Un musicien faisait remarquer que le morceau qu’il avait mis six mois à écrire et celui qu’une machine venait de produire en douze secondes arrivaient dans le même dossier, sous le même format, avec la même icône. Rien, dans le fichier, ne distinguait l’un de l’autre.
La remarque paraît anecdotique. Elle pose pourtant la seule question qui restera quand la production ne coûtera plus rien : non pas ce que vaut une chose, mais ce qu’elle a coûté à faire — et comment on le saurait.
Ce que l’industrie a déjà mis en place
En juillet 2026, une coalition inhabituellement large — la fédération internationale de l’industrie phonographique, son homologue américaine, les associations d’indépendants A2IM, WIN et IMPALA, la Recording Academy qui décerne les Grammys, le syndicat d’artistes SAG-AFTRA et la Human Artistry Campaign — a présenté deux mentions destinées aux métadonnées des enregistrements (Info Soir).
- AI-Generated : la totalité ou l’essentiel des éléments créatifs provient d’une IA — morceau produit à partir d’une consigne textuelle, voix ou pistes instrumentales principales générées.
- AI-Assisted : la création reste fondamentalement humaine, l’IA n’étant intervenue que sur des éléments ponctuels comme le mixage ou des effets, les voix et instruments principaux demeurant humains.
La distinction est plus fine qu’un simple avertissement, et c’est ce qui la rend utile : elle admet que l’outil puisse intervenir sans que l’œuvre cesse d’être humaine. Une précision s’impose toutefois — il s’agit d’un cadre annoncé, dont l’adoption est présentée comme progressive et strictement volontaire. Rien n’oblige aujourd’hui une plateforme à l’afficher.
Le standard qui tient dessous
Le mécanisme technique est plus ancien et déborde largement la musique. La C2PA — coalition pour la provenance et l’authenticité des contenus, fondée notamment par Adobe, Arm, Intel, Microsoft et Truepic — définit un manifeste signé cryptographiquement, attaché au fichier (Content Authenticity Initiative).
Ce manifeste peut consigner l’identité du créateur, l’horodatage, les outils et procédés d’édition employés, l’historique des modifications successives, les autres contenus qui ont servi d’ingrédients, et la mention d’un recours à l’IA générative. La signature garantit que l’ensemble n’a pas été altéré. Des rédactions comme la BBC, Reuters ou l’Associated Press s’en servent, ainsi que des fabricants d’appareils photo — Leica, Nikon, Canon.
On notera ce que cette liste contient et ce qu’elle ne contient pas. Elle enregistre des événements — un outil employé, une modification, une date — parce qu’un événement se constate. Elle n’enregistre aucune durée d’attention, parce qu’une durée d’attention ne laisse pas de trace dans un fichier.
Ses promoteurs sont explicites sur la limite : ces informations ne disent pas si un contenu est faux. Elles fournissent un contexte, une attribution, une transparence. Autrement dit, le standard répond à « d’où cela vient » — il ne prétend pas répondre à « ce que cela vaut », et encore moins à « ce que cela a coûté ».
L’autre preuve, celle qui manque
L’intuition du musicien allait plus loin qu’un label. Ce qu’elle appelle n’est pas une preuve d’auteur mais une preuve d’effort : un format qui consignerait le temps passé, les versions abandonnées, les conditions de création — la trace du travail plutôt que celle de la main.
L’idée séduit immédiatement, parce qu’elle restitue une information que le fichier a perdue et que l’auditeur, autrefois, obtenait autrement : par le prix, la rareté, la lenteur, le récit. Toutes ces preuves indirectes reposaient sur la friction. Elles disparaissent avec elle.
On ne mesurait jamais l’effort directement. On le déduisait de ce qu’il rendait difficile.
Pourquoi elle ne tiendrait probablement pas
Trois objections, dont la dernière est la plus gênante.
- Elle se falsifie. Tout ce qui se déclare se simule. Une preuve d’effort mesurée par la machine qui sert à créer serait contournée le jour où elle vaudrait quelque chose sur le marché.
- Elle est intrusive. Consigner le temps de travail, le contexte, à plus forte raison des signaux physiologiques, revient à faire de la création un espace surveillé. Le prix à payer est considérable, et il porte sur le créateur, pas sur la machine.
- Elle présuppose ce qu’elle devrait démontrer. Que l’effort fasse la valeur n’a rien d’évident. Des œuvres majeures ont été écrites en une nuit, des médiocres en dix ans. Récompenser la peine, c’est confondre le coût et le résultat — l’erreur exacte que fait toute comptabilité mal posée.
Ces objections ne disqualifient pas la question ; elles disqualifient la réponse technique. Ce qui reste debout, c’est le constat de départ : nous avons perdu un signal, et nous n’avons pas décidé par quoi le remplacer.
Ce que la friction faisait sans qu’on le lui demande
Le premier volet de cette série soutenait que la friction — l’apprentissage lent, l’erreur, la vérification — était le prix de la compétence, et que le supprimer partout revenait à contracter une dette invisible. La question de la preuve en est le prolongement extérieur.
La friction ne produisait pas seulement de la compétence. Elle produisait aussi de l’information sur cette compétence, lisible de l’extérieur et sans instrument. Un travail difficile se reconnaissait à sa rareté. En supprimant la difficulté, on n’a pas seulement changé la manière de produire : on a supprimé le signal qui permettait de distinguer.
Reste alors une question ouverte, et Maeliom ne prétend pas la trancher. La friction de demain sera-t-elle rendue par la machine, sous forme de métadonnées, de labels et de signatures ? Ou faudra-t-il que des humains la réintroduisent volontairement, dans leurs organisations et dans leur travail, en décidant de ce qu’ils continuent de faire eux-mêmes alors qu’ils pourraient s’en dispenser ?
La première réponse est en cours d’écriture par l’industrie. La seconde n’appartient à personne d’autre qu’à ceux qui dirigent — c’est le terrain de Maeliom Consulting.
Questions fréquentes
Comment savoir si un contenu est généré par IA ?
Le fichier lui-même ne le dit pas. Des mécanismes d’attribution se mettent en place : le standard C2PA attache aux fichiers un manifeste signé qui peut consigner les outils employés et le recours à l’IA générative, et l’industrie musicale a présenté en juillet 2026 les mentions « AI-Generated » et « AI-Assisted », d’adoption volontaire.
Qu’est-ce que la C2PA ?
La coalition pour la provenance et l’authenticité des contenus, fondée notamment par Adobe, Arm, Intel, Microsoft et Truepic. Elle définit un manifeste signé cryptographiquement qui consigne l’origine d’un fichier et ses modifications. Il dit d’où vient un contenu, pas s’il est vrai ni ce qu’il a coûté.
Peut-on prouver l’effort humain derrière une œuvre ?
Pas de manière fiable aujourd’hui. Aucun standard ne mesure le travail humain qu’une œuvre a demandé, et une telle preuve serait falsifiable, intrusive, et fondée sur un présupposé discutable : que ce qui a coûté cher vaut davantage.