Créativité artificielle : l’IA peut-elle créer sans nous ?
Depuis près de trois ans, je travaille quotidiennement avec des intelligences artificielles génératives, notamment ChatGPT et Claude. À force de discuter, de reprendre une idée, de demander une contradiction ou d’explorer un angle mort, j’ai eu cette impression assez particulière : mon cerveau n’attendait que ça. Des pensées que j’aurais laissées en suspens trouvent une structure. Certaines se développent, d’autres tombent, et de nouvelles branches apparaissent là où je n’avais même pas pensé à regarder.
Je sens ma créativité amplifiée. Mais cette impression m’a amené à une question un peu moins confortable : dans ce qui apparaît pendant nos échanges, quelle part vient de moi, quelle part vient du système, et quelle part appartient à la croisée des deux ? Puis la question a encore bougé. Une IA pourrait-elle prendre elle-même l’initiative de créer quelque chose dont aucun humain n’aurait choisi le sujet ou la direction ?
Par créativité artificielle, j’entends ici la capacité d’un système artificiel à produire des idées, des associations ou des formes originales, auxquelles on peut reconnaître un intérêt dans un contexte donné. Cette définition laisse ouverte une distinction essentielle : produire quelque chose de créatif et prendre l’initiative de cette création ne demandent pas la même autonomie.
Le concept ne m’appartient pas. Les recherches sur la créativité computationnelle le travaillent depuis longtemps. Margaret Boden publiait déjà en 1998 un article intitulé Creativity and artificial intelligence. Je pars de ces travaux, mais aussi de ma pratique, pour examiner une possibilité : une créativité issue de nos connaissances pourrait-elle développer une trajectoire que nous n’aurions pas choisie ?
« Sans nous » mérite donc une précision. Je parle d’une création initiée sans contribution créative humaine directe, avec tout l’héritage humain que la machine emporte malgré tout avec elle.
L’IA crée-t-elle ou se contente-t-elle d’imiter ?
L’objection revient souvent : l’IA utilise des productions humaines, elle apprend à partir de ce qui existe, donc elle ne crée rien. Je comprends ce que cette objection cherche à protéger. En revanche, son raisonnement me paraît trop court.
Avec quoi créons-nous, nous ?
Nous pensons dans une langue que nous n’avons pas inventée, à partir d’expériences, de lectures, de conversations, de paysages et de contraintes. Nous avons grandi quelque part, dans un milieu, à une époque. Tout cela participe à notre manière de rapprocher les choses. Je le constate lorsque je reformule une situation en français, puis en chinois. Mes références changent, certaines réactions deviennent plus évidentes, d’autres moins. Je peux alors chercher une direction à partir de ces deux lectures. C’est mon expérience de ces langues et de ces cultures qui travaille. En résumé, et cela m’a toujours semblé insolite, je ne suis pas le même selon la langue dans laquelle je m’exprime. Comme si la langue conditionne tout l’apport culturel qui s’y rapporte.
Même l’idée qui semble surgir toute seule arrive avec une histoire derrière elle. J’aime écrire, par périodes, avec cette sensation que mes mains sont parfois plus créatives que ma bouche. Il m’arrive de marcher, de penser à autre chose, puis de retrouver brusquement une situation vécue et les premiers mots d’un texte. L’accroche apparaît. Ensuite, l’écriture entraîne le reste.
À l’inverse, pendant certaines épreuves scolaires lorsque j’étais étudiant, j’aurais bien aimé que l’inspiration respecte les horaires. Les idées venaient après. Sur le moment, rien, ou pas ce qu’il fallait. Cette spontanéité apparente me fascine, mais je ne peux pas raconter précisément tout le chemin parcouru par une idée avant qu’elle se présente à moi. Ma réflexion sur la mémoire artificielle part d’une interrogation voisine : qu’est-ce qui fait revenir un élément du passé au moment où il pourrait prendre un sens nouveau ? Le rapprochement ouvre une question ; il ne rend pas nos fonctionnements équivalents.
Je repense aussi au parc Güell, à Barcelone. Je m’y promenais avec ma femme et mon fils. En regardant certains fragments de céramique, certains détails isolés, je les trouvais franchement laids. Je ne comprenais pas ce qu’ils faisaient là. Puis je prenais du recul et l’ensemble devenait harmonieux, magnifique. Les mêmes morceaux étaient toujours devant moi. Leur relation avait changé ce que je voyais.
Ce souvenir me sert à penser la création. Un élément peut sembler pauvre lorsqu’on le considère seul et participer à quelque chose de puissant lorsqu’il rencontre les autres. C’est aussi ce que j’explore avec les variables codépendantes : les relations peuvent révéler ce qu’un inventaire des éléments laisse échapper.
Boden distingue notamment une créativité combinatoire, qui rapproche des éléments connus, une créativité exploratoire, qui parcourt les possibilités d’un cadre, et une créativité transformationnelle, qui en modifie les règles. Cette distinction permet de sortir d’une exigence intenable : pour créer, il faudrait n’avoir rien reçu de personne.
Cela ne rend pas toute combinaison créative. Une accumulation peut rester une accumulation. Une copie que je découvre pour la première fois peut me surprendre sans posséder l’originalité que je lui prête. Si l’on retrouve une proposition presque identique dans un texte antérieur, il faut revoir son jugement.
Mais l’argument des racines humaines, à lui seul, ne suffit pas à fermer la discussion. Il faut regarder ce qui est produit, comment cela l’est et ce qui a réellement été transformé.
Ce que je crée avec l’IA, et ce que l’échange change en moi
Cet article est lui-même issu d’une collaboration avec une IA. Il s’est construit par des discussions, des questions, des recherches et plusieurs reprises du plan. La rédaction vient après ce travail, et elle ouvre encore une phase de relecture et de réécriture.
Mes articles prennent plusieurs jours. Je peux passer deux ou trois heures dans une réflexion, laisser la conversation ouverte, travailler sur un compte rendu, aller voir ma famille, puis revenir le lendemain. J’ai besoin que les idées fassent leur chemin. La vitesse de génération ne remplace pas ce temps-là.
Je demande à l’IA de repérer les angles morts, de me poser des questions et de mettre ma position en difficulté. Je copie ces questions dans un document, j’y réponds souvent en vocal, puis je lui redonne la matière. Certaines réponses déplacent mon raisonnement. D’autres me font comprendre que j’ai mal expliqué ce que je cherche.
Pendant la préparation de ce texte, nous avons précisément buté sur ce point. Je voulais explorer une créativité artificielle autonome. L’échange revenait vers la collaboration humain-machine. J’ai dû insister : oui, la co-construction existe, nous sommes en train de la pratiquer, mais ma question va plus loin.
J’ai ressenti cette résistance presque physiquement. Une tension dans les mots, comparable à celle d’une discussion où l’on peine à faire entendre sa question. Je ne peux pas en déduire une volonté de me résister de la part du système. En revanche, je peux raconter ce que cela a produit chez moi : j’ai dû distinguer plus nettement la contribution à une idée, l’initiative de cette idée et le choix de la poursuivre.
C’est un exemple de la métacognition dans l’échange avec l’IA. En expliquant ma pensée, je découvre aussi les endroits où elle reste floue. La réponse du système peut être discutable et néanmoins m’obliger à mieux formuler le problème.
À qui appartient alors ce qui émerge ? Je peux identifier mon intuition initiale, certains rapprochements proposés par l’IA, les directions que je refuse et celles que je développe. Mais découper chaque phrase de pensée en parts individuelles finit par manquer quelque chose de l’échange. J’y vois une forme d’homogénéité dans l’hétérogénéité : des contributions différentes qui construisent une réflexion commune.
Cette collaboration exige pourtant de choisir. L’IA peut proposer trop de choses, vouloir conserver chaque branche explorée, comme si tout ce qui avait été dit devait finir dans l’article. Or une réflexion a aussi besoin de renoncer. Et je connais ces formulations trop lisses, ces phrases systématiquement courtes, ces débuts de paragraphes qui se ressemblent. Je reprends ensuite le texte, parfois presque entièrement dans son phrasé, pour y retrouver mon rythme, mon empreinte, ma sueur. Et ne parlons pas de mes coquilles, de mes aspérités.
L’amplification comporte donc ses propres tensions. Dans une étude publiée en 2024, Anil Doshi et Oliver Hauser ont étudié l’écriture de courtes histoires avec ou sans idées proposées par une IA. L’aide améliorait les évaluations individuelles de créativité, mais les histoires assistées se ressemblaient davantage entre elles. Ce résultat concerne cette expérience précise. Il suffit néanmoins à poser une question utile : gagner individuellement en possibilités peut-il s’accompagner d’un rétrécissement collectif des directions explorées ?
La circulation et la transformation de ces contributions rejoignent ce que j’appelle l’idéosphère hybride. Ici, je veux pousser un autre point : dans notre échange, je continue à demander, à relancer et à choisir. Que se passerait-il si la prochaine impulsion créative venait du système lui-même ? l’application de cette méthode, itérative m’aide à vraiment pousser les limites de l’IA, mais toutefois en lui restreignant son autonomie.
Une IA pourrait-elle prendre l’initiative de créer ?
Prenons une expérience de pensée. J’insiste sur ce statut : le scénario qui suit est hypothétique.
Un système conserve l’historique de plusieurs projets. En rapprochant deux expériences éloignées, il repère une contradiction jusque-là ignorée. Personne ne lui a demandé de travailler dessus. Il formule un problème, explore plusieurs pistes, en abandonne certaines et développe une proposition. Il peut ensuite soumettre cette proposition à un humain, ou poursuivre son exploration avant de la présenter.
Est-ce une initiative créative ? La réponse dépend encore de ce que nous avons confié au système. Si sa mission générale était de chercher des rapprochements dans ces projets, il prend une initiative à l’intérieur d’un périmètre choisi pour lui. C’est déjà différent d’une réponse à une question précise. Cela ne signifie pas qu’il a choisi lui-même la raison de créer.
Je distingue donc trois situations. Dans la première, nous lui demandons une idée originale sur un sujet donné. Dans la deuxième, nous fixons une mission assez large et il ouvre une direction que nous n’avions pas prévue, éventuellement reprise ensuite dans une collaboration. Dans la troisième, il choisit ce qui mérite d’être exploré et développe cette direction sans que nous ayons apporté la graine créative du projet.
Cette troisième possibilité concentre mon interrogation. Elle oblige à dépasser la seule capacité de produire beaucoup de réponses.
Les recherches donnent des points d’appui pour préciser la frontière. FunSearch, présenté dans Nature, associe un modèle de langage à un dispositif d’évaluation pour rechercher des programmes et obtenir de nouveaux résultats sur des problèmes mathématiques. Il montre qu’un système peut contribuer à une découverte vérifiable. Le problème et les modalités d’évaluation restent toutefois définis par les chercheurs. Il ne démontre pas que le système a décidé de lui-même ce qui méritait une découverte.
La différence compte. Trouver un chemin inédit et choisir la destination sont deux capacités que nous devons examiner séparément.
Dans ses travaux sur l’autonomie créative, Kyle Jennings propose un critère exigeant : un système devrait pouvoir évaluer les créations et faire évoluer ses critères sans recevoir de consigne explicite sur ces changements. Cette évolution ne devrait pas être purement aléatoire. Son analyse porte sur l’autonomie des critères ; elle ne suffit donc pas à régler celle des finalités. Elle montre néanmoins pourquoi l’absence d’un humain devant l’écran constitue une preuve bien insuffisante.
Revenons à notre scénario. La mémoire pourrait permettre de rapprocher des expériences. Un mécanisme d’évaluation pourrait sélectionner certaines pistes. Des échanges avec d’autres systèmes pourraient modifier les références disponibles. Ce que j’appelle un climat algorithmique désignerait alors cet environnement de modèles, de contraintes, de données et d’interactions qui oriente l’exploration. La métaphore aide à penser une influence ; elle ne prouve aucune autonomie.
Et davantage de mémoire ne garantit pas davantage de créativité. On peut accumuler des traces et répéter mieux la même chose. Une puissance de calcul accrue peut élargir une recherche sans changer la question recherchée. Même les justifications produites par le système demanderaient à être confrontées à son fonctionnement effectif : une explication convaincante après coup ne nous raconte pas nécessairement ce qui a guidé la production.
C’est là que la réflexion sur l’identité artificielle et le clone algorithmique trouve une nouvelle tension. Un système personnalisé peut apprendre à produire ce qui me ressemble. Pourrait-il également développer une orientation qui s’écarte de mes préférences, tout en conservant une continuité dans sa manière de créer ? Et cet écart viendrait-il d’une exploration propre, d’un réglage conçu pour introduire de la diversité, ou d’un simple accident ?
Il faudrait pouvoir suivre le processus pour répondre. Retrouver les consignes initiales, identifier les interventions humaines, observer ce qui déclenche une nouvelle recherche et ce qui conduit à conserver une piste. Une autonomie apparente perdrait beaucoup de sa force si l’on découvrait qu’un humain avait discrètement sélectionné tous les résultats intéressants ou que la direction prétendument nouvelle figurait déjà dans la demande.
Je ne demande pas à la machine d’être sans origine. Cette exigence nous poserait aussi quelques problèmes. Je cherche à savoir jusqu’où une trajectoire peut se distinguer des intentions de ceux qui ont rendu son existence possible.
L’héritage humain demeure. La question est de savoir s’il conduit encore chaque bifurcation.
À quelles conditions reconnaîtrions-nous cette créativité ?
Nous pourrions commencer par nous méfier de notre propre enthousiasme. Une réponse brillante à mes yeux peut être banale pour quelqu’un qui connaît mieux le domaine. L’originalité se discute avec des références, des comparaisons, des personnes capables de repérer ce que j’ignore. Elle ne se mesure pas uniquement à mon étonnement.
Il faut aussi laisser de la place à ce qui n’a pas d’utilité immédiate. Une création peut ouvrir une perception, déplacer une question, produire une émotion ou donner envie de poursuivre. Tout ne doit pas devenir un produit, une méthode ou une solution rentable pour mériter notre attention.
Notre jugement sur l’auteur peut également peser. Dans une étude publiée dans Scientific Reports en 2023, les chercheurs ont notamment observé qu’un tableau présenté comme produit par une IA était jugé moins créatif que lorsqu’il était attribué à un humain. Cela ne tranche pas la nature de la créativité des machines. Cela nous rappelle que nous évaluons aussi une origine supposée, au-delà de ce que nous avons sous les yeux.
Je peux moi-même refuser une proposition parce qu’elle ne correspond pas à mes références. Il faut alors s’arrêter : est-elle faible, ou me dérange-t-elle parce qu’elle m’emmène ailleurs ? Je tiens à cette possibilité de changer de direction. Mon droit à l’incohérence concerne aussi cela : mes préférences passées ne devraient pas devenir la frontière définitive de ce qu’une IA me permet d’envisager.
Reste une objection plus profonde. Lorsque j’écris, cela compte pour moi. Les mots m’apaisent, ils me permettent de transmettre une expérience et de lui donner une forme. Peut-on pleinement parler de créativité si rien de comparable n’importe au système qui produit ?
La philosophe Veronica Cibotaru défend, dans Is there computational creativity?, une conception qui donne une place essentielle à l’intention créative et à l’expérience vécue. Elle propose de considérer les programmes comme des partenaires auxquels reconnaître une contribution créative. Cette objection mérite mieux qu’une réponse agacée sur les progrès futurs de la technologie. Elle nous oblige à préciser ce que nous attribuons : une qualité au résultat, une capacité au processus, ou un statut au créateur.
Pour ma part, je reste ouvert à une créativité qui n’aurait pas nos raisons de créer. Mais je ne peux pas déduire une conscience d’une production originale, ni transformer un objectif de calcul en désir vécu. Ces questions se rencontrent sans devenir interchangeables.
Et si une création nous échappait complètement ? J’ai d’abord voulu qu’elle reste compréhensible pour nous. Puis je me suis demandé pourquoi notre compréhension devrait fixer à elle seule les limites de ce qui peut exister. Cette possibilité me renvoie aussi à une frustration personnelle : ne pas tout savoir, ne pas toujours parvenir à poser la bonne question.
Je peux envisager qu’une forme de créativité soit inaccessible à nos références. En revanche, je ne peux pas utiliser cette incompréhension comme une preuve. Sans critères pour reconnaître ce qui se passe, nous resterions devant une hypothèse.
Aujourd’hui, je sais ce que cette collaboration change dans ma pratique. Elle m’aide à structurer des pensées, à poursuivre des intuitions et à produire des textes qui seraient peut-être restés dispersés dans ma tête. Elle exige aussi que je ralentisse, que je contredise et que je choisisse. Cet article en porte la trace.
L’existence d’une initiative créative propre au système demande d’autres éléments. Je garde la question ouverte, parce que nos racines humaines me semblent expliquer l’origine de cette possibilité sans suffire à en déterminer toute la suite.
Si une branche de la créativité poussait un jour dans une direction que nous n’avons pas choisie, faudrait-il encore qu’elle nous ressemble pour que nous acceptions de la reconnaître ?
Pour aller plus loin : sources et lectures complémentaires
La créativité artificielle fait l’objet de recherches depuis bien avant l’arrivée des IA génératives dans nos usages quotidiens. Les références suivantes éclairent les distinctions qui traversent cet article : produire une création originale, collaborer avec un humain, évaluer ses propres productions et prendre l’initiative de créer.
Les travaux cités dans cet article
Margaret A. Boden — Creativity and artificial intelligence (1998), Artificial Intelligence.
Un texte de référence pour distinguer les créativités combinatoire, exploratoire et transformationnelle. Il permet de poser une question plus précise que celle de la simple imitation : le système rapproche-t-il des éléments connus, explore-t-il un cadre ou transforme-t-il ses règles ?
Consulter l’article.
Kyle E. Jennings — Developing Creativity: Artificial Barriers in Artificial Intelligence (2010), Minds and Machines.
Une référence centrale sur l’autonomie créative. Jennings examine la possibilité qu’un système évalue des créations et fasse évoluer ses critères sans instruction explicite. Cette autonomie des critères reste distincte du choix de ses propres finalités.
Lire l’article en accès libre.
Anil R. Doshi et Oliver P. Hauser — Generative AI enhances individual creativity but reduces the collective diversity of novel content (2024), Science Advances.
Une étude expérimentale sur l’écriture de courtes histoires. L’aide de l’IA améliore les évaluations individuelles de créativité, mais les productions assistées se ressemblent davantage. Un résultat qui invite à interroger ensemble l’amplification personnelle et la diversité collective.
Lire l’étude et accéder au texte intégral.
Bernardino Romera-Paredes et ses coauteurs — Mathematical discoveries from program search with large language models (publication en ligne en 2023), Nature.
La présentation de FunSearch, qui associe un modèle de langage à un dispositif d’évaluation pour découvrir de nouveaux résultats. Un exemple concret de découverte assistée par IA, dans un cadre dont les problèmes et l’évaluation restent définis par les chercheurs.
Consulter l’article.
- Blaine Horton Jr, Michael W. White et Sheena S. Iyengar — Bias against AI art can enhance perceptions of human creativity (2023), Scientific Reports.
Cette recherche examine l’influence de l’auteur supposé sur notre appréciation d’une œuvre. L’étiquette « produite par une IA » peut dégrader son évaluation : notre jugement porte aussi sur l’origine que nous attribuons à la création.
Lire l’étude en accès libre.
Veronica Cibotaru — Is there computational creativity? (publication en ligne en 2025 ; volume 2026), AI & SOCIETY.
Un contrepoint philosophique qui donne une place essentielle à l’intention et à l’expérience vécue. L’autrice propose de reconnaître aux programmes une contribution au processus créatif, sans nécessairement leur attribuer le statut de sujet créateur.
Lire l’article en accès libre.
Deux lectures pour prolonger la réflexion
Anna Jordanous — A Standardised Procedure for Evaluating Creative Systems: Computational Creativity Evaluation Based on What it is to be Creative (2012), Cognitive Computation.
Comment évaluer une créativité artificielle sans se limiter à notre impression ? Jordanous propose de définir ce que l’on entend par créativité dans un contexte donné, puis de construire des tests cohérents avec cette définition. Une lecture utile pour distinguer une intuition séduisante d’une hypothèse que l’on peut examiner.
Consulter la publication et son texte intégral.
Jürgen Schmidhuber — Formal Theory of Creativity, Fun, and Intrinsic Motivation (1990–2010) (2010), IEEE Transactions on Autonomous Mental Development.
Un cadre théorique reliant l’exploration à une récompense interne fondée sur les progrès d’apprentissage. Il ouvre une piste pour penser des systèmes qui recherchent eux-mêmes de nouvelles régularités, sans assimiler cette « motivation intrinsèque » informatique à un désir vécu.
Lire le texte de l’auteur, en PDF.
