IA & industries créatives : flipper ou se réjouir ? [Episode 1/4]

C’est le sujet du moment : depuis 1 an ou 2, impossible de passer une semaine sans un sommet, une conférence ou un webinaire sur l’IA et ses conséquences sur les industries à forte composante créative.

Pour les médias, pour l’industrie de la musique, du divertissement, pour le design et l’architecture, mais aussi pour l’industrie du luxe ou du marketing et de la pub.

Dans ce genre de débat confus et où on peut lire tout et son contraire, et en tant que conférencier créativité et conférencier innovation, j’aime me tourner vers la science, en particulier vers la psychologie cognitive, les neurosciences et la sociologie de la technologie. Histoire de sortir de la dimension passionnelle et de mettre en face des conjectures subjectives, des faits concrets et validés.

Voici donc un état des lieux en 4 « épisodes »successifs de ce que nous dit la science sur le match IA x Humain sur le sujet de la créativité.

‍

« L’IA, c’est un truc de ouf pour les créas » - entendu en agence

D’abord le consensus : les modèles d’IA ont des performances remarquables. Personne ne le niera. Ils peuvent générer des créations si convaincantes qu’il est parfois difficile de distinguer si elles sont d’origine humaine ou algorithmique (DeepArt pour l’image, AIVA ou Suno pour la musique, ChatGPT pour l’écriture, etc.).

Les domaines d’application sont hyper variés et tous les secteurs créatifs sont impactés. Avec un vrai bénéfice, avéré et mesuré :publicité, design de produits, prototypage architectural, composition musicale, création cinématographique, etc. bénéficient d’un supplément de productivité indéniable.

L'IA permet d'accélérer le processus créatif en générant rapidement des prototypes, en offrant des suggestions basées sur des tendances de données, et en permettant une personnalisation à grande échelle.

On parle de productivité. D’efficacité. De rapidité. Mais en matière de créativité ce n’est pas tant le sujet.

‍

Revenir à la définition même de « créativité »

Les recherches sur la créativité humaine montrent que celle-ci est le résultat d'un processus complexe mêlant intuition, émotion et raisonnement. Elle implique une cognition où des éléments inconscients et émotionnels entrent en jeu.

La créativité ne se résume donc pas à une simple accumulation d'idées pour laquelle on pourrait mettre un processus en face, et donc parler productivité.

Lorsque la science se penche sur le sujet de la créativité, on trouve plusieurs critères d’examen d’un « objet créatif ».

La créativité comme combinaison de nouveauté et de valeur.

‍Sur le plan scientifique, on considère souvent qu’une idée ou une production est « créative » si elle est à la fois nouvelle (originale) et perçue comme ayant une valeur (esthétique, fonctionnelle, etc.)

Mais alors, est-ce un phénomène conscient, lié par exemple à l’intuition (propre à l’humain) ou peut-elle être formalisée par des algorithmes capables de recombiner et d’innover à partir de données existantes?

La compréhension sémantique vs. la recombinaison statistique.

Un des débats majeurs tourne autour de la capacité réelle de l’IA à comprendre le sens ou à faire preuve d’intuition. La plupart des systèmes actuels (réseaux de neurones profonds) se basent sur des corrélations statistiques, sans véritable « compréhension » ou expérience vécue. En gros, c’est de la statistique.

La question de l’intention.

Selon les chercheurs, la créativité humaine implique souvent une démarche consciente, un but (ou un questionnement). Selon le psychologue Mihaly Csikszentmihalyi, auteur de la théorie du flow, la créativité est une réponse à des défis qui engage les capacités profondes de l'individu, notamment dans des contextes de contraintes spécifiques.

L’IA, de son côté, n’a pas d’intention propre. Les scientifiques débattent donc de la différence entre « émuler » un processus créatif (au sens de simulation, en l’occurrence pour l’IA avec de la statistique) et « être » créatif. On rentre quasiment dans la philo. Être ou simuler, telle est la question.

Biais et uniformisation.

Enfin on sait que les modèles d’IA sont entraînés sur de larges bases de données. Certains chercheurs craignent donc que, faute de diversité des données ou de méthodes d’entraînement, l’IA ne renforce des stéréotypes esthétiques et produise des styles trop similaires (effet « moyenne »). En gros, elle aurait du mal à sortir du cadre, à penser « out of the box ».

Mais les avis ne sont pas unanime sur ce sujet…

Episode 2 : Effet moyenne et risque d’homogénéité, à venir

‍