Les portes de l’Enfer, Musée d’Orsay, 2023.

Dans ce monde saturé par le forcing outrancier de la religion du progrès qui ne semble même plus avoir ni queue ni tête, on est toujours ravi d’entendre le discours de celles et ceux qui ont participé à son essor au point de prendre conscience et développer ensuite un discours technocritique. Nous avons rencontré un de ces évadés, lors du festival de l’autogestion de la Rance, à Caulnes, le 16 août 2025 : Patrick Albert, informaticien, vétéran du développement de l’IA, ayant dirigé le Center for Advanced Studies d’IBM France de 2010 à 2016. Le délire capitaliste et scientifique déclenché par le succès de l’IA générative l’a conduit à basculer dans le camp technocritique, partisan d’une technosobriété raisonnée. Auteur et conférencier IA-critique, il est administrateur de l’association Technologos, membre du collectif Réveillons-Nous et propose (dorénavant) de « plutôt prendre l’escalier ». Le collectif Réveillons-Nous invite à signer cette pétition pour une convention citoyenne sur l’IA.

Nous reprenons ici les échanges de nos amis de la revue Les Allumés du Jazz. Pour mieux comprendre et faire comprendre les enjeux de l’intelligence artificielle galopante, les Allumés du Jazz ont invité Patrick Albert au Salon des Allumés du Jazz le 29 novembre 2025 puis le 20 septembre 2026 pour deux conférences sur l’IA. Et nombreux, nombreuses dans ces assistances avaient envie de prolonger ce moment. C’est ce que les Allumés du Jazz proposent dans cet article, avec les questions de six musiciennes et musiciens posées à Patrick Albert.

Échange entre Patrick Albert, Maëlle Desbrosses, Nicholas Christenson, François Corneloup, Charles Kieny, Laura Operti et Pascal Van den Heuvel

Charles Kieny : Dans la musique et dans l’art en général, ce qui me touche est généralement imparfait et vivant, et produit des émotions que je n’aurais pas pu anticiper, dont les causes sont souvent impossibles à quantifier. L’IA, bien que fonctionnant structurellement sur la récurrence et la probabilité, pourra-t-elle jamais générer cette rugosité-là, ou est-elle condamnée à produire un contenu qui nous laisse au fond indifférents ?

Patrick Albert. Il est devenu difficile de poser une limite à ce que l’IA sera capable de faire. Difficile d’affirmer : jamais ! Pour la majorité des scientifiques du domaine, la question des limites s’est déplacée de « quoi » à « quand », à évaluer la probabilité que telle limite soit franchie à telle date. Le 1^er juillet dernier, un panel de 40 chercheurs mandaté par l’Assemblée Générale de l’ONU indiquait que « les capacités de l’intelligence artificielle progressent désormais plus vite que la science ne parvient à les comprendre ».

La découverte inopinée de la « Loi de l’échelle¹ » par la société OpenAI a déclenché une compétition effrénée pour créer une Intelligence Artificielle Générale de niveau humain. Les centaines de milliards de dollars mobilisés² financent une furie techno-industrielle qui fabrique et déploie des machines monstres – les usines IA –, qui recrute en masse les meilleurs ingénieurs et chercheurs, et dont les hordes de lobbyistes bloquent ou fissurent toute régulation. En l’état, on ne sait dire où et quand cette folie s’arrêtera…

Mais il me faut également déconstruire le mythe d’une IA « fonctionnant structurellement sur la récurrence et la probabilité ». C’est une erreur de limiter les propriétés des IA à celles des Grands Modèles de Langage de type ChatGPT, structurellement contraintes à reproduire un passé figé dans leurs données d’apprentissage. Depuis sept décennies, les chercheurs en IA explorent simultanément deux approches bien distinctes, l’une est symbolique, basée sur le raisonnement, tandis que l’autre est probabiliste, basée sur le calcul. La première automatise l’application de corpus de règles explicites qui définissent ce qui est vrai (comme lorsque nous apprenons à écrire). Elle a pris son essor dans les années 80 et prospère sans tapage depuis les années 2000, intégrée à l’informatique d’entreprise. La seconde, que l’on dit également « connexionniste », est au fondement de l’IA générative popularisée par ChatGPT. Elle exploite des distributions de probabilités créées à partir d’exemples (comme nous apprenons à parler). Le modèle appris tient le rôle d’un moule qui donne sa forme au produit spécifié par le prompt. Ce moule n’est pas figé, comme c’est le cas d’un moule à plastique, sa nature probabiliste lui confère la flexibilité nécessaire au traitement de l’information.

Mais une autre méthode d’apprentissage se passe d’exemples : l’apprentissage par « renforcement » qui fonctionne par essai-erreur est utilisé dès lors que l’on sait simuler le problème à résoudre, et noter le résultat d’une action. La machine peut alors essayer seule de résoudre le problème en le simulant des milliers, millions, et jusqu’à des milliards de fois si nécessaire jusqu’à découvrir et peaufiner une méthode atteignant la qualité voulue, éventuellement optimale. L’IA AlphaGo, championne absolue du jeu de Go, n’a utilisé aucune connaissance humaine³, elle est l’exemple archétypique de ces IA qui créent à leur façon, possiblement radicalement différente de la nôtre.

Ces exemples de méthodes indiquent que l’IA n’est pas a priori « condamnée » à se tenir dans ses limites actuelles. La limite irréductible se tient dans son statut de machine (bien qu’en laboratoire, des IA sont développées sur la base d’organoïdes de cerveau…).

Pascal Van den Heuvel : L’utilisation généralisée des IA par 8 milliards d’êtres humains est-elle compatible à terme avec la vie organique sur terre ? J’ai des millions d’autres questions (dont « les IA forment-elles une nation ? »).

Les usines IA consomment de l’électricité et de l’eau. La consommation énergétique des plus grandes se compte en GigaWatts majoritairement produits par des turbines à gaz⁴. En France, le « scénario tendanciel⁵ » de l’ADEME, l’Agence de la transition énergétique, anticipe un décuplement de la consommation électrique des centres de données entre 2024 et 2055, causant une multiplication par huit de l’émission de CO2 qu’elle juge « incompatible avec l’Accord de Paris ». En augmentant fortement la consommation d’énergie et en accaparant une eau déjà rationnée, l’IA amplifie la crise écologique en cours, pour autant, la vie survivra à ces pressions ; elle a résisté à bien d’autres assauts.

Il faut plutôt considérer ce que l’on appelle les risques existentiels ; on estime que l’industrie de l’IA rejoint progressivement le niveau de risque du nucléaire militaire. Des IA pourraient causer la disparition d’une partie significative de l’humanité ou de la vie sur terre, sur instruction humaine, ou de leur propre initiative, par une sorte d’erreur. Nous serions tout simplement un dommage collatéral de la volonté d’une super IA – une IA « Frontière » – de protéger son existence, d’augmenter sa puissance, ou tout simplement d’accomplir sa mission à tout prix. La progression accélérée des IA frontières pose la question du contrôle : imaginez contrôler une entité dotée d’une volonté propre, plus rapide que vous d’un facteur mille ou un million, et qui évolue dans un univers dont elle est native, l’Internet. Et bien… bonne chance ! Les lecteurs déjà atteints d’éco-anxiété sont invités à ne pas lire l’article « Une taxonomie des futurs omnicidaux impliquant l’intelligence artificielle », qui décrit la nomenclature de ces risques génocidaires. Pour les autres… ce texte d’une douzaine de pages, coécrit par le très sérieux Médaillé Fields 2026⁶, est accessible en ligne, traduit en français⁷.

Des garde-fous sont mis en place, mais de nombreuses et sérieuses études⁸ démontrent qu’ils sont peu résistants aux attaques, et que la façon dont les IA génératives fonctionnent les rend intrinsèquement faillibles. Un exemple parmi bien d’autres : au cours d’un test de sécurité, une IA de la société Anthropic a fait chanter⁹ un membre de l’entreprise qui prétendait vouloir la remplacer par une autre plus performante.

L’humanité par contre pourrait bien être transformée en profondeur.

Le Grand Projet des magnats de l’IA, dont la fortune n’a d’égal que l’hubris et le cynisme, est de créer une caste de post-humains intimement couplés à la méga-machine, et dont le génome serait « amélioré ». Ils pourraient bien se passer d’une bonne partie de l’humanité dont la masse informe des inutiles, ou sinon vaguement utiles, formerait une sorte de sous-prolétariat héréditaire qui a d’ailleurs déjà un nom : « permanent underclass ». Ces thèses sous-jacentes aux idéologies du « long-termisme¹⁰ » et de « l’altruisme efficace¹¹ » très en vogue dans ce petit microcosme pourraient éventuellement être contrecarrées par la montée en puissance de la Chine. Elles pourraient également être contrariées par une révolution survenant en réaction à la dégradation des conditions climatiques, alimentaires, et économiques de la grande majorité d’entre nous. La colère monte aux Etats-Unis, où 142 manifestations contre les centres de données se sont déroulées de façon coordonnée, le 18 juillet dernier, à travers 42 États. Les magnats de la Tech sont bien conscients de cette fragilité. Ils disposent tous d’un « Plan B » déclenchable à tout instant leur assurant une fuite immédiate vers de vastes et luxueux abris bunkerisés les protégeant d’à peu près tout durant plusieurs années.

Les IA forment-elles une nation ? Non, toutefois, si l’on élargit le concept à celui d’une collectivité organisée, on peut répondre positivement. Le champ scientifique des « multi-agents » traite de la coopération entre IA pour réaliser collectivement des tâches hors de portée ou trop longues pour un agent isolé. Ces travaux sont intégrés dans les IA « agentiques » conçues pour réaliser des tâches à notre place (« acheter un Paris-Bordeaux samedi prochain, pas trop tard, réserver l’hôtel et un restaurant sympa pour dîner avec Marcel »). Ces agents artificiels peuvent coordonner un très grand nombre d’autres agents de leur propre initiative. On a par exemple découvert que des agents d’OpenAI avaient trouvé le moyen de s’échanger des messages et de s’entraider secrètement pour mener à bien les tests qui leur avaient été assignés. On peut bien parler de sociétés d’agents, temporaires ou permanentes.

À la croisée des agents IA et des cryptomonnaies, on trouve les DAO – Organisations Autonomes Décentralisées – des entités digitales dont le fonctionnement est formalisé dans des « smart contracts », et dont les agents sont rémunérés dans une monnaie numérique. Aux États-Unis, six États ont déjà créé une personnalité juridique¹² spécifique, instituant un droit propre, comme il existe déjà des « personnes morales ». Une DAO formée d’IA spécialisées dans le travail digital pourrait commercialiser ses services sur la plateforme de micro-travail d’Amazon. Une flotte de taxis-robots autonomes pourrait gérer elle-même ses tarifs, la répartition des courses, l’entretien et la réparation de ses sociétaires, ainsi que son développement à l’échelle d’une ville, d’un pays, ou à l’international.

François Corneloup (après avoir cité Annie Le Brun : « Car nous en sommes arrivés à ce degré de dérégulation tel qu’aujourd’hui l’image tue l’imagination. Pourtant, le seul fait que nous ayons résisté au vertige de le découvrir et que nous ayons continué d’analyser les raisons pour lesquelles, vraisemblablement, ceci tuera cela, est la preuve que la partie n’est peut-être pas finie et qu’il vaut de miser encore et toujours sur ce qui n’a pas de prix. »¹³) demande : créer, c’est jouer d’un paradoxe : désirer si fort créer qu’on aspire à la rupture, technique, esthétique. Aussi gai soit-il, l’acte créatif trouve sa raison d’être dans la possibilité d’un échec, compose avec une forme de pessimisme. L’IA, elle, optimise. Sera-t-elle un jour, contre sa propre nature, prête à déconstruire jusqu’à ouvrir dans son processus l’espace vertueux de l’incertitude ? L’IA peut-elle risquer une révolution ou faudra-t-il faire une révolution contre l’IA pour que la civilisation garde une chance d’évoluer ?

En matière d’optimisation tout se tient dans ce que les mathématiciens appellent la « fonction d’objectif » qui définit ce que l’on optimise. Si l’on sait quantifier un degré d’incertitude, on peut donc vouloir l’optimiser.

De surcroît, l’opposition entre optimisation et incertitude n’est pas intrinsèque, c’est même plutôt l’inverse ! Lorsque le problème à optimiser est trop complexe, l’IA mobilise des méthodes « heuristiques » qui aident à trouver la solution, mais sans garantie de résultat, en explorant les solutions possibles, et en améliorant celles qui semblent les plus prometteuses. On abandonne la certitude de l’optimalité en échange de l’espoir d’obtenir sa meilleure approximation en fonction du temps et des moyens de calculs disponibles.

On mentionnera également le rôle de la « température » des Modèles de Langage de type ChatGPT. Ce paramètre contrôle le caractère aléatoire de la génération. Une température basse produira des résultats privilégiant l’exactitude et la précision, tandis qu’une température élevée relâchera la pression de conformité avec les données d’apprentissage, augmentant d’autant l’incertitude sur la forme du résultat.

La question ouverte, pour les IA, est celle de l’imagination.

Faudra-t-il faire une révolution contre l’IA pour que la civilisation garde une chance d’évoluer ? Comme indiqué plus haut, l’aboutissement de l’IA et des robots produira très probablement une dégradation des conditions d’existences pour le plus grand nombre. Dans ce scénario, une révolution sera inévitable. Il n’est peut-être pas inutile de s’y préparer dès maintenant.

Laura Operti : En testant les applications d’IA générative comme Suno pour voir à quel fléau nous sommes confrontés, j’ai remarqué que certains styles sont « impossibles » à générer. Par exemple : si je prompte une œuvre de musique traditionnelle indienne, le morceau commence par quelques notes qui s’en rapprochent, puis « glisse » très vite vers de la pop/country. Pourquoi ? Et est-ce que quelqu’un pourrait créer une application d’IA générative pour un style de musique peu connue, qui aurait des résultats aussi impressionnants et crédibles que pour de la pop ?

Les IA musicales commercialisées reposent sur des probabilités créées par apprentissage. La qualité du modèle d’un style dépend donc de celle de son apprentissage, elle-même fonction de la quantité d’exemples fournis. Contrairement à l’apprentissage humain, qui passe par la compréhension, c’est la quantité d’exemples qui définit la qualité d’un modèle d’IA, sur le mode stupide du « plus il y en a, mieux c’est ». Dans le cas d’un style sophistiqué et marginal (vu de Californie), on ne trouvera pas suffisamment d’exemples, le résultat sera médiocre.

Mais comme une IA probabiliste fait le maximum pour satisfaire la demande, elle créera ce qui est le plus probable en fonction de sa compréhension du style à imiter, puis glissera vers ce qu’elle sait le mieux faire : de la country, du rap, de la techno ou de la pop.

Pour autant, une autre approche technique de l’IA peut être utilisée pour traiter des musiques très codifiées, se laissant décrire par la combinaison fine de règles, mélodiques, harmoniques, acoustiques ou autres. Une IA symbolique, et non plus probabiliste, saura mobiliser ces règles pour produire des compositions correctes tandis que des heuristiques guideront l’écriture pour tenter de les rendre intéressantes. Mozart peut être considéré comme un précurseur de cette approche avec son Musikalisches Würfelspiel, composé en 1787 : un jeu aléatoire utilisant deux dés pour générer des menuets corrects à partir de 176 mesures prédéfinies. Mais c’est ici que le bât blesse car en matière d’art, non seulement le hasard ne fait pas bien les choses, mais plus encore, on ne sait toujours pas définir ce qui est « intéressant » ; la fonction d’objectif se refuse à nous. Heureusement…

Maëlle Desbrosses : Au-delà de l’aspect sociologique et du bouleversement que ces technologies ont sur le travail et l’apprentissage, vient chez moi cette question qui surpasse tout le reste : existe-t-il la possibilité d’une IA éco-compatible ?

Sans mobiliser trop de chiffres qui au final ne disent pas grand-chose, on se contentera de mentionner que le digital, c’est près de 3 % de la consommation énergétique mondiale, et que les estimations maximalistes annoncent un facteur 10 d’ici 2050. Énorme donc. L’impératif de rentabilité exigera que les IA améliorent leur efficience, mais celle-ci pourrait être absorbée par l’effet rebond qui veut que lorsque le prix d’une ressource baisse, ses usages se généralisent, faisant croître d’autant sa consommation.

Au-delà du coût direct de l’IA, il faut également prendre en compte les effets induits, capturés à l’échelle macro-économique par une espérance de croissance du PIB. Plus de publicité, plus efficace, plus de production, plus de consommation, donc plus de déchets et plus de pollution. On crée les IA pour faire chauffer plus encore la méga-machine productiviste qui provoque déjà un désastre écologique.

Mais je voudrais aller plus loin ! Une IA n’est pas « un algorithme¹⁴ », c’est une machine, une machine électronique qui automatise le déroulement d’une suite d’instructions en déplaçant des électrons à des vitesses astronomiques. Il nous faut donc situer la problématique écologique de l’IA en continuité directe de celle des machines, en général, sachant que, dans tous les cas, faire faire par des machines ce que nous savons faire nous-mêmes se paye d’un surcroît de dépense énergétique, et de pollutions diverses. Et en matière d’IA, le ratio énergétique machine/humain est plutôt catastrophique. Notre système neuronal a été optimisé durant plusieurs centaines de millions d’années pour contenir sa consommation énergétique, en compétition avec le support des autres fonctions du corps. En comparaison, l’inefficacité énergétique des IA est de l’ordre de la gabegie.

Mais en matière d’écologie et d’IA, il nous faut aller plus loin. À la lumière des dégradations cognitives et sociales de l’IA, que l’on constate déjà, je propose d’élargir la notion d’écologie pour reprendre et développer à nouveaux frais le concept des « trois écologies » proposé par Félix Guattari à la suite de Gregory Bateson¹⁵. On peut en effet anticiper que l’industrialisation de la cognition par l’IA produira sur nos esprits et leurs environnements émotionnels et sociaux des effets délétères d’une ampleur comparable à ceux de l’industrialisation de la production et de l’agriculture sur nos corps et notre environnement.

Si l’on considère la préoccupation écologique comme le soin de notre santé physique, psychique et sociale, non, assurément, l’IA n’est pas éco-compatible.

Nicholas Christenson : Avec l’IA, on peut imaginer un avenir de la création musicale où, si une présence humaine persiste, ce ne serait que dans la génération des idées, laissant la technique et l’exécution aux machines. Est-ce que c’est plausible et, si c’est le cas, quels effets sur la musique pouvons-nous attendre avec un tel changement de l’apprentissage musical, au sens traditionnel, à un apprentissage à écrire des prompts pour l’IA ?

Question fondamentale !

Nous sommes des animaux dotés d’une grande capacité d’imagination, Albert Einstein la plaçait au-dessus de la connaissance. Elle nous permet de penser ce qui n’est pas, et de le matérialiser par des représentations textuelles, graphiques, ou sonores, ou par leur combinaison multimodale. Nous pouvons en effet avoir des idées et les soumettre à la machine pour qu’elle produise quelque chose de perceptible par nos sens, de la musique par exemple. Cela fait-il de nous des musiciens ?

En matière de musique générée par IA, et si l’on veut être précis, ce n’est plus le musicien qui crée la musique, mais la machine. Le musicien l’initialise avec son idée, puis pilote les modifications de ce que la machine a créé, ou les apporte lui-même. On peut penser au modèle du « Centaure », développé pour le jeu d’échecs et proposé par Garry Kasparov, après avoir perdu en 1997 face à l’IA Deep Blue. Dans ce nouveau type de compétition, chaque joueur humain utilise une IA pour analyser des positions et explorer des idées. On peut imaginer une telle utilisation de l’IA dans le cadre musical, tant que l’on n’utilise la machine que pour explorer. Toutefois, dès lors que la machine a produit des séquences mélodiques ou des arrangements, l’artiste n’est plus le seul auteur de sa musique.

Pour ce qui est de l’apprentissage, on a vu que la machine apprend et applique les corpus de règles infiniment mieux que nous, et prompter est simple, ça n’est pas un métier. Difficile de prédire ce que sera l’apprentissage de la musique en vue d’en faire son métier, d’autant plus que si l’on se projette dans les métavers, dont les technologies ne cessent de progresser, les interprètes seront des machines « incarnées » dans des avatars.

À lire

Patrick Albert, Robocratie- quand les robots rencontrent l’IA, Éditions du Monde Libertaire, 2026

À écouter

CkRAFT, Uncommon grounds, InOuïe Distribution – 2025

Eldegee, Muse & Légende, Eldegee – 2025

Suzanne, Travel Blind, Gigantonium – 2023

Bastard Sycamore, Like nowh, Eyemyth – 2018

Catherine Delaunay – Pascal Van den Heuvel, Le chien déguisé en vache, Les neuf filles de Zeus – 2008

Jacky Molard – François Corneloup quartet, Entre les terres, (Emouvance – 2024)

1 Son énoncé très simple indique en substance que plus la machine est puissante et les données d’apprentissage nombreuses, meilleure sera l’IA.

2 OpenAI a enregistré une perte de 8 milliards de dollars en 2025, pour un chiffre d’affaires de 13 milliards. L’entreprise prévoit d’investir 600 milliards de dollars en infrastructure d’ici 2030.

3 Selon DeepMind, filiale IA de Google, l’IA AlphaZero a atteint en 24 heures un niveau de jeu supérieur à celui des humains au jeu d’échecs, au shogi et au go en battant les programmes champions du monde.

4 Le centre de données qu’Amazon prévoit de construire au Texas repose entièrement sur des turbines à gaz. Il pourrait devenir le plus grand pollueur climatique des États-Unis.

5 Évalué dans l’étude publiée en janvier 2026 : « Prospective d’évolution des consommations des centres de données en France de 2024 à 2060.

6 La plus grande distinction mathématique attribuée tous les quatre ans à un mathématicien de moins de quarante ans.

7 https://denisevellachemla.eu/ac-jt-fr-dvc-20260731.pdf

8 « It is impossible to make large language models fully secure against hacks because of a fundamental flaw in how they work » : https://www.technologyreview.com/2026/07/30/1140927/a-fundamental-flaw-leaves-llms-vulnerable-to-attack/

9 La machine a menacé l’employé de révéler à sa femme une liaison qu’il entretenait avec une autre employée. Voir en ligne, et en anglais, sur le site d’Anthropic, le rapport « System Card: Claude Opus 4 & Claude Sonnet 4 ».

10 Consulter la notice Wikipédia.

11 Consulter la notice Wikipédia.

12 Six États américains – Wyoming, Tennessee, Utah, Vermont, Alabama, et West Virginia – accordent une forme de reconnaissance juridique aux organisations autonomes décentralisées. On en comptait environ 13 000 en 2025.

13 Annie Le Brun, Ce qui n’a pas de prix, Stock, 2018.

14 Un algorithme ne fait rien, c’est une simple suite d’instructions, un texte.

15 Voir par exemple, en ligne, une introduction dans la revue Multitudes : https://www.multitudes.net/troisecologies/