Réalité et fantasmes de l’IA au cinéma

Cet arti­cle fig­ure dans le dossier « Com­ment imag­in­er le ciné­ma dans 20 ans ? » du numéro anniver­saire de Critikat, paru en décem­bre 2024.

Où en sont les pro­grès de l’intelligence arti­fi­cielle et quelles per­spec­tives (et craintes) ménage-t-elle pour l’avenir du ciné­ma ? Tour d’horizon sur l’évolution d’une tech­nolo­gie en plein essor, qui soulève plusieurs prob­lèmes éthiques, tout en esquis­sant des promess­es et cham­boule­ments dont les con­tours restent encore flous.

« Je est un autre ? » : le thème de la dernière bien­nale des arts numériques Némo, organ­isée fin 2023, pro­po­sait aux artistes de s’emparer de la ques­tion des per­son­nal­ités mul­ti­ples à l’ère du numérique. À cette occa­sion, Ismaël Jof­froy Chand­outis, récip­i­endaire du César du court-métrage doc­u­men­taire en 2022 pour Maal­beek, réal­isé avec l’aide de l’intelligence arti­fi­cielle, pro­po­sait une instal­la­tion « work in progress » de son prochain pro­jet, inti­t­ulée Madotsuki_the_Dreamer. Le cinéaste s’intéresse depuis plusieurs années à Joshua Ryne Gold­berg, un « troll » améri­cain qui vient de purg­er une peine de dix ans de prison : « Il a créé sur Inter­net près d’une cen­taine de per­son­nages dif­férents, tous extrémistes : un dji­hadiste, une fémin­iste hard­core, un cri­tique de ciné­ma, une étu­di­ante japon­aise… » détaille-t-il. Il voit en Gold­berg une « incar­na­tion du deep­fake », cette tech­nique de trucage reposant sur l’IA qui super­pose et com­bine dif­férents fichiers audio ou vidéo, sou­vent dans le but de dupli­quer l’image ou la voix de quelqu’un afin de lui attribuer des pro­pos ou actions dont il n’est pas l’auteur. Le pro­fil de Gold­berg a retenu son atten­tion après avoir recher­ché des per­son­nes vic­times de deep­fakes, dont le nom­bre s’est accru ces dernières années, afin d’en recueil­lir les témoignages. « Je ne me sens pas men­acé en tant qu’artiste par l’avènement de l’IA, mais le deep­fake m’a tout de suite intéressé » racon­te-t-il. « Con­traire­ment aux autres usages de l’IA, il a tout de suite un impact con­cret. 90% des con­tenus pro­duits à l’aide de ces algo­rithmes sont par ailleurs des images pornographiques, ce qui dit quelque chose de leur poten­tiel de nui­sance. » Apparu sur le réseau social Red­dit en 2017, le terme est né de la con­trac­tion de « deep learn­ing », soit l’apprentissage d’une intel­li­gence arti­fi­cielle imi­tant le fonc­tion­nement du cerveau humain, et de « fake » (faux). Ces algo­rithmes com­plex­es ont ouvert la voie à des pos­si­bil­ités tech­niques et artis­tiques très divers­es : « Avec peu de moyens, en prenant le temps, quelqu’un chez soi a pu tout à coup imiter un effet spé­cial hol­ly­woo­d­i­en suff­isam­ment crédi­ble pour que la plu­part des spec­ta­teurs ne le remar­quent pas ». Exem­ple de la domes­ti­ca­tion express et impres­sion­nante de ces nou­veaux out­ils : en 2021, la fil­ière d’effets spé­ci­aux de Lucas­film, Indus­tri­al Light and Mag­ic, a recruté le youtubeur Shamook, qui s’est fait remar­quer en pro­duisant un deep­fake de l’acteur Mark Hamill raje­u­ni, jugé meilleur que l’original dif­fusé dans la série The Man­dalo­ri­an.

Nico­las Obin, maître de con­férences à Sor­bonne Uni­ver­sité et chercheur dans l’équipe analyse et syn­thèse des sons au sein du lab­o­ra­toire Sci­ences et Tech­nolo­gies de la Musique et du Son (hébergé à l’Ircam) rap­pelle que cette démoc­ra­ti­sa­tion général­isée des out­ils de créa­tion de l’intelligence arti­fi­cielle est « l’un des dadas des GAFAM, qui procla­ment : tout le monde est créatif ! » Si la notion d’intelligence arti­fi­cielle a près de soix­ante-dix ans, sa spec­tac­u­laire appari­tion dans le débat pub­lic ces dernières années est le fruit du développe­ment des « réseaux de neu­rones pro­fonds » (« Deep Neur­al Net­work » en anglais), sur lesquels s’appuient entre autres les deep­fakes. « Il s’agit en vérité d’un dou­ble per­fec­tion­nement », pré­cise Nico­las Obin : « celui des algo­rithmes, ren­dus extrême­ment effi­caces à l’apprentissage, et celui des machines (notam­ment les cartes graphiques, indis­pens­ables au deep learn­ing), bien plus per­for­mantes dans la dis­tri­b­u­tion des cal­culs et la trans­mis­sion de l’information mas­sive. »

Nouvelle voie(x)

Le deep learn­ing, aujourd’hui la forme la plus aboutie d’IA, est une exten­sion du principe du machine learn­ing (que l’on pour­rait traduire par « appren­tis­sage automa­tique »), qui désigne la pos­si­bil­ité de faire « appren­dre » des machines à par­tir de don­nées. C’est en usant de cette tech­nolo­gie qu’une équipe de son de WingNut Films, la société de pro­duc­tion néo-zélandaise fondée par Peter Jack­son, a dévelop­pé le pro­gramme de pointe MAL (pour Machine Assist­ed Learn­ing). Cette tech­nolo­gie de démix­age per­met d’isoler dif­férents élé­ments provenant d’une même piste sonore (voix, instru­ments de musique, bruits par­a­sites…) afin de recréer une nou­velle bande-son. Son développe­ment s’est opéré dans le cadre de la réal­i­sa­tion du doc­u­men­taire The Bea­t­les : Get Back en 2021, pour lequel Peter Jack­son a remon­té des rush­es du groupe bri­tan­nique filmés et enreg­istrés en jan­vi­er 1969. Grâce à l’entraînement du MAL à recon­naître et à dis­soci­er les car­ac­téris­tiques des dif­férents élé­ments sonores, l’équipe de post-pro­duc­tion est par­v­enue à récupér­er des dia­logues jusque-là par­faite­ment inaudi­bles, car cou­verts (sou­vent volon­taire­ment) par le bruit des instru­ments des musi­ciens qui jouaient en même temps qu’ils par­laient. Le per­fec­tion­nement et l’entraînement de ce pro­gramme l’ont ren­du à ce point pré­cis qu’il a ensuite été util­isé pour le remix­age de l’album Revolver des mêmes Bea­t­les, orig­inelle­ment enreg­istré sur une con­sole qua­tre pistes. Une fois les instru­ments et les voix dis­tincte­ment séparés, l’ingénieur du son Giles Mar­tin a remixé les morceaux en stéréo, mais surtout en Dol­by Atmos, une tech­nolo­gie d’audio spa­tial­isé util­isant jusqu’à soix­ante-qua­tre canaux indépen­dants per­me­t­tant le posi­tion­nement pré­cis « d’objets » sonores en trois dimen­sions.

Les pos­si­bil­ités offertes par les tech­nolo­gies de démix­age sem­blent infinies, qu’il s’agisse du per­fec­tion­nement de procédés déjà en œuvre dans la restau­ra­tion de films de pat­ri­moine (sup­pres­sion du bruit de fond, des bruits par­a­sites, rétab­lisse­ment d’un équili­bre fréquen­tiel adap­té aux sys­tèmes de dif­fu­sion mod­ernes, etc.) ou d’innovations encore inédites (comme le remix­age spa­tial­isé d’éléments enreg­istrés en mono, la cor­rec­tion des voix, ou encore la mod­i­fi­ca­tion de la bande sonore). « La vraie dif­fi­culté qu’ont sur­mon­té les tech­niques de démix­age, c’est celle de notre inca­pac­ité à con­naître le nom­bre comme la nature des sources con­tenues dans une piste audio, ce qui com­plique forte­ment toute ten­ta­tive de restau­ra­tion », com­mente Nico­las Obin. Les lim­ites sub­sis­tantes, comme la sépa­ra­tion de voix dif­férentes à par­tir d’un même canal, seront selon lui bien­tôt dépassées. L’usage de cette tech­nolo­gie dans le cadre de restau­ra­tions pose toute­fois l’épineuse – et récur­rente – ques­tion de la défor­ma­tion de l’œuvre orig­i­nale, qui peut jouer en sa défaveur. « Je pense par exem­ple au jeu de Louis de Funès, qui con­nais­sait très bien les car­ac­téris­tiques d’enregistrement de l’époque, et qui util­i­sait la sat­u­ra­tion des pistes audio pour ren­forcer son jeu out­ranci­er. Son iden­tité et sa sig­na­ture vocale sont directe­ment asso­ciées à ce son par­ti­c­uli­er », qui serait pour­tant con­sid­éré comme un défaut d’enregistrement et gom­mée lors d’une restau­ra­tion opérée grâce à un pro­gramme tel que MAL. Si les out­ils reposant sur l’IA con­stituent une for­mi­da­ble avancée tech­nologique, leur usage général­isé risque dès lors de ren­forcer le lis­sage des aspérités des sup­ports orig­in­aux.

Dans une tri­bune parue le lende­main du pre­mier som­met mon­di­al con­sacré aux risques asso­ciés à l’intelligence arti­fi­cielle, l’historien et pro­fesseur Lau­rent Ver­ay, mem­bre du con­seil sci­en­tifique de l’INA, reve­nait sur les risques de manip­u­la­tion du passé par l’IA qui « boule­verse notre rap­port aux images et aux sons »^[1]Lau­rent Ver­ay, « Intel­li­gence arti­fi­cielle : Nul doute que se mul­ti­pli­eront bien­tôt de “vraies fauss­es images d’archives”», Le Monde, 3 novem­bre 2023, pour cette cita­tion et les suiv­antes.. Il expli­quait ain­si : « L’amélioration de la déf­i­ni­tion des images anci­ennes pose des ques­tions éthiques proches de celles que se posent depuis longtemps les restau­ra­teurs d’œuvres d’art ou de mon­u­ments his­toriques », en aler­tant sur le plus grand risque de cette trans­for­ma­tion, à savoir « l’illusion d’une con­ti­nu­ité his­torique et tech­nologique entre les épo­ques ». Le degré de per­fec­tion­nement atteint par cer­tains algo­rithmes – upscal­ing de films en basse réso­lu­tion, aug­men­ta­tion de la fréquence d’images, col­ori­sa­tion, et aujourd’hui mod­i­fi­ca­tion de détails, rem­place­ment des vis­ages, sup­pres­sion d’éléments pré­cis, etc. – peut en effet altér­er le car­ac­tère his­torique des sup­ports. Com­ment con­trôler et réguler les réal­ités alter­na­tives pro­duites par les deep­fakes et le large spec­tre d’algorithmes reposant sur l’intelligence arti­fi­cielle ? Lau­rent Ver­ay prend pour exem­ple une ten­ta­tive de recon­sti­tu­tion de l’appel du 18 juin du général de Gaulle, dont il n’existe aucun enreg­istrement. Le procédé util­isé, inti­t­ulé voice cloning, per­met de con­serv­er la dynamique et le naturel d’une voix enreg­istrée (par un comé­di­en, dans ce cas pré­cis), tout en la rem­plaçant par une voix syn­thétisée (celle du général, à par­tir d’une dizaine d’enregistrements dif­férents). Le résul­tat, bluffant, soulève de nom­breuses ques­tions sur les poten­tielles dérives de telles pra­tiques.

D’un bout à l’autre de la chaîne

Moins osten­si­ble­ment, des pro­grammes basés sur l’intelligence arti­fi­cielle fleuris­sent à divers endroits de la chaîne de créa­tion des films et y gag­nent une impor­tance crois­sante. Lors de sa longue phase de recherche autour des mul­ti­ples iden­tités numériques de Joshua Ryne Gold­berg, Ismaël Jof­froy Chand­outis a accu­mulé une masse impor­tante d’archives et de doc­u­ments divers, qu’il a rassem­blée en une data­base sur l’application Notion. L’artiste voit dans l’ordonnancement de telles bases de don­nées une véri­ta­ble révo­lu­tion per­mise par l’IA, qui offre un dia­logue act­if avec les élé­ments la con­sti­tu­ant. « Out­re la pos­si­bil­ité d’interroger les doc­u­ments rassem­blés, je peux par exem­ple soumet­tre à la base de don­nées dif­férentes ver­sion d’un scé­nario en ques­tion­nant le degré d’intégration d’éléments véridiques, ou encore lui deman­der de me pro­pos­er elle-même toutes les pos­si­bil­ités de décli­nai­son d’un thème par­ti­c­uli­er. » Chand­outis cite égale­ment d’autres avancées récentes comme l’« AI Pow­ered Media Work­flow » dévelop­pé par Stra­da, dont le pro­gramme, qui se greffe aux logi­ciels de mon­tage préex­is­tants, analyse automa­tique­ment les bib­lio­thèques de rush­es afin de créer des tags automa­tiques d’une pré­ci­sion inédite : con­tenu des images, valeur de plan, entrées ou sor­tie de champ, et même les émo­tions sur le vis­age des acteurs. Si l’on imag­ine sans dif­fi­culté l’adoption future de ces out­ils, tant ils per­me­t­tent de gag­n­er en effi­cac­ité, l’artiste ne les voit pas comme des men­aces pour les emplois : « Je préfère tra­vailler avec mes mon­teurs à un degré de créa­tiv­ité plus intéres­sant que celui de tag­ger des mil­liers de rush­es ou de class­er des dossiers. » Se pour­rait-il, à l’échelle indus­trielle, que ces pro­grammes ne soient que de nou­veaux out­ils d’aide à la créa­tion ?

Si des mesures de pro­tec­tion face à la général­i­sa­tion de l’utilisation de l’IA fig­u­raient bien dans les reven­di­ca­tions des scé­nar­istes hol­ly­woo­d­i­ens, lors du mou­ve­ment de grève entamé le 2 mai 2023, Chand­outis estime que l’assistance de ces pro­grammes lors de l’écriture est davan­tage une manière de « répon­dre à ses doutes inces­sants » : c’est finale­ment le proces­sus d’écriture qui est redéfi­ni par cette capac­ité instan­ta­née d’envisager de manière qua­si-exhaus­tive tous les scé­nar­ios pos­si­bles. Pour Nico­las Obin, il est cer­tain qu’à Holl­wyood comme ailleurs « des tâch­es humaines vont être min­imisées ou rem­placées, mais il est pos­si­ble que d’autres soient créées. » Tout dépend en vérité de la direc­tion choisie dès la con­cep­tion et le développe­ment des pro­grammes : « À l’Ircam, nous fab­riquons des algo­rithmes pour aug­menter les capac­ités de créa­tion des artistes ; il s’agit tou­jours qu’un humain inter­agisse avec des inter­faces. » De manière para­doxale, cette mise à plat de la chaîne de créa­tion est aus­si l’occasion de reval­oris­er des postes-clefs : « Qu’est-ce qu’on estime être une plus-val­ue artis­tique, et qu’est-ce qu’on estime être une tâche rébar­ba­tive que l’on pour­rait rem­plac­er ? » inter­roge Obin. « Cette ques­tion est épineuse parce que les indus­tries cul­turelles et créa­tives sont avant tout… des indus­tries ! Qui s’intéressent à des ques­tions de pro­duc­tiv­ité et de coût. » La redéf­i­ni­tion d’un bout à l’autre de la chaîne con­duira for­cé­ment à une muta­tion pro­fonde, qui ouvri­ra pos­si­ble­ment la voie à « une pra­tique artis­tique du ciné­ma et de tout ce qu’il englobe bien plus détachée de l’industrie qu’elle ne peut l’être aujourd’hui », sug­gère-t-il, en faisant le par­al­lèle avec l’essor des home stu­dios au début des années 2000, où cha­cun s’est mis à pou­voir créer de la musique avec son ordi­na­teur.

S’éloigner du réel

Sur le ver­sant de la généra­tion vidéo, qui nour­rit cer­taine­ment le plus de fan­tasmes, Ismaël Jof­froy Chand­outis se mon­tre pru­dent. À com­mencer par la légitim­ité de cette vague d’angoisse : « Les gens ne se ren­dent pas compte que toute image pro­duite par un iPhone aujourd’hui est com­pu­ta­tion­nelle. La cap­ta­tion n’est plus qu’un enreg­istrement de méta­don­nées, et les images sont ensuite régénérées par divers algo­rithmes. » Ce qui per­met d’agir a pos­te­ri­ori sur une grande quan­tité de paramètres : zone de net­teté, pro­fondeur de champ, dynamique col­orimétrique, etc. Cette flex­i­bil­ité l’a décidé à aban­don­ner les caméras de ciné­ma pour ne plus filmer qu’à l’iPhone. « Je sais bien que les images ne sont pas par­faites, mais même les petits défauts, je me dis que dans un an une IA les cor­rig­era sans prob­lème », s’amuse-t-il. S’agissant de la généra­tion pure, il tem­père égale­ment : « On a énor­mé­ment de mal aujourd’hui à génér­er du text-to-video », rai­son pour laque­lle la plu­part des con­tenus vidéos sont générés à par­tir d’images fix­es, elles-mêmes obtenues par des prompts, ces descrip­tions con­sti­tuées de mots-clés fournies à des pro­grammes tels que Mid­jour­ney ou Dall‑E. Le fan­tasme selon lequel des films pour­raient être inté­grale­ment générés sans inter­ven­tion humaine sem­ble encore assez loin­tain : « Génér­er une bande-annonce hol­ly­woo­d­i­enne avec des gros plans sac­cadés et des explo­sions fonc­tionne très bien. Mais dès qu’il s’agit d’animer un champ-con­trechamp réal­iste, ou plusieurs per­son­nages dans le même cadre, ça ne fonc­tionne plus du tout. » Les choses évolu­ent pour­tant rapi­de­ment, comme le mon­tre la sor­tie du mod­èle Flux, dévelop­pé par Black For­est Labs, « bien plus pré­cis et surtout plus per­son­nal­is­able que Mid­jour­ney ».

Sans oubli­er l’intégration prochaine d’un mod­ule de généra­tion vidéo au logi­ciel de mon­tage Pre­mière d’Adobe, sur le même mod­èle que Fire­fly, l’IA généra­tive inté­grée à Pho­to­shop mi-2023. « Ce n’est pas encore par­fait » con­vient Chand­outis, mais les « hal­lu­ci­na­tions » (les défauts dans la généra­tion) ont été « réduites de 70% en deux ans ». Pour le meilleur ? « D’un point de vue artis­tique, les hal­lu­ci­na­tions sont géniales ! Fouiller les erreurs des IA m’amène à des chemins poé­tiques visuels, sonores ou textuels. » Beau­coup des con­tenus vidéo générés par IA sont selon lui enfer­més dans une « logique passéiste  » : « On essaie de repro­duire avec le plus de réal­isme pos­si­ble des images filmées, ce qui d’une part n’a pas beau­coup d’intérêt, et d’autre part fait ressem­bler ces généra­tions à des moteurs de jeu vidéo en 3D » comme Unre­al Engine, dévelop­pé par Epic Games, à l’origine du jeu Fort­nite. Nico­las Obin estime quant à lui que l’industrie tech­nologique pousse dans la direc­tion de « l’ultraréalisme » bien plus que les artistes, qui cherchent de nou­velles voies de créa­tion. Il donne pour exem­ple deux expéri­men­ta­tions menées par l’Ircam avec des algo­rithmes de chanteurs. Le pre­mier est doté d’une tes­si­ture qui dépasse douze octaves (la tes­si­ture moyenne de la voix humaine est com­prise entre deux et trois octaves), quand le sec­ond est capa­ble d’imiter un vibra­to (la mod­u­la­tion péri­odique d’une note de musique) tout en respec­tant une par­ti­tion ryth­mique. C’est peut-être à cet endroit que s’affirme la pos­si­bil­ité d’une véri­ta­ble inno­va­tion : « On essaie de prédire le rôle que joueront les IA en regar­dant ce qui s’est déjà passé, mais par­tir d’un ter­rain vierge pour exploiter toutes leurs pos­si­bil­ités est beau­coup plus intéres­sant » déplore Chand­outis. Nico­las Obin envis­age une crise sim­i­laire à celle qui a suivi l’invention de la pho­togra­phie et a con­duit la pein­ture à l’abstraction : « Peut-être que l’illusion de réal­isme véhiculé par les intel­li­gences arti­fi­cielles va con­duire le ciné­ma à des formes esthé­tiques qui diverg­eront large­ment du main­stream actuel, plus abstraites ou plus expéri­men­tales. » Et le sci­en­tifique d’en appel­er à la « mémoire artis­tique » qui témoigne du détourne­ment récur­rent des artistes des évo­lu­tions tech­nologiques.

Pour l’heure, l’accélération des flux de pro­duc­tion per­mis par ces dif­férents out­ils risque toute­fois selon lui de ren­forcer la « logique pro­duc­tiviste des indus­tries » ciné­matographiques ou musi­cales : « Il me sem­ble que cette logique n’est pas prête de s’arrêter, et je pense même que l’IA va, dans un pre­mier temps en tout cas, l’intensifier con­sid­érable­ment. » Émerge toute­fois une sup­po­si­tion pour l’avenir, partagée par Chand­outis : la pos­si­bil­ité de la général­i­sa­tion de con­tenus générés en temps réel, adapt­a­bles et per­son­nal­is­ables. À la dernière édi­tion du fes­ti­val de Sun­dance, le réal­isa­teur Gary Hus­twit présen­tait ENO, un doc­u­men­taire génératif con­sacré à Bri­an Eno. Le dis­posi­tif s’appuie sur un logi­ciel qui pro­duit des tran­si­tions et agence dif­férents élé­ments (rush­es images, musiques, inter­views, etc.) à par­tir d’une bib­lio­thèque mul­ti­mé­dia de plusieurs cen­taines d’heures de con­tenus, tant et si bien que le film pro­jeté n’est jamais deux fois le même. Au-delà du ver­tige sus­cité par ce film qui se fab­rique tout seul, en direct et sans inter­ven­tion humaine, les nou­velles pos­si­bil­ités de cal­cul ouvrent par ailleurs la voie à l’invention d’un con­tenu génératif et mod­u­la­ble à la demande par le spec­ta­teur. Ismaël Jof­froy Chand­outis imag­ine sans peine « un futur où Net­flix trans­formera le ciné­ma en une expéri­ence inter­ac­tive, avec la pos­si­bil­ité de mod­i­fi­er les films en fonc­tion des préférences du spec­ta­teur, de chang­er l’acteur, de ren­dre le con­tenu plus ou moins vio­lent, etc. ». Un ciné­ma dont « l’interactivité » et la « réal­ité virtuelle », brandies depuis des années comme des rem­parts à la crise de l’expérience clas­sique en salle, seraient les prin­ci­paux moteurs, et où tri­om­pherait un « je » spec­ta­to­riel con­fron­té à de moins en moins d’altérité.