Le code comme matériau
L’art génératif ne consiste pas à “faire de l’art avec un ordinateur”. Il consiste à écrire un système de règles qui produit des formes — et à accepter que le résultat ne soit pas entièrement prévisible.
L’artiste ne dessine pas une image. Il écrit un processus. L’image est le résultat de ce processus.
Ce qui distingue l’art génératif
L’artiste conçoit le système, pas le résultat. Comme un compositeur écrit une partition mais ne joue pas chaque note — l’artiste génératif écrit les règles et laisse le système produire.
Le hasard contrôlé. L’aléatoire intervient, mais dans un cadre. Ce n’est pas du bruit — c’est de la variation dans la contrainte. Chaque exécution du même code donne un résultat différent, mais reconnaissable.
La répétition comme richesse. Là où un peintre produit un tableau, un algorithme peut en produire mille — tous uniques, tous issus du même processus. La série n’est pas une reproduction : c’est l’exploration d’un espace de possibles.
Brève histoire
- Années 60 : Vera Molnár, Georg Nees, Frieder Nake — les premiers à utiliser un ordinateur comme outil de création plastique
- Années 90 : Processing (Casey Reas, Ben Fry) démocratise le creative coding
- Années 2010 : Explosion des pratiques (openFrameworks, TouchDesigner, shader art)
- 2021+ : Art génératif on-chain (NFTs), Tyler Hobbs (Fidenza), explosion du marché
- 2024+ : IA générative (Midjourney, DALL-E, Stable Diffusion) — est-ce encore de l’art génératif ?
L’IA générative est-elle de l’art génératif ?
Question piège. Deux positions :
Oui : L’artiste définit un prompt (les contraintes), le modèle produit (le résultat). C’est la même structure : règles → système → output.
Non : Dans l’art génératif “classique”, l’artiste écrit le code — il comprend et maîtrise le processus. Avec un modèle pré-entraîné, l’artiste utilise un système qu’il n’a pas conçu et ne comprend pas entièrement.
Ma position : les deux sont légitimes. Mais ils ne posent pas les mêmes questions. L’art génératif codé questionne le contrôle et la règle. L’IA générative questionne l’auteur et l’original.
Exemples concrets dans mon travail
ZELLIGE ARTCADE — Un algorithme applique les règles de composition géométrique du zellige marocain. Le résultat respecte les contraintes ancestrales (adjacence, symétrie) mais chaque composition est unique. L’algorithme est le gardien des règles que l’artisan transmettait oralement.
DERB.EXE — Le joueur fait des choix, l’algorithme génère le tapis. Le résultat est imprévisible à l’avance mais toujours “correct” au sens patrimonial. L’interaction humaine est l’aléa — pas un random() dans le code.
DATA RUG — Les données d’une ville (flux, bruit, pollution) alimentent un algorithme de tissage. Le “hasard” ici n’est pas artificiel — c’est le réel qui entre dans le système.
Pourquoi ça compte
L’art génératif n’est pas un exercice technique. C’est une position philosophique sur la création : l’artiste n’est pas celui qui fait l’objet — il est celui qui conçoit le système qui fait l’objet.
Cette position se retrouve dans l’architecture (paramétrique), le design (génératif), la musique (algorithmique), et aujourd’hui dans l’IA. Comprendre l’art génératif, c’est comprendre la logique qui sous-tend la plupart des outils créatifs de 2026.
Pour aller plus loin
- Processing / p5.js : langage d’entrée pour créer de l’art génératif (gratuit, open source)
- The Coding Train (Daniel Shiffman) : tutoriels vidéo accessibles
- Generative Design (Hartmut Bohnacker) : livre de référence
- OpenProcessing.org : galerie communautaire de sketches
→ Vous voulez apprendre ? Modules creative coding disponibles (écoles, workshops) : [email protected]
Accueillir ou découvrir cette œuvre ?
Discutons des conditions d'accueil ou de diffusion.