AI ∞ IA

Pourquoi l’artiste n’a pas dit son dernier mot ?

Hugues Bersini est professeur d’informatique à l’Université libre de Bruxelles, directeur du laboratoire d’intelligence artificielle IRIDIA et membre de l’Académie royale de Belgique. Ses travaux portent sur l’intelligence artificielle, les systèmes complexes et leurs implications philosophiques, notamment dans le champ de la création.

Lors d’une journée consacrée à l’intelligence artificielle et aux métiers de la création organisée par l’Académie des Beaux-Arts de la Ville de Tournai, il posait une question simple : l’intelligence artificielle peut-elle produire des artistes authentiques ? La réponse dépend moins de la machine elle-même que de la manière dont on l’emploie, et surtout du type d’intelligence artificielle mobilisé.

Le règne de l’IA neuronale

L’IA contemporaine est largement dominée par les approches neuronales fondées sur le deep learning. Le principe est désormais bien connu : apprendre à partir de grandes quantités de données, sans règles explicites. Ces systèmes ajustent des millions de paramètres pour prédire la suite d’un texte, d’une image ou d’un son.

Le résultat est souvent impressionnant. L’IA est capable de :

• générer des images crédibles ;
• imiter des styles artistiques ;
• produire des textes cohérents.

Dans le champ artistique, plusieurs pratiques se sont structurées autour de ces outils :

• Mario Klingemann utilise les réseaux neuronaux pour générer des figures instables, souvent situées entre portrait, altération et dérive visuelle.
• Anna Ridler construit ses propres jeux de données, ce qui réintroduit une forme d’intention en amont du modèle.
• Sougwen Chung explore une co-création avec des systèmes apprenants dans des performances de dessin qui mettent en tension geste humain et réponse machinique.
• Refik Anadol produit des environnements immersifs à partir de données massives et de modèles génératifs nourris par l’apprentissage automatique.
• Robbie Barrat détourne des modèles génératifs pour produire des images volontairement instables, ambiguës ou inachevées.

Mais cette puissance repose sur une logique statistique. L’IA recombine ce qu’elle a appris, elle ne construit pas de raisonnement explicite. Dans ce contexte, l’artiste adopte souvent une posture de pilotage : il formule des requêtes, explore, sélectionne. Il oriente le processus plus qu’il ne le définit.

L’IA symbolique, une autre voie

Avant cette révolution, l’IA était principalement symbolique. Elle repose sur des règles, des relations logiques et des structures formalisées. Ici, le système ne devine pas, il exécute un raisonnement défini à l’avance. Moins performante pour traiter des données complexes comme les images ou le langage, cette approche conserve pourtant une qualité essentielle : la lisibilité du processus.

Cette logique trouve des échos directs dans certaines pratiques artistiques :

• Sol LeWitt fait de la règle elle-même une œuvre, à travers des instructions murales susceptibles d’être exécutées par d’autres.
• Manfred Mohr développe dès les années 1970 des systèmes algorithmiques rigoureux qui font du programme un principe formel central.
• Vera Molnár explore des variations systématiques à partir de contraintes minimales et de procédures répétées.
• Casey Reas conçoit des systèmes visuels où le code ne sert pas seulement à produire une image, mais constitue l’architecture même de l’œuvre.
• L’Oulipo, en littérature, formalise des dispositifs d’écriture fondés sur des contraintes explicites, où la règle devient moteur de création.

L’Oulipo, une pensée algorithmique avant l’ordinateur

Fondé en 1960 par Raymond Queneau et François Le Lionnais, l’Oulipo, Ouvroir de littérature potentielle, peut être défini comme un mouvement pré-informatique. Son principe repose sur des contraintes formelles, mathématiques, combinatoires ou logiques, appliquées à l’écriture.

• le lipogramme, comme dans La Disparition de Georges Perec
• les permutations combinatoires
• les structures narratives contraintes

C’est précisément ce qui rend l’Oulipo compatible avec les outils contemporains. Sa logique de contrainte prolonge naturellement certaines formes de création numérique, au point d’en faire un précurseur conceptuel de l’art génératif.

• génération automatique de textes à partir de contraintes
• littérature combinatoire assistée par ordinateur
• œuvres interactives où le lecteur active des règles

Des pratiques hybrides existent pourtant aujourd’hui :

• utiliser une IA sous contrainte oulipienne
• filtrer ou transformer les sorties d’un modèle selon des règles strictes
• détourner l’IA comme matériau brut soumis à un système

En résumé, l’Oulipo n’utilise pas l’IA historiquement et n’est pas numérique à l’origine. Mais il développe une pensée structurellement algorithmique qui peut aujourd’hui être réinterprétée avec des outils numériques ou d’IA, à condition de conserver son principe central : la contrainte comme moteur de création.

Un intérêt spécifique pour les artistes

C’est sur ce point que l’analyse de Bersini devient particulièrement pertinente. Avec une IA symbolique, l’artiste ne se contente pas de générer des résultats. Il conçoit un système. Cela implique :

• un contrôle précis des mécanismes ;
• une traçabilité des choix ;
• une cohérence structurelle.

L’œuvre peut alors reposer sur une règle, une contrainte, une logique interne. Cette logique devient une composante du sens. L’intention n’est pas simplement déduite du résultat, elle est inscrite dans le dispositif lui-même. La règle peut alors devenir un geste artistique.

Évolution du terme « art génératif »

Il faut toutefois noter un glissement de sens important autour du terme « art génératif ». Historiquement, il désignait des pratiques fondées sur des systèmes de règles, souvent algorithmiques, où l’artiste concevait un dispositif capable de produire des formes de manière autonome. Dans ce cadre, le génératif relevait principalement d’une logique symbolique.

Aujourd’hui, avec l’essor des intelligences artificielles neuronales, le terme est de plus en plus associé à des modèles capables de produire des images, des textes ou des sons à partir de données. Ce déplacement sémantique tend à occulter une distinction essentielle :

• d’un côté, un génératif fondé sur des règles explicites et une intention structurée ;
• de l’autre, un génératif statistique fondé sur l’apprentissage.

Clarifier cette différence permet de mieux comprendre les enjeux artistiques propres à chaque approche.

La question de l’authenticité

Dans ses ouvrages, notamment L’intelligence artificielle peut-elle engendrer des artistes authentiques ? et ChatGPT, il était une fois une IA régressive, Bersini insiste sur un point fondamental : l’authenticité ne se réduit pas au rendu. Elle tient aussi à l’intention, au contexte, à la position de l’auteur.

Or, l’IA neuronale tend à neutraliser cette dimension :

• elle produit sans expérience ;
• elle simule sans vécu.

À l’inverse, une approche symbolique permet d’inscrire une intention directement dans la structure de l’œuvre.

Mais cette lecture reste située. Elle prolonge un questionnement largement hérité de l’art conceptuel, où l’écriture d’un protocole pouvait valoir œuvre. Or, dans le champ de l’art contemporain, la reconnaissance ne repose pas uniquement sur la cohérence du dispositif.

Elle dépend aussi de facteurs plus concrets :

• la matérialité du geste ;
• la présence de l’auteur ;
• l’inscription dans des circuits institutionnels, curatoriaux et économiques ;
• la manière dont une œuvre est reçue dans les foires, les expositions, les collections et le marché.

Les expositions et le marché montrent d’ailleurs que l’art numérique, malgré sa visibilité, n’a pas supplanté les formes matérielles, ni dans le champ du livre, ni dans celui de l’installation, ni plus largement dans les hiérarchies symboliques du monde de l’art.

Dès lors, une œuvre fondée sur un système, qu’il soit symbolique ou non, ne suffit pas à elle seule à être reconnue comme « art ». Elle doit s’inscrire dans un contexte de réception. La distinction entre IA neuronale et IA symbolique ne suffit donc pas à elle seule à penser la création artistique. Elle doit être articulée à une autre question, plus décisive : à quelles conditions une production est-elle reconnue comme œuvre d’art ?

Vers une hybridation

Une troisième voie est parfois évoquée : l’IA neuro-symbolique. Elle chercherait à combiner :

• la capacité d’apprentissage des réseaux neuronaux ;
• la rigueur des systèmes à règles.

L’objectif serait de produire des formes riches tout en conservant une maîtrise conceptuelle. Pour les artistes, cela ouvrirait en théorie un espace intéressant :

• générer sans abandonner le contrôle ;
• expérimenter sans perdre le sens ;
• articuler intuition et structure.

Certaines pratiques contemporaines, comme celles de Refik Anadol, peuvent en donner une intuition. Mais cette catégorie reste aujourd’hui largement exploratoire. Faute d’exemples nombreux, bien documentés et réellement inscrits dans les contextes sociologiques de l’art contemporain institutionnalisé, elle demeure davantage une hypothèse de travail qu’un courant artistique clairement stabilisé.

Une ligne de fracture

Au fond, la question posée par Bersini est autant esthétique que technique.

• d’un côté, une IA neuronale qui favorise l’imitation, la fluidité, le vraisemblable ;
• de l’autre, une IA symbolique qui permet la contrainte, la structure, la prise de position.

Entre les deux, il ne s’agit pas seulement d’un choix technologique, mais d’un choix de posture. Et au-delà, d’un positionnement dans un champ artistique où se jouent à la fois des questions de forme, de geste et de reconnaissance. Pour les artistes qui cherchent à construire un langage plutôt qu’à produire des variations, cette seconde voie reste pleinement actuelle.