Jean-Pascal M.

La meilleure façon de ne pas avancer est de suivre une idée fixe (J. Prévert)

Archive for the ‘Design Génératif’ Category

Ascendance 2018 – Qu’est ce qui monte, qui monte, qui monte ?

Posted by Jean-Pascal sur 5 juillet 2018

Qu’est ce qui monte, mais reste sur place ? Qui est invisible mais effrayant ? Qu’on recherche jusqu’à un certain point, et qu’on fuit ensuite ?

Le réchauffement planétaire.

J’ai évoqué précédemment plusieurs grandes variables environnementales disponibles permettant de suivre l’évolution de notre écosystème mondial. La température est la plus médiatisée de ces variables, dont l’évolution est qualifiée de préoccupante. Bien que cette évolution soit largement expliquée et fasse consensus, elle reste difficile à percevoir directement.

Je présente ici un travail commencé en 2017, nommé Ascendance, nom des courants d’air chaud appréciés des rapaces ou des parapentistes puisqu’ils permettent de monter sans fatigue. Il s’agit d’une des sculptures élaborées à partir des données les plus brutes possibles : 70 millions de mesures prises sur toutes les surfaces émergées du globe, pour la période 1901-2016. Les quatre dernières années sont particulièrement chaudes. Les données proviennent du National Center for Atmospheric Research.

La chaleur du monde du début du vingtième siècle à nos jours.

Donner à toucher le réchauffement planétaire.

Rendre tangible la menace.

Soupeser notre situation.

5 Ascendances, sculptures 3D en PLA, peintes, hautes d’environ 30 cm.

3 angles de vues d’Ascendance #1, sculpture 3D des températures du globe de 1901 à 2016

Les données brutes ont été intégrées dans un fichier Excel, puis nettoyées et moyennées (via un VB script maison) afin d’obtenir une valeur par mois depuis le janvier 1901 jusqu’à décembre 2016.

J’ai ensuite importé ces données dans Blender / Sverchok et j’ai testé plusieurs représentations spatiales et plusieurs types de rendus. Voici celui qui a eu ma préférence :

Voici une animation qui montre la logique de construction :

J’ai ensuite imprimé le modèle en 3D (CURA + Ultimaker Extended 2), et je l’ai peint avec de la peinture en bombes biodégradable, en essayant de reproduire le gradient de couleur du modèle 3D.

J’aime beaucoup le fait de pouvoir prendre en main ces données, et de pouvoir les passer de main en main. Le « poids des chiffres » est bien là, le réchauffement visible à partir de 1980 alourdissant le haut de la sculpture.

Pourquoi des sculptures, pourquoi une mise en scène ? Le site Des images et des actes défend l’idée que pour marquer les esprits sur le changement climatique, des nouveaux codes visuels devaient être utilisés : l’image de l’ours polaire sur sa banquise fondante ne parle plus, et est trop distante. Une étude de Climate Outreach conforte cette idée. Dans cette étude, de nombreux participants ne voyaient pas par exemple le lien entre une photo d’un homme devant un énorme steak et le réchauffement planétaire. Pas plus que l’image d’une famille en voiture. L’idée du réchauffement planétaire reste, pour beaucoup, abstraite. Je dois avouer que j’ai également ce sentiment quand j’essaie de me représenter l’impact d’un degré d’augmentation moyenne de température.

Toutefois, nous devons garder à l’esprit qu’il faudrait inverser la courbe de CO² d’ici 2020 selon la revue Nature pour atteindre les objectifs de la COP21 et rester sous le seuil des 2° d’augmentation en 2100. Difficile d’être optimiste c’est pourquoi je pense qu’il est important de rechercher des nouveaux moyens de représenter ces enjeux.

Mes autres articles sur le Data Art et le design génératif sont listés sur cette page.

Publicités

Posted in data art, Design, Design Génératif, parametric design | Tagué: , , | Leave a Comment »

Data(land)scape – Évolution d’un bord de mer à partir d’un siècle de données

Posted by Jean-Pascal sur 11 juin 2018

L’affiche ci dessus est le résultat d’une évolution lente, douce à l’échelle individuelle, imperceptible et pourtant radicale. Il s’agit du changement de notre environnement sous de poids de la présence humaine et de ses actions. La chronologie est visible sur le timelapse qui suit, décennies par décennies.

Datascape – Timelapse de plus d’un siècle montrant un paysage virtuel de bord de mer évoluant à la manière de notre monde.

Quelle étrange idée, et pourquoi représenter cette évolution de manière défavorable alors qu’on peut lire ici ou là que l’humanité progresse, que l’accès aux soins ou à la connaissance est facilité en général, et qu’internet réunit tous les humains connectés au sein d’une même famille ? Hé bien il ne s’agit pas d’un choix de ma part, puisque le sens de l’évolution – tel qu’il est montré ici – est déterminé par des données ouvertes.

Je suis simplement parti d’une question : Si on représentait l’évolution du monde sur un unique paysage, que verrait-on ? Je pense à un paysage virtuel sur les plages duquel des immeubles pousseraient. Pousseraient d’autant que la population mondiale augmenterait. Et – pourquoi pas – diminuerait si celle-ci venait à se réduire. Et si le ciel se teintait de brume selon la pollution du moment ? Et le niveau de la mer ne monterait-il pas avec la fonte des glaces ou – à nouveau pourquoi pas – ne baisserait-il pas si un refroidissement moyen était mesuré ? Et surtout, pourrait-on rêver de vivre en ce lieu, ou rêver de le quitter, déçu par son évolution ?

Allons-y, jouons sur un bord de mer en utilisant des données mondiales disponibles depuis 1901 jusqu’à aujourd’hui. Les données que j’ai utilisé sont décrites dans l’article précédent : Quelques données appréciables* sur l’Homme dans son milieu. J’ai retenu de travailler sur quelques variables uniquement, dont voici une vue synthétique de leurs évolutions :

Température, population, CO² de l’atmosphère, couverture nuageuse et précipitations annuelles moyennes mondiales de 1901 à 2016. Sources CRU CY4, Our World In Data, the Great Acceleration.

Voici comment ces variables sont traduites pour produire un paysage :

  • La température influe la couleur et la force du soleil, ainsi que la transparence de l’air
  • la population influe la couleur du sol, la diminution du nombre d’arbre et l’augmentation du nombre de parasols (jusqu’à un point limite), augmente le nombre d’immeuble et leur taille
  • Le CO² influe la transparence de l’air, la position du soleil, le nombre d’oiseaux, le niveau de la mer.
  • la couverture nuageuse moyenne influe sur la taille des nuages
  • La violence des précipitations augmente l’inclinaison des arbres

Les choix présentés ci-dessus sont arbitraires mais ils restent simples. Par exemple, l’augmentation du CO² augmentant l’effet de serre et donc la fonte des glaces, il détermine le niveau de la mer. L’élévation du niveau de la mer réduit les surfaces habitables et, pour les immeubles se retrouvant les « pieds dans l’eau », ceux-ci sont abandonnées et prennent la forme de ruines.

J’ai choisi de positionner le soleil également selon le niveau de CO² : pour un niveau de CO² pré-industriel, le soleil se lève. Par contre, pour un niveau impliquant une élévation de 2°, le soleil se couche complètement, symbolisant le crépuscule d’une certaine humanité.

Ces principes étant posés, il reste à regarder le résultat, produit automatiquement. On constate immédiatement une tendance du ciel bleu vers un coucher de soleil, avec une transformation qui accélère fortement sur la deuxième partie du 20ème siècle.

Voici la vue initiale, en 1901 :

Voici une vue de l’année 1981. Le paysage a bien changé. Les congés de masse, la déforestation, la pollution, le réchauffement ou l’élévation du niveau de la mer n’y sont pas étrangers.

Ce résultat illustre ce les chercheurs de l’IGBP appellent la « Grande Accélération ». Je n’ai utilisé que quelques valeurs, mais ces chercheurs ont identifié de nombreuses autres croissances exponentielles telles que celles de la consommation d’énergie, d’eau ou de forêts tropicales, du nombre de  transports ou des voyages de tourisme. Il faut bien avoir à l’esprit une chose toute simple. Toute croissance liée à la consommation d’une ressource limitée atteint un moment sa limite. Cela est encore plus vrai pour une croissance exponentielle, mais la notion d’exponentielle est difficile à percevoir. Pour ma part, j’en ai déduit une règle enfantine :

Croissance Exponentielle = Problèmes à l’Horizon.

J’ai publié de nombreuses images intermédiaires sur le compte twitter @GlobalDatascape.

Voici une image comparant, depuis le même point de vue mais à 115 ans d’écart, cette plage.

Même plage, présentés en symétrie, mais sans bouger la caméra pendant 115 ans !

D’autres posters seront ajoutés sur le site https://datartjp.wordpress.com/

Si certaines années vous intéressent en particulier, contactez moi en message privé, par exemple sur twitter (@jean_digital). Je peux réaliser des affiches personnalisées grand format à la demande.

Quelques références complémentaires :

 

 

Posted in Architecture, écologie, data art, Design, Design Génératif, parametric design | Tagué: , , | Leave a Comment »

L’humanité fossilisée – le choc de sculptures (2/2)

Posted by Jean-Pascal sur 10 décembre 2017

Il serait intéressant de donner vie aux animaux modélisés dans l’article précédent. Ces animaux, dont les caractéristiques sont déterminées par les données de consommation et de production de ressources de différents pays, pourraient s’appeler des datarthropodes : une forme de vie animale obtenue par sélection… artificielle… de données.

Voici une version plus longue du film explicatif et comparatif entre différents datarthropodes, pays par pays.

Maintenant, pour matérialiser des fossiles sans attendre, il faut court-circuiter la nature, qui met des années à minéraliser des animaux. J’ai donc imprimé un datarthropode du monde par impression 3D, en 2 parties réunies ensuite pour voir une forme de plus de 20 cm de long.

J’ai ensuite réalisé un moulage silicone après avoir créé une enceinte en argile autour du modèle :

20171115_192143

Moulage silicone avec enceinte en argile

20171115_194225

Moule silicone

J’ai testé différentes matières et différents méthodes de moulage, avec pour objectif de produire des fossiles durs et résistants. Comme je me suis dit que le béton fin serait parfait pour cela, j’ai  testé celui de The French Viking, deux types super sympas et talentueux rencontrés à la Maker Faire 2017 de Paris. Il fournissent un béton très fin, solide, et pouvant être teinté dans la masse grâce à des pigments multicolores.

Il suffit de 24 heures au béton pour sécher et être prêt à démouler.

Ce diaporama nécessite JavaScript.

Le datarthropode de gauche est peint à la laque, celui de droite à la peinture acrylique.

Pour plus de photos, vous pouvez consulter ma galerie DatArtJP.

D’autres moulages vont suivre que je posterai probablement ici ou sur la galerie.

Mes autres articles sur le Design Génératif et le Data Art sont ici

 

 

Posted in data art, Design, Design Génératif, DIY | Tagué: , | 2 Comments »

L’humanité fossilisée – le choc des sculptures (1/2)

Posted by Jean-Pascal sur 31 octobre 2017

Empreinte de consommation

Je suis tombé récemment sur le site du Global Footprint Network qui fournit une source de données remarquable : la traduction de l’ensemble de nos activités humaines sous la forme d’un indicateur unique. Cet indicateur, nommé l’empreinte carbone de consommation, permet de se faire une idée de l’utilisation que nous faisons, pays par pays, depuis 1961, de nos ressources naturelles.

Par exemple, pour la France, cet indicateur permet d’établir la croissance de 1961 à nos jours (en rouge sur la courbe ci-dessous). Notre utilisation est traduite en équivalent d’hectares nécessaires à notre consommation (ou Global Hectar). Source.

GFN - France per capita

Sur la courbe, la croissance semble modérée, mais un deuxième indicateur permet de mettre l’empreinte de consommation en perspective. Il s’agit de l’empreinte de production, à savoir ce que le pays est capable de régénérer comme ressource tous les ans. Il s’agit sur le schéma de la courbe verte.

Là où le bas blesse, c’est que notre consommation est supérieure à notre production, depuis 50 ans au moins, soit grâce à l’utilisation de ressources non renouvelables, soit par l’importation. Nous sommes endettés !

Le choc des sculptures

Puisque nous parlons d’empreintes fossiles, pourquoi ne pas fabriquer des (faux) fossiles reprenant les caractéristiques de chacun des pays ? Les fossiles illustrent visuellement et intuitivement la mortalité des espèces.

Ces fossiles pourraient ressembler à des scolopendres, sans etre trop ressemblantes car ces bêtes carnassières m’effraient pathologiquement. Si vous arrivez à regarder cette page plus d’une minute, vous êtes bien plus courageux que moi.

Le principe :

  1. le diamètre du corps évolue d’après la consommation écologique du pays. Un anneau par année.
  2. si la consommation est supérieure à la production, des pattes apparaissent, d’autant plus longues qu’il y a surconsommation.
  3. la taille des mandibules est définie selon la consommation écologique par habitant. La taille des mandibules est aussi proportionnée à la taille de la tête.

Appliqué au monde, on obtient ceci :

NF60600

Et voici la représentation obtenue pour une vingtaine de pays, sous la forme de poster :

Humanité-fossilisée-HD

Mes autres articles sur le Design Génératif et le Data Art sont ici :

 

 

Posted in data art, Design Génératif, parametric design | 3 Comments »

« Gouttes de pollution » – Voir la pollution en peinture

Posted by Jean-Pascal sur 28 août 2017

Tenerife-Cycle0010.png

« Gouttes de pollution, Tenerife ». Santa Cruz, Tenerife, le 25 aout à 7 heures du matin. L’ile de Tenerife est réputée, d’après les agences de voyage, pour la transparence de son eau et la qualité de son air. La réalité est très différente au nord de l’île, dans la ville de Santa Cruz où se trouve la raffinerie de Pétrole de la Compañía Española de Petróleos S.A. Malgré les remontrances de la commission européenne pour la présence en grande quantité de métaux lourds et d’hydrocarbures toxiques, la population de Santa Cruz est tout simplement en danger depuis de nombreuses années. Score AQI : 776, Hazardous+. Source : Consejería de Educación, Universidades y Sostenibilidad – Gobierno de Canarias.

J’explore dans cette série « Gouttes de pollution » la possibilité de représenter la pollution des grandes villes sous la forme de tableaux abstraits, en imitant la technique de « dripping » inventée par Jackson Pollock. Cette démarche a l’intérêt de proposer une forme visuelle facilement perceptible de la pollution, quand celle-ci est généralement invisible (à part sous forme de brouillard). L’impression générale de densité, de saturation et de nervosité est proportionnelle à la pollution réelle des lieux représentés. Pour cela, j’utilise les informations mesurées par les stations du monde pour déterminer sous quelle forme et en quelle quantité de la peinture doit être projetée. Tous les traitements, de la récupération des données au calcul du rendu final, sont réalisés avec le logiciel Blender.

Comme le souligne l’OMS, la pollution de l’air est alarmante dans le monde, et inégalement répartie. Bien sûr, ce sont les habitants des grandes villes qui en souffrent le plus directement, mais les points de concentration de particules fines les plus remarquables sont en général autour des usines de production d’énergie ou de pétrole.

Voici ci-dessous une représentation de Paris, la ville la plus polluée de France, mais qui reste bien en dessous des seuils de danger la majorité du temps.

Paris.png

« Gouttes de pollution, Paris ». Ce 9 juin 2017 à 9h du matin, le taux de particules fines PM2.5 est quelque peu élevé : des personnes particulièrement sensibles comme des enfants asthmatiques pourraient être légèrement incommodées, mais la qualité de l’air est globalement considérée comme acceptable par les normes. Score AQI : 62, Moderate. Source AirParif – Association de surveillance de la qualité de l’air en Île-de-France. 

Les scientifiques observent que ce sont les villes les plus pauvres qui sont les plus polluées alors que les villes d’Europe de l’ouest s’en tirent bien. Une des raisons profondément inégalitaires est que nous importons des produits ayant pollué des centres de production situés hors d’Europe. Par exemple, la chine nous fournit nombre de nos produits manufacturés à partir de pétrole depuis ses usines, usines qui elles même consomment de l’électricité chinoise très carbonée (charbon).

EErduosi-Cycle0007.png

« Gouttes de pollution, Eerduosi ». Eerduosi (Ordos), situé en Chine, est une agglomération particulièrement riche en ressources naturelles. L’extraction du charbon, les traitements pétrochimiques, l’industrie textile et la production d’électricité permettent à Eerduosi (Ordos) de prospérer.  L’agglomération composée de plus d’un million d’habitants est extrêmement  exposée à la pollution de l’air, comme en cette fin d’après-midi ou le score en particules fines est au-delà des échelles d’évaluation. Toute la population est en risque immédiat. Ne faudrait-il pas évacuer en urgence ? Score AQI : 693, Hazardous+ (http://aqicn.org/city/eerduosi/).

Par contre nos agglomérations françaises moyennes bénéficient d’un air généralement sain.

Nantes-Cycle0004.png

« Gouttes de pollution, Nantes ». Nantes, France, le 25 aout à 10h du matin. Le niveau de pollution est faible, la qualité de l’air est satisfaisante, sans risque pour les habitants dont les enfants peuvent pratiquer du sport en extérieur. Score AQI : 25. Good. Source Air Pays de la Loire.

D’un autre côté, il est effarant de constater que les villes à l’air le plus nocif sont en Inde, au Pakistan ou au Nigéria. En France, nos concentrations en particules fines sont – au pire – 10 fois moindres, mais Paris reste en tête, bien devant des agglomérations plus petites comme Nantes.

Delhi-Cycle0010.png

« Gouttes de pollution, New Delhi ». Journée normale à New Delhi, pourtant les concentrations en particules PM2.5 (AQI : 135) sont très élevées.

Je tiens à remercier le World Air Quality Index (http://aqicn.org) qui fournit une API unique permettant de suivre en temps réel les relevés de pollution des stations du monde. Cet institut utilise une échelle standard de qualité de l’air, l’AQI (Air Quality Index), qui est basée sur la mesure de la concentration en particules fines PM10 et PM2.5, ainsi que sur les concentrations en CO, NO2, SO2 et O3. Un score allant de 0 à 500 est établi pour chacun de ces éléments, les valeurs supérieures à 100 étant problématiques. En particulier, les particules fines sont très régulièrement au-dessus des recommandations de l’OMS, notamment les particules inférieures à 2.5 nm qui peuvent pénétrer sans les poumons et même dans le flux sanguin.

Comment pouvons-nous représenter visuellement des concentrations de gazes nocifs et de particules fines quand l’un et l’autre sont transparents ? Je fais ici la proposition d’utiliser la technique dite de « dripping » développée par Jackson Pollock, technique qui consiste à faire goutter de la peinture sur une toile au sol, en veillant à conserver un mouvement naturel et à répartir globalement plusieurs couches de peintures de couleurs différentes. Cette notion de répartition, nommée « all over » est assez similaire avec le comportement des gazes et particules qui ont tendance à utiliser tout l’espace disponible.

J’ai utilisé les taux de particules pour décider du nombre de gouttes à projeter sur le tableau, et les concentrations en gaz pour les traits de peintures. Globalement, plus la toile est « chargée » d’éléments, plus la pollution est là.

Je n’ai pas pu représenter les villes les plus notoirement polluées, car les informations fournies pour ces villes sont trop lacunaires et ne me donnaient pas les 6 indicateurs que j’utilise. Par exemple, il n’y a pas de stations permanentes dans les villes africaines, alors que Aba, Kaduna ou Onitsha, toutes trois au Nigeria, sont 3 des 10 villes les plus polluées au monde.

J’ai donc choisi, un peu au hasard à l’exception de Paris et de Nantes, quelques villes aux valeurs remarquables ces derniers jours. Le site World Air Quality Index permet de naviguer en temps réel sur les pollutions de la planète. J’ai choisi des villes aux pollutions élevées (New Delhi, Shanghai) ou extrêmes (Eerduosi en Chine, Sderot en Israel, Santa Cruz de Tenerife en Espagne ou Monclova au Mexique). D’autres villes suivront certainement.

Shanghai_north-Cycle0005.png

« Gouttes de pollution, nord de Shanghai ». A Hongkou Liangcheng, au nord de Shanghai, en cet après-midi du 25 aout 2017, comme souvent la pollution est perçue de tous et gène immédiatement les plus sensibles. La santé des enfants est mise en danger principalement par les particules fines PM2.5 très présentes, qui pénètrent facilement leurs poumons. Score AQI : 151, Unhealthy. Source : Shanghai Environment Monitoring Center (上海市环境监测中心).

 

Sderot-Israel-Cycle0004.png

« Gouttes de pollution, Sderot ». Sderot, Israel. En ce matin du 25 aout, l’air est à nouveau saturé de particules PM10. Cela est peut être la conséquence de l’arrêt des stations d’épuration de la bande de Gaza faute d’électricité. En effet, les eaux très polluées de gaza arrivent sur les plages israéliennes qui ont dû être fermées en juin. Des pompes récupèrent l’eau polluée et la font transiter vers le centre d’épuration de Sderot qui tourne à plein. Au delà de la grave pollution de l’eau, les particules fines empoisonnent l’air de toute l’agglomération, dont la santé est gravement en danger. Score AQI : 663, Hazardous+. Source Israel Ministry of Environmental Protection.

 

Monclova-Mexico-Cycle0010.png

« Gouttes de pollution, Monclova ». L’air de Monclova, au Mexique, est totalement saturé de particules fines (PM10 et PM2.5) avec des concentrations largement supérieures aux limites supérieures des classifications. L’air est également rempli d’ozone, d’ammoniaque, de méthanol et d’acide formique ! L’origine principale est connue, il s’agit de la centrale au charbon de 2600 Mégawatts, mais aussi l’agriculture sur brûlis. Le vent qui souffle du sud pousse la pollution en direction du Texas. La visibilité du Big Bend National Park est diminuée jusqu’à 60% ! Pourtant le Mexique souhaite continuer de développer l’énergie charbon car sa capacité de production d’électricité est encore faible. Score AQI : 869, Hazardous+. Source : INECC – Instituto Nacional de Ecologua y Cambio Climatico.

 

Pour aller plus loin :

Mes autres articles sur le Design Génératif et le Data Art sont ici

Posted in data art, Design Génératif | Tagué: , , , , , , | 3 Comments »

Data Art (3/3) – Information, interprétation, représentation

Posted by Jean-Pascal sur 14 mai 2017

Dans cette troisième partie, je présente tous les éléments pour réaliser du Weather Art. Le code source est téléchargeable à la fin de l’article. Le résultat est visible en ligne.

1/ Information : obtenir des informations météorologiques en temps réel.

Il existe de nombreux services fournissant des informations à jour via des API gratuites. Wikipedia en dresse une liste (très) partielle. Pour cette première expérience, je me suis appuyé sur l’API d’Open Weather Map,simple et gratuite. Les données sont riches et il est même possible d’accéder à des informations de pollution (CO, O3, SO2, NO2).

Open Weather Map impose de s’inscrire pour obtenir une clef. Ensuite, l’appel à une URL comme celle qui suit suffit à faire une requête pour la météo à Paris.

http://api.openweathermap.org/data/2.5/weather?q=Paris,FR&APPID={code API ici}

Les données sont obtenues par un appel à une URL et un JSON est retourné immédiatement. Des exemples parlants sont proposés dans la documentation. Le résultat est très immédiatement parlant. Voici un exemple à Paris :

{
  "coord":
     {"lon":2.35,"lat":48.85},
  "weather":[
     {"id":800,"main":"Clear","description":"clear sky","icon":"01d"}
   ], 
   "base":"stations",
   "main":
     {"temp":279.81,"pressure":1006,"humidity":70,
     "temp_min":279.15,"temp_max":280.15},
   "visibility":10000,
   "wind":{"speed":2.6,"deg":160},
   "clouds":{"all":0},
   "dt":1488524400,
   "sys":
     {"type":1,
     "id":5615,
     "message":0.0104,
     "country":"FR",
     "sunrise":1488522466,"sunset":1488562671
   },
   "id":2988507,
   "name":"Paris",
   "cod":200
}

2/ Représentation

J’aime beaucoup les formes générées grâce à du bruit Perlin. Des nombreux exemples « classiques » en design génératif utilisent cette fonction mathématique, pour produire des espaces 2D ou 3D plutôt naturels.

Voici deux exemples tirés du site http://genekogan.com/code/p5js-perlin-noise/

L’idée est de faire se déplacer des particules sur un espace 2D réalisé en bruit Perlin. Voici ce que l’on peut obtenir (exemple également tiré du site de genekogan) après quelques secondes de déplacement des particules. Le résultat est juste beau !

Daniel Schiffman, dans son émission Youtube « the coding train » explique tout ce qu’il est bon de savoir sur le principe d’utiliser des centaines de particules se déplaçant dans un champ Perlin.

3/ Interprétation

Revenons au schéma précédent, mis à jour avec les éléments connus.

DataArt3

Je vous propose quelques règles simples de transformation des données en particules :

  • La température => la couleur, températures chaudes = couleurs chaudes, températures basses = couleurs froides.
  • L’humidité => lorsque l’humidité augmente, la trainée des particule se réduit, comme si l’eau lavait le dessin.
  • la pression atmosphérique => la dynamique globale, une pression faible entrainant plus de facilité dans les mouvements, dans les angles de rotation.
  • Le vent => les particules sont influencées par le vent, en direction et en vitesse.
  • La pollution => la taille des particules augmente avec la pollution. De plus, le fond rougeoie.

Voici ce que l’on obtient sur la base de ces principes. Les informations nécessaires à la production de chaque image sont en haut à gauche.

WA1WA2WA3WA4WA5WA7WA6

Vous pouvez télécharger le code P5.js complet.

Pour la suite, je crois que je vais me lancer dans la réalisation d’une sculpture en 3D. Pour se mettre l’eau à la bouche, de nombreux exemples ici : http://dataphys.org/list/tag/3d-printing/

Autres parties de cet article :

Mais aussi :

 

Posted in Design Génératif | 7 Comments »

Data Art (2/3) – De la data visualization au data art

Posted by Jean-Pascal sur 5 mai 2017

 

WA3Cliquez sur l’image pour voir la météo à Paris

« Data is the new soil » – David McCandless

Je suis convaincu de l’utilité de mettre en forme, de façon esthétique, une grande quantité de données, telle qu’on peut le voir en datavisualisation. On trouve facilement des argumentations détaillées comme celle de Hans Rosling dans son Ted « The best stats you’ve ever seen« . Hans Rosling présente des outils de visualisations qui permettent de comprendre le monde (mieux que ne le feraient des singes !), grâce à la mise en relation de nombreuses sources de données, pour l’ONU.

La logique de la dataviz est simple : à partir d’informations, un algorithme propose une interprétation de ces données brutes pour les rendre signifiantes du point de vue de l’analyste. Ensuite, un second algorithme produit une mise en forme imagée qui vise à rendre les données plus simples à comprendre, à appréhender, à comparer, à qualifier, pour un public donné.

DataArt1

La DataViz et le Data Art suivent le principe du schéma ci-dessus, mais leurs objectifs diffèrent. Le premier vise à rendre intelligible, quantitativement et qualitativement, l’information, de manière à objectiver l’information pertinente. A contrario, le second recherche le plaisir de la mise en scène, quitte à déformer l’information, à la subjectiver, à l’esthétiser, de manière assumée, de façon personnelle.

Dans l’exemple qui suit, j’ai choisi d’exploiter des informations fournies en temps réel, telles que des données météorologiques. Ces données météorologiques seront mises en scène sous des formes originales , toujours en mouvement.

DataArt2

Si l’on se concentre sur le point de départ et celui d’arrivée, voici ce que je voudrais faire. Passer de données temps réel fournies par un service en ligne à un dessin 2D :

DataArt4

Je me suis imposé plusieurs objectifs pour ce projet :

  • travailler avec des informations live.
  • créer des animations en évolution constante.
  • pouvoir diffuser facilement le résultat.
  • obtenir un résultat rapidement, sans y consacrer tout mon temps libre !

Initialement, je voulais le faire avec Blender, en utilisant des scripts Python, mais ne je voyais pas comment diffuser le résultat en temps réel. Heureusement, il existe une version de Processing pouvant être exécutée dans nos bons vieux navigateurs web : P5.js ! 

Les exemples de réalisation en P5.js sont très convaincants. Le code est toujours court, et la pédagogie qui accompagne Processing et P5.js est fantastique. Merci au contributeurs, et à ceux qui inspirent comme Daniel Schiffman !

Pour conclure, dans la catégorie de la plateforme technique de data art la plus simple, les gagnants sont P5.js et JSON. Bravo.

La suite dans un prochain article !

Pour aller plus loin :

 

Posted in Design Génératif | 7 Comments »

Data Art (partie 1/3) : Open Data + Design Génératif

Posted by Jean-Pascal sur 20 mars 2017

weatherart12

Exemple de météo parisienne, avec un temps qui se refroidit, pas de pollution détectée peu de vent et une pression assez basse.  

We can’t make meaning out of enormous statistics […] We need visual langage so data can be felt. – Chris Jordan.

Je présente dans cet article une réalisation simple de Data Art. Cette réalisation sera expliquée en détail dans les articles suivants (Data Art, parties 2 et 3). Le résultat (visible ici) est construit à partir de données météo obtenues en temps réel, et mises en forme automatiquement, pour produire ce qu’on pourrait appeler du « Weather Art ». L’objectif est de proposer une peinture originale dépendant des conditions climatiques et évoluant dynamiquement selon ces conditions climatiques. La peinture change selon le tracé généré par des centaines de particules dont les mouvements ressemblent à des grains de poussières flottants au gré du vent.

WA3

Cliquez sur l’image pour voir la météo à Paris

De nombreux raccourcis sont proposés :

  • Barre d’espace pour afficher les informations météo/pollution
  • touche « V » pour voir les vecteurs du champ de force
  • touches 1 à 6 pour lancer des scénarios de test
  • touches 7 à 0 pour changer les conditions de pollution.

Voici des exemples de rendus possibles :

Les particules changent de couleur ou de forme selon la température, l’humidité ou le taux de pollution aux particules fines. Le mouvement des particules dépend de la température, de l’humidité, de la pollution, de la pression atmosphérique et du vent.

Le data art, un mouvement ?

J’ai fait un tour du côté de Wikipedia sans trouver d’article sur le data art. Voici le résultat, quelque peu absurde, de cette recherche. Le noeud Data Art est isolé à droite.

Data-Art

De nombreux artistes ont déjà exploré cette voie, et j’apprécie particulièrement le travail de Nathalie Miebach dont la démarche est autant artistique qu’artisanale. Elle produit des sculptures physique à partir de mesures réalisées par ses soins !

 

D’autres exemples sont présentés par Manuel Lima qui présente les mérites de ce qu’il nomme « Networkism », un mouvement artistique mettant en forme des graphes.

Plus digital, on peut admirer le travail de Refik Anadol présentant les vents de Boston sous la form de Data Painting :

Pour aller plus loin :

Posted in Design Génératif | Tagué: , , , , , , | 7 Comments »

Générateur de peintures abstraites à la façon de J. Pollock

Posted by Jean-Pascal sur 8 janvier 2017

56-212122-jackson-pollock-1

Jackson Pollock One (number 31, 1950)

Jackson Pollock fut des tous premiers peintres expressionnistes à être reconnu par les critiques de son époque. Plusieurs facteurs sont à l’origine de cette reconnaissance, dont sa technique originale produisant de grandes œuvres abstraites en projetant de la peinture sur une toile posée au sol. Cette méthode, nommé dripping, est expliquée dans la vidéo qui suit :

Pour vous faire une idée par vous même, vous pouvez vous amuser à « dripper » avec ce simulateur en ligne.

Autre élément caractéristique, Jackson Pollock prenait soin de répartir ses traits sur l’ensemble de la toile, sans pour autant s’appuyer sur des répétitions. Ce second principe, nommé « all-over« , a été étudié de toutes parts, et plusieurs analystes défendent l’idée que cette disposition est fractale. En effet, si l’on cadrille une toile de sa période allant de 1947 à 1950, on constate une répartition homogène des couleurs sur chacune des cases.

J. Pollock réalisait ses œuvres assez vite, privilégiant le geste, la dynamique, au résultat. Il pourrait s’être inspiré sur ce point des méthodes de calligraphie des maîtres chinois, ou des méthodes des Indiens d’Amérique qui peignaient sur le sable, comme le suggère dans Histoire de l’Art E.H. Gombrich. Cette attitude, nommée action painting, est très en phase avec les principes du design génératif, qui se focalise sur la méthodologie.

Générer des milliers d’œuvres automatiquement

La transition est toute trouvée pour proposer un générateur d’œuvres inspirées du style de Pollock. Il s’agit bien sur d’un essai ne prétendant pas produire des imitations fidèles (hélas, une peinture originale dépassant en général le million de dollar !).

Comme précédemment, j’utilise le tandem Blender/Sverchok. Premièrement, afin de respecter le principe du all-over, je propose de tirer des points au hasard

Voici ce que l’on obtient lorsqu’on tire au hasard des points (en rouge) et qu’on en déduit une courbe (une spline, en noir). Pour obtenir simplement cette courbe, j’ai utilisé un composant en version alpha, le Polyline Viewer.

capturepollock1

Afin de donner l’illusion qu’il y a plusieurs traits, j’ai ajouté une valeur de profondeur et  un plan pour cacher les sections du trait qui sont trop éloignées. Le trait passe devant alternativement devant et derrière le plan. Le trait est également épaissi, et un peu de hasard est ajouté sur chacun des point :

capturepollock2

Voici le schéma Sverchok, avec un peu de « tambouille » pour améliorer la répartition des traits sur l’ensemble de l’espace. capturepollock3

En multipliant ce principe par le nombre de couleurs, on obtient ce type de résultats :

0008

En ajoutant de l’aléatoire partout où c’est possible (nombre de points, position des points, couleur des peintures…), il est possible de générer des milliers d’images automatiquement !

Evidemment, on est loin du résultat. Les traits sont mal répartis, les courbes sont trop amples. Et, plus grave, Jackson Pollock ne partait pas d’une distribution aléatoire ! Tout d’abord, l’esprit humain est bien en peine pour produire du véritable hasard et Jackson Pollock avait sa logique et jouait avec des formes plus figuratives mais dissimulées.

Pour la suite, deux pistes intéressantes pourraient être étudiées :

  1. Blender propose des fonctionnalité de dynamic painting permettant d’utiliser des formes pour peindre sur des surfaces. Une option nommée judicieusement drip permet de simuler des caractéristiques physique du fluide.
  2. Utiliser le simulateur physique de Blender pour effectivement projeter de la peinture sur une toile virtuelle ! Cela permettrait de bien mieux représenter les éclaboussures et rendrait plus fidèlement l’effet du dripping. 

En écrivant cet article, j’ai découvert que Zeffii, un des développeurs de Sverchok, avait également fait une tentative mais les explications qu’il donne sur sa méthode ne m’ont pas éclairé. Voici ce qu’il obtient :

A bientôt !

Quelques liens pour finir  :

Posted in Design Génératif, parametric design | 4 Comments »

Perfume Danse, 1er film VR

Posted by Jean-Pascal sur 1 décembre 2016

« Perceiving space according to the sense of smell … and make a match. » Adaptation pour la réalité virtuelle du film d’animation « Perfume Lifeform »

Parametric Design, Sound Design, ASMR : Jean-Pascal Martin
Réalisation : Jean-Pascal Martin (https://twitter.com/jean_digital)
Conçu grâce à Blender & Sverchok
Motion tracking : Perfume (http://www.perfume-global.com/)

Pour une consultation optimale, je recommande fortement de télécharger le fichier 4K  et de le consulter sur un casque de réalité virtuelle.  https://dl.dropboxusercontent.com/u/6713550/wordpress/Perfume%20Danse%20VR.avi

 

Posted in Composition musicale, Design, Design Génératif, parametric design, Video, Video 360 | Tagué: , , , , | Leave a Comment »