il y a une gravité entre les personnes,
10:15
gravity based on how much
they've been emailing,
they've been emailing,
222
603953
2261
elle est basée
sur le nombre de mails échangés
sur le nombre de mails échangés
et les destinataires de ces mails.
10:18
who they've been emailing with.
223
606238
1508
10:19
And it also does sentimental analysis,
224
607770
1832
Il y a aussi une analyse sentimentale,
10:21
so if I say "I love you,"
you're heavier to me.
you're heavier to me.
225
609626
2289
si je dis « je t'aime »,
l'autre est plus lourd.
l'autre est plus lourd.
10:23
And you attract to my email
addresses in the middle,
addresses in the middle,
226
611939
2496
Et mes adresses mail,
qui sont au milieu, vous attirent
qui sont au milieu, vous attirent
10:26
which act like mainline stars.
227
614459
2095
comme une étoile centrale.
10:28
And all the names are handwritten.
228
616578
1785
Tous les noms sont manuscrits.
10:30
Sometimes you do this data
and this work with real-time data
and this work with real-time data
229
618917
3708
Parfois, ce travail est fait
en temps réel avec des données actuelles
en temps réel avec des données actuelles
10:34
to illuminate a specific problem
in a specific city.
in a specific city.
230
622649
2947
pour révéler un problème particulier
dans une certaine ville.
dans une certaine ville.
10:38
This is a Walther PPK 9mm
semiautomatic handgun
semiautomatic handgun
231
626071
2676
C'est un pistolet semi-automatique
Walther PPK 9mm
Walther PPK 9mm
10:40
that was used in a shooting
in the French Quarter of New Orleans
in the French Quarter of New Orleans
232
628771
3031
utilisé dans une fusillade
à la Nouvelle-Orléans
à la Nouvelle-Orléans
10:43
about two years ago on Valentine's Day
in an argument over parking.
in an argument over parking.
233
631826
3309
il y a 2 ans, à la Saint-Valentin,
lors d'une dispute pour se garer.
lors d'une dispute pour se garer.
10:47
Those are my cigarettes.
234
635159
1215
Ce sont mes cigarettes.
10:48
This is the house
where the shooting took place.
where the shooting took place.
235
636398
2275
C'est la maison
où a eu lieu la fusillade.
où a eu lieu la fusillade.
10:50
This project involved
a little bit of engineering.
a little bit of engineering.
236
638697
2374
Ce projet a nécessité
un peu d'ingénierie :
un peu d'ingénierie :
10:53
I've got a bike chain
rigged up as a cam shaft,
rigged up as a cam shaft,
237
641095
2215
en guise d'arbre à cames,
une chaîne à vélo
une chaîne à vélo
10:55
with a computer driving it.
238
643334
1316
contrôlée par ordinateur.
10:56
That computer and the mechanism
are buried in a box.
are buried in a box.
239
644674
2766
L'ordinateur et le mécanisme
sont enterrés dans une boîte.
sont enterrés dans une boîte.
10:59
The gun's on top welded to a steel plate.
240
647464
2214
Le pistolet est au-dessus,
soudé à une planche.
soudé à une planche.
11:01
There's a wire going
through to the trigger,
through to the trigger,
241
649702
2345
Il y a un câble pour actionner la détente
11:04
and the computer in the box is online.
242
652071
2191
et, dans la boîte,
l'ordinateur a internet.
l'ordinateur a internet.
11:06
It's listening to the 911 feed
of the New Orleans Police Department,
of the New Orleans Police Department,
243
654286
3233
Il écoute le flux d'appels
de la police de la Nouvelle-Orléans
de la police de la Nouvelle-Orléans
11:09
so that anytime there's a shooting
reported in New Orleans,
reported in New Orleans,
244
657543
2877
afin que, dès qu'une fusillade
est signalée à la Nouvelle-Orléans,
est signalée à la Nouvelle-Orléans,
11:12
(Gunshot sound)
245
660444
1001
(Coup de feu)
11:13
the gun fires.
246
661469
1220
le pistolet tire.
11:15
Now, there's a blank,
so there's no bullet.
so there's no bullet.
247
663300
2350
Il tire à blanc, il n'y a pas de balle.
11:18
There's big light, big noise
248
666008
2074
Cela fait de la lumière, du bruit
11:20
and most importantly, there's a casing.
249
668106
2322
et, très important, il y a un boîtier.
11:22
There's about five shootings
a day in New Orleans,
a day in New Orleans,
250
670452
2396
Il y a 5 fusillades par jour
à la Nouvelle-Orléans,
à la Nouvelle-Orléans,
11:24
so over the four months
this piece was installed,
this piece was installed,
251
672872
2341
au cours les 4 mois
d'exposition de l’œuvre,
d'exposition de l’œuvre,
11:27
the case filled up with bullets.
252
675237
1611
la boîte s'est remplie de balles.
11:29
You guys know what this is --
you call this "data visualization."
you call this "data visualization."
253
677642
3734
Vous savez ce que c'est :
de la « visualisation de données ».
de la « visualisation de données ».
11:34
When you do it right, it's illuminating.
254
682559
2008
Lorsque c'est bien fait, c'est éclairant.
11:36
When you do it wrong, it's anesthetizing.
255
684591
2436
Lorsque c'est mal fait,
c'est anesthésiant.
c'est anesthésiant.
11:39
It reduces people to numbers.
256
687656
1655
Les gens ne sont que des nombres.
11:41
So watch out.
257
689335
1411
Faites attention.
11:44
One last piece for you.
258
692654
1356
Une dernière œuvre.
11:46
I spent the last summer
as the artist in residence
as the artist in residence
259
694466
2782
L'été dernier,
j'étais l'artiste en résidence
j'étais l'artiste en résidence
11:49
for Times Square.
260
697272
1216
à Times Square.
11:50
And Times Square in New York
is literally the crossroads of the world.
is literally the crossroads of the world.
261
698932
3643
A New York, Times Square
c'est le carrefour du monde.
c'est le carrefour du monde.
11:54
One of the things
people don't notice about it
people don't notice about it
262
702599
2177
Une des choses que les gens ignorent,
11:56
is it's the most Instagrammed
place on Earth.
place on Earth.
263
704800
2547
c'est que c'est l'endroit
le plus posté sur Instagram.
le plus posté sur Instagram.
11:59
About every five seconds,
someone commits a selfie
someone commits a selfie
264
707903
2882
Toutes les 5 secondes,
quelqu'un envoie un selfie
quelqu'un envoie un selfie
12:02
in Times Square.
265
710809
1169
depuis Times Square.
12:04
That's 17,000 a day, and I have them all.
266
712424
3249
Cela fait 17 000 selfies par jour
et je les ai tous.
et je les ai tous.
12:07
(Laughter)
267
715697
1085
(Rires)
12:08
These are some of them
with their eyes centered.
with their eyes centered.
268
716806
2292
Dans certains les yeux sont centrés.
12:11
Every civilization,
269
719122
1061
Chaque civilisation
12:12
will use the maximum level
of technology available to make art.
of technology available to make art.
270
720183
2925
utilisera la dernière technologie
pour faire de l'art.
pour faire de l'art.
12:15
And it's the responsibility
of the artist to ask questions
of the artist to ask questions
271
723132
2808
C'est la responsabilité
de l'artiste de poser des questions
de l'artiste de poser des questions
12:17
about what that technology means
272
725964
1631
sur la signification de la technologie
12:19
and how it reflects our culture.
273
727619
2019
et son impact sur notre culture.
12:21
So I leave you with this:
we're more than numbers.
we're more than numbers.
274
729662
2486
Pour nous quitter :
nous sommes, plus que des nombres,
nous sommes, plus que des nombres,
12:24
We're people, and we have
dreams and ideas.
dreams and ideas.
275
732172
2001
des personnes
avec des rêves et des idées.
avec des rêves et des idées.
12:26
And reducing us to statistics
is something that's done
is something that's done
276
734197
2799
Souvent, nous sommes réduits
à des statistiques
à des statistiques
12:29
at our peril.
277
737020
1251
à notre propre péril.
12:30
Thank you very much.
278
738295
1178
Merci beaucoup.
12:31
(Applause)
279
739497
10786
(Applaudissements)
ABOUT THE SPEAKER
R. Luke DuBois - Artist, composer, engineerR. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space.
Why you should listen
R. Luke DuBois is a multidisciplinary artist mining the intersection of art, culture and technology, often expanding or contracting perspectives or timespans to accentuate aspects of each work. As a musician, he has produced a spectrum of electro-acoustic works with a multitude of artists, including Bora Yoon, Bang on a Can and the Freight Elevator Quartet.
As an artist, DuBois focuses on exposing the long narratives created by arcs of data, in the same way that time-lapse photographs expose long swaths of motion in a single image. As a programmer, DuBois is co-author of Jitter, a software suite that allows real-time manipulation of video and 3D imagery.
DuBois teaches at New York University, where he co-directs the Integrated Digital Media program at the Tandon School of Engineering. His artwork is represented by bitforms gallery in New York City.
R. Luke DuBois | Speaker | TED.com