Cette d\u00e9finition reprend celle de la chercheuse anglaise Margaret Boden qui est une r\u00e9f\u00e9rence en la mati\u00e8re avec son ouvrage Creative Minds Myths and Mechanisms<\/strong> (1990 et 2004). Elle insiste sur le c\u00f4t\u00e9 multi-facettes et multi-domaines de la cr\u00e9ativit\u00e9 humaine dont toute personne est dou\u00e9e d\u2019une mani\u00e8re ou d\u2019une autre. Et aussi sur la diff\u00e9rence entre la nouveaut\u00e9 pour le cr\u00e9ateur et dans sa dimension historique globale. Quelqu\u2019un qui r\u00e9invente quelque chose d\u2019existant dont il n\u2019a pas connaissance est tout de m\u00eame cr\u00e9atif !<\/p>\n La cr\u00e9ativit\u00e9 \u201ccomputationnelle\u201d a m\u00eame sa conf\u00e9rence annuelle, l\u2019International Conference on Computational Creativity <\/strong>(ICCC), dont vous pouvez consulter les volumineux actes de l\u2019\u00e9dition 2017<\/a> qui s\u2019est tenue en juin \u00e0 Atlanta ainsi que ceux de l\u2019\u00e9dition 2016<\/a> qui avait lieu \u00e0 Paris. C\u2019est assez ardu et comme dans tous les champs de l\u2019intelligence artificielle, le croisement de celui-ci et de la cr\u00e9ativit\u00e9 y sont abord\u00e9s en toutes petites pi\u00e8ces d\u00e9tach\u00e9es.<\/p>\n Avec cet \u00e9clairage en t\u00eate, nous allons faire un tour d\u2019horizon pratique des performances cr\u00e9atives de l\u2019IA r\u00e9cemment mises en avant puis les d\u00e9cortiquer pour comprendre ce qui les s\u00e9pare ou non de ces notions humaines de cr\u00e9ativit\u00e9. En g\u00e9n\u00e9ral, ces performances s\u2019appuient sur des r\u00e9seaux neuronaux g\u00e9n\u00e9ratifs aussi bien convolutionnels (CNN, Convnets) que r\u00e9currents (RNN, LSTM) qui sont capables d\u2019extrapoler des contenus \u00e0 partir de contenus existants, ou qui combinent divers contenus existants pour en cr\u00e9er de nouveaux.<\/p>\n Cr\u00e9ation graphique<\/strong><\/p>\n Les r\u00e9seaux de neurones g\u00e9n\u00e9ratifs font des progr\u00e8s r\u00e9guliers dans leur capacit\u00e9 \u00e0 associer plusieurs contenus. Typiquement, comme dans le cas suivant, une photo peut-\u00eatre associ\u00e9e \u00e0 une texture particuli\u00e8re comme des feuilles, et elle sera \u201cpeinte\u201d avec cette texture. Le r\u00e9sultat est innovant et cr\u00e9atif ? Oui, comme toute forme de patchwork graphique. On voit dans les exemples comme le dernier que certains fonctionnent mieux que d\u2019autres. C\u2019est le choix du cr\u00e9atif que de le mettre en avant apr\u00e8s avoir test\u00e9 plusieurs textures.<\/p>\n Le proc\u00e9d\u00e9 est extensible \u00e0 l\u2019application, non pas d\u2019une simple texture, mais d\u2019un style de peinture complet, reprenant le principe du pastiche. L\u2019approche est toujours saisissante lorsque les exemples sont bien choisis comme ci-dessous<\/em>, avec du Picasso ou du Gauguin (PS: sorry… plut\u00f4t du van Gogh). N\u2019oublions pas un biais des chercheurs qui tentent diverses approches et pr\u00e9sentent celles qui fonctionnent en \u00e9liminant les combinaisons qui n\u2019ont pas \u00e9t\u00e9 satisfaisantes. Est-ce que ce genre de cr\u00e9ation sort des clous ? Pas tant que cela. Picasso sortait des clous, pas l\u2019IA qui transpose son style dans un personnage de dessin anim\u00e9 !<\/p>\n Voici un autre exemple, issu de A Neural Algorithm of Artistic Style<\/a> de Leon Gatys, Alexander Ecker et Matthias Bethge (2015). Des techniques aussi sophistiqu\u00e9es que le fameux sfumato de L\u00e9onard de Vinci semblent reproductibles avec cette m\u00e9thode. On peut aussi se d\u00e9barrasser du sfumato dans le processus (vid\u00e9o<\/a>) !<\/p>\n Dans chacune de ces r\u00e9alisations, les contenus d\u2019origine proviennent d\u2019artistes humains ou de photos. L\u2019IA est donc un bon outil pour combiner diverses sources d\u2019existant. Le contenu r\u00e9sultant est-il pour autant v\u00e9ritablement original ? G\u00e9n\u00e8re-t-il un nouveau style de peinture ? Pas vraiment puisqu\u2019il applique un style existant. On pourrait sans doute combiner plusieurs styles pour en cr\u00e9er un qui soit r\u00e9ellement nouveau. C\u2019est ce que permet en th\u00e9orie Pikazo<\/a>, une application iOS qui sert \u00e0 combiner de mani\u00e8re cr\u00e9ative plusieurs photos et peintures.<\/p>\n Le deep learning est aussi utilis\u00e9 dans la cr\u00e9ation graphique ou la cr\u00e9ation de sites web. C\u2019est ce que r\u00e9alise le site de cr\u00e9ation de sites web Wix<\/strong> (vid\u00e9o<\/a>). Il s\u2019est entrain\u00e9 en analysant le style de nombreux sites web et leur performance (SEO, trafic) pour en d\u00e9duire empiriquement les param\u00e8tres d\u2019un bon site, le tout, en fonction de plusieurs milliers de professions (source<\/a>). L\u2019outil de cr\u00e9ation de sites web va \u00e9galement exploiter l\u2019ensemble des textes et visuels disponibles sur la soci\u00e9t\u00e9 pour b\u00e2tir une maquette de site. La cr\u00e9ation du site est guid\u00e9e par l\u2019utilisateur qui va tout de m\u00eame choisir de attributs de sa marque pour influencer le design g\u00e9n\u00e9r\u00e9 et ses couleurs dominantes. Le danger de ces outils ? Ce n\u2019est pas une surprise : il risque de faire converger les sites cr\u00e9\u00e9s vers un design voisin.<\/p>\n Une approche voisine est propos\u00e9e pour l\u2019instant de mani\u00e8re exp\u00e9rimentale par Adobe<\/strong> (source<\/a>). Le tout s\u2019int\u00e8gre dans l\u2019Adome Experience Manager CMS (outil de cr\u00e9ation de site) et exploite Adobe Sensei, la plateforme logicielle qui int\u00e8gre les briques d\u2019AI de l\u2019\u00e9diteur. Cette IA est focalis\u00e9e sur l\u2019ajustement des contenus graphiques, pour mieux cadrer les illustrations.<\/p>\n Enfin, citons LogoJoy<\/a>, un service en ligne de cr\u00e9ation de logos. La m\u00e9thode est un peu bourrine : l\u2019utilisateur s\u00e9lectionne d\u2019abord cinq styles qui lui conviennent, indique le nom de sa soci\u00e9t\u00e9 puis son slogan et enfin, choisi une couleur et cinq icones qui correspondent \u00e0 son service. A partir de l\u00e0, le syst\u00e8me g\u00e9n\u00e8re un logo (d\u00e9mo<\/a>). Ce n\u2019est pas tr\u00e8s cr\u00e9atif puisque le logo associe le nom de la soci\u00e9t\u00e9, son slogan et tout ou partie des ic\u00f4nes s\u00e9lectionn\u00e9es. C\u2019est encore une technique de mash-up. Mais, si cela se trouve, le r\u00e9sultat est aussi bon qu\u2019avec une bonne part des cr\u00e9ateurs traditionnels de logos.<\/p>\n Ces diff\u00e9rentes solutions ont un point commun : elles s\u2019appuient sur des r\u00e9seaux de neurones qui sont entrain\u00e9s avec des volumes d\u2019images plut\u00f4t raisonnables vis \u00e0 vis des r\u00e9seaux de neurones de reconnaissance d\u2019images. Il n\u2019est pas n\u00e9cessaire d\u2019ing\u00e9rer 100 millions d\u2019images pour cr\u00e9er des pastiches de peintures. Quelques milliers suffisent d\u2019apr\u00e8s ce que l\u2019on peut lire dans les articles de recherche associ\u00e9s !<\/p>\n Cr\u00e9ation musicale<\/strong><\/p>\n La musique est le second sujet de pr\u00e9dilection de la cr\u00e9ativit\u00e9 par l\u2019IA apr\u00e8s les arts graphiques. Cela fait au moins trois d\u00e9cennies que diverses exp\u00e9riences ont \u00e9t\u00e9 men\u00e9es pour composer automatiquement de la musique en tirant parti de l\u2019apprentissage bas\u00e9 sur des biblioth\u00e8ques de musiques existantes.<\/p>\n L\u2019offre logicielle actuelle est plut\u00f4t abondante dans la cr\u00e9ation musicale \u00e0 base d\u2019IA. Elle est souvent issue de laboratoires de recherche, comme l\u2019IRCAM fran\u00e7ais,\u00a0 mais certaines offres commerciales sont disponibles, \u00e9galement avec une importance contribution fran\u00e7aise.<\/p>\n Citons par exemple :<\/p>\n Toutes ces initiatives sont \u00e0 la recherche du m\u00eame Graal : la g\u00e9n\u00e9ration de musique qui tape \u00e0 l\u2019oreille et aux \u00e9motions, qui se retient, qui devient \u00e9ventuellement un \u201chit\u201d. Mais elles n\u2019y parviennent pas encore. Le chercheur de la BBC Armand Leroi avait essay\u00e9 de d\u00e9couvrir l\u2019ADN des hits de la musique pop. A force de machine learning et d\u2019analyse de plusieurs d\u00e9cennies de pop music<\/em>, il avait identifi\u00e9 des \u00e9volutions temporelles dans les tendances dans le rythme et l\u2019accompagnement, mais sans parvenir \u00e0 d\u00e9couvrir la sauce magique des hits (cf The secret science of pop<\/a> de Armand Leroi, qui date de d\u00e9but 2017).<\/p>\n Toutes ces solutions logicielles ont en commun le fait qu\u2019il s\u2019agit d\u2019outils. Le discernement musical reste une affaire humaine. Ne serait-ce que pour que les compositions et leur interpr\u00e9tation v\u00e9hiculent un maximum d\u2019\u00e9motions. Or on ressent l\u2019absence d\u2019\u00e9motion en \u00e9coutant la majorit\u00e9 des cr\u00e9ations musicales issues de l\u2019IA qui sont g\u00e9n\u00e9r\u00e9es automatiquement. Seules celles qui ont \u00e9t\u00e9 s\u00e9lectionn\u00e9es et retravaill\u00e9es par des oreilles averties ont une chance de nous toucher. Pour l\u2019instant.<\/p>\n Cr\u00e9ation vid\u00e9o<\/strong><\/p>\n La cr\u00e9ation de vid\u00e9o \u00e0 base d\u2019IA est moins courante et beaucoup moins impressionnante que la musique \u00e0 cr\u00e9\u00e9e par de l\u2019IA. L\u2019un des exemples les plus connus est celui de la startup isra\u00e9lienne Wibbitz<\/b> (2011, $30,8M) avec sa solution qui g\u00e9n\u00e8re automatiquement des vid\u00e9os d\u2019actualit\u00e9 \u00e0 partir de contenus textuels et de scrapping de contenus vid\u00e9os. La dose d\u2019IA de cette solution n\u2019est cependant pas bien document\u00e9e.<\/p>\n Plus r\u00e9cemment, Intel <\/strong>a contribu\u00e9 \u00e0 la cr\u00e9ation d\u2019un clip vid\u00e9o <\/a>pour une chanteuse chinoise, Chris Lee. D\u2019un point de vue pratique, la contribution de l\u2019IA est li\u00e9e \u00e0 la construction en 3D du visage du chanteur et \u00e0 l\u2019ajout d\u2019effets sp\u00e9ciaux dessus comme des gouttes d\u2019eau ruisselantes. La cr\u00e9ativit\u00e9 dans cette affaire reste dans les mains des \u00e9quipes qui ont cr\u00e9\u00e9 ce clip (d\u00e9tails vus sur Ubergizmo<\/a>).<\/p>\n Ce syst\u00e8me rappelle d\u2019ailleurs le projet de recherche face2face <\/strong>des Allemands et Am\u00e9ricains Justus Thies, Michael Zollhofer, Marc Stamminger, Christian Theobalt et Matthias Nie\u00dfner (vid\u00e9o<\/a>, papier<\/a>) datant de 2015. Il permet de transposer les mimiques d\u2019une personne film\u00e9e avec une simple cam\u00e9ra 2D sur un autre visage, Daniel Craig ou Barack Obama dans les d\u00e9monstrations de ce projet de recherche. Comme on sait aussi g\u00e9n\u00e9rer des voix synth\u00e9tiques \u00e0 partir de l\u2019\u00e9chantillonnage d\u2019une voix connue, par exemple chez Lyrebird<\/a>, nous ne sommes pas loin de la possibilit\u00e9 de cr\u00e9er avec de l\u2019IA de v\u00e9ritables \u201cfake videos\u201d de personnes connues ou inconnues.<\/p>\n Cr\u00e9ation textuelle<\/strong><\/p>\n Le deep learning est aussi capable de g\u00e9n\u00e9rer des textes. La plupart du temps, la cr\u00e9ativit\u00e9 est loin d\u2019\u00eatre au rendez-vous. C\u2019est le cas pour ces outils de g\u00e9n\u00e9ration de d\u00e9p\u00eaches d\u2019agences de presse qui mettent en forme des informations quantitatives issues, par exemple, de r\u00e9sultats financiers d\u2019entreprises ou de comp\u00e9titions sportives. Les syst\u00e8mes se sophistiquent un tant soi peu lorsqu\u2019ils exploitent aussi les donn\u00e9es historiques associ\u00e9es. Les outils de ce genre sont l\u00e9gion et sont notamment propos\u00e9s par Automated Insights<\/strong>, Textomatic<\/strong>, Narrative Science<\/strong>, LabSense<\/strong>, Syllabs, Retresco <\/strong>et Yseop<\/strong>.<\/p>\n La cr\u00e9ativit\u00e9 semble pointer du nez dans des exp\u00e9riences de g\u00e9n\u00e9ration de fictions. C\u2019est le cas avec ce r\u00e9cent projet du MIT Media Lab<\/a> qui a permis de g\u00e9n\u00e9rer des histoires d\u2019horreur bas\u00e9es sur l\u2019analyse de 140 000 histoires. Un nombre qui rappelle les 150 000 parties de jeu de Go qui avaient servi \u00e0 entrainer les premi\u00e8res versions d\u2019AlphaGo qui s\u2019en est ensuite pass\u00e9 dans sa derni\u00e8re mouture. J\u2019explique dans Les cons\u00e9quences pratiques d’AlphaGo Zero<\/a> (novembre 2017) pourquoi cela ne s\u2019applique qu\u2019aux probl\u00e8mes \u00e0 r\u00e8gles discr\u00e8tes simples. Dans la pratique, ce syst\u00e8me de g\u00e9n\u00e9ration de texte est assist\u00e9 par des auteurs.<\/p>\n Un certain Max Deutsch<\/a> s\u2019est attaqu\u00e9 \u00e0 un des besoins les plus fondamentaux de la jeunesse mondiale en cr\u00e9ant de nouveaux chapitres des livres de Harry Potter \u00e0 base de r\u00e9seaux de neurones. Les donn\u00e9es d\u2019entrainement ? Et bien, tous les Harry Potter, pardi ! Le r\u00e9sultat ? Au moins, les phrases sont bien plus correctes que n\u2019importe quel tweet de Donald Trump, avec moins de prises de t\u00eate du type covfefe <\/em>pour en comprendre le contenu ! Max Deutsch s\u2019est aussi amus\u00e9 \u00e0 r\u00e9diger avec la m\u00eame m\u00e9thode des sc\u00e8nes de Star Wars<\/a>. Ces films ne sont cependant pas tr\u00e8s cr\u00e9atifs, reprenant des trames assez classiques, notamment bien document\u00e9es dans le tr\u00e8s ancien \u201cThe hero with 1001 faces\u201d de Joseph Campbell (1949).<\/p>\n L\u2019IA peut aussi servir \u00e0 am\u00e9liorer des textes exitants. WordAi<\/a> est une startup qui fournit un outil de r\u00e9\u00e9criture de vos textes pour les rendre lisibles par de vrais gens ! Le travail r\u00e9alis\u00e9 rel\u00e8ve de la reformulation d\u2019expressions existantes. D\u2019autres produisent des r\u00e9sum\u00e9s automatiques de textes en extrayant les expressions les plus pertinentes d\u2019un document. Je n\u2019ai cependant pas encore mis la main sur un outil qui d\u00e9marketinginserait<\/em> un texte trop marketing.<\/p>\n Tout ces outils ne sont pas encore tr\u00e8s cr\u00e9atifs et restent cantonn\u00e9s \u00e0 la production de textes courts. C\u2019est ce qu\u2019explique Walter Frick dans Why can\u2019t AI write this article (yet)<\/a> (HBR, juillet 2017). M\u00eame s\u2019il \u00e9voque la cr\u00e9ation d\u2019un sc\u00e9nario par une IA (vid\u00e9o associ\u00e9e<\/a>).<\/p>\n La prochaine \u00e9tape cr\u00e9ative r\u00e9siste dans la capacit\u00e9 des outils de l\u2019IA \u00e0 faire preuve d\u2019humour. Celui-ci est d\u00e9cryptable au niveau de ses composantes \u00e9l\u00e9mentaires, comme dans la cr\u00e9ation d\u2019analogies. Cela a d\u00e9marr\u00e9 avec des IA capables de d\u00e9terminer la pr\u00e9sence d\u2019humour dans des textes. Une vingtaine de travaux de recherche sur l\u2019humour de l\u2019IA ont \u00e9t\u00e9 publi\u00e9s d\u00e8s 2012 (AAAI<\/a>) et leur bibliographie remonte aux ann\u00e9es 1990 !<\/p>\n La capacit\u00e9 \u00e0 reconnaitre l\u2019humour et \u00e0 en faire preuve est un domaine de recherche pas si futile que cela. Il est explor\u00e9 pour alimenter les robots dou\u00e9s de capacit\u00e9s de conversation et d\u2019empathie. Cf It’s hard work being funny\u2014especially for robots<\/a> de Daniela Hernandez (2016).<\/p>\n Le robot Sophia<\/strong> de Hanson Robotics (ci-dessus<\/em>) qui a obtenu la citoyennet\u00e9 en Arabie Saoudite en octobre 2017 constituait une grosse foutaise symbolique. Il fait preuve de z\u00e9ro humour et empathie ! Ce d\u2019autant plus qu\u2019il n\u2019\u00e9tait m\u00eame pas \u00e9vident qu\u2019il ait pu faire autre chose que d\u00e9biter des \u201ctalking points\u201d pr\u00e9par\u00e9s \u00e0 l\u2019avance dans les conf\u00e9rences o\u00f9 il intervenait. Il g\u00e9n\u00e9rait cette impression au Web Summit de Lisbonne d\u00e9but novembre 2017 (repris ci-dessous dans Les Echos<\/a>). Au passage, personne n\u2019a remarqu\u00e9 que ce robot n\u2019\u00e9tait qu\u2019un buste incapable de se mouvoir dans l\u2019espace. Le projet Sophia est men\u00e9 par Ben Goertzel<\/strong>, un sp\u00e9cialiste de l\u2019IA tr\u00e8s investi depuis plus d\u2019une d\u00e9cennie dans le d\u00e9veloppement d\u2019AGI (intelligence artificielle g\u00e9n\u00e9rale).<\/p>\n Les robots donnent aussi lieu \u00e0 des tentatives de les rendre cr\u00e9atifs dans leur capacit\u00e9 \u00e0 se mouvoir et notamment \u00e0 danser. C\u2019est le travail du projet \u201cCreative Robot Dance with Variational Encoder\u201d d\u2019une \u00e9quipe de chercheurs italiens pr\u00e9sent\u00e9 lors de l\u2019ICCC 2017<\/a>, avec des exemples r\u00e9alis\u00e9s \u00e0 l\u2019aide du robot Nao de Softbank Robotics (vid\u00e9o d\u2019exemples<\/a>).<\/p>\n Cr\u00e9ation d\u2019objets<\/strong><\/p>\n Les r\u00e9seaux de neurones g\u00e9n\u00e9ratifs sont aussi capables de cr\u00e9er des objets artificiels en m\u00e9langeant plusieurs styles \u00e0 fa\u00e7on. C\u2019est une variante des outils de cr\u00e9ation graphique vus au d\u00e9but de cet article. L\u2019\u00e9diteur de logiciels de CAO Autodesk <\/strong>s\u2019est lanc\u00e9 l\u00e0-dedans avec une \u00e9volution de sa solution Dreamcatcher annonc\u00e9e en 2017 et pr\u00e9vue pour 2018.<\/p>\n Cr\u00e9ativit\u00e9 scientifique<\/strong><\/p>\n Le prochain Graal de la cr\u00e9ativit\u00e9 de l\u2019IA sera de l\u2019appliquer \u00e0 la recherche scientifique. A ce stade, c\u2019est encor un sujet en devenir. Les chercheurs peuvent \u00e9videmment s\u2019appuyer sur des applications de machine learning et de deep learning pour orienter leurs travaux.<\/p>\n Nous en avons un exemple classique en biologie mol\u00e9culaire. Le machine learning permet d\u2019identifier la corr\u00e9lation entre mutation g\u00e9n\u00e9tiques et apparition de cancers divers. Cela permet de faire de la m\u00e9decine pr\u00e9dictive et d\u2019anticiper l\u2019\u00e9mergence de pathologies. Reste \u00e0 les traiter ! Et il faut rentrer dans le lard de la biologie pour trouver comment s\u2019attaquer aux cellules malignes, \u00e0 leur membrane ou \u00e0 leur g\u00e9nome. Tout le travail reste \u00e0 faire et il est tr\u00e8s lourd.<\/p>\n Les limites des syst\u00e8mes d\u2019IA actuels b\u00e2tis sur le machine learning et le deep learning proviennent de ce qu\u2019ils ne g\u00e8rent pas de logique formelle et d\u2019IA symbolique. C\u2019est un domaine o\u00f9 heureusement de nombreux chercheurs sont actifs. Un jour viendra peut-\u00eatre o\u00f9 le raisonnement automatis\u00e9 permettra de d\u00e9couvrir quels chemins de recherche privil\u00e9gier par la logique et en s’appuyant aussi sur les donn\u00e9es disponibles.<\/p>\n Cr\u00e9ativit\u00e9 dans la r\u00e9solution de probl\u00e8mes<\/strong><\/p>\n Dernier sujet, la cr\u00e9ativit\u00e9 dans la r\u00e9solution de probl\u00e8mes complexes auxquels sont notamment confront\u00e9s les entreprises. Comment innover ? Quels nouveaux produits cr\u00e9er et commercialiser ? Comment optimiser son mix marketing ? Quelle politique \u00e9conomique mener dans un pays ? Comment n\u00e9gocier avec une autre entreprise ou un autre pays dans les affaires ou la politique ? Comment attirer les talents dans son entreprise ?<\/p>\n A ce jour, les solutions \u00e0 base d\u2019IA pour r\u00e9soudre ce genre de probl\u00e8me sont p\u00e9riph\u00e9riques. Ce sont le plus souvent des outils qui fournissent ou mettent en forme des donn\u00e9e qui aident \u00e0 circonscrire ces probl\u00e8mes ou \u00e0 simuler des sc\u00e9narios. La combinaison des id\u00e9es en environnement d\u2019information incomplet est g\u00e9n\u00e9ralement l\u2019affaire des id\u00e9es humaines et autres groupes de travail.<\/p>\n Les processus cr\u00e9atifs peuvent s\u2019appuyer sur des donn\u00e9es et de l\u2019IA pour r\u00e9aliser des simulations et valider des hypoth\u00e8ses. Mais aliment\u00e9s par les donn\u00e9es du pass\u00e9, ces outils peuvent-ils vraiment anticiper le futur ? De tels outils auraient-ils \u00e9t\u00e9 d\u2019une quelconque aide \u00e0 Steve Jobs et les \u00e9quipes d\u2019Apple lorsqu\u2019elles ont cr\u00e9\u00e9 l\u2019iPod, l\u2019iPhone ou l\u2019iPad ? Et une IA pourrait-elle inventer la danse moonwalk de Michael Jackson, via un processus identique ou diff\u00e9rent de celui qui a men\u00e9 ce dernier \u00e0 la cr\u00e9er ?<\/p>\n So ?<\/strong><\/p>\n Nous avons explor\u00e9 d\u2019un point de vue pratique les performances de quelques solutions d\u2019IA dans divers domaines comme la cr\u00e9ation graphique, musicale ou textuelle.<\/p>\n A chaque fois, sont mises en jeu des bribes de cr\u00e9ativit\u00e9 et d\u2019aide \u00e0 la cr\u00e9ativit\u00e9. Ces outils fonctionnent avec une assistance humaine et sont rarement enti\u00e8rement autonomes. L\u2019IA n\u2019est pas cr\u00e9ative en tant que telle. Elle fournit des outils qui assistent l\u2019Homme dans sa cr\u00e9ativit\u00e9. La cr\u00e9ativit\u00e9 humaine est encore le r\u00e9sultat de la r\u00e9utilisation et de la combinaison de l\u2019existant \u00e0 partir d\u2019une palette qui s\u2019\u00e9largit sans cesse. Mais elle int\u00e8gre des \u00e9l\u00e9ments de contexte, d\u2019audience et aussi, la capacit\u00e9 \u00e0 v\u00e9hiculer des \u00e9motions et de s\u2019adapter \u00e0 des audiences.<\/p>\n C\u2019est l\u2019Homme qui fait preuve de discernement et qui fait le tri de ce que les outils de l\u2019IA peuvent produire. Les exemples publi\u00e9s par les chercheurs sont d\u2019ailleurs tr\u00e8s souvent tri\u00e9s sur le volet, g\u00e9n\u00e9rant une sortie de biais positif de perception de leur cr\u00e9ativit\u00e9. Les choix restent humains. C\u2019est la th\u00e8se d\u00e9fendue par Magaret Boden dans Artificial Creativity, Why computers aren\u2019t close to being ready to supplant human artists<\/a> en 2015, qu\u2019elle d\u00e9taille \u00e9galement dans Creativity and Artificial Intelligence:\u00a0 a contradiction in terms?<\/a>.<\/p>\n Ce que l\u2019on appelle \u201cl\u2019IA\u201d est g\u00e9n\u00e9ralement issue de la \u201ccollaboration\u201d entre humains et de l\u2019IA. On joue sur les mots par sensationnalisme au lieu d\u2019\u00e9voquer l\u2019exploitation d\u2019outils. C\u2019est une anthropomorphisation s\u00e9mantique de l\u2019outil comme si on disait que le marteau du sculpteur ou la peinture du peintre \u00e9taient \u201ccr\u00e9atifs\u201d. Ceci ressort bien de la belle s\u00e9rie d\u2019articles excellemment document\u00e9s produits en juin 2017 par l\u2019Allemand Thomas Euler<\/a> : \u201cWill the Next Pop Cultural Icon Be an AI? A Guide Through Computational Creativity\u201d (partie 1<\/a>, partie 2<\/a>, partie 3<\/a>, partie 4<\/a>). Il y traite de la cr\u00e9ativit\u00e9 dans la musique, l\u2019\u00e9criture, les arts graphiques, la publicit\u00e9, la vid\u00e9o et les jeux vid\u00e9o. J\u2019en ai tir\u00e9 bon nombre des exemples d\u2019IA cit\u00e9es ici m\u00eame et qui montrent \u00e0 chaque fois que l\u2019IA est un outil et rarement plus que cela.<\/p>\n La cr\u00e9ativit\u00e9 requiert une capacit\u00e9 et une volont\u00e9 \u00e0 sortir des clous et des contraintes existantes. Les grands cr\u00e9atifs ne suivent pas la moyenne. Ils font avancer l\u2019\u00e9tat de l\u2019art. Ils ont un c\u00f4t\u00e9 rebelle et incompris, au moins \u00e0 leurs d\u00e9buts. Or les outils de l\u2019IA fonctionnent par entrainement avec des donn\u00e9es existantes. Ils font converger la cr\u00e9ativit\u00e9 vers la moyenne et l\u2019existant et permettent rarement de s\u2019en \u00e9loigner. Cette moyenne n\u2019est pas naturellement atypique. Une voiture g\u00e9n\u00e9r\u00e9e par une IA aliment\u00e9e par les voitures existantes et des sondages ressemblerait \u00e0 une berline des plus classique et lisse. C\u2019est une limitation sur laquelle planche l\u2019\u00e9quipe am\u00e9ricaine du projet \u201cCAN: Creative Adversarial Networks – Generating \u201cArt\u201d by Learning About Styles and Deviating from Style Norms\u201d (vue dans les actes de l\u2019ICCC 2017<\/a>). Ils veulent faire apprendre des styles \u00e0 une IA puis \u00e0 l\u2019aider \u00e0 sortir de leur cadre (exemples ci-dessous<\/em>). Le tout fait encore appel aux fameux r\u00e9seaux de neurones g\u00e9n\u00e9ratifs de type GAN (Generative Adversarial Networks).<\/p>\n![\"Generation](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Generation-textures_thumb.jpg\" "\\"Generation")
<\/a><\/p>\n![\"Copie](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Copie-style-graphique_thumb.jpg\" "\\"Copie")
<\/a><\/p>\n![\"Peinture](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Peinture-generative_thumb.jpg\" "\\"Peinture")
<\/a><\/p>\n![\"Logojoy\"](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Logojoy_thumb.jpg\" "\\"Logojoy\\"")
<\/a><\/p>\n\n
![\"Humtap\"](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Humtap_thumb.jpg\" "\\"Humtap\\"")
<\/a><\/p>\n\n
![\"Popgun\"](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Popgun_thumb.jpg\" "\\"Popgun\\"")
<\/a><\/p>\n\n
![\"BBC\"](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/BBC_thumb.jpg\" "\\"BBC\\"")
<\/a><\/p>\n![\"Face2Face\"](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Face2Face_thumb.jpg\" "\\"Face2Face\\"")
<\/a><\/p>\n![\"Deep](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Deep-Writing-Harry-Potter_thumb.jpg\" "\\"Deep")
<\/a><\/p>\n![\"Hanson](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Hanson-Robot-Les-Echos-Web-Summit_thumb.jpg\" "\\"Hanson")
<\/a><\/p>\n![\"Robot](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Robot-Dance_thumb.jpg\" "\\"Robot")
<\/a><\/p>\n![\"Autodesk](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Autodesk-Dreamcatcher_thumb.jpg\" "\\"Autodesk")
<\/a><\/p>\n
![\"New](\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/New-style-GAN_thumb.jpg\" "\\"New")
<\/a><\/p>\n