Dirigé par Philippe Pasquier, le Metacreation Lab est à la pointe de l’innovation en matière de systèmes génératifs. Grâce à des collaborations interdisciplinaires, le laboratoire explore de nouvelles dimensions dans le domaine des expériences interactives et des logiciels créatifs. Deux axes principaux orientent son travail :

• La Génération Intégrée : Ce domaine se concentre sur l’application des systèmes génératifs pour des performances en direct, où la capacité d’adaptation et de création en temps réel est essentielle.
• La Créativité Assistée par Ordinateur : Cette approche vise à enrichir les logiciels de création existants, en augmentant leurs fonctionnalités et en facilitant des processus créatifs plus sophistiqués.

Comprendre l’IA Générative
L’IA générative est une technologie qui apprend à partir de données d’exemples (images, textes, musiques, etc.) pour produire de nouveaux contenus. En utilisant des algorithmes sophistiqués, elle analyse les caractéristiques des données pour générer des résultats originaux. Ces systèmes ajustent leurs créations en fonction de critères spécifiques ou de modèles prédéfinis, ce qui soulève des enjeux uniques comparés aux tâches dites “faciles”. En effet, l’évaluation de la qualité des œuvres générées est souvent subjective, ce qui rend difficile l’identification d’un “résultat optimal”.

Les Modèles d’IA Générative
En intelligence artificielle générative, deux grands types de modèles sont utilisés :

• Big Data : Ces modèles, largement connus grâce à des outils comme ChatGPT et DALL·E, exploitent d’immenses quantités de données disponibles sur le web pour identifier des tendances globales et faire des prévisions à grande échelle.
• Small Data : Contrairement aux modèles Big Data, les modèles Small Data fonctionnent avec des ensembles de données plus petits et plus faciles à gérer, souvent à l’aide d’outils traditionnels.

Défis et Questions Éthiques
Les défis associés à l’IA générative sont nombreux et variés :

• Contrôle et Explicabilité : La difficulté à comprendre et expliquer les modèles reste un problème majeur.
• Droits d’Auteur et Plagiat : L’utilisation des données pour entraîner les modèles soulève des questions complexes concernant le copyright et la propriété intellectuelle.
• Biais et Représentation : Les biais présents dans les données et les modèles peuvent refléter des perspectives culturelles dominantes et limiter la diversité des créations.
• Impact sur l’emploi : La montée de l’IA générative pose des risques de chômage technologique et de déplacement des emplois.
• Authenticité et désinformation : La prolifération des médias synthétiques soulève des inquiétudes quant à l’authenticité des informations.
• Coûts environnementaux : La gestion de grandes quantités de données a un impact écologique, rendant les approches basées sur Small Data potentiellement plus durables.

Initiatives pour une Utilisation Éthique

La principale crainte remontée par les artistes est la question des droits d’auteurs. En effet, là où de nombreuses compagnies, qui utilisent des modèles basés sur des Big DATA, sont poursuivies en justice pour des problématiques de copyright,  d’autres offrent des solutions plus éthiques et plus respectueuses des droits d’auteurs.

L’opportunité pour les artistes est d’entraîner eux même leur modèle, basé sur des small DATA,  en lui donnant du contenu contrôlé, que ce soit des éléments libres de droits ou bien même des créations de l’artiste lui-même.

C’est par exemple le cas d’Autolume, un système d’IA générative sans codage permettant aux artistes de former, créer et explorer leurs propres modèles.

Une initiative intéressante dans le domaine des droits d’auteur est celle d’iStock. La plateforme de stock photo leader propose un service d’images générées par IA, exclusivement formé avec des images disponibles sur sa plateforme. Ainsi, les auteurs des images utilisées sont rémunérés lorsque leur contenu contribue à la création de nouvelles images par l’IA.

Conclusion
Philippe Pasquier souligne que la technologie, tout comme elle a façonné notre société par le passé, continuera à le faire à l’avenir. Bien qu’il comprenne les craintes relatives à une prise de contrôle par l’IA, il reste optimiste quant à son utilisation pour soutenir et élargir notre créativité. La numérisation croissante et l’émergence des interfaces co-créatives ont des répercussions profondes sur les plans sociopolitique et économique. L’avenir est indéniablement génératif, et il est crucial d’exploiter le potentiel des machines pour enrichir et soutenir notre expression artistique.