Vous avez déjà vu un téléviseur sans signal, cet écran de neige noir et blanc ? Les générateurs d’images comme Midjourney ou DALL-E partent exactement de là pour produire un dessin. Une IA ne sait pas ce qu’est un visage. Voici comment elle fonctionne, et ce que cela change pour qui dessine.
En bref
- Midjourney ou DALL-E partent d’un bruit blanc, comme un écran de téléviseur défectueux, pour faire émerger une image.
- Un LLM comme ChatGPT ou Gemini repère des structures dans d’énormes quantités de données, puis les reproduit pour écrire.
- Le secteur pèse près de 300 milliards de dollars, mais la provenance des données reste un gros point de controverse.
Le chiffre clé : 300 milliards de dollars, le poids approximatif de l’industrie de l’intelligence artificielle aujourd’hui.
Une IA qui dessine part d’un écran de neige, pas d’un crayonné
Pensez à un téléviseur défectueux. Plus d’image, seulement des points noirs et blancs qui clignotent au hasard. C’est le point de départ d’un logiciel comme Midjourney ou DALL-E quand il génère une illustration. Il part de ce bruit blanc, puis, guidé par la consigne tapée par l’utilisateur, il cherche à y reconnaître des formes.
Rien à voir avec votre méthode. Beaucoup d’illustrateurs travaillent par couches successives : un crayonné, un encrage, puis la couleur, avec autant de variantes que de dessinateurs. Une IA ne passe par aucune de ces étapes. Elle fait émerger son résultat d’un bruit aléatoire.
Le point à retenir : une intelligence artificielle ne sait pas ce qu’est un visage, une expression ou un mouvement. Elle sait associer une instruction à un résultat. Demandez-lui « un personnage masculin avec une épée » : elle relie « personnage », « masculin » et « épée » à des éléments de sa base de données, puis les combine de façon mécanique.
Les LLM apprennent des structures, comme on apprend l’alphabet
Les chatbots que tout le monde connaît, ChatGPT, Claude ou Gemini, reposent sur des LLM, pour « Large Language Model ». À leur base, il y a des bases de données, les « datasets ». Parmi les plus connus, l’une recense des données mondiales sur la pauvreté, les émissions de CO2 ou les flux migratoires. Une autre compile des données sur la Terre et sur l’espace.
Le modèle analyse ces données des milliers, voire des millions de fois. Il en extrait des « patterns », c’est-à-dire des structures, et les reproduit. Souvenez-vous : vous avez appris l’alphabet en recopiant des lettres encore et encore, puis vous avez fait des mots, puis des phrases. Un LLM fabrique ses phrases d’après les règles qu’il a assimilées.
Ces IA ont absorbé des millions de téraoctets d’informations prises sur le web. Les ingénieurs leur ont donné des instructions pour reproduire les règles d’une langue : ordre des mots, lien entre un mot et sa définition, structure grammaticale. Cet ensemble d’instructions porte un nom, le « Machine Learning ». Reste un problème : la provenance de ces données n’est pas toujours claire. C’est l’un des gros points de controverse.
Le terme « IA » recouvre bien plus que les chatbots et les générateurs d’images
Dans le langage courant, « IA » est un mot-valise. Il englobe la robotique, la reconnaissance faciale, jusqu’aux portes automatiques. Certaines technologies sont anciennes : le Face ID d’Apple, mis en place dès 2017, peut être vu rétrospectivement comme une IA dite « faible », limitée à des tâches précises.
Quand on parle d’IA générative dans les domaines artistiques, deux familles dominent la conversation. Les LLM, qui travaillent surtout sur le texte. Et les générateurs « text-to-image », comme Midjourney, DALL-E ou DeepAI, qui analysent un texte pour produire des images.
Pour un lecteur de BD, la distinction compte. Le scénario et le dessin ne relèvent pas du même outil, ni des mêmes questions.
Un marché de près de 300 milliards de dollars, et une technologie déjà très contestée
L’industrie pèse aujourd’hui près de 300 milliards de dollars, selon Fortune Business Insight. On « googlait » hier, on « tweetait » après, et désormais on « demande à une IA ». Même des entreprises sans lien avec la tech ajoutent l’étiquette « IA » à leurs produits pour faire grimper leur valeur en Bourse.
| Repère | Ce que disent les sources |
|---|---|
| Poids de l’industrie | Près de 300 milliards de dollars |
| Âge de la technologie pour le grand public | Moins de cinq ans |
| Face ID d’Apple | Mis en place dès 2017 |
| Dernier grand bilan BD et IA avant 2026 | 2023 |
Cette technologie a déjà un passé chargé. Les critiques portent sur la violation du droit d’auteur, la délégitimation de la création humaine, l’impact environnemental, l’appropriation par des partis politiques et l’usage militaire.
Le paysage bouge vite. OpenAI était au sommet du monde, puis une controverse sur un projet de collaboration avec le Département de la Défense américain a changé la donne : l’entreprise a été dépassée par Anthropic et son agent Claude.
Dans la BD, il y a autant d’approches que d’auteurs et d’éditeurs
Face à ces outils, les réactions sont variées. Certains auteurs refusent avec véhémence. D’autres valorisent un travail 100 % humain. D’autres encore tentent d’intégrer des outils d’IA dans leur processus de création.
Comprendre le fonctionnement technique aide à se faire une opinion solide. Un LLM reproduit des structures apprises dans des données. Un générateur d’images transforme du bruit en formes selon une consigne. Dans les deux cas, la question de l’origine des données d’entraînement reste posée.
Cette série en sept parties fait le point sur le rapport entre IA et bande dessinée aujourd’hui. Cette première partie pose les bases. Pour celles et ceux qui avaient lu le bilan de 2023, il y a du nouveau.
Vos questions
Une IA comprend-elle ce qu’elle dessine ?
Non. Elle ne sait pas ce qu’est un visage, une expression ou un mouvement. Elle associe les mots d’une consigne à des éléments de sa base de données et les combine de façon mécanique.
Comment un générateur d’images comme Midjourney fabrique-t-il une illustration ?
Il part d’un bruit blanc, comparable à un écran de téléviseur défectueux couvert de points noirs et blancs. Selon la consigne de l’utilisateur, il tente d’y reconnaître des formes. Il ne procède pas par crayonné, encrage et couleur comme un dessinateur.
Pourquoi l’origine des données pose-t-elle problème ?
Les LLM ont absorbé des millions de téraoctets d’informations tirées du web pour apprendre à reproduire des règles de langue. La provenance de ces données n’est pas toujours claire. C’est l’un des gros points de controverse de l’IA.
Sources : actuabd.com.
