Engagements et Futurs. Art numérique et éthique de l'IA : les enjeux de la création responsable

Art numérique et éthique de l’IA: les enjeux de la création responsable

Elle peut aussi entraîner ses modèles sur des œuvres dont les auteurs n’ont jamais été consultés, alimenter des centres de données voraces en électricité et vendre au public l’illusion d’une technologie neutre. Le paradoxe n’est pas marginal: il constitue aujourd’hui le cœur économique de l’art numérique.

L’IA générative transforme les pratiques artistiques à une vitesse que les institutions culturelles peinent à suivre. Mais derrière les images produites en quelques secondes se concentrent des questions beaucoup moins photogéniques: qui est l’auteur? qui a fourni les données? qui assume les biais? qui paie le coût environnemental? Et surtout, qui profite de cette nouvelle rente créative?

L’art numérique et l’éthique de l’IA générative ne forment donc pas un supplément moral destiné à accompagner les vernissages. C’est une question de production, de propriété, de pouvoir et de redistribution. Autrement dit, une question politique — ce qui explique sans doute pourquoi tant de discours institutionnels préfèrent parler d’innovation.

Le paradoxe de la paternité: quand l’algorithme réclame les honneurs

Dans le récit promotionnel habituel, l’artiste dialogue avec la machine. Le premier formule une intention, la seconde explore des possibilités, puis une œuvre apparaît. Cette fable a l’avantage de distribuer les rôles avec élégance: l’humain reste sensible, la technologie devient créative, et personne ne s’attarde sur les infrastructures qui rendent la scène possible.

Le droit, lui, est moins sentimental. En l’état de la jurisprudence, une œuvre produite entièrement par un algorithme, sans intervention ni contrôle créatif humain direct, ne bénéficie pas automatiquement de la protection du droit d’auteur en France et dans plusieurs autres juridictions. Le simple fait d’avoir écrit une instruction textuelle ne suffit donc pas nécessairement à établir une paternité artistique protégée.

La distinction est déterminante. Elle sépare une pratique de direction artistique — sélection, composition, retouche, montage, choix narratifs, travail sur la matière et sur la forme — d’une génération laissée presque entièrement à la machine. Dans le premier cas, l’IA peut s’inscrire dans un processus de création identifiable. Dans le second, l’auteur revendiqué risque surtout d’être l’utilisateur d’une interface.

Cette nuance contrarie le marketing des plateformes. Elles vendent de la vitesse, de l’abondance et une promesse d’accès généralisé à la création. Mais l’abondance d’images n’équivaut pas à une abondance de droits. Une œuvre peut circuler, être exposée, devenir virale et rester juridiquement fragile si le rôle créatif de l’humain n’est pas démontrable.

Pour les artistes numériques, la question n’est pas seulement de conserver des esquisses ou des fichiers sources afin de documenter leur travail. Il s’agit de rendre lisible une chaîne de décisions:

• quelles parties de l’œuvre ont été générées par le modèle;
• quels éléments ont été choisis, assemblés ou transformés par l’artiste;
• quelles retouches ont modifié la composition finale;
• quelle place occupent la programmation, la modélisation, le montage ou l’installation;
• quelles données ou références ont orienté le résultat.

Cette traçabilité ne transforme pas magiquement une image en œuvre protégée. Elle permet toutefois de documenter l’intervention humaine, donc de sortir du brouillard entretenu par le mot commode de « création ». Dans l’art contemporain, l’intention ne suffit jamais à elle seule: il faut aussi pouvoir montrer un geste, une méthode, une construction.

Le problème n’est pas que la machine produise des images. C’est que l’économie de l’IA voudrait faire payer les images tout en rendant invisible le travail qui les rend possibles.

Le droit d’auteur face à la fouille des œuvres

Le second angle mort concerne les données d’entraînement. Les modèles génératifs ont besoin de vastes corpus d’images, de textes ou de vidéos. Or ces corpus ne sont pas apparus spontanément dans les serveurs. Ils proviennent d’un patrimoine visuel et culturel accumulé par des artistes, des photographes, des illustrateurs, des studios, des musées et des communautés en ligne.

Le débat ne porte donc pas uniquement sur le résultat produit par l’IA. Il porte sur l’amont: les œuvres ont-elles été utilisées légalement? Les créateurs ont-ils été informés? Ont-ils pu refuser cette exploitation? Une rémunération est-elle prévue? La réponse varie selon les régimes juridiques, les contrats et les pratiques des entreprises. Cette incertitude profite rarement aux artistes les moins puissants.

L’asymétrie est nette. Une plateforme peut aspirer des millions de contenus, les agréger et les convertir en avantage technologique. Un artiste individuel, lui, doit tenter de comprendre si son travail a été intégré à un modèle, par quel moyen et avec quelles conséquences. Dans cette relation, l’un dispose de l’infrastructure, des juristes et du capital; l’autre d’un portfolio et d’une adresse électronique.

Les « Thèses de Genshagen », adoptées en juin 2025, proposent notamment une réflexion européenne sur la création d’un conseil interdisciplinaire d’éthique de l’IA, ainsi que sur des lignes directrices destinées à protéger les créateurs contre la fouille non rémunérée des données. Elles alertent également sur le risque de « Model Collapse », c’est-à-dire la dégradation progressive des modèles lorsque leurs nouvelles données d’entraînement sont elles-mêmes produites par des systèmes génératifs.

Ce scénario a quelque chose de profondément ironique: une industrie qui promet une créativité infinie pourrait finir par recycler ses propres déchets. À force d’entraîner les modèles sur des contenus générés par d’autres modèles, elle risque d’aplatir les différences, de réduire les accidents et de transformer l’imaginaire en pâte homogène. La rente technologique se nourrit alors d’une standardisation qu’elle présente comme une démocratisation.

Biais algorithmiques: la neutralité n’existe pas dans les bases de données

L’IA générative ne regarde pas le monde. Elle reconstruit des régularités à partir des données qu’on lui fournit et des règles qui organisent leur sélection. Cette mécanique suffit à ruiner le mythe de l’outil neutre.

Les modèles d’images sont souvent entraînés sur des données fortement anglo-saxonnes et culturellement homogènes. Ils peuvent ainsi reproduire ou amplifier des biais liés au genre, à la représentation des métiers, aux corps, aux origines ou aux imaginaires géographiques. Le résultat n’est pas toujours une erreur spectaculaire. Il peut prendre la forme plus discrète d’une répétition: certains visages sont associés au pouvoir, certaines silhouettes au soin, certains espaces à la pauvreté, certaines esthétiques à l’exotisme.

Le biais algorithmique dans l’art n’est donc pas une anomalie réservée aux images manifestement caricaturales. Il s’installe dans les détails, les choix par défaut et les hiérarchies visuelles. Qui est représenté comme expert? Quel corps devient héroïque? Quelle architecture est considérée comme futuriste? Quel vocabulaire sert à décrire une culture et lequel la réduit à un décor?

Un artiste peut tenter de corriger ces tendances par le prompt, la sélection ou la retouche. Mais l’effort individuel ne suffit pas à corriger un système d’entraînement entier. Il peut déplacer le problème sans le résoudre. L’image finale sera peut-être plus inclusive, tandis que la structure qui l’a produite restera fondée sur une distribution inégale des représentations.

L’esthétique du progrès comme cache-misère

Les expositions consacrées à l’IA aiment souvent mettre en scène la surprise: images mouvantes, environnements immersifs, variations infinies, visiteurs invités à produire leur propre avatar. Le dispositif est efficace. Il transforme le public en démonstrateur bénévole et la médiation en campagne d’adoption.

Mais l’interactivité ne garantit ni la diversité ni la responsabilité. Une œuvre peut donner au visiteur l’impression de participer tout en reproduisant les mêmes catégories esthétiques que les systèmes commerciaux. La personnalisation devient alors une illusion de contrôle: chacun choisit ses paramètres, mais personne ne choisit réellement les données qui ont défini l’espace des possibles.

La responsabilité des artistes numériques se situe ici dans une zone inconfortable. Ils ne contrôlent pas tout le modèle, mais ils contrôlent la manière dont ils l’emploient, le contexte dans lequel ils montrent les résultats et les limites qu’ils rendent visibles. Utiliser un système biaisé n’est pas automatiquement illégitime. Faire passer ce système pour transparent et universel l’est beaucoup davantage.

Une pratique exigeante peut notamment:

1. documenter les limites du modèle au lieu de les dissimuler derrière une esthétique spectaculaire;

2. contextualiser les choix de représentation et les erreurs récurrentes;

3. diversifier les sources, les références et les collaborations humaines;

4. éviter de présenter comme « naturelle » une hiérarchie produite par des données historiques;

5. rémunérer les contributions artistiques lorsqu’un corpus spécifique est constitué pour le projet.

Ce n’est pas une recette de pureté. Il n’existe pas d’IA débarrassée de toute histoire sociale. Mais il existe des pratiques qui rendent cette histoire visible, et d’autres qui la recouvrent d’un vernis futuriste.

L’empreinte invisible: le coût écologique des centres de données

L’image générée paraît immatérielle. Elle apparaît sur un écran, se duplique sans bruit et disparaît dans un dossier. Cette légèreté visuelle masque une infrastructure lourde: serveurs, réseaux, systèmes de refroidissement, fabrication des composants, stockage et renouvellement des équipements.

Selon l’Arcep, le numérique représente environ 4 % de l’empreinte carbone en France. Cette estimation englobe l’ensemble du secteur et ne permet pas d’attribuer une quantité précise à chaque image produite par une IA générative. Il faut résister à la tentation des chiffres spectaculaires appliqués sans méthode: l’empreinte exacte d’une œuvre dépend du modèle, de la résolution, du nombre d’essais, du matériel et du mode d’utilisation.

Ce que l’on peut affirmer sans maquillage statistique, c’est que les centres de données consomment de l’électricité et de l’eau, et que leur impact environnemental progresse. L’infrastructure qui soutient l’art numérique n’est donc pas extérieure à l’œuvre. Elle en constitue la condition matérielle, au même titre que le projecteur, le serveur d’exposition ou le bâtiment qui accueille l’installation.

Le problème devient particulièrement visible lorsque la logique de la génération remplace celle de la composition. Pourquoi produire des centaines de variantes si le projet artistique n’en conserve que trois? Pourquoi augmenter systématiquement la résolution lorsque l’œuvre est destinée à un écran de petite taille? Pourquoi multiplier les modèles et les itérations pour obtenir un résultat qui aurait pu être conçu avec une chaîne technique plus sobre?

La question écologique ne consiste pas à opposer mécaniquement l’art numérique à l’art analogique. Une installation physique peut mobiliser des matériaux, du transport, de l’énergie et des espaces d’exposition. L’enjeu est plutôt de comparer les dispositifs réels, pas les fantasmes de légèreté associés au numérique.

L’éco-conception contre la logique de la surproduction

L’éco-conception appliquée à l’art numérique ne consiste pas à coller un label vert sur une œuvre générée par une infrastructure opaque. Elle suppose de revoir la chaîne complète: matériel, logiciel, stockage, durée d’exposition, résolution, fréquence de calcul, maintenance et fin de vie.

Dans une installation interactive, il peut être pertinent de réduire le nombre de traitements en temps réel, de privilégier un modèle moins lourd lorsqu’il répond au besoin artistique, ou de concevoir une œuvre qui ne repose pas sur une connexion permanente à un service distant. Ces choix ne sont pas neutres esthétiquement. Ils peuvent même produire une contrainte féconde, en obligeant l’artiste à renoncer à l’inflation des variations.

La sobriété ne doit toutefois pas devenir une nouvelle injonction individuelle adressée aux créateurs tandis que les grandes plateformes poursuivent une course à la puissance. Demander à un artiste de limiter ses essais ne règle pas la question de modèles industriels conçus pour augmenter la consommation et verrouiller les usages. La responsabilité doit être répartie selon le pouvoir réel de chaque acteur.

Une institution qui revendique une démarche durable devrait donc publier autre chose qu’une intention générale. Elle pourrait rendre accessibles les informations relatives à l’hébergement, à la durée de fonctionnement, au renouvellement du matériel, au stockage et aux choix de modèles. Ce n’est pas très spectaculaire sur une affiche. C’est pourtant là que commence la crédibilité.

Gouvernance européenne: les chartes ne valent que par leurs contraintes

Face aux controverses, les institutions produisent des chartes. Le procédé est désormais familier: quelques principes sur la transparence, l’inclusion et la responsabilité, une signature officielle, puis une communication sur l’engagement. La charte devient parfois le produit culturel le plus facilement exportable: elle ne nécessite ni transformation budgétaire ni conflit avec les fournisseurs.

Pourtant, un cadre éthique peut avoir une utilité réelle s’il ne se réduit pas à une déclaration d’intention. Il doit déterminer qui décide, qui vérifie, qui peut contester et quelles conséquences suivent une violation. Sans ces mécanismes, l’éthique reste une variable décorative de la gouvernance.

Les propositions issues du forum de Genshagen vont dans le sens d’un conseil interdisciplinaire à l’échelle européenne. L’intérêt d’une telle instance serait de réunir des compétences que les institutions isolent habituellement: artistes, juristes, chercheurs, ingénieurs, spécialistes des données, représentants des publics et acteurs de la société civile. Une question comme l’usage d’œuvres pour entraîner un modèle ne peut pas être traitée uniquement par le service informatique ou le département juridique d’un musée.

La gouvernance devrait également s’intéresser aux contrats. Qui possède les fichiers? Qui peut réutiliser les données produites par les visiteurs? Le prestataire conserve-t-il les images et les textes saisis pendant l’exposition? L’artiste peut-il récupérer son modèle ou ses archives si la plateforme disparaît? Que devient l’œuvre lorsque le fournisseur modifie ses conditions d’utilisation?

Ces sujets sont moins glamour que l’inauguration d’une galerie immersive, mais ils dessinent la véritable économie de la création algorithmique. L’IA ne supprime pas les intermédiaires: elle en ajoute de nouveaux, souvent plus difficiles à identifier. Plateformes, hébergeurs, fournisseurs de modèles et détenteurs de données occupent une place croissante dans la chaîne de valeur. Leur pouvoir doit donc être soumis à des obligations de transparence.

Une charte sans droit de regard, sans budget et sans sanction n’est pas une politique éthique. C’est un élément de langage avec une belle mise en page.

La transparence des données d’entraînement, angle mort central

La transparence ne signifie pas nécessairement révéler chaque ligne d’un jeu de données. Elle suppose au minimum de décrire son origine, ses catégories, ses exclusions, ses méthodes de collecte et les mécanismes de retrait ou de contestation disponibles pour les créateurs.

Cette exigence rencontre une résistance prévisible. Les entreprises invoquent le secret industriel, tandis que les institutions invoquent la complexité technique. Le public, lui, reçoit une œuvre dont le fonctionnement est présenté comme magique. Entre la propriété intellectuelle et la boîte noire, l’opacité trouve toujours une justification.

Pour les artistes, cette opacité complique aussi la construction d’une pratique critique. Comment interroger les biais d’un modèle si l’on ignore les corpus qui l’ont formé? Comment discuter l’originalité d’un résultat si les références mobilisées sont indétectables? Comment négocier une rémunération si aucune liste de sources ne permet de mesurer la contribution des œuvres utilisées?

La transparence ne résoudra pas à elle seule la question de la rémunération. Elle constitue cependant la condition minimale d’une négociation. Sans information, il n’y a pas de consentement éclairé; sans possibilité de consentement, le discours sur la collaboration entre l’artiste et la machine ressemble surtout à une opération de communication.

Les institutions culturelles face à leur propre contradiction

Le ministère français de la Culture s’est engagé dans une démarche de numérique éco-responsable, notamment à travers une charte d’IA responsable et le renouvellement d’un label numérique responsable. L’initiative peut fournir un cadre utile, à condition de ne pas être évaluée uniquement sur la qualité de sa formulation.

Le véritable test se situe dans les arbitrages ordinaires. Une institution applique-t-elle les mêmes exigences à ses prestataires qu’à ses artistes? Demande-t-elle l’origine des données utilisées par une œuvre commandée? Prévoit-elle une rémunération pour les contributions incorporées dans un modèle? Mesure-t-elle la durée de fonctionnement d’une installation? Accepte-t-elle de financer une solution moins impressionnante mais plus sobre?

Le greenwashing culturel fonctionne précisément grâce à l’écart entre le discours et la dépense. Une exposition peut traiter du dérèglement climatique tout en mobilisant une scénographie jetable. Un musée peut défendre la diversité tout en commandant un outil entraîné sur des données culturellement déséquilibrées. Une fondation peut célébrer l’accès démocratique à l’art tout en enfermant les artistes dans des contrats qui transfèrent les risques vers eux.

Cette contradiction n’invalide pas toute création assistée par IA. Elle impose de distinguer les œuvres qui interrogent les infrastructures de celles qui les camouflent. Dans le premier cas, la technologie devient un matériau critique. Dans le second, elle reste un dispositif de captation de valeur emballé dans le vocabulaire de l’innovation.

Ce que pourrait être une création responsable

Une pratique responsable ne se reconnaît pas à son absence de technologie, mais à la manière dont elle assume ses dépendances. Elle ne prétend pas que l’outil est neutre. Elle ne dissimule pas les étapes qui ont déterminé le résultat. Elle ne transforme pas l’automatisation en preuve de génie. Elle ne confond pas une interface accessible avec une économie équitable.

Cela implique plusieurs engagements concrets:

• donner aux artistes une place dans les décisions techniques et contractuelles, plutôt que de les inviter après coup à valider un dispositif déjà verrouillé;
• identifier les usages de l’IA dans les œuvres et les expositions, sans transformer cette information en argument promotionnel automatique;
• privilégier des modèles et des formats adaptés au besoin réel de l’œuvre;
• prévoir des solutions de retrait, d’archivage et de réversibilité lorsque les services commerciaux cessent d’exister;
• reconnaître le travail humain de sélection, de montage, de programmation, de documentation et de médiation;
• organiser une discussion sur la rémunération des œuvres utilisées pour l’entraînement;
• associer les publics à la compréhension des infrastructures plutôt qu’à la seule production ludique de contenus.

Le dernier point compte particulièrement. Le public n’a pas besoin d’être transformé en opérateur gratuit d’une plateforme pour comprendre l’IA. Une œuvre peut rendre perceptibles ses limites, exposer ses erreurs, montrer les absences de ses données ou mettre en scène les coûts de son fonctionnement. Elle peut refuser la fluidité parfaite et produire une expérience moins confortable, mais plus honnête.

L’art numérique n’a pas besoin d’un nouveau miracle

L’intelligence artificielle générative ne va pas disparaître des pratiques artistiques. La question n’est donc pas de décréter une pureté technologique impossible. Elle consiste à savoir quelles conditions économiques, juridiques et écologiques nous acceptons pour produire des images, des sons et des environnements dits nouveaux.

L’art numérique a longtemps revendiqué son caractère expérimental. Il devrait appliquer cette exigence à ses propres infrastructures. Expérimenter, ce n’est pas seulement tester un modèle plus puissant ou une interface plus fluide. C’est aussi mettre en crise les règles de propriété, la distribution des ressources, les hiérarchies culturelles et la promesse d’une croissance infinie du contenu.

Les artistes ne peuvent pas porter seuls cette responsabilité. Les plateformes contrôlent les modèles et les données. Les institutions décident des budgets, des commandes et des normes d’exposition. Les pouvoirs publics fixent les cadres juridiques. Le public, enfin, peut exiger de savoir ce qu’il regarde et ce qu’il finance. Chacun n’a pas le même levier — prétendre le contraire serait une nouvelle manière de protéger les plus puissants.

L’éthique technologique et la création ne se rencontreront donc pas dans une formule consensuelle affichée au mur d’un musée. Elles se joueront dans des choix prosaïques: un contrat renégocié, une donnée retirée, un modèle moins énergivore, une œuvre refusée parce que ses conditions de production sont intenables, une institution contrainte de publier ce qu’elle préférait garder hors champ.

L’avenir de l’art génératif ne dépend pas seulement de la qualité des images produites. Il dépend de la capacité du secteur à répondre à une question beaucoup moins confortable: combien de droits, de ressources et de travail invisible sommes-nous prêts à sacrifier pour continuer à appeler cela une création?