Les débats à propos de l’utilisation des technologies dans le monde de la création ne sont pas nouveaux. Ce qu’il y a d’inédit dans les controverses que suscite l’intelligence artificielle (IA) a trait au type de travail que les machines peuvent maintenant faire. Les algorithmes conçus pour réaliser des tâches qu’on croyait pourtant réservées à l’être humain se multiplient. Alors qu’il devient de plus en plus difficile de distinguer les productions issues de programmes informatiques de celles qui ont été entièrement élaborées par des concepteurs en chair et en os, on peut se demander si l’IA est en mesure de remplacer les processus de création traditionnels. Un géant comme Netflix, dont le modèle d’affaires fondé sur les données a bouleversé le secteur de l’audiovisuel, serait un joueur en excellente posture pour mener cette révolution. Toutefois, en dépit d’un nombre astronomique d’abonnés payants qui lui permettent de consacrer aux contenus un budget qui ferait l’envie de tous les diffuseurs, cette entreprise n’en est pas rendue là. Pour l’instant, c’est même l’inverse qui se produit : plutôt que de remplacer la créativité humaine, l’IA la soutient.

Les limites de la créativité artificielle

Certains algorithmes d’apprentissage machine écrivent des articles qui sont ensuite publiés par des médias d’information reconnus, peignent un tableau par la suite vendu aux enchères, composent une partie des pièces musicales d’un album, entre autres accomplissements. Bien que l’IA semble de prime abord avoir fait reculer toutes les limites, celles-ci existent toujours. En fait, l’intelligence artificielle n’est pas très… intelligente. Même si l’apprentissage profond permet aux ordinateurs d’acquérir des connaissances de façon intuitive – les personnes qui élaborent les programmes informatiques ne codent pas formellement toute la « recette » des algorithmes –, les tâches que peut exécuter une machine demeurent circonscrites. Dans le cas des articles journalistiques, par exemple, on n’arrive à des résultats publiables qu’avec certains types de textes essentiellement descriptifs et quantitatifs, par exemple des résultats sportifs et des nouvelles financières.

La plupart des projets qui reposent sur l’IA et dont les composantes créatives sont cruciales en sont encore au stade expérimental. L’audiovisuel ne fait pas exception. Le court métrage Sunspring en est une bonne illustration. En 2016, Oscar Sharp et Ross Goodwin, un réalisateur et un scientifique de données, se sont associés pour réaliser un film dont le scénario devait être écrit par un algorithme. Ils ont donc nourri le programme informatique avec des centaines de scénarios existants afin qu’il en génère un nouveau. Des acteurs ont ensuite interprété le résultat, qui s’est avéré prometteur mais peu cohérent. Le duo a récidivé avec It’s No Game en 2017 et Zone Out en 2018. Or, dans le cas de ce dernier court métrage, l’IA devait prendre en charge la quasi-totalité du processus de création. En plus d’écrire le scénario, l’algorithme a produit un montage d’images tirées des centaines de films avec lesquels on l’avait entraîné pour ensuite y substituer les visages et les voix de véritables acteurs.

Bien que les résultats de ces trois expériences laissent à désirer, ils démontrent qu’il y a un vrai progrès vers l’automatisation de la création vidéo. Cependant, dans l’état actuel des choses, cette automatisation ne pourrait pas être totale. Ce sont des personnes qui conçoivent les algorithmes, et ce sont aussi des êtres humains qui créent et sélectionnent les œuvres qui serviront à leur apprentissage. L’intention derrière les processus créatifs reste avant tout humaine. L’IA peut donc, pour le moment du moins, être vue comme un outil qui nous offre de nouvelles manières de nous exprimer et de susciter la réflexion. Néanmoins, lorsque la qualité des résultats de ces expériences permettra de les commercialiser, il est réaliste de penser que certaines tâches créatives pourraient être sous-traitées à l’ordinateur à de simples fins de productivité économique.

Le modèle de Netflix, un support à la créativité humaine ? 

La série House of Cards a été le premier contenu original de Netflix à connaître un succès fulgurant et l’utilisation des données par cette entreprise a été décisive[1]. Netflix n’a pas eu recours à l’IA pour rédiger les scénarios ni même pour influer d’une quelconque manière sur les textes ou sur tout autre aspect créatif de cette série. Elle a plutôt utilisé l’IA pour déterminer la taille du segment d’abonnés auquel ce contenu était susceptible de plaire, puis pour le proposer spécifiquement aux abonnés de ce segment. Dans le cas de House of Cards, la taille de ce segment a suffi à décider d’investir 100 millions de dollars afin de lancer 13 épisodes d’un seul coup. Si les données ont contribué à la prise de cette décision, l’audace initiale était bel et bien humaine, tant celle des créateurs à l’origine du concept que celle des gens qui ont pris le risque d’investir dans ce projet.

Netflix utilise la même mécanique pour déterminer les préférences de petits segments d’abonnés. En effet, le géant n’a pas pour objectif de maximiser le nombre de téléspectateurs pour chacun de ses contenus : il tente plutôt de répondre aux préférences spécifiques de chaque utilisateur, quitte à avoir plus de contenus dont chaque élément intéressera un plus petit nombre de personnes. Cela signifie que l’entreprise peut oser financer du contenu de niche. C’est l’utilisation des données qui rend possible ce modèle, car elle permet à l’entreprise d’avoir une connaissance fine de ses auditoires et de faire les bonnes suggestions aux bonnes personnes. Le modèle de Netflix et les algorithmes qui le sous-tendent pourraient donc soutenir la créativité au lieu de lui nuire, et ce, en favorisant la diversité plutôt que la standardisation des contenus. Il existe par ailleurs le risque de cantonner les gens dans leurs préférences, mais la conception d’un algorithme demeure avant tout un choix humain : il est tout aussi possible d’imaginer un programme informatique destiné à sortir les consommateurs de leur zone de confort.

Bien que Netflix laisse pour le moment la création audiovisuelle aux neurones humains, la compagnie n’utilise pas seulement les neurones artificiels pour prendre des décisions d’ordre technique ou commercial[2] : elle y a déjà eu recours pour réaliser des tâches à caractère créatif. Elle a notamment utilisé l’IA pour créer automatiquement des vignettes personnalisées en fonction des choix antérieurs des utilisateurs afin d’augmenter la probabilité qu’ils visionnent un contenu particulier[3]. Pourrait-on imaginer que Netflix applique éventuellement ces principes à un film ou à une série complète pour les adapter sur mesure aux goûts des auditeurs ? Le fait que Netflix internalise l’ensemble du processus, de la création jusqu’à la diffusion d’un contenu, pourrait lui fournir les données nécessaires pour y parvenir. Elle peut déjà comprendre les façons dont les gens consomment ses contenus. Le pas qu’il reste à franchir pour adapter les ressorts narratifs et les autres éléments créatifs d’une œuvre en fonction de ces enseignements ne semble plus si grand. À l’heure actuelle, toutefois, nous pouvons seulement émettre des hypothèses en ce qui a trait au moment où cela sera possible, aux conséquences complexes d’une telle révolution et à la place exacte de l’être humain dans ces scénarios.

Marina Pavlovic Rivas

Marina Pavlovic Rivas est la fondatrice de Gradiant AI, une entreprise qui offre des solutions en intelligence artificielle et en analytique aux industries créatives.

Sources

[1]– Smith, M. D., et Telang, R., Streaming, Sharing, Stealing Big Data and the Future of Entertainment (1re éd.), Cambridge (Massachusetts), MIT Press, 2016, 232 p.

[2]– Kumar, R., Misra, V., Walraven, J., Sharan, L., Azarnoush, B., Chen, B., et Govind, N., Data Science and the Art of Producing Entertainment at Netflix, The Netflix Tech Blog, 2018, https://medium.com/netflix-techblog/studio-production-data-science-646ee2cc21a1.

[3]– Chandrashekar, A., Amat, F., Basilico, J., et Jebara, T., Artwork Personalization at Netflix, The Netflix Tech Blog, 2017, https://medium.com/netflix-techblog/artwork-personalization-c589f074ad76.