Cet article se penche sur la question de la créativité algorithmique à travers une analyse allant de l’intelligence naturelle à celle qualifiée d’« artificielle » (IA), afin d’examiner de quelles façons ces deux types d’intelligence façonnent les esthétiques artistiques et leurs potentialités. Des programmes de recherche comme la vie artificielle ou la robotique comportementale – investis comme outils, médiums ou thématiques par les artistes depuis la fin des années 1940 – puis, plus récemment, l’art fondé sur l’apprentissage machine se sont inspirés des études sur le cerveau et le vivant selon une perspective connexionniste. Une meilleure compréhension de leurs sources biologiques permet d’en éclairer les fondements, mais aussi d’en mesurer les écarts.
Par « intelligence », nous n’entendons pas une faculté unitaire, mais la capacité d’un système à produire un comportement adaptatif approprié dans un milieu incertain – capacité qui, chez le vivant, est indissociable d’un corps, d’un métabolisme et d’enjeux de survie (Di Paolo, Buhrmann et Barandiaran, 2017). Peut-on comparer le phénomène de la prédiction neurologique intervenant dans les arts de la performance et les processus d’apprentissage machine? En quoi le caractère incarné, prédictif et situé de l’intelligence biologique – tel qu’il se donne à voir dans les arts vivants, où la perception et l’action se coconstituent en temps réel – permet-il de reconsidérer et de limiter les prétentions créatives de l’intelligence artificielle générative (IAg)? Nous soutenons que la créativité algorithmique relève d’une créativité exploratoire et combinatoire sans jugement ni monde vécu, et que les arts vivants, parce qu’ils engagent un corps prédisant ses propres sensations en situation de coprésence, constituent le cas limite où cet écart devient sensible. Notre analyse mobilisera le concept de comportement, dont l’incidence est majeure dans les œuvres générées par les dispositifs d’IA qui nous intéressent, à savoir ceux qui relèvent de la vie artificielle, de l’art comportemental et de la robotique lorsqu’ils sont couplés à l’apprentissage machine et aux esthétiques qui en découlent.
Nous verrons que le comportement observable est ce qui autorise la projection anthropomorphique, et donc le simulacre. Puis, à la suite d’Andy Clark (2023) et d’Alain Berthoz (2013), nous examinerons comment la réalité telle que nous pouvons la connaître est issue d’une synthèse complexe entre l’information sensorielle et nos attentes. Nous explorerons comment le cerveau agit comme une machine de prédiction, capable de façonner la réalité en médiatisant notre expérience corporelle à travers nos sensorialités. L’analyse s’appuiera notamment sur la neurophysiologie de la créativité (Abraham, 2018), branche récente qui s’attaque aux processus neuronaux sous-tendant l’intelligence, la conscience et la créativité. Ces fonctions supérieures émergent de la corporéité : loin d’être calculée, la signification naît du rapport d’un organisme vivant à son milieu (Varela, Thompson et Rosch, 1993). Nous exemplifierons ces phénomènes à partir de la performativité musicale et des œuvres kinesthésiques, où la prédiction neurologique se joue entre perception et mouvement, entre anticipation et action. C’est ce lien au corps, dont l’IA est privée, qui distingue l’intelligence vivante de ses simulations. Nous emprunterons aux sciences du vivant, à la philosophie de l’esprit et aux études sur l’IA les éléments nécessaires à notre réflexion, en précisant que ces emprunts relèvent de cadres théoriques débattus et non d’acquis. Il s’agira d’ouvrir de manière heuristique, pour les études en arts vivants, une question et les concepts qui permettent de la poser. Mais avant de cerner ce que l’IAg peut créer, il faut préciser ce que « créer » signifie. Nous partirons donc de la créativité humaine, dans ses ressorts scientifiques comme artistiques, pour soumettre ensuite chacun de ses régimes à l’épreuve de la machine.
Créativité : de l’intelligence naturelle à l’IA
Chez l’être humain, la créativité se manifeste tant dans l’inventivité scientifique et ses applications, allant du design à l’ingénierie, que dans l’art et les gestes du quotidien. Dans le domaine artistique, Anna Abraham (2018) comme Margaret Boden (2004 [1990]; 2016) relèvent les attributs de la nouveauté et de l’originalité, associés à la complexité et à la sensibilité esthétiques. L’originalité est ce qui rend une idée unique ou inhabituelle en déviant de la tradition, du statu quo ou d’autres horizons conceptuels pour créer des œuvres singulières. C’est donc un phénomène rare et non fréquent sur le plan statistique. Cette question problématise la nature même de l’IAg, basée sur des modèles de reconnaissance statistique au sein desquels l’objet rare tend à échapper à un processus fondé sur la fréquence et l’évaluation quantitative de motifs retrouvés dans une large quantité de données.
Pour Abraham, l’originalité et la pertinence sont les deux éléments centraux de la créativité. La pertinence renvoie à son utilité, à sa signification ou à sa valeur dans un contexte donné. Marcus du Sautoy (2020 [2019]) montre quant à lui comment les mathématiques sont un terrain propice à la créativité. C’est en contournant les schémas de pensée habituels dans lesquels nous sommes enfermé·es, au moyen d’idées neuves et parfois contre-intuitives pouvant nous conduire dans des directions imprévues, que se manifeste la créativité. L’élément de surprise qui en résulte est fondamental dans la création artistique.
Boden (2004 [1990]) définit trois types de créativité humaine : exploratoire, combinatoire et transformationnelle. La première, de loin la plus courante, respecte les règles, mais tente de déplacer les frontières de l’existant en repoussant des limites ou en générant des variantes. Rappelons que la créativité artistique ne se produit pas ex nihilo. Elle est d’abord conditionnée par des règles qui la rapprochent du fonctionnement algorithmique, alors que ses applications peuvent donner lieu à des variations infinies, tel qu’on l’observe dans l’œuvre de Bach, qui repose sur une esthétique musicale fortement codifiée. Le jazz s’appuie également sur des structures réglées régissant les motifs rythmiques et harmoniques qui sous-tendent l’improvisation et agissent comme des modèles algorithmiques. Cette créativité algorithmique se transpose facilement aux processus statistiques de l’IAg : celle-ci se fonde sur des méthodes d’anticipation et l’usage d’un répertoire de formules existantes, incluant les clichés. C’est une forme de créativité à la portée des machines, qui sont capables de faire varier à l’infini un schéma ou un ensemble de règles. Mais peut-on pour autant parler de créativité machinique? Si la machine excelle à produire des variations de styles définis, qu’en est-il de sa capacité à innover ou à faire preuve d’originalité?
Le deuxième type de créativité consiste à combiner deux schémas différents, ce qui constitue une manière particulièrement puissante de générer de la nouveauté, notamment en appliquant les règles d’un domaine à un autre domaine ou en favorisant la fécondation de styles artistiques très différents. L’IAg a la capacité de combiner des règles de composition du jazz à un contenu harmonique d’une musique d’avant-garde en produisant une matière sonore inédite. Mais tous les genres musicaux peuvent-ils fusionner? Dans l’assemblage être humain-machine, ce type de créativité, où l’IAg excelle, est capable de stimuler de nouvelles pistes que peut récupérer le·la créateur·trice humain·e. Elle offre donc des potentialités esthétiques fertiles, dans la mesure où le jugement esthétique du·de la créateur·trice humain·e intervient afin de reconnaître les pistes créatives intéressantes. Dépourvue de toute intentionnalité, de tout sens commun et de tout jugement (Bachimont, 2022), l’IAg ne dispose pas des moyens de distinguer les propositions esthétiques porteuses de celles qui présentent peu d’intérêt.
Le troisième type de créativité est celle dite « transformationnelle ». De loin la forme la plus rare, elle est issue d’un processus capable de générer des transformations profondes ou des ruptures radicales qui mettent souvent en cause les règles du jeu, les schémas établis ou les idées bien ancrées, parfois depuis des générations. Par exemple, en musique, l’éclatement du système tonal ayant prévalu pendant des siècles dans la musique occidentale, piste notamment ouverte par Schoenberg au début du XXe siècle, a donné naissance au dodécaphonisme en créant une nouvelle esthétique sonore en rupture avec la tradition musicale antérieure. Ce type de créativité est donc d’une immense valeur afin de briser les idées, les schémas ou les règles établies si on l’applique judicieusement dans la collaboration être humain-machine.
Comment la machine peut-elle sortir de son rôle de « perroquet stochastique »? Peut-on introduire une composante d’irrationalité dans le processus algorithmique? Si la créativité transformationnelle porte le risque de conduire à l’effondrement d’un système de règles et de mener à un échec, elle peut également susciter fortement l’inventivité et l’innovation en ouvrant des possibilités fécondes. Du Sautoy met en évidence le fait que la créativité algorithmique doit permettre de produire un résultat qui a de la valeur et souligne l’importance de dépasser l’expression de la créativité du·de la programmeur·euse ou de celui·celle qui a élaboré les données.
Comment construire le processus de l’IAg afin d’orienter ses résultats vers des pistes plus créatives, et ce, dans les limites de la calculabilité? Les agents artificiels des systèmes adaptatifs partent généralement d’un état de bruit pur, généré au hasard, puis modifient graduellement leur comportement en relation avec leur fonction d’évaluation. Celle-ci agit à l’aide de différentes mesures pour orienter les performances d’un modèle d’apprentissage automatique. Cette évaluation est importante pour optimiser l’efficacité du système lors des phases initiales du processus. Selon Sofian Audry (2021), il est possible de manipuler la fonction d’évaluation afin d’obtenir des résultats qui s’éloignent du schéma d’optimisation privilégié par les ingénieur·es en proposant aux artistes des voies d’exploration fructueuses, davantage basées sur l’évolution biologique et l’adaptation.
Une autre piste prometteuse pour stimuler la créativité, notamment en création littéraire, est celle de l’hallucination algorithmique générée par les grands modèles de langage, qui fait écho à l’esprit fabulateur à l’œuvre dans la sphère artistique ou à ce que Berthoz a appelé « l’esprit créateur de mondes » (2013). Les hallucinations algorithmiques sont considérées comme un problème majeur qu’il faut minimiser dans un contexte scientifique ou informationnel, car elles semblent parfaitement factuelles et vraisemblables, tout en nous trompant sur l’existence de leurs sources et de leurs objets. Et si l’on renversait cette perspective, en les considérant comme un moteur de créativité activant les puissances du faux dans le domaine artistique? Imaginons que la capacité fabulatrice ne se comprenne pas en termes d’erreurs, mais constitue plutôt un mode d’agentivité qui reflète la façon même dont les êtres humains fabriquent des récits, en comblant les lacunes de leurs connaissances ou de leur vision du monde. Parler d’agentivité, ici, appelle une précision : au sens fort, elle suppose une intention et un contrôle sur ses propres conduites, ce dont un modèle est dépourvu. Nous parlerons donc d’un « effet d’agentivité », produit par l’assemblage être humain-machine, où la puissance de calcul revient à la machine et l’intentionnalité, tout comme le jugement esthétique, à l’être humain.
Le cerveau lui-même est un puissant outil fabulateur, que ce soit dans le travail de remémoration auquel convie le récit, dans sa capacité de construction fictionnelle ou identitaire, ou encore dans ses capacités projectives et prédictives. Si l’hallucination algorithmique peut induire de la falsification dans l’environnement de connaissance, représentant un risque d’alimenter la crise de la vérité déjà présente dans l’espace social, est-elle capable de devenir un puissant moteur d’innovation et d’inventivité pour la création artistique de mondes imaginaires? Les hallucinations, dans un contexte humain, peuvent être considérées comme des outils cognitifs qui élargissent les espaces de possibilités, tout en fabriquant de la cohérence narrative. Leurs pendants algorithmiques peuvent donc constituer des instruments pertinents pour la créativité artistique, à l’image des techniques de collage et d’écriture automatique par lesquelles les surréalistes généraient des formes inattendues en mettant entre parenthèses la rationalité ou le contrôle conscient dans leur processus de création.
Le comportement avant l’intelligence : une origine évolutive
La créativité est-elle l’apanage de l’être humain? Le vivant, sous toutes ses formes, ne déploie-t-il pas les puissances créatives de la nature depuis des temps immémoriaux, bien avant l’apparition d’Homo sapiens? Pour le comprendre, il faut remonter en deçà de l’intelligence elle-même, jusqu’au comportement, car c’est lui, et non le cerveau, qui apparaît d’abord dans l’histoire du vivant. La conscience de soi et l’imagination créative ont longtemps été tenues pour des capacités qui nous définissent, et sont demeurées largement insaisissables pour la science jusqu’à l’arrivée de la cybernétique (Wiener, 1952 [1950]) et des neurosciences à la fin des années 1940. Ces dernières se sont penchées sur la perception, la cognition et le comportement humains pour tenter d’en comprendre les rouages sur le plan physiologique. Elles ont développé des modèles hypothétiques sur la neurophysiologie du cerveau en relation avec son environnement, en considérant le rôle des émotions1Rappelons toutefois, afin d’éviter tout réductionnisme, que les neurosciences produisent surtout des corrélats, que l’imagerie cérébrale a une résolution grossière (BOLD, inférence inverse), et que le passage du corrélat à l’explication reste ouvert. (Damasio, 2010 [1994]; LeDoux, 2019; Abraham, 2018). Selon ces modèles, les fonctions supérieures de l’esprit émergent de la corporéité incarnée dans la relation avec le milieu de vie. De plus, elles plongent leurs racines aux origines mêmes de la vie, depuis les premiers circuits de neurones rudimentaires qu’on retrouve chez les hydres ou les méduses jusqu’aux systèmes nerveux plus élaborés comprenant des unités de contrôle neuronal. La perspective évolutionniste, qui cherche à comprendre de façon hypothétique le fonctionnement du cerveau, est issue de recherches croisées en psychologie cognitive, en neurosciences, en biologie et en études du comportement animal.
Cette « histoire profonde de nous-mêmes » (« deep history of ourselves »; LeDoux, 2019) remonte aux formes les plus anciennes du comportement, déjà présentes chez des organismes unicellulaires, et ce, en l’absence de système nerveux. Les mêmes besoins primitifs liés à la survie traversent l’histoire de la vie : éviter les blessures ou les dommages à l’organisme, chercher à obtenir des nutriments, maintenir la température et les fluides du corps, se reproduire. Selon Joseph LeDoux (2019), bien que les organismes unicellulaires comme les protozoaires soient dépourvus de systèmes nerveux, ils manifestent une grande variété de comportements, ce qui laisse supposer que ceux-ci précèdent l’émergence des circuits neuronaux, et non le contraire.
C’est à partir de ses premières manifestations automatisées au sein d’organismes dépourvus de neurones, puis dans l’apparition et la complexité croissante des systèmes nerveux régissant le comportement, qu’est graduellement apparue l’intelligence animale. Celle-ci constitue une étape de l’évolution vers l’intelligence humaine, façonnée par le processus de sélection naturelle et les mutations transmises de génération en génération. Les organismes vivants se sont multipliés comme autant d’adaptations aux niches écologiques spécifiques grâce à des comportements liés à la survie. Selon Clark, le processus de prédiction qui gère le fonctionnement des réseaux de neurones dans l’organisme vivant serait probablement, lui aussi, un mécanisme évolutionniste : il aurait permis de gérer l’action dans un monde complexe et incertain, notamment en anticipant les sensations corporelles associées au mouvement.
Ce comportement, toutefois, ne se laisse pas lire sans précaution. Pour LeDoux, il faut se garder d’attribuer à d’autres espèces une expérience de conscience semblable à la nôtre – sans pour autant leur en dénier toute forme. Il ne s’agit ni de nier nos différences ni de prêter à d’autres organismes, par anthropomorphisme, des traits relevant de l’esprit ou de la vie mentale, comme la conscience, qu’ils ne posséderaient pas, même si leur comportement peut donner l’impression du contraire. Cette propension à l’anthropomorphisme, Serge Tisseron la définit comme un « phénomène qui consiste à projeter dans un objet des intentions propres aux humains tout en identifiant cet objet à ce que nous projetons en lui, modifiant radicalement la perception que nous en avons » (Tisseron, 2023). Elle s’active tout particulièrement face aux agents conversationnels ou aux robots, sur lesquels nous projetons nos affects – alors même que leur comportement relève du simulacre (Bourassa, 2023). Si leur comportement peut ainsi tromper, c’est que l’essentiel lui échappe : l’expérience vécue qui, chez le vivant, l’accompagne.
Comment se produit l’émergence de la conscience, longtemps tenue pour un processus opaque enfoui dans les méandres de nos circuits neuronaux? Subsiste, sur le plan philosophique, un fossé apparemment irréductible entre la matérialité des processus neuronaux et les qualia, soit les composantes internes des perceptions sensorielles qui naissent de la stimulation des sens par les phénomènes, telle la qualité de ce qui est rouge ou douloureux, éprouvées comme expérience subjective et consciente. Relier de façon causale la conscience subjective à son substrat matériel demeure un défi scientifique colossal. Et rien ne garantit que la conscience puisse advenir dans un substrat non vivant, tel un robot : cette hypothèse a d’ailleurs fait couler beaucoup d’encre (Koch, 2024; Humphrey, 2023; Chalmers, 1995). Or, si l’expérience subjective résiste à la naturalisation, le jugement esthétique, qui suppose un ressenti, n’est pas davantage réductible à une fonction d’évaluation.
IA et expression artistique
C’est l’étude de ces comportements, surgis des formes de vie primitive, qui a inspiré les premières recherches en IA. Les algorithmes génératifs ont récemment fondé tout un champ d’explorations et d’expérimentations artistiques basées sur les modèles d’apprentissage machine. En suivant les avancées scientifiques, un déplacement depuis les premières approches de l’IA symbolique, basées sur la computation, la logique et les systèmes de règles s’est opéré vers les méthodes stochastiques et probabilistes de l’IA connexionniste et de l’apprentissage profond (Deep Learning). Selon Audry, au lieu de privilégier des constructions logiques, les approches esthétiques de l’IA se sont davantage orientées vers des processus inspirés de la biologie ou de l’agentivité telle qu’on peut l’observer dans le comportement animal. Ce changement de paradigme a conduit à de nouvelles directions esthétiques, axées sur l’incorporation de systèmes dans le monde physique plutôt que la manipulation de symboles dans les systèmes de représentation. Les algorithmes de simulation de la vie artificielle des années 1980-1990, tels qu’on les retrouve chez les artistes Karl Sims et William Latham, ont d’abord exploré les processus de sélection, de mutation et de combinaison inspirés des phénomènes naturels par des approches de l’IA symbolique, basées sur des règles et une logique formelle. Des créateur·trices ont par la suite intégré dans leurs processus esthétiques l’auto-organisation de réseaux de neurones et les méthodes de l’apprentissage machine.
La programmation de l’IA évolutionniste, de son côté, a débuté dans le cadre de l’IA symbolique pour la résolution de problèmes liés à des tâches à réaliser. Ainsi, l’art évolutionniste est interactif et dépend d’une collaboration être humain-machine, car les critères esthétiques ne peuvent être automatisés (Bachimont, 2022). Les esthétiques comportementales inspirées du vivant prennent corps dans la robotique. Rappelons que les fondements de la robotique trouvent leur origine dans la cybernétique et les recherches concernant la neurophysiologie du cerveau ainsi que le comportement animal à partir des années 1950. Les tortues de William Grey Walter pouvaient éviter les obstacles et se diriger vers la lumière en imitant le comportement vivant grâce à un système composé de deux cellules seulement2www.youtube.com/watch?v=wQE82derooc.
Ces recherches ont constitué un terreau fertile pour de nouvelles esthétiques, tel l’art cybernétique amorcé par des pionniers comme Roy Ascott ou Nicolas Schöffer. La première sculpture cybernétique de Schöffer, CYSP 1 (1956), était dotée de cellules photoélectriques et d’un microphone qui la faisaient réagir en temps réel aux variations de lumière, de couleur et de son : montée sur roulettes, elle pivotait et se déplaçait selon ce qu’elle « percevait », dans une autonomie de mouvement et non de dessein. Nicolas Schöffer la fit danser avec la compagnie de Maurice Béjart, notamment sur le toit de la Cité radieuse de Marseille : une machine au comportement imprévisible entrait ainsi dans la coprésence de la scène, réagissant aux mouvements des danseur·euses qui l’entouraient. Le pas de deux était accompagné d’une composition de musique concrète de Pierre Henry. Dès 1956, l’œuvre pose la question qui nous occupe : un comportement adaptatif suffit-il à produire une présence?
Les premiers robots présentaient de nombreuses faiblesses en démontrant peu de capacités d’adaptation à des circonstances changeantes. Dans son article « Elephants Don’t Play Chess » (1990), l’un des pionniers de la robotique, le chercheur du Massachusetts Institute of Technology Rodney A. Brooks, connu pour avoir orienté ses travaux sur le comportement et l’action, affirme que pour que les robots puissent accomplir des tâches quotidiennes, ils doivent reposer sur le couplage sensori-moteur avec l’environnement, en complément du sens proprioceptif, élément essentiel de la coordination entre l’œil et la main. C’est à cette époque qu’on commence à comprendre les liens étroits entre les perceptions sensorielles, la corporéité et l’organisation du cerveau.
L’art basé sur la robotique couplée à l’apprentissage machine suit cette longue filiation. Soulignons qu’il est plus facile pour un robot de gagner aux échecs ou au jeu de go que d’effectuer des tâches qui apparaissent anodines pour un être humain. En suivant les pistes ouvertes par Brooks, les modèles plus récents de la robotique se sont inspirés des comportements animaux, comme ceux des fourmis, plutôt que des comportements humains. Dotés d’un système nerveux rudimentaire, ces insectes manifestent un comportement adaptatif. Leur réponse à l’environnement est instinctive. Ces principes trouvent une expression scénique dans les machines performatives de Bill Vorn et Louis-Philippe Demers, dont les essaims de robots réactifs, déployés sur le plateau, donnent à voir un comportement collectif qui fascine par son apparente vie propre, tout en demeurant dépourvu d’expérience vécue.
Mais si un comportement adaptatif suffit à imiter la vie, il ne suffit pas à l’éprouver : là où le robot réagit à son milieu, l’organisme vivant, lui, l’anticipe. C’est ce pouvoir d’anticipation – la prédiction – qui fera l’objet de la section suivante.
L’homonymie de la prédiction
Nous nous pencherons maintenant sur une hypothèse fondamentale ayant inspiré les méthodes de l’apprentissage machine : le phénomène de la prédiction dans les fonctions cérébrales de l’être humain, qui intervient dans les œuvres performatives comme la musique ou la danse. Selon le modèle du traitement prédictif, développé notamment par Clark, le cerveau fonctionne comme un engin de simulation fondé sur l’anticipation, soit comme une machine d’expérience capable de façonner la réalité et de créer des mondes (Berthoz, 2013). Autrement dit, il médiatise notre expérience du monde et du soi en partant des perceptions sensorielles et de la phénoménalité, qu’il amalgame à nos représentations internes. Dans ce cadre, la réalité dont nous faisons l’expérience est pour une large part construite à partir de ces prédictions3Ce cadre unifie de nombreux résultats, mais il est aussi débattu : sa portée explicative et sa réfutabilité même font l’objet de discussions (Litwin et Miłkowski, 2020). Nous le mobilisons comme modèle heuristique et non comme un fait établi.. L’information sensorielle, traitée par des processus largement automatisés et distribués plutôt que localisés en un siège unique, est en permanence confrontée aux modèles internes qui l’interprètent – modèles simulés dont émergent les significations, nos interprétations du monde et les manifestations mêmes de la créativité.
Selon Clark, « le cerveau est un moteur de prédiction puissant et dynamique, médiateur de notre expérience du corps et du monde4« […] the brain is a powerful, dynamic prediction machine, mediating our experience of both body and world ». Cette citation a été traduite par nos soins. » (2023 : quatrième de couverture). Autrement dit, nous ne percevons pas le monde « tel qu’il est » : il est sans cesse façonné par ces prédictions, lesquelles anticipent de façon proactive les signaux de notre corps ou de l’environnement en comparant les informations sensorielles et les simulations antérieures accumulées dans notre mémoire. Ainsi, notre expérience émerge de l’intersection entre ces prédictions et les stimuli sensoriels. Lorsqu’une erreur se produit dans ce jeu de devinette, par exemple si la prédiction ne correspond pas à l’information sensorielle, le cerveau tente d’ajuster son modèle interne, et l’information agit comme une correction afin de mieux correspondre à la réalité, en raffinant le processus. L’information sensorielle rectifie les erreurs de prédiction, mais le siège principal de la représentation passe par de multiples filtres interprétatifs.
Notre perception actuelle du monde ou du soi est donc profondément ancrée dans nos expériences antérieures et les multiples biais qu’elles génèrent. Nous pouvons altérer ces prédictions en recadrant une situation, ce qui en retour module notre expérience même. Ce processus prédictif façonne non seulement nos représentations du monde, mais également notre puissance créative, par notre capacité à imaginer des mondes fictifs. Pour Berthoz, le cerveau est non seulement un simulateur, mais un émulateur de réalité. Autrement dit, l’intelligence biologique découle d’une simulation, à la racine de nos interprétations du monde et du soi ainsi que de nos facultés créatives.
Les œuvres performatives permettent d’exemplifier ce phénomène de prédiction. L’activité musicale est une expérience multimodale et sensorielle, nécessairement entrelacée à une coordination motrice précise, laquelle engage trois fonctions fondamentales dans le cerveau : la temporalité, la séquentialité et l’organisation spatiale du mouvement. L’activité musicale s’anime non seulement à travers l’action des musicien·nes, mais également dans la simple écoute sonore, où se tisse un filet de représentations riches, construit à partir d’associations culturelles ou personnelles et d’émotions liées à nos représentations internes. La stimulation sensorielle de l’audition suscite la mémoire de contextes, d’événements ou de personnes qui s’entremêlent à la perception sensorielle.
La musique est le produit des activités neuronales, soit de la matérialité même du cerveau. En suivant Abraham, l’information acoustique qui nous parvient par les sens est d’abord traitée de façon automatique et inconsciente, avant d’être portée aux régions où s’élabore la signification. Nous répondons alors de manière esthétique aux jeux de la tonalité que nous anticipons – ses tensions, ses résolutions, ses suspensions –, supports de nos expériences d’affects musicaux.
La performance musicale est le résultat d’un couplage étroit entre les régions sensorielles du cerveau (visuel et auditif) et les régions motrices, ce qui permet les prédictions dans la perception musicale et la performance. Ces anticipations dirigent l’attention vers l’événement susceptible de se produire et le moment où il pourrait survenir, en suivant un processus d’adaptation qui prend place lorsque plusieurs musicien·nes jouent ensemble. Les sons imaginés et l’imagination motrice, soit celle de la kinesthésie impliquée dans le mouvement actuel, s’entrelacent.
La danse, quant à elle, est étroitement liée à la musique. Selon Abraham, la proprioception, soit le sens que nous avons de la position et des mouvements de notre corps à travers ses articulations et ses muscles, constitue un sens esthétique au même titre que la vue ou l’audition. Ce sens nous permet de faire l’expérience du corps dans nos mouvements propres, et cette expérience participe à la réponse esthétique à travers l’empathie, la sympathie et la contagion. Chez le·la danseur·euse, l’intelligence se donne à voir dans sa forme la plus nue : elle n’est pas une faculté exécutée par un corps, mais réside dans l’ajustement continu de celui-ci, qui anticipe ses propres sensations. Trois traits la caractérisent, que les arts vivants exposent : elle s’exerce dans un présent irréversible, où l’erreur ne peut être reprise; elle est intercorporelle, accordée en temps réel aux partenaires; et elle est façonnée par la coprésence d’un public dont l’attention modifie le geste même (Sheets-Johnstone, 2011; Fischer-Lichte, 2008).
Selon Clark, le cerveau anticipe le comportement des choses ou la sensation susceptible d’advenir en réponse à une action donnée. En réduisant les erreurs relatives à cette prédiction, l’action ou le mouvement advient. Prédire les effets détaillés d’un mouvement par une inférence active est ce qui cause ce même mouvement. L’action et la perception agissent conjointement afin d’éliminer les erreurs de prédiction. Dès le XIXe siècle, William James (1981 [1890]) affirme que l’action se produit parce que nous nous représentons mentalement son effet. Autrement dit, ce n’est pas l’action elle-même qui cause l’effet, mais la représentation de l’effet qui cause l’action. Ainsi, les mouvements d’un·e musicien·ne ou d’un·e danseur·euse sont guidés par l’imagination du résultat désiré avant son exécution. L’intentionnalité du·de la performeur·euse gère la mécanique physiologique qui conduit à l’effet esthétique souhaité. C’est l’idée même du but, soit sa représentation, qui est cruciale pour obtenir le résultat attendu, pris en charge par les processus moteurs automatiques.
Pour Abraham, la créativité kinesthésique implique la découverte et l’invention d’actions nouvelles. Notre répertoire kinématique informe notre compréhension des intentions lues dans le mouvement d’autrui. L’hypothèse des neurones miroirs a tenté de l’expliquer, mais elle demeure vivement contestée (Hickok, 2014); les études en danse lui préfèrent aujourd’hui la résonance motrice et l’empathie kinesthésique, mieux documentées (Reynolds et Reason, 2012). Se produit une relation fonctionnelle entre la perception et l’action. L’activité neuronale est déclenchée non seulement lorsqu’on exécute une action, mais également lorsqu’on observe une autre personne performer cette action. Abraham pose l’hypothèse que ce phénomène contribue à la compréhension des actions dirigées vers un but, ainsi qu’à des fonctions psychologiques plus complexes, comme leur simulation ou leur prédiction. La seule imagination d’une action pourrait également déclencher cette activité neuronale.
Les relations entre perception et action qu’exemplifient les arts de la performance permettent de penser en retour l’IA. Ses techniques d’apprentissage se sont inspirées de ces principes physiologiques – en particulier du système de la vision –, mais il s’agit encore d’une émulation grossière. Le réseau de neurones artificiel tente d’anticiper l’élément suivant d’une séquence, puis ajuste graduellement les poids de ses connexions, couche par couche, jusqu’à ce qu’un modèle prédictif se dégage des données d’entraînement. Au début, ses prédictions sont très mauvaises; à chaque échec, il corrige légèrement ses poids pour mieux prédire le jeton5Le jeton (token) est l’unité élémentaire que traite un modèle de langage : il s’agit d’un mot, d’un fragment de mot ou d’un signe de ponctuation. Le modèle procède en prédisant, de proche en proche, le jeton le plus probable compte tenu de ceux qui précèdent. suivant, jusqu’à optimiser sa performance. Mais là où la machine n’est corrigée que par l’écart vis-à-vis de ses données d’entraînement, le cerveau humain, lui, voit ses attentes rectifiées par les données sensorielles du monde même. Le mot « erreur » recouvre donc deux opérations de nature différente, et c’est ici que les arts vivants tranchent. L’erreur de prédiction du·de la performeur·euse est indexée sur un corps qui a quelque chose à perdre, soit sur un organisme vivant, exposé sur scène et dans un présent sans reprise, pour qui se tromper compte réellement. L’erreur du réseau, quant à elle, ne mesure qu’un écart à une fonction de perte que l’ingénieur·e a fixée du dehors. La première survient dans un présent irréversible, devant témoins, et devient matière – c’est le déséquilibre rattrapé, le lapsus qui relance, etc.; le modèle, lui, apprend hors ligne, dans un contexte où l’erreur ne coûte ni ne signifie rien. Le cerveau anticipe les sensations d’un corps situé; le modèle, le prochain jeton d’un corpus. Prédire, chez l’un, c’est habiter un monde; chez l’autre, c’est extrapoler une distribution. L’homonymie masque une différence de nature, que les arts vivants rendent manifeste.
Cette différence se donne à voir sur la scène même. Dans Autobiography (2017) de Wayne McGregor, un algorithme entraîné sur des décennies d’archives du mouvement du chorégraphe génère, à chaque représentation, l’ordre et la matière des séquences que des danseur·euses vivant·es interprètent. Les deux types de prédictions y coexistent : le modèle recompose une distribution apprise hors ligne; l’interprète, accordé·e à ses partenaires et exposé·e au public, anticipe ses propres sensations dans le présent irréversible du plateau. L’IA y opère non comme créatrice, mais comme partenaire générative dont le·la performeur·euse, seul·e, éprouve et juge les propositions, ce qui révèle précisément ce que la danse ne délègue pas. Cette tension – machine génératrice d’un côté, jugement du·de la performeur·euse de l’autre – soulève une question dont débattent les philosophes et les ingénieur·es : s’agit-il d’intelligence, ou de la performativité d’un simulacre qui, par ses calculs stochastiques, agit de façon virtuose, tel un habile prestidigitateur?
L’écart qui nous sépare de l’IA générale demeure abyssal. La recherche menée sur plusieurs décennies a mis en évidence la complexité de l’intelligence naturelle, telle qu’elle se manifeste notamment dans les expériences esthétiques, dont nous sommes encore loin de saisir toutes les subtilités. Certain·es chercheur·euses (Kurzweil, 2005, 2024; Bostrom, 2014) imaginent pourtant l’arrivée prochaine de la « singularité » : malgré les résultats spectaculaires de l’IAg, qui en font l’ultime simulacre (Bourassa, 2026), le paradigme stochastique et probabiliste qui la sous-tend ne fournit aucune base, théorique ou pratique, pour y parvenir (Boden, 2016; Andler, 2023). Symétriquement, on peut récuser l’hypothèse inverse, celle de pionniers comme Marvin Minsky (1986), qui prêtaient aux opérations neurologiques une nature computationnelle, comme si le cerveau fonctionnait à la manière d’un ordinateur.
Selon Daniel Andler (2023), même si leurs prouesses, qui semblent tenir de la magie, nous éblouissent, les résultats de l’apprentissage machine ne peuvent pas être tenus pour des précurseurs de l’intelligence. En effet, au-delà des promesses utopiques, un large consensus se dégage au sein de la communauté scientifique quant au fait que les systèmes actuels restent limités à des tâches étroites et ne peuvent être appliqués à des problèmes pour lesquels ils n’ont pas été entraînés (Audry, 2021). De plus, ces systèmes sont dépourvus de sens commun. Dans le domaine artistique, cette limite de la calculabilité se traduit par une incapacité à effectuer, de façon autonome, des choix esthétiques basés sur le jugement subjectif; celui-ci, au fondement de l’expérience esthétique, demeure principalement le fait de l’être humain. Avec l’IAg, nous restons dans l’ordre de l’artifice et du simulacre (Bachimont, 2022).
***
À la question centrale posée en début d’article, trois pistes de réponse se dégagent. D’abord, la créativité machinique relève surtout de l’exploratoire et du combinatoire : elle fait varier des règles sans jugement ni valeur. Ensuite, l’homonymie de la prédiction masque une différence de nature entre l’inférence d’un corps et l’optimisation d’un modèle. Enfin, les arts vivants, par l’irréversibilité de leur présent et la coprésence qu’ils exigent, constituent un lieu où cette différence devient perceptible. Pour les études en arts vivants, l’IA opère comme un partenaire génératif, mais un partenaire qui ne juge ni n’éprouve : à ce titre, elle agit surtout comme un révélateur qui oblige à nommer ce qui, dans le jeu, la danse ou l’improvisation, résiste à la formalisation.
En réfléchissant aux possibilités de mécaniser la pensée, Ludwig Wittgenstein (1953) a proposé une lecture inattendue du test d’Alan Turing. Loin d’y voir une méthode pour évaluer si une machine peut se faire passer pour un être humain, il y décelait plutôt la mesure de ce que les êtres humains ont eux-mêmes de mécanique dans leurs comportements, bouclant le cercle de l’être humain-machine (Bourassa, 2026). Mais l’objection précise notre thèse plutôt qu’elle ne la dément : qu’une part de nos conduites soit automatique ne retire rien à ce que le·la performeur·euse ne délègue pas – le jugement, l’anticipation d’un corps situé, la présence adressée à autrui.
Si l’IA est porteuse de créativité dans le domaine artistique, c’est notamment parce qu’elle nous invite à revisiter, dans une perspective critique, les concepts mêmes de créativité, de jugement esthétique et de conscience afin d’en comprendre les fondements. Les nouveaux territoires qu’elle ouvre se fondent non seulement sur des considérations formelles, mais également sur sa capacité à stimuler l’esprit critique par un regard posé sur ses conséquences environnementales et sociales. D’autres artistes se demandent si l’usage de l’IA en art ne conduirait pas à une perte d’humanité, à une standardisation des esthétiques, ou encore à une dévalorisation des compétences artistiques. Il est important de prendre en considération ces critiques qui nous ramènent aux fondements mêmes de l’activité artistique chez l’être humain.
Cette voie critique, l’art la rend possible parce qu’il est une forme d’expression essentielle qui permet d’aborder les problématiques soulevées dans cet article selon des perspectives différentes de celles de l’ingénierie et de l’industrie. Cette dernière met en évidence les concepts de contrôle et d’optimisation, intrinsèques aux algorithmes d’apprentissage machine, avec toutes les dérives potentielles des approches dominantes sur les plans environnemental et social (Crawford, 2021; Durand Folco et Martineau, 2023). De son côté, en suivant Audry, l’approche esthétique dans les œuvres artistiques se base surtout sur le concept clé d’adaptation provenant des études scientifiques sur le vivant, tout en nourrissant une approche critique, sensible aux questions éthiques et sociales que soulève l’IA.
L’expérience esthétique est-elle possible sans conscience – sans un être capable de la ressentir, à travers ses affects, ses émotions et sa compréhension du monde? Cette question demeure ouverte. Mais elle indique déjà où chercher : non dans la puissance croissante des modèles, mais du côté de ce corps qui prédit, éprouve et s’expose – ce que les arts vivants donnent particulièrement bien à penser.
Notes
- 1Rappelons toutefois, afin d’éviter tout réductionnisme, que les neurosciences produisent surtout des corrélats, que l’imagerie cérébrale a une résolution grossière (BOLD, inférence inverse), et que le passage du corrélat à l’explication reste ouvert. ↩︎
- 2
- 3Ce cadre unifie de nombreux résultats, mais il est aussi débattu : sa portée explicative et sa réfutabilité même font l’objet de discussions (Litwin et Miłkowski, 2020). Nous le mobilisons comme modèle heuristique et non comme un fait établi. ↩︎
- 4« […] the brain is a powerful, dynamic prediction machine, mediating our experience of both body and world ». Cette citation a été traduite par nos soins. ↩︎
- 5Le jeton (token) est l’unité élémentaire que traite un modèle de langage : il s’agit d’un mot, d’un fragment de mot ou d’un signe de ponctuation. Le modèle procède en prédisant, de proche en proche, le jeton le plus probable compte tenu de ceux qui précèdent. ↩︎


