« Il reste toujours un humain derrière la machine et il y aura toujours besoin d’un œil. » Avec cette remarque, l’étalonneur Yves Le Peillet, fort de plusieurs décennies d’expérience, résume l’un des enjeux centraux du débat. Si l’IA progresse rapidement dans les workflows image, elle ne répond pas seule à la question essentielle de l’intention et du regard.

Mais la transformation en cours ne concerne pas seulement les outils. Elle touche également la place qu’occupe l’étalonnage dans la fabrication des œuvres audiovisuelles. Longtemps cantonné à la fin de la chaîne de production, l’étalonnage – l’art d’harmoniser les couleurs, les contrastes et l’identité visuelle d’une œuvre – voit aujourd’hui son périmètre évoluer. Le 6 novembre, lors de cette conférence du SATIS, les professionnels présents ont d’ailleurs expliqué comment l’IA favorise un déplacement de cette expertise vers l’amont du workflow, du plateau de tournage jusqu’au montage, bien avant la phase finale de postproduction.

L’étalonnage commence désormais dès le tournage

Yves Le Peillet a d’abord rappelé que l’arrivée de l’IA ne représente pas une rupture totale. « Jusqu’ici, on générait des cubes 3D pour les envoyer au tournage », explique-t-il. Ces fichiers de transformation colorimétrique permettent d’appliquer aux images tournées dans un format très neutre un rendu proche des intentions du chef opérateur et du réalisateur.

L’apport de l’IA réside ailleurs. Là où ces outils appliquaient des transformations prédéfinies, les nouveaux systèmes sont capables d’analyser le contenu de l’image, d’identifier ses composantes et d’adapter les corrections avec davantage de finesse. L’étalonnage conserve ainsi sa finalité artistique tout en gagnant en intelligence contextuelle.

« L’analyse n’est plus plane sur l’image, mais porte sur tout ce qui la compose », explique Yves Le Peillet. Les outils peuvent désormais parcourir les rushs, identifier les personnages, reconnaître les décors et suivre leur présence d’un plan à l’autre. Cette compréhension contextuelle facilite l’harmonisation de séquences tournées dans des conditions parfois très différentes.

Pour les équipes de postproduction, le bénéfice est concret. Une scène assemblée à partir de prises réalisées sur plusieurs jours présente souvent des écarts de couleur, de lumière ou de balance des blancs. L’IA aide à corriger ces disparités avant même l’étalonnage final. Elle peut également servir de point de départ créatif en appliquant à une séquence l’intention visuelle définie à partir d’une image de référence, qu’il s’agisse d’une ambiance nocturne, d’un clair-obscur ou d’un traitement esthétique spécifique.

L’IA comme assistant d’analyse

Dans la pratique, l’IA occupe toutefois une place clairement délimitée. « Dans mon travail, l’IA est un assistant », résume l’étalonneur et formateur Christophe Legendre. Il ne s’agit pas de confier l’image à un bouton magique, mais de s’appuyer sur un outil capable d’analyser un plan, d’en décrypter certaines caractéristiques et de fournir des informations utiles au travail d’étalonnage.

L’exemple qu’il cite est révélateur. La saturation des visages reste un sujet sensible en étalonnage et les outils de mesure traditionnels n’offrent pas toujours un niveau de lecture suffisamment fin. « Je demande parfois à Claude ou ChatGPT d’analyser une image de référence et de m’indiquer des informations que je n’aurais pas immédiatement sous les yeux », explique-t-il.

Cette approche rejoint celle défendue par Yves Le Peillet. Selon lui, c’est en comprenant comment une image est constituée que l’on peut réellement évaluer, corriger et orienter le travail de la machine. L’IA devient ainsi un outil de lecture et d’analyse, tandis que l’étalonneur conserve la responsabilité de l’interprétation et du jugement.

Cette logique s’observe également avec les LUT (Look-Up Tables), ces fichiers qui appliquent une signature colorimétrique à l’image. Christophe Legendre en souligne les limites : « Quand on pose une LUT sur une image, on ne sait pas vraiment ce que fait la LUT. » Là encore, l’enjeu n’est pas tant d’automatiser que de mieux comprendre ce que produisent ses transformations sur l’image.

Quand l’IA prend en charge les tâches répétitives

Pour Éric Chérioux, l’une des évolutions majeures induite par l’IA réside précisément dans cette appropriation progressive d’outils et de savoirs techniques par les métiers artistiques. « La colorimétrie, c’est des maths et de la physique », rappelle-t-il. L’IA abaisse certaines barrières d’accès, sans pour autant faire disparaître la complexité de ces disciplines.

Les usages les plus évidents concernent les tâches longues et répétitives. Éric Chérioux cite notamment le matchmove, la rotoscopie ou encore la réduction de bruit. « Les machines font ça mieux que les humains et elles ne se fatiguent pas », résume-t-il avec pragmatisme.

L’IA intégrée aux logiciels ne se présente pas toujours sous les traits d’un assistant conversationnel. Elle agit le plus souvent à travers des modules spécialisés capables de nettoyer une image, d’accompagner le suivi d’un objet ou d’harmoniser automatiquement certains traitements audio et vidéo. Derrière un même terme se cachent donc des réalités et des usages très différents.

Cette diversification des outils se retrouve également dans les environnements d’étalonnage comme le souligne Isabelle Barrière. La coloriste cite notamment les DCTL (DaVinci Color Transform Language), ces modules utilisés dans DaVinci Resolve pour transformer l’image. Disponibles aussi bien en version commerciale qu’en open source, ils illustrent la richesse croissante de l’écosystème. « Il y en a un certain nombre qui sont totalement accessibles et assez performants », souligne-t-elle.

Mais cette richesse a son revers. Chaque nouvel outil doit être testé, documenté, mis à jour et conservé dans le temps afin de garantir la réouverture des projets.

Au final, l’IA ne semble pas repousser l’étalonneur hors du workflow. Elle tend plutôt à l’y faire entrer plus tôt. En automatisant certaines tâches et en facilitant l’analyse des images, elle déplace progressivement l’expertise colorimétrique vers l’amont de la production. Le regard humain reste au centre du processus, mais il dispose désormais de nouveaux outils pour intervenir dès les premières étapes de fabrication.

Article paru pour la première fois dans Mediakwest #68, p.108 -110