Au lendemain de la Seconde Guerre mondiale, le monde a connu l’un des plus grands booms de construction de son histoire. Aux États-Unis, les soldats rentraient chez eux, les villes s'étendaient, les technologies évoluaient et de nouvelles méthodes permettaient de construire plus vite que jamais. Il fallait loger des millions de personnes, développer des infrastructures et répondre à une demande sans précédent. Alors, pour construire rapidement, les architectes et les promoteurs se sont tournés vers un mouvement qui existait déjà depuis les années 1920 : le modernisme.
Le modernisme reposait sur une philosophie assez simple. Des formes géométriques épurées, des surfaces lisses, des palettes de couleurs monochromatiques et une absence presque totale d’ornementation. Mais derrière cette apparente simplicité se cachait quelque chose d’essentiel : une intention. La Villa Savoye de Le Corbusier, comme les réalisations issues du Bauhaus, n'étaient pas simplement des bâtiments aux lignes minimalistes. Ils incarnaient une vision du monde, des principes, une manière de penser l’espace, la fonction et la relation entre l’homme et son environnement.
Seulement, après la guerre, quelque chose a changé. Avec l’urgence de construire, les nouvelles méthodes industrielles et la volonté de produire toujours davantage, cette philosophie s’est progressivement transformée en recette. On ne cherchait plus nécessairement à comprendre pourquoi ces bâtiments avaient été conçus de cette manière. On se contentait de reproduire leurs formes. Encore et encore. Jusqu’à ce que la réflexion qui les avait fait naître disparaisse presque complètement.
Il ne restait alors que des motifs génériques, appliqués mécaniquement à des contextes auxquels ils n’étaient pas toujours adaptés.
Prenez les banques, par exemple. Autrefois, leur architecture était pensée pour transmettre quelque chose. Des façades imposantes, des colonnes massives, des matériaux durables. Tout était conçu pour inspirer la confiance, la stabilité et la sécurité. L’architecture communiquait la fonction du bâtiment avant même que l’on ait franchi sa porte. Puis, progressivement, ces établissements ont commencé à ressembler à n’importe quel autre immeuble de bureaux. Des boîtes de verre et de béton, parfois interchangeables avec un cabinet d’assurance, une administration ou le siège d’une entreprise quelconque.
Et ce phénomène ne s’est pas arrêté aux banques. Il s’est propagé pendant des décennies, jusqu’à devenir une caractéristique presque banale de nos paysages urbains.
Aujourd’hui, nous sommes entourés de bâtiments qui semblent n’avoir été imaginés par personne. Des constructions qui ne racontent rien, qui ne disent rien de leur fonction, de leurs habitants ou de l’endroit dans lequel elles se trouvent. Elles existent parce qu’il fallait construire quelque chose, et parce qu’un modèle préexistant permettait de le faire rapidement.
Ce sont des bâtiments zombies.
Des bâtiments fonctionnels en apparence, mais dépourvus de personnalité, de contexte et, surtout, d’intention.
Et si cette histoire mérite qu’on s’y attarde, c’est parce que nous sommes peut-être en train de reproduire exactement la même erreur. Seulement, cette fois, ce ne sont plus des immeubles que nous construisons, mais des interfaces.
Nous vivons actuellement un nouveau boom de la construction
Un boom numérique, porté par l’intelligence artificielle. Aujourd’hui, presque n’importe qui peut créer un site, une application ou un produit logiciel. Des équipes de trois personnes peuvent accomplir ce qui nécessitait auparavant trente collaborateurs. Des projets qui demandaient plusieurs mois peuvent prendre forme en quelques jours, parfois en quelques heures.
C’est une transformation extraordinaire. Mais derrière cette accélération se cachent des similitudes troublantes avec l’architecture d’après-guerre.
Car à mesure que nous rendons la création plus accessible, nous risquons également de rendre la réflexion qui l’accompagne de plus en plus superficielle.
Le premier problème vient du fonctionnement même des modèles d’intelligence artificielle. Les grands modèles de langage sont particulièrement efficaces pour produire la réponse la plus probable à une demande. Autrement dit, ils savent identifier ce qui a déjà fonctionné, ce qui est populaire, ce qui ressemble aux standards actuels et aux tendances dominantes. Ils excellent dans la reproduction de motifs existants.
En revanche, ils sont beaucoup moins naturellement disposés à comprendre ce qui rend une marque unique, ce qui caractérise profondément ses utilisateurs ou ce qui justifie une décision de design particulière.
Imaginez un site Internet. Une interface propre, un fond clair, quelques cartes aux coins arrondis, des boutons bien disposés, une typographie moderne et des ombres discrètes. À première vue, tout semble parfaitement professionnel. Maintenant, essayez de deviner ce que vend l’entreprise derrière ce site.
Un logiciel SaaS ? Une solution de gestion ? Un outil de productivité ?
Et non. Du barbecue coréen…
Le site n’est pas nécessairement mauvais sur le plan technique. Il peut même être agréable à utiliser. Mais il ne raconte absolument rien de ce qu’il représente. Il ne transmet ni l’expérience d’un restaurant, ni sa culture, ni son atmosphère, ni sa personnalité. On pourrait remplacer le logo par celui de centaines d’autres entreprises sans que personne ne remarque vraiment la différence.
C’est précisément là que commence le problème. L’intelligence artificielle peut produire une interface qui ressemble à un bon site Internet, sans produire une interface qui soit réellement adaptée à ce qu’elle doit représenter.
Et cette capacité à générer quelque chose de crédible nous conduit à un deuxième piège, peut-être encore plus dangereux : la tentation de considérer qu’un travail est terminé simplement parce qu’il en a l’apparence.
Pour comprendre ce phénomène, prenons un exemple beaucoup plus ordinaire : un burrito surgelé : vous rentrez chez vous, vous avez faim, vous sortez un burrito du congélateur. C’est un bloc froid et dur que vous déposez dans une assiette avant de le passer au micro-ondes. Quatre-vingt-dix secondes plus tard, votre repas est prêt. Vous êtes passé de la faim à un déjeuner en une minute et demie. Évidemment, le résultat est loin d’être exceptionnel. La texture est discutable, le goût laisse à désirer et, objectivement, ce n’est probablement pas un très bon repas. Mais la vitesse à laquelle il a été préparé est tellement impressionnante que vous êtes prêt à lui pardonner une quantité absurde de défauts.
Avec l’intelligence artificielle, nous reproduisons exactement ce comportement. Vous écrivez une phrase, vous appuyez sur Entrée et quelques instants plus tard, une interface apparaît. Elle possède de jolis arrondis, des ombres, des animations, parfois même une identité visuelle qui semble cohérente. Tout donne l’impression que le travail a été accompli.
Alors, pourquoi continuer ?
Parce qu’une interface visuellement aboutie peut être en réalité profondément inachevée : Résout-elle seulement le problème de l’utilisateur ? Est-elle adaptée à son contexte ? Se différencie-t-elle des autres produits ? Est-ce que chaque choix a une raison d’exister ?
Ou est-ce simplement un burrito numérique, suffisamment présentable pour que nous oubliions de nous demander s’il est vraiment bon.
Le troisième problème découle directement des deux précédents. Lorsque quelque chose devient extrêmement facile à produire, il devient tentant de le considérer comme jetable.
Si une interface peut être générée en quelques secondes, pourquoi lui accorder autant d’attention ? Pourquoi réfléchir à ses conséquences, à sa maintenance, à son évolution ou à la cohérence qu’elle devra conserver dans plusieurs années ? La facilité de création risque de diluer notre sentiment de responsabilité.
Nous construisons plus vite, mais nous ne prenons pas nécessairement le temps de nous demander qui prendra soin de ce que nous construisons.
Et lorsque ces trois phénomènes se combinent, la reproduction de modèles génériques, l’illusion du travail terminé et la disparition progressive du sentiment de responsabilité, nous obtenons quelque chose qui ressemble étrangement à certains ensembles immobiliers construits en Turquie. Des centaines de maisons presque identiques, alignées les unes à côté des autres, comme si un même modèle avait été copié et collé jusqu’à remplir le paysage.
Le risque, pour le numérique, est de créer exactement la même chose.
Des interfaces zombies
Des produits monotones, interchangeables, sans personnalité et sans véritable attention portée à ceux qui les utilisent. Des interfaces qui fonctionnent peut-être, mais qui semblent vides. Des interfaces qui ont tous les signes extérieurs d’un produit terminé, sans nécessairement posséder ce qui fait la valeur d’un produit réellement bien conçu.
Et ce problème est d’autant plus important que nous passons désormais une immense partie de notre vie éveillée devant des écrans.
Nous ne voulons pas simplement des logiciels qui fonctionnent. Nous voulons des logiciels qui donnent le sentiment que quelqu’un s’est réellement soucié de notre expérience.
Parfois, cette attention se manifeste à travers des détails minuscules. Une petite animation qui donne de la vie à un assistant comme Grok Bot. Une icône de calendrier qui affiche réellement la date du jour dans l’onglet du navigateur. Un détail tellement discret que nous pourrions l’utiliser pendant des années sans jamais y réfléchir, mais qui traduit pourtant une intention très claire : quelqu’un a pensé à nous.
Ce genre de décision ne vient pas simplement d’une bonne maîtrise technique. Il vient d’une compréhension du contexte, des besoins et des problèmes potentiels de l’utilisateur, même lorsque cet utilisateur est lui-même un agent logiciel. Et c’est ce qui distingue un produit conçu avec attention d’un produit simplement assemblé.
Et contrairement à ce que l’on pourrait penser, l’intelligence artificielle n’empêche absolument pas de créer ce genre d’expérience. Elle peut même nous aider à en créer davantage. Mais pour cela, il faut changer notre manière de travailler.
Tout commence par une chose qui peut sembler évidente, mais qui devient fondamentale à l’ère de l’IA : avoir un point de vue. Et si vous n’en avez pas, l’intelligence artificielle en choisira un pour vous. Ce point de vue sera probablement une combinaison de ce qui existe déjà, de ce qui fonctionne statistiquement et de ce qui a été populaire par le passé.
Il faut donc savoir ce que représente votre marque. Ce qu’elle cherche à accomplir, ce qu’elle veut apporter à ses utilisateurs, la relation qu’elle souhaite construire avec eux et les valeurs qu’elle veut transmettre. Ces réponses constituent la base de vos standards de qualité.
Cette réflexion a toujours été importante dans le design, mais elle devient absolument indispensable lorsque la conception d’un produit n’est plus réservée à une équipe spécialisée.
Aujourd’hui, les responsabilités sont distribuées. Des développeurs, des designers, des chefs de produit et des agents d’intelligence artificielle participent aux mêmes processus de création. Chacun intervient sur des éléments qui, autrefois, auraient été entièrement contrôlés par une équipe dédiée.
Lors d’un récent projet, on m’a posé la question suivante : quel devrait être le niveau de qualité exigé pour quelque chose qui a été réalisé avec de l’intelligence artificielle ?
Et à première vue, cette question semble légitime. Après tout, si le processus de création est différent, pourquoi ne pas adapter nos attentes ?
Mais en réalité, pourquoi la manière dont une chose a été produite devrait-elle modifier notre jugement sur sa qualité ? Puisqu’en soi, l’utilisateur ne sait pas nécessairement si une interface, une publicité ou une animation a été créée par un humain, une IA ou une combinaison des deux. Et surtout, cela ne l’intéresse pas forcément, du moins, jamais autant que le résultat (est-ce bon ? Est-ce utile ? Est-ce cohérent ? Est-ce que l’expérience répond à ses attentes ?)
Je pense plutôt que la méthode de fabrication ne devrait jamais devenir une excuse pour accepter un résultat médiocre et doit au contraire augmenter nos exigences. Exigence, qui commence par notre capacité à observer :
Observer ce dont les utilisateurs ont besoin, mais aussi ce qu’ils souhaitent sans nécessairement parvenir à l’exprimer. Observer les produits que nous utilisons quotidiennement pour comprendre ce qui distingue une expérience correcte d’une expérience remarquable. Observer les situations dans lesquelles quelque chose semble manquer, ou au contraire fonctionner avec une évidence presque déconcertante.
Et surtout, ne pas limiter cette observation au monde du logiciel.
L’art, l’architecture, la science, le cinéma, la musique et les objets du quotidien peuvent nourrir notre compréhension de ce qui rend une création intéressante. Développer son goût, ce n’est pas simplement apprendre à reconnaître une belle interface. C’est construire une vision du monde suffisamment riche pour avoir quelque chose de personnel à apporter à son travail.
Mais disposer de standards élevés ne suffit plus
Encore faut-il être capable de les transmettre aux machines qui participent désormais à la création. Et c’est là que les design systems prennent une importance nouvelle.
Pendant longtemps, leur objectif principal consistait à garantir une certaine cohérence entre les différentes parties d’un produit. Ils centralisaient les couleurs, les typographies, les composants, les espacements et les règles d’utilisation. Leur rôle était de permettre à plusieurs équipes de construire des interfaces qui semblaient appartenir au même univers.
Mais les design systems traditionnels reposaient sur une hypothèse implicite : un designer serait toujours présent pour interpréter les règles, combler les zones d’incertitude et prendre les décisions qui n’avaient pas été documentées.
Et cette hypothèse ne tient plus vraiment.
Aujourd’hui, des interfaces peuvent être créées sans qu’aucun designer n’intervienne directement. Des agents peuvent identifier et corriger des problèmes pendant que nous dormons. Des expériences utilisateur peuvent même être générées en temps réel, selon les besoins d’une personne à un instant donné.
Dans ce contexte, il ne suffit plus de documenter les composants. Il faut transmettre aux systèmes les intentions qui déterminent comment ces composants doivent être utilisés. Et cette transformation rappelle étrangement une autre révolution technique, celle de l’imprimerie.
On retient généralement de Gutenberg qu’il a inventé la presse à caractères mobiles. Mais ce qui est fascinant, c’est le degré de précision du système qu’il a développé autour de cette invention. Il ne s’est pas contenté de créer vingt-six lettres minuscules et vingt-six majuscules. Son système comprenait environ 290 caractères différents, avec des variantes de largeur, des abréviations et des ligatures.
Il se compliquait littéralement la vie parce qu’il voulait que les textes imprimés conservent une qualité visuelle comparable à celle des manuscrits. Il cherchait notamment à éviter les espaces irréguliers qui pouvaient apparaître lorsqu’un texte était justifié, ces grandes zones blanches qui viennent casser le rythme d’une page.
Autrement dit, Gutenberg ne cherchait pas seulement à industrialiser la reproduction des textes. Il cherchait à construire un système suffisamment précis pour que cette industrialisation ne détruise pas la qualité du résultat.
Et c’est exactement le défi auquel nous sommes confrontés aujourd’hui : les anciens design systems permettaient de reproduire la cohérence. Les nouveaux doivent permettre de reproduire l’intention.
Chez Orem, cette transition est déjà en cours, même si elle implique de nombreuses expérimentations. L’objectif est de permettre à nous et nos clients de passer d’une simple instruction à un produit prêt pour la production 4x plus rapidement qu’avant, sans sacrifier les standards de l’entreprise.
Cela permet notamment de limiter la dégradation du contexte, ce phénomène par lequel des informations pourtant importantes perdent progressivement leur influence au milieu d’une grande quantité de données.
Parce que la différence la plus importante ne se trouve pas seulement dans la technologie employée. Elle se trouve dans ce que contient désormais le système.
Au lieu de se limiter aux composants élémentaires, l’IA devrait intégrer des modèles de pages complets, des parcours utilisateur et des comportements attendus. Un design system moderne devrait ainsi être beaucoup plus directif, non pas pour empêcher la créativité, mais pour préserver la cohérence et l’intention pendant que la production s’accélère.
L’architecte Christopher Alexander formulait cependant une idée particulièrement intéressante : un système peut respecter toutes les règles et rester malgré tout sans vie. Et ce parce qu’une interface peut parfaitement suivre un design system, utiliser les bonnes couleurs, respecter les espacements et exploiter les bons composants, tout en demeurant profondément médiocre. Parce que la conformité à des règles ne remplace pas le jugement.
Et ce jugement devient d’autant plus important que l’intelligence artificielle fait disparaître une grande partie des mécanismes qui filtraient historiquement les mauvaises idées.
Avant, le développement d’un produit était naturellement limité par les ressources disponibles. Une entreprise pouvait avoir vingt idées, mais n'en financer qu’une seule. Il fallait donc choisir, débattre, évaluer et éliminer certaines directions avant même de commencer.
Puis, tout au long de la conception, les différentes étapes du projet permettaient de questionner le résultat. On examinait les maquettes, on testait les prototypes, on confrontait les choix techniques aux besoins réels. Le produit évoluait progressivement, à travers une succession de décisions et de validations.
Aujourd’hui, il devient possible de construire vingt idées en une semaine.
Et c’est une excellente nouvelle sur de nombreux aspects. Nous pouvons enfin passer moins de temps à discuter de produits hypothétiques et davantage de temps à manipuler de véritables expériences. Au lieu de spéculer pendant des réunions interminables, nous pouvons tester directement ce qui fonctionne.
Mais cette accélération déplace le problème de la qualité
Le filtrage qui intervenait auparavant pendant la conception doit désormais avoir lieu après la construction. Et il est beaucoup plus difficile de rejeter quelque chose qui existe déjà que de renoncer à une idée encore abstraite.
C’est pourquoi le rôle de directeur à la création devient absolument central.
Quelqu’un doit être capable de regarder un produit dans son ensemble et de se demander s’il mérite réellement d’exister sous cette forme. Quelqu’un doit évaluer la cohérence du parcours, la pertinence des décisions et la qualité des détails. Quelqu’un doit assumer la responsabilité de dire qu’une fonctionnalité techniquement terminée n’est pas encore suffisamment bonne. Car nous devons désapprendre deux réflexes profondément ancrés : croire que ce qui a été construit est terminé, et croire que ce qui est terminé est nécessairement bon.
Une interface peut sembler excellente lorsqu’elle est observée isolément. Mais une fois intégrée à un parcours complet, ses incohérences peuvent devenir évidentes. Le travail du directeur ne consiste donc pas uniquement à valider ou rejeter une proposition. Il consiste aussi à comprendre ce qui lui manque pour devenir véritablement aboutie.
Dans un article consacré à ce qui rend l’art exceptionnel, Nabeel Qureshi évoque notamment l’importance des détails inattendus. Ces petites surprises qui donnent envie de s’arrêter et de se dire que quelqu’un a réellement pensé à cela. Mais il souligne aussi l’importance du sens plus profond, de ces thèmes et de ces intentions qui relient les différents éléments d’une œuvre pour en faire un tout. Et ce sont encore précisément les dimensions que l’intelligence artificielle peine encore à produire spontanément.
C’est peut-être ce qui dérange autant dans les productions artificielles de mauvaise qualité : cette impression que les détails sont finalement interchangeables, et que personne ne se soucie réellement de leur signification. À l’inverse d’un bon directeur, qui assume d’une part la responsabilité de chaque décision et d’autre part dans le design numérique de chaque pixel.
Aujourd’hui, alors que presque tout le monde peut construire des produits, la différenciation devient simultanément plus difficile et plus importante.
Mais regardons les interfaces que nous utilisons actuellement. Des conversations textuelles, des tableaux de bord, des graphiques, des formulaires, des lignes de commande. Ces modèles sont pratiques, connus et souvent efficaces. Mais avons-nous vraiment atteint la forme ultime de l’interaction entre les humains et les machines ?
Évidemment que non.
Nous avons désormais la possibilité de parler naturellement aux ordinateurs, de générer des expériences en temps réel, de créer des interfaces qui s’adaptent à leur contexte, qui évoluent, qui réagissent et qui semblent presque vivantes, et pourtant, une grande partie de notre énergie consiste encore à demander à l’IA de reproduire les mêmes interfaces que nous concevions depuis quinze ans.
Pourquoi ?
Les meilleures pratiques de demain n’ont pas encore été écrites. Les nouvelles conventions, les nouvelles esthétiques et les nouveaux modèles d’interaction restent à inventer.
L’histoire de la technologie montre d’ailleurs que les grandes évolutions ne se limitent pas à accélérer les méthodes existantes. Elles ouvrent de nouvelles possibilités créatives.
Nous en observons déjà les premiers signes. Des créateurs imaginent des visualisations de données beaucoup plus expressives, parfois suffisamment remarquables pour attirer notre attention. D’autres conçoivent des sites de restaurants qui possèdent enfin une vraie personnalité. Des artistes utilisent l’IA pour prolonger leur pratique, expérimenter de nouvelles formes et explorer des directions qu’ils n’auraient pas envisagées auparavant.
Chez Orem, cette approche consiste notamment à utiliser l’intelligence artificielle pour amplifier les capacités du département créatif, plutôt que pour remplacer son jugement.
Mais pour que cette collaboration fonctionne, il faut également apprendre à mieux dialoguer avec ces outils.
La qualité des résultats dépend fortement de la qualité des informations que nous fournissons. Si vous demandez simplement à un modèle de créer un site pour un restaurant de barbecue coréen, il produira probablement une interprétation générique de ce que pourrait être un site Internet moderne.
En revanche, si vous lui expliquez ce que représente ce restaurant, ce qui le rend unique, les émotions qu’il cherche à transmettre, les références culturelles qui l’inspirent et les standards visuels auxquels vous êtes attaché, vous commencez à lui donner une véritable direction.
Il faut enrichir les instructions, fournir des références, partager des matériaux de travail et transmettre les critères qui permettent de distinguer un résultat acceptable d’un résultat remarquable.
Mais il faut aussi mettre les productions à l’épreuve et ne pas tomber dans le piège du burrito surgelé. Ne pas considérer qu’une réponse rapide est nécessairement une bonne réponse. Questionner les propositions, explorer des variations, confronter les résultats aux besoins réels et continuer à pousser le travail.
Il est même aujourd’hui possible d’utiliser des agents adversariaux, chargés de critiquer les productions d’autres modèles, de chercher leurs faiblesses et de remettre en question leurs décisions.
La véritable difficulté reste donc culturelle
Parce qu’il est beaucoup plus confortable de reproduire des modèles existants que d’essayer d’inventer quelque chose de nouveau. Les conventions rassurent. Les interfaces génériques sont familières. Les solutions prévisibles semblent moins risquées, notamment lorsqu’une équipe doit livrer rapidement. Créer quelque chose de véritablement original demande de prendre des risques, d’accepter l’incertitude et de consacrer du temps à des idées qui ne fonctionneront peut-être pas.
C’est pourquoi un bon directeur de création ne devrait pas simplement encourager l’utilisation de l’intelligence artificielle. Il devrait surtout créer les conditions dans lesquelles cette technologie permet d’explorer. Il faut laisser de la place aux expérimentations. Accepter les propositions étranges. Protéger les idées qui ne ressemblent pas immédiatement à ce que tout le monde connaît déjà.
Car si l’IA réduit considérablement le coût de création, pourquoi utiliser l’intégralité de cette économie pour produire davantage au lieu de consacrer une partie à produire mieux ?
Nous avons désormais la possibilité d’explorer cinquante pistes là où nous n’en explorions que trois. De tester des interactions impossibles à prototyper auparavant. De consacrer davantage d’énergie aux détails, à la narration, à la personnalité et à toutes ces dimensions qui donnent à un produit son caractère.
Si nous utilisons uniquement l’intelligence artificielle pour fabriquer plus rapidement ce que nous fabriquions déjà, nous passerons à côté de la partie la plus intéressante de cette révolution.
Car l’IA ne devrait pas seulement nous permettre d’élever le niveau minimum de ce que nous sommes capables de produire mais devrait nous permettre d’élever le niveau maximum de ce que nous sommes capables d’imaginer.
Mais cela demande de rester profondément intentionnel.
C’est votre point de vue, votre système, vos standards de qualité et votre ambition qui doivent guider le travail. L’intelligence artificielle peut les amplifier, les accélérer et parfois les rendre possibles à une échelle nouvelle. Mais elle ne devrait jamais devenir celle qui les définit à votre place.
Puisqu’encore une fois, les utilisateurs ne seront pas nécessairement impressionnés d’apprendre qu’une animation complexe a été réalisée en trente minutes avec Three.js, Blender et une intelligence artificielle. Ils ne se soucient pas forcément du nombre de prompts nécessaires, de la complexité du modèle ou de la quantité de code générée.
Ils sont impressionnés lorsqu’un produit résout véritablement leur problème. Lorsqu’une interaction anticipe intelligemment un besoin. Lorsqu’un détail inattendu leur facilite la vie. Lorsqu’ils ressentent une personnalité, une cohérence et cette impression rare que quelqu’un a réellement réfléchi à leur expérience.
Nous sommes à un moment particulier de l’histoire du numérique
Pour la première fois, les barrières techniques qui limitaient la création de logiciels s’effondrent à une vitesse vertigineuse. Des millions de personnes vont pouvoir construire des produits, explorer des idées et donner forme à des projets qui auraient été inaccessibles quelques années auparavant. Et nous pouvons profiter de cette révolution pour remplir Internet de milliers d’interfaces interchangeables, générées à partir des mêmes modèles, construites avec les mêmes composants, les mêmes dégradés, les mêmes animations et les mêmes décisions que personne n’a vraiment prises.
Nous pouvons reproduire, à l’échelle numérique, les erreurs du boom immobilier d’après-guerre et construire des villes entières d’interfaces zombies.
Ou nous pouvons choisir d’utiliser cette puissance pour imaginer de nouvelles expériences, inventer de nouvelles esthétiques et créer des logiciels plus expressifs, plus intelligents, plus personnels et plus attentifs à leurs utilisateurs.
Mais pour cela, il faudra comprendre que ce n’est pas parce que nous pouvons désormais tout construire que tout mérite d’être construit.
Et demain, lorsque n’importe qui pourra générer une interface parfaite en quelques secondes, ce qui distinguera les grands produits des autres ne sera probablement plus leur qualité d’exécution technique mais la qualité de la pensée qui se cache derrière.
Et je terminerai en disant ceci : le véritable danger de l’intelligence artificielle n’est pas qu’elle apprenne à créer comme nous, mais que nous finissions par créer comme elle.
