Il y a quelque chose de presque paradoxal à placer côte à côte ces deux univers : d’un côté, l’argile — matière des origines, mémoire de l’humanité depuis vingt-neuf mille ans —, de l’autre, les algorithmes de machine learning qui tournent dans des centres de données climatisés à des milliers de kilomètres de tout atelier. Et pourtant, la rencontre a lieu. Elle est discrète, parfois contestée, souvent fascinante. Depuis 2022 environ, l’intelligence artificielle s’invite dans le processus créatif céramique à une cadence qui s’accélère. Permettez-moi, en vieux professeur curieux que je suis, de vous emmener dans cette exploration.
Des formes nées d’équations
La première question que l’on me pose, quand j’aborde ce sujet dans mon cours, est invariablement celle-ci : « Mais Henri, est-ce que la machine peut vraiment inventer des formes que nous n’aurions jamais imaginées ? » La réponse, après avoir passé quelques mois à explorer sérieusement les outils disponibles, est : oui — et parfois cela donne le vertige.
Les outils de génération paramétrique comme Grasshopper (extension de Rhinoceros 3D) permettent depuis plusieurs années déjà de générer des milliers de variations morphologiques à partir de contraintes définies par l’artisan : hauteur, cambrure du galbe, épaisseur de paroi, angle de la lèvre. Mais les modèles d’IA générative récents franchissent une étape supplémentaire. Des plateformes comme Midjourney, DALL-E ou des outils spécialisés comme Kaedim (qui convertit des images 2D en modèles 3D) permettent de partir d’une simple description verbale — « un vase aux parois organiques rappelant l’écorce d’un chêne pédonculé, asymétrique, avec un col légèrement incliné vers la gauche » — pour obtenir en quelques secondes des dizaines de propositions visuelles exploitables.
Le céramiste australien Oliver van Herpt, pionnier dans ce domaine, travaille depuis 2015 à la jonction entre impression 3D céramique et algorithmes génératifs. Ses pièces, exposées au Centre Pompidou en 2019 dans le cadre de l’exposition « Mutations / Créations », présentent des textures de surface impossibles à reproduire à la main — des milliers de micro-cannelures spiralées calculées par algorithme et imprimées couche par couche dans une argile liquide. Van Herpt est formel : l’algorithme est un outil, pas un auteur. « Je programme les contraintes. La machine explore l’espace des possibles dans ces contraintes. La décision finale reste la mienne. »
Optimiser les courbes de cuisson par machine learning
Voilà un domaine où l’IA apporte peut-être sa contribution la plus concrète et la moins contestée : l’optimisation thermique.
Une cuisson céramique, c’est une partition complexe. On monte en température selon une courbe précise, on tient des paliers, on refroidit avec une lenteur calculée. Une erreur de dix degrés au mauvais moment peut fissurer l’ensemble d’un fournée. Pendant vingt-cinq ans, j’ai vu des étudiants recommencer entièrement des pièces pour des cuissons ratées — et j’en ai raté moi-même, soyons honnêtes.
Des startups comme Cerabot (Espagne) et des laboratoires universitaires — notamment l’équipe du Ceramics Research Centre de l’Université de Bath — travaillent depuis 2021 sur des systèmes de machine learning capables d’analyser des milliers de courbes de cuisson historiques et de prédire, pour une pièce donnée (épaisseur, composition de l’argile, type d’émail), la courbe optimale. Ces systèmes apprennent des échecs autant que des succès.
Concrètement : vous entrez les paramètres de votre pièce, le modèle analyse sa base de données de cuissons similaires et propose une courbe adaptée, avec des alertes sur les points de risque. Pour un four électrique connecté, certains systèmes peuvent même ajuster la chauffe en temps réel en fonction de capteurs de température et d’humidité placés à l’intérieur.
Ce n’est pas de la magie. C’est de la statistique appliquée à un savoir-faire artisanal. Et cela représente une aide précieuse pour les céramistes qui travaillent avec des argiles rares ou des émaux complexes, là où l’expérience empirique atteint ses limites.
Prédire les couleurs des émaux avant la cuisson
La simulation numérique des émaux est peut-être le domaine où j’ai été le plus impressionné — et je ne suis pas homme à m’emballer facilement.
Pour comprendre l’enjeu, rappelons une réalité que connaît tout céramiste : un émail bleu cobalt appliqué sur une pièce avant cuisson n’est pas bleu. Il est gris-verdâtre, mat, ingrat. C’est pendant la cuisson que la magie opère, que les oxydes métalliques se transforment, que les couleurs apparaissent. Le problème est que cette transformation dépend d’une dizaine de variables : composition chimique de l’émail, épaisseur de l’application, atmosphère du four (oxydante ou réductrice), vitesse de montée en température, nature de l’argile support…
Un logiciel comme Digitalfire’s Insight permet depuis longtemps d’analyser la composition chimique d’un émail et de prédire certains comportements. Mais les outils d’IA de nouvelle génération vont bien plus loin. Le projet GlazeCraft AI, développé en partenariat avec plusieurs manufactures européennes dont Limoges Porcelaine à partir de 2023, utilise des réseaux de neurones entraînés sur des dizaines de milliers de photographies d’émaux (avant et après cuisson) pour prédire visuellement le résultat final. On montre au modèle une photo de l’émail cru, on lui fournit les paramètres de cuisson prévus, et il génère une simulation du résultat cuit avec une précision déconcertante.
J’ai pu tester une version bêta de cet outil lors d’un atelier de recherche à Lyon en octobre 2024. La précision n’est pas parfaite — les effets de cristallisation restent imprévisibles —, mais pour des émaux standards, la corrélation entre prévision et résultat réel est bluffante.
L’IA menace-t-elle l’authenticité artisanale ?
Voilà le débat qui anime les forums spécialisés depuis deux ans, et qui n’est pas près de se clore.
Je vais vous donner mon point de vue, forgé dans vingt-cinq ans d’enseignement et de pratique : non, l’IA ne menace pas l’authenticité céramique — mais elle oblige à redéfinir ce que nous entendons par authenticité.
La peur est compréhensible. Si une machine peut générer des formes, optimiser les cuissons et prédire les émaux, qu’est-ce qui reste à l’artisan ? La réponse tient en un mot : l’intentionnalité. La machine ne sait pas pourquoi elle fait ce qu’elle fait. Elle optimise des paramètres selon des critères que nous lui avons fixés. Elle ne choisit pas. Elle ne désire pas. Elle n’a pas de grand-père potier en Dordogne dont les mains lui ont transmis la mémoire de la terre.
La céramique a traversé d’autres révolutions technologiques sans perdre son âme : le tour à pédale, le four à gaz, le pyrex de mesure de température, l’impression 3D. À chaque fois, certains ont crié à la trahison. À chaque fois, les artisans ont intégré ces outils et continué de créer des œuvres profondément humaines.
Il y a cependant une distinction cruciale que je maintiens fermement : entre l’IA comme outil d’assistance (aide à la conception, à l’optimisation, à la simulation) et l’IA comme producteur autonome (générer et imprimer des pièces sans intervention humaine significative). La première enrichit le geste artisanal. La seconde le contourne. Ce n’est pas la même chose, et nous devons être précis dans nos catégories.
Témoignages : des céramistes qui travaillent avec les algorithmes
Neri Oxman (Massachusetts Institute of Technology) a longtemps été la figure de proue de ce qu’elle appelait le « Material Ecology » — une approche qui intègre algorithmes génératifs, fabrication additive et matériaux biologiques, dont la céramique. Ses structures complexes, exposées au MoMA de New York dans « Items: Is Fashion Modern? » en 2017, ont ouvert la voie à toute une génération de créateurs.
En France, Constance Guisset — designer diplômée de Sciences Po et des Arts Décos — utilise des outils de génération paramétrique pour explorer des géographies de surface sur ses pièces céramiques, avant de sélectionner manuellement les formes qui « lui parlent ». « L’algorithme génère cent propositions. J’en retiens peut-être trois. Ce choix, c’est le design. »
Du côté des jeunes générations, la céramiste britannique Ying Gao (diplômée du Royal College of Art en 2022) a présenté une série « Computed Clay » à la London Design Fair 2023, où chaque pièce naissait d’un dialogue entre prompts textuels sur Midjourney, modélisation 3D et façonnage manuel final. Elle insiste sur ce dernier point : « Le passage par les mains reste obligatoire. L’argile résiste, surprend, impose ses propres règles. L’IA ne peut pas sentir ça. »
Je rejoins Ying Gao entièrement. J’ai fait toucher de l’argile crue à des milliers d’étudiants au fil des années. Il y a dans ce contact une intelligence tactile, immédiate, irréductible. Aucun algorithme, pour l’heure, ne sait ce que c’est que de sentir la terre vouloir s’effondrer sous ses doigts et de la retenir.
Vers un nouveau dialogue entre terre et machine
Nous sommes au début de quelque chose. Les outils évoluent vite — bien plus vite que mes cours ne peuvent les intégrer, je l’admets avec une pointe d’humour. Dans cinq ans, les possibilités de simulation, de génération et d’optimisation seront sans doute décuplées.
Mais ce qui ne changera pas, c’est la nécessité du projet humain derrière l’objet. Une céramique n’est pas seulement une forme et une couleur. C’est une intention, une émotion, une conversation avec une tradition longue de millénaires. L’IA peut aider à trouver la forme. Elle ne peut pas décider pourquoi cette forme mérite d’exister.
La vraie question n’est donc pas « l’IA va-t-elle remplacer le céramiste ? » mais « comment le céramiste va-t-il s’approprier l’IA pour aller là où ses seules mains ne pouvaient pas le conduire ? » C’est la même question que se posaient les potiers de Jōmon il y a seize mille ans quand ils découvraient qu’on pouvait cuire l’argile. Ils ont trouvé une réponse. Nous trouverons la nôtre.
— Henri D.