Au départ, ces contenus, textes, images, musiques et vidéos, étaient le résultat des siècles de production strictement humaine. Avec l’utilisation de plus en plus importante des IA qui inondent le web de contenus générés à partir de ces données, on peut se demander quel est l’impact culturel d’IA qui commencent à s’entrainer sur une part croissante de leurs propres productions.
Dans une étude de janvier 2026, des chercheurs ont confirmé que les systèmes d’IA générative tendent vers une homogénéisation lorsqu’ils sont utilisés de manière autonome et répétée (Autonomous languageimage generation loops converge to generic visual motifs).
La ruée destructive vers des contenus créés par des humains
Malgré le manque de transparence sur les données utilisées pour l’apprentissage, on se doute que les entreprises qui développent les IA génératives ont des soucis d’approvisionnement en « données fraîches ». Pour exemple, on peut citer le scandale de la destruction des livres d’occasion, rares, anciens ou épuisés, afin d’en extraire des textes rédigés par des humains. Opérant par le biais de sociétés écrans ou de réseaux anonymes d’achat en gros, ils découpent le dos des livres à l’aide de massicots hydrauliques, font passer les pages dans des scanners à haute vitesse, puis déchiquettent les restes physiques (source : Why is Anthropic destroying books?).
Vers une stagnation et homogénéisation culturelle due à l’utilisation généralisée des IA génératives ?
Le danger existe bel et bien, même s’il n’est pas imminent et sans solution. Plusieurs phénomènes sont en cause. En premier lieu, comme je l’ai évoqué précédemment, l’accroissement des contenus synthétiques dans les données d’entrainement constitue un risque de détérioration de la qualité et de la diversité des productions réalisées avec les IA génératives.
En outre, l’homogénéisation intervient avant même qu’il soit question de réentraînement. Le principe même des IA génératives, basées sur le principe des encodeurs-décodeurs pour faire simple, consiste à compresser les données vers ce qui est reconnaissable et familier, facile à régénérer. Cette compression du sens produit dans la majorité des cas des résultats génériques et conventionnels. Un autre problème est la concentration des acteurs et, par conséquent,
d’une majorité des utilisateurs sur quelques systèmes d’IA centralisés et entraînés sur des données culturellement biaisées. Lorsque ces phénomènes sont à l’oeuvre de manière récursive, la qualité et la diversité s’effondrent, car seuls certaines formes de sens arrivent à « survivre», celles qui sont statistiquement les plus probables et génériques.
L’homogénéisation et la stagnation culturelle ne sont pas inévitables.
Plus que jamais il est important de valoriser ce qui est unique et créatif, de soutenir les formes d’expression moins courantes, situées en dehors des courants dominants. Il faut également concevoir de nouveaux systèmes génératifs moins gloutons qui résistent à la convergence vers des résultats médiocres et dénués d’inspiration. Et je reste optimiste : la créativité humaine est résiliante. Les artistes ont toujours trouvé des moyens de résister à l’homogénéisation, et au final de détourner les technologies à leurs
avantages.