ChatGPT
Perplexity
Claude
Gemini
Nobody trusts a perfect picture anymore. For a while now, the pitch behind every new image and video model has been the same: sharper, cleaner, more photoreal, less broken. Resolution keeps climbing, faces hold together across more scenes than they used to, and lighting looks correct in a way it didn't two years ago. And somewhere in the middle of all that progress, something strange happened: technical perfection stopped being the flex.
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 proof 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.
What's actually happening underneath the aesthetics is less about how something looks and more about what it proves. An image with a slightly off crop, a grain, a beat that runs half a second too long, reads as the result of somebody making decisions: a pass, then another pass, a choice to leave something in rather than smooth it away. Slop doesn't feel like slop because it's ugly. Plenty of slop is technically flawless. 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 a few seconds of someone's attention and work that doesn't.
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. Envato's own 2026 trend report names "authenticity through 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 about brands manufacturing imperfection on purpose: the moment roughness becomes a formula, applied because a trend report said to, it stops being evidence of a decision and turns into just another preset, exactly as hollow as the smoothness it replaced. A grain overlay dropped onto an otherwise untouched first generation is still a one-step output, just wearing a different filter, since the imperfection itself was never 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.
None of this is a rule about what AI work should look like. Plenty of it should be clean, bright, and precise, and that's a legitimate choice too, as long as it's made the same way: on purpose, after a few passes, not on the first try. The point was never that clean is wrong. It's that clean is no longer proof of anything, because a model can hand you clean without you doing a thing. The choices that still require you, 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.