Un diplômé capable de générer cinquante variantes colorées avant le déjeuner, mais incapable d’en désigner une seule comme meilleure que les autres — voilà ce que les écoles de design n’avaient pas prévu de former. Les programmes de mode de Parsons, Central Saint Martins et du Fashion Institute of Technology ont intégré l’IA générative dans leurs studios au cours des deux dernières années, et les enseignants rapportent tous le même défaut : une aisance dans le prompting, une pauvreté dans la critique. L’outil est arrivé plus vite que le jugement censé le gouverner, et c’est précisément ce jugement que l’industrie comptait trouver chez ces diplômés.

Les enseignants décrivent cette érosion en des termes plus directs que les discours des éditeurs de logiciels. AK Brown, ancien professeur désormais actif dans les médias de mode, a confié à Glossy que l’IA en cours représente « une bénédiction et une malédiction, souvent simultanément », et que les étudiants « s’appuient sur l’IA d’une façon qui érode silencieusement leur pensée critique ». Jason Schupbach, directeur du FIT, est en train de repenser l’établissement autour de ce manque, en le repositionnant comme un « laboratoire de carrières créatives » où les enseignants « apprennent aux étudiants les soft skills et la pensée critique ». Le FIT classe désormais ses cours en trois niveaux — de l’IA encouragée à l’IA interdite —, aveu implicite que l’outil et le jugement ne peuvent pas cohabiter sur chaque heure de l’emploi du temps en studio.

Le mécanisme à l’origine de ce déficit est documenté en dehors des studios, ce qui devrait inquiéter ceux qui y travaillent. Une enquête de Microsoft Research auprès de 319 travailleurs du savoir, publiée en 2025, a établi qu’« une confiance élevée envers l’IA générative est associée à moins de pensée critique, tandis qu’une grande confiance en soi est associée à davantage de pensée critique ». L’étude portait sur des employés de bureau et non sur des designers, mais le constat se transpose sans difficulté : plus on fait confiance au résultat produit, moins on l’interroge — or l’interrogation, c’est précisément ce qu’est un crit.

Une deuxième expérience met en lumière ce que ce transfert coûte à celui qui l’effectue. Le Media Lab du MIT a équipé 54 personnes de casques EEG pendant qu’elles rédigeaient des essais avec ChatGPT, avec un moteur de recherche, ou sans aide. Le groupe ChatGPT affichait l’activité cérébrale la plus faible et la moins connectée, le sentiment d’appropriation de son travail le plus bas, et était incapable de citer ses propres textes avec fiabilité. Les productions du groupe ChatGPT convergeaient également : des structures linguistiques et des distributions thématiques plus étroites que dans les deux autres groupes — le problème d’homogénéisation du studio exprimé dans le langage des sciences cognitives. L’étude portait sur l’écriture plutôt que sur le design, et son petit échantillon, pas encore soumis à révision par les pairs, prouve moins que les gros titres ne le laissaient entendre. Elle désigne néanmoins quelque chose que le studio reconnaît : un créateur incapable de justifier un choix ne peut pas le défendre, et la défense d’un choix est le cœur même d’un crit.

Le prompting est une compétence d’acquisition ; la critique est une compétence de refus — et seule l’une d’elles est véritablement exercée.

L’objection la plus solide est que tout cela ressemble à la panique du calculatrice dans un nouvel habit. Chaque outil qui a absorbé une compétence manuelle — de la calculette de poche à la CAO en passant par le remplissage par reconnaissance de contenu de Photoshop — a suscité le même avertissement : les étudiants allaient cesser d’apprendre les fondamentaux. À chaque fois, le jugement a migré vers le niveau que l’outil ne pouvait pas atteindre, plutôt que de disparaître. Business of Fashion a rapporté que de nombreux étudiants en design restent méfiants vis-à-vis de l’IA générative, ce qui suggère que la prochaine promotion développe elle-même son scepticisme sans qu’on le lui enseigne. La thèse s’effondre si les écoles reconstruisent la critique à la nouvelle altitude — juger, orienter et rejeter les productions de l’IA — plus vite que l’outil ne l’érode à l’ancienne.

C’est là que l’analogie se rompt. Le calcul arithmétique n’a jamais été le jugement qui comptait en mathématiques ; c’était le substrat qui le soutenait, et le confier à une puce ne coûtait donc rien d’essentiel. La critique n’est pas le substrat du design : c’est le travail lui-même, l’acte pour lequel on paie un directeur artistique. Une étude de 2025 portant sur 33 équipes étudiantes dans un cours de design HCI a montré qu’elles exercent bien un jugement sur l’IA, en triant ses productions selon leur fiabilité, leur pertinence et leur qualité. Mais les jugements observés se résument à ceci : vérifier les résultats et éliminer le remplissage — les réflexes de la perception plutôt que la discernement entraîné qui permet de nommer ce qui ne va pas et de prescrire le remède. Remarquer qu’une image est ratée, c’est le début de la critique ; expliquer pourquoi et proposer une alternative, voilà ce qu’un studio met des années à forger et qu’une boîte de prompt met quelques secondes à décourager.

Le coût de ce déficit ne sera pas payé par les diplômés qui le portent. Il sera payé par les marques qui les recrutent et qui ne comprennent pas pourquoi leur collection assistée par IA ressemble à celle de tout le monde. Les outils convergent vers une norme étroite — jusqu’aux visages qu’ils acceptent ou refusent de générer — et une salle remplie de prompteurs aguerres mais sans œil exercé ne perçoit pas cette convergence, encore moins ne peut la contrecarrer. Les écoles qui maintiennent le crit au cœur du studio formeront des designers capables de diriger la machine ; celles qui laissent le prompting l’évincer formeront des opérateurs capables seulement de l’alimenter. Le choix entre les deux relève de la façon dont le temps de studio est utilisé, et non des propriétés du logiciel — et ce choix se fait en ce moment même.