IA dans le cinéma : promesse créative ou pari industriel ?
David Ellison compare l’IA à l’arrivée des images de synthèse. Ce que cette promesse change vraiment pour les budgets, les artistes et les studios.
IA et cinéma : la prochaine révolution se jouera aussi dans les budgets
L'intelligence artificielle peut-elle vraiment changer le cinéma, à la manière des images de synthèse ? David Ellison, dirigeant de Paramount Skydance, s'appuie sur cette comparaison lors d'un appel consacré aux résultats de l'entreprise. Son idée est simple : l'IA deviendrait un outil de création, tout en réduisant certains coûts et une partie des risques. Et, ajoute-t-il, elle resterait au service des artistes, pas un remplaçant.
La comparaison avec les effets numériques est séduisante, mais elle mérite d'être décortiquée. Une innovation peut ouvrir des options de mise en scène sans régler, pour autant, les vrais nœuds d'un film : le financement, le récit, l'organisation du travail. Et même si les outils diminuent certaines dépenses, rien ne garantit que l'argent économisé finira par nourrir la création plutôt que la rentabilité ou une hausse du volume de productions.
Alors, qu'est-ce qui est promis, concrètement ? Dans cet article, on revient sur l'argument d'Ellison, les usages possibles de l'IA en production, ce que les budgets peuvent (ou ne peuvent pas) permettre en matière d'histoires plus originales, et les limites que les studios doivent garder en tête. L'enjeu n'est pas de trancher « l'IA est bonne » ou « l'IA est mauvaise ». L'enjeu, c'est de savoir qui gagne du temps, qui prend les risques et qui conserve la main sur l'œuvre.
Pourquoi David Ellison compare-t-il l'IA aux images de synthèse ?
Lors de l'appel sur les résultats de Paramount Skydance, David Ellison a présenté l'IA comme une « libération créative » comparable à l'arrivée des effets numériques. Il rappelle que les images de synthèse et les composites numériques ont permis, dès le début des années 1990, de raconter des histoires qu'il aurait été beaucoup plus difficile de produire autrement. Son exemple : Jurassic Park et Terminator 2.
Le parallèle est parlant, mais il ne veut pas dire que les deux technologies fonctionnent de la même façon. La CGI a surtout changé la fabrication de certaines images et la manière de les représenter. L'IA générative, elle, peut intervenir à plusieurs moments : préparation, recherche visuelle, production, postproduction, doublage ou déclinaison de contenus. Elle peut aussi toucher aux textes, aux images et aux voix qui portent une œuvre. Son périmètre est donc plus large, mais ses résultats dépendent énormément du contexte et de la supervision humaine.
Une analogie utile, pas une prédiction
La comparaison aide à formuler une idée : si un outil rend un effet moins coûteux ou moins complexe, il devient plus facile de tenter des choix de réalisation qu'on n'aurait pas osés avant. Mais l'histoire du cinéma ne se résume pas à l'apparition d'une technologie. Les effets numériques ont aussi demandé des équipes spécialisées, des logiciels, des infrastructures et des arbitrages à chaque étape. Ils n'ont pas supprimé les contraintes : ils les ont déplacées.
Du coup, il faut distinguer :
- La possibilité technique : un outil sait générer une image ou accélérer une tâche.
- La valeur de production : ce qui sort est-il utilisable, cohérent, conforme aux attentes du film ?
- La valeur artistique et commerciale : est-ce que l'usage améliore vraiment l'œuvre - ou sa capacité à toucher un public ?
Si on mélange ces niveaux, on finit vite avec des promesses trop grandes. Une démo impressionnante ne prouve pas qu'un processus complet sera réellement plus rapide, moins cher ou plus créatif.
La vraie question : qui peut désormais prendre un risque ?
Ellison insiste sur la capacité de rendre les budgets « plus digestes », donc potentiellement de financer davantage d'histoires originales. Sur le papier, c'est une promesse économique : si certains postes coûtent moins, un studio pourrait passer le cap de projets qui n'atteignaient pas le seuil de rentabilité attendu.
Mais une baisse de coût ne conduit pas automatiquement à plus de diversité. Elle peut aussi servir à augmenter les marges, raccourcir les délais ou produire davantage de contenus déjà éprouvés. Tout dépend des décisions d'investissement, pas seulement de la performance de l'outil. Et c'est là que l'analogie technologique a une limite : elle dit ce qu'on peut faire, pas forcément le modèle d'affaires qui décidera de ce qu'on fera.
Comment l'IA peut-elle modifier les coûts de production ?
Pour expliquer la pression financière, Ellison cite Terminator, dont la réalisation coûtait à l'époque environ 4 millions de dollars. Il estime qu'une version aujourd'hui, plan par plan, pourrait coûter 60 à 70 millions de dollars. L'idée est de rappeler l'évolution des attentes visuelles et le niveau de coût de fabrication. Mais ce n'est pas une estimation « à budget constant » : méthodes, équipes, marchés et niveau de finition ont changé.
Le chiffre sert surtout à rappeler une évidence : un film n'est pas cher uniquement à cause des effets spéciaux. Les dépenses se répartissent entre développement, préparation, tournage, équipes, décors, postproduction, distribution et promotion. L'IA peut aider sur certains postes, sans effacer la chaîne entière.
Décomposer les coûts plutôt que rêver d'économies vagues
Si l'IA crée vraiment une économie, il faut regarder les tâches une par une. Par exemple : explorer des références visuelles, produire des versions préliminaires de décors, organiser des séquences, accélérer une partie de la postproduction. Oui, cela peut réduire des délais de conception ou fluidifier la communication entre équipes.
Mais l'IA peut aussi ajouter des coûts : licences, calcul informatique, stockage, sécurisation des données, contrôle juridique, vérification des résultats, correction des erreurs. Et un rendu produit vite mais incohérent avec la direction artistique peut demander beaucoup de reprises. Le coût utile, en réalité, n'est pas celui de « générer une image » : c'est celui d'obtenir quelque chose d'approuvé et intégré au film.
Une évaluation pragmatique compare, pour chaque tâche :
- le temps nécessaire avec le processus actuel ;
- le temps de vérification et de correction ajouté par l'IA ;
- les coûts techniques et les licences ;
- les risques liés aux droits, à la confidentialité et à la qualité ;
- la valeur créée pour le film ou l'équipe.
Les économies financent-elles plus d'originalité ?
Le raisonnement d'Ellison peut marcher : réduire le coût de certaines ambitions visuelles peut rendre un projet moins risqué à financer. Un producteur peut tester une séquence, une ambiance ou une idée de décor avant de mobiliser des équipes entières. Ça aide à trancher plus tôt, et à éviter de découvrir trop tard qu'un projet ne tient pas techniquement.
La question, c'est que les studios ne redistribuent pas toujours ces économies comme le voudrait le discours créatif. Si la priorité est la rentabilité à court terme, les gains peuvent soutenir une cadence plus élevée ou réduire les dépenses, sans ouvrir davantage d'espace aux projets atypiques. Pour juger la promesse, il faudra donc observer les choix de portefeuille : quels projets sont financés, combien revient réellement aux équipes, et quels critères servent à sélectionner les œuvres ?
Et pour des producteurs français ou européens, il y a aussi une autre réalité : une structure indépendante peut utiliser ces outils pour préparer un dossier ou visualiser une intention, sans avoir les moyens d'un grand studio. Mais disposer d'un outil ne retire ni l'obligation de financer, ni les contraintes contractuelles, ni la nécessité de préserver une singularité artistique.
Quels usages concrets sont possibles dans un studio ?
Ellison dit que Paramount Skydance développe ses propres outils d'IA et que cela peut faciliter la production, accélérer certains projets et changer les méthodes de travail. Ça ressemble à des objectifs - pas forcément à une preuve que tout est déjà gagné. Pour évaluer, il vaut mieux regarder les tâches et les points de friction, plutôt que de traiter l'IA comme un bloc.
En préparation : tester avant de dépenser
La préproduction est un terrain plutôt logique pour commencer. Des outils peuvent aider à trouver des références, construire des planches d'ambiance, comparer des pistes visuelles. Ils peuvent aider un réalisateur à faire passer une intention à la production, ou permettre à un producteur d'identifier plus tôt une séquence particulièrement coûteuse.
Mais l'intérêt n'est pas forcément de remplacer un artiste conceptuel. Il peut simplement s'agir de réduire le délai entre une idée et une discussion concrète. Et ces images restent des supports de décision : si elles sont présentées comme des résultats « finis », elles peuvent créer des attentes irréalistes sur le niveau de finition, les droits ou le travail nécessaire pour reproduire ce qu'on voit.
En production et en postproduction : accélérer sans lâcher la main
Selon les outils et le projet, l'IA peut aider pour des tâches de traitement d'image, de nettoyage audio, de sous-titrage ou de préparation de versions linguistiques. Certaines étapes répétitives peuvent être automatisées et donc plus rapides. Le point clé, c'est que l'équipe doit pouvoir vérifier le résultat, revenir aux sources et corriger les erreurs.
La traduction montre bien le problème. Une première version automatisée peut faire gagner du temps, mais elle ne garantit ni la précision des dialogues, ni l'adaptation culturelle, ni le respect du jeu d'acteur. En doublage, on ne remplace pas juste un fichier : la voix porte une interprétation, et il y a des droits à gérer. Le gain de temps doit être évalué sur tout le processus, y compris la validation et la rémunération.
Une intégration qui dépend de la gouvernance
Le meilleur outil n'est pas toujours le bon. Si les équipes ne savent pas quelles données peuvent être utilisées, qui valide les résultats, ou comment signaler un contenu généré, le risque peut augmenter au lieu de diminuer. Une politique interne doit préciser les usages autorisés, les responsabilités et les règles de conservation des fichiers.
Un test pilote a aussi intérêt à rester cadré et mesurable : choisissez une tâche précise, comparez au processus existant, impliquez les professionnels concernés et notez ce qui doit être corrigé. Mesurez la qualité finale, le temps total et les coûts, pas seulement la vitesse de génération. Si l'outil améliore un indicateur mais détériore la cohérence artistique ou augmente la charge de travail, le bilan est mauvais.
À retenir pour un projet audiovisuel :
- Commencez par un problème de production concret, pas par la technologie.
- Testez sur un périmètre réversible et représentatif.
- Comptez le temps de contrôle et de reprise dans le coût total.
- Fixez les règles de droits et de confidentialité avant d'importer des contenus.
- Gardez une décision humaine clairement identifiable pour les choix artistiques.
Quels risques pour les artistes et les œuvres ?
Ellison affirme que l'IA restera un outil pour les artistes et ne les remplacera pas. Il évoque aussi l'idée qu'un univers saturé de contenus générés pourrait rendre plus précieuse une histoire réellement construite par des personnes. Sur le fond, il pointe deux enjeux réels : préserver la place du travail artistique et éviter de confondre produire beaucoup avec produire une œuvre qui compte.
Le problème, c'est que ces principes doivent devenir des pratiques. Dire « l'outil ne remplace pas les artistes » ne répond pas, à lui seul, aux questions de rémunération, de consentement, d'attribution ou de répartition des tâches. Si un système utilise des œuvres protégées ou des données issues de professionnels, il faut examiner précisément les règles et les contrats. En Europe, le RGPD encadre notamment les données personnelles, mais il ne règle pas tout ce qui touche au droit d'auteur ou au droit à l'image.
Le risque : réduire un métier à une étape automatisable
Un métier créatif ne se résume pas à produire un élément isolé. Un artiste apporte une intention, une cohérence, une connaissance du médium et une capacité à réagir aux contraintes du plateau ou du récit. Donc oui, automatiser une étape ne rend pas tout le reste inutile.
En revanche, si l'outil sert à réduire les équipes ou à imposer des délais plus courts sans vraie discussion, les professionnels peuvent voir leurs conditions se dégrader, même si on présente la technologie comme une simple assistance.
Le vrai test est organisationnel : est-ce que les équipes sont consultées avant le déploiement ? Les usages sont-ils définis avec les représentants des métiers concernés ? Les gains de productivité donnent-ils des délais plus soutenables, de meilleurs moyens, voire une meilleure qualité de travail - ou bien une baisse des effectifs ? La technologie ne décide pas seule, mais elle peut rendre certaines décisions plus faciles à masquer si tout reste flou.
Authenticité, droits et confiance du public
Le « fait main » peut devenir un argument de différenciation, mais ce n'est pas un passe-droit. Une œuvre peut mêler des outils numériques et un travail artistique réellement important. Inversement, une production très automatisée peut aussi être éditorialement soignée. Le vrai débat se joue moins dans « humain contre machine » que dans la transparence des procédés, le contrôle créatif et la façon dont les personnes représentées (ou imitées) sont traitées.
Pour les studios, les risques sont concrets : utilisation non autorisée d'une image ou d'une voix, fuites de scénarios, erreurs dans des éléments générés, contestation de la provenance des contenus. Des règles de validation et de traçabilité réduisent ces risques, sans les faire disparaître. Les contrats doivent préciser les droits accordés, les usages permis et les responsabilités en cas de litige.
En France et en Europe, la confiance du public et des partenaires peut aussi devenir un facteur économique. Une production qui ne peut pas expliquer comment elle a utilisé l'IA s'expose à des tensions avec les artistes, les diffuseurs ou les spectateurs. La transparence ne doit pas forcément être identique pour chaque usage, mais une politique claire évite de traiter chaque controverse comme une surprise.
Conclusion : juger l'IA sur ses effets réels
La comparaison de David Ellison entre l'IA et l'arrivée des images de synthèse met en évidence une possibilité réelle : des outils nouveaux peuvent rendre certaines idées plus faciles à produire et accélérer des étapes. Mais la promesse d'une créativité « libérée » dépend surtout de décisions humaines, économiques et juridiques. Une techno moins chère ne garantit ni plus d'originalité, ni de meilleures conditions de travail.
La bonne approche, pour un studio, c'est de tester des usages précis, de calculer le coût complet et de clarifier les responsabilités. Pour les artistes, l'enjeu est que l'assistance technique ne serve pas à effacer leur contribution ni leurs droits. Et pour le public, la question reste simple : est-ce que l'outil sert l'œuvre, ou seulement la multiplication des contenus ?
Au final, le plus solide n'est ni l'enthousiasme sans réserve, ni le rejet automatique. Ce qui compte, c'est une expérimentation mesurée, des résultats vérifiables, des règles claires et une décision artistique qui reste, sans détour, entre les mains de personnes.