💬 NLP

When Algorithms Meet Artists: Semantic Compression and Stake-holder Marginalisation in Public AI-Art Discourse (2013-2025)

Cet article révèle que le discours public sur l'IA et l'art marginalise systématiquement les artistes par le biais d'une « compression sémantique », un processus par lequel les préoccupations de diverses parties prenantes sont réduites à un ensemble limité de sujets dominés par de larges tropes sur la créativité, laissant les revendications réglementaires spécifiques et les expériences vécues des artistes largement absentes des récits qui façonnent la gouvernance de l'IA.

Auteurs originaux : Ariya Mukherjee-Gandhi, Oliver Muellerklein

Publié 2026-07-29

📖 8 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Ariya Mukherjee-Gandhi, Oliver Muellerklein

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous entrez dans une place de village géante et bruyante où tout le monde crie à propos d'une nouvelle invention : l'Intelligence Artificielle. Dans cette place, il y a deux groupes principaux de personnes. Un groupe est celui des « Bâtisseurs », les entreprises technologiques et les scientifiques qui fabriquent l'IA. L'autre groupe est celui des « Utilisateurs », les artistes dont l'œuvre sert à l'apprentissage de l'IA. Les Bâtisseurs sont bruyants et clairs, parlant de la capacité incroyable, rapide et révolutionnaire des nouvelles machines. Ce sont eux qui tiennent les mégaphones.

Mais voici la partie délicate : comment savoir ce que pensent réellement les Utilisateurs ? En science, en particulier lorsqu'on étudie l'interaction entre les humains et la technologie, les chercheurs examinent souvent le « discours public ». C'est une façon élégante de dire « ce que les gens disent dans les journaux, dans les dossiers juridaux, dans les podcasts et dans les articles de recherche ». Ils utilisent un outil appelé « modélisation thématique » (topic modeling), qui est comme une machine de tri ultra-intelligente. Elle lit des milliers de phrases et les regroupe dans des compartiments basés sur leur sujet. Si l'actualité parle principalement de « l'IA comme un outil cool » et de « l'IA comme un monstre effrayant », la machine place ces phrases dans deux grands compartiments.

La grande question posée par cet article est la suivante : si nous écoutons toute la place du village, entendons-nous réellement les Utilisateurs ? Ou le bruit des Bâtisseurs les étouffe-t-il ? Les chercheurs voulaient voir si les opinions complexes, désordonnées et variées des véritables artistes étaient recevant une part équitable du micro, ou si leurs voix étaient écrasées dans un coin minuscule et méconnaissable de la conversation.

Le Grand Écrasement des Voix

Dans cette étude, deux chercheurs ont décidé de jouer à un jeu de « marquage sémantique » pour voir ce qui se passait réellement dans le monde de l'IA et de l'art entre 2013 et 2025. Ils ont rassemblé une pile massive de discussions publiques — 1 736 segments de texte provenant d'articles de presse, de podcasts, de cas judiciaires et d'articles de recherche. Ils ont utilisé leur machine de tri pour organiser cette pile en 20 thèmes différents. Certains thèmes concernaient l'histoire de la technologie, d'autres la philosophie de la créativité, et d'autres encore les droits juridiques des artistes.

Ensuite, ils ont fait appel aux véritables artistes. Ils ont pris les réponses de 252 artistes en activité aux États-Unis (peintres, photographes, écrivains, musiciens et plus encore) qui avaient été interrogés sur leurs sentiments envers l'IA. Ces artistes avaient des opinions très spécifiques et nuancées. Certains pensaient que l'IA était un excellent outil mais un mauvais modèle économique. Certains voulaient être payés pour leur travail ; d'autres étaient prêts à le donner gratuitement. Certains avaient peur ; d'autres étaient curieux. Au total, ces artistes ont exprimé 70 points de vue uniques (ou « cadres ») répartis en cinq domaines principaux : Menace, Utilité, Propriété, Transparence et Rémunération.

Les chercheurs ont ensuite pris ces 70 points de vue uniques des artistes et ont tenté de les « projeter » sur la même carte thématique qu'ils avaient construite à partir de l'actualité publique. Ils voulaient voir : Où les artistes se situent-ils sur la carte ?

Le Résultat Choc : Une Minuscule Île dans un Océan Immense

La réponse fut saisissante. La carte du discours public est immense et variée, remplie de 20 thèmes différents. Mais lorsque les chercheurs ont déposé les voix des artistes sur cette carte, elles ne se sont pas dispersées. Elles n'ont pas atterri dans le compartiment « Droits juridiques » ou « Paiement équitable ». Au lieu de cela, 94,9 % des préoccupations des artistes ont été écrasées dans seulement deux thèmes.

Imaginez cela comme ceci : imaginez une bibliothèque géante avec 20 pièces différentes. Le public parle de tout, de l'histoire des pinceaux à la mathématique derrière l'IA. Mais quand les artistes tentent de parler, ils sont tous forcés d'entrer dans la Pièce 1 et la Pièce 2.

La Pièce 1 est étiquetée « L'IA comme collaboratrice créative ».
La Pièce 2 est étiquetée « Authenticité de l'art par l'IA et créativité humaine ».

Les 15 autres pièces de la bibliothèque, qui constituent 58,2 % de l'ensemble de la conversation, sont complètement vides de voix d'artistes. Ces pièces vides sont celles où le public discute de « Droit d'auteur de l'IA et protection juridique », de « Outils de défense des artistes » et de « Débats sur l'auctorialité de l'art par l'IA ». Le public a une immense conversation sur les artistes dans ces pièces, mais les artistes eux-mêmes n'y sont pas. C'est comme une réunion publique sur votre quartier où le maire, la police et les promoteurs parlent, mais où les résidents réels sont enfermés à l'extérieur du bâtiment.

Ce n'est pas seulement un décalage de style

Vous pourriez penser : « Eh bien, peut-être que les artistes s'expriment différemment. Peut-être qu'ils utilisent des phrases courtes et simples dans les sondages, alors que les journaux utilisent de longs paragraphes sophistiqués. C'est peut-être pour cela qu'ils ne correspondent pas. »

Les chercheurs ont vérifié cela. Ils ont pris l'actualité et l'ont découpée en phrases courtes et simples qui ressemblaient exactement aux réponses des sondages des artistes. Ils ont tenté de faire correspondre le style. Mais même avec un style identique, les artistes ne s'intégraient toujours pas. L'écart ne venait pas de leur façon de parler ; il venait de ce dont ils parlaient. Le discours public ignorait simplement les demandes spécifiques et exploitables des artistes.

Les Quatre Façons dont l'Écrasement se Produit

L'article a découvert que cet « écrasement » se produit de quatre manières sournoises :

L'Exclusion Thématique : Les artistes ne sont tout simplement pas invités à la fête. Comme mentionné, 15 thèmes sur 20 ne comportent aucune voix d'artiste, même si ces thèmes concernent littéralement les droits des artistes et la défense juridique.
La Redirection de Cadre : C'est la partie la plus déroutante. Lorsque les artistes parlent de Propriété (à qui appartient l'art ?) ou d'Utilité (cet outil est-il utile ?), leurs mots sont détournés. Au lieu de tomber dans un thème sur « l'Argent » ou les « Droits », leurs mots sont jetés dans la pièce de l'« Authenticité ». Ainsi, un artiste disant « Je veux posséder mon œuvre » se retrouve regroupé avec un philosophe demandant « Est-ce même de l'art réel ? ». La demande spécifique de propriété se perd dans un débat sur l'esthétique.
La Simplification Binaire : Le public adore les histoires simples : l'IA est-elle une « Menace » ou un « Outil » ? Les chercheurs ont découvert que le discours public force les artistes dans ces deux cases. Si un artiste dit « L'IA est une menace pour mon emploi », le discours public le place dans la case « Menace ». Mais s'il dit « L'IA n'est pas une menace », il est placé dans la case « Authenticité ». La nuance disparaît. La conversation publique n'a pas de place pour un artiste qui dit : « C'est une menace pour mon emploi, mais je l'utilise aussi pour créer des choses cool. »
L'Effondrement de la Voix : C'est le plus complexe. Le discours public regroupe les gens ensemble simplement parce qu'ils se ressemblent, même s'ils veulent dire des choses opposées. Par exemple, la pièce « Collaborateur Créatif » contient des artistes qui adorent l'IA et des artistes qui la détestent, simplement parce qu'ils utilisent tous deux le même ton de « l'artiste inquiet ». Le public voit un groupe d'artistes parler, mais il ne peut pas distinguer que la moitié d'entre eux veut bannir la technologie et l'autre moitié veut la vendre.

Pourquoi cela importe

Les chercheurs sont très clairs : ce n'est pas seulement une étrange coïncidence statistique. C'est un problème structurel. Lorsque les décideurs politiques, les juges et les entreprises regardent l'actualité pour décider de ce que veulent les artistes, ils regardent une image déformée. Ils voient un débat simple entre « l'IA et l'Humain » ou « l'Art et la Technologie ». Ils ne voient pas la réalité complexe où les artistes ont 70 demandes différentes et spécifiques sur la manière dont ils devraient être payés, la manière dont leurs données devraient être utilisées et quels sont leurs droits.

L'article suggère que cette « compression sémantique » signifie que les principales personnes affectées par l'IA (les artistes) sont poussées à la marge de la conversation. Ils sont le sujet de la discussion, mais ce ne sont pas eux qui parlent. La sphère publique a capturé l'idée de l'IA et de l'art, mais elle a échoué à capturer la réalité des préoccupations des artistes. Le résultat est un système de gouvernance qui pourrait établir des lois basées sur une version simplifiée et compressée de la vérité, passant à côté des besoins réels des personnes qu'il est censé protéger.

Résumé Technique : Compression Sémantique et Marginalisation des Parties Prenantes dans le Discours Public sur l'IA et l'Art

Énoncé du Problème
L'article traite d'une lacune critique dans la gouvernance de l'IA générative : l'absence de preuves empiriques quant à savoir si les préoccupations des principales parties prenantes (les artistes) bénéficient d'une représentation proportionnelle dans le discours public qui façonne les politiques de l'IA. Bien que les artistes soient les auteurs primaires des données d'entraînement et les plus susceptibles de subir les impacts disruptifs des systèmes génératifs, leurs points de vue complexes et multidimensionnels sont souvent réduits à des récits binaires (par exemple, « l'IA comme menace » contre « l'IA comme outil ») dans les médias et les débats publics. Les auteurs postulent que le discours public peut systématiquement compresser les diverses préoccupations des parties prenantes en une région étroite de l'« espace de sens », rendant les parties prenantes primaires périphériques par des mécanismes de marginalisation épistémique plutôt que par un silence explicite. Ce phénomène, nommé compression sémantique, risque de fausser les signaux politiques si la gouvernance repose sur le discours public comme substitut aux priorités des parties prenantes.

Méthodologie
L'étude emploie une approche de sciences sociales computationnelles pour cartographier le paysage sémantique du discours public sur l'IA et l'art (2013–2025) et projeter les points de vue des artistes dans cet espace partagé afin de quantifier l'alignement et la divergence.

Construction du Corpus :
- Discours Public : Un corpus multimodal de 125 documents (articles de presse, podcasts, documents juridiques, articles de recherche) a été assemblé via des requêtes de recherche Google ciblées, segmenté en 1 736 segments de texte (~250 mots).
- Données d'Enquête des Artistes : Dérivées de Lovato et al. (2024), capturant 252 artistes pratiquants basés aux États-Unis. Les réponses ont été converties en 1 259 « sondes » déclaratives courtes couvrant 70 cadres uniques à travers cinq dimensions de préoccupation : Menace, Utilité, Propriété, Transparence et Rémunération.
- Contrôles de Style : Pour distinguer la divergence sémantique substantielle de l'inadéquation stylistique (format enquête vs format média), 750 sondes publiques « appariées au style » (phrases déclaratives courtes extraites de documents publics) ont été générées via la similitude de plongement (embedding similarity).
Cartographie et Projection Sémantique :
- Plongement (Embedding) : Toutes les unités textuelles ont été encodées à l'aide de sentence-transformers/e5-large-v2 (1 024 dimensions).
- Géométrie du Consensus : Pour assurer la stabilité, 30 projections UMAP ont été générées avec des graines aléatoires distinctes, et leurs matrices de distance euclidienne par paires ont été moyennées pour créer un espace consensuel de 5 dimensions.
- Projection : Un perceptron multicouche (MLP) a été entraîné pour mapper les plongements de 1 024 dimensions vers les coordonnées de consensus de 5 dimensions. Les sondes des artistes et les sondes publiques appariées au style ont été projetées dans cette géométrie fixe après l'entraînement pour éviter la fuite de données (data leakage).
- Clustering : Les 1 736 segments publics ont été regroupés en 20 sujets distincts via KMeans ( $k=20$ ), sélectionnés via un processus de validation d'hyperparamètres équilibrant les scores de silhouette et la validité des sujets.
Cadre d'Analyse :
- Analyse Distributionnelle : Des tests du Khi-deux, le coefficient de Cramér's V et la divergence de Jensen-Shannon ont comparé la distribution des sondes des artistes par rapport au discours public et aux contrôles appariés au style à travers les 20 sujets.
- Analyse Géométrique : Les distances de centroïdes et les taux de plus proches voisins ( $k$ -nearest-neighbour) ont mesuré la séparation spatiale dans l'espace de consensus 5D.
- Métriques de Compression : L'étude a calculé l'entropie distributionnelle, la couverture thématique et un Ratio de Compression Cadre-Sujet (cadres uniques divisés par les sujets occupés) pour chaque dimension de préoccupation.
- Interprétation des Sujets : Une approche multi-annotateurs (2 codeurs humains + 4 LLM) a synthétisé les étiquettes pour les 20 sujets, les traitant comme des interprétations dérivées du panel plutôt que comme une vérité de terrain.

Résultats Clés
L'analyse révèle une compression sémantique systématique des préoccupations des artistes, où les diverses positions des parties prenantes s'effondrent dans un sous-ensemble étroit de sujets du discours public.

Concentration Extrême : 94,9 % de toutes les sondes des artistes se concentrent dans seulement deux des 20 sujets du discours public : « Authenticité de l'art par l'IA et créativité humaine » (T13) et « L'IA comme collaborateur créatif » (T1). Les 15 autres sujets (représentant 58,2 % du volume du discours public) ne contiennent aucune perspective d'artiste.
Exclusion Thématique : Six sujets explicitement étiquetés par le panel d'annotateurs comme concernant les droits des artistes (ex: « Droit d'auteur de l'IA et protection juridique », « Outils de défense des artistes contre l'IA ») ne contiennent aucune sonde d'artiste, malgré la présence de 532 segments de discours public.
Redirection de Cadre :
- Propriété et Utilité : Les 24 cadres de propriété uniques et toutes les positions d'utilité se rapportent entièrement au sujet T13 (« Authenticité de l'art par l'IA... »). Les revendications substantielles sur les droits de propriété et le travail sont redirigées vers une région du discours pré-cadrée comme un débat philosophique sur l'authenticité esthétique.
- Simplification Binaire : La dimension « Menace » se divise nettement en deux sujets, mais les destinations inversent les positions substantielles : les artistes affirmant que « l'IA est une menace » atterrissent dans le sujet « L'IA comme collaborateur créatif », tandis que ceux affirmant que « l'IA n'est pas une menace » atterrissent dans le sujet « Authenticité ».
- Effondrement de la Voix : Des positions hétérogènes (ex: exiger une rémunération vs offrir un don gratuit) s'effondrent dans le même sujet car elles partagent un « registre d'artiste, à la première personne, préoccupé », occultant ainsi les différences politiques substantielles.
Stylistique vs Sémantique : La divergence est principalement sémantique. Même en contrôlant le style (en comparant les sondes des artistes aux sondes publiques appariées au style), la séparation géométrique s'élargit (la distance entre centroïdes passe de 2,003 à 3,754 unités) et l'effet de taille (Cramér's V) reste élevé (0,734).

Signification et Revendications
L'article prétend fournir la première mesure empirique de la marginalisation épistémique dans le discours de l'IA et de l'art, démontnant que la sous-représentation des artistes est structurelle plutôt qu'incidente.

Mécanisme Structurel : L'étude identifie que la marginalisation opère via un ensemble de mécanismes stratifiés : exclusion thématique, redirection de cadre, simplification binaire et effondrement de la voix. Cela crée un « écart de description » où les revendications des artistes sont traitées comme des contributions à des conversations (ex: la philosophie esthétique) auxquelles elles n'ont pas participé.
Risque de Gouvernance : Les auteurs soutiennent que compter sur le discours public comme substitut aux priorités des parties prenantes pose un risque direct pour la gouvernance de l'IA. Les décideurs interprétant le sentiment public risquent de manquer la complexité politique interne des demandes des artistes (ex: distinctions entre mécanismes d'opt-out, licences et rémunération), menant à des réglementations calibrées contre un « signal compressé ».
Contribution Méthodologique : L'article propose un cadre reproductible pour auditer l'équité de la représentation en projetant les cadres d'enquête des parties prenantes dans l'espace sémantique du discours public. Cette approche dépasse les affirmations normatives de « donner la parole » pour proposer une démonstration mesurable de l'endroit où ces voix se situent (ou sont absentes) au sein de l'écosystème discursif.

L'étude conclut que si la sphère publique a capturé l'enjeu de l'IA et de l'art, elle a échoué à capturer la réalité des préoccupations des artistes, rendant les parties prenantes primaires périphériques dans le discours même qui façonne leurs conditions de pratique.