L’enseignement des arts visuels est-il prêt pour l’IA ?

demande d’illustration de couverture> image-making is an ai prompt – Adobe Firefly

Quando creare immagini diventa un prompt,
cosa stiamo davvero insegnando?

Par Ivy Wei, chercheuse, Goldsmiths, Université de Londres

Au cours des dernières années, les outils d’IA générative tels que Midjourney et DALL-E ont rapidement fait leur entrée dans les salles de classe créatives. Des ateliers des écoles primaires aux modules de conception des universités, les étudiants créent désormais des œuvres visuelles en tapant des messages dans des algorithmes. Quelques secondes plus tard, une image soignée apparaît.

Pour certains, il s’agit d’un accès démocratique dans l’accès à la création. Pour d’autres, en particulier les enseignants des disciplines traditionnelles des arts visuels, cela soulève des questions gênantes : S’agit-il encore d’une formation artistique ? Qu’apprennent réellement les élèves ? Et surtout, les éducateurs sont-ils préparés à ce changement ?

De la main et de l’œil au prompt et au clic

L’enseignement traditionnel des arts visuels a toujours valorisé l’engagement physique : observer sur le vif, explorer les matériaux, dessiner à la main. Ce processus est lent, sensoriel, incarné et profondément lié à l’expérience vécue par l’élève. Par la répétition, l’échec et l’improvisation, les élèves apprennent non seulement à créer, mais aussi à ressentir à travers la création.

En revanche, la génération d’images basée sur l’IA contourne la main et l’œil. Elle est rapide, apparemment sans effort et fortement stylisée. Un étudiant peut taper « une méduse lumineuse flottant dans une forêt de coraux » et recevoir différents résultats sophistiqués en quelques secondes. Mais qu’est-ce qui est exercé ? L’imagination ou la logique de recherche ? L’interprétation ou la satisfaction ?

Certains artistes et éducateurs ont fait remarquer que l’intégration d’outils d’IA dans l’enseignement des arts visuels ne se limite pas à l’apprentissage de nouveaux logiciels, mais remet fondamentalement en question les hypothèses sur ce que signifie « faire de l’art ». Comme l’a dit l’un des participants, de nombreux professeurs d’art formés aux méthodes traditionnelles ont moins l’impression de développer des outils créatifs que d’assister à une perturbation structurelle dans la salle de classe.

Enseignons-nous toujours « comment faire » ou seulement « comment choisir » ?

Dans un flux de travail d’IA générative, le rôle de l’artiste change. Au lieu de construire une image étape par étape, il ou elle décrit une idée, reçoit des options visuelles et décide de ce qu’il faut affiner. Ce processus ressemble davantage à de l’édition qu’à du dessin.

Certains artistes et éducateurs décrivent ce changement comme un passage du statut de « créateur » à celui de « conservateur de possibilités ». L’artiste n’est plus propriétaire des marques, il est propriétaire du cadre, de l’intention, de l’itération. Pourtant, ce double rôle – à la fois de concepteur de messages et de sélectionneur d’images – exige un ensemble de compétences entièrement nouvelles. Les étudiants doivent désormais apprendre à formuler des messages-guides puissants, à lire les résultats visuels d’un œil critique, à reconnaître les biais et les répétitions, et à affiner avec détermination.

Cela exige un état d’esprit pédagogique différent. Les enseignants ne se contentent plus de montrer des techniques, ils apprennent aux élèves à naviguer dans les systèmes, à prendre des décisions et à définir la valeur dans un contexte où la machine génère à une vitesse vertigineuse. Comme l’a fait remarquer un éducateur du projet, « l’IA ne sait pas ce qui est bon. Elle ne sait que ce qui est probable.

Les enseignants comme conservateurs, pas seulement des démonstrateurs

Certains projets ont commencé à explorer la manière dont les enseignants en arts visuels peuvent aborder l’IA de manière significative et critique. L’objectif n’est pas de maîtriser tous les outils disponibles sur le marché, mais d’aider les élèves à comprendre le fonctionnement de l’IA, les hypothèses qu’elle véhicule et les domaines dans lesquels l’action humaine reste importante.

Voici quelques-unes des stratégies proposées :

Comparer des images générées par l’IA avec des travaux réalisés à la main pour analyser la profondeur et les nuances de la composition.
Demander aux étudiants de « remixer » ou de « corriger » les résultats de l’IA comme une forme de paternité active.
Tracer les stéréotypes visuels intégrés dans les ensembles de données génératives : qui est représenté ? et qui ne l’est pas ?
Encourager les étudiants à construire leurs propres mini-ensembles de données ou à intervenir dans la logique du système pour rendre leurs valeurs visibles.

Guider les élèves dans des processus de création hybrides qui combinent l’imagination, l’incitation et les compétences pratiques : dans un exemple, les enfants ont été encouragés à concevoir un robot avec l’aide de l’IA. L’enseignant leur a demandé de réfléchir à des questions décrivant pourquoi un tel robot était nécessaire, puis de dessiner leurs idées à la main, et enfin d’utiliser des outils d’IA pour générer un modèle en 3D. (Figure 1, 2)

La salle de classe passe ainsi d’un site d’utilisation de logiciels à un espace de recherche visuelle critique. Les enseignants deviennent des traducteurs culturels et des penseurs systémiques, aidant les élèves à comprendre non seulement comment utiliser les outils, mais aussi comment se positionner par rapport à eux.

Le mythe de la créativité et la politique des outils

L’essor de l’IA nous oblige également à revoir des hypothèses de longue date sur la créativité elle-même. Que signifie créer quelque chose d’original ? Si un étudiant utilise un outil formé à partir de milliers d’œuvres d’art antérieures, comment distinguer l’hommage, la reproduction et l’invention ?

L’artiste visuel Trevor Burgess a fait valoir que de nombreux systèmes d’IA ressemblent davantage à des machines de collage qu’à de véritables créateurs. « Ce que l’IA semble faire, c’est coller des choses ensemble d’une manière très sophistiquée », note-t-il. À moins qu’un artiste ne code son propre système ou ne le manipule en profondeur, il travaille en fin de compte avec les paramètres esthétiques de quelqu’un d’autre.

Cela soulève des questions gênantes mais nécessaires : Qui conçoit ces systèmes ? À qui appartiennent les idées de beauté, de réalisme ou de cohérence qui y sont intégrées ? Si les étudiants ne sont pas sensibilisés à ce contexte, ils risquent d’intérioriser des styles et des structures sans savoir d’où ils viennent.

Plus d’accès, plus de dépendance ?

Il ne fait aucun doute que l’IA rend la création d’images plus accessible. Pour les débutants, les enfants ou les personnes souffrant de handicaps physiques, elle offre un point d’entrée intéressant. De nombreux étudiants qui se sentaient auparavant aliénés par les barrières techniques peuvent désormais exprimer leurs idées plus librement.

Cependant, cette accessibilité entraîne également une nouvelle forme de dépendance. En l’absence d’une culture visuelle et d’un encadrement critique, les étudiants peuvent en venir à se fier à une esthétique par défaut, à des tropes algorithmiques et à une gratification visuelle instantanée. Ils risquent de confondre des résultats rapides avec des résultats significatifs. Ils peuvent cesser de se demander ce que signifie une image et se contenter de se demander si elle est « suffisamment belle ».

L’un des risques est que le processus de création artistique se réduise à un processus de sélection et d’ajustement de ce que la machine propose. Le cœur de l’art, qui est l’ambiguïté, la physicalité et la friction, risque d’être aplati dans un défilement infini de résultats stylisés.

Reconstruire les fondements de l’éducation

Le défi n’est pas seulement technique, il est aussi institutionnel. De nombreuses écoles d’art, en particulier au niveau secondaire et au niveau de la formation professionnelle, s’appuient sur des programmes d’enseignement fondés sur l’artisanat : dessin, gravure, céramique, peinture d’observation. L’IA ne les remplace pas directement, mais elle recadre leur position.

Les étudiants doivent-ils apprendre le dessin avant d’utiliser l’IA ? Ou après ? Les outils d’IA doivent-ils faire partie du programme d’études de base ou être introduits dans les séminaires de théorie critique ? Les étudiants doivent-ils être évalués sur la qualité de leurs résultats en matière d’IA ? Ou sur la manière dont ils utilisent l’outil pour soutenir leur vision artistique ?

Ces questions sont d’ordre pédagogique, philosophique et éthique. Elles obligent les institutions à réexaminer non seulement leur contenu, mais aussi leurs valeurs.

À l’ère de la génération visuelle infinie, la leçon la plus importante n’est peut-être plus de savoir dessiner, mais de savoir décider. Non pas ce qu’il faut faire, mais pourquoi le faire.

L’éducation artistique doit aider les étudiants à devenir non seulement des utilisateurs d’outils, mais aussi des façonneurs réfléchis de la culture. Dans ce nouveau paysage, les professeurs d’art ne sont pas simplement des instructeurs. Ils sont des traducteurs de systèmes visuels, des facilitateurs de critique et des guides dans un monde de créativité en pleine mutation.