Ce travail est dédié à l’analyse des partitions graphiques et de l’interaction son-image qui en résulte. Notre corpus de recherche comprend aussi bien des partitions qui utilisent une notation plus plastique que le sous-type textuel ou verbal et quelques partitions mixtes lesquelles permettent un regard sur la relation établie entre le texte et l'image; comme la musique instrumentale est un art performatif, nous examinerons également les aspects énonciatifs présents dans l’écriture de l’œuvre menée par le compositeur et dans son interprétation, au moment de sa lecture et de son exécution par l’instrumentiste. La méthodologie consiste à élaborer et appliquer les concepts d’intersémioticité, en insistant sur leurs base linguistique, et ceux de linéarité et tabularité dans l’énoncé visuel. Nous voulons aussi rapporter ces concepts à la façon dont l’énoncé se produit dans les différentes instances du texte musical. En outre, cette thèse aura également un biais diachronique, dans le sens que nous voulons aborder certains types de notation utilisés tout au long de l’histoire de la musique et la façon dont s'est passée la transition d’un système à l’autre. / The purpose of this research is to analyse graphic scores and the sound-image interaction arising thereform. The research corpus includes both scores that use a notation of a more plastic caracter like the subtype textual or verbal, and some mixed scores, which allow a glimpse into the text-image relationship established. Once the instrumental music is a performative art, we will also deal with some enunciative aspects presents both in writing the work, carried out by the composer, as in his interpretation, during reading and performance of the work for the interpreter. The methodology consist in developing and applying the concepts of intersemioticity, emphasizing its linguistic basis, and linearity and tabularity in visual enunciated. We also intend to relate these concepts to the way occurs the enunciation in different instances of the musical text. Moreover, this research will also have a diachronic bias, in the sense that we intend to address some types of notation used throughout music history and how the transition between systems of notation occurred.

La thèse s’intéresse aux expositions de design graphique, à la fois en tant qu’événements constitutifs de l’histoire de la discipline et en tant qu’espaces (scénographiques et discursifs) où se manifestent ses liens plus ou moins assumés avec la création artistique. Elle s’appuie sur un corpus de quatre cents expositions, organisées entre 1895 et 1995, au sein de trois institutions muséales : le Stedelijk Museum d’Amsterdam, fondé en 1895, le Museum of Modern Art (MoMA) de New York, créé en 1929 et le Musée national d’art moderne-Centre de création industrielle (Mnam/Cci), né en 1993 de la fusion de deux départements du Centre Pompidou. L’étude des archives de ces manifestations met au jour ce que furent les choix de programmation des musées (quels objets, quelles époques, quels graphistes mettent-elles en avant ?) ; mais aussi les différents statuts qui sont conférés aux objets imprimés, par la scénographie ou par les discours qui les environnent. La thèse révèle, notamment, la préférence des musées d’art moderne pour l’affiche, pour le graphisme « d’utilité publique » et pour le travail des « graphistes-auteurs ». À ce graphisme « de musée » sont appliqués des cadres interprétatifs qui le rapproche de la création artistique : assimilation du graphiste à un artiste, omission des circonstances de la commande, description des styles, recherche des influences… Les expositions de « communications visuelles » organisées par le CCI offrent un singulier contrepoint à ce modèle, dans la mesure où elles consacrent moins les « œuvres » du graphisme qu’elles ne s’interrogent sur leur contexte social de production et d’utilisation. / This dissertation looks at graphic design exhibitions both as events that are part of the history of the discipline and as scenographic and academic forums for expressing, more or less consciously, its links with artistic creativity. It is based on the analysis of four hundred exhibitions, held between 1895 and 1995 at three modern art museums : the Stedelijk Museum in Amsterdam, founded in 1895, the MoMA in New York, inaugurated in 1929 and the Musée national d’art moderne-Centre de création industrielle (Mnam/Cci), created in 1993 after the fusion of two separate departments of the Centre Pompidou. The archives of these exhibitions highlights both the choices of programming (what objects, eras and graphic designers do they ?), and the various status confered to printed objects by scenography and surrounding texts and discourses. The dissertation reveals the preference of modern art museums for posters, for graphic design for the public domain, and for the work of ‘graphic designers-cum-authors’. This specific graphic design elected by museums is envisionned according to interpretative frames that likens it to artistic creation through the rapprochement between graphic designers and artists, the omission of circumstances pertaining to commissions, descriptions of styles, search for influences, etc. The ‘visual communication’ exhibitions organised by the CCI provide a striking contrast to this model in so far as they concentrated less on the actual ‘works’ of graphic design than on the social context of their production and use.

Ce mémoire décrit une approche interdisciplinaire transposée à la composition musicale, s’appuyant sur le texte et les arts visuels, en passant par des principes humanistes. L’interdisciplinarité artistique est élaborée dans trois sections : premièrement, les arts visuels comme guide sonore explore les liens théoriques, esthétiques et philosophiques entre la musique et les arts visuels. Deuxièmement, la textualité à l’œuvre musicale élabore l’importance des mots et du langage comme guides aidant le compositeur et l’auditeur dans l’expérience musicale. Troisièmement, musique inclusive examine la musique folklorique et d’autres techniques de composition musicale avec l’intention de communiquer et de transmettre un message précis à l’auditeur. Ces trois idées sont ensuite appliquées dans une analyse détaillée de mes compositions musicales écrites dans le cadre de la maîtrise sous la supervision de Denis Gougeon. / This memoire describes an interdisciplinary approach to musical composition using text and visual arts based on the principles of humanism. Artistic interdisciplinarity is elaborated in three sections: Firstly, Visual Arts as a Sonic Guide explores the theoretical, esthetic, and philosophical connections between music and visual arts. Secondly, The Textuality of the Musical Work elaborates the importance of words and language to lead the composer and the listener within the musical experience. Thirdly, Inclusive Music examines folkloric music and other compositional techniques that possess the intention of communicating and transmitting a specific message to the listener. These three ideas are then applied in a detailed analysis of my musical compositions written during the frame of my master’s under the supervision of Denis Gougeon.

Des premières fascinations des graphistes pour les notions de systèmes, en passant par l’introduction des approches liées au « corporate design » et à la « corporate identity », le renforcement progressif du « marketing », puis le basculement vers le « branding » et la mise en valeur artificielle des marques, la recherche rend compte de l’évolution des représentations d’institutions, d’événements et de collectivités publics, entre les années 1970 et 2010. Cette chronologie des approches dominantes est analysée en écho à celle d’une série d’expérimentations personnelles liées à une approche qui se veut plus civique du design et qui permet de penser de réelles méthodes alternatives. En analysant les relations entre identification et identité, est proposé un déplacement du focus des questions de visibilité et de mise en valeur des marques vers des approches qui, à l’aide de langages visuels partagés, placent en leur centre : - l’intelligibilité des structures complexes, - la représentation des pluriels, des évolutions et des relations, - l’intégration au contexte, - la coordination des expressions multiples. / Research documenting the evolution of visual representations of institutions, events and public bodies between 1970 and 2010, from designers’intitial fascination with the concept of « corporate design » and « corporate identity » systems, the progressive reinforcement of « marketing », then the switch to « branding » and the artificial values attached to brands is chronologically analysed through a series of personal experiments related to an intentionally more civic design minded approach that permits the creation of real alternative methods. Analysing the relationship between identification and identity sees a proposed shift in focus concerning brand visibility and enhancement towards approaches that, with the help of shared visual languages, places at the centre – the intelligibility of complex structures – the representation of plurality, trends and relationships, - the integration of context – the coordination of multiple expressions.

Nous étudions dans cette thèse comment les réseaux de neurones profonds peuvent être utilisés dans différents domaines de la vision artificielle. La vision artificielle est un domaine interdisciplinaire qui traite de la compréhension d’images et de vidéos numériques. Les problèmes de ce domaine ont traditionnellement été adressés avec des méthodes ad-hoc nécessitant beaucoup de réglages manuels. En effet, ces systèmes de vision artificiels comprenaient jusqu’à récemment une série de modules optimisés indépendamment. Cette approche est très raisonnable dans la mesure où, avec peu de données, elle bénéficient autant que possible des connaissances du chercheur. Mais cette avantage peut se révéler être une limitation si certaines données d’entré n’ont pas été considérées dans la conception de l’algorithme. Avec des volumes et une diversité de données toujours plus grands, ainsi que des capacités de calcul plus rapides et économiques, les réseaux de neurones profonds optimisés d’un bout à l’autre sont devenus une alternative attrayante. Nous démontrons leur avantage avec une série d’articles de recherche, chacun d’entre eux trouvant une solution à base de réseaux de neurones profonds à un problème d’analyse ou de synthèse visuelle particulier. Dans le premier article, nous considérons un problème de vision classique: la détection de bords et de contours. Nous partons de l’approche classique et la rendons plus ‘neurale’ en combinant deux étapes, la détection et la description de motifs visuels, en un seul réseau convolutionnel. Cette méthode, qui peut ainsi s’adapter à de nouveaux ensembles de données, s’avère être au moins aussi précis que les méthodes conventionnelles quand il s’agit de domaines qui leur sont favorables, tout en étant beaucoup plus robuste dans des domaines plus générales. Dans le deuxième article, nous construisons une nouvelle architecture pour la manipulation d’images qui utilise l’idée que la majorité des pixels produits peuvent d’être copiés de l’image d’entrée. Cette technique bénéficie de plusieurs avantages majeurs par rapport à l’approche conventionnelle en apprentissage profond. En effet, elle conserve les détails de l’image d’origine, n’introduit pas d’aberrations grâce à la capacité limitée du réseau sous-jacent et simplifie l’apprentissage. Nous démontrons l’efficacité de cette architecture dans le cadre d’une tâche de correction du regard, où notre système produit d’excellents résultats. Dans le troisième article, nous nous éclipsons de la vision artificielle pour étudier le problème plus générale de l’adaptation à de nouveaux domaines. Nous développons un nouvel algorithme d’apprentissage, qui assure l’adaptation avec un objectif auxiliaire à la tâche principale. Nous cherchons ainsi à extraire des motifs qui permettent d’accomplir la tâche mais qui ne permettent pas à un réseau dédié de reconnaître le domaine. Ce réseau est optimisé de manière simultané avec les motifs en question, et a pour tâche de reconnaître le domaine de provenance des motifs. Cette technique est simple à implémenter, et conduit pourtant à l’état de l’art sur toutes les tâches de référence. Enfin, le quatrième article présente un nouveau type de modèle génératif d’images. À l’opposé des approches conventionnels à base de réseaux de neurones convolutionnels, notre système baptisé SPIRAL décrit les images en termes de programmes bas-niveau qui sont exécutés par un logiciel de graphisme ordinaire. Entre autres, ceci permet à l’algorithme de ne pas s’attarder sur les détails de l’image, et de se concentrer plutôt sur sa structure globale. L’espace latent de notre modèle est, par construction, interprétable et permet de manipuler des images de façon prévisible. Nous montrons la capacité et l’agilité de cette approche sur plusieurs bases de données de référence. / In the present thesis, we study how deep neural networks can be applied to various tasks in computer vision. Computer vision is an interdisciplinary field that deals with understanding of digital images and video. Traditionally, the problems arising in this domain were tackled using heavily hand-engineered adhoc methods. A typical computer vision system up until recently consisted of a sequence of independent modules which barely talked to each other. Such an approach is quite reasonable in the case of limited data as it takes major advantage of the researcher's domain expertise. This strength turns into a weakness if some of the input scenarios are overlooked in the algorithm design process. With the rapidly increasing volumes and varieties of data and the advent of cheaper and faster computational resources end-to-end deep neural networks have become an appealing alternative to the traditional computer vision pipelines. We demonstrate this in a series of research articles, each of which considers a particular task of either image analysis or synthesis and presenting a solution based on a ``deep'' backbone. In the first article, we deal with a classic low-level vision problem of edge detection. Inspired by a top-performing non-neural approach, we take a step towards building an end-to-end system by combining feature extraction and description in a single convolutional network. The resulting fully data-driven method matches or surpasses the detection quality of the existing conventional approaches in the settings for which they were designed while being significantly more usable in the out-of-domain situations. In our second article, we introduce a custom architecture for image manipulation based on the idea that most of the pixels in the output image can be directly copied from the input. This technique bears several significant advantages over the naive black-box neural approach. It retains the level of detail of the original images, does not introduce artifacts due to insufficient capacity of the underlying neural network and simplifies training process, to name a few. We demonstrate the efficiency of the proposed architecture on the challenging gaze correction task where our system achieves excellent results. In the third article, we slightly diverge from pure computer vision and study a more general problem of domain adaption. There, we introduce a novel training-time algorithm (\ie, adaptation is attained by using an auxilliary objective in addition to the main one). We seek to extract features that maximally confuse a dedicated network called domain classifier while being useful for the task at hand. The domain classifier is learned simultaneosly with the features and attempts to tell whether those features are coming from the source or the target domain. The proposed technique is easy to implement, yet results in superior performance in all the standard benchmarks. Finally, the fourth article presents a new kind of generative model for image data. Unlike conventional neural network based approaches our system dubbed SPIRAL describes images in terms of concise low-level programs executed by off-the-shelf rendering software used by humans to create visual content. Among other things, this allows SPIRAL not to waste its capacity on minutae of datasets and focus more on the global structure. The latent space of our model is easily interpretable by design and provides means for predictable image manipulation. We test our approach on several popular datasets and demonstrate its power and flexibility.