Academic slop
Une petite collection, sans méthode, glanée dans des colloques universitaires sur l’intelligence artificielle : les images générées que les intervenants projetaient à l’appui de leurs communications ou les affiches permettant de communiquer sur de tels événements. Une régularité s’est imposée presque tout de suite: ces images étaient kitsch, d’un kitsch qui revenait d’un diaporama à l’autre, d’un élément de communication à l’autre avec une constance administrative. Un slop spécifiquement académique prenait forme sous mes yeux, dans un milieu qui aime se penser comme le lieu du savoir critique.
Presque toujours, un robot blanc tend l’index : le doigt d’Adam au plafond de la Sixtine, recyclé en allégorie de la machine pensante. Ou bien un entrelacs de signes portabr un cerveau que des neurones lumineux désignent. Dans ce que j’ai rassemblé, presque rien d’autre. Demandez une image à un concept, il rend des métaphores banales et des idées reçues, parce qu’il généralise quand l’image exige du particulier. La question n’est pas tant pourquoi les IAg génèrent de tels résultats, mais pourquoi les retenir, les sélectionner, les publier?
Je ne les ai pas gardées pour rire de mes confrèresi. Elles m’ont servi dans une discussion sur la démocratisation de la création. On répète que n’importe qui produit désormais une image ou un morceau de musique. Mon corpus suggère que l’espace latent appris par la machine ne rend presque rien d’acceptable sans un espace latent organique en face, celui de l’utilisateur. Suggère, seulement. Le corpus pèse peu, et d’autres causes jouent sûrement : la hâte des préparations, les requêtes génériques, des outils qu’on connaît mal, une image d’illustration soumise aux habitudes graphiques de la présentation scientifique.
J’ai longtemps laissé cette expression d’espace latent organique à l’état de métaphore. Elle désigne, je crois, une capacité de discrimination : voir ce qui manque à une image, ce qui y pèse en trop, ce qui déplacerait la composition, ce qui la laisse inerte. Frank Gehry, dans le documentaire de Sydney Pollack, fixe une maquette qui le contrarie. Pollack demande ce qui ne va pas. Gehry ne sait pas encore, trouve cela un peu prétentieux, avoue qu’une part du malaise ne passe pas dans les mots. Il dira ensuite quoi faire : ondule le carton. Le jugement a précédé la raison. Casacuberta et Guersenzvaig racontent la scène pour soutenir qu’un savoir de ce type résiste à l’énoncé, donc au prompt, et qu’un utilisateur confiné à l’instruction explicite reste au stade du novice dans le modèle de Dreyfus, celui des règles. Ils logent l’obstacle dans le prompt. Je serais plus prudent. Le canal est étroit, soit, mais je soupçonne qu’il transporte des choses très différentes selon l’œil qui le charge : l’illustrateur y glisse ses refus, ses relances, ses corrections, là où l’universitaire demande un cerveau et prend ce qui vient.
Ce que le modèle rend, de son côté, relève du savoir que, explicite et propositionnel. Rasmus Gahrn-Andersen le montre à propos des modèles de langage et des tâches pratiques : leurs réponses peuvent orienter l’attention, révéler une possibilité inaperçue, mais seulement dans la compréhension et l’habileté que l’utilisateur apporte déjà. Le modèle ne voit pas le geste de l’apprenant. À celui-ci de surveiller son geste, d’interpréter, jusqu’à ce que du tacite se forme avec le temps. L’auteur parle de texte, je lis donc le robot au doigt tendu avec une liberté que lui n’a pas prise : un énoncé mis en image, sans geste derrière lui. Le compositeur João Pedro Oliveira décrit ce que l’interface fait de cette situation. Une boîte de texte appelle le prompt, une liste de styles appelle le genre tout prêt, et la décision artistique glisse vers la sélection de gabarits. Sa Joconde regénérée à partir d’une description que l’IA avait elle-même fournie sort plus nette et plus cinématographique que l’original, donc moins ambiguë. Il craint que cette polissure immédiate forme des étudiants à priser le résultat avant d’avoir le moindre critère. Le robot de la Sixtine ressemble à ce que ce gabarit livre à qui n’a rien à lui opposer. Oliveira note aussi que l’étiquette de production par IA attire et accuse à la fois. Son remède tient en un geste de métier : refuser une sortie, c’est affirmer que l’œuvre exige davantage que l’offre.
Une pente me tente ici, celle de dire que le cerveau et le modèle font la même chose puisque tous deux anticipent. Je m’en défie. Le modèle tire ses images de régularités apprises sur un corpus. L’organisme anticipe dans des boucles où son geste change ce qu’il perçoit. Leur rencontre n’a rien de symétrique, et c’est sans doute pour cela qu’elle suppose que l’un des deux termes ait été formé par l’action. Mon plan d’enseignement s’ouvre par une phase qui consiste à doter l’étudiant d’un espace latent organique. Cela se dépose par la pratique : des heures à dessiner ou à écrire, des échecs dont on apprend à reconnaître la forme afin d’aimer (avoir de la curiosité) pour ce dont on est incapable. La théorie y entre pour nommer ce que la main a laissé et le mettre en tension. La main revient ensuite éprouver ce que la théorie dit. Je veux cet aller-retour sans ordre assigné, aucune des deux ne précédant l’autre. Mettre le prompt en premier, c’est offrir à l’étudiant une surface qui paraît achevée avant qu’il sache la juger.
small collection, gathered without method from academic conferences on artificial intelligence: the generated images that speakers projected to support their presentations, or the posters used to communicate about such events. A pattern emerged almost immediately: these images were kitsch—a kitsch that reappeared from one slideshow to another, from one piece of promotional material to the next, with administrative consistency. A specifically academic slop was taking shape before my eyes, in a milieu that likes to think of itself as the site of critical knowledge.
Almost always, a white robot points an index finger: Adam’s finger from the Sistine Chapel ceiling, recycled into an allegory of the thinking machine. Or else an intertwining of signs supporting a brain highlighted by glowing neurons. In what I gathered, almost nothing else. Ask a concept for an image, and it returns banal metaphors and received ideas, because it generalizes where an image demands the particular. The question is not so much why generative AIs produce such results, but why we retain them, select them, and publish them.
I did not keep them to laugh at my colleagues. They served me in a discussion about the democratization of creation. People repeat that anyone can now produce an image or a piece of music. My corpus suggests that the latent space learned by the machine yields almost nothing acceptable without an organic latent space facing it—that of the user. Suggests, only. The corpus carries little weight, and other causes surely come into play: the rush of preparation, generic prompts, unfamiliarity with the tools, an illustrative image bound by the graphic habits of scientific presentations.
For a long time, I left this expression of “organic latent space” as a metaphor. I believe it designates a capacity for discrimination: seeing what an image lacks, what weighs it down too much, what would shift the composition, or what leaves it inert. Frank Gehry, in Sydney Pollack’s documentary, stares at a model that bothers him. Pollack asks what is wrong. Gehry does not know yet, finds it a bit pretentious, and admits that part of the unease cannot be put into words. He later says what to do: curve the cardboard. Judgment preceded reason. Casacuberta and Guersenzvaig recount this scene to argue that knowledge of this kind resists verbal formulation, and therefore the prompt; a user confined to explicit instructions remains at the novice stage of the Dreyfus model—the stage of rules. They locate the obstacle in the prompt. I would be more cautious. The channel is narrow, to be sure, but I suspect it carries very different things depending on the eye that loads it: the illustrator slips in refusals, prompts, and corrections, whereas the academic asks for a brain and takes whatever comes.
What the model yields, on its end, belongs to knowing that—explicit and propositional knowledge. Rasmus Gahrn-Andersen demonstrates this regarding language models and practical tasks: their responses can direct attention and reveal an unnoticed possibility, but only within the understanding and skill that the user already brings to the table. The model does not see the learner’s gesture. It is up to the learner to monitor their own gesture, to interpret, until tacit knowledge forms over time. The author speaks of text, so I read the robot with the extended finger with a freedom he did not take: a statement put into an image, with no gesture behind it. The composer João Pedro Oliveira describes what the interface does to this situation. A text box calls for a prompt, a list of styles calls for a ready-made genre, and artistic decision-making slides toward template selection. His Mona Lisa, regenerated from a description the AI itself provided, comes out sharper and more cinematic than the original—and thus less ambiguous. He fears that this immediate polish conditions students to value the result before possessing any criteria. The Sistine robot resembles what this template delivers to anyone with nothing to oppose it. Oliveira also notes that the label “AI-generated” attracts and accuses at the same time. His remedy lies in a professional gesture: rejecting an output means asserting that the work requires more than what is being offered.
I am tempted by a slope here—that of saying that the brain and the model do the same thing since both anticipate. I distrust this. The model draws its images from patterns learned from a corpus. The organism anticipates in feedback loops where its gesture alters what it perceives. Their encounter is in no way symmetrical, which is likely why it presupposes that one of the two terms has been shaped by action. My teaching syllabus opens with a phase aimed at providing the student with an organic latent space. This settles through practice: hours spent drawing or writing, failures whose form one learns to recognize in order to feel curiosity for what one is incapable of doing. Theory steps in to name what the hand has left behind and place it in tension. The hand then returns to test what theory says. I want this back-and-forth without any assigned order, neither preceding the other. Putting the prompt first means offering the student a surface that appears finished before they even know how to judge it.