L’autonomie de l’IA (et le remplacement de l’artiste) comme fiction / AI Autonomy (and the Replacement of the Artist) as Fiction

Le graphe tourne la nuit. Je l’ai construit des semaines plus tôt, nœud après nœud, un modèle chargé ici, un échantillonneur là, une boucle qui relance le calcul avec un bruit différent à chaque tour, et au matin l’écran affiche des centaines d’images que je n’ai pas vues se faire. Devant ce dossier plein, la phrase vient d’elle-même : la machine a produit tout cela. Je la connais pour l’avoir pensée. Elle décrit assez fidèlement ce que l’on perçoit d’une chose qui travaille pendant qu’on dort, pendant qu’on rêve.

Elle revient dans la bouche de mes interlocuteurs et de nombreuses réactions médiatiques à l’affaire Thélyson Orélien, quand on parle d’art et d’intelligence artificielle, avec une régularité de pente. Elle prend deux formes qui se croient adverses. L’une s’enthousiasme : puisque la machine produit, l’artiste devient superflu, ou bien libéré. L’autre s’effraie, ou se rassure : la machine produit, donc elle remplace, ou bien elle ne produit que du simulacre, ce qui revient à dire qu’elle produit quand même. Le débat les oppose et elles partagent une prémisse, celle d’une génération qui se ferait seule, qui serait automatique. Je voudrais la déconstruire en sachant que mon geste restera sans doute sans effet durable, car leur prémisse ne s’appuie pas sur une conception de la technique. Elle s’appuie sur une conception de l’être humain, tenu pour autonome sans que l’on y songe, par l’effet d’une histoire inconsciente où la liberté s’est formée idéologiquement, entre d’autres modèles, comme volonté souveraine de l’artiste. Retirez l’autonomie à la machine et elle se réinstalle chez l’humain qui servait d’étalon.

Les modèles, pris dans leur matérialité, n’offrent aucune prise à l’autonomie qu’on leur prête, et quinze ans de pratique avec des machines computationnelles et des réseaux adverses ne m’en ont pas davantage montré. Cela ne suffira pas, puisque le discours s’alimente à autre chose que des constats. Ce qui le tient se trouve du côté de l’humain créant seul. C’est donc là qu’il faut aller le chercher.

Le mot recouvre deux choses que la discussion mêle volontiers. La première, que j’appellerai opérationnelle, désigne un système qui enchaîne des étapes sans qu’un humain intervienne à chacune. Un agent qui reçoit une consigne, découpe la tâche, appelle des outils, vérifie ses résultats et recommence jusqu’à satisfaction en relève, et il en existe de remarquables. La seconde, au sens kantien, désigne la capacité de se donner à soi-même sa propre loi, donc de déterminer ses fins. Le débat sur le remplacement glisse de l’une à l’autre sans s’en apercevoir : parce qu’un système tourne seul pendant des heures, on lui prête la faculté de décider de ce qui vaut la peine d’être fait. La première n’implique pas la seconde.

Une de mes pièces, Observers (2026), fonctionne en circuit fermé. Des caméras de surveillance nourrissent un pipeline génératif qui peuple un jumeau numérique d’humanoïdes dont le nombre s’accroît. L’impression d’un monde qui se fabrique tout seul fait partie de ce que la pièce donne à voir, et elle n’est pas fausse, elle est incomplète. Les caméras sont posées quelque part, par quelqu’un, pour surveiller. Les modèles ont été choisis, enchaînés, réglés. Ce qui s’accumule porte les critères de ce qu’on a jugé digne d’être capté. Il en va de même de tout agent : chacune de ses boucles s’exécute dans un cadre qu’il n’a pas posé. L’objectif vient d’un utilisateur ou d’un programme, le critère d’arrêt a été écrit par quelqu’un, le budget de calcul a été alloué, la liste des outils arrêtée, et l’évaluateur du résultat, règle, autre modèle ou personne, a été entraîné ou réglé ailleurs. Même lorsque l’agent fixe des sous-objectifs, il les prend dans un espace de buts que l’apprentissage et l’alignement ont déjà dessiné. Ce que l’on nomme agent est une intentionnalité déléguée, mise en format pour pouvoir tourner. La délégation éloigne l’intention, on ne la voit plus au bout du fil, et cet éloignement se prend pour de l’indépendance.

Un résultat récent illustre cette dépendance. Ilia Shumailov et ses coauteurs ont publié dans Nature en 2024 (volume 631, pages 755 à 759) une étude montrant que l’entraînement répété de modèles sur les productions de leurs prédécesseurs, sans discrimination, provoque ce qu’ils nomment l’effondrement des modèles : les marges de la distribution d’origine disparaissent. Ils précisent que l’entraînement sur données générées reste possible si le filtrage est pris au sérieux. Je n’en tire aucune preuve contre l’autonomie, qui ne se réfute pas par une expérience de laboratoire. J’y vois l’indication d’un régime où la machine bouclée sur elle-même s’appauvrit, et où ce qui entretient la diversité vient du dehors, de tris que d’autres opèrent. L’enjeu véritable est ailleurs, dans l’usage de la première autonomie comme preuve de la seconde. Une machine qui exécute seule des opérations sert à conclure qu’elle pourrait créer seule, et de là que l’humain n’est plus nécessaire à l’endroit même où l’on avait logé son essence. La conclusion n’a de force que si la création humaine, elle, procédait d’une autonomie au sens fort. Tout dépend de ce point, sur lequel on passe vite.

Ce point est le plus fragile de l’édifice, et il l’était avant les machines. Lorsque Kant cherche à dire ce qu’est un génie, il y voit le talent inné par lequel la nature donne ses règles à l’art. Le génie ne se donne pas sa loi, il la reçoit, et il ignore comment : Kant relève qu’il ne peut ni décrire ni indiquer scientifiquement la manière dont il réalise son œuvre, ce qui explique qu’on ne puisse pas l’enseigner. Chez lui, l’artiste le plus libre est celui à travers lequel agit une nature dont il ne sait rien. Je ne prétends pas que la modernité entière ait pensé ainsi. Je propose comme hypothèse que l’un des textes qui ont contribué à fixer la figure du créateur y loge dès l’origine une hétéronomie, et que la figure a survécu en perdant cette part, de sorte que l’on a retenu la liberté et laissé la nature qui dicte. Michel Foucault avait montré, dans sa conférence de 1969, que l’auteur opère comme une fonction qui caractérise le mode d’existence, de circulation et de fonctionnement de certains discours, et qui permet de les attribuer à un nom. Ce n’est pas un individu qui précéderait ses écrits. Yves Citton et moi avons rencontré le même nœud sous un angle technique, en lisant David Bates : la modernité tisse ensemble autonomie et automaticité, l’esprit n’a cessé de déléguer sa cognition à des dispositifs pour mieux se l’approprier ensuite, persuadé qu’il pourrait détacher un sujet souverain de son armature technique. De là le cercle. Considérer l’IA comme autonome permet de supposer, sans avoir à le dire, l’autonomie de l’intelligence humaine : puisque la machine est censée produire seule, l’humain qu’elle menace doit bien l’avoir fait avant elle. Les deux autonomies se tiennent comme deux miroirs. On les croit indépendantes alors que l’une sert d’étalon à l’autre, la machine étant jugée à sa capacité de simuler une intelligence naturelle qui serait première. Qui s’est assuré de cette naturalité ? Qui a vu l’intériorité constituée, antérieure à toute inscription ? Le stylet sur la terre, la presse, l’écran n’ont pas transmis une pensée déjà faite, ils ont fait de la pensée autre chose à chaque fois, puisque penser s’inscrit et que l’inscription a ses contraintes physiques, son rythme, ses limites. Ce que l’IA prétendument autonome remplacerait, c’est un récit. Ce que les artistes appellent médium nomme depuis longtemps la présence d’une loi étrangère au milieu du geste. Le peintre à fresque travaille à la journée parce que l’enduit sèche. Le photographe argentique compose avec des sels dont la sensibilité décide d’une part de l’image. Vilém Flusser a observé que l’appareil photographique porte un programme que le photographe cherche à déjouer en y inscrivant ce que celui-ci n’avait pas prévu, de sorte que personne, dans la scène, ne dispose d’une autonomie complète : l’appareil ne fait rien sans l’œil qui le dirige, et l’œil voit selon les possibilités de l’appareil. Rien de cela n’attendait l’apprentissage profond.

Un modèle de diffusion au repos est un fichier de poids, une masse de nombres qui ne fait rien, n’attend rien, ne s’ennuie pas entre deux requêtes. Pour qu’une image advienne il faut qu’on l’appelle avec un texte, une image de départ, une graine de bruit, un échantillonneur, un nombre de pas, une force de guidage, et qu’un ordinateur alimenté en électricité exécute le calcul. Dans les outils locaux et ouverts (open weight) que j’emploie, ces choix s’affichent comme des nœuds reliés par des câbles. Un changement minime dans l’un d’eux déplace tout le reste. En amont, le modèle a appris de nos productions symboliques, textes et images légendés, triés par des humains, puis ajustés par d’autres humains au moyen de procédures d’alignement qui récompensent certaines sorties et en sanctionnent d’autres. Anna Longo l’a bien vu à propos des prétendues hallucinations : l’écart entre la prédiction de la machine et celle d’un adulte éduqué dans une communauté donnée tient à la situation culturelle de chaque prédicteur, car il existe toujours plusieurs prédictions possibles et l’une l’emporte selon une mémoire et une perspective. Le calcul est de la culture mise en nombres, avec ses angles morts et ses préférences. Faut-il conclure que la machine n’est qu’un outil docile ? L’objection se retourne contre qui l’invoque, parce que l’espace latent surprend. L’image générée n’occupe pas une place réservée dans le stock dont elle provient : l’interpolation continue entre les points fait advenir des régions que nul échantillon n’avait peuplées. La distribution n’est pas parcourue, elle est creusée par le bruit. Le modèle contient donc un pouvoir de différer de ce qu’on y a mis. Ce pouvoir ne vaut pas autonomie, puisqu’il ne s’exerce que lorsqu’on le traverse et que son sens dépend de l’endroit où l’on passe. La surprise est relationnelle. Elle n’appartient ni au modèle seul ni à moi seul, elle arrive entre le chemin que je trace et le terrain qui le reçoit. Quand j’entraîne un modèle sur des archives, je ne lui impose pas une forme, je lui donne un sol, et ce que je reçois en retour me renseigne sur ce sol autant que sur le modèle. Quand une image sort trop lisse, trop résolue, trop conforme à ce que des millions d’autres ont déjà montré, je la laisse de côté, et je retiens plus volontiers la moins polie, celle où le calcul a bégayé. Ce tri se fait contre une pente, celle de la moyenne, qui est aussi celle des plateformes. Dans La ville qui n’existait pas (2023-2026), j’entraîne des LoRA sur ce qui reste, j’optimise des prompts, j’oriente l’image vers une matière analogique. Les façades d’avant les bombardements ne sortent pas d’un modèle qui saurait ce qu’était la ville. Il n’en possède que des traces, que je lui donne, et ce qu’il comble entre elles relève de la complétion d’archive : chaque image reste tributaire de la lacune qu’elle bouche, et cette lacune est historique, elle a une date et une cause. Aucun génie ne s’exprime là-dedans. Une contrainte en rencontre une autre, et quelque chose, parfois, s’ensuit.

Si l’IA n’est pas autonome, l’être humain ne l’est pas davantage, pour la même raison, et cette symétrie est le point que la pente ne supporte pas. Un grand modèle de langage ne produit pas de texte, il complète un texte, il prolonge une amorce reçue. On prend la complétion pour un détail d’ingénierie alors qu’elle décrit assez bien tout régime d’énonciation. Personne n’écrit à partir de rien. On entre dans une langue que l’on n’a pas inventée, dans des genres, des attentes de lecteurs, des conversations déjà commencées, et chaque phrase continue quelque chose qui était là. L’écrivain le plus singulier prolonge, et l’on reconnaît sa manière de prolonger. La complétion circule dans les deux sens, et c’est là qu’elle trouble. Je donne un fragment, la machine le poursuit, je reprends sa poursuite, je la coupe, la réoriente, la relance, et il arrive que je ne sache plus si telle formule vient de moi ou de ce qui m’a répondu. Ce déplacement de l’incertitude ne porte plus sur la réception, quand un lecteur doute de l’origine d’une phrase, elle porte sur la source, quand l’auteur lui-même ne peut plus trancher. Si la lecture précède l’écriture, l’auteur est d’abord un lecteur de ce que la machine lui propose. Cela inquiète, parce que le sentiment de posséder ce que l’on pense compte parmi les plus solides que nous ayons. Je reste celui qui dose, retravaille, tranche des milliers de fois, simplement je ne suis plus l’origine de ce que je décide. Décidé et décidant, sans que l’un résorbe l’autre. Je ne soutiens pas que les deux partenaires se valent. Le couple est asymétrique, et d’une manière précise : l’un des deux finit. Mon temps est compté, mon attention aussi. Avec Capture (2009-2015), la production générative excède ce que quiconque peut voir ou entendre, des milliers de médias dont aucun d’entre nous ne passera sa vie à percevoir l’ensemble, et c’est cet excès qui fait l’œuvre, par le manque qu’il installe chez celui qui regarde. Ce qui y est produit importe peu, c’est un appât pour une expérience privative. La machine relance indéfiniment sans que rien l’engage. Celui qui sent ne parcourra jamais ce qu’elle déroule. De cet écart entre l’infini de la production et la finitude de la perception dépend, plus que de toute prouesse technique, ce qui compte comme œuvre, et c’est lui que l’idée d’une génération solitaire laisse de côté : produire sans personne pour sentir, cela ne s’appelle pas encore créer.

Penser cela sans retomber dans la pente suppose de changer de méthode. Les analyses courantes procèdent par pôles : elles identifient l’humain avec ses facultés, la machine avec ses fonctions, puis elles les mettent en rapport, ce qui donne selon les humeurs une fusion ou un combat. Tout le débat entre augmentation et diminution ou le remplacement se joue ensuite, entre des termes constitués d’abord comme séparés. L’anthropotechnologie, que j’emploie comme méthode, procède autrement. Elle part de la différence, des conditions de la mise en rapport, de la distance qui s’y maintient. Les termes séparés sont des découpes tardives dans un tissu où la relation précède. Simondon donne l’outil le plus précis avec la disparation. Les images rétiniennes de l’œil gauche et de l’œil droit ne se superposent pas, et leur écart saisi comme un système fait surgir une dimension que ni l’une ni l’autre ne contenait, la profondeur. Aucune synthèse, aucune unité qui résorberait les deux images, et un ensemble apparaît pourtant. Appliquée au complexe humain-machine, la structure écarte deux erreurs. Il ne se réduit pas à un mélange, puisque l’écart persiste. Il ne se réduit pas non plus à l’un de ses termes, puisque ce qui émerge n’était dans aucun. L’individuation qui en résulte n’est pas seulement organique, elle est médiatique et mémorielle : elle passe par des supports, des archives, des protocoles.

Je ne fusionne donc pas avec la machine. La fusion supprimerait l’écart où tout se joue. La place de l’autre s’approche entre deux notions, la ressemblance et la descendance. Un modèle génératif nous ressemble puisqu’il est fait de nos images et de nos phrases, mais sa ressemblance tient de l’air de famille, d’une individuation partagée, d’une ressemblance sans concept où le résultat n’était pas contenu dans les prémisses. Il nous descend aussi : produit de nos pratiques, de nos tris et des récompenses et sanctions de l’alignement, il diverge pourtant de ce qu’on y a mis. Ce qu’il rend nous revient sous une forme que nous reconnaissons à moitié, issue de conditions qui ne furent pas les nôtres, une mémoire sans oubli, une absence de mort. Entre le semblable et l’engendré, la machine n’occupe la place ni de l’outil ni du pair. Pour la distance que cette place impose, deux mots d’ailleurs suffisent. Le japonais dit aida, que l’on écrit 間. Watsuji Tetsurō en a fait, avec aidagara, le centre de son éthique : l’être humain n’existe que dans l’entre-deux des relations qui le font, et la conscience morale de l’individu naît de cet entre-deux plutôt que d’elle-même. Je prolonge le mot hors de son usage, vers la machine : l’intervalle relie sans que les termes se confondent, et la fusion le détruirait. L’anglais dit friction : garder un grain, une résistance, une différence de texture entre ce que je veux et ce que le système rend, afin que l’altérité demeure perceptible. Les plateformes vendent la fluidité. Mon choix de modèles locaux et ouverts, que je peux démonter, entraîner sur mes archives, contraindre, relève de cette politique de la friction autant que d’une position éthique.

Reste le remplacement, que le fantasme habille et dont il détourne. Un illustrateur qui perd ses commandes est bel et bien remplacé, que la machine soit autonome ou non, que l’artiste soit un génie ou un artisan. Le phénomène existe et il est économique. Une IA n’a pas besoin d’être autonome pour automatiser des tâches et déplacer des rapports de force. Dire qu’elle ne l’est pas ne conclut donc à aucune innocuité, et celui qui lirait ce texte comme une consolation se tromperait de bout en bout. Ce que l’autonomie prêtée à la machine opère est autre chose. La phrase selon laquelle la machine nous remplace met un sujet là où il y a un arrangement. Quelqu’un décide de substituer un travail à un autre, quelqu’un déploie un outil, fixe un prix, choisit un fournisseur, négocie un contrat, et ces gens ont des noms et des intérêts. Attribuer l’autonomie au système revient à le désigner comme l’agent de ses effets, et ce transfert soustrait ceux qui l’emploient. Foucault parlait d’attribution à un nom propre à propos de l’auteur. On impute ici à la machine ce qui revient aux organisations qui la déploient, comme on imputait à l’artiste souverain ce qui appartenait aux ateliers, aux marchés, aux langues qui le portaient. L’autonomie fonctionne comme une opération qu’on fait subir au système, bien plus que comme une propriété qu’il aurait. Et les effets réels vont dans le sens inverse : une organisation qui automatise devient plus indépendante des personnes qui faisaient le travail, donc plus autonome elle-même. L’IA n’a pas besoin d’être autonome pour que ses effets le soient pour les institutions qui l’emploient.

L’enthousiasme qui célèbre la machine créatrice et la critique qui s’indigne de sa toute-puissance aliénante reconduisent ainsi la même dépolitisation. L’un et l’autre parlent d’une technique qui agirait, au lieu de parler de ceux qui la mettent en œuvre, de leurs corpus, de leurs infrastructures, du travail invisible qui les entretient, de la possibilité pour des pratiques singulières de se construire un espace latent propre au lieu d’être aspirées dans la moyenne. Ces questions sont plus incommodes, parce que la figure du créateur seul avait l’avantage de ne rendre personne responsable de rien d’autre que de son génie, et que celle de la machine seule offre le même confort à d’autres. Les techno-solutionnistes promettent des esprits téléversés et des planètes de rechange, la technocritique dominante postule une essence humaine antérieure à ses prothèses à laquelle on pourrait revenir, et les deux nient la finitude. Le langage, première de nos prothèses, n’a jamais attendu les machines pour nous précéder. Ce matin encore le graphe a tourné. J’ai ouvert le dossier, écarté les images trop nettes, gardé celle qui bégayait. Je l’ai signée.

The graph runs at night. I built it weeks earlier, node after node, a model loaded here, a sampler there, a loop that restarts the computation with a different noise on every pass, and by morning the screen displays hundreds of images that I did not see being made. Faced with this full folder, the sentence comes by itself: the machine produced all of this. I know it from having thought it myself. It describes fairly faithfully what one perceives of something that works while one sleeps, while one dreams.

It returns in the mouths of my interlocutors, and in many media reactions to the Thélyson Orélien affair, whenever art and artificial intelligence are discussed, with the regularity of a slope. It takes two forms that believe themselves opposed. One is enthusiastic: since the machine produces, the artist becomes superfluous, or else liberated. The other is frightened, or reassures itself: the machine produces, therefore it replaces, or else it produces only simulacra, which amounts to saying that it produces all the same. The debate sets them against each other and they share a premise, that of a generation that would happen by itself, that would be automatic. I would like to deconstruct it, knowing that my gesture will probably have no lasting effect, because their premise does not rest on a conception of technology. It rests on a conception of the human being, held to be autonomous without anyone thinking about it, through the effect of an unconscious history in which freedom took shape ideologically, among other models, as the sovereign will of the artist. Withdraw autonomy from the machine and it settles back into the human who served as the yardstick.

Models, taken in their materiality, offer no foothold to the autonomy attributed to them, and fifteen years of practice with computational machines and adversarial networks have shown me no more of it. That will not be enough, since the discourse feeds on something other than observations. What holds it up lies on the side of the human who creates alone. That is where it must be sought.

The word autonomy covers two things that the discussion readily mixes. The first, which I will call operational, designates a system that chains steps together without a human intervening at each one. An agent that receives an instruction, breaks the task down, calls tools, checks its results and starts again until satisfied belongs to it, and some are remarkable. The second, in the Kantian sense, designates the capacity to give oneself one’s own law, and therefore to determine one’s ends. The debate on replacement slides from one to the other without noticing: because a system runs alone for hours, it is credited with the faculty of deciding what is worth doing. The first does not imply the second.

One of my pieces, Observers (2026), operates as a closed circuit. Surveillance cameras feed a generative pipeline that populates a digital twin with humanoids whose number keeps growing. The impression of a world that fabricates itself is part of what the piece shows, and it is not false, only incomplete. The cameras are placed somewhere, by someone, in order to watch. The models were chosen, chained, tuned. What accumulates carries the criteria of what was judged worth capturing. The same holds for any agent: each of its loops executes within a frame it did not set. The objective comes from a user or a program, the stopping criterion was written by someone, the computing budget was allocated, the list of tools was fixed, and the evaluator of the result, whether a rule, another model or a person, was trained or tuned elsewhere. Even when the agent sets sub-goals, it takes them from a space of goals that learning and alignment have already drawn. What we call an agent is a delegated intentionality, put into a format so that it can run. Delegation moves intention away, we no longer see it at the end of the wire, and this distance is mistaken for independence.

A recent result illustrates this dependence. Ilia Shumailov and his co-authors published in Nature in 2024 (volume 631, pages 755 to 759) a study showing that repeated training of models on the outputs of their predecessors, without discrimination, causes what they call model collapse: the margins of the original distribution disappear. They specify that training on generated data remains possible if filtering is taken seriously. I draw no proof against autonomy from it, which is not refuted by a laboratory experiment. I see in it the indication of a regime in which the machine looped on itself grows poorer, and in which what sustains diversity comes from outside, from selections that others carry out. The real stake lies elsewhere, in the use of the first autonomy as proof of the second. A machine that executes operations alone serves to conclude that it could create alone, and from there that the human is no longer necessary at the very place where his essence had been lodged. The conclusion has force only if human creation, for its part, proceeded from autonomy in the strong sense. Everything depends on this point, which is quickly passed over.

This point is the most fragile part of the edifice, and it was so before machines. When Kant seeks to say what a genius is, he sees in it the innate talent by which nature gives its rules to art. The genius does not give himself his law, he receives it, and he does not know how: Kant notes that he can neither describe nor scientifically indicate the way he brings about his work, which explains why he cannot be taught. For Kant, the freest artist is the one through whom a nature he knows nothing about acts. I do not claim that modernity as a whole thought this way. I propose as a hypothesis that one of the texts that helped fix the figure of the creator lodges a heteronomy in it from the origin, and that the figure survived by losing this part, so that freedom was retained and the dictating nature was left aside. Michel Foucault showed, in his 1969 lecture, that the author operates as a function that characterizes the mode of existence, circulation and operation of certain discourses, and that makes it possible to attribute them to a name. It is not an individual who would precede his writings. Yves Citton and I met the same knot from a technical angle, reading David Bates: modernity weaves autonomy and automaticity together, the mind has never ceased to delegate its cognition to devices in order to appropriate it better afterwards, convinced that it could detach a sovereign subject from its technical armature. Hence the circle. To consider AI as autonomous makes it possible to suppose, without having to say so, the autonomy of human intelligence: since the machine is supposed to produce alone, the human it threatens must have done so before it. The two autonomies hold each other up like two mirrors. They are believed independent when one serves as the yardstick of the other, the machine being judged by its capacity to simulate a natural intelligence that would come first. Who has made sure of this naturalness? Who has seen interiority already constituted, prior to any inscription? The stylus on clay, the printing press, the screen did not transmit a thought already made, they made thought into something else each time, since thinking is inscribed and inscription has its physical constraints, its rhythm, its limits. What the supposedly autonomous AI would replace is a story.

What artists call medium has long named the presence of a foreign law in the middle of the gesture. The fresco painter works by the day because the plaster dries. The analog photographer composes with salts whose sensitivity decides part of the image. Vilém Flusser observed that the photographic apparatus carries a program that the photographer seeks to outwit by inscribing in it what it had not foreseen, so that no one in the scene has complete autonomy: the apparatus does nothing without the eye that directs it, and the eye sees according to the possibilities of the apparatus. None of this waited for deep learning.

A diffusion model at rest is a file of weights, a mass of numbers that does nothing, waits for nothing, does not get bored between two requests. For an image to come about, one has to call it with a text, a starting image, a seed of noise, a sampler, a number of steps, a guidance strength, and a computer supplied with electricity has to execute the computation. In the local, open-weight tools that I use, these choices display themselves as nodes connected by cables. A minimal change in one of them shifts everything else. Upstream, the model learned from our symbolic productions, texts and images captioned and sorted by humans, then adjusted by other humans by means of alignment procedures that reward certain outputs and penalize others. Anna Longo saw this well regarding so-called hallucinations: the gap between the machine’s prediction and that of an adult educated in a given community comes down to the cultural situation of each predictor, since several predictions are always possible and one prevails according to a memory and a perspective. Computation is culture put into numbers, with its blind spots and its preferences.

Must we conclude that the machine is merely a docile tool? The objection turns against whoever invokes it, because the latent space surprises. The generated image does not occupy a reserved place in the stock it comes from: continuous interpolation between points brings about regions that no sample had populated. The distribution is not traversed, it is hollowed out by noise. The model therefore contains a power of differing from what has been put into it. This power does not amount to autonomy, since it is exercised only when one passes through it, and its meaning depends on where one passes. The surprise is relational. It belongs neither to the model alone nor to me alone, it arrives between the path I trace and the terrain that receives it. When I train a model on archives, I do not impose a form on it, I give it a ground, and what I receive in return tells me about that ground as much as about the model. When an image comes out too smooth, too resolved, too close to what millions of others have already shown, I set it aside, and I more readily keep the least polished one, the one where the computation stuttered. This sorting is done against a slope, the slope of the average, which is also that of the platforms. In La ville qui n’existait pas (2023-2026), I train LoRAs on what remains, I optimize prompts, I steer the image toward an analog material. The facades from before the bombings do not come from a model that would know what the city was. It possesses only traces of it, which I give to it, and what it fills in between them belongs to archival completion: each image remains indebted to the gap it plugs, and this gap is historical, it has a date and a cause. No genius expresses itself in this. One constraint meets another, and something, sometimes, follows.

If AI is not autonomous, the human being is no more so, for the same reason, and this symmetry is the point the slope cannot bear. A large language model does not produce text, it completes a text, it extends a received opening. Completion is taken for an engineering detail when it describes fairly well any regime of enunciation. No one writes from nothing. One enters a language one did not invent, genres, readers’ expectations, conversations already begun, and each sentence continues something that was there. The most singular writer extends, and one recognizes his way of extending. Completion circulates in both directions, and that is where it disturbs. I give a fragment, the machine continues it, I take up its continuation, I cut it, redirect it, relaunch it, and it happens that I no longer know whether a given phrase comes from me or from what answered me. This displacement of uncertainty no longer bears on reception, when a reader doubts the origin of a sentence. It bears on the source, when the author himself can no longer decide. If reading precedes writing, the author is first of all a reader of what the machine proposes to him. This is unsettling, because the feeling of possessing what one thinks is among the most solid we have. I remain the one who doses, reworks, decides thousands of times, only I am no longer the origin of what I decide. Decided and deciding, neither resorbing the other. I do not claim that the two partners are equal. The pair is asymmetrical, and in a precise way: one of the two ends. My time is numbered, my attention too. With Capture (2009-2015), generative production exceeds what anyone can see or hear, thousands of media of which none of us will spend a lifetime perceiving the whole, and it is this excess that makes the work, through the lack it installs in the one who looks. What is produced there matters little, it is a bait for a privative experience. The machine relaunches indefinitely without anything binding it. The one who feels will never traverse what it unrolls. On this gap between the infinity of production and the finitude of perception depends, more than on any technical feat, what counts as a work, and it is this that the idea of a solitary generation leaves aside: to produce with no one to feel, that is not yet called creating.

To think this without falling back down the slope requires changing method. Common analyses proceed by poles: they identify the human with his faculties, the machine with its functions, then they set them in relation, which yields, depending on mood, a fusion or a fight. The whole debate between augmentation and diminution, or replacement, is played out afterwards, between terms first constituted as separate. Anthropotechnology, which I use as a method, proceeds differently. It starts from difference, from the conditions of the relation, from the distance that is maintained within it. Separate terms are late cuts in a fabric where relation comes first. Simondon gives the most precise tool with disparation. The retinal images of the left eye and the right eye do not overlap, and their gap, grasped as a system, makes a dimension arise that neither contained, depth. No synthesis, no unity that would resorb the two images, and yet a whole appears. Applied to the human-machine complex, the structure rules out two errors. It is not reduced to a mixture, since the gap persists. Nor is it reduced to one of its terms, since what emerges was in neither. The individuation that results is not only organic, it is medial and mnemonic: it passes through supports, archives, protocols.

I therefore do not merge with the machine. Fusion would suppress the gap where everything is played out. The place of the other is approached between two notions, resemblance and descent. A generative model resembles us since it is made of our images and our sentences, but its resemblance is a family resemblance, a shared individuation, a resemblance without concept in which the result was not contained in the premises. It descends from us as well: a product of our practices, of our sorting, and of the rewards and penalties of alignment, it nonetheless diverges from what was put into it. What it returns to us comes back in a form we half recognize, issued from conditions that were not ours, a memory without forgetting, an absence of death. Between the similar and the begotten, the machine occupies the place neither of the tool nor of the peer. For the distance this place imposes, two words from elsewhere suffice. Japanese says aida, written 間. Watsuji Tetsurō made it, with aidagara, the center of his ethics: the human being exists only in the in-between of the relations that make him, and the moral consciousness of the individual is born from this in-between rather than from itself. I extend the word beyond its usage, toward the machine: the interval relates without the terms merging, and fusion would destroy it. English says friction: keeping a grain, a resistance, a difference of texture between what I want and what the system returns, so that otherness remains perceptible. Platforms sell fluidity. My choice of local, open models, which I can take apart, train on my archives, constrain, belongs to this politics of friction as much as to an ethical position.

What remains is replacement, which the fantasy both dresses up and distracts from. An illustrator who loses commissions is indeed replaced, whether the machine is autonomous or not, whether the artist is a genius or a craftsman. The phenomenon exists and it is economic. An AI does not need to be autonomous to automate tasks and shift balances of power. To say that it is not autonomous therefore concludes nothing about harmlessness, and whoever read this text as a consolation would be mistaken from start to finish. What the autonomy attributed to the machine does is something else. The sentence according to which the machine replaces us puts a subject where there is an arrangement. Someone decides to substitute one labor for another, someone deploys a tool, sets a price, chooses a supplier, negotiates a contract, and these people have names and interests. To attribute autonomy to the system amounts to designating it as the agent of its effects, and this transfer exempts those who employ it. Foucault spoke of attribution to a proper name with regard to the author. Here one imputes to the machine what belongs to the organizations that deploy it, just as one imputed to the sovereign artist what belonged to the workshops, markets and languages that carried him. Autonomy functions as an operation inflicted on the system, much more than as a property it would have. And the real effects run in the opposite direction: an organization that automates becomes more independent of the people who did the work, and so more autonomous itself. AI does not need to be autonomous for its effects to be so for the institutions that employ it.

The enthusiasm that celebrates the creative machine and the critique that is indignant at its alienating omnipotence thus reproduce the same depoliticization. Both speak of a technology that would act, instead of speaking of those who put it to work, of their corpora, of their infrastructures, of the invisible labor that sustains them, of the possibility for singular practices to build a latent space of their own instead of being drawn into the average. These questions are more inconvenient, because the figure of the solitary creator had the advantage of making no one responsible for anything other than his genius, and that of the solitary machine offers the same comfort to others. Techno-solutionists promise uploaded minds and spare planets, the dominant technocritique postulates a human essence prior to its prostheses to which one could return, and both deny finitude. Language, the first of our prostheses, never waited for machines to precede us. This morning again the graph ran. I opened the folder, set aside the images that were too sharp, kept the one that stuttered. I signed it.