Comment l'IA génère l'art et la musique, et pourquoi la "véritable créativité" reste controversée

Les outils d'IA générative produisent désormais des images, des chansons et des pistes complètes à partir d'une brève invite textuelle, et la technologie derrière eux est devenue une lutte juridique et culturelle active. En octobre 2026, l'éditeur de musique Reservoir a intenté des procès contre Suno et Anthropic à la Cour de district des États-Unis pour le district nord de la Californie, accusant les deux sociétés d'avoir entraîné des systèmes d'IA sur des milliers de compositions protégeables par des droits d'auteur sans licence. Parallèlement à cette bataille, les chercheurs continuent de débattre une question distincte : aucune de ces productions ne se qualifie-t-elle comme créativité, ou est-ce quelque chose d'entièrement différent ?

Comment les images générées par l'IA sont construites

Des outils tels que Stable Diffusion, Midjourney et DALL-E s'appuient sur ce qu'on appelle des modèles de diffusion. Pendant l'entraînement, le système reçoit des images réelles tandis que du bruit aléatoire est ajouté à celles-ci étape par étape jusqu'à ce que l'image originale soit méconnaissable. Le modèle apprend ensuite le processus inverse — comment éliminer ce bruit à nouveau, selon un guide technique publié par Cloudinary. La génération inverse ceci : le système commence à partir d'un bruit entièrement aléatoire et l'élimine par étapes, les premières étapes produisant de larges formes et compositions et les étapes ultérieures affinant la texture, l'éclairage et les détails jusqu'à ce qu'une image cohérente apparaisse. Une invite textuelle guide chaque étape de suppression du bruit, indiquant au modèle quel sujet, style et cadre rechercher.

Comment l'IA compose la musique à partir d'une invite textuelle

Les systèmes musicaux tels que Suno et Udio fonctionnent différemment en détail mais de manière similaire en principe. Parce que l'audio brut est trop dense — des millions de nombres par seconde — pour être alimenté directement dans un modèle de style langagier, ces systèmes compriment d'abord le son en un petit nombre de "tokens" discrets en utilisant des codecs audio neuraux, réalisant environ 600 fois la compression, selon un aperçu technique par AI-TLDR. Une fois que l'audio est converti en tokens, un modèle de transformateur — le même type d'architecture derrière les grands modèles de langage — prédit le token suivant, puis le suivant, construisant une chanson complète morceau par morceau. Une invite textuelle (et n'importe quelles paroles) est d'abord étendue en un plan approximatif couvrant le genre, le tempo et la structure de la chanson avant que les tokens audio soient générés. Les modèles sont entraînés sur de grandes bibliothèques musicales et fonctionnent, dans la description utilisée par cet aperçu, comme des "moteurs de composition" qui absorbent les progressions d'accords et les structures de chansons plutôt que de récupérer des chansons existantes spécifiques.

La bataille du droit d'auteur derrière la technologie

L'entraînement de ces systèmes nécessite d'énormes quantités de travaux créatifs existants, qui sont maintenant l'objet d'un litige actif. Les procès du 21 octobre 2026 de Reservoir allèguent que Suno a utilisé 1 050 compositions musicales protégeables par des droits d'auteur et qu'Anthropic a utilisé les paroles de 853 compositions — y compris des œuvres de Madonna, Johnny Cash et Joni Mitchell — sans autorisation, selon un résumé des dossiers examinés par Law Commentary. Reservoir demande approximativement 186,4 millions de dollars en dommages légaux à Suno et environ 151,4 millions d'Anthropic, plus les réclamations en vertu du Digital Millennium Copyright Act. Suno a soutenu que l'entraînement de l'IA sur du matériel protégeables par des droits d'auteur pouvait se qualifier comme une utilisation équitable et a séparément signé des accords de licence avec Warner, BMG et Believe ; Anthropic a déclaré qu'elle avait l'intention de défendre le cas. La plainte de Reservoir cite ces accords de licence comme preuve qu'un marché légitime pour l'utilisation de la musique existe déjà.

Y a-t-il quelque chose de "créatif" dans tout cela ? Les chercheurs ne sont pas d'accord

Séparé de la question juridique, les chercheurs ne sont pas d'accord sur la question de savoir si la production de ces systèmes répond à une définition raisonnable de la créativité. La linguiste informatique Emily Bender et ses collègues décrivent les grands modèles comme des "perroquets stochastiques" qui font écho statistiquement aux motifs dans les données d'entraînement plutôt que d'originer des idées, selon l'examen de la Fondation Heidelberg Laureate du débat. Le chercheur en vision par ordinateur Alexei Efros établit une distinction entre les domaines fermés et limités par des règles tels que les échecs ou Go — où les systèmes d'IA peuvent être dits innover dans des règles fixes — et les domaines ouverts tels que l'art, où aucune cible fixe n'existe.

D'autres chercheurs contre-attaquent d'un angle différent. Le chercheur en IA Selmer Bringsjord soutient que la production actuelle d'IA équivaut à un "remix" des données d'entraînement plutôt qu'à une création authentique, et il a proposé le Test de Lovelace, selon lequel un système ne serait considéré comme créatif que s'il produisait une sortie que ses propres concepteurs ne pouvaient pas expliquer — un seuil qu'il affirme que les modèles actuels n'ont pas atteint, selon un résumé publié par BrainFacts.org. La psychologue Mark Runco ajoute que l'intentionnalité est centrale à la créativité humaine : les gens choisissent consciemment de créer, tandis que les systèmes d'IA répondent à des invites qui reflètent l'intention de l'utilisateur plutôt que la leur. Sur les bases de test, le même résumé de BrainFacts.org note que certains modèles, y compris GPT-4, ont obtenu des scores supérieurs à la moyenne humaine sur les tests de pensée divergente qui mesurent la capacité à générer des idées variées — bien que les meilleurs créatifs humains aient toujours surpassé les systèmes d'IA testés.

Où le débat laisse les artistes et les auditeurs

L'examen de la Fondation Heidelberg Laureate note que, étant donné la controverse actuelle sur la définition de la créativité humaine parmi les chercheurs, une réponse définitive sur l'IA peut rester insaisissable. Plusieurs commentateurs cités dans cet examen encadrent le chemin le plus pratique à suivre comme traiter l'IA comme un outil qui augmente le travail créatif humain plutôt que comme un agent créatif distinct en soi — un cadre qui se situe à côté de, mais ne résout pas, les litiges en cours sur les droits d'auteur concernant la façon dont ces systèmes ont été entraînés en premier lieu.