Art algorithmique : quand l'IA écrit le code, où est l'œuvre ?

Il y a environ deux ans, j’ai voulu coder un système d’un million de particules en GPGPU avec Three.js. Je connaissais mal Three.js, c’est une technique assez galère, et je pensais y passer plusieurs week-ends.

J’ai demandé de l’aide à Cursor. Les IA de code étaient alors bien moins bonnes qu’aujourd’hui, et pourtant j’ai gagné un temps fou.

Sur le moment, j’étais surtout content. C’est après coup que j’ai compris ce que ça voulait dire pour le milieu dans lequel je crée.

Jusque-là, dans l’art génératif, on regardait la vague de l’IA de loin. Une IA savait générer des images, pas du code, en tout cas pas du vrai code, pas un shader de trois mille lignes.

Et notre code est public : il est inscrit dans la blockchain et s’exécute dans le navigateur de la personne qui achète l’œuvre. On se sentait doublement protégé·es, par la difficulté et par la transparence.

Ce rempart venait de tomber, et j’en avais profité sans m’en rendre compte.

Au passage, je parlerai ici d’art algorithmique plutôt que d’art génératif. Ce mot désigne depuis les années 60, avec Vera Molnár notamment, des œuvres produites par un algorithme, des règles et une part de hasard, mais il évoque aujourd’hui surtout Midjourney, c’est-à-dire l’inverse.

(Si vous découvrez le sujet, j’ai expliqué dans un autre article comment on fait de l’art avec du code.)

Mon intentionnalité ne porte pas sur l’image

Quand je sors une série en long form, je ne vois pas les œuvres avant vous. J’écris un algorithme, je le publie, et c’est la transaction de chaque personne qui détermine l’œuvre qu’elle reçoit.

J’ai beau tester des milliers de sorties pendant que je développe, certaines combinaisons n’apparaissent qu’au moment du mint, et il est fréquent qu’une pièce me surprenne, moi aussi.

Donc non, mon intentionnalité ne porte pas sur l’image finale. Elle porte sur l’espace des possibles dont cette image est issue.

Résilience #1, #7, #10, #12, #14 et #20 : un seul algorithme, six œuvres.

Matt DesLauriers le dit mieux que moi :

They are basically coordinates into a very high-dimensional parameter space where a lot of this code exists.

Autrement dit, chaque sortie est un point dans un immense espace de paramètres. Il ajoute qu’en long form, le travail consiste à apprivoiser le chaos, tout en gardant assez de surprises pour que la collection ne se réduise pas à une seule œuvre.

Quand je crée une série, il y a des moments où je cherche des idées, d’autres où je code, d’autres encore où je règle mon algorithme. Mais je ne dessine jamais une image en particulier : tout ce travail sert à fixer les limites de cet espace, et à décider de ce qui a le droit d’en sortir.

On pourrait me répondre : si je ne choisis pas l’image finale, quelle différence avec quelqu’un qui écrit un prompt ?

Pour moi, la différence n’est pas l’outil. C’est qui a construit l’espace des possibles.

Quand on écrit un prompt dans Midjourney, cet espace a été construit par d’autres : par les gens qui ont entraîné le modèle, avec des images qu’on n’a pas choisies. On peut y faire de vrais choix, mais on reste dans leur espace.

Quand j’écris mon algorithme, c’est moi qui construis l’espace : les règles, les formes, les couleurs, la part de hasard. Et il peut produire des formes qui n’existent nulle part ailleurs.

Un morceau qui vous touche

Patrick Baud a posé cette question à PV Nova dans son podcast Continue tu m’intéresses, et elle ne m’a plus lâché.

Imaginez. Vous écoutez une playlist, un morceau passe et il vous émeut vraiment. Vous ne savez pas de qui il est. Vous cherchez, et vous découvrez qu’il a été généré par une IA.

Qu’est-ce que vous ressentez ?

Moi, honnêtement, je ne me sentirais pas trompé, puisque personne ne m’a menti. Mais mon émotion retomberait. J’ai envie que ce que je ressens vienne de quelqu’un.

PV Nova le dit très bien :

Une grande partie de l’intérêt et de la force d’une œuvre pour moi, c’est le fait qu’elle provient d’une sensibilité, d’une intention, d’une expérience.

C’est comme un cadeau fait main : le même objet, acheté ou fabriqué, n’a pas la même valeur. Une œuvre ne vaut pas seulement par ce qu’on perçoit, mais aussi par le lien avec la personne qui l’a faite. On veut savoir qu’il y a quelqu’un derrière.

C’est pour ça que l’intention compte plus que la seule capacité à émouvoir.

Quand l’IA fait œuvre

Je laisse de côté les problèmes bien réels de l’IA générative (droits d’auteur, énergie, biais), qui mériteraient leur propre article. Ma question est ailleurs : si ces problèmes étaient réglés, est-ce que des images faites avec une IA pourraient être des œuvres ?

Pour moi, oui, et j’en ai vu. À Bright Moments Paris, par exemple, j’ai découvert le travail de Linda Dounia. Elle n’utilise pas les gros modèles : elle entraîne les siens, sur des images qu’elle rassemble elle-même (ses propres peintures, des fleurs du Sahel menacées de disparition retrouvées jusque dans des archives). Elle explique pourquoi :

I can gather data on my own, about things I care about, in places that are unimportant to the zeitgeist.

Autrement dit : rassembler elle-même ses données, sur ce qui compte pour elle, là où personne d’autre ne regarde.

Son travail m’a touché, et je ne vois aucune raison de lui refuser le statut d’œuvre. Pour reprendre le critère : c’est elle qui a construit l’espace. L’IA y est un outil parmi d’autres, au service d’une intention.

Et moi, alors ?

Mes œuvres ne sont pas des images générées par une IA : ce sont mes algorithmes qui produisent mes séries. Mais pour écrire le code de ces algorithmes, je me fais de plus en plus aider par l’IA.

Si vous ne codez pas, sachez que c’est devenu une pratique courante : se faire aider par un outil comme Claude Code ou Cursor fait aujourd’hui partie du quotidien des développeur·ses. Dans l’enquête 2026 de Stack Overflow, seuls 17 % disent ne pas utiliser d’outils d’IA, et deux tiers utilisent un assistant ou un agent de code.

Ma règle est la même que pour n’importe quel projet de développement : garder la maîtrise de son code et l’assumer, comme on assume une pull request qu’on merge.

En pratique, l’IA me fait gagner des jours sur l’outillage, l’optimisation, les maths, le rendu, et de plus en plus sur le code de l’œuvre lui-même. La direction artistique, en revanche, c’est moi qui la tiens, et c’est ce que je préfère dans ce travail. Et même côté technique, il faut encore souvent que je reprenne la main.

Mais parfois, ça marche tout de suite. Pour Confluence, une série en cours, je voulais tester l’algorithme physarum, qui imite la façon dont une moisissure visqueuse étend son réseau pour trouver de la nourriture. Claude l’a implémenté du premier coup, et c’était top.

Confluence, étude avec physarum, octobre 2026.

L’IA écrit de plus en plus de code. Les décisions, elles, restent les miennes, et c’est là que se trouve l’œuvre.

Même quand l’IA écrit le code, c’est moi qui définis l’espace : les règles, les limites, ce qui a le droit d’en sortir.

Ce débat n’est d’ailleurs pas nouveau. Il y a quelques années, on se demandait s’il fallait coder soi-même un diagramme de Voronoï pour être un « vrai » artiste algorithmique, ou si on pouvait utiliser une bibliothèque toute faite. La réponse du milieu : pourquoi réinventer la roue ?

La question de l’IA prolonge ce débat, sans être tout à fait la même. Une bibliothèque fait ce qu’on lui demande. Un agent, lui, comble les trous. Si je lui demande d’ajouter du bruit sur des lignes, il choisira seul le type de bruit, son échelle, son intensité. Rien de faux, mais ce sont souvent ces petits choix qui donnent son caractère à une œuvre.

Alors, le plus souvent, je lui décris le plus précisément possible ce que j’attends : le rendu, le mouvement, ce que je ne veux surtout pas. Mais il m’arrive aussi de lui laisser des trous exprès. Comme le hasard de mes algorithmes, il peut me surprendre, et parfois agréablement. Une bonne surprise, je la garde, mais c’est moi qui décide de la garder.

L’exploit devient payant

Il y a mille façons d’apprécier une œuvre d’art algorithmique : son esthétique, son propos, l’émotion qu’elle provoque… La technique n’est qu’un axe parmi d’autres. Mais devant une pièce, on se demande souvent : est-ce que c’était difficile à faire ?

Or l’IA déplace cette barre. Ce qui demandait des semaines de travail il y a trois ans est aujourd’hui à la portée de beaucoup plus de monde. Pour impressionner, il faut aller plus loin.

Sauf que ce coût n’a pas disparu, il a changé de forme : il se paie maintenant en tokens.

On n’a jamais eu besoin d’une guitare hors de prix pour être bon guitariste. Mais je crains une course à la complexité, où les pièces les plus spectaculaires viendront de qui peut payer les meilleurs modèles, ou les machines pour les faire tourner.

Ce milieu avait justement réussi à éviter ça. Avec du code qui tourne dans un navigateur, des gens du monde entier ont pu vivre de leur art sans passer par les circuits habituels. Tout le monde n’avait pas les mêmes chances, mais l’outil, lui, était gratuit : un éditeur de texte et de la patience.

Et ce qui se refait facilement peut aussi se copier. En octobre, l’artiste Mannay a découvert un travail en cours, partagé depuis plus d’un an, recréé en démo avec une IA, sans même un message pour demander :

this is exactly why i’m getting reluctant sharing gen art WIPs now. context: 1+ year working on this sharing, testing, iterating, building the whole system, then you wake up to a vibe-coded a clone, no DM/ask/nothing. The "spending a year to build something takes far too long…

15 octobre 2026 · sur X

Plus loin dans son post :

if anyone can rebuild anything in 20m then the only thing left that’s worth anything is the vision. and that’s exactly what’s being taken.

Il précise pourtant : « i’m pro AI ». Ce qu’il reproche, c’est d’avoir repris un travail pas encore sorti et d’en publier la copie avant lui. Depuis, il partage moins ses travaux en cours.

Un mouvement « sans IA » ?

On pourrait imaginer qu’un mouvement « sans IA » émerge, un peu comme le punk en son temps : revendiquer le fait main, l’humain, sans compromis. L’idée me plaît. Des artistes travaillent déjà sans IA, ou très peu : c’est un choix exigeant, que je respecte complètement. Je ne cherche à convaincre personne de travailler comme moi, seulement à expliquer comment je le fais et pourquoi.

Mais un mouvement se heurte vite à deux problèmes.

D’abord, où fixer la limite ? Il y a un monde entre :

• une image entièrement générée ;
• un algorithme écrit par une IA ;
• quelques lignes complétées au passage ;
• une simple discussion pour explorer une piste.

Aucune étiquette ne fait la différence.

Ensuite, comment le prouver ? Ni une image ni un historique de code ne disent qui a écrit quoi.

Alors ce n’est peut-être pas la bonne question. J’ai l’impression que la plupart des artistes et des collectionneur·ses l’ont déjà accepté : comme en développement, la quasi-totalité des projets à venir, et sans doute beaucoup de ceux sortis ces derniers mois, ont été ou seront faits avec l’aide de l’IA.

Ce qui gêne vraiment, c’est autre chose : un projet obtenu en demandant simplement à une IA « fais-moi une œuvre générative », et sorti tel quel, sans que personne ait fait de vrais choix. C’est la limite qui revient le plus souvent dans les discussions entre artistes, et c’est la seule qui me paraisse tenir. Le problème n’est pas l’outil, c’est l’absence de décision.

Le vrai risque n’est pas l’auteur, c’est la monoculture

Un texte de Monokai sur les modèles de langage, A Most Comfortable Dead End, a changé ma façon de voir le sujet :

What kills a monoculture is not sameness. It is shared origin.

Ce qui tue une monoculture, ce n’est pas l’uniformité, c’est d’avoir tous la même origine. Il l’illustre avec un champ :

A field can hold a hundred varieties and still die as one field if every seed came from the same supplier

Cent variétés, mais des graines venues du même semencier : le champ meurt d’un seul coup.

Appliqué à l’art algorithmique : si tout le monde crée avec les mêmes quelques modèles, on peut obtenir des milliers d’œuvres différentes qui ont toutes les mêmes angles morts, et les mêmes petits choix glissés dans le code. Ce que ces modèles ne proposent jamais finira par ne plus être exploré du tout.

Le vrai risque n’est donc pas de savoir qui a écrit le code, mais de voir l’espace des possibles se refermer.

Garder la main

Le système de particules du début, Cursor m’a aidé à le coder. Mais pourquoi je l’ai fait, ce que j’ai voulu y mettre, ses couleurs, son mouvement, le moment où j’ai décidé qu’il était fini : ça, aucune IA ne l’a choisi pour moi.

Études du même système de particules, de septembre à décembre 2024. La dernière ouvre cet article.

Ahmad Moussa, alias Gorilla Sun, arrive au même endroit dans Creative Coding in the Age of AI :

the realistic way forward is using these tools in a way that doesn’t completely remove us from the loop.

Se servir de ces outils, mais sans se retirer de la boucle.

Le rempart technique est tombé, et il ne se relèvera pas. Alors, quand l’IA écrit le code, où est l’œuvre ? Dans ce qu’aucun outil ne fournit : une raison de la faire, et l’espace des possibles qu’on construit pour elle.

C’est aussi la meilleure réponse que je connaisse à la copie et à la monoculture. Une démo peut reprendre un rendu, pas les raisons qui l’ont fait naître. Et plus une œuvre est personnelle, plus elle élargit l’espace au lieu de le refermer.

Alors je vais continuer à mettre autant de moi que possible dans mes œuvres. L’IA m’y aidera sans doute de plus en plus, mais elle ne le fera jamais à ma place.