@Work
Dossier été 2026 : L’IA générative révèle le créatif en chacun de nous
Par Marie Varandat, publié le 02 septembre 2026
Longtemps réservée à des profils experts, la création s’ouvre aujourd’hui à un public beaucoup plus large sous l’effet de l’IA générative. Pour l’entreprise, l’enjeu n’est plus seulement d’adopter ces outils, mais de créer les conditions pour que chacun puisse exprimer et concrétiser ses idées… et faire de cette créativité diffuse un nouveau levier d’innovation.
SOMMAIRE DU DOSSIER :
L’ENTREPRISE AU(X) TEMPS DE L’IA
Vous êtes définitivement fâché avec le dessin depuis les gribouillages de l’école primaire ? Vous n’avez aucun talent pour la musique et vous n’allez certainement pas vous mettre au solfège ? Vous êtes convaincu que produire une image ou une vidéo relève forcément de spécialistes formés ? Il est temps de revoir vos certitudes : l’avènement de l’IA change la donne. Car derrière les inquiétudes qu’elle suscite, elle révèle aussi un potentiel créatif inédit chez des profils qui en étaient jusque-là éloignés, comme en témoigne Vince Buyssens, Senior Creative Technologist chez Loop Earplugs : « En tant que développeur, je n’aurais jamais imaginé participer directement à la création de contenus visuels ou publicitaires. La production d’images ou de vidéos relève traditionnellement du travail de designers, d’artistes ou de réalisateurs. Mais grâce aux modèles génératifs, cette frontière s’estompe : je peux imaginer une scène, la décrire, la générer et l’itérer rapidement. L’IA permet ainsi à des profils techniques comme moi de ‘dessiner’ et de matérialiser des idées, même sans formation artistique… et alors que je n’ai aucun talent pour le dessin ».
La création sort de ses cercles habituels
Maçon auto-entrepreneur, Daniel Baptista illustre également cette dynamique dans un tout autre registre, démontrant que l’impact de l’IA ne se limite pas aux métiers dits intellectuels : « En tant que maçon, je n’aurais jamais imaginé pouvoir ‘montrer’ un chantier terminé avant même de commencer. Aujourd’hui, je prends simplement une photo de l’existant, je décris les modifications dans ChatGPT, et j’obtiens une version transformée que je peux lui présenter. On ajuste ensemble, on teste plusieurs options… Ça change complètement la discussion. Je ne fais pas que construire, je participe aussi à la conception du projet, alors que je n’ai aucune formation en informatique ou en architecture ».
Loin d’être des cas isolés, ces exemples traduisent une tendance de fond confirmée par des recherches. Une étude menée par Harvard, le MIT et le BCG auprès de 758 consultants montre en effet que, sur des tâches créatives comme l’idéation ou la conception de nouveaux produits, l’IA permet non seulement d’enrichir les propositions, mais aussi d’améliorer la qualité des résultats de 40 %.
Plus intéressant encore, ce sont les profils les moins créatifs au départ qui progressent le plus (+43 %).
D’autres travaux conduits par le MIT en collaboration avec Harvard aboutissent à des conclusions similaires dans le domaine du design. En comparant des approches classiques (recherche visuelle, croquis) à des explorations assistées par IA, les chercheurs observent que les concepts générés sont non seulement plus rapides à produire, mais aussi plus aboutis visuellement. Cette matérialisation immédiate permet d’évaluer plus tôt la pertinence d’une idée et d’explorer plus efficacement différentes directions créatives. Autrement dit, l’IA ne se contente pas d’élargir l’accès à la création : elle augmente aussi le potentiel de ceux qui la pratiquent déjà.
La « frontière dentelée » : une IA créative… mais imprévisible
Popularisé par Ethan Mollick (Wharton), le concept de « frontière dentelée » décrit une réalité clé : les capacités de l’IA ne progressent pas de manière linéaire. Les modèles génératifs peuvent exceller sur certaines tâches créatives complexes (idéation, génération visuelle, rédaction) tout en échouant de manière inattendue sur des tâches en apparence plus simples, comme la vérification de faits ou la cohérence d’un raisonnement.
Cette observation rejoint les résultats d’études menées notamment par le BCG, Harvard et le MIT, qui montrent que l’IA peut améliorer significativement certaines performances tout en révélant des limites marquées sur d’autres dimensions.
Cette irrégularité impose un changement de posture : la valeur ne réside plus seulement dans l’usage de l’outil, mais dans la capacité à identifier où il est pertinent. Autrement dit, exploiter l’IA efficacement suppose de savoir naviguer entre ses zones de force et ses angles morts.
La crête dentelée symbolise une frontière irrégulière où les capacités de l’IA fluctuent d’une tâche à l’autre, créant des zones d’excellence et d’incertitude qui s’entrecroisent. Positionné au sommet, l’humain observe et arbitre entre ces deux versants pour décider quand faire confiance, ajuster ou reprendre la main.
Quand le « prompt » remplace la partition
Si l’IA fait ainsi tomber des barrières, c’est parce qu’elle change les règles en déplaçant le curseur de la compétence technique vers la puissance de l’idée. Là où la création d’une image, d’une vidéo ou d’une composition nécessitait jusqu’ici des compétences spécifiques, elle repose désormais sur une interface universelle, le langage… et, au-delà, sur la capacité à exprimer une idée.
Dit autrement, le prompt devient l’acte central de la création : il permet de formuler une vision, charge à l’IA de la traduire en chanson, en poème, en dessin ou même en séquence vidéo. Et l’exercice est d’autant plus efficace que les modèles génératifs s’appuient sur des architectures capables de capter des relations complexes entre concepts, styles, références visuelles ou sonores et contextes d’usage. De fait, ils ne se contentent pas de comprendre une instruction : ils infèrent une intention à partir d’indices parfois implicites (ton, ambiance, registre esthétique, finalité, etc.) et comblent les zones d’imprécision en mobilisant les représentations qu’ils ont apprises, qu’il s’agisse de styles artistiques, de codes narratifs ou de structures visuelles. Ainsi, même à partir d’une description approximative ou incomplète, le « prompteur » est souvent capable d’obtenir des résultats conformes à ce qu’il imaginait. Et si le résultat ne correspond pas exactement à la vision, il peut être affiné, corrigé, enrichi : la création devient ainsi un processus d’itération continue.
Ce fonctionnement s’inscrit dans un principe bien connu du monde du numérique, celui du « plancher bas, plafond haut » (low floor, high ceiling), théorisé notamment dans les travaux sur les outils éducatifs et les environnements de programmation comme Scratch. L’idée est simple : un outil doit être suffisamment accessible pour permettre à un débutant de produire rapidement quelque chose de correct (plancher bas), tout en offrant assez de profondeur pour permettre aux utilisateurs avancés d’explorer des usages beaucoup plus sophistiqués (plafond haut).
L’IA générative applique ce principe, permettant à un novice de générer une image convaincante en quelques lignes, tout en offrant aux professionnels la possibilité de tester des dizaines de variations, d’affiner un style ou de pousser très loin l’exploration créative. Elle abaisse ainsi la barrière d’entrée sans limiter le champ des possibles, élargissant mécaniquement le nombre de personnes capables de créer.
L’intention, nouveau moteur de la créativité
Pour autant, cette démocratisation de la créativité n’a rien de « magique ». Si créer devient accessible à tous et quasi instantané, ce n’est pas l’outil qui fait la différence mais la « qualité » de l’intention qui guide le modèle. D’autant que cette créativité amplifiée par l’IA introduit le risque de l’uniformisation : en s’appuyant sur des modèles entraînés sur des corpus communs, les productions peuvent converger vers des esthétiques similaires.
Dès lors, l’originalité, la performance ou encore la différence créative repose plus que jamais sur la capacité de l’humain à orienter la machine : structurer une réflexion, faire des choix, itérer avec discernement. Cette approche s’inscrit dans la logique de ce que certains chercheurs décrivent comme le modèle « centaure ». Issu des premières formes de collaboration entre humains et machines, notamment dans le domaine des échecs, il repose sur une idée simple : la performance ne réside ni dans l’humain seul, ni dans la machine seule, mais dans leur combinaison. Ce principe a depuis été affiné par d’autres travaux, qui décrivent une collaboration plus dynamique, parfois qualifiée de « frontière dentelée » : une ligne mouvante où les rôles de l’humain et de la machine s’ajustent en permanence, au gré des tâches, des contextes et des niveaux d’expertise. L’enjeu n’est plus seulement de coopérer, mais de savoir, à chaque instant, qui doit faire quoi, et comment tirer le meilleur de cette complémentarité.
Dit autrement, l’IA ne distribue pas le talent : elle en rend l’expression possible, y compris chez des profils qui n’avaient ni les codes, ni les moyens de l’exprimer.
Pour les entreprises, l’enjeu est majeur. Il ne s’agit plus seulement d’innover avec quelques profils spécialisés, mais de capter et d’exploiter la créativité diffuse au sein des équipes. Développeurs, opérationnels, fonctions support… autant de collaborateurs désormais capables de formuler, tester et matérialiser des idées qui, hier encore, seraient restées à l’état d’intuition.
Mais pour transformer ce potentiel en moteur d’innovation, l’entreprise va devoir faire évoluer ses pratiques en formant ses collaborateurs à l’IA et en les aidant à développer des compétences transversales : savoir formuler une intention, structurer une idée, évaluer un résultat, itérer. Autrement dit, il ne suffit pas d’outiller, il faut accompagner cette transformation afin de permettre à tous ceux qui ont quelque chose à dire d’exprimer leur créativité.
Mubert : un modèle qui bouscule les règles des industries créatives
Si des outils comme Suno ou Udio permettent de composer un morceau à partir d’un texte, la plateforme Mubert pousse la logique plus loin en proposant une musique générée en temps réel, à la demande. Ici, pas de catalogue figé : l’utilisateur décrit une ambiance ou un usage (« musique relaxante pour travailler » ou « fond sonore pour une vidéo ») et l’IA produit instantanément une piste adaptée.
Ce modèle ne se contente pas de démocratiser la création : il illustre une évolution plus large des usages. Là où le streaming reposait jusqu’ici sur la distribution d’œuvres existantes, ces approches ouvrent la voie à une musique personnalisée, infinie et contextuelle, directement exploitable, avec des usages simplifiés sur le plan des droits. Mais cette transformation soulève aussi des questions sensibles : à qui appartient une musique générée par l’IA ? Entre les modèles entraînés sur des œuvres existantes, les contributions d’artistes et l’intervention de l’utilisateur, la notion d’auteur devient plus floue.
Au-delà des enjeux juridiques, ce type de modèle pourrait aussi préfigurer des transformations profondes dans l’ensemble des industries créatives.
SOMMAIRE DU DOSSIER :
L’ENTREPRISE AU(X) TEMPS DE L’IA
À LIRE AUSSI :
À LIRE AUSSI :
