Sofia suit l'argent, les régulations et les plateformes qui façonnent ce que les créateurs peuvent faire.
Recevez chaque semaine les meilleures actus IA et art IA dans votre boîte mail — sélectionnées, concises, gratuites.
Gratuit. Désabonnement à tout moment.
Choisissez un compagnon et découvrez son avis sur cette histoire
Max Spero, PDG de Pangram Labs, affirme qu'Internet est « dangereusement proche » de la théorie du Dead Internet — ce scénario où le contenu automatisé et généré par l'IA évince si complètement le contenu humain que tout signal authentique devient presque impossible à trouver. Pour les créateurs d'art IA, ce diagnostic revêt un poids particulier et immédiat : les outils qui ont provoqué ce déluge sont les mêmes qui façonnent la manière dont leur travail est perçu.
L'argument central de Spero, développé lors de deux apparitions sur TechCrunch, est que la détection de l'IA n'est pas un simple binaire : la plupart des contenus aujourd'hui sont un hybride d'intention humaine et d'exécution machine — ce qui correspond précisément à la façon dont travaillent les créateurs d'art IA. Un prompt rédigé par une personne, affiné par itérations et rendu par un modèle de diffusion se situe dans une zone grise que les classificateurs actuels gèrent mal. Cette ambiguïté n'est pas un défaut du problème de détection — c'est le problème dans son entier.
La conséquence pratique est que les plateformes qui construisent des pipelines de détection généreront des faux positifs. Une illustration assistée par IA soumise à une banque d'images, un arrière-plan synthétique intégré dans une photo produit, ou une image suréchantillonnée par IA dans un portfolio pourraient tous déclencher des signalements conçus pour lutter contre la fraude à l'assurance ou les faux avis. Les créateurs qui utilisent la génération d'images par IA comme outil professionnel se trouvent en aval des seuils fixés par ces plateformes — et ces seuils sont actuellement calibrés contre des acteurs malveillants, pas contre des artistes.
Max Spero, PDG de Pangram, soutient que la détection de l'IA requiert un jugement probabiliste, et non un test binaire réel-ou-faux.
Image : TechCrunch / TechCrunch AI
Le cadre du Dead Internet dépasse la philosophie. Lorsque Spero affirme qu'Internet est « dangereusement proche » de cet état, il décrit un glissement structurel dans la façon dont les plateformes attribuent de la confiance au contenu — et les scores de confiance déterminent de plus en plus la distribution. Les fils d'actualité sociaux suppriment déjà les contenus signalés comme étant de faible qualité ou synthétiques. Si cette logique de suppression s'étend à l'art IA sans nuance, les créateurs qui dépendent de la portée organique pour construire leur audience font face à un vent contraire algorithmique qui n'a rien à voir avec la qualité de leur travail.
Ce n'est pas une trajectoire hypothétique. La décision d'Instagram, plus tôt cette année, de limiter la portée des profils IA non déclarés — couverte dans le reportage de Charmloop sur le nouveau label de profil généré par IA de la plateforme — montre que les grandes plateformes intègrent déjà des pénalités de distribution dans leurs politiques de contenu IA. La question est de savoir où ces pénalités s'arrêtent.
Pangram n'est pas un observateur neutre. L'entreprise vend des services de détection, et plus le récit du Dead Internet est alarmant, plus l'argumentaire commercial est solide. Cela ne signifie pas que Spero a tort — les dossiers d'assurance générés par IA et les faux avis sont des problèmes réels et documentés — mais cela signifie que les outils de détection en cours de développement sont optimisés pour les cas de fraude à enjeux les plus élevés, et non pour la créativité nuancée et fondée sur le consentement qui définit la majeure partie de l'art IA.
Lorsque Stability AI a subi les premières pressions concernant la provenance des données d'entraînement en 2023, les retombées ont façonné la manière dont chaque modèle d'image ultérieur a divulgué les origines de son jeu de données. Une dynamique similaire se forme autour de la détection : les normes établies aujourd'hui, par des startups comme Pangram et les clients entreprises qui paient pour leurs API, détermineront ce qui compte comme contenu « authentique » sur les plateformes où les créateurs distribuent leur travail.
Les créateurs qui souhaitent comprendre comment leurs outils et leurs productions sont susceptibles d'être classifiés peuvent commencer par se familiariser avec les signaux que les détecteurs recherchent réellement — artefacts de diffusion, patterns de métadonnées, régularités statistiques dans les images générées. Les guides Charmloop sur le prompting et la sélection de modèles constituent un point de départ pour acquérir ces bases techniques.
Le prochain point de pression concret est réglementaire : l'AI Act de l'UE exige la divulgation du contenu généré par l'IA dans certains contextes à partir d'août 2026, donnant aux plateformes une échéance légale pour opérationnaliser la détection ou la divulgation à grande échelle. La façon dont elles interpréteront « généré par l'IA » — comme un binaire ou un spectre — déterminera si les outils que les créateurs utilisent aujourd'hui deviendront une responsabilité demain.