Qui ne s’est jamais retrouvé en face d’une panne de créativité ? Peu de personnes sans doute. Le découragement, le stress, voire la dépression, guettent autant l’auteurice cherchant désespérément la première phrase de son nouveau roman, que l’élève voyant le délai pour remettre une dissertation se réduire comme peau de chagrin.
Plus besoin aujourd’hui de «trucs» ou de substances psychotropes pour surmonter un manque d’inspiration. Un simple «prompt1» à l’une des grosses pointures de l’IA générative (ChatGPT, Gemini, etc.) et quelques secondes d’attente suffisent pour générer le contenu tant recherché. Plus besoin de rédiger, de dessiner ou de composer, l’IA générative met la création à la portée de tout un chacun.
À une époque où les contenus sont omniprésents, visionnés en permanence sur les écrans et en circulation constante sur les réseaux sociaux en ligne, nous pouvons tous et toutes désormais devenir des créateurices de contenus.
Une génération de contenus égalitariste ?
Il est indéniable que l’IA générative ouvre des perspectives nouvelles à bien des créateurices lambda, tout en proposant également des opportunités de productivité accrue aux professionnelles et professionnels.
Pour la plupart d’entre-nous, la possibilité de créer des contenus sur mesure avec un minimum d’efforts et de talent s’avère précieux. Avant, si on avait une vague idée d’un poème ou d’une vidéo pour un événement important (anniversaires, mariages, etc.), on manquait bien souvent des capacités nécessaires. Aujourd’hui, armés de quelques phrases, nous pouvons créer des contenus parfaits pour l’occasion.
Pour les spécialistes, l’IA générative offre aussi un gain de temps. On peut demander plusieurs reformulations pour une phrase et y picorer des éléments pour embellir sa prose. En informatique, pour écrire un bout de code standard, on s’épargne la recherche du bon manuel et de la bonne page pour trouver une base appropriée.
La possibilité que l’IA générative contribue à réduire certaines inégalités est réelle. Prenons, à titre d’illustration, le domaine académique où l’écrit est dominé par l’anglais. Une situation qui désavantage particulièrement les chercheureuses d’origine socio-économique modeste ou provenant de pays pauvres. Une IA générative capable de traduire et ou de corriger des manuscrits constitue un atout indéniable [1].
L’IA générative est un formidable faussaire
Si l’on s’intéresse quelques instants au fonctionnement de l’IA générative, on comprend que les contenus générés relèvent plus d’un habile travail d’imitation que d’un réel travail de création. Petit rappel.
L’IA générative utilise des modèles statistiques optimisés pour ajouter des «bouts» de contenus (typiquement des syllabes dans le cas de textes) à un contenu initial. En d’autres termes, lorsqu’on tape «Qui est Klaus Schulze ?», l’IA ajoute les syllabes qui ont la plus grande probabilité de suivre. Vu que les modèles sont entraînés sur un corpus suffisamment large, on espère que ces ajouts formeront une réponse juste et grammaticalement correcte (en l’occurrence une biographie du musicien allemand).
Le principe est le même pour produire des contenus de nature différente du langage écrit. Si on veut générer des images à partir d’un texte, l’IA générative va progressivement ajouter des «parties» d’images «les plus probables» jusqu’à obtenir une image complète2.
Pour construire ces modèles, l’IA générative a besoin d’exemples. Beaucoup d’exemples. Les plus gros modèles disposent de plusieurs milliers de milliards de paramètres dont la valeur est à déterminer. Les propriétaires écument alors toutes les sources possibles et imaginables pour trouver les exemples pour fabriquer les modèles en question. Chaque base de données ou recoin d’internet sert à alimenter les modèles mathématiques.
Lorsqu’une IA générative doit déterminer quel «bout» de contenus ajouter, elle se base sur tous les exemples donnés pour sélectionner «le bout le plus probable»3, ce qui revient à choisir celui qui se trouve le plus souvent à la suite de contenus similaires dans ces exemples. Une IA générative a dès lors tendance à reproduire des extraits d’exemples mobilisés lors de son entraînement.
Les risques pour les créateurices
L’internaute lisant ce billet et utilisant l’IA générative régulièrement se demande peut-être quel intérêt il y a d’en appréhender la tuyauterie. Il me paraît pourtant crucial de comprendre que les contenus que nous générons par IA ressemblent «très fort» à ceux déjà existants, ce qui induit des conséquences pour les créateurices des contenus ayant servi à l’apprentissage.
Le coût actuel de l’IA générative met en péril les revenus des créateurices de contenus originaux. En effet, pourquoi encore les rémunérer si une IA générative «fait le job» pour 20 €/mois ? L’attrait de remplacer de coûteux humains par des machines explique notamment les plans de licenciement de plusieurs multinationales (y compris informatiques).
À titre d’exemple, la plateforme de streaming musical Spotify crée probablement déjà des contenus quasi identiques à la chaîne pour diminuer ce qu’elle reverse aux artistes [2]. Il ne fait aucun doute qu’elle utilisera demain (au plus tard) l’IA générative pour encore réduire ses frais de droits d’auteur.
Si nous nous contentons de récupérer des contenus créés par une IA générative «à la manière de», qui consacrera encore du temps à créer des contenus nouveaux réellement originaux ? Si plus personne ne consulte Wikipédia préférant interroger une IA générative, quelle motivation restera-t-il à celles et ceux qui l’alimentent ?
On s’expose à terme à un fonctionnement en vase clos : l’IA générative produit des contenus qui serviront pour l’apprentissage d’autres modèles. Un mouvement qui pourrait bien conduire à une dégénérescence des modèles [3]. L’IA générative utilise notamment Wikipédia pour construire ses modèles. Quels contenus produiront-ils demain si Wikipédia n’est plus mis à jour avec son niveau d’exigence actuel ?
Même pour les personnes «normales», l’IA générative représente un danger. Comme je l’expliquais dans mon billet consacré à son impact sur l’enseignement, son usage généralisé pourrait précipiter l’humanité vers un abêtissement général en nous rendant dépendants des machines, et en diminuant nos capacités créatives.
Les risques pour l’art
Mais cet appauvrissement n’est pas seulement individuel, il est également collectif. Dès lors que l’IA générative procède le plus souvent par imitation, la menace plane de créer sans cesse les mêmes types de contenus. On remarque déjà que ChatGPT tend à utiliser les mêmes constructions stylistiques encore et encore [4].
Ce péril se trouve démultiplié par le fait que l’art relève principalement du marché commercial. Les agents économiques, capital privé en amont (maisons de disque, studios de cinéma, etc.) et spectateurs et spectatrices en aval, influencent dès lors la production artistique. Or la première catégorie cherche principalement à maximiser son retour sur investissement, ce qui ne l’incite guère à s’aventurer en territoires inconnus.
Nous nous retrouvons dans un monde où seuls des blockbusters seraient disponibles, entraînant au final un épuisement de la nécessaire originalité4. L’IA peut, par exemple, prédire le succès financier d’un film avant même le tournage de la première scène [5]5. Une tentation pour plus d’un producteur or productrice d’utiliser ce type d’outils pour tout contenu.
Enfin, on peut s’interroger sur la pertinence d’un art dépourvu de sentiments et de tout rapport au monde. Une déshumanisation de la culture ne risque-t-elle pas de détruire un peu ce qui lient les Êtres humains ?
Où se termine l’aide et où commence le plagiat ?
Il ne s’agit évidemment pas d’interdire l’usage de l’IA générative, mais de réfléchir aux contours de ses usages. En particulier, nous devons différencier ceux qui respectent les créateurices de contenus originaux de ceux qui les dépouillent de leur travail et de leurs idées. Cette frontière est malheureusement très floue.
Il semble évident qu’une personne utilisant une IA générative pour l’aider à rédiger un discours pour une fête particulière ne soulève aucun problème éthique. À l’inverse, l’usage d’une IA générative pour réaliser un dessin copiant le style d’illustrateurs ou illustratrices relève du pillage. Entre ces deux cas extrêmes, un continuum de situations qui rend impossible la définition d’une démarcation précise.
Le principe de «fair use» provenant des États-Unis propose de limiter la portée du droit d’auteur pour des usages à des fins pédagogiques ou scientifiques. Grâce à ce principe, un moteur de recherche peut indexer des pages Web, ou une école faire des photocopies de livres pour ses élèves.
Ce même principe est aujourd’hui mobilisé pour justifier l’utilisation de «tous» les contenus en ligne pour l’apprentissage de modèles d’IA générative. Il y a sans doute là quelque chose à préciser lorsque les contenus utilisés servent à construire des modèles produisant des contenus «nouveaux» venant concurrencer les premiers.
La justice au cœur des litiges
En attendant qu’une ligne de conduite claire soit adoptée (et appliquée), il faut bien reconnaître que règne le far-west dans lequel les entreprises produisant les grands modèles d’IA générative, et aux larges épaules financières, tirent leur épingle du jeu par rapport aux créateurices.
Parfois, les entreprises produisant les modèles trouvent un arrangement avec les ayants-droit pour utiliser légalement des contenus originaux existants. Microsoft notamment a signé en 2024 un contrat avec l’éditeur scientifique Taylor & Francis [6]6. De même, le service d’IA générative dédié à la création musicale Udio annonce fin 2025 un accord avec Warner Music Group [7].
Parfois, des créateurices de contenus arrivent à faire valoir leurs intérêts. En 2023, après une des plus longues grèves à Hollywood, les grands studios américains ont dû s’engager à ne pas utiliser l’IA à toutes les étapes de production de films et de séries, en particulier à ne pas remplacer scénaristes, actrices et acteurs.
Mais dans la plupart des cas, les créateurices de contenus originaux n’ont guère d’autres options, quand ils et elles en ont les moyens, que d’entamer des procédures judiciaires. Plus de 50 procès seraient actuellement en cours rien qu’aux États-Unis [8]. C’est notamment le cas du New York Times contre Microsoft et OpenAI (qui produit ChatGPT) en 2023 [9].
En novembre 2025, la justice allemande condamne le même OpenAI, à la suite d’un procès entamé par la société de droits d’auteur allemande GEMA, pour s’être servi de paroles de chansons protégées pour son entraînement [10]. Mais d’autres décisions de justice apportent des réponses plutôt mitigées aux revendications des créateurices.
Dans deux procès aux États-Unis, des sociétés d’édition attaquaient des entreprises produisant de l’IA générative pour avoir utilisé des versions piratées de leurs ouvrages pour entraîner leurs modèles [8]. Si l’un des juges critique l’usage d’œuvres piratées, la pratique d’utiliser des œuvres protégées pour l’entraînement de modèle semble néanmoins considérée comme relevant du «fair use»7.
Les prochains mois seront sans doute déterminants quant à la jurisprudence en la matière. Verra-t-on émerger un cadre plus protecteur pour les créateurices ? Les géants du numérique qui construisent les principaux modèles déploient tous les moyens pour garantir leurs intérêts. Les interventions du président américain Donald Trump critiquant les régulations européennes le démontrent.
Repenser notre rapport aux contenus
Il m’apparaît urgent de traiter cette problématique avant qu’il ne soit trop tard. Le monde artistique a déjà sérieusement souffert, d’abord avec la numérisation (notamment au travers des plateformes de streaming), puis avec le Covid-19 (les personnes se déplacent moins). Il s’agit de ne pas détériorer encore plus la situation.
Une réponse juridique adéquate constitue la principale piste. Le principe du «fair use» doit conserver son potentiel pédagogique, scientifique et d’innovation. Mais les créateurices de contenus originaux doivent pouvoir vivre de leurs œuvres8.
Cela passera par une meilleure régulation des usages de l’IA générative incluant des retours financiers pour les créateurices. Soit en amont lors de l’apprentissage, soit en aval lors de certaines utilisations9.
Il est théoriquement possible d’entraîner des IA pour détecter des contenus proches d’œuvres protégées. Déployés à grande échelle, de tels outils pourraient identifier des usages non respectueux des créateurices. Mais on laisse alors les entreprises du numérique au cœur du processus, ce qui revient à demander à un pyromane d’être le pompier.
Ce nécessaire rééquilibrage de la situation engage également notre responsabilité individuelle quant à notre consommation de contenus. Écouter des albums en entier plutôt qu’une playlist algorithmique, ou visiter une exposition plutôt que scroller sur Instagram aideraient à replacer les artistes au cœur de la demande culturelle.
Valoriser l’effort de l’être plutôt que du paraître y contribuerait certainement aussi. Après tout, n’est-ce pas plus émouvant qu’une personne passe du temps à vous rédiger un petit mot, fût-t-il moyen dans son expression, plutôt que de constater qu’elle a utilisé son smartphone à la va vite cinq minutes avant le début de votre fête, ce qui d’ailleurs ne manquera pas de se savoir.
Comme souvent, l’école devrait jouer un rôle crucial. Il s’agit de (re)construire des pratiques culturelles émancipatrices. Réintroduire de vrais cours d’initiation à l’art participerait certainement à une plus grande sensibilisation du public. Mais ceci est une autre histoire…
Références
[1] Auro Del Giglio & Mateus Uerlei Pereira da Costa, «The Use of Artificial Intelligence to Improve the Scientific Writing of Non-Native English Speakers», Revista Da Associação Médica Brasileira, 2023.
[2] Ted Gioia, The Ugly Truth About Spotify Is Finally Revealed, 2024.
[3] Ilia Shumailov, Zakhar Shumaylov, Yiren Zhao, Nicolas Papernot, Ross Anderson & Yarin Gal. 2024. «AI models collapse when trained on recursively generated data». Nature, 631(8022), pp. 755‑59, 2024.
[4] Frédéric Kaplan , «L’étrange plume de ChatGPT», Le Monde diplomatique, 72(856), p. 19, 2025.
[5] Ramesh Sharda & Dursun Delen, «Predicting box-office success of motion pictures with neural networks», Expert Systems with Applications, 30(2), pp. 243-254, 2006.
[6] Elizabeth Gibney, «Has your paper been used to train an AI model? Almost certainly», Nature, 632(8026), pp. 715-716, 2024.
[7] Udio, Udio with Warner Music Group [Communiqué de presse], 2025.
[8] Pamela Samuelson, «Does Using In-Copyright Works as Training Data Infringe?», Communications of the ACM, 68(11), pp. 28‑30, 2025.
[9] Michael M. Grynbaum & Ryan Mac, «The Times Sues OpenAI and Microsoft Over A.I. Use of Copyrighted Work», The New York Times, 2023.
[10] GEMA, Erstes KI-Grundsatzurteil in Europa: GEMA setzt sich gegen OpenAI durch [Communiqué de presse], 2025.
Notes
- Un «prompt» est l’instruction écrite par l’utilisateur d’une IA qui démarre le processus de génération de contenus. ↩︎
- Il existe suffisamment de corpus numériques dans lesquels du texte décrit une image. Ces données peuvent alors servir pour créer une IA générant des images à partir de texte (ou le contraire). ↩︎
- En pratique, l’IA générative n’utilise pas les exemples à la volée, mais construit d’abord un modèle mathématique sur base de ces exemples, modèle qu’elle utilise ensuite pour inférer les «bouts de contenu» à générer. ↩︎
- Je précise qu’il n’existe évidemment aucune raison pour laquelle une œuvre rencontrant un succès populaire ne puisse pas être de qualité. Pour autant, l’art se construit également avec des œuvres plus avant-gardistes et parfois moins accessibles. Mais popularité et qualité ne s’opposent bien entendu pas. ↩︎
- Ces modèles comparent des éléments décrivant un futur film (scénario, genre, réalisation, casting, musique, etc.) avec ceux de films passés dont le succès est connu. Le principe d’acteur ou d’actrice bankable illustre parfaitement cette logique. ↩︎
- Rappelons que les éditeurs scientifiques, bien que disposant des droits d’auteur des travaux scientifiques qu’ils publient, ne rémunèrent pas les chercheureuses produisant les contenus ou participant au processus de relecture. Un problème qui dépasse le cadre de l’IA générative. ↩︎
- Le principe du «fair use» implique plusieurs dimensions. L’une d’entre-elles est la notion de transformation : si l’usage aboutit à «quelque chose de fort différent» de l’œuvre originale, le «fair use» peut être invoqué. Dès lors que construire une IA est très différent de publier des livres, des juges estiment que la dimension transformative est rencontrée. ↩︎
- Rappelons que si une petite minorité jouit de fortunes colossales, comme le montre tous les jours la presse people, la grande majorité des artistes éprouvent les plus grandes difficultés à vivre de leur art. ↩︎
- En pratique, il sera sans doute très compliqué de contrôler complètement tous les usages possibles. Mais un dédommagement unique négocié alors que le rapport de force favorise les grandes entreprises du numérique risque de ne pas régler le problème, mais au contraire de postposer les conséquences les plus néfastes. ↩︎