ChatGPT
Perplexity
Claude
Gemini
Plus personne ne fait confiance à une image parfaite. Depuis un moment, l'argument derrière chaque nouveau modèle d'image et de vidéo est le même : plus net, plus propre, plus photoréaliste, moins bancal. La résolution ne cesse de grimper, les visages tiennent la route sur plus de scènes qu'avant, et l'éclairage paraît correct d'une manière qui n'existait pas il y a deux ans. Et quelque part au milieu de tous ces progrès, quelque chose d'étrange s'est produit : la perfection technique a cessé d'être ce qui impressionne.
Les photographes ont rencontré cette tension précise avant les modèles génératifs, et la direction qu'ils ont prise est le meilleur aperçu de là où la génération d'images et de vidéos se dirigeait. Alex Cooke, de Fstoppers, a suivre un changement among working photographers away from flawless retouching and toward images that keep their rough edges, things like a missed focus point, an unretouched tear, a hand slightly blurred mid-motion. His argument is that AI didn't just get good at photography, it got good at the specific kind of photography that used to signal skill. Once software can smooth skin, fix a horizon, and match color across a hundred images in the time it takes to make coffee, flawless execution stops signaling that a professional made something and starts signaling that it might have been generated instead. Cooke's point isn't that photographers should get sloppy; it's that the thing a viewer used to read as competence now reads as suspect, tandis que ce qui passait autrefois pour une erreur se lit désormais comme preuve quelqu'un était vraiment là.
Quelque chose de proche se produit au sein même de la génération d'images IA, un cran au-dessus : à mesure que les modèles s'améliorent pour rendre la version objectivement correcte d'un visage ou d'une scène, ils s'améliorent aussi pour ne ressembler à rien en particulier. C'est cette qualité spécifique, lisse et trop symétrique que les gens ont commencé à appeler le « slop IA » au premier coup d'œil. Dominica Baird, responsable du programme business of beauty and fragrance de la SCAD, a souligné que lorsque la photographie a été inventée, les peintres ont passé un moment à essayer de surpasser l'appareil photo en réalisme avant d'abandonner ce combat. Ils se sont plutôt tournés vers l'abstraction, le symbolisme et l'expression : vers tout ce qu'un appareil photo ne pouvait pas faire. C'est à peu près le même basculement qui se produit aujourd'hui, un cran plus haut sur l'échelle, à mesure que l'IA absorbe le « techniquement correct » et que le savoir-faire migre vers la chose spécifique, choisie, légèrement imparfaite qu'un modèle ne générerait pas de lui-même sans que tu le lui demandes.
Ce qui se joue vraiment sous l'esthétique tient moins à l'apparence d'une chose qu'à ce qu'elle prouve. Une image avec un cadrage légèrement décalé, du grain, un plan qui traîne une demi-seconde de trop, se lit comme le résultat de quelqu'un qui prend des décisions : une passe, puis une autre, le choix de garder quelque chose plutôt que de le lisser. Le slop ne semble pas être du slop parce qu'il est moche. Beaucoup de slop est techniquement irréprochable. Ça donne une impression de bâclé parce que ça se lit comme le résultat de un clic, une seule génération, peu importe le soin apporté au prompt derrière. C'est l'imperfection qui dit au spectateur que plus d'une décision s'est jouée entre l'idée et ce qu'il a sous les yeux, et c'est cet écart — entre une simple génération et une génération façonnée — qui fait toute la différence entre un travail qui gagne quelques secondes de l'attention de quelqu'un et du travail qui n'en tire rien.
Le même mécanisme commence aussi à apparaître dans la vidéo, juste avec un temps de retard sur ce que l'image a déjà accompli. La photographie et la génération d'images ont ouvert la voie, et la vidéo cherche encore ses marques, mais elle rattrape assez vite pour que le même vocabulaire figure déjà cette année dans les articles sur le motion design. Le rapport de tendances 2026 d'Envato désigne « l'authenticité par l'imperfection » comme l'un des changements majeurs de la vidéo en ce moment : la caméra à main qui tangue au lieu d'un mouvement lisse sur stabilisateur, des coupes brutes laissées telles quelles plutôt que rognées, des pauses naturelles et des bruits d'ambiance conservés dans le mix, des séquences POV portées et filmées « sans rig, sans setup ». Envato explique franchement pourquoi : « l'imperfection est devenue une esthétique à part entière. Elle signale la confiance, la proximité et l'authenticité. »
Même les entreprises qui créent des outils vidéo IA sont arrivées à la même solution de l'intérieur. Hridaye, invideo's creative director, described their process as adding a touch of blur and a pass of grain until a generated clip reads closer to live-action film, and the reasoning tracks almost exactly with Cooke's argument about photography. As invideo's own explanation puts it, AI frames have "no sensor noise, no chemical structure, no organic imperfection," and that absence is "what reads as 'fake' before you can articulate why."
Rien de tout cela ne fonctionne comme une simple case à cocher, et il faut être honnête sur les limites de l'idée. La stratège en communication Shaunta Garth a a défendu la thèse inverse à propos des marques qui fabriquent l'imperfection exprès : dès que la rugosité devient une formule, appliquée parce qu'un rapport de tendances l'a dit, elle cesse d'être la preuve d'une décision et devient un simple préréglage de plus, exactement aussi creux que la douceur qu'il remplace. Un calque de grain posé sur une première génération autrement intacte reste un rendu en une étape, juste avec un filtre différent, car l'imperfection elle-même était jamais le vrai point. C'est l'itération derrière qui l'était.
Which is the actual craft lesson, for images and video both: the goal isn't imperfection for its own sake, it's a body of decisions a model wouldn't have made on its own. Describe the conditions of capture instead of the result, not "a beautiful portrait" but the specific lens, the specific light, the specific flaw you want in the frame, and do the same with motion: not "cinematic camera movement" but the sway of a hand actually holding something, the pause before someone speaks, the cut that runs a beat long because that's how it happened. Push past the first clean output. The second or third pass, where you start pulling the piece away from its most polished default, is usually where the real decisions live, and that's true whether you're working in GPT Image 2 and Nano Banana Pro or Kling 3.0 and Seedance 2.0.
Rien de tout cela n'est une règle sur ce à quoi le travail par IA devrait ressembler. Une grande partie peut être nette, lumineuse et précise, et c'est aussi un choix légitime, tant qu'il est fait de la même manière : intentionnellement, après quelques passes, pas du premier coup. L'idée n'a jamais été que le net était une erreur. C'est que le net ne prouve plus rien, car un modèle peut te livrer du net sans que tu fasses quoi que ce soit. Les choix qui exigent encore toi, ceux qu'une seule génération ne produira pas sauf si tu y retournes pour les forcer, c'est là que le travail commence à ressembler à quelque chose de personnel, et là que le public décide s'il est vaut le coup d'œil.