SIGNAL #02 L’IA n’a pas inventé le problème du prompt
Il y a quelque chose d’assez fascinant dans la manière dont l’intelligence artificielle a remis le mot prompt au centre des conversations.
Depuis quelques années, on nous explique qu’il faut apprendre à parler aux machines. Trouver les bons mots, structurer ses demandes, préciser ses intentions. Certains en ont même fait un métier.
Dans le fond, on n’a pourtant rien inventé.
Dans nos métiers, ça s’appelle un brief.
Le problème n’a jamais été de trouver les bons mots.
Dans la création sonore et musicale, on passe une bonne partie de notre temps à traduire des intentions.
Un réalisateur veut quelque chose de « plus organique ». Une agence cherche une musique « émotionnelle, mais pas trop ». Un scénographe imagine un environnement sonore « immersif, sans être envahissant ».
Ces demandes, on les connaît bien.
Elles ne sont pas mauvaises. Elles sont simplement incomplètes.
Parce que derrière « organique », il peut y avoir une matière sonore, une façon de jouer, une imperfection recherchée ou simplement le refus d’une esthétique trop électronique.
Et derrière « émotionnel, mais pas trop », il y a parfois une intention très précise que personne n’a encore réussi à formuler.
Notre travail commence souvent là. Dans la discussion, les références qu’on échange, les premiers essais, les propositions qu’on écarte.
Avec les outils génératifs, cette difficulté devient particulièrement visible.
On peut demander à une IA musicale de produire une composition cinématographique, mystérieuse, évolutive, avec des cordes, des textures électroniques et une montée progressive.
Quelques secondes plus tard, on obtient quelque chose. Parfois même quelque chose d’assez impressionnant.
Mais est-ce vraiment ce qu’on cherchait ?
Pas forcément.
Parce qu’entre une musique qui correspond à une description et une musique qui répond à une intention, il y a souvent un écart considérable.
Préciser, puis éliminer.
Dans notre utilisation des outils génératifs, on retrouve assez souvent deux situations.
Quand les premières propositions ne vont pas dans la bonne direction, on passe beaucoup de temps à préciser ce qu’on veut. On reformule, on ajoute des indications, on essaie de décrire plus finement une texture, une dynamique ou une émotion.
Et parfois, on tourne un peu en rond.
À l’inverse, lorsqu’on commence à obtenir quelque chose de convaincant, le travail change. On cherche davantage à éliminer ce qui ne fonctionne pas.
Une percussion trop présente, une mélodie qui prend toute la place, une évolution harmonique qui nous emmène ailleurs.
Le problème, c’est qu’en demandant une correction, on peut aussi perdre ce qui faisait l’intérêt de la proposition précédente.
C’est une des limites que nous rencontrons régulièrement avec ces outils. Ils permettent de générer énormément de variations, mais il reste difficile d’intervenir précisément sur un élément sans modifier le reste.
Avec un compositeur ou un sound designer, on peut discuter de ce qui fonctionne, isoler un problème, reprendre quelques mesures ou modifier une texture tout en conservant l’essentiel.
Avec une IA générative, on se retrouve parfois à recommencer plusieurs fois pour obtenir une modification qui aurait pris quelques minutes dans notre environnement de production habituel.
Et le temps gagné au départ peut assez vite disparaître.
Quand le prompt ne suffit plus.
Il faut dire que notre travail se prête assez mal aux formats musicaux conventionnels.
On ne cherche pas toujours à produire un morceau avec une introduction, un développement, un refrain ou une conclusion.
On travaille souvent sur des objets sonores beaucoup plus spécifiques.
Une texture qui évolue imperceptiblement pendant plusieurs minutes. Une tension qui s’installe sans jamais véritablement exploser. Une matière sonore qui accompagne le déplacement des visiteurs dans un espace, sans imposer sa propre narration.
Dans ces situations, on atteint assez rapidement les limites des outils génératifs.
Pas nécessairement parce que les résultats sont mauvais. Certains sont même très convaincants. Mais parce qu’on a besoin d’un niveau de précision et de contrôle qu’ils ne permettent pas encore d’atteindre facilement.
On peut passer beaucoup de temps à essayer de décrire une intention musicale extrêmement précise, sans jamais parvenir à obtenir exactement ce qu’on imagine.
Alors qu’on sait très bien comment le construire nous-mêmes.
C’est aussi pour cette raison qu’au studio, nous utilisons davantage ces outils pour explorer rapidement des idées que pour produire nos bandes-son définitives.
Cela ne veut pas dire qu’ils ne peuvent pas nous surprendre.
Il arrive qu’une proposition inattendue, une association de textures ou une direction musicale à laquelle on n’avait pas pensé mérite une écoute plus attentive.
Mais, dans notre expérience, ces accidents heureux se produisent surtout lorsque le brief est encore assez ouvert, que l’intention n’est pas complètement définie.
Quand on sait précisément où l’on veut aller, ils deviennent beaucoup plus rares.
Un usage plus pragmatique.
Récemment, pour l’ouverture d’un musée, nous devions produire une quantité importante de musique dans des délais particulièrement courts.
La direction musicale était déjà bien définie. Nous avions un brief créatif complet, avec des intentions assez précises pour les différentes séquences du parcours.
Habituellement, une partie de ce travail aurait consisté à explorer des catalogues musicaux, écouter des dizaines, parfois des centaines de titres, pour identifier des morceaux susceptibles de correspondre à nos intentions.
Cette fois, nous avons utilisé Suno pour faire autrement.
Nous avons demandé à la machine de générer une grande quantité de propositions musicales à partir de notre brief.
On l’a laissée produire de la matière.
Puis on a écouté, trié, sélectionné les idées intéressantes. Certaines propositions avaient une texture, une couleur ou une dynamique qui correspondaient à ce que nous recherchions.
Nous avons ensuite exporté cette matière, reproduit et retravaillé les éléments retenus, puis remonté l’ensemble pour construire une bande-son originale, adaptée au parcours et à ses contraintes.
Au final, l’IA n’a pas véritablement influencé la direction artistique du projet. Celle-ci était déjà définie.
Elle a surtout remplacé une étape de recherche musicale qui aurait été beaucoup plus longue.
Et dans ce cas précis, ça a très bien fonctionné.
C’est peut-être aussi une manière plus intéressante d’aborder ces outils : ne pas systématiquement leur demander de faire le travail à notre place, mais identifier les moments où ils peuvent réellement nous aider.
Une nouvelle technologie, de vieilles questions.
L’intelligence artificielle modifie incontestablement notre manière de travailler.
Elle accélère certaines recherches, multiplie les propositions et permet d’explorer rapidement des territoires musicaux très différents.
Mais elle ne résout pas automatiquement les difficultés qui existaient avant elle.
Il faut toujours comprendre un brief, interpréter une intention, faire des choix, reconnaître ce qui fonctionne et savoir pourquoi.
Et parfois, savoir s’arrêter.
On parle beaucoup de la qualité des réponses produites par les intelligences artificielles. On parle moins de la qualité des questions qu’on leur pose.
Pourtant, c’est souvent là que tout commence.
Et finalement, après avoir passé pas mal de temps à expérimenter ces outils, on retrouve une difficulté qui nous accompagne depuis toujours dans nos métiers : parvenir à exprimer précisément ce qu’on a en tête.
Ce n’était déjà pas si simple avec des humains.
Ça ne l’est pas nécessairement davantage avec des machines.
31dB — SIGNAL
Observations sur le son, la création et les technologies qui transforment nos métiers.