Focus de la lettre 46

J’ai décrit à MultiMatte ce que je voulais garder dans une image. Quelques secondes plus tard, elle était détourée, ce qui demande d’ordinaire un logiciel de retouche et de la pratique. Puis j’ai regardé les bords, pas si “propres” qu’il n’y paraissait à certains endroits. Rien à l’écran ne dit si c’est réussi, il faut “un œil”.
Kario fait le même geste pour une vidéo. Une instruction, et on obtient un motion design découpé en scènes, avec texte, formes, images et audio sur des calques séparés et modifiables. C’est la structure sur laquelle travaille un monteur sans qu’on ait eu à l’apprendre.
Sharper AI de son côté rend accessibles des productions complexes en générant des rapports, des données dans un tableur et présentations à partir de documents connectés.

C’est un vrai élargissement des possibles. C’est aussi des fractures qui se superposent : celle des compétences, celle de l’accès ou encore celle de la capacité à juger les résultats.

L’une tient aux compétences. Il faut savoir exprimer une intention, structurer une demande, itérer, contextualiser. Parfois, il faut aussi souvent l’anglais : cette semaine, MultiMatte et Instrument Playground n’acceptent que cette langue. Il faut enfin savoir juger le résultat que la machine livre.
Savoir demander, savoir faire, savoir juger, savoir reprendre la main : ces choses s’apprennent, et tout le monde n’y a pas accès, ou pas de la même façon.

Une autre touche à l’accès : matériel, connexion, puis très vite l’abonnement que le modèle freemium essaye d’imposer. Sharper AI offre 300 crédits par semaine en version « Lite », et mes tests en ont consommé 160. Au-delà, l’expertise devient payante. Passer à un autre outil ou installer un modèle open source est possible, mais cela suppose encore des compétences et un ordinateur suffisamment performant, donc coûteux.

Cette semaine, ces applications lèvent une barrière sans lever l’autre. MultiMatte est open source, sans compte, et semble illimité, mais il demande de l’anglais et “un œil” pour juger. Kario dispense de savoir monter, mais il compte ses crédits.

Reste donc le capacité de vérifier qui apporte une nouvelle fracture. Kario s’est arrêté net en plein test, avant de redevenir disponible le lendemain. Ce qu’il avait déjà généré était-il exploitable ? Savoir si un détourage est propre sur les bords, si le rythme d’une animation tient, si un rapport dit vrai : ce jugement ne vient pas en appuyant seulement sur un bouton.
Ce réflexe rejoint les lectures de la semaine sur l’« IApocalypse » : vérifier plutôt que croire sur parole, qu’il s’agisse d’un résultat ou d’un discours, notamment celui que poussent les propriétaires des grands modèles. Le LaborIA le dit à l’échelle du travail social : l’IA pour la forme, pas pour le fond, et le temps gagné devrait en partie servir à vérifier et à réfléchir.

Le même réflexe vaut bien au-delà de l’image : dans les lectures, une annonce d’OpenAI sur le problème Navier-Stokes en offre un très bon exemple. Deux lectures sont possibles : soit l’expertise s’est démocratisée, soit seulement ses résultats, et pas pour tout le monde. Quelqu’un qui n’a jamais retouché une image peut-il repérer un détourage raté, et a-t-il seulement de quoi en refaire un sans l’outil disponible ? Ces outils ne suppriment pas le besoin d’expertise, ils déplacent une partie de la fabrication vers le contrôle critique. Et l’accès universel qu’ils promettent peut aussi devenir lui-même un facteur de différenciation sociale.
L’éducation, le partage, l’accompagnement, la pensée critique sont certainement plus que jamais nécessaires. Sans eux, cet accès universel aux outils reste une illusion qui accentue les inégalités.
Quand les outils donnent à chacun l’impression de pouvoir produire comme un expert, comment apprend-on encore à reconnaître ce qui relève réellement de l’expertise ?

En écho :

• Lettre 36, “Que reste-t-il quand l’outil a fait le travail ?”,
• Lettre 28, “Du « waouh » au « ah ouais ? » : fabriquer avec la machine et comprendre ce qu’on fabrique”.