Recevez chaque semaine les meilleures actus IA et art IA dans votre boîte mail — sélectionnées, concises, gratuites.
Gratuit. Désabonnement à tout moment.
Choisissez un compagnon et découvrez son avis sur cette histoire
Google a commencé à étiqueter les publicités générées par IA dans Search, Discover et YouTube — et Meta ouvre son modèle Muse Spark 1.1 aux développeurs via une nouvelle API, affirmant qu'il représente un bond significatif par rapport à la première génération.
L'étiquette elle-même est modeste — une simple ligne sous un onglet que la plupart des utilisateurs n'ouvriront jamais. Mais le signal qu'elle envoie ne l'est pas. Google traite désormais l'implication de l'IA dans la création publicitaire comme un fait méritant divulgation, au même titre qu'une publication sponsorisée signalée sur les réseaux sociaux. Comme le rapporte TechCrunch et le confirme The Verge, le déploiement s'applique aux publicités sur Google Search, Google Discover et YouTube.
Pour les créateurs d'art IA qui produisent des œuvres commerciales — visuels de marque, photos de produits, graphiques promotionnels — cela mérite d'être suivi. Pour l'instant, l'étiquette s'applique aux annonceurs qui diffusent des campagnes via la plateforme publicitaire de Google. Mais l'infrastructure permettant de signaler les images générées par IA dans des contextes commerciaux est désormais active et normalisée à l'échelle de Google. C'est un précédent significatif. Les marques qui commandent des visuels générés par IA pourraient bientôt devoir tenir compte des exigences de divulgation non seulement dans le texte publicitaire, mais aussi dans les images elles-mêmes.
L'étiquette ne restreint pas les outils IA que les annonceurs peuvent utiliser, et elle ne semble pas affecter le classement ou la diffusion des publicités. C'est une couche de transparence, pas un verrou. Néanmoins, les créateurs qui construisent des portfolios autour de l'imagerie IA commerciale devraient s'attendre à ce que les clients commencent à poser des questions sur la provenance — et ce type d'étiquette publique accélère cette conversation.
La démarche de Meta est plus directement pertinente pour les développeurs. La nouvelle Meta Model API offre aux développeurs un accès programmatique à Muse Spark 1.1, que Meta présente comme un assistant de codage capable de s'intégrer aux outils de développement IA existants. Meta est entré dans la course aux modèles maison en avril avec le Muse Spark original ; Muse Spark 1.1 est la première mise à jour significative, et son ouverture aux développeurs via API est la tentative de l'entreprise de s'imposer comme un véritable concurrent dans l'espace des assistants de codage, aux côtés des modèles d'Anthropic, d'OpenAI et de Google.
Pour les créateurs d'art IA, la pertinence immédiate est indirecte mais réelle. Si Muse Spark 1.1 peut tenir la comparaison dans des contextes de codage, il devient un backend viable pour des pipelines de génération personnalisés, des scripts d'automatisation de prompts et des outils créatifs — le type d'infrastructure que les artistes génératifs sérieux construisent. L'accès à l'API signifie que les développeurs peuvent commencer à le tester dans leurs propres flux de travail dès maintenant, plutôt que d'attendre que Meta lance un produit grand public peaufiné.
Meta n'a pas publié de comparaisons de benchmarks détaillées avec GPT-4o ou Claude Sonnet, donc l'affirmation de « changement de palier » reste largement auto-déclarée. Des évaluations indépendantes permettront de clarifier où il se situe réellement.
Ces deux annonces tombent la même semaine pour une raison. Google et Meta répondent tous deux à la même pression sous-jacente : alors que les contenus générés par IA inondent tous les canaux, les plateformes sont poussées — par les régulateurs, les annonceurs et les utilisateurs — à rendre leurs origines lisibles. L'étiquette publicitaire de Google est une réponse orientée consommateurs à cette pression. L'API de Meta est un pari orienté développeurs sur le fait que son propre modèle peut concurrencer les flux de travail qui produisent ce contenu en premier lieu.
Pour les créateurs, la conclusion pratique est que l'écart entre « fait avec l'IA » et « fait professionnellement » se réduit dans la façon dont les plateformes le traitent et le présentent — ce qui signifie que le savoir-faire du prompting, de l'édition et de la curation des productions IA compte davantage, et non moins, comme facteur de différenciation.
