Et si le futur de l’intelligence artificielle passait par l’émulation biologique d’un cerveau de mouche ? La start-up EON Systems affirme avoir accompli cet exploit en animant la mécanique neuronale de l’insecte dans une simulation numérique. Derrière les gros titres aux effluves de science-fiction, on parle ici de cloner l’architecture du vivant, loin des IA classiques gavées de données. Vertige scientifique ou habile coup de com’ ?

Imaginez : 140 000 neurones et des dizaines de millions de synapses reproduits à l’identique. Pas dans une boîte de Pétri au fond d’un laboratoire poussiéreux, mais sous la forme de lignes de code. EON Systems prétend avoir modélisé le cerveau d’une mouche du vinaigre pour l’animer à l’intérieur d’un corps virtuel évoluant dans une simulation.

D’un point de vue conceptuel, nous sommes face à un changement de paradigme. On ne parle plus ici de l’IA « classique » fondée sur l’ingurgitation massive de données par machine learning. La démarche est celle de l’émulation biologique : il s’agit de reproduire la structure et la dynamique d’un système vivant pour que son comportement global ressemble à l’original.

Concrètement, la complexité biologique a été remplacée par des unités mathématiques simplifiées capables de recevoir des signaux et de déclencher une impulsion. Ces unités sont reliées selon l’architecture exacte du cerveau réel, puis branchées sur un avatar 3D doté de pattes, d’articulations et soumis à un environnement physique comprenant gravité et collisions.

Le résultat ? Une boucle de perception-action fermée. Le corps numérique heurte un obstacle, des signaux sensoriels remontent au cerveau simulé, l’activité du réseau s’ajuste, et le corps bouge en conséquence. Selon la start-up, la mouche numérique se déplacerait et réagirait d’une manière très proche de son homologue biologique.

Mais rendons à César ce qui appartient aux laboratoires. Pour réussir ce tour de force fondé sur l’émulation biologique, EON ne s’est pas appuyée uniquement sur ses propres découvertes, mais sur un « connectome ». C’est là que se trouve le véritable exploit : la cartographie exhaustive du cerveau de l’insecte. Ce travail titanesque n’est pas l’œuvre exclusive d’EON, mais d’un vaste consortium international réunissant des dizaines d’équipes de neuroscientifiques qui ont minutieusement identifié chaque neurone et tracé ses connexions.

D’un côté, le travail collaboratif de chercheurs de l’ombre cartographiant la biologie. De l’autre, la communication d’EON Systems, qui capitalise sur ces données pour une démonstration technologique ambitieuse, dont la transparence scientifique reste encore à consolider. Sans données ouvertes complètes, sans description détaillée des algorithmes, et surtout sans validation indépendante via des publications évaluées par les pairs, la solidité de l’expérience est difficile à mesurer pleinement. Qui nous dit que ces comportements spectaculaires ne sont pas en partie le fruit de simples réglages ad hoc ajustés par les développeurs ?

C’est tout le paradoxe de cette annonce. Si les promesses de l’émulation biologique sont fascinantes, le storytelling marketing a tendance à s’emballer un peu vite. Parler de « téléchargement de cerveau » ou de « mouche dans la matrice » est redoutablement efficace médiatiquement. Mais ces formulations entretiennent une confusion tenace entre la métaphore séduisante et la réalité technique.

La réalité est nettement plus aride. Il ne s’agit évidemment pas de mettre un cerveau biologique dans une machine. Le modèle de neurone utilisé par la start-up reste très simplifié par rapport à la foisonnante biologie réelle. De plus, le couplage entre la simulation cérébrale et l’environnement physique implique nécessairement des hypothèses et des approximations, car toutes les connexions entre le cerveau et le corps ne sont pas parfaitement connues.

Crier au transfert d’âme ou évoquer la conscience d’une mouche simulée va beaucoup plus loin que ce que les données actuelles permettent de soutenir. La question de la conscience est déjà extrêmement controversée pour les systèmes biologiques ; il est audacieux de vouloir la relier à un simple modèle de connectome.

Faut-il pour autant classer l’expérience d’EON Systems au rayon des anecdotes oubliables ? Sûrement pas. Malgré ces réserves, l’idée de fond ne peut être balayée d’un revers de main.

Tenter d’implémenter un connectome complet, même avec des simplifications, est un formidable laboratoire pour tester des hypothèses concrètes sur le fonctionnement des systèmes nerveux. Cela nous force à passer de la carte statique à la dynamique vivante. C’est un moyen fascinant de vérifier si la stabilité de la marche ou les réflexes d’évitement peuvent émerger d’un modèle qui ne contient, en principe, que l’architecture du cerveau et des règles simples de fonctionnement. Même si la première version est imparfaite, les itérations peuvent améliorer progressivement la fidélité des modèles et enrichir notre compréhension des cerveaux réels. Cette forme d’émulation biologique occupe finalement une zone ambiguë : entre véritable outil de recherche, démonstration technologique ambitieuse et récit futuriste très séduisant.

Si de simples règles d’architecture neuronale permettent de faire émerger des comportements complexes, les implications sont vertigineuses. C’est un miroir tendu vers notre propre condition. Si la mécanique d’une mouche peut (presque) émerger d’un réseau de câbles virtuels, qu’est-ce que cela dit de l’étincelle qui anime le nôtre ? Sommes-nous, au fond, de simples algorithmes biologiques en attente d’être cartographiés ?

© Crédits iconographiques : Les visuels illustrant cet article proviennent des bases de données ouvertes de la recherche scientifique (Consortium FlyWire, revue Nature), croisées avec les modélisations conceptuelles de la start-up EON Systems.

On nous vend une autoroute dégagée vers la super-intelligence d’ici 2030. Le problème ? La route ressemble plutôt à un chantier géant. Entre l’épuisement des données et le mur énergétique, la trajectoire exponentielle de la machine est en train de se fracasser sur la réalité du monde physique.

Vous avez probablement entendu les mêmes prédictions partout. Le pitch est parfaitement rodé : d’ici 2028, l’intelligence artificielle (IA) dépassera l’expert humain, et vers 2030-2032, nous atteindrons une « super-intelligence » (AGI) capable de résoudre tous nos problèmes. Ce scénario, souvent survendu comme une ligne droite ascendante, repose sur un postulat d’une simplicité redoutable : plus on donne de données et de puissance de calcul aux machines, plus elles deviennent intelligentes. C’est ce qu’on appelle fièrement les « lois d’échelle ». Sur le papier, on nous vend une autoroute à grande vitesse vers l’AGI. Le problème, c’est qu’en réalité, la route ressemble plutôt à un chantier géant.

Pour un directeur artistique, un photographe ou un stratège de l’image, cette course technologique s’apparente souvent à un rouleau compresseur. Face à des générateurs visuels capables de pondérer des ambiances lumineuses complexes ou de générer des concepts aboutis en une poignée de secondes, l’horizon créatif semble totalement saturé par l’algorithme.

Oui, mais. La réalité ne se code pas en ligne droite. Une analyse approfondie des rapports récents (2024-2025) issus des laboratoires de recherche, des institutions financières et des géants de la tech dessine un tableau beaucoup plus nuancé. La trajectoire exponentielle percute désormais des murs physiques et économiques très concrets. La course à l’innovation ne s’arrête pas, mais elle va devoir changer radicalement de stratégie. Voici pourquoi le calendrier apocalyptique (ou messianique, c’est selon) pourrait bien être revu à la baisse.

Jusqu’à présent, le carburant de l’intelligence artificielle a été abondant et quasi-gratuit : c’est le contenu produit par l’humanité. Livres, articles, portfolios en ligne, codes sources, conversations. La logique d’ingénierie était purement extractive : ingérer tout l’internet pour apprendre à la machine à parler, à dessiner et à raisonner.

Sauf que nous arrivons au bout du réservoir. Des études récentes projettent que les modèles d’IA auront consommé la quasi-totalité des textes et données publics de haute qualité disponibles dans le monde entre 2026 et 2028. Imaginez : un étudiant surdoué aurait lu tous les livres d’une bibliothèque mondiale en trois ans. Que lui reste-t-il à apprendre ? C’est ce que les chercheurs nomment le Data Wall (le mur des données). Sans cette « chair » humaine fraîche, la progression brute des modèles risque tout simplement de stagner.

Ne cherchez pas, les ingénieurs ne restent pas les bras croisés. Pour contourner l’obstacle, deux stratégies émergent. La première est celle des données synthétiques : l’IA génère elle-même ses propres exercices ou son propre code pour s’auto-entraîner. C’est comme si notre étudiant, n’ayant plus de livres à disposition, créait ses propres théorèmes mathématiques pour continuer à progresser. C’est là qu’apparaît le risque du « workslop » : une IA qui s’entraîne en boucle sur ses propres générations finit par recracher une bouillie visuelle stérile. La seconde voie est l’apprentissage par l’action : au lieu de digérer du texte, les IA commencent à « vivre » et à appréhender le monde physique via la robotique, en analysant des millions d’heures de vidéos de robots manipulant des objets.

Toutefois, si ces solutions sont prometteuses sur le papier, elles sont infiniment plus complexes et coûteuses à mettre en œuvre que le simple siphonnage de pages web. Cela suggère un ralentissement inévitable du rythme de progression. Pour le créateur visuel, c’est un retournement de situation magistral. L’esthétique originale, l’intuition non documentée, cette patte humaine qui n’a pas encore été numérisée ou digérée par la machine, redevient soudain la ressource la plus rare et la plus recherchée du marché.

Si les données sont le cerveau de l’IA, l’énergie en est incontestablement le cœur battant. Et ce cœur est au bord de la tachycardie. L’industrie de l’image soi-disant « immatérielle » repose en réalité sur une infrastructure d’une lourdeur insoupçonnée. Pour entraîner les prochains modèles géants, nous ne parlons plus de quelques mégawatts (la consommation électrique d’un petit quartier), mais de plusieurs gigawatts, soit l’équivalent de grandes agglomérations entières.

Cette soif énergétique sans précédent a donné naissance à des projets aux allures de science-fiction. Microsoft et OpenAI planchent sur le projet « Stargate », un investissement faramineux estimé à 500 milliards de dollars pour construire de nouveaux data centers aux États-Unis. Meta construit « Hyperion », une infrastructure monstrueuse de 5 gigawatts, tandis qu’Elon Musk a déjà mis en service « Colossus », un supercalculateur qui consomme à lui seul autant qu’une ville moyenne.

La question centrale devient alors logistique : comment alimenter ces monstres sans faire exploser les réseaux électriques nationaux ni pulvériser les objectifs d’émissions de carbone ? La réponse prend la forme d’alliances inattendues entre la Silicon Valley et l’industrie lourde. Les géants de la tech investissent massivement dans les petits réacteurs nucléaires modulaires (SMR). Parallèlement, des entreprises comme Crusoe Energy captent le gaz naturel habituellement brûlé en pure perte lors de l’extraction pétrolière (le fameux « gaz torché ») pour alimenter des fermes de serveurs mobiles. C’est une solution d’urgence qui transforme un déchet ultra-polluant en ressource computationnelle.

Mais le principe de réalité est têtu. Construire une centrale nucléaire ou raccorder un data center de plusieurs gigawatts prend des années, voire une décennie complète entre les permis, le coulage du béton et les tests de sécurité. Cette inertie physique, propre au monde matériel, est le grand frein aux projections prophétiques de 2028. On ne décrète pas la construction d’une infrastructure énergétique de cette envergure d’un simple claquement de doigts.

C’est très exactement ici qu’intervient le paradoxe le plus saisissant de notre époque, un contraste absolu entre l’ingénierie humaine et l’évolution naturelle. D’un côté, nos systèmes algorithmiques réclament des volumes d’énergie gigantesques pour espérer monter en puissance. De l’autre, la nature a déjà produit une intelligence extraordinairement efficace avec une sobriété presque absurde à l’échelle des fermes de serveurs.

« Le cerveau humain fonctionne avec quelques watts. Et pourtant, il apprend, relie, imagine, improvise, généralise. Là est peut-être la vraie claque conceptuelle. »

Pour les professionnels qui composent le Studio Laudator, ou pour tout communicant et directeur artistique habitué à jongler avec des contraintes, cette phrase doit résonner comme un véritable manifeste. La fulgurance créative ne provient pas de l’accumulation brute de ressources. Le mimétisme biologique vient doucher le récit industriel dominant. L’évolution n’a pas construit le cerveau humain comme on construit aujourd’hui des clusters de calcul GPU ; elle n’a pas empilé sans fin. Elle a optimisé, raffiné, et produit de l’intelligence par l’organisation, par la hiérarchie de signaux, par la spécialisation et par une économie de moyens stupéfiante. La leçon est claire : l’intelligence véritable ne réside peut-être pas dans la dépense massive, mais dans l’efficience de nos connexions.

Face à ces murs physiques incontournables (données limitées, énergie plafonnée), la recherche mondiale opère un virage stratégique fondamental. Jusqu’ici, la méthode reine était la « force brute » : grossir la taille du modèle et noyer le tout sous les données. Demain, la priorité absolue sera l’efficience.

Les chercheurs s’échinent désormais sur de nouvelles architectures directement inspirées du fonctionnement biologique. Nous voyons par exemple émerger les World Models (Modèles du Monde) : au lieu de se contenter de prédire statistiquement le mot ou le pixel suivant, ces IA tentent de se forger une représentation interne des lois de la physique. Elles simulent des scénarios dans leur « tête » avant d’agir, réduisant drastiquement le besoin d’essais réels coûteux. En parallèle, de nouvelles approches mathématiques basées sur l’énergie permettent aux algorithmes de mieux appréhender ce qui est « plausible », améliorant leur raisonnement logique sans exiger de multiplier la puissance de calcul par dix. Ce pivot d’une intelligence purement quantitative vers une intelligence qualitative est essentiel. Il signifie que les percées de demain viendront de machines plus malignes, capables de faire beaucoup plus avec beaucoup moins.

Ce bouleversement architectural est par ailleurs fouetté par une rivalité géopolitique féroce entre Washington et Pékin. Contrairement à ce qu’on aime penser en Occident, la course n’est pas à sens unique. La Chine, via des acteurs de pointe comme DeepSeek, a récemment démontré sa capacité à concevoir des modèles ultra-performants à une fraction du coût américain, prouvant par là son excellence absolue en matière d’optimisation sous contrainte. Toutefois, les États-Unis conservent un atout géostratégique majeur grâce à leur politique énergétique (dérégulation, accès massif au gaz de schiste et relance du nucléaire), garantissant à leurs champions un accès vital à une électricité abondante. La bataille finale ne se gagnera pas uniquement sur le terrain de l’algorithme le plus brillant, mais sur celui de l’approvisionnement énergétique fiable et durable.

Aurons-nous finalement une super-intelligence artificielle en 2030 ? Les éléments qui s’accumulent sur le bureau des chercheurs invitent à une sérieuse prudence. Si l’émergence d’une IA « de niveau expert » d’ici 2028 reste du domaine du techniquement possible, elle reste conditionnée à la résolution d’équations logistiques d’une complexité folle dans un temps record. Quant à l’arrivée triomphale de la super-intelligence de 2032, elle semble aujourd’hui largement compromise par l’inertie du béton des infrastructures électriques et la saturation mathématique des bases de données.

Cela ne signe en rien l’échec de l’IA, bien au contraire. Nous assistons simplement à la fin de l’enfance naïve de cette technologie, époque grisée par l’illusion adolescente d’une croissance infinie. Nous entrons de plain-pied dans son âge adulte. Une ère où l’ingéniosité, l’efficacité énergétique et la fine stratégie géopolitique deviennent les véritables moteurs du progrès. L’IA de demain sera beaucoup moins une affaire de testostérone informatique et de puissance brute qu’une véritable question de sagesse architecturale.

En tant que créateurs, c’est sans doute le meilleur des remparts contre le syndrome de l’obsolescence programmée. L’industrie technologique lourde est en train de réaliser, non sans douleur, que pour atteindre son « niveau supérieur », elle doit imiter ce que vous faites viscéralement et naturellement chaque jour dans vos studios : tisser des liens inattendus, conceptualiser avec élégance, et générer du sens. Tout cela, en ne consommant que quelques watts d’énergie vitale.

Note sur les visuels : © Création originale du Studio Laudator x Midjourney (Workflow hybride).

Pose ton café et écoute bien, parce qu’on ne va pas parler de la dernière mise à jour de ton logiciel de montage. Vous connaissez ce moment où vous réalisez qu’on ne regarde pas le bon film ? On s’excite sur des bêtas de génération d’images, alors que le vrai scénario est en train d’être écrit par des types qui ne pensent pas en termes de « calques », mais en termes de « réalité ».

Pour bien mesurer l’impact de l’AGI sur les métiers de l’image, il faut d’abord accepter que nous ne parlons plus d’un simple outil, mais d’une mutation sociétale profonde. Dans le brouillage incessant de la tech, certains esprits agissent comme un phare dont le faisceau impose le silence pour mieux recalibrer sa boussole. Demis Hassabis* est de ceux-là. Co-fondateur de Google DeepMind, cet ancien prodige des échecs a bâti les fondations de l’IA moderne. Lors de son récent bilan de fin d’année 2025 avec Hannah Fry*, il a confirmé que nous entrons dans la phase critique, celle où l’IA commence enfin à comprendre les lois physiques de notre monde.

Note : Les termes et noms suivis d’un astérisque (*) sont expliqués en détail dans le Glossaire « Comprendre la Mutation AGI » en fin d’article.

Si vous trouvez que votre IA est géniale pour un rendu 3D mais incapable de compter correctement des colonnes, vous vivez le « fossé de cohérence ». Hassabis nomme cela la jagged intelligence* (intelligence en dents de scie). C’est ce phénomène fascinant où un modèle peut remporter une médaille d’or aux Olympiades de mathématiques, un exploit de niveau doctoral, tout en échouant sur une tâche logique triviale qu’un lycéen maîtriserait.

Ce fossé provient de l’absence d’apprentissage continu* et de problèmes de tokenisation* : le modèle ne « voit » pas les détails individuels, il traite des blocs statistiques. Pour régler ça, DeepMind développe des « mondes simulés » pour apprendre à l’IA l’intuitive physics*, la gravité, la lumière, la résistance des matériaux, afin que ses créations soient physiquement exactes et plus seulement visuellement plausibles

C’est ici que l’impact de l’AGI sur les métiers de l’image devient concret pour votre workflow. Dans notre quotidien, l’hallucination est un bug. Pour Hassabis, via le système AlphaEvolve*, c’est une fonctionnalité stratégique. Pour découvrir des solutions inédites, DeepMind pousse délibérément les modèles à explorer en dehors de leurs connaissances.

Le pipeline futur ressemble à un duo d’agences:
Flash (Le créatif) : Le modèle le plus efficient qui génère des milliers d’idées folles et « hallucine » sans filtre.
Pro (Le DA) : Le modèle le plus puissant qui agit comme critique impitoyable et sélectionne les pépites pour la génération suivante.

Pour Demis Hassabis, une « hallucination » dans un contexte factuel devient de l’« imagination » dans un contexte créatif.

Enfin, la pensée de Demis Hassabis atteint son point le plus vertigineux avec l’abondance radicale*. Si l’IA aide à résoudre les problèmes nœuds racines* comme la fusion nucléaire, l’énergie devient quasi gratuite. Dans ce monde de post-rareté, le travail ne serait plus une nécessité pour survivre, mais un choix.

Hassabis imagine alors une démocratie directe algorithmique* où les citoyens voteraient pour des projets via des crédits d’influence, leur poids augmentant avec leurs succès passés. Mais attention au vertige, si la machine assure notre survie matérielle, quelle devient notre raison d’être ? Le défi majeur sera de déplacer notre quête de sens de la production économique vers l’épanouissement humain, à travers la création artistique, la recherche fondamentale, le sport ou la philosophie.

Il existe une asymétrie vertigineuse entre ces architectes qui conçoivent déjà un monde post-capitaliste et nous, encore prisonniers de nos calques et de nos habitudes analogiques. Si Demis Hassabis a raison, ne serait-ce qu’à moitié, nous ne traversons pas une simple évolution, mais une véritable mutation. L’impact de l’AGI sur les métiers de l’image ne se résume plus à se demander ce que l’intelligence artificielle peut apporter à votre prochain shooting, mais bien à réfléchir à ce que vous souhaitez devenir dans un monde où votre regard n’est plus le seul à savoir “voir”.

Note sur les visuels de l’article :
Infographies conçues via IA générative. Ingénierie de prompts et post-production par le Studio Laudator.

En quelques clics et invites ciselées, tout le monde peut désormais devenir « créateur d’images ». Une révolution démocratique ? Plutôt un grand flou artistique. La frontière entre inspiration spontanée et démarche profonde s’estompe. L’expertise s’effrite, l’originalité vacille. Face à l’avalanche d’images génériques, séduisantes mais remplaçables, l’authenticité devient un mirage, presque suspecte par défaut.

Comme si ce chaos visuel ne suffisait pas, l’IA envoie valser les règles du jeu juridique. Corpus pillés, consentement ignoré, droits envolés : chacun protège sa chapelle comme il peut dans une jungle où la rapidité première sur l’équité. Résultat ? Une crise d’authenticité inédite, chaque œuvre traînant désormais un parfum de doute.

Loin d’aplanir le paysage, l’IA invente une « patte » à elle : styles hybrides, frontières qui s’effacent, mais aussi reproduction automatique de tous les tics du big data. Le prompt façonne le geste, la grammaire machine supplante la pâte humaine. Derrière l’apparence d’une révolution, l’industrie glisse insidieusement vers un classicisme 2.0, où l’originalité s’étiole sous le poids des recettes qui marchent.

L’IA n’est plus un simple assistant, c’est un partenaire imposant. Sa logique façonne nos imaginaires. Elle promet la démultiplication des idées, mais planque aussi la menace d’une normalisation généralisée. Pour les créateurs d’image, l’enjeu a basculé, il ne s’agit plus de dompter la technique, mais de préserver l’intention artistique. Penser plus fort, choisir plus net, porter une vision qui résiste à la tentation du pilotage automatique. Mission impossible ? À vous de trancher.

Le parallèle est évident : Deep Blue pour les échecs, AlphaGo pour le Go, Gemini et GPT-5 pour la programmation. La différence ? Ces modèles n’avaient pas été entraînés spécifiquement pour l’ICPC. Pas de préparation ciblée. Juste de l’intelligence générale appliquée à un terrain inédit.

Deux constats s’imposent : la vitesse, ce que les humains résolvent en heures, l’IA le plie en minutes. Et la généralité, la faculté de transposer son raisonnement à des problèmes inédits, hors bibliothèque connue.

Ce triomphe n’est pas qu’une démonstration technique. Il redéfinit la valeur. Écrire vite un algorithme ne suffira plus : l’IA l’exécute mieux. La différenciation humaine se déplace vers la compréhension des besoins, l’architecture des systèmes, l’arbitrage coûts/risques et la communication avec les équipes non techniques.

Les développeurs deviennent des chefs d’orchestre, guidant des systèmes d’IA pour créer ce qu’aucun individu seul n’aurait pu concevoir.

Ceux qui s’adaptent deviennent des super-développeurs. Les autres décrochent.

Dans la création visuelle, le parallèle est direct. Ce que Gemini a fait au problème C, l’IA générative le fait déjà à nos briefs : ouvrir des angles inattendus, tester en fulgurances, proposer des variations impossibles hier.

La valeur du créatif n’est plus dans l’exécution brute, remplacer un fond, harmoniser une LUT. L’IA l’automatise déjà. Elle réside désormais dans l’orchestration : poser une intention, piloter les outils, affiner le rendu, garantir la cohérence.

Un studio ne gagne plus parce qu’il “clique plus vite”, mais parce qu’il sait scénariser, itérer, sécuriser et donner du sens. L’ICPC 2025 envoie un message clair : la force de l’IA ne supprime pas la créativité humaine. Elle la déplace. Elle oblige à l’élever.

Le divorce est consommé, les alternatives jubilent

Résultat : les créatifs ne se contentent plus de râler sur X, ils agissent. Et le nouvel écosystème logiciel a de quoi séduire :

Affinity et sa suite logiciels (Photo, Designer, Publisher) s’impose comme le concurrent numéro un. Son argument massue ? Une licence perpétuelle. Oui, vous avez bien lu : on achète le logiciel une fois pour toutes. Une hérésie pour les comptables d’Adobe, une bouffée d’air frais pour plus de 3 millions d’utilisateurs.

DaVinci Resolve a déjà cannibalisé le montage vidéo. En proposant une version gratuite d’une puissance insolente, Blackmagic a ringardisé le duo Premiere Pro / After Effects pour une large part du marché, des indépendants aux grosses productions.

Figma, le fossoyeur d’Adobe XD, n’est plus une alternative mais la nouvelle norme du design UI/UX. Collaboratif, fluide, pensé pour le web… il a conquis les agences, les startups et, coup de grâce, les écoles de design graphique.

Adobe, le « papa du design » en voie de boomerisation

C’est peut-être là que se situe le vrai danger pour l’empire. La nouvelle génération de graphistes et de designers ne fait plus ses gammes sur Photoshop ou Illustrator. Elle se forme directement sur Figma, Procreate ou DaVinci. Adobe est en train de devenir le « papa du design » : une référence historique qu’on respecte, mais dont les outils ne sont plus forcément le premier choix. Un peu comme un Nokia 3310 face à un smartphone.

Le message envoyé par le marché est d’une clarté brutale : la créativité ne se loue plus à prix d’or et les jeunes artistes n’ont aucune intention de devenir le carburant gratuit des IA maison. Adobe va devoir sérieusement réviser sa copie et son modèle économique. Sinon, la suite logicielle la plus célèbre du monde finira en pièce de musée, juste à côté du Minitel et des disquettes de sauvegarde.

Le mot de la fin

« À vous, pirates du pixel et hackers de l’imaginaire : cassez les cadenas, explosez les cadres, bidouillez les codes, mixez tout, faites des étincelles. La créativité, ce n’est pas fait pour les timides, alors foncez sans demander le mode d’emploi. » — Déclaration d’une jeune stagiaire du studio Laudator l’an dernier.

Pour les curieux :
Politique de confidentialité d’Adobe
Adobe sous le feu des critiques – MacGeneration
Pourquoi les nouvelles CGU Adobe font débat
Logiciels de création pour professionnels : Affinity
Logiciel de montage vidéo complet : DaVinci Resolve
L’outil de design à interface collaborative : Figma
Le dessin sur tablette : Procreate
Découvrir nos Services IA

Voir également le post précédent :
“Reve Image 1.0”, l’IA sortie de nulle part qui change la donne