“Rien ne distingue les souvenirs des autres moments. Ce n’est que plus tard qu’ils se font reconnaître à travers leurs cicatrices.” Chris Marker
La créativité démocratisée. Le mensonge partagé.
Il y a une phrase que tu as entendue partout ces trois dernières années. Sur les scènes de conférences, dans les decks de présentation, dans les communiqués de presse d’OpenAI, Google, Anthropic, Mistral, Midjourney et de leurs consorts. Une phrase calibrée pour sonner comme une promesse historique. “L’IA démocratise la créativité.” Sous-entendu : ce qui était réservé aux talents rares, aux années de formation, aux nuits blanches d’obsession, est maintenant accessible à tous. Un bouton. Un prompt. Une génération. Et voilà.
C’est un mensonge. Pas une exagération, pas une simplification marketing qu’on pourrait excuser. Un mensonge structurel, construit sur une confusion volontaire entre deux choses fondamentalement différentes : produire et créer. Et ce mensonge a fait des dégâts. Pas seulement parce que les vendeurs d’IA l’ont propagé. Mais parce que leurs adversaires les plus virulents l’ont repris mot pour mot, en croyant l’utiliser contre eux.
C’est là que l’histoire devient vraiment intéressante.
Le vendeur de rêve e(s)t son ennemi intime
Observe bien la mécanique du débat public sur l’IA créative depuis 2022. D’un côté, les évangélistes de la technologie : “Désormais tout le monde peut créer des images, des textes, des musiques, des vidéos. La barrière du talent s’est effondrée. C’est une révolution démocratique sans précédent.” De l’autre côté, les défenseurs de la créativité humaine, les artistes en colère, les essayistes alarmistes : “L’IA ne fait que copier, assembler, régurgiter. Appuyer sur un bouton ne demande aucune compétence. N’importe qui peut le faire. Ce n’est pas de la création.”
Tu vois le problème ?
Les deux camps reposent sur le même présupposé. Que l’IA produit quelque chose de valable sans effort réel de la part de l’utilisateur. Que le résultat sort “simplement”. Que l’acte de générer est trivial, mécanique, quasi instantané. Les vendeurs le disent pour séduire. Les détracteurs le disent pour disqualifier. Mais ils partagent exactement la même représentation de ce que c’est que d’utiliser ces outils.
Cette représentation est fausse. C’est radicalement et empiriquement faux.
Quiconque a sérieusement travaillé avec ces systèmes en complément de son expertise métier le sait. Non pas comme une opinion. Comme une expérience vécue, répétée, parfois épuisante.
Ce que personne ne montre
Parce que le problème de la démonstration publique de l’IA, c’est qu’on voit toujours le résultat. La vidéo générée. L’image finale. Le texte livré. On ne voit jamais le processus. Jamais les vingt tentatives précédentes. Jamais les heures passées à comprendre pourquoi le modèle dérive, hallucine, aplatit, banalise. Jamais le travail de contextualisation qui a précédé la première génération. Jamais la décision éditoriale qui a choisi cette version plutôt que les quinze autres.
Ce qu’on voit, c’est la surface. Et la surface, dans le cas de l’IA générative, est souvent impressionnante. Ce qui crée l’illusion que la profondeur n’existe pas.
Laisse-moi te décrire ce que c’est réellement que de travailler avec ces outils quand on les prend au sérieux.
Avant même d’ouvrir une interface, il y a une étape que la plupart des gens sautent et que les vendeurs ne mentionnent jamais : avoir quelque chose à dire. Une intention. Une idée qui résiste à la paraphrase. Quelque chose qui ne se réduit pas à “génère-moi une image de coucher de soleil avec une ambiance mélancolique”. Une vision qui préexiste à l’outil, qui est suffisamment ferme pour survivre à la confrontation avec lui. Sans ça, l’IA ne t’aide pas à créer. Elle te donne une forme vide à remplir de néant.
Ensuite, il faut être capable d’exprimer cette intention avec des mots. Pas n’importe quels mots. Des mots précis, organisés, qui portent une direction et non une vague aspiration. Cela demande une maîtrise du langage, de la nuance, de la capacité à distinguer ce qu’on veut de ce qu’on croit vouloir. Mais au-delà de la syntaxe, cela suppose quelque chose de plus profond : connaître le vocabulaire de son domaine. Avoir une culture historique, sociétale, une compréhension des enjeux qui ont structuré une discipline. Savoir quels concepts ont émergé, lesquels se sont opposés, lesquels se sont révélés complémentaires au fil du temps. Sans cette cartographie intérieure, on ne peut pas formuler une idée qui ait du sens. On ne peut pas savoir si ce qu’on propose s’inscrit dans une continuité, rompt avec elle, ou la dépasse. On génère dans le vide, sans repères, sans conscience de ce qui a déjà été pensé avant soi. Et une idée qui ignore ce qui l’a précédée n’est pas une idée libre. C’est une idée perdue. Ce n’est pas un don naturel. C’est une compétence qui se travaille, qui s’affine, qui s’échoue avant de se consolider. Et dès cette phase, les outils traditionnels ont leur place : une esquisse, une référence visuelle, une note d’intention rédigée à la main peuvent ancrer l’intention avant même que la machine soit ouverte.
Puis vient la contextualisation. Donner au modèle suffisamment de matière pour qu’il comprenne dans quel univers conceptuel il doit opérer. Qui parle, pour qui, dans quel registre, avec quelles références, quelles exclusions, quelle tonalité. Plus ce contexte est riche et précis, plus le modèle peut s’approcher de ce que tu cherches. Moins il l’est, plus il comble les vides avec ses propres moyennes statistiques. Et ses moyennes statistiques, c’est exactement ce qu’il y a de plus banal dans la production humaine existante. C’est pour ça que les résultats de débutants se ressemblent tous.
Faire ses gammes avec la machine
Ce travail de contextualisation mène naturellement à ce qu’on pourrait appeler l’intelligence du prompt. Comprendre non seulement ce qu’on veut obtenir, mais comment le modèle fonctionne. Quelles sont ses forces et ses zones aveugles. Quels sont les biais qu’il reproduit mécaniquement. Quand il hallucine et pourquoi. Comment éviter qu’il lisse, édulcore, neutralise ce qui devait être acéré. Cela demande une compréhension des architectures, des modes d’entraînement, des contraintes de sécurité qui infléchissent les réponses. Ce n’est pas de l’informatique au sens strict. Mais c’est une forme de littératie technique exigeante, qui s’acquiert par l’expérience répétée et l’analyse des échecs.
Puis l’itération. C’est peut-être là que se joue le plus gros écart entre la représentation publique et la réalité du travail. On ne génère pas une fois. On génère, on analyse, on ajuste, on regénère. On maintient le cap de son intention initiale tout en restant suffisamment plastique pour intégrer ce que la génération révèle d’inattendu. Et dans cette boucle, les outils traditionnels interviennent à tout moment où leur pertinence s’impose : retouche d’une image générée pour corriger ce que le modèle n’a pas su tenir, montage d’une séquence pour tester un rythme avant de relancer une génération, annotation manuscrite d’un rendu pour affiner le prochain prompt. L’IA ne remplace pas ces outils. Elle s’articule avec eux, dans un mouvement constant d’aller-retour que le créateur orchestre selon ce que chaque phase demande.
Parce que l’IA, quand on l’utilise bien, ne fait pas que t’obéir. Elle propose. Elle dévie. Elle ouvre des directions que tu n’avais pas anticipées. La qualité du créateur réside en partie dans sa capacité à distinguer les déviations intéressantes des déviations parasites. C’est un jugement qui ne peut pas être délégué.
Et puis il y a ce qu’on pourrait appeler le tri. Parmi toutes les générations produites au cours d’une session de travail, lesquelles retenir ? Lesquelles jeter ? Lesquelles hybrider avec un élément produit autrement, par un outil traditionnel, par une prise de vue réelle, par un dessin ? Cette capacité à séparer le bon grain de l’ivraie suppose un niveau de sensibilité esthétique, une vision référentielle, une culture du domaine que l’outil ne possède pas et ne possédera pas. C’est l’humain qui reconnaît la qualité. Pas parce qu’il est magiquement doué, mais parce qu’il a accumulé suffisamment d’exposition au travail de ceux qui l’ont précédé pour développer ce discernement.
Enfin, le jugement éditorial final. La décision de dire : c’est ça. Pas parce que c’est parfait. Mais parce que ça correspond à l’intention de départ, ça l’incarne, ça la dépasse parfois dans une direction juste. Ce moment-là, cette décision-là, appartient entièrement au créateur. L’IA n’y a aucune part.
L’ironie de l’argument symétrique
Revenons à la symétrie du début. Les vendeurs d’IA disent : “C’est facile, tout le monde peut le faire.” Les anti-IA disent : “C’est facile, n’importe qui peut appuyer sur un bouton, donc ce n’est pas de la création.” Ce que je viens de décrire démontre que ni l’un ni l’autre n’a regardé ce qui se passe réellement dans le travail.
Ce qui est fascinant, c’est que les deux groupes ont besoin de cette simplification pour que leur discours tienne. Les vendeurs ont besoin que ça semble facile pour vendre. Les détracteurs ont besoin que ça semble facile pour disqualifier. Si tu démontres que c’est un travail réel, complexe, exigeant, les deux perdent leur argument principal.
La vérité inconfortable, c’est que l’IA ne démocratise pas la créativité. Elle démocratise l’accès à des outils de production sophistiqués. Ce n’est pas la même chose. Un marteau de charpentier de qualité ne fait pas de toi un charpentier. Il te donne les moyens de le devenir, à condition que tu fasses le travail que ça implique.
La créativité n’a pas changé de nature
Coltrane n’a pas trouvé son langage musical en cherchant le raccourci. Il a joué jusqu’au sang, des années, avant de comprendre suffisamment le langage harmonique pour le tordre, l’étirer, le reconstruire selon sa propre logique interne. Ce qu’il a trouvé in fine, son système de substitution harmonique, n’est pas sorti d’une inspiration soudaine. C’est sorti d’une accumulation tellement dense d’expérience, d’échecs, de tentatives, que son oreille avait fini par entendre ce que personne d’autre n’entendait encore.
C’est ça, la créativité. Pas l’accès à l’outil. La capacité à voir ce que l’outil révèle quand on le pousse assez loin. Et cette capacité ne s’acquiert pas autrement que par le travail.
Ce que l’IA générative rend possible, pour ceux qui l’abordent avec cette rigueur, c’est une accélération de certaines phases du processus. La génération de matière brute. L’exploration de directions multiples. La production de variantes. Ce qui prenait des semaines peut maintenant prendre des jours. Mais l’accélération ne supprime pas les étapes. Elle les compresse. Et les comprimer demande encore plus de précision, pas moins.
C’est dans ce travail de complémentarité homme-machine, dans cette pratique régulière et exigeante, articulée à tout moment avec les outils qui servent le mieux l’intention du moment, qu’on peut espérer trouver quelque chose qui ressemble au graal : son propre système de substitution esthétique. Sa manière particulière de voir, de filtrer, de composer, rendue possible non pas malgré les outils, mais à travers eux. Une signature qui ne ressemble à aucune autre parce qu’elle porte l’ensemble d’une trajectoire, d’une culture, d’une sensibilité que l’IA n’a pas et ne peut pas avoir.
Ce processus laisse des traces. Des directions abandonnées. Des versions mortes. Des nuits où rien ne fonctionnait. Des matins où quelque chose s’est ouvert sans prévenir. Ces moments-là, on ne les distingue pas toujours dans l’instant. On ne sait pas encore lesquels compteront. Ce n’est que plus tard qu’ils se font reconnaître. À travers leurs cicatrices.
Et vous…
…travaillez-vous vos gammes ?