Les affiches générées par IA : vers une nouvelle norme graphique ?

Les affiches générées par intelligence artificielle (IA) se multiplient sur Internet et dans les rues, avec des motifs et couleurs standardisés. Elles partagent des traits esthétiques récurrents comme des fonds travaillés, des typographies rappelant le marqueur, des ornements décoratifs, des textes en diagonale, une teinte jaunie et des ombrés multiples. Certains médias évoquent une « pandémie de flyers ChatGPT » ou une « épidémie d’affiches générées par IA », suggérant une homogénéisation visuelle. Mais cette impression est-elle fondée ou simplement amplifiée par une attention accrue à ce phénomène ?

Une méta-analyse publiée en 2026, agrégeant plusieurs études sur la cocréation humain-IA, confirme un effet d’homogénéisation statistiquement significatif. Une autre recherche de l’Université de Washington, portant sur la conception de sites web par IA, observe que ces systèmes ont une tendance intrinsèque à l’uniformisation, reproduisant les conventions stylistiques dominantes de leurs données d’entraînement. Ces travaux valident l’existence d’un style IA reconnaissable, distinct des choix humains intentionnels.

Le philosophe Alexandre Declos, dans un article de 2026, introduit la notion de « biais esthétique » en IA générative : ces modèles privilégient systématiquement certains traits esthétiques (comme la saturation ou les effets spectaculaires) tout en présentant ce biais comme une neutralité. Ce mécanisme contribue à la formation de « bulles esthétiques », où la production artistique et le goût sont homogénéisés. Ce biais explique en partie le style des affiches IA, qui ne résulte pas d’un choix de conception mais d’une préférence structurelle du modèle.

Une norme, au sens réglementaire, implique un choix collectif pour servir un objectif partagé (comme la lisibilité ou la cohérence de marque). Or, les affiches générées par IA résultent d’une convergence statistique, non d’une décision collégiale. Le chercheur Anthony Masure souligne que l’essor récent de ce style s’explique par la capacité des modèles génératifs à intégrer du texte de façon fiable dans l’image, accélérant sa diffusion. Ainsi, il ne s’agit pas d’une norme choisie, mais d’un phénomène émergent.

Une équipe de chercheurs d’Oxford, Cambridge, Toronto et de l’Imperial College a démontré en 2024 que l’entraînement d’un modèle IA sur ses propres productions entraîne des défauts irréversibles, un phénomène nommé model collapse. Ce résultat, d’abord observé sur des modèles de langage, a été répliqué sur des modèles génératifs d’images. Une équipe de l’Université Rice a montré que ces modèles perdent en qualité et en diversité visuelle lorsqu’ils sont entraînés de façon répétée sur leurs propres réalisations, un phénomène appelé « trouble autophagique des modèles ».

Les affiches IA sont aujourd’hui repérables car elles s’écartent des principes de composition graphique classiques. Ce signe (« ceci trahit une fabrication par IA ») pourrait devenir un sens premier (dénotation) à force de répétition, selon le sémioticien Roland Barthes. Ce processus pourrait naturaliser ce style dans nos perceptions, influençant même les repères esthétiques des graphistes. Une enquête de réception serait nécessaire pour valider cette hypothèse, mais elle n’a pas encore été menée.

Les études sur le model collapse identifient des conditions pour éviter ce phénomène : l’injection régulière de données fraîches, humaines et vérifiées, permet de prévenir la dégradation de la qualité des modèles. Par ailleurs, un mécanisme inverse pourrait émerger : un signe devenu trop commun perd sa capacité distinctive, ouvrant la voie à de nouvelles formes de différenciation. L’équipe de l’Université de Washington parle de « friction productive », consistant à réintroduire des points de résistance volontaires dans le processus de génération. Rien n’indique donc que la trajectoire soit irréversible.