Images générées par ia : rupture créative ou nouvel ennui visuel ?

Les images générées par intelligence artificielle ont envahi les fils d’actualité, les pubs, les pochettes d’albums et même les banques d’images, au point de brouiller la frontière entre création, imitation et automatisation. Gain de temps, baisse des coûts, explosion des possibilités, l’argumentaire est connu, mais la question qui monte dans les rédactions comme dans les studios reste la même : assiste-t-on à une rupture créative ou à l’installation d’un style global, lisse, et rapidement fatigant ?

Quand l’IA devient un style, tout se ressemble

Un même frisson revient chez de nombreux directeurs artistiques, et il tient en quelques mots : « Je l’ai déjà vu ». Ce sentiment de déjà-vu ne vient pas d’une mauvaise foi anti-technologique, il vient d’un phénomène documenté en imagerie numérique : quand des outils s’appuient sur des ensembles massifs de données et optimisent la “plausibilité” visuelle, ils tendent à converger vers des codes dominants. Les grands modèles génératifs d’images, populaires depuis 2022, produisent souvent des textures impeccables, des lumières cinématographiques et des compositions “instagrammables”, un mélange efficace qui, à force d’être répété, finit par créer une monotonie paradoxale, celle d’une créativité industrialisée.

Cette homogénéisation tient aussi à la circulation des mêmes recettes. Prompts partagés, “styles” packagés, modèles affinés sur des esthétiques à la mode, et l’on obtient une production massive d’images qui cochent toutes les cases sans jamais surprendre. Dans la publicité, le phénomène est visible : portraits trop parfaits, peaux uniformes, arrière-plans oniriques, objets aux reflets irréels, et une sensation persistante de plastique. Le public n’a pas forcément les mots pour l’expliquer, mais il perçoit l’artifice, et la surabondance. Or l’attention n’est pas infinie, et l’ennui visuel devient un coût caché : à mesure que l’IA se généralise, la “différence” redevient une ressource rare, donc précieuse, et les marques comme les artistes se retrouvent à chercher comment réintroduire du grain, du hasard, et de l’intention.

La créativité, dopée, puis rattrapée par l’usage

La promesse initiale est puissante : itérer en quelques minutes, explorer des dizaines de pistes, tester une direction artistique sans mobiliser un studio entier, et prototyper des univers visuels qui auraient demandé des jours. Dans les métiers de l’image, ce gain de vitesse est réel, et il restructure les étapes de production. Là où l’on faisait un moodboard, un rough, puis des allers-retours, l’IA permet de produire des variations quasi instantanées, de simuler des mises en scène, et d’aligner plus vite les parties prenantes. Pour un journal, une agence ou une PME, la tentation est évidente, surtout dans un contexte où les budgets de création sont sous tension et où les contenus se multiplient sur toutes les plateformes.

Mais le dopage créatif a un revers : à mesure que l’outil devient “normal”, il ne fait plus la différence, il devient le minimum. On le voit déjà dans les banques d’images et sur les réseaux, où l’on rencontre des visuels corrects, nombreux, interchangeables. La question n’est alors plus “Peut-on générer une image ?”, mais “Peut-on générer une image qui raconte quelque chose ?”. La créativité, au sens journalistique et artistique, n’est pas la capacité à produire du plausible, c’est la capacité à produire du singulier, du situé, et du signifiant. Cela suppose des choix, une cohérence, parfois des contraintes volontaires, et une responsabilité éditoriale. Les outils d’IA peuvent accélérer l’exécution, mais ils ne remplacent pas une direction, ni une culture visuelle, ni un regard, et c’est souvent là que l’écart se creuse entre les images qui font arrêter le pouce et celles qui glissent dans l’oubli.

Droits, données, et la bataille du “qui a créé”

Une image n’est pas qu’un rendu, c’est aussi une chaîne de droits, et c’est là que le sujet devient explosif. Les générateurs grand public se sont nourris de corpus immenses issus du web, de bibliothèques d’images, et de contenus parfois protégés, ce qui a déclenché une série de controverses et de procédures, notamment aux États-Unis et au Royaume-Uni, autour de la notion d’entraînement sur des œuvres sans autorisation. Dans le même temps, les utilisateurs se demandent ce qu’ils possèdent vraiment : un fichier ? un droit d’exploitation ? une garantie contre les reprises ? La réponse dépend des conditions d’utilisation, du pays, et du contexte, et elle est loin d’être uniforme.

Dans la presse et la communication, cette incertitude se transforme en risque opérationnel. Une rédaction qui illustre un sujet sensible avec une image générée peut se retrouver accusée de manipulation si l’illustration n’est pas clairement signalée, et une marque peut essuyer un bad buzz si son visuel “ressemble trop” à une œuvre existante, même sans intention. La traçabilité devient un enjeu central : d’où vient l’image, quel modèle l’a produite, sur quelles données, et avec quelles garanties ? Dans ce paysage mouvant, les professionnels se tournent vers des pratiques plus prudentes : constituer des bibliothèques internes, privilégier des modèles entraînés sur des contenus licenciés, et documenter les étapes de production. Pour ceux qui veulent se repérer, comparer des approches et comprendre les options disponibles, il peut être utile de consulter le site web afin d’identifier les ressources, les usages et les garde-fous qui se dessinent dans le secteur.

Le public se lasse vite, la confiance encore plus

La fatigue visuelle n’est pas le seul risque : la confiance est l’autre champ de bataille. Dans un environnement déjà saturé de désinformation, la capacité à produire des images crédibles en quelques secondes change la donne, surtout lorsqu’elles circulent hors contexte. Les plateformes ont commencé à réagir, avec des initiatives de marquage, des métadonnées de provenance, et des tentatives de standardisation, mais la réalité reste celle d’un écosystème fragmenté : certaines images voyagent sans trace, d’autres sont recadrées, compressées, ou republiées, et les indices techniques se perdent. Résultat : le public hésite, doute, et parfois se replie sur une méfiance générale, y compris envers des images authentiques.

Pour les médias, l’enjeu est double : préserver la crédibilité, et expliquer sans assommer. L’illustration générée peut avoir sa place, notamment pour des concepts impossibles à photographier, des reconstitutions clairement annoncées, ou des formats créatifs, mais la transparence n’est pas négociable. La mention “image générée” devient un élément éditorial, au même titre qu’une source, et la contextualisation doit être à la hauteur de la puissance de l’outil. Côté créateurs, une autre dynamique s’installe : le retour du “fait main”, du reportage, de l’imperfection assumée, et des styles qui portent la trace d’une personne. Plus l’IA fabrique du lisse, plus le rugueux peut redevenir désirable, et l’on voit émerger des stratégies hybrides : IA pour l’esquisse, photographie pour la preuve, illustration pour la signature, et montage pour l’intention.

Réserver du temps, garder du budget, fixer des règles

Pour éviter l’ennui et les faux pas, les équipes gagnent à réserver un créneau dédié à la direction artistique, et à budgéter l’édition humaine : retouches, vérifications, cohérence de série. Les aides varient selon les secteurs, mais des dispositifs de formation et de transition numérique peuvent soutenir l’adoption. Fixez une charte d’usage, et imposez le marquage quand c’est nécessaire.