Pourquoi les visages presque humains nous mettent mal à l’aise

Une marque qui veut un porte-parole IA peut générer en quelques minutes un visage qui passe pour une photo. Le problème commence quand il parle. Un clignement arrive en retard, les dents se confondent, un sourire s’installe une fraction de seconde trop lentement, et le public cesse de croire ce qu’il voit sans savoir pourquoi.

Le cinéma a un nom pour ce malaise, et il l’a appris à gros prix. Il y a une vingtaine d’années, des studios ont englouti des fortunes dans des humains de synthèse que le public trouvait inquiétants. Leurs leçons sur les yeux, le mouvement et le style s’appliquent presque point par point aux avatars que les marques commandent aujourd’hui.

Le graphique d’un roboticien, 1970

En 1970, le roboticien japonais Masahiro Mori publie un court essai dans une revue intitulée Energy. En juin 2012, IEEE Spectrum en diffuse la première traduction anglaise autorisée et révisée par Mori. Son idée tient en un graphique. Plus un robot ressemble à un humain, plus notre affinité grandit, jusqu’au moment où la ressemblance devient presque juste, sans l’être tout à fait. Là, la courbe plonge dans ce qu’il appelle la vallée de l’étrange, avant de remonter vers une personne en santé.

Il place la marionnette du bunraku, le théâtre japonais, haut sur la courbe : vu de la salle, son visage stylisé se lit comme humain et suscite une vraie affinité. Une prothèse de main réaliste, à l’inverse, semble convaincante jusqu’à ce qu’on la serre. Le mouvement accentue les sommets comme les creux. Il décrit un visage robotisé conçu pour sourire : quand on ralentit son sourire de moitié, l’expression devient « inquiétante ». Son conseil aux concepteurs : viser le premier sommet, une ressemblance humaine modérée, plutôt que l’ascension risquée vers le réalisme total.

Ce sourire au ralenti, on le voit souvent en vidéo générée. Un modèle peut produire un visage fixe à s’y méprendre, puis l’animer avec un rythme qu’aucun visage n’a : un sourire qui prend deux secondes à se former, un clignement qui se ferme à moitié, des traits qui glissent quand la tête tourne. L’interpolation d’images empire les choses, puisque chaque image intermédiaire est inventée. Jugez un avatar en mouvement, à vitesse réelle, jamais à partir de l’image vedette.

La première distribution photoréaliste

Square Pictures a tenté de gravir toute la courbe d’un seul coup. Final Fantasy : Les créatures de l’esprit, sorti en juillet 2001, mettait en scène des humains entièrement créés en animation numérique, menés par une scientifique nommée Aki Ross. Roger Ebert, qui lui a donné deux étoiles, saluait le savoir-faire et traçait quand même la ligne là où Mori l’aurait tracée : « pas un seul instant » il ne croyait qu’elle était humaine, écrivait-il, tout en concédant qu’elle avait l’air vivante. Ses mouvements, calqués sur de vrais acteurs, lui semblaient à peu près justes, et ses cheveux bougeaient de façon convaincante dans le vent.

Le public n’a pas suivi. Selon Variety, le film a coûté 145 millions de dollars et en a récolté 72 millions dans le monde, pour une perte estimée à environ 73 millions. Square a fermé son studio d’Honolulu, ouvert cinq ans plus tôt, le 31 mars 2002, ce qui touchait 125 employés.

Les avatars générés échouent à moindre coût, mais de la même façon. Une démo montre un visage saisissant pendant trois secondes, et la marque approuve un texte de 60 secondes. Les modèles de vidéo IA génèrent quelques secondes à la fois ; une longue capsule face caméra est donc cousue à partir de générations séparées, et le visage, la lumière ou la voix peuvent changer à chaque raccord.

Le Pôle Express et les yeux absents

Trois ans plus tard, Le Pôle Express de Robert Zemeckis prenait une autre voie vers les humains réalistes : la capture de performance, avec des interprètes en combinaisons couvertes de capteurs infrarouges. Tom Hanks y jouait cinq rôles, dont le contrôleur. Dans sa critique pour CNN, en novembre 2004, Paul Clinton trouvait les personnages humains inquiétants. Il pointait les yeux et l’intérieur de la bouche, que les capteurs ne pouvaient pas atteindre et qu’il fallait générer par ordinateur. Résultat, selon lui : ces personnages ont l’air « morts dans l’âme ». Immobiles, ils semblaient sans vie.

La recherche lui a ensuite donné raison. Dans une étude publiée en 2011 dans Computers in Human Behavior, Angela Tinwell et ses collègues ont constaté que même des personnages animés entièrement et avec expertise étaient jugés plus étranges que des humains, et que l’absence de mouvement dans le haut du visage pendant la parole aggravait l’effet, surtout pour la peur, la tristesse, le dégoût et la surprise.

Les visages parlants générés ont le même point faible. La synchro labiale pilotée par l’audio concentre ses efforts là où est le son, la bouche, alors que les sourcils, les paupières et les joues peuvent rester étrangement immobiles. Les indices habituels : un regard qui ne se pose jamais sur l’objectif, des clignements réglés comme un métronome, des dents qui fusionnent ou changent de forme d’un mot à l’autre, une peau sans pores. Ensemble, ils reproduisent ce que Clinton voyait en 2004.

Là où un visage généré glisse dans la vallée

Cinq zones à vérifier sur tout avatar IA, en mouvement

Cinq zones où un visage généré glisse dans la vallée de l’étrange

Zone	À surveiller
Yeux	Regard qui ne se pose jamais sur l’objectif, clignements au rythme mécanique
Haut du visage	Sourcils et paupières figés pendant que la bouche parle
Bouche	Formes de lèvres qui ratent les consonnes, dents floues ou changeantes
Peau	Trop lisse, sans pores, lumière qui ne correspond pas à la scène
Rythme	Sourires qui se forment trop lentement, traits qui dérivent pendant une rotation de la tête

Deux portes de sortie : le style ou la direction

Pixar a compris la leçon tôt. Son court métrage Tin Toy, en 1988, montrait un bébé réaliste que certains spectateurs ont qualifié de « démoniaque », raconte Animation Obsessive, et Ed Catmull a écrit plus tard que le studio ne voulait pas d’humains comme personnages principaux pour son premier long métrage.

Pour le court métrage Geri’s Game, en 1997, le réalisateur Jan Pinkava s’est inspiré du théâtre de marionnettes européen et a conçu son vieux joueur d’échecs comme une marionnette numérique. Quand les humains ont pris les devants dans les longs métrages, Pixar les a stylisés aussi. En octobre 2004, à propos de la bande-annonce des Incroyables de Brad Bird, Amid Amidi, de Cartoon Brew, saluait des personnages humains qui « n’essayaient pas d’imiter la vie ». Ce film et Le Pôle Express sont sortis la même année, chacun à un bout de la courbe de Mori.

Les visages générés brouillent les cartes. Dans une étude de Sophie Nightingale et Hany Farid publiée en 2022 dans PNAS, 315 personnes devaient distinguer de vraies photos de visages de visages synthétisés par IA. Taux de réussite : 48,2 %, près du hasard. Les auteurs concluent que les moteurs de synthèse ont traversé la vallée de l’étrange. Mais il s’agissait d’images fixes. Un avatar, lui, doit bouger et parler, ce qui le ramène sur la courbe en mouvement de Mori.

En ligne, le public réagit encore comme Mori l’avait prévu. Pendant 11 mois, Jbid Arsenyan et Agata Mirowska ont comparé les réactions à trois comptes sur une plateforme sociale populaire : un influenceur humain, un influenceur virtuel d’allure humaine et un autre de style anime. Le compte virtuel d’allure humaine a reçu nettement moins de réactions positives.

Il reste donc deux voies honnêtes pour une marque. Un avatar clairement stylisé se tient sur le premier sommet de Mori, comme la marionnette du bunraku. Un avatar réaliste doit être dirigé comme une performance : la prise d’un vrai comédien comme référence de mouvement ou passée en vidéo à vidéo pour que le rythme soit humain, une fiche de référence verrouillée pour le visage, des plans courts, une synchro labiale vérifiée mot par mot. Un visage réaliste laissé au mouvement par défaut d’un modèle, c’est la vallée.

Testez-le sur des gens qui ne l’ont pas fait

L’équipe qui a construit un avatar l’a vu des centaines de fois ; des yeux neufs sont plus sévères. Dans la recherche de NielsenIQ publiée en décembre 2024, plus de 2 000 personnes ont regardé des pubs générées par IA, dont environ 150 sous EEG. Elles repéraient facilement les pubs IA, les trouvaient « agaçantes », « ennuyantes » et « déroutantes », et même les meilleures activaient moins la mémoire.

Un petit test attrape l’essentiel de la vallée avant le lancement. Montrez l’avatar à cinq ou dix personnes de l’extérieur, sur un téléphone, à vitesse réelle, sans dire qu’il est généré. Demandez-leur ce qui clochait. Repassez-le sans le son, pour qu’une belle voix ne masque pas une synchro labiale faible. Vous hésitez entre réaliste et stylisé ? Testez les deux.

Reste à décider comment le divulguer. Dans une étude publiée en 2025, Jamie Grigsby, Meg Michelsen et César Zamudio ont constaté que la mention de l’IA dans des pubs de services réduisait la confiance, qui revenait quand l’IA ne générait que des éléments tangibles, comme un bureau, et que le prestataire restait réel. Choisissez donc ce que vous générez, annoncez-le simplement, et ne laissez jamais le public découvrir de lui-même une personne synthétique réaliste.

Ce qu’il faut exiger de tout projet d’avatar IA

Demandez à voir l’avatar en mouvement, sur toute la durée du texte, avant d’approuver son apparence. Demandez s’il doit se lire comme stylisé ou comme réel et, s’il est réaliste, quelle performance le guide. Vérifiez les yeux, les sourcils, les dents et la peau en gros plan, une fois sans le son. Demandez qui, hors de l’équipe, l’a vu. Entendez-vous sur la façon dont le public apprendra qu’il est généré.