Depuis 1999, le collectif d’artistes RYBN.ORG documente la pénétration de la gouvernementalité algorithmique dans notre société¹, par le biais de récits spéculatifs, de formes artistiques et de protocoles expérimentaux. Procédant par le biais d’enquêtes artistiques extra-disciplinaires², le collectif s’attache à observer des phénomènes et des lieux d’intensité extrêmes – marchés financiers haute-fréquence, marché du micro-travail, circuits financiers offshore – qui concentrent et annoncent de potentielles transformations techniques, politiques et sociétales radicales.

À partir de 2005, avec la série Antidatamining, le collectif s’intéresse au développement du data mining et du Big Data, le conduisant à une déconstruction minutieuse des méthodes du trading algorithmique et à leur exposition à la manière d’un cabinet de curiosités. Cette analyse des structures économiques contemporaines se prolonge en 2017 avec le récit documentaire The Great Offshore qui porte sur les réseaux normalisés de l’économie offshore et, entre autres, sur les méthodes automatisées qui émergent dans le domaine de l’optimisation et de la gestion d’actifs. Enfin, depuis 2015, avec la recherche Human Computers, le collectif s’intéresse au marché du micro-travail³, lieu de l’entraînement et de l’apprentissage des algorithmes et de l’Intelligence Artificielle, vu comme le laboratoire des méthodes extrémisées d’invisibilisation, d’externalisation et d’organisation rationnelle du travail.

Chacun de ces trois projets repose sur des enquêtes médiarchéologiques minutieuses⁴, dont la mise en regard permet de tisser de nouvelles généalogies historiques et techniques et d’éclairer l’instauration d’une véritable gouvernance par les nombres⁵, globalisée et transversale. Ces enquêtes portent sur des corpus de documents variés : archives, brevets, articles de presse, publications scientifiques, livres de vulgarisation, objets techniques, codes informatiques, etc. L’analyse croisée de ces documents permet de nourrir des expérimentations artistiques, qui, par le passage de l’analyse à l’expérience sensible, donnent à comprendre ce qui se dissimule derrière les générations successives d’innovations technologiques : Big Data, algorithmes, Intelligence Artificielle.

Ces expérimentations artistiques exploitent les infrastructures et les protocoles des réseaux (data centres, cloud computing, protocoles human-in-the-loop) pour s’y nicher, et, de là, re-modéliser⁶ et donner à voir le nouvel esprit cybernétique du capitalisme.

1 – Série Antidatamining (2005/2015)

1.1 – ADM 8 (2011)

ADM8 est un algorithme de trading lancé sur les marchés financiers en septembre 2011. Doté d’un investissement de départ de 10.000 USD, il achète et vend inlassablement des actions sur les marchés américains, européens et asiatiques. Depuis sa mise en service, il a réalisé une performance de +8.09 % pour 2328 transactions effectuées en toute autonomie. Son moteur de décision, basé sur un réseau de neurones et entraîné sur les cours historiques, vise à prédire l’évolution des cours à venir.

L’architecture algorithmique du programme, décrite dans ce diagramme, met en avant le caractère éphémère et hautement spéculatif des marchés algorithmiques, où les actions ne sont parfois possédées que quelques microsecondes, ainsi que l’obsession futurologiste de l’algorithmique, qui répète inlassablement les schémas du passé pour forger le futur et favorise ainsi l’émergence de cygnes noirs et de krachs éclairs.⁷

1.2 – ADM X : The Algorithmic Trading Freakshow (2013)

ADM X est un cabinet de curiosité du trading algorithmique. La collection présente une quarantaine de spécimens d’algorithmes de trading qui ont tous failli ou provoqué un problème sur les marchés : krach éclair, gel des comportements collectifs, attaque ciblée et coordonnée, etc. Chaque modèle a été reconstitué à partir de recherches documentaires. La collection, présentée de manière chronologique, propose un voyage à travers le folklore des marchés financiers et souligne l’importance de la transformation des méthodes de trading sous l’influence de l’informatisation et de la mise en réseau des marchés. Certains des modèles présentés dans le cabinet de curiosité ont été reprogrammés par le collectif et sont mis en compétition sur un marché virtuel pour les donner à observer en fonctionnement.

1.3 – ADM XI (2015)

Prolongeant les expérimentations précédentes sur le trading algorithmique et clôturant la série Antidatamining, ADM XI ouvre le territoire d’expérimentation à d’autres artistes pour une compétition de modèles tous plus étranges et singuliers les uns que les autres, cherchant in fine à provoquer par propagation un chaos irréversible sur les marchés.

Trading astrologique, géomantique, numérologique et autres méthodes de prédiction sont actualisés et exploités sur les marchés financiers par les artistes b01, Femke Herregraven, Brendan Howell, Martin Howse, Nicolas Montgermont, Horia Cosmin Samoila, Antoine Schmitt, Marc Swynghedauw et Suzanne Treister.

2 – Série Human Computers (2015, en cours)

2.1 – AAI Chess (2018)

AAI Chess est une œuvre qui rejoue le canular du Turc mécanique de 1770 sur la plateforme de micro-travail de AMAZON MTurk. Des travailleurs, usuellement recrutés pour entraîner des algorithmes, sont rémunérés pour leur participation à une partie d’échecs. Le travail est fragmenté à la tâche, tandis que l’algorithme d’AAI Chess fixe les « salaires » des travailleurs en fonction des données produites au cours de la partie.

Les « salaires » suivent le plus souvent une tendance à la baisse, à l’image de la tendance générale sur la plateforme de micro-travail où, de plus, les fortes contraintes et les dispositifs de surveillance et d’évaluation préviennent de toute velléité d’organisation ou de revendication de la part des travailleurs qui viserait à déjouer le système, voire en tirer profit sur le long terme. En acceptant les tâches proposées par les algorithmes, sans aucune visibilité sur le projet auquel ils contribuent, ni sur le contexte où ils interviennent, les travailleurs perfectionnent toujours un
peu plus un système conçu tout entier contre eux.

3 – Série The Great Offshore (2017, en cours)

Réalisée dans le cadre de l’enquête artistique « The Great Offshore », la série Algoffshore propose des modèles spéculatifs de systèmes automatisés, conçus pour optimiser la gestion d’actifs financiers. Chaque modèle algorithmique est une fiction et un récit autant qu’une œuvre documentaire, reposant sur l’analyse de corpus croisé entre montages fiscaux complexes et brevets de systèmes automatisés. Chaque modèle est aussi un système potentiellement implémentable, audité par des professionnels du secteur concerné.

3.1 – Algoffshore 1 (2017)

Le modèle Algoffshore 1 : Tax Avoidance Scheme Generator, réalisé à partir de l’analyse minutieuse des rescrits fiscaux des Lux Leaks⁸, décrit un processus automatique de montages financiers offshore qui s’appuie sur la malléabilité des législations soumises aux forces des intérêts privés. Ici, la gouvernementalité algorithmique est observée à travers un glissement du pouvoir vers des processus désincarnés et automatisés. Ces derniers facilitent l’émergence de nouvelles formes de gouvernance, venues du secteur privé et qui se propagent jusque dans le cœur des institutions publiques. Ces nouvelles formes de gouvernance font émerger à leur tour une gouvernementalité globale, que nous pourrions définir, à la suite de Benjamin Bratton, comme une méga-structure
accidentelle⁹, ou un Léviathan cybernétique.

3.2 – Algoffshore 2 : Tax Optimizer Through Art (2018)

Algoffshore 2 : Tax Optimizer Through Art porte sur l’utilisation des œuvres d’art comme de simples actifs financiers, sur les mutations du marché de l’art et sur les méthodes d’optimisation fiscale spécifiques de ce marché, déterminées par les législations qui le (dé)régulent. Le modèle s’appuie également sur une étude des différentes infrastructures de stockage des œuvres d’art, jumelées aux réseaux de transactions des titres de propriété, qui fondent le marché de l’art aujourd’hui, tels que les free ports. Le modèle a été audité par les professionnels du secteur, lors de la foire Art Basel en 2018.

3.3 – Algoffshore 4 : Crypto Laundering Machine (2020)

Algoffshore 4 : Crypto Laundering Machine scrute le rôle émergeant de la blockchain et des crypto-monnaies dans les mécanismes internationaux de l’évasion fiscale, de la fraude fiscale et du blanchiment. Basé sur de multiples sources policières, juridiques et institutionnelles, le modèle tente de cristalliser l’institutionnalisation de cette technologie, émergente dans les milieux bancaires offshore, qui parvient à renouveler une image idéaliste de transparence et de confiance, à l’opposé de son usage dans les milieux opaques de la fraude fiscale organisée depuis les places du Luxembourg, de Malte ou de Suisse.

Différentes recherches récentes d’universitaires et d’artistes ont démontré l’entière non-neutralité des algorithmes. Ces derniers sont bourrés de biais¹⁰, qui proviennent aussi bien des phases de conception – l’algorithme reproduisant les biais de son concepteur – que des phases dites d’entraînement et d’apprentissage. Cependant, s’arrêter uniquement sur ces biais pourrait laisser penser que de simples corrections et ajustements permettraient de les rendre plus opérationnels, plus éthiques, et plus justes¹¹. Il s’agit donc, dans une perspective plus critique, d’embrasser la nature profonde des systèmes techniques, de prendre en compte l’intégralité de leurs conditions de production, de circulation et d’usage. Il s’agit de s’intéresser au mode d’existence des algorithmes¹², trop souvent mis à distance du jugement du public par les experts de par leur présumée complexité ou technicité. Cette mise à distance provoque une tension avec le corps social dans son ensemble. Le chercheur Dan McQuillan résume cette tension actuelle avec le concept d’état d’exception algorithmique¹³.

Les projets d’archéologie algorithmique du collectif RYBN.ORG proposent de faire l’expérience de cette situation de tension : par l’exploration de milieux et de temporalités techniques qui nous sont radicalement inaccessibles et profondément étrangers (marchés financiers à la microseconde, avec ADM8) ; par le vertige que provoquent les machines folles et les modalités de gouvernance issues de la finance offshore (avec la série des Algoffshores) ; ou par l’expérience du corps, lorsqu’il est mis au travail par des systèmes techniques (avec le projet Human Computers).

Ces différentes explorations des laboratoires de la gouvernementalité algorithmique nous proposent donc d’en faire l’expérience intime, condition préalable à l’élaboration collective d’une critique raisonnée.

1. Antoinette Rouvroy et Thomas Berns, “Gouvernementalité algorithmique et perspectives d’émancipation. Le disparate comme condition d’individuation par la relation ?” 2013, Réseaux n°177.
2. Brian Holmes, “L’extra-disciplinaire, vers une nouvelle critique institutionnelle,”  Multitudes, 2007.
3. Antonio Casilli, “En attendant les robots”, Ed.  Seuil, 2019
4. Avec les travaux récemment traduits en français de Friedrich Kittler, Grammophone, Film, Typewriter (1999); Jussi Parikka, What is Media Archaeology? (UGA, 2018); and Vilém Flusser, Towards a Philosophy of Photography (1984).
5. Alain Supiot, “La gouvernance par les nombres” Ed. Fayard, 2015; Cours au collège de France 2012/2013, “Du gouvernement par les lois à la gouvernance par les nombres,” 2012, and “Les figures de  l’allégeance,” 2013.
6. Selon l’expression de Shintaro Miyasaki, développée dans son article « Critical Re-Modelling of Artificial, Algorithm-Driven Intelligence as a Form of Commonist Media Practice » Necsus, février 2020.
7. Voir à ce sujet : Benoit Mandelbrot and Richard Hudson, Une approche fractale des marchés: risquer, perdre et gagner, Odile Jacob, 2009; Nassim Nicholas Taieb, Le cygne noir: La puissance de l’imprévisible, Les belles lettres, 2009; Eric Hunsader et al.,  “Financial Black Swans Driven by Ultrafast Machine Ecology,”  SSRN Electronic Journal, February 2012.
8. Lux Leaks, ICIJ.
9. Benjamin Bratton, The Stack. On Software and Sovereignty, MIT Press, 2015.
10. Voir à ce sujet les travaux de : Kate Crawford, “The Hidden Biases of Big Data,” Harvard Business Review, 2013; Danna Boyd, “Undoing   the Neutrality of Big Data,” Florida Law Review 67, 2016; and “Constant, cqrrelations,” 2015/2016.
11. Voir par exemple les discussions sur la AI Fairness, par exemple le post “Fair AI: How to Detect and Remove Bias from Financial Services AI Models”; ou encore l’article “Design AI so that it’s fair,” qui illustrent parfaitement la tendance solutionniste.
12. Le mode d’existence ici fait tout autant référence au livre de Gilbert Simondon’s Du mode d’existence des objets techniques (1958), qu’à celui de Bruno Latour Enquête sur les modes d’existence. Une anthropologie des Modernes, Fayard / la découverte, (2012).
13. Dan McQuillan, “Algorithmic states of exception,” 2015.