Comment l'intelligence artificielle transforme-t-elle les représentations visuelles des chevaux au galop à travers les photographies anciennes et les œuvres d'art numériques ?

Les images générées par l'intelligence artificielle, qui tentent de recréer des photographies anciennes ou des représentations artistiques classiques d'objets, présentent souvent un phénomène fascinant où la distinction entre les couches de représentation semble se dissoudre. Un exemple frappant de ce phénomène est l'IA générant des images de photographies anciennes de chevaux au galop. Ces représentations, supposées être des photographies "authentiques", conservent des caractéristiques typiques des images anciennes, comme des teintes sépia, des grains visibles, des taches de décoloration et des plis du papier, qui sont autant de marqueurs d'une matérialité vieille et abîmée.

Cependant, l'IA, dans sa tentative de générer ces représentations visuelles, ne se contente pas de reproduire des photographies anciennes de manière fidèle. Au contraire, elle entre en jeu avec ces couches de représentations de manière complexe, produisant ce que l'on pourrait appeler des "fuites représentatives" entre ces couches successives. Par exemple, dans la représentation d'un cheval au galop, l'IA ne se limite pas à une simple photographie ancienne du cheval ; elle mêle parfois des éléments d'autres formes artistiques, comme des dessins au crayon, des aquarelles, ou même des sculptures. Dans ces cas, les "couches" de représentation se chevauchent ou se mélangent, ce qui donne une nouvelle dimension à la manière dont nous percevons l'image, où les signes visuels traditionnels d'une photographie ancienne se retrouvent dans un dessin ou une sculpture moderne.

Ce phénomène est particulièrement évident lorsqu'on demande à l'IA de créer des images de sculptures (bronze, bois, papier, glace) représentant des chevaux au galop. Les images générées sont parfois reconnaissables comme étant des photographies d'anciennes sculptures, mais les marqueurs visuels d'une photographie ancienne (comme les taches de décoloration ou les plis) sont transférés à la représentation de la sculpture elle-même. Cette "transfert esthétique" démontre l'incapacité partielle de l'IA à maintenir une séparation nette entre ces différentes couches représentatives, une caractéristique de la médiatisation post-numérique où l'image numérique semble constamment en interaction avec son support et son histoire matérielle.

À travers ce processus, l'IA génère non seulement des images mais aussi des artefacts visuels qui semblent effacer les frontières traditionnelles entre les médiums. Les prompts qui demandent des images "pixelisées" ou des photos numériques de chevaux au galop montrent une autre facette de cette capacité, où l'IA transforme des représentations classiques en œuvres numériques avec des couleurs saturées ou des effets visuels propres à l’esthétique du numérique. Par exemple, des images de chevaux en pixels sont souvent traduites par l'IA en œuvres qui rappellent les premiers jeux vidéo, avec une palette de couleurs limitée et des pixels carrés, un clin d'œil aux premiers graphismes numériques et à leur "matérialité" brute et stylisée.

Ce phénomène, que l'on pourrait qualifier d'intensification esthétique du numérique, se manifeste par une surabondance de détails propres à l'univers numérique. Là où une image classique et traditionnelle serait simplement un reflet d'une époque passée, une image générée par IA semble constamment en tension entre ce passé et le présent numérique. Cela crée des représentations visuelles qui à la fois interrogent et célèbrent la frontière floue entre le réel et l'artificiel, entre ce qui est numériquement produit et ce qui relève de l'art traditionnel.

L'intensification esthétique du numérique ne se limite pas à une simple reproduction de styles visuels anciens dans des contextes modernes, mais va au-delà. Elle inclut aussi un travail sur l'image numérique elle-même, où la structure et l'intégrité du support numérique (par exemple, les glitches, les pixels visibles, ou des effets comme la lumière "fluffy glamour glow") deviennent des éléments significatifs de l'œuvre. Ainsi, à travers l'IA, l'art visuel numérique se trouve redéfini par sa capacité à manipuler, mélanger et intensifier ses propres codes esthétiques.

Enfin, il est important de souligner que ces explorations visuelles posent des questions sur la nature même de l'image dans le contexte post-numérique. L'IA, dans sa capacité à générer et à remédier à des images, crée une nouvelle forme de matérialité de l'image, une matérialité qui va au-delà de la simple question du "réel" ou de l'"artifice". L’image devient un champ où les différentes couches de représentation se croisent, se mélangent et se déforment, produisant ainsi des œuvres qui ne sont ni totalement ancrées dans le passé, ni totalement ancrées dans le futur numérique, mais qui occupent une position unique et fluide entre les deux.

Comment la création artistique à l'ère de l'IA façonne l'imagination et les protocoles esthétiques

Le travail de création artistique dans le modèle de Le Brun peut être résumé par une phase d'entraînement où les émotions se transforment en concepts linguistiques, pour lesquels des équivalents visuels sont développés, fondés sur un entraînement supervisé et des biais inductifs. Cette phase est suivie par l'inférence, où le modèle est capable de générer de nouvelles œuvres d'art en s'appuyant sur les fonctions extraites durant l'entraînement (voir Alpaydin 2016; Kelleher 2019). Un exemple de la mise en œuvre de ce modèle dans l'académie des beaux-arts française se trouve dans le concours annuel du Prix Caylus, instauré en 1759. Ce prix testait la capacité des étudiants à représenter des émotions spécifiques. Les règles du concours dictaient que les étudiants devaient dessiner ou modeler d’après un modèle vivant exprimant une émotion précise – par exemple, en 1759, une combinaison de « merveille » et de « joie », et en 1760, « l'affliction ». Comme l'explique Montagu, le sujet devait être tiré de la mythologie ou de l'histoire, tel que Dido mourant sur le bûcher funéraire, ou Vénus pleurant Adonis, afin que l'étudiant comprenne la motivation derrière l'expression, et que le passage pertinent soit lu aux candidats (Montagu 1994, 95).

Ainsi, deux types de "prompts" textuels étaient à l’œuvre : le prompt émotionnel (la tâche explicite du concours) et le texte historique/ mythologique agissant comme un "prompt" supplémentaire, guidant les étudiants dans la bonne direction, les aidant à naviguer dans leur espace créatif latent. Pour les étudiants du concours, cette forte guidance textuelle agissait comme un filtre algorithmique à travers lequel le modèle vivant devant leurs yeux devait être étudié et représenté. Par conséquent, les pratiques artistiques de l'académie s'alignent davantage sur ce que Wendy Chun a décrit comme des « visions programmées », dans lesquelles « les ordinateurs génèrent toujours du texte et des images, plutôt que de simplement représenter ou reproduire ce qui existe déjà ailleurs » (Chun 2013, 17; souligné par l’auteur).

Un point d’intérêt majeur à propos des protocoles esthétiques de l'art IA populaire (PAIA) est la place de l'exploration créative par rapport au suivi de protocoles fixes. Sur un plan général, l'exploration créative semble fonctionner différemment dans le contexte de l'IA populaire par rapport à ce que l'on décrit comme l'art IA professionnel ou l'art IA de festival. Une fois que le modèle d’image est entièrement développé, que ce soit dans l’académie par Le Brun, ou dans les modèles IA populaires tels que ceux développés par OpenAI, Stable Diffusion ou Midjourney, et que les protocoles liant le texte à l’image sont établis, maîtriser ces protocoles devient l’objectif principal des praticiens. En revanche, peu d'attention est accordée à l'exploration de l'étape de formation qui a permis d’établir ces protocoles. Les artistes d’IA professionnels et ceux des festivals explorent souvent de manière artistique et critique cette phase de formation des générateurs d’images (par exemple en interrogeant les bases de données, en créant des ensembles d'entraînement, en ajustant les modèles, en interrogeant les implications sociales ou environnementales de l'IA, etc.), alors que les artistes de PAIA utilisent des modèles préexistants.

Dans le cadre de l'art IA populaire, l'exploration créative se situe principalement dans la phase d'inférence, axée sur le respect des protocoles techniques à travers le "prompt engineering". En comparaison, l'art académique se souciait beaucoup plus de l'invention, de la conceptualisation du contenu de l’œuvre que de l'exécution de celle-ci. Cela trouve un écho paradoxal, car dès la Renaissance, l'un des objectifs majeurs était de déplacer la peinture de la catégorie de "travail manuel" à celle des "arts libéraux". Les peintres cherchaient à imiter la poésie narrative, un art libéral, pour justifier la reconnaissance de la peinture en tant qu'art noble, capable de susciter l'instruction, le plaisir et l'émotion. Ce changement de paradigme se manifeste dans la manière dont la conception artistique est valorisée dans le contexte de l'art IA populaire, où l'accent est mis sur la conceptualisation (à travers les prompts) plutôt que sur l'exécution ou l'artisanat en soi.

Il en va de même pour les utilisateurs des plateformes d'IA populaires : ces dernières permettent à un public non initié de créer des œuvres en utilisant des générateurs d'images IA, comme en témoigne la promesse de Stability AI d’offrir la possibilité de "transformer vos pensées en images époustouflantes" ou celle d'OpenAI d'“insuffler vie à votre imagination” (OpenAI 2024, n.pag). Ainsi, l’utilisation de ces outils met l’accent sur la maîtrise des protocoles déjà établis, et non sur le développement des modèles eux-mêmes. L’art IA populaire ne repose donc pas sur l’exploration du processus créatif dans le sens traditionnel, mais sur l’utilisation habile des interfaces graphiques et des options prédéfinies qui permettent aux utilisateurs de générer des œuvres selon des critères spécifiques.

Dans ce cadre, l'importance des interfaces graphiques est cruciale. Les artistes IA populaires ne construisent pas leurs propres studios numériques en modifiant les codes sources, comme cela serait possible avec un modèle open-source tel que Stable Diffusion, mais utilisent plutôt des plateformes en ligne simplifiées comme ChatGPT, Bing, DreamUp ou Canva, qui s’adressent à un public généraliste. Ces interfaces sont conçues pour produire des utilisateurs plutôt que des créateurs autonomes, une dynamique analysée par Chun (2013), qui souligne que ce processus est également une manière pour les entreprises derrière ces générateurs d'extraire des données, tout en "produisant" des utilisateurs et abonnés, qui sont eux-mêmes des produits de ce système. Les utilisateurs de ces plateformes sont incités à se considérer comme des artistes, et leurs œuvres sont souvent intégrées dans des communautés en ligne où l’exposition devient une part essentielle du processus de création.

Un aspect essentiel à comprendre est que, bien que ces outils permettent une forme d'expression créative par l’intermédiaire de l'IA, ils ne libèrent pas nécessairement l'utilisateur des structures de contrôle des grandes entreprises. Celles-ci modèlent non seulement les utilisateurs, mais elles cherchent également à exploiter les données générées par ces œuvres, renforçant ainsi leur pouvoir de marché. Ainsi, l'art IA populaire ne se résume pas à une simple révolution créative mais représente également une évolution des pratiques artistiques sous l'influence des technologies, des entreprises et des modèles économiques dominants.

L’esthétique de l’échec : Comment les démos technologiques des IA façonnent l’avenir

En juillet 2024, le designer Wright Bagwell a partagé sur son compte Instagram une vidéo générée par IA d'une danseuse exécutant le ballet Le Lac des Cygnes, une performance marquée par des distorsions corporelles qui transforment la chorégraphie en un spectacle véritablement surprenant. La danseuse commence par effectuer des mouvements de ballet classiques, vêtue d'une jupe rose, mais rapidement, les mouvements prennent des formes de plus en plus absurdes : des jambes supplémentaires apparaissent, des gestes impossible se produisent, des transformations physiques s'opèrent, d'autres corps fusionnent ou se fragmentent. Cette vidéo, réalisée avec Luma, illustre de manière frappante les anomalies générées par l'intelligence artificielle et devient un exemple d'une nouvelle forme esthétique qui se fait progressivement connaître, celle de l’échec technique et de la transformation étrange.

Cette esthétique des anomalies n'est pas seulement une conséquence accidentelle de la technologie, elle s’impose comme un élément central dans la manière dont les outils d’intelligence artificielle sont présentés au public. Les vidéos de démonstration des générateurs d’IA, comme Luma, Sora ou Runway, montrent souvent des résultats impressionnants en termes de diversité stylistique, de réalisme et de fluidité des mouvements. Cependant, ces vidéos mettent également en lumière des erreurs typiques de l’IA : des corps bougeant de manière anatomiquement incorrecte, des objets disparaissant soudainement, des identités qui se confondent, et bien d'autres distorsions ou incohérences. L'une des vidéos générées par Sora, par exemple, présente un homme courant sur un tapis roulant, mais avec un mouvement qui défie les lois de la physique, rendant la scène à la fois fascinante et perturbante.

L’idée que l’erreur est un phénomène intrinsèque aux médias n’est pas nouvelle. Dans le domaine de la théorie des médias, les erreurs, les défaillances et les accidents sont souvent considérés comme des catégories productives, révélant les spécificités et les fonctionnements des différents médias. En perturbant le processus fluide de médiation, ces échecs attirent l’attention sur la nature même des technologies utilisées. Selon cette perspective, chaque médium engendre ses propres erreurs caractéristiques, et ces perturbations peuvent offrir des aperçus sur le fonctionnement de ce médium. Cependant, à l’ère de l’intelligence artificielle, cette approche connaît ses limites. Les systèmes d’IA, construits sur des algorithmes d’apprentissage machine, sont devenus non seulement opaques en raison de la complexité des réseaux neuronaux, mais aussi délibérément opaques, afin de protéger les avantages commerciaux et les droits de propriété intellectuelle. Ce phénomène renforce des structures de pouvoir capitalistes et transforme l’erreur en un produit acceptable dans une logique économique où la transparence des technologies n’est pas rentable.

En dépit de l’ineffabilité de l’IA, les erreurs qui en découlent ne doivent pas être simplement considérées comme des échecs techniques ou des imperfections à corriger. Elles participent d’un autre processus plus vaste et plus insidieux : celui de la promesse. Ces erreurs deviennent des "machines à promesse", comme le suggèrent Appadurai et Alexander (2020). Les défauts qui apparaissent dans les vidéos de démo des IA ne se contentent pas de révéler des limites technologiques ; ils génèrent aussi des attentes, des visions de l'avenir. Par exemple, les erreurs de mouvement ou les distorsions des corps dans ces vidéos ne sont pas seulement des anomalies, elles sont des promesses d’améliorations futures : la promesse de mises à jour, de versions plus avancées, de nouveaux niveaux de réalisme visuel, d’une meilleure intégration des corps et des objets, et de résolutions de problèmes sociaux à travers la technologie.

La notion d’erreur, loin de miner le processus de développement de l’IA, devient ainsi un moteur dynamique de l’espoir technologique et social. Elle sert de justification à des investissements continus, tant affectifs que financiers, dans cette technologie, tout en renforçant sa position dans un contexte capitaliste global. La promesse d’une amélioration, l’idée d’une évolution vers un futur plus parfait, devient une part essentielle du discours entourant ces technologies. Cette promesse est portée par une esthétique spécifique, où l'échec devient non seulement acceptable, mais aussi désirable, car il annonce le progrès à venir.

Les vidéos de démo des IA, tout en montrant des erreurs visuelles, nous exposent donc à un autre type de promesse : celle du changement, de l'amélioration continue. Chaque erreur devient ainsi une forme d’incitation, une manière de rendre tangible l'avenir du monde technologique, un avenir où les promesses sont systématiquement reportées à plus tard. En ce sens, l’esthétique de l’échec dans les vidéos de démo devient non seulement un reflet des limitations actuelles, mais aussi un acte de projection, une mise en scène de l’avenir technologique à venir.

Il est donc essentiel pour le spectateur, ou l’utilisateur de ces technologies, de comprendre que ces erreurs, loin d’être des défaillances gênantes, sont des éléments fondateurs de la stratégie médiatique des entreprises d'IA. Elles permettent de maintenir l’illusion d’un futur proche où ces erreurs seront corrigées, où les promesses seront tenues. De ce point de vue, l’échec devient une composante presque nécessaire de l’innovation technologique, un marqueur de ce qui reste à accomplir.

L'art de l'esthétique dans l'ère de l'IA : Entre perception et jugement politique

Dans le contexte de la création artistique générée par l'intelligence artificielle, plusieurs questions se posent concernant la nature même de l'art et de l'esthétique. Peut-on attribuer de la valeur artistique aux créations issues de l'IA ? Qui est véritablement l'artiste, ou l'auteur, de ces œuvres générées par des algorithmes ? L'absence d'intention créative humaine, ou son rôle dans le processus de création, influence-t-il la valeur esthétique de l'œuvre ? Ces questions, parmi d'autres, soulignent un point crucial : la manière dont l'esthétique est comprise dans l'ère numérique est de plus en plus influencée par des raisonnements politiques, notamment lorsqu'il est question des images créées par IA, souvent rejetées comme étant « dénuées de sens » ou, dans certains cas, qualifiées d'« intrinsèquement fascistes ».

Il est important de noter que le terme « esthétique » n'est plus uniquement pris dans un sens étroitement artistique, mais fait référence à une théorie plus large de la perception, aussi appelée « aisthesis ». Ce concept se rapporte à la manière dont nous percevons le monde à travers nos sens, et comment ces perceptions sont façonnées par les technologies de médiation. Cette approche peut être qualifiée de phénoménologique, car elle cherche à comprendre les modes de perception à travers l'interaction avec les environnements technologiques. En ce sens, l'esthétique médiatique contemporaine ne se limite pas à une analyse des objets d'art, mais s'intéresse aussi à l'impact des technologies sur notre expérience sensible et corporelle du monde. Ainsi, on peut se demander dans quelle mesure l'intelligence artificielle, en remixant des « styles » ou des « atmosphères » génériques, contribue à un certain conditionnement algorithmique qui pourrait altérer notre perception du réel.

Le processus créatif soutenu par l'IA semble souvent reposer sur des remixes d'affects conventionnels. L'IA génère des images et parfois de la musique en recomposant des éléments issus de styles préexistants, créant ainsi des expériences visuelles et sonores qui reproduisent des émotions ou des impressions communes. Ces « vibes » — comme on les appelle dans les recherches récentes — produisent des réactions émotionnelles en nous, qu'elles soient positives ou négatives. Cette dynamique se trouve au cœur de ce que certains chercheurs appellent une « esthétique de l'IA », où l'objectif n'est pas seulement de produire une œuvre, mais d'influencer et d'orienter la manière dont les individus ressentent et réagissent face à l'œuvre. Ces affects algorithmiques sont donc des éléments que l'on peut mesurer et analyser, dans la mesure où ils sont générés selon des logiques informatiques.

L'IA, en ce sens, interroge la frontière entre la création humaine et l'automatisation. L'art, en tant que produit, a toujours été associé à une intention, une vision personnelle. L'IA, en revanche, peut être perçue comme une machine dépourvue de cette subjectivité. Pourtant, ces créations automatisées continuent de répondre à une demande culturelle et esthétique, et c'est ce qui rend l'analyse de leurs impacts essentiels. En considérant l'IA comme un acteur dans le processus créatif, il devient crucial d'étudier les relations entre les humains et les technologies, ainsi que les « réseaux » qui se forment autour des outils numériques. L'intelligence artificielle, dans ce cadre, ne peut pas être vue comme un simple instrument ; elle doit être comprise dans un réseau complexe où les actions humaines, les données, et les infrastructures technologiques interagissent pour produire des résultats.

Il devient alors pertinent d'adopter une perspective plus nuancée, entre l'approche instrumentaliste et l'approche post-instrumentaliste des médias. Cette position « intermédiaire » permet de comprendre les technologies comme des réseaux d'acteurs humains et non humains qui sont ouverts à diverses utilisations et représentations, tout en étant façonnés par leurs contextes et leurs usages. Les modèles d'IA, comme les réseaux de neurones profonds, ne sont pas simplement des entités neutres ; ce sont des systèmes historiquement chargés de biais et de contextes sociétaux spécifiques qui influencent leurs sorties. L'évaluation esthétique des œuvres générées par l'IA ne doit donc pas occulter la manière dont ces systèmes sont construits, ni les implications des choix techniques et des données d'entraînement qui façonnent les résultats finaux.

Ainsi, dans l'exploration des pratiques collaboratives entre humains et IA, il devient essentiel de ne pas réduire les créations générées par l'IA à de simples reproductions de « styles » ou de « genres », mais de les examiner sous un angle critique qui tienne compte de leur origine et de leur contexte technologique. L'influence croissante de l'IA sur la production esthétique soulève des questions qui ne peuvent être appréhendées uniquement à travers une analyse formelle. L'impact des technologies sur la perception humaine, la façon dont elles modifient nos expériences sensorielles et nos jugements, doit être au centre de toute réflexion sur l'avenir de l'art et de la culture numériques.

L'importance de cette réflexion s'étend bien au-delà des seuls enjeux techniques. Le cadre politique et économique dans lequel l'IA se développe façonne également la manière dont nous percevons et évaluons ces œuvres. Les biais des modèles d'IA et les infrastructures de pouvoir qui les soutiennent influencent non seulement les créations visuelles et sonores, mais aussi les normes culturelles et sociales qui en découlent. En fin de compte, il est crucial de ne pas oublier que l'esthétique, aujourd'hui plus que jamais, est indissociable de ces dynamiques politiques et technologiques qui modèlent nos sens et nos émotions.