L’IA générative est un domaine de l’intelligence artificielle (IA) qui s’intéresse aux systèmes capables de produire de nouveaux contenus — images, textes, audio — en imitant la créativité humaine. À la différence d’autres formes d’IA, comme l’apprentissage automatique axé sur l’analyse et la prédiction à partir de données existantes, l’IA générative crée du contenu original à partir de rien.
Parmi les principaux outils de l’IA générative figure le réseau de neurones, un algorithme d’apprentissage automatique conçu pour reproduire le fonctionnement du cerveau humain. Composés de nombreux nœuds interconnectés capables de traiter l’information, ces réseaux offrent des applications passionnantes dans des champs créatifs comme l’art, la musique et la littérature.
Parmi les exemples d’IA générative, on peut citer les deepfakes, qui font croire qu’une personne a dit ou fait quelque chose qu’elle n’a pas fait, ou encore la musique générée par IA, qui peut s’affranchir des structures traditionnelles.
La société cherche encore comment intégrer cette technologie. En attendant, l’IA générative demeure un domaine en plein essor, riche de perspectives pour transformer notre façon de créer et de consommer du contenu. Dans cet article, nous explorons des manières concrètes d’utiliser ces outils pour stimuler votre créativité.
Usages créatifs de l’IA générative
L’IA générative recourt à différentes méthodes pour produire divers types de contenus — images, musique, texte.
En comprenant ces techniques, vous pourrez formuler de meilleurs prompts et obtenir de meilleurs résultats. Si vous découvrez tout juste les applications d’IA, consultez notre cours Introduction to ChatGPT.
IA et écriture créative
Poésie et littérature
La génération automatique de langage (NLG) est une technique d’IA générative qui produit du texte mimant la structure du langage humain. Elle a servi à créer de nouvelles œuvres littéraires et poétiques.
Le principe consiste à entraîner un réseau de neurones à apprendre des règles et des structures afin de générer un texte grammaticalement correct et stylistiquement cohérent avec la langue humaine.
Des auteurs et poètes utilisent la NLG pour créer de nouvelles œuvres. Comme pour d’autres médias, un romancier peut s’appuyer sur la NLG pour générer un récit intégrant des éléments d’œuvres existantes, tout en proposant une intrigue et des personnages inédits. Un poète peut l’employer pour composer des poèmes explorant différents thèmes et styles.
La série de recueils Aum Golly propose un commentaire de l’humanité généré par IA, publié par des éditeurs finlandais en 2021 et 2023. Entièrement illustrée et disponible sur Amazon, la première parution revendique une transparence totale sur le coût et le temps de création : « 24 heures et 2,64 $ ».
Si la poésie est sans doute plus accessible pour des modèles qui apprennent encore à reproduire la grammaire anglaise, les romans et textes longs restent un défi pour la NLG. En 2017, l’écrivain Ross Goodwin a tenté de faire réécrire par l’IA Sur la route de Jack Kerouac. Le résultat, 1 the Road, a été publié à des fins de recherche, bien que saccadé et largement inintelligible.
Au-delà de la littérature et de la poésie, la NLG est aussi utilisée pour d’autres usages créatifs, par exemple pour générer des descriptions de produits et des textes marketing pour des sites web et des plateformes e-commerce.
Chatbots et assistants virtuels
Les chatbots et assistants virtuels s’appuient sur le traitement automatique du langage et des algorithmes d’apprentissage automatique pour simuler une conversation et accompagner les utilisateurs dans diverses tâches.
Dans le monde de l’art, des chatbots servent d’installations interactives en galeries et musées. Les visiteurs peuvent leur poser des questions sur l’exposition ou l’artiste, rendant l’expérience plus engageante.
Les assistants virtuels sont aussi déployés dans la publicité et le marketing. Ils aident les entreprises à animer leurs comptes sur les réseaux sociaux, à générer des idées de contenus et à interagir avec leurs clients.
Par exemple, confier à un assistant virtuel les réponses aux sollicitations sur les réseaux sociaux permet de créer une relation plus riche avec les clients tout en absorbant la charge de travail.
En dehors des secteurs artistiques et créatifs, chatbots et assistants virtuels se retrouvent dans de nombreux usages. Par exemple, Woebot est un chatbot qui mobilise la thérapie cognitivo-comportementale pour aider les utilisateurs à gérer leur santé mentale.
Analyse des sentiments et classification de texte
Les techniques d’analyse des sentiments et de classification de texte permettent d’identifier la tonalité ou la catégorie d’un texte. Elles sont utilisées dans divers projets créatifs, notamment pour générer de nouvelles œuvres littéraires et déterminer la charge émotionnelle d’un écrit.
On peut entraîner un réseau de neurones à reconnaître si un texte est positif, négatif ou neutre. Des auteurs peuvent ensuite s’en servir pour concevoir des œuvres suscitant une émotion précise.
La classification de texte, elle, consiste à répartir des écrits en catégories. Par exemple, un réseau peut apprendre à classer des articles par thématique — politique, sport, divertissement — afin d’inspirer la rédaction de nouveaux contenus explorant des sujets et motifs voisins.
Artistes et écrivains exploitent ces techniques pour générer des œuvres qui explorent différentes tonalités émotionnelles et thématiques.
Conseils pour l’IA et l’écriture créative
Si vous souhaitez mobiliser l’IA pour soutenir votre écriture, familiarisez-vous avec le prompt engineering pour des outils comme ChatGPT et Google Bard. Pour obtenir des résultats de qualité, guidez les modèles d’IA générative avec des consignes précises. Par exemple, avec GPT-3.5, vous pouvez lui demander d’écrire un sonnet sur le printemps ou de poursuivre une histoire dans le style d’un auteur donné à partir d’un prompt spécifique.
Consultez notre antisèche ChatGPT pour choisir les bons prompts.
IA et arts visuels : image fixe et vidéo
Les modèles génératifs peuvent traiter des données statiques comme temps réel, à l’image de l’installation de l’artiste Rafael Lozano-Hemmer, « Pulse Room », qui utilise l’IA générative pour créer une scénographie lumineuse unique à partir des battements de cœur des participants.
Des capteurs détectent les pulsations, puis des algorithmes génératifs produisent un motif lumineux propre à chaque personne. Nous aborderons ces techniques et bien d’autres que vous pourrez mettre en œuvre avec divers outils d’IA générative pour les médias numériques.
Transfert de style
Le transfert de style permet d’appliquer le style d’une image à une autre.
L’idée est d’entraîner un réseau de neurones à reconnaître le style distinctif d’un artiste en lui fournissant un grand jeu d’images du style visé. Le réseau apprend alors à identifier les caractéristiques qu’il pourra appliquer à d’autres images.
Le réseau prend ensuite deux images en entrée : une image de « contenu » et une image de « style ». En appliquant le style appris à l’image de contenu, il génère une nouvelle image qui combine le contenu initial avec le style de l’image de référence.
Des artistes utilisent le transfert de style pour créer des œuvres mêlant les signatures de plusieurs créateurs. Par exemple, on peut combiner le style d’un tableau de Picasso avec le contenu d’une photographie, pour obtenir une image qui porte à la fois les traits caractéristiques du tableau et de la photo.
La Joconde dans les styles de Picasso, Van Gogh et Monet
Traduction image-à-image
La traduction image-à-image permet de transposer une image d’un domaine à un autre. Par exemple, on peut entraîner un réseau à convertir des images de chevaux en zèbres. En apprenant les traits caractéristiques de chaque domaine, le réseau peut ensuite traduire des images de l’un vers l’autre.
L’exemple le plus médiatisé est sans doute l’engouement pour l’application Lensa AI sur les réseaux sociaux fin 2022. L’app transforme vos selfies en avatars numériques dans une variété de styles artistiques.
Des alternatives ont fleuri sur Internet. Par exemple, Media.io vous laisse davantage la main en vous permettant de choisir le style appliqué à tout selfie — de Barbie à la BD, en passant par la caricature animée — un bon aperçu du fonctionnement de la traduction image-à-image.
Au-delà de l’art, cette technique est utilisée pour créer des visuels pour des sites et les réseaux sociaux. En traduisant des images d’un domaine à un autre, les entreprises peuvent produire des contenus variés et toucher un public plus large.
Au fil de ce processus, le générateur apprend à produire des images de plus en plus réalistes. Les artistes peuvent utiliser des GAN pour créer des images inspirées d’œuvres existantes, ou totalement inédites.
Augmentation de données
L’augmentation de données applique des transformations à un matériau artistique existant afin de générer de nouvelles entrées et d’améliorer les sorties d’un réseau de neurones. L’objectif est d’accroître la précision et la robustesse du modèle pour de meilleurs résultats.
On peut appliquer de nombreuses transformations : rotations, translations, symétries, modification de la luminosité ou du contraste, filtres, etc. Ces variations créent un corpus d’entrées riche. Une fois générées, ces images servent à entraîner le réseau, permettant ensuite aux artistes de produire de nouvelles œuvres intégrant des éléments existants avec des variantes et transformations originales.
Des artistes s’en servent pour explorer les frontières entre styles et techniques. Par exemple, on peut générer une série de variations autour d’un même style pictural en jouant sur les palettes de couleurs, les coups de pinceau et les compositions.
Un exemple connu est la collection de Mario Klingemann, « Memories of Passerby I », entraînée sur un jeu de portraits des XVIIe au XIXe siècles et enrichie de transformations de ces images.
Conseils pour l’IA et les arts visuels
Avec les outils d’IA, gardez en tête qu’il s’agit de leviers au service de votre créativité. Expérimentez et itérez sur les entrées, paramètres et styles pour aboutir à une œuvre alignée avec votre vision. Au final, l’œuvre doit exprimer vos idées et votre imagination, l’IA n’étant qu’un puissant moyen de les concrétiser.
IA et audio : son et musique
Les musiciens exploitent eux aussi l’IA générative pour composer. Des réseaux de neurones peuvent analyser des chansons existantes, en dégager structures et motifs, puis générer de nouvelles mélodies et progressions d’accords. Cette technologie permet même à un non-musicien de créer des morceaux inspirés d’œuvres existantes tout en restant uniques.
Composition musicale algorithmique
Autre usage : la composition algorithmique. Des musiques génératives peuvent être produites en temps réel par des algorithmes programmés pour proposer une version unique à chaque lecture. Par exemple, l’application Endel crée une musique générative à partir des préférences de l’utilisateur, de sa localisation et de l’heure.
On peut aussi générer des séries de mélodies partageant la même progression d’accords ou le même rythme. Ces résultats servent de point de départ à une nouvelle composition, ou se combinent à d’autres éléments pour créer une pièce complète.
De nombreux algorithmes existent, chacun avec ses forces et limites. Certains reposent sur des règles ou des motifs, d’autres apprennent à partir de compositions existantes pour en générer de nouvelles.
Par exemple, des modèles de traduction permettent de capter des informations issues de médias non musicaux (comme une image) et de les convertir en résultat musical. Vous pouvez tester CLIP Interrogator, qui génère une courte boucle musicale à partir d’une image que vous importez.
Transfert de style musical
Comme dans d’autres médias, le transfert de style permet d’appliquer des variables artistiques clés à différentes pièces musicales. Cette technique sert autant à créer de nouvelles œuvres qu’à remixer des morceaux existants.
Par exemple, on peut entraîner un réseau à projeter le style de la musique classique sur de la musique électronique. Après avoir identifié les caractéristiques de chaque style, le réseau peut transférer le style d’une pièce à une autre.
Au-delà de la musique, le transfert de style s’applique aussi à d’autres contenus audio, comme la parole et la composition sonore. En transférant le style d’un contenu à un autre, les créateurs explorent de nouvelles formes d’expression et repoussent les limites des formats traditionnels.
Génération d’effets sonores et d’ambiances
La génération de sons par IA progresse rapidement, avec des applications en musique, cinéma et jeu vidéo. En entraînant un réseau sur un large jeu d’effets sonores, il apprend à produire de nouveaux sons similaires en style et en texture. C’est utile pour créer des effets pour les jeux ou enrichir l’ambiance sonore d’un film.
Autre approche : l’audio procédural, qui génère des sons en temps réel selon un ensemble de règles et de paramètres. Cette méthode permet des effets hautement personnalisables et adaptatifs, qui évoluent dynamiquement selon le contexte du projet.
Conseils pour la musique et l’IA
L’IA démultiplie le potentiel créatif en audio : composition originale mêlant styles et humeurs, transfert de style sonore, paysages d’ambiance immersifs et personnalisés.
Elle peut aussi automatiser le mixage et le mastering pour un rendu qualitatif, et générer des effets uniques pour forger une identité sonore. Véritable muse numérique pour l’écriture musicale, elle suggère des idées de mélodies et d’harmonies. Gardez à l’esprit que ces outils enrichissent votre créativité, sans la remplacer.
Pour conclure : ressources et inspirations
Le processus créatif peut être exigeant. Avec l’IA générative, chacun peut toutefois trouver de nouvelles sources d’inspiration. Et grâce aux outils et techniques présentés ici, même des artistes confirmés peuvent amplifier leur production à grande échelle.
Alors que la société explore encore l’impact culturel et futur de ces technologies, c’est le bon moment pour vous y familiariser et vous forger votre propre point de vue.
Voici quelques ressources pour approfondir et suivre l’actualité de l’IA générative :