La cinématographie est la discipline qui consiste à capturer des images en mouvement, englobant le placement de la caméra, le mouvement, le choix de l'objectif, l'éclairage et la composition pour transmettre un récit et des émotions. Issue de la photographie de la fin du XIXe siècle et des débuts du cinéma, elle a évolué grâce au travail de pionniers comme les frères Lumière et D.W. Griffith, qui ont établi des techniques fondamentales telles que le gros plan et le montage alterné. Au milieu du XXe siècle, des directeurs de la photographie comme Gregg Toland (Citizen Kane, 1941) et Sven Nykvist (à travers ses collaborations avec Ingmar Bergman) ont élevé ce métier au rang de forme d'art, utilisant la profondeur de champ et un éclairage naturaliste pour façonner la perception du public. À l'ère numérique, la cinématographie s'étend aux images générées par ordinateur et à la production virtuelle, et elle est devenue une référence stylistique clé dans les systèmes d'Generative AI, où les rédacteurs de prompts invoquent son vocabulaire pour orienter les modèles d'IA vers des résultats filmiques.
Dans la génération d'images et de vidéos par IA, la cinématographie n'est pas une pratique physique mais un langage descriptif. Les modèles entraînés sur de vastes ensembles de données de photographies et de films apprennent à associer des termes comme « éclairage cinématographique » ou « faible profondeur de champ » à des motifs visuels spécifiques. Les rédacteurs de prompts utilisent ces termes pour influencer le résultat esthétique de modèles tels que Stable Diffusion, DALL-E et Midjourney, ainsi que des générateurs vidéo comme Runway et Sora. L'efficacité de ces prompts dépend des données d'entraînement du modèle et de sa capacité à mapper des descriptions textuelles à des caractéristiques visuelles, un processus ancré dans les architectures de Deep learning et de Neural network.
Origines historiques
Les racines de la cinématographie résident dans la photographie, où des pionniers comme Eadweard Muybridge ont utilisé plusieurs caméras pour capturer le mouvement dans les années 1870. L'invention de la caméra cinématographique par les frères Lumière en 1895 a permis les premières projections publiques, mais les premiers films étaient des enregistrements statiques à plan unique. Le développement du montage et du mouvement de caméra dans les années 1910, notamment grâce au travail de D.W. Griffith, a introduit des techniques comme le panoramique, l'inclinaison et le travelling. L'introduction du film couleur dans les années 1930, illustrée par le Technicolor, a élargi la palette disponible pour les directeurs de la photographie, tandis que les années 1950 ont vu l'essor des formats panoramiques comme le CinemaScope pour concurrencer la télévision.
Caractéristiques visuelles clés
La cinématographie est définie par plusieurs éléments visuels que les rédacteurs de prompts mentionnent souvent. L'exposition contrôle la luminosité et le contraste, avec des termes comme « high-key » (lumineux, faible contraste) et « low-key » (sombre, contraste élevé) décrivant les ambiances d'éclairage. La profondeur de champ, déterminée par l'ouverture et la distance focale, isole les sujets ou maintient des scènes entières nettes. Le mouvement de caméra, du caméscope à l'épaule au travelling sur grue, affecte le dynamisme et l'engagement du spectateur. L'étalonnage des couleurs, qu'il soit chaud, froid ou désaturé, définit le ton émotionnel. La composition, y compris la règle des tiers et les lignes directrices, guide l'œil du spectateur. Dans les prompts d'IA, ces caractéristiques sont souvent combinées, par exemple « faible profondeur de champ, lumière chaude de l'heure dorée, zoom avant ».
Praticiens notables
Plusieurs directeurs de la photographie ont défini les limites esthétiques du métier. Gregg Toland a été pionnier de la profondeur de champ, permettant au premier plan et à l'arrière-plan de rester nets, comme dans Citizen Kane. Sven Nykvist a apporté une approche naturaliste de la lumière disponible aux films de Bergman, remportant des Oscars pour Cris et chuchotements (1972) et Fanny et Alexandre (1982). Roger Deakins, connu pour son travail avec les frères Coen et Denis Villeneuve, a utilisé l'intermédiaire numérique et des caméras grand format pour obtenir des images précises et atmosphériques, remportant un Oscar pour Blade Runner 2049 (2017). Emmanuel Lubezki, célèbre pour ses longs plans dans Children of Men (2006) et Birdman (2014), a influencé une génération avec son style fluide et immersif. Les noms de ces praticiens apparaissent parfois dans les prompts d'IA comme raccourci pour un look particulier, par exemple « éclairage style Deakins ».
Cinématographie dans les prompts d'IA
Dans le contexte de l'ingénierie de Prompt, les termes de cinématographie servent de directives de haut niveau qui orientent les modèles génératifs vers des résultats visuels spécifiques. Les rédacteurs de prompts peuvent spécifier « cinématographique » comme style général, mais des prompts plus efficaces utilisent un vocabulaire précis : « film 35mm, objectif anamorphique, éclairage naturel, étalonnage teal and orange ». Des modèles comme Stable Diffusion, entraînés sur des paires image-texte, ont appris des associations entre ces termes et des caractéristiques visuelles. Pour la génération vidéo, des modèles comme Runway Gen-2 et Pika intègrent des aspects temporels, permettant aux prompts d'inclure « travelling » ou « zoom lent ». Le choix des termes peut modifier considérablement le résultat, comme le montrent des expériences communautaires comparant les styles « cinématographique » et « documentaire ».
Fondements techniques
Les modèles d'IA qui répondent aux prompts de cinématographie reposent sur des architectures Transformer (architecture) et des mécanismes de Cross-Attention pour aligner les caractéristiques textuelles et visuelles. Pendant l'entraînement, le modèle apprend à mapper des plongements textuels à des motifs visuels, un processus facilité par les composants de Large language model qui analysent le prompt. L'architecture U-Net, couramment utilisée dans les modèles de diffusion, débruit une image de manière itérative, guidée par le conditionnement du prompt. Des techniques comme Top-K Sampling et Temperature Scaling affectent le caractère aléatoire des images générées, influençant la manière dont le modèle interprète littéralement le prompt. La qualité des données d'entraînement, souvent extraites d'Internet, détermine la compréhension du modèle des termes cinématographiques, ce qui peut entraîner des biais ou des inexactitudes.
Mots-clés et styles courants
Les rédacteurs de prompts ont développé un vocabulaire partagé pour invoquer la cinématographie. Les mots-clés courants incluent « cinématographique », « image de film », « image de film », « 35mm », « anamorphique », « bokeh », « heure dorée », « heure bleue », « éclairage low-key », « éclairage high-key », « éclairage Rembrandt », « silhouette », « plan large », « gros plan », « angle hollandais », « travelling », « plan sur grue », « caméra à l'épaule », « steadycam », « étalonnage des couleurs », « teal and orange », « noir et blanc », « grain de film », « vignettage ». Ces termes peuvent être combinés avec des références à des genres spécifiques, comme « film noir » ou « science-fiction », ou à des réalisateurs et directeurs de la photographie particuliers. Des modèles comme Midjourney et DALL-E ont été affinés sur des ensembles de données cinématographiques, les rendant plus réactifs à de tels prompts.
Défis et limites
Malgré la puissance des prompts de cinématographie, les modèles d'IA rencontrent souvent des problèmes de cohérence et de précision. Ils peuvent produire des images qui semblent « cinématographiques » mais manquent de logique, comme des ombres incorrectes ou des reflets d'objectif irréalistes. L'interprétation des termes peut varier selon les modèles, et certains termes peuvent être surutilisés, conduisant à des résultats clichés. De plus, l'absence d'une ontologie partagée pour les termes cinématographiques signifie que différents modèles peuvent répondre différemment au même prompt. En 2025, les chercheurs explorent des moyens d'améliorer l'adhérence aux prompts grâce à des techniques comme Reinforcement Learning from AI Feedback (RLAIF) (apprentissage par renforcement à partir de retours d'IA) et Curriculum Learning, mais des défis subsistent pour obtenir un contrôle fin.
Orientations futures
L'intégration de la cinématographie dans l'IA évolue avec les avancées en Generative AI et en génération vidéo. Des modèles émergents, comme ceux de OpenAI et Google DeepMind, intègrent la cohérence temporelle et le rendu basé sur la physique, permettant des mouvements de caméra et des éclairages plus réalistes. L'utilisation de Data Augmentation et de Model Pruning pourrait améliorer l'efficacité et la précision. À mesure que l'IA devient plus apte à comprendre le langage cinématographique, elle pourrait permettre de nouvelles formes de narration interactive, où les utilisateurs dirigent des caméras virtuelles en temps réel. La collaboration entre directeurs de la photographie et chercheurs en IA, comme le montre le film assisté par IA « The Frost » (2023), suggère un avenir où le métier est à la fois préservé et élargi.
Conclusion
La cinématographie, en tant que concept, fait le pont entre l'art traditionnel de la réalisation de films et le domaine émergent des médias générés par IA. Son vocabulaire fournit un ensemble riche de descripteurs qui permettent aux rédacteurs de prompts de façonner le résultat visuel, tandis que son histoire offre une base pour comprendre comment les modèles d'IA apprennent à voir. À mesure que les modèles génératifs deviennent plus sophistiqués, le rôle de la cinématographie dans les prompts devrait croître, en faisant une compétence essentielle pour les créateurs travaillant avec l'IA. L'interaction entre l'intention humaine et l'interprétation machine reste un défi central, mais le potentiel pour une nouvelle expression visuelle est vaste.