Qui Profite Quand les Machines Créent ?

En 2024, le marché de l'IA générative était évalué à plus de 60 milliards de dollars et croissait à un taux composé annuel qui fait sourciller même les investisseurs technologiques les plus chevronnés. Des entreprises comme OpenAI, Stability AI, Midjourney et Adobe captent une valeur énorme grâce à des outils qui génèrent du texte, des images, de la musique et de la vidéo. Le capital-risque a déversé des milliards dans les startups d'IA. Les cours des actions des entreprises positionnées pour bénéficier de l'IA générative ont grimpé en flèche. Selon presque toutes les mesures financières, la révolution de l'art IA a été extraordinairement lucrative — mais une question cruciale reste largement sans réponse : lucrative pour qui ?

L'architecture financière de l'art génératif par IA est structurée de manière à concentrer la valeur au niveau de la plateforme tout en répartissant les coûts sur une base diffuse de créateurs dont le travail a entraîné les modèles. Les grands modèles de langage et les générateurs d'images qui alimentent ces outils ont été entraînés sur des milliards d'images, de textes et d'autres œuvres créatives — la grande majorité récupérées sur Internet sans le consentement explicite ni la rémunération de leurs créateurs. Ce n'est pas un détail mineur ; c'est la réalité économique fondamentale de toute l'industrie. La matière première de l'art IA est l'art humain, et les humains qui ont créé cette matière première n'ont reçu, dans la plupart des cas, rien.

Toute l'économie de l'IA générative est construite sur le travail non rémunéré de millions d'artistes qui n'ont jamais consenti à ce que leur œuvre soit utilisée de cette manière. — Concept Art Association, 2024

Pour comprendre qui profite de l'art IA, il est utile de cartographier la chaîne de valeur. Au sommet se trouvent les entreprises de plateformes — les firmes qui développent, entraînent et déploient les modèles d'IA générative. Ces entreprises captent la part du lion des revenus grâce aux frais d'abonnement, aux frais d'accès aux API et aux licences entreprise. Leurs valorisations reflètent la conviction du marché qu'elles contrôlent le point d'étranglement critique dans la chaîne de production créative : le modèle lui-même. En dessous des plateformes se trouve un écosystème croissant d'applications, de plugins et de services construits sur ces modèles, chacun prenant une plus petite part de la valeur générée.

Ce qui est le plus frappant dans cette chaîne de valeur, c'est l'absence quasi totale des personnes dont le travail créatif a rendu la technologie possible. Les artistes, photographes, illustrateurs et designers dont le travail constitue les données d'entraînement occupent une position analogue à celle des travailleurs agricoles dans un système alimentaire mondial : essentiels, mais largement invisibles et mal rémunérés. Ce n'est pas un modèle durable, ni économiquement ni éthiquement. À mesure que les contestations juridiques s'accumulent et que la sensibilisation du public grandit, l'approche extractive actuelle du travail créatif dans l'IA est susceptible d'évoluer — la question est de savoir si elle évoluera vers l'équité ou simplement vers des formes plus sophistiquées d'extraction.

La question de savoir comment rémunérer les artistes dont le travail a entraîné les modèles d'IA est l'un des enjeux les plus complexes et controversés de l'économie créative. Plusieurs procès très médiatisés — notamment des recours collectifs d'artistes visuels contre Stability AI et Midjourney, et des poursuites de grands éditeurs contre OpenAI — testent les cadres juridiques autour des données d'entraînement et du droit d'auteur. L'issue de ces affaires façonnera le paysage économique de l'art IA pour des décennies. Mais les questions juridiques, bien qu'importantes, ne sont qu'une partie du tableau.

Au-delà du cadre juridique, il y a un défi pratique : même si les tribunaux déterminent que les artistes méritent une rémunération pour l'utilisation des données d'entraînement, mettre en place un système de paiement équitable est extrêmement difficile. Comment attribuer de la valeur à une seule image parmi les milliards utilisées pour l'entraînement ? Comment rémunérer un artiste dont le style a influencé les résultats d'un modèle sans que ses images spécifiques aient été directement copiées ? Ce ne sont pas simplement des questions techniques — ce sont des questions philosophiques sur la nature de l'influence, de l'inspiration et de l'originalité avec lesquelles les cultures humaines se débattent depuis des siècles, rendues urgentes par l'échelle et la vitesse des systèmes d'IA.

Certaines entreprises ont commencé des programmes de rémunération volontaire. Le modèle Firefly d'Adobe a été entraîné exclusivement sur du contenu sous licence, et l'entreprise a créé un fonds pour rémunérer les contributeurs. Shutterstock a négocié un accord avec OpenAI pour licencier sa bibliothèque d'images et partage une partie des revenus avec les photographes contributeurs. Ces premiers efforts, bien qu'imparfaits, suggèrent qu'un modèle plus équitable est au moins théoriquement possible. Le défi est d'étendre ces principes à une industrie qui s'est largement construite sur l'hypothèse que le contenu créatif en ligne est une matière première gratuite.

Si le modèle actuel de l'économie de l'art IA est insoutenable, quelles alternatives pourraient émerger ? Plusieurs approches prometteuses sont explorées par des chercheurs, des défenseurs et des entreprises visionnaires.

• Entraînement basé sur le consentement : Des modèles entraînés uniquement sur du contenu pour lequel une autorisation explicite a été accordée. Adobe Firefly et certains projets open source suivent déjà cette approche, bien qu'elle limite la diversité des données d'entraînement.
• Partage des revenus : Les plateformes distribuent un pourcentage des revenus d'abonnement aux artistes dont le travail a été utilisé pour l'entraînement, proportionnellement à leur contribution. C'est techniquement difficile mais pas impossible, et cela reflète des modèles déjà utilisés dans le streaming musical.
• Licences collectives : Des cadres de licences à l'échelle de l'industrie, similaires à ceux utilisés dans la musique (SACEM, ASCAP, BMI), qui créent des mécanismes standardisés pour rémunérer les créateurs dont le travail alimente les systèmes d'IA.
• Places de marché opt-in : Des plateformes où les artistes peuvent choisir de licencier leur travail pour l'entraînement de l'IA aux tarifs qu'ils fixent eux-mêmes, créant un véritable marché pour les données d'entraînement créatives plutôt qu'un marché extractif.

Aucun de ces modèles n'est parfait, et chacun implique des compromis significatifs entre facilité de mise en œuvre, équité envers les créateurs et avancement des capacités de l'IA. Mais ils représentent un écart significatif par rapport au statu quo actuel, dans lequel la grande majorité de la valeur créative remonte vers les entreprises de plateformes tandis que les créateurs de la matière première ne reçoivent que peu. Le résultat le plus probable est une approche hybride combinant des éléments de plusieurs modèles, façonnée par la jurisprudence, la pression du marché et les normes sociales en évolution autour de l'IA et du travail créatif.

La voie à suivre nécessite une action sur plusieurs fronts — juridique, technologique et culturel. Sur le front juridique, des cadres plus clairs concernant les droits sur les données d'entraînement, l'usage équitable dans le contexte de l'IA et la rémunération des artistes sont urgemment nécessaires. Le patchwork actuel de procès et de programmes volontaires est inadéquat pour une industrie qui croît à ce rythme. Les législateurs de l'UE, des États-Unis et d'ailleurs commencent à se saisir de ces questions, mais le rythme de la régulation est bien en retard sur celui du changement technologique.

Sur le front technologique, de meilleurs outils pour suivre la provenance, attribuer l'influence et gérer le consentement sont essentiels. Les systèmes de provenance basés sur la blockchain, les normes de credentials de contenu comme C2PA et les technologies de filigrane ont tous un rôle à jouer — bien qu'aucun ne soit une solution complète à lui seul. L'objectif devrait être un système dans lequel la lignée créative des œuvres générées par IA est transparente et les contributions des créateurs humains sont visibles et rémunérables.

Nous pouvons construire une économie de l'art IA qui fonctionne pour les créateurs, pas seulement pour les plateformes. Mais cela nécessite une conception intentionnelle, pas seulement les forces du marché. — Forum Économique Mondial, 2024

En fin de compte, la question de qui profite quand les machines créent est une question de valeurs, pas seulement d'économie. Croyons-nous que le travail créatif a une valeur intrinsèque ? Croyons-nous que les personnes dont le travail rend l'IA possible méritent une rémunération équitable ? Voulons-nous un monde de l'art plus équitable ou plus extractif ? Les réponses à ces questions détermineront non seulement l'économie de l'art IA, mais sa légitimité culturelle. Un écosystème d'art IA construit sur l'équité et le consentement produira un meilleur art, attirera des créateurs plus talentueux et gagnera la confiance du public que le modèle actuel érode rapidement.