Après un moment de développement caractérisé par des progrès exponentiels, les générateurs d’image sont désormais accessibles à tout le monde, et l’offre s’étoffe à une vitesse hallucinante. Qu’est-ce que c’est au juste, faut-il paniquer, en quoi est-il intéressant d’y réfléchir, ou en tout cas de savoir ce qu’il se passe ? (Je ne ferai pas de prospective sur l’impact de ce genre d’outil sur la société en général, parce que ce n’est pas le sujet de ce site ; je me cantonnerai au domaine purement artistique et au point de vue du domaine du Tarot, ce qui est, on en conviendra, beaucoup plus restreint). Cet article est un reflet de mon expérience personnelle, donc subjective.

1. De quoi on parle ?

Les progrès de l’informatique sont en train de nous faire arriver à ce qui était jusqu’ici du domaine de la science-fiction : des logiciels capables de produire des images cohérentes à partir d’une description écrite. On peut donc taper « Superman sur un éléphant », et le logiciel fournit une image de Superman sur un éléphant – il n’a pas été la chercher, une telle image n’existe pas, il la crée de toutes pièces à partir de ce qu’il sait de Superman, des éléphants, et de la façon dont les gens comme Superman se tiennent lorsqu’ils chevauchent un tel animal. C’est totalement fou.

Deux-trois points techniques

Pour arriver à un tel résultat, il y a deux temps : l’apprentissage, puis la création. On commence par montrer au logiciel un maximum d’images couplées à leur description. Il va donc voir des centaines de milliers d’images d’éléphants, de face, de profil, de haut, debout, assis, au cirque, en forêt, on lui dira à chaque fois que c’est un éléphant. Le but est d’amener le logiciel à « comprendre » ce à quoi ressemble un éléphant en général, malgré les différences entre toutes les photos individuelles. Ensuite, la création se base sur un processus appelé diffusion. D’après ce que j’ai compris, quand on lui demande de produire une image d’éléphant, le logiciel commence par générer un bruit blanc constitué de points aléatoires. Il repasse ensuite dessus en essayant de chercher les groupes de points qui lui rappellent le plus ce qu’il a appris au sujet de la forme des éléphants (comme nous lorsque nous cherchons à voir des visages dans les nuages). Une fois un groupe de points identifié, il va en exagérer les caractéristiques, puis repasser dessus un certain nombre de fois, jusqu’à ce que l’image représente incontestablement un éléphant.

« Superman riding an elephant », par DreamStudio (Stable Diffusion)

Quel rapport avec notre sujet ? Pour arriver à une précision maximale, les entreprises qui développent ce type de logiciel ont fait le choix de les nourrir avec le nombre maximal d’images qu’ils pouvaient trouver, c’est-à-dire… qu’ils les ont juste lâchés sur Internet (toujours une bonne idée dans les nouvelles de science-fiction). Les robots ont donc basé leur apprentissage sur un nombre délirant d’images. Images qui leur ont montré toutes les facettes de toutes les choses, dans tous les sens. Les robots en ont alors déduit des connaissances sur les choses en général, à partir d’une immense expérience visuelle. C’est-à-dire qu’ils se sont créé des archétypes. Un archétype est un symbole particulièrement puissant parce qu’il est universel, et interprétable à l’infini, parce qu’il renvoie à une infinité d’expériences que nous avons faites tout au long de notre vie. Par exemple, l’archétype de la Grande Mère est universel parce que quelles que soient les cultures, les êtres humains naissent de mère ; il peut renvoyer aux idées d’amour inconditionnel, de soin, d’être nourri, mais aussi d’être étouffé, critiqué, menacé d’abandon, parce que l’expérience que nous faisons de la mère est extrêmement complexe et diverse. Notre robot n’a pas fait autre chose, parce que plus une idée est importante, plus il en a vu de facettes.

Chaque image qui sortira donc de ces logiciels vient donc en droite ligne de l’inconscient collectif. Puisque tout l’apprentissage est basé sur ce que toute l’humanité perçoit de toutes les choses, tout ce qui en ressortira correspondra donc forcément à la représentation, dans l’inconscient collectif, de cette chose-là.

Aléatoire, archétypes ? Faisons donc des tarots avec ça !

Il y a alors eu attaque massive de tarologues, parce que la première chose qui nous est venue à l’idée était évidemment « Viens on lui fait faire un tarot ».

Les résultats ont été mitigés, d’abord parce que ceux qui s’y sont pris trop tôt ont travaillé avec des logiciels dont l’apprentissage n’était pas aussi abouti qu’il ne l’est maintenant, ensuite parce que c’est un outil qui à mon avis n’est pas bien adapté à ce type de projet.

Voici un exemple de projet vraiment abouti généré avec Midjourney : le Tarot of the Everlasting Day Beginner Deck par Marcus Katz et Tali Goodwin (Kickstarter).

Ces images sont toutes très belles, néanmoins je ne suis pas convaincue par ce tarot. Le style est typique du logiciel Midjourney (anges en vomi de chat, bâtiments organiques qui se dressent comme des pics titanesques, humains falots voire inexistants), ce qui après le moment du choc spectaculaire finit par laisser un peu froid. Je trouve que ces perspectives fantasy impressionnantes, mais toujours à peu près les mêmes sans que cela apporte de sens particulier à l’image. Je n’ai pas l’impression que ce style frappant soit maîtrisé au point de le mettre au service d’un tarot ; pour moi, ce serait plutôt ce tarot qui serait au service de Midjourney, pour la démonstration de prouesse technique (ce qui est déjà très bien !). Ce deck est particulièrement réussi, je ne sais pas à quel point les images sont retravaillées ; je vous montre ici une sélection des plus belles, mais je n’ai pas l’impression que tout le jeu soit à ce niveau. Dans un tarot, toutes les arcanes représentent des idées très différentes les unes des autres, pour représenter la variété de l’expérience humaine. Avec ces logiciels, elles auront toutes en commun un style fantastique et déstructuré, mais je ne suis pas sûre que cela apporte beaucoup pour parler de l’humain, ce qui est tout de même la première chose que l’on demande à un tarot.

Et le refoulé dans tout ça ?

Ces logiciels sont entraînés sur un nombre immense d’images non filtrées, donc sur une forme d’inconscient collectif. Seulement, quand il y a de l’inconscient, il y a du refoulé. Où ces robots se sont-ils créé leurs archétypes ? Sur Internet, sans filtre ni sélection. Internet, ce sont des photos de chats, de vacances, de séminaires d’entreprise, des tableaux d’artistes, de la photo de mode. C’est aussi la pornographie, légale, illégale, les crimes de guerre. Pas de panique, les entreprises qui créent ces logiciels le savent bien, elles ont installé des filtres de sécurité, on ne peut pas accéder à des images de ce type-là en tapant des descriptions, tout restera bon enfant. Mais je ne peux m’empêcher de penser qu’un logiciel entraîné sur du refoulé aura du mal à sortir autre chose.

De même que les logiciels se sont entraînés sur nos images, je me suis moi-même entraînée sur DALL-E, qui appartient à la société OpenAI. Dans l’expérience que j’en ai faite, le « problème » est que l’image générée se conforme rarement à ce qu’on veut lui faire évoquer, et j’ai bien l’impression – subjective, projective – que c’est quasi exclusivement du refoulé. Ce qui me donne cette impression, c’est que DALL-E et les autres montrent vraiment toute leur puissance quand on leur demande des choses effrayantes. Même lorsqu’on ne le leur demande pas de nous effrayer, de toute façon, l’inquiétante étrangeté est là, massive : les corps sont déstructurés, la chair se confond avec la pierre et le métal, elle se tord, coule. On a vraiment l’impression de retrouver l’imaginaire torturé du cyberpunk, mais plutôt que la plume de Yukito Kishiro, c’est la psychose de Jérôme Bosch qui s’y colle, en pleine crise. Métal hurlant, vraiment…

Temperance / Devil, par Dan @Aetherial

Au final, j’ai l’impression que les tarots générés par ces logiciels ont en commun un délire assez peu maîtrisé (sauf quand l’artiste a modifié l’image au point, justement, de la maîtriser grâce à sa propre compétence). Or, l’intérêt du tarot est aussi son cadre très contrôlé, pour exprimer son inconscient de façon constructive sans recevoir le refoulé à la figure de façon destructive.

Pour l’instant, donc, je ne suis pas sûre qu’il soit possible de créer un tarot intéressant avec cet outil, à moins de vraiment beaucoup le modifier avec des compétences en illustration… c’est-à-dire, à moins de faire un tarot d’artiste, pas un tarot d’IA, et à ce moment, quel que soit l’outil utilisé, si la démarche est intéressante, le jeu sera intéressant.

2. Pas de panique pour les illustrateurs

Travailler avec l’IA demande des compétences, comme travailler avec n’importe quel outil. N’importe qui n’est pas capable de le faire ; je ne pense donc pas que les illustrateurs aient de souci à se faire, au contraire.

Basée sur l’aléatoire et le chaos, l’IA est assez incontrôlable, et l’inquiétante étrangeté ne cesse de se glisser partout. Le roi au centre d’un opéra a la tête montée à l’envers, la princesse a trois bras, la chair de la beauté alanguie sur son lit se mêle horriblement avec ses couvertures… Il faudra faire intervenir un professionnel capable de retoucher l’image pour obtenir quelque chose de cohérent.

Chaque IA a sa personnalité et il faut « apprendre à lui parler ». Cela aussi, c’est une compétence, qui s’acquiert avec l’expérience, comme on apprend à se servir d’un pinceau, d’un stylo, ou de Photoshop. Il faut aussi penser à décrire ce que l’on imagine en termes qui correspondent à quelque chose qui existe déjà, par exemple, « Batman peint par Caspar David Friedrich, peinture à l’huile ». Cela demande à la fois de connaître les réactions de l’algorithme dont on se sert (pour savoir lui parler) et l’histoire de l’art (pour l’aider à visualiser ce qu’on a en tête en lui donnant des exemples de style).

Observez cette image réalisée avec DALL-E. Je cherchais à obtenir un tableau représentant la Force telle qu’on a l’habitude de la voir en Tarot, avec une jeune femme tenant ouverte la gueule de son lion, avec confiance et amour. Au premier coup d’œil, tout va bien. Au second, arrivez-vous à voir que la gueule du lion est à la fois ouverte et fermée ? Et que les mains de la femme sont toutes deux attachées au même poignet ? On en a des frissons.

Description : « a woman lovingly holding a lion’s mouth open, full length portrait, oil painting ». Par DALL-E