L'essentiel des débats sur l'intelligence artificielle dans la fabrique des images — et singulièrement au cinéma — passe à côté d'une évidence : ces machines ne voient rien. Elles parlent. Un modèle de diffusion ne « comprend » une image qu'en la traduisant d'abord en mots, en légendes, en vecteurs de langue. Or il existe un penseur qui, sans jamais avoir tapé un prompt, avait fait du rapport tendu entre la langue et l'image l'obsession de toute une vie : Jean-Luc Godard. Le mettre en regard de ChatGPT n'est pas un jeu d'esprit — c'est une manière de nommer ce que l'IA générative fait vraiment quand elle prétend produire des images.

C'est le pari que tient le critique et théoricien Jean-Michel Frodon, dans un texte publié fin juin par AOC. Sa thèse : la plupart des commentaires sur les effets de l'IA dans la production d'images négligent la nature même du processus — l'omniprésence d'outils linguistiques très particuliers, définis par une langue spécifique. Reprenons ce fil, non pour recopier l'article, mais pour l'éprouver à la lumière de ce que Godard a réellement dit, et de ce que font réellement les grands modèles.

Une machine à images qui, en réalité, parle

Il faut d'abord défaire une illusion technique. Quand un utilisateur demande à un générateur d'images « un chien au bord d'un lac au crépuscule », il n'a pas affaire à un œil artificiel, mais à un système entraîné sur des couples image-légende. Comme le rappelle une synthèse de recherche sur les modèles de diffusion texte-image, ces modèles « apprennent les relations entre images et descriptions » à partir de gigantesques bases de paires légendées, puis mappent le texte dans un espace latent via un encodeur linguistique. Autrement dit : au commencement de l'image générée, il y a une phrase.

Cette dépendance au langage n'est pas un détail d'ingénierie. Les chercheurs eux-mêmes reconnaissent que « les légendes des jeux de données typiques se limitent à des descriptions générales », pauvres en détails sur le sujet, l'entourage ou le style — au point que des équipes d'OpenAI ont dû réentraîner leurs modèles sur des légendes synthétiques plus riches pour que l'image « suive » mieux le prompt. L'image sort du texte, et sa qualité épouse les limites du texte. Ce que la langue ne sait pas nommer, la machine ne sait pas montrer.

C'est exactement là que la rencontre avec Godard cesse d'être une coquetterie. Car s'il est un cinéaste qui a passé sa vie à interroger ce que la langue peut et ne peut pas faire à l'image, c'est lui.

Godard : « la langue ne sera jamais le langage »

En 2018, dans Le Livre d'image, Godard fait entendre une formule qui pourrait servir d'exergue à tout le débat actuel : « Mais la langue ne sera jamais le langage. » Le critique de Diacritik commente : rien n'est aussi commode qu'un mot dans un texte, et pourtant les mots seuls ne peuvent pas contenir le réel. Godard oppose la langue — le système des mots, le lexique, la légende — au langage, cette forme plus vaste où le montage, l'image, le son et le silence produisent du sens ensemble, par juxtaposition et non par description. Le langage, chez lui, atteint « ce qui échappe, ce qui fuit » et que la langue verbale, précisément, ne peut pas rejoindre.

Toute son œuvre tardive tient dans cet écart. Dès 2014, Adieu au langage — Prix du jury à Cannes — joue sur l'ambiguïté du mot « adieu », qui en Suisse romande signifie aussi bien bonjour qu'au revoir. Comme le note Wikipédia, le film dit adieu à une certaine conception du langage cinématographique pour tenter d'« entrer dans le son de la nature », dans l'aboiement du chien, dans ce qui précède ou déborde les mots. Godard ne célèbre pas la langue : il cherche obstinément ce qu'elle laisse dehors.

Or c'est précisément ce dehors que l'IA générative ne peut pas atteindre. Un modèle texte-image ne connaît de l'image que ce qui, d'elle, a déjà été dit. Il est structurellement l'inverse du projet godardien : là où le cinéaste veut faire dire à l'image ce qu'aucun mot ne contient, la machine ne peut restituer que ce que des millions de légendes ont déjà mis en mots. Elle est prisonnière de la langue au moment même où elle prétend produire du langage.

Le montage, ou penser par les rapports

Il y a une seconde raison, plus profonde, de convoquer Godard. Pour lui, penser au cinéma, c'est monter. Si le cinéma est une forme qui pense, sa pensée est « celle des rapports, dont le montage est l'opérateur », résume l'analyse de La Vie des idées consacrée à ses Histoire(s) du cinéma. Le sens ne naît pas d'une image, mais de l'étincelle entre deux images éloignées, brutalement rapprochées. Godard cite, découpe, télescope : chez lui, « les images sont toujours des citations », qu'il s'agisse d'un plan d'arbre ou d'un extrait de western.

On objectera que les modèles de diffusion, eux aussi, procèdent par recombinaison de ce qu'ils ont ingéré — une forme de citation généralisée et anonyme. La différence est décisive. Le montage godardien est une opération de pensée assumée, orientée, signée : il rapproche deux plans pour produire un jugement, fût-il, comme le lui reproche Georges Didi-Huberman dans le même ouvrage, un montage « combattant » qui impose sa conclusion sans la démontrer. La machine, elle, interpole une moyenne statistique : elle vise la plausibilité, la ressemblance, la conformité à la distribution des données. Le montage relie pour faire penser ; la diffusion lisse pour rassurer l'œil. L'un est une intention, l'autre une probabilité.

Cette distinction éclaire ce qui, dans la vague actuelle d'images « IA », sonne souvent creux : techniquement impeccables, elles sont sans rapport — sans ce heurt entre deux termes d'où, pour Godard, jaillit le sens. Elles illustrent une phrase ; elles ne pensent pas contre elle.

Ce que Godard permet de nommer

L'intérêt de la mise en regard proposée par Frodon n'est donc pas de faire de Godard un prophète anti-IA — il est mort en 2022, sans avoir eu à trancher. Il est de nous fournir un vocabulaire pour décrire précisément l'objet. Là où le discours dominant parle d'« images générées par l'IA » comme si la machine voyait, Godard nous oblige à dire : ce sont des images dites avant d'être vues, des images filles de la légende, ancrées dans une langue particulière — le plus souvent l'anglais des jeux de données, avec ses biais et ses angles morts.

Ce déplacement a des conséquences très concrètes, que documente la littérature académique sur langage et IA générative : ce que ces systèmes savent produire dépend de ce que leurs corpus ont mis en mots, et donc des dominations linguistiques et culturelles inscrites dans ces corpus. Une esthétique se moyenne, une langue s'impose, un impensé se reproduit. Penser l'IA générative avec Godard, ce n'est pas opposer nostalgiquement l'artiste à la machine ; c'est refuser de croire au mythe de la machine qui voit, pour la ramener à ce qu'elle est : un extraordinaire, et étroit, dispositif de langue.

Reste la question que Godard, lui, aurait posée en la retournant. Il ne demandait pas ce que le langage dit, mais ce qui, en nous, nous fait dire — et voir. Une machine qui ne peut restituer que du déjà-dit peut-elle jamais faire surgir l'inattendu, ce plan qui déplace le regard ? À cette question, Adieu au langage avait, par avance, opposé son geste : se taire, enfin, et regarder ce que les mots ne savent pas.