AI ∞ IA

Ce texte propose une réflexion critique sur la manière dont l'intelligence artificielle générative transforme le statut de l'image, la création artistique et la transmission des pratiques visuelles.

Mutation du statut de l'image

Chaque évolution technique importante dans l'histoire de l'image a provoqué des résistances comparables. La photographie numérique a été accusée d'appauvrir le geste photographique. Les logiciels de retouche ont été perçus comme une rupture avec l'idée de vérité documentaire. Plus tôt encore, l'automatisation de certaines opérations techniques avait déjà déplacé la place du savoir-faire artisanal. L'intelligence artificielle générative introduit cependant une rupture d'une autre nature.

Avec la photographie argentique puis numérique, l'image conservait toujours une relation physique avec le réel. Même transformée, recadrée ou manipulée, elle restait issue d'une captation lumineuse. Quelque chose avait été présent devant un objectif. Une surface sensible avait reçu une trace du monde.

L'image générée par IA rompt ce lien indiciel. Elle ne résulte plus d'une captation mais d'une modélisation statistique issue de corpus visuels gigantesques. L'image ne dépend plus d'un événement réel, d'un lieu ou d'une présence physique.

Cette transformation modifie profondément le statut culturel de l'image. Pendant longtemps, l'image photographique a fonctionné comme preuve, témoignage ou archive. Aujourd'hui, sa crédibilité devient instable. Une image peut être techniquement crédible sans avoir jamais correspondu à une situation vécue.

La question n'est plus uniquement : « comment produire une image ? » Elle devient : « qu'est-ce qu'une image atteste encore ? »

Du geste technique au pilotage conceptuel

La production d'images a longtemps reposé sur une relation directe entre le corps, l'outil et le réel. Photographier impliquait une série d'opérations matérielles : choisir une focale, se déplacer dans l'espace, composer avec une lumière instable, régler une exposition, anticiper un mouvement. Le cinéma documentaire ou le reportage engageaient également le corps dans une situation concrète, souvent imprévisible.

Cette dimension physique ne relevait pas uniquement de la technique. Elle participait directement à la construction du regard. L'arrivée des outils génératifs déplace une partie du processus vers le langage. Une image peut désormais être produite à partir d'une description textuelle, puis modifiée par itérations successives.

Le prompt devient alors une interface de création. Cela ne signifie pas que l'auteur disparaît. Les artistes travaillant avec l'IA construisent des protocoles, sélectionnent des bases de données, imposent des contraintes esthétiques et éditent les résultats obtenus. La création ne disparaît pas, mais son centre de gravité se déplace. Le rôle de l'auteur tend moins vers l'exécution technique que vers la conception, la direction et la sélection.

Cependant, ce déplacement produit aussi une perte d'expérience sensible. Le terrain photographique ou documentaire mobilise l'ensemble des perceptions : la lumière, le son, la température, le rythme d'un lieu, la fatigue physique, la relation aux personnes filmées ou photographiées. Une image documentaire contient souvent des traces invisibles de cette expérience vécue.

Produire une image générée revient au contraire à travailler dans un espace abstrait, médié par l'écran et le texte. Il ne s'agit pas d'établir une hiérarchie morale entre ces pratiques. Mais prétendre qu'elles engagent le même rapport au monde serait inexact. Cette distinction devient particulièrement importante dans le contexte pédagogique.

Former un étudiant à la prise de vue consiste traditionnellement à transmettre une culture de l'observation, du déplacement, de l'attention et de la décision dans un contexte réel. Former à l'usage des modèles génératifs implique davantage des compétences liées à l'écriture, à la conceptualisation, à la direction artistique ou à la compréhension des systèmes algorithmiques. Ces compétences ne s'opposent pas. Mais elles ne produisent ni le même rapport au réel, ni les mêmes formes d'apprentissage.

L'abondance visuelle et la crise de l'attention

L'un des effets majeurs de l'IA générative est l'accélération massive de la production visuelle. Des images autrefois complexes à réaliser deviennent instantanément accessibles : scènes cinématographiques, portraits hyperréalistes, environnements fictifs, simulations photographiques ou illustrations conceptuelles. Cette démocratisation ne produit pas nécessairement de meilleures images. Elle produit surtout une inflation visuelle.

Lorsque les images deviennent infiniment reproductibles, leur rareté disparaît. Or la valeur culturelle d'une image dépend aussi de l'attention qu'on lui accorde. Dans ce contexte, beaucoup d'images deviennent rapidement interchangeables. On observe alors un phénomène paradoxal : plus la production devient fluide, plus il devient difficile de justifier l'existence d'une image particulière.

Cette situation apparaît fréquemment dans les pratiques étudiantes. La facilité de génération réduit parfois le temps de réflexion préalable. L'image est produite avant même que son intention soit clairement formulée. Or une image forte n'est pas seulement une image techniquement réussie. Elle suppose une nécessité.

Elle repose sur une tension, un point de vue, une expérience ou une problématique identifiable. Lorsque la maîtrise technique cesse d'être un facteur différenciant, d'autres dimensions redeviennent centrales : la cohérence d'une démarche, la profondeur d'un sujet, la qualité d'une réflexion visuelle, la capacité à produire du sens.

L'enjeu pédagogique principal n'est donc peut-être plus uniquement d'apprendre à produire des images. Il devient nécessaire d'apprendre à justifier pourquoi une image mérite d'exister.

Les enjeux matériels de l'IA générative

Le discours dominant autour de l'IA insiste souvent sur l'innovation technologique ou les possibilités créatives. Pourtant, les enjeux les plus importants sont aussi économiques, juridiques et écologiques. Le premier concerne les données. Les modèles génératifs ont été entraînés sur des volumes gigantesques d'images collectées en ligne, produites par des photographes, illustrateurs, cinéastes ou graphistes. Dans de nombreux cas, ces contenus ont été utilisés sans autorisation explicite ni rémunération.

Cette situation remet en question les notions classiques d'auteur, de propriété intellectuelle et de rémunération du travail créatif. Des alternatives commencent néanmoins à apparaître. Certains projets expérimentent des modèles entraînés exclusivement sur des bases de données sous licence ou rémunèrent les créateurs dont les contenus participent à l'entraînement des systèmes.

Ces initiatives restent minoritaires, mais elles montrent que le problème ne concerne pas uniquement l'existence de l'IA, mais les conditions économiques et politiques de son développement. L'autre enjeu majeur concerne les ressources matérielles. L'entraînement et l'utilisation des grands modèles nécessitent des infrastructures extrêmement énergivores : centres de données, serveurs spécialisés, systèmes de refroidissement et consommation électrique massive.

L'image générée apparaît immatérielle. Mais son existence dépend d'une infrastructure physique lourde. En réaction à cette logique industrielle, certaines pratiques émergent autour d'une approche plus frugale de l'IA. Des artistes choisissent de travailler avec des modèles plus légers, exécutés localement sur des machines modestes. La limitation technique devient alors une contrainte créative assumée. Cette approche réintroduit une forme de résistance dans un univers technologique orienté vers la vitesse, l'automatisation et l'abondance.

Le retour de la matérialité

Face à la perfection croissante des images synthétiques, les pratiques matérielles retrouvent une valeur particulière. On observe aujourd'hui un regain d'intérêt pour des médiums comme la céramique, le tissage, le dessin, la peinture ou le tirage argentique. Ce retour ne relève pas uniquement de la nostalgie. Il correspond aussi à une recherche de résistance matérielle.

Dans ces pratiques, le geste laisse une trace irréversible. L'erreur ne peut pas toujours être annulée. La matière impose des contraintes. Cette résistance redonne de l'épaisseur au processus créatif. Un phénomène comparable apparaît dans certaines pratiques liées à l'IA.

Alors que les premiers usages recherchaient souvent une image lisse et parfaitement crédible, certains artistes exploitent aujourd'hui volontairement les défauts des systèmes : bruit visuel, artefacts, erreurs de génération, incohérences anatomiques ou glitches. L'imperfection devient une stratégie esthétique.

En photographie documentaire, cette transformation produit un autre déplacement important. Puisqu'une image synthétique peut désormais imiter parfaitement les codes du réel, la question de la preuve de présence redevient centrale. Des protocoles de certification émergent afin d'attester qu'une image résulte bien d'une prise de vue effectuée sur le terrain. Autrement dit, ce qui allait autrefois de soi doit désormais être démontré. La valeur du témoignage humain réapparaît alors comme une dimension spécifique de certaines pratiques photographiques.

Ce que l'IA ne remplace pas totalement

L'IA générative peut produire des images impressionnantes, cohérentes et parfois émotionnellement efficaces. Mais certaines dimensions de la pratique artistique restent difficiles à automatiser complètement. Une image documentaire ne se réduit pas à son apparence visuelle. Elle contient aussi les conditions de sa production : une présence physique, une durée, une relation humaine, une expérience vécue, parfois même un risque ou une implication personnelle.

Ces éléments ne sont pas toujours visibles dans l'image finale. Pourtant, ils participent à sa densité symbolique. La question centrale n'est donc peut-être pas de savoir si l'IA peut créer. Elle peut déjà produire des formes visuelles complexes et culturellement pertinentes. La question devient plutôt : quelles expériences humaines choisissons-nous encore de traverser lorsque les images deviennent potentiellement illimitées ?

Qu'est-ce qui mérite encore le déplacement, l'attente, le doute ou la confrontation au réel ? Pour les étudiants en photographie, cinéma, arts numériques ou communication visuelle, cette interrogation devient fondamentale. Il ne s'agit plus seulement d'apprendre des outils. Il s'agit de comprendre ce qu'une pratique artistique engage comme rapport au monde, au temps, au corps et aux autres. L'espace qui se dessine aujourd'hui entre production algorithmique et expérience humaine n'est pas simplement un conflit entre ancien et nouveau. C'est un espace critique où se redéfinissent les fonctions culturelles, esthétiques et politiques de l'image contemporaine.

Sources et prolongements

• C2PA, standard de provenance et d'authenticité des contenus numériques
• Content Authenticity Initiative, fonctionnement des Content Credentials
• Getty Images, déclaration sur le contentieux avec Stability AI
• International Energy Agency, demande énergétique liée à l'IA et aux centres de données
• Refik Anadol Studio, pratiques artistiques liées aux données et à l'IA
• Mario Klingemann, recherche artistique autour de l'IA générative