Tever
FR

Essai · Essais

L'IA comme outil, pas comme produit final

Pourquoi je vois l'IA générative comme un outil qui amplifie ce que l'on sait déjà, pas un substitut au jugement. Avec des données réelles, sans battage.

Par Tever Díaz García · 16 juillet 2026 · 9 min de lecture

Infographie sur fond bleu foncé : à gauche, une main dessinant une esquisse rapide sur une feuille, reliée par une flèche orange à droite, où la même esquisse se multiplie en plusieurs variantes explorées plus vite. Légende : « outil, pas substitut ».

Chaque fois qu’un nouveau modèle sort, le titre se répète : l’IA va remplacer les créatifs. Cela fait des années que je programme des systèmes d’ intelligence artificielle, et mon expérience me dit exactement le contraire. L’IA est un outil, pas le produit final. Et un outil aide ; il ne remplace pas.

Ce que dit la donnée, pas le titre

En mars 2026, une équipe de l’Institut des Neurosciences de l’Université de Barcelone (UBneuro), avec l’IDIBELL, le Centre de Vision par Ordinateur et le Vienna Cognitive Science Hub, a publié une étude qui mesure quelque chose de très concret : à quel point le résultat d’un processus est créatif, pas seulement s’il « paraît » créatif au premier regard. La hiérarchie trouvée est claire : les artistes visuels obtiennent les meilleurs scores, suivis de la population générale, puis de l’IA guidée par une personne, et enfin de l’IA fonctionnant seule — nettement moins bien que tout le reste.

La donnée qui compte le plus pour moi dans cette étude est celle-ci : à mesure que le guidage humain était retiré, la créativité du résultat baissait de façon significative. Ce n’est pas que l’IA est créative par elle-même et qu’on la laisse parfois agir librement. C’est que la créativité résidait, en grande partie, dans la personne qui la dirigeait.

Ce même mois, des chercheurs de l’Université de Bergen ont soumis trois chatbots (ChatGPT, GPT-4 et Copy.AI) à la Tâche des Usages Alternatifs, un test classique de créativité divergente. Les modèles l’ont réussie mieux que des humains. Mais, comme l’a nuancé Ryan Buell, de l’Institut Alan Turing, auprès de MIT Technology Review, cela ne prouve pas que le modèle « génère de nouvelles idées créatives » : il « s’appuie plutôt sur ce qu’il a vu dans ses données ». Anna Ivanova, du MIT, ajoutait une réserve que je partage : on ne devrait pas supposer qu’une personne et un modèle résolvent le même problème de la même façon simplement parce qu’ils arrivent à un résultat semblable.

Réussir un test n’est pas la même chose qu’être créatif. Cette distinction est exactement ce qui sépare l’outil du produit final.

Polarisation, pas remplacement

Le designer industriel Miguel Leiro — Prix National de Design 2025, créateur de la biennale Mayrit — le résumait ainsi dans un entretien récent : l’IA « va beaucoup polariser les secteurs créatifs, parce qu’il n’y aura plus de place pour la médiocrité ». Il ne dit pas que l’IA remplace le créatif. Il dit qu’elle relève la barre : qui avait déjà du jugement et du métier va plus loin et plus vite avec l’IA ; qui ne l’avait pas, l’IA ne le lui donne pas.

C’est aussi la clé que je retrouve dans mon propre travail. L’IA n’apporte pas de jugement. Elle apporte de la vitesse pour explorer les conséquences d’un jugement que l’on a déjà.

La vraie peur : ce n’est pas l’outil, c’est l’usage sans autorisation

Il y a une nuance que je ne veux pas passer sous silence, parce qu’elle vient de celles et ceux qui ont le plus à perdre — et parce que, en tant que membre de la SGAE (Société espagnole des auteurs et éditeurs) dans ma vie de compositeur, je suis ses publications avec plus d’attention que la moyenne. La SGAE parle depuis 2025 de l’IA générative en termes de menace, pas d’outil neutre. Une étude commandée par la SGAE au cabinet Know Media et à l’Universidad Carlos III, portant sur 1 257 créateurs musicaux espagnols, estime que les droits d’auteur pourraient chuter jusqu’à 28 % d’ici 2028 à cause de l’usage de l’IA générative — environ 100 millions d’euros par an, entre 160 et 180 millions cumulés entre 2025 et 2028. Parmi les créateurs eux-mêmes, 36 % craignent d’être exclus du marché et 26 % craignent le remplacement direct de leur travail par une machine.

Lors d’une table ronde sur l’IA tenue à Bilbao début 2026, Marta Nadal, directrice des Services Juridiques de la SGAE, le résumait ainsi : l’IA crée « une double incertitude pour le collectif des auteurs : d’une part, elle se nourrit du répertoire sans l’autorisation de nos auteurs (et sans rémunération pour eux) ; et pire encore, l’effet de substitution ». La SGAE réclame « une transparence maximale, le consentement des auteurs, et une rémunération juste et effective ».

Et ce n’est pas une peur abstraite. La SGAE a interdit en juillet 2024 l’utilisation de chansons espagnoles pour entraîner des modèles de musique générative. L’interdiction a été ignorée : ils ont détecté des morceaux générés par IA dans des genres propres — jota, flamenco — avec des similitudes suffisantes pour les relier à des auteurs identifiables, le même schéma déjà observé dans les arts visuels avec des illustrateurs comme Greg Rutkowski, entraînés sans consentement parce que leur style était reconnaissable et disponible.

C’est là le vrai problème, et l’appeler « juste un outil » ne le résout pas. Un outil entraîné sur le travail de quelqu’un sans autorisation ni rémunération ne cesse pas de causer du tort parce que c’est un outil. Mon argument dans cet article — l’IA amplifie ce que l’on sait plutôt qu’elle ne le remplace — part d’un usage consenti : mes propres données, mon propre jugement, ma propre décision d’ouvrir l’outil. La peur de la SGAE porte sur le scénario inverse : un modèle entraîné sur votre œuvre à votre insu, qui vous fait ensuite concurrence avec une musique indiscernable de la vôtre. Il n’y a là aucune amplification de personne ; il y a un remplacement sans consentement.

Il faut garder à l’esprit le contraste avec la réalité du marché, en ce moment même : en 2025, la SGAE elle-même a enregistré un record historique de 393 millions d’euros, soit 1 % de plus que l’année précédente, qui était déjà un record. Le répertoire espagnol à l’étranger et les concerts en direct ont porté ces chiffres. La peur pour 2028 ne contredit pas le record de 2025 — ce sont des horizons différents, l’un regardant en arrière et l’autre projetant un risque futur — mais elle montre bien que l’inquiétude autour de l’IA ne vient pas d’une industrie en crise aujourd’hui, mais d’une industrie qui voit venir un changement de règles et veut l’aborder avec des protections, pas à l’aveugle.

Pourquoi je le vois ainsi depuis le code

Je travaille quotidiennement avec des systèmes d’IA appliqués à des problèmes réels de Music Information Retrieval : analyse du signal, reconnaissance de motifs, génération assistée. Et ce que je constate, systématiquement, c’est que la qualité du résultat dépend de la question posée au système — et de la capacité à reconnaître quand la réponse est bonne ou n’est que du bruit qui a bonne allure. Un modèle génératif ne sait pas si ce qu’il produit en vaut la peine. C’est vous qui en décidez, avec le jugement que vous aviez déjà avant d’ouvrir l’outil.

C’est pour cela que l’IA amplifie ce que l’on est et, surtout, ce que l’on sait. Elle n’invente pas de savoir là où il n’y en a pas. Elle amplifie la connaissance préalable : si l’on comprend l’harmonie, un assistant génératif aide à explorer des progressions plus vite ; si on ne la comprend pas, l’assistant donne des accords sans que l’on sache pourquoi ils fonctionnent — ni pourquoi ils échouent.

L’avantage réel : essayer plus vite, aller plus loin

Là où je remarque la différence concrète, c’est dans l’itération. Partir d’une page blanche est lent : chaque variante coûte du temps, donc on en explore peu avant de s’engager sur l’une d’elles. Avec un outil génératif en soutien, je peux essayer dix variantes d’une idée dans le temps qu’il me fallait autrefois pour en esquisser une seule, et en écarter neuf sans que cela ne coûte rien d’avoir essayé. Ce n’est pas l’outil qui décide à ma place quelle variante est la bonne — cela reste un jugement humain — mais il me permet d’arriver à cette décision en ayant vu plus d’options, et en profondeur sur chacune, que si je m’étais arrêté à la première esquisse par pure économie de temps.

C’est là la différence entre outil et produit final. Le produit final — la pièce, la composition, la décision — reste le mien. L’outil m’a seulement aidé à y arriver plus tôt et à explorer davantage.

Souveraineté de la donnée : la condition qui rend cela durable

Tout ce qui précède — un outil qui amplifie plutôt qu’il ne remplace, une itération rapide sur son propre jugement — ne fonctionne que si la personne qui utilise l’IA sait quelles données y entrent et ce qu’il advient des siennes. La peur de la SGAE que je décrivais plus haut n’est pas une peur de la technologie : c’est une peur de perdre le contrôle sur ses propres données sans y avoir consenti. C’est exactement la même préoccupation qui sous-tend le Manifeste du Lien Numérique qui régit ce site et le reste des projets de Xiringase : compter, c’est de la science ; identifier sans consentement, c’est autre chose.

En pratique, cela se traduit par trois engagements que j’applique aussi à mon propre travail avec l’IA. D’abord, savoir quelles données utilise chaque outil : si un modèle est entraîné sur mon travail, je veux le savoir et en décider, pas le découvrir plus tard dans un résultat qui ressemble trop au mien. Ensuite, le RGPD n’est pas un obstacle bureaucratique, c’est le socle légal minimal qui protège justement ce contrôle au sein de l’Union européenne : quelles données personnelles sont traitées, dans quel but et avec quel consentement. Enfin, la souveraineté de la donnée est aussi une souveraineté du silicium quand c’est possible : préférer l’inférence locale ou des modèles autohébergés plutôt que de dépendre d’un tiers qui s’entraîne sur tout ce qu’on lui envoie — exactement le sixième principe de ce manifeste. Je développe cette idée plus en détail, y compris le cadre légal européen (RGPD et AI Act), dans De la souveraineté de la donnée à l’architecture.

Ce n’est pas une posture anti-IA. C’est la même idée de cet article appliquée à l’origine des données : un outil qui aide vraiment est celui qu’on utilise en connaissance de cause et avec consentement, pas celui qui vous utilise à votre insu.

Bibliographie

Les références sur lesquelles s’appuie cet article, et par où poursuivre la lecture :