Section 4: Facteurs clés pour renforcer l’industrie

La sortie de ChatGPT, l’intelligence artificielle (IA) générative d’OpenAI, en novembre 2022 a créé un séisme dont les répliques continuent de secouer l’industrie des écrans à travers le monde.

L’IA était déjà présente dans notre secteur avant cette date, notamment en amont. Que ce soit avec les outils prédictifs qui permettent d’évaluer le succès d’un projet sur la base de son scénario ou de sa distribution, mais aussi en postproduction, effets visuels, animation, ou encore en jeu vidéo. Mais les progrès dans la qualité de rendu d’une IA générative (quoiqu’encore imparfaite) et l’adoption aisée de l’outil ont permis au secteur d’envisager une automatisation facilitée et accessible à un grand nombre.

Le pendant négatif de l’automatisation — la disparition de certains emplois — a rapidement cristallisé les inquiétudes. La double grève des scénaristes et des interprètes aux États-Unis en est devenue le porte-voix.

Le secteur américain n’a pas été le seul à se faire entendre. Au pays, la Writers Guild of Canada alertait dès juin 2023 le ministre du Patrimoine canadien quant aux menaces de l’IA sur les scénaristes. Plus récemment, des porte-paroles des secteurs de la télévision, du cinéma et de la musique ont interpellé le gouvernement sur la nécessité de protéger leurs industries dans le cadre de la Loi sur l’intelligence artificielle et les données (LIAD, incluse dans la loi C-27) ¹.

Quoique largement documentés, les défis autour de l’IA n’évincent pas le potentiel qu’un tel outil puisse représenter pour économiser des ressources, en particulier en période de coupes budgétaires.

Il peut alors être judicieux d’appliquer l’un des principes clé du secteur : l’analyse bénéfices-risques.

En phase de développement, une IA générative et/ou prédictive ² peut apporter une aide efficace que ce soit dans le processus de scénarisation, pour la création de l’ambiance sonore ou visuelle (illustration des décors, lumières, costumes, etc.), voire dans le choix de la distribution et le storyboarding.

En production, l’indexation et la labélisation des épreuves de tournage, la transcription des entrevues en documentaires, ou l’animation assistée permettent une productivité accrue.

En postproduction et effets spéciaux, les applications sont multiples et l’automatisation à l’œuvre depuis plusieurs années.

En distribution, promotion et diffusion, une optimisation substantielle est aussi possible.

Mais pour chacune de ces étapes et de ces utilisations, les questions qui régissent le secteur restent plus que jamais pertinentes : partageriez-vous votre traitement avec n’importe qui alors que vous êtes en début de développement? Le partageriez-vous avec une IA « publique » sans consulter ses conditions d’utilisation et avoir la garantie que vos données ne seront pas utilisées à des fins qui contreviendraient aux termes de la chaîne de droit? Et inversement, sans avoir la garantie que des données sous licence ne s’immiscent dans votre travail? Les IA utilisées par vos prestataires en postproduction ont-elles été développées par leur soin ou sont-elles « publiques »?

Outre la sécurisation de l’utilisation des données, le recours à l’IA s’accompagne de considérations financières, une IA « maison » étant plus sûre, mais aussi beaucoup plus dispendieuse.

Le temps investi est aussi à évaluer : vos équipes sont-elles pleinement opérationnelles sur ces outils? Faut-il envisager des vérifications pour prévenir certains biais ou autres problèmes?

Une autre question clé est à considérer : l’empreinte environnementale massive de l’IA. Alors que l’industrie veille à mettre en place des protocoles efficaces et pérennes, parfois accompagnés d’incitatifs, la simple utilisation d’une IA générative risque bien de ruiner tous les efforts. À titre indicatif, la génération d’une image a la même empreinte carbone que la recharge de votre téléphone ³.

Qu’est-ce que tout cela signifie pour notre industrie en 2024? Qu’il y a urgence à avoir une approche de l’IA qui concorde avec nos processus et objectifs, autant au niveau individuel, comme évoqué plus haut grâce à une utilisation raisonnée et éclairée des outils, qu’au niveau sectoriel.

Pour ne citer qu’un exemple de possible impact au niveau sectoriel, imaginez lorsque Sora, l’IA générative de vidéo d’OpenAI, ou toute autre IA générative, pourra être utilisée dans le cadre du tournage. Comment cela pourrait-il affecter les décisions des productions étrangères de venir tourner au Canada? Quelles conséquences cela pourrait alors avoir sur les politiques de crédits d’impôts dont l’industrie locale bénéficie aussi?

Le virage vert: À la recherche de mesures durables pour l’industrie

Les pratiques éco-responsables prennent de l’ampleur dans l’industrie. Comment faire encore mieux?

^{Par Corinne Darche
Coordonnatrice, Prospective & innovation, Fonds des médias du Canada}

L’année 2020 nous a fait vivre un imposant soulèvement face au racisme et une pandémie mondiale qui ont mis en évidence des inégalités, incitant des médias à travers le monde à réévaluer leur soutien aux « communautés sous-représentées ». Les médias canadiens avaient déjà mis en œuvre des mesures d’équité entre les genres et des programmes pour la création autochtone. Néanmoins, les changements sociétaux alors en cours réclamaient une approche plus structurée et approfondie de collecte de données.

Des systèmes d’auto-identification

Divers systèmes de collectes de données sont utilisés à travers le monde. L’outil Diamond, qui recueille des données démographiques auprès de six diffuseurs au Royaume-Uni, analyse ces chiffres depuis 2016 ¹. The Everyone Project a quant à lui commencé en 2021 à rassembler des données exhaustives sur l’industrie australienne ².

Chez nous, le Fonds des médias du Canada (FMC) a lancé son système PERSONA-ID en 2022 aux fins de ses propres programmes ³. Téléfilm Canada, CBC/Radio-Canada et d’autres lui ont emboîté le pas peu après en introduisant leurs propres méthodes.

Chaque système a ses objectifs fondamentaux qui requièrent différentes méthodologies. L’approche du Canada repose sur des données recueillies au moment de la soumission d’une demande de financement afin d’établir l’admissibilité des candidat·es au programme concerné. Ces chiffres sont aussi utilisés pour répondre aux exigences de diversité, notamment pour CBC/Radio-Canada. À l’inverse, Diamond et The Everyone Project recueillent leurs données après la production à des fins statistiques, sans qu’elles n’influencent directement les décisions immédiates sur le financement.

Chacun de ces systèmes se concentre également sur des aspects différents. Le Canada met l’accent sur les postes clés — scénarisation, réalisation, production, et actionnaires dans le cas du FMC — alors que d’autres pays analysent davantage de postes. Les marqueurs d’identité peuvent se ressembler, mais comme chaque système utilise différentes étendues et approches d’analyse, dresser des comparaisons internationales et tirer des conclusions s’avèrent difficile.

Que disent les chiffres?

À l’échelle mondiale, le genre demeure un point central de la collecte de données.

Diamond a l’avantage d’avoir suivi les tendances longitudinales pendant six années complètes. Ses études montrent que, même si la représentation des femmes œuvrant derrière l’écran est supérieure à 50 %, il y a eu des fluctuations qui témoignent de dynamiques plus larges de l’industrie, comme la demande du marché du travail ou l’impact économique de la pandémie ⁴.

Au Canada, de 2022 à 2023, d’après le FMC, 40 % des rôles clé dans les programmes linéaires étaient occupés par des femmes, soit à peine le seuil minimal fixé par les mesures d’équité entre les genres (graphique 4.3). Le FMC a également constaté un manque de représentation des femmes dans le contenu interactif.

La visibilité autochtone est un autre enjeu de premier plan au Canada et en Australie, qui plus est dans un contexte historique important.

De 2021 à 2022, à l’aide de repères démographiques pour mesurer le succès de ses programmes, l’Australie a rapporté 4 % de représentation autochtone dans les postes de production (graphique 4.4). Le FMC rapportait de son côté 9 % de représentation autochtone dans des postes clés dans les contenus linéaires qu’il a financés. Sans mesures communes, la comparaison s’avère ineffective.

Les catégories ethniques et raciales ont fait l’objet d’une attention particulière à la suite de 2020. Le FMC remarque que les communautés racisées apparaissent à hauteur de 18 %, et que les personnes afrodescendantes sont particulièrement présentes. Cela peut être le signe d’un changement dans la dynamique de l’industrie ou de l’efficacité du militantisme des communautés.

Au Royaume-Uni, on observe une tendance similaire de la représentation afrodescendante.

Quant aux communautés 2SLGBTQIA+, leur visibilité au-delà de 16 % est considérée comme forte dans les industries britannique et australienne (graphiques 4.5 et 4.6). Inversement, les personnes vivant avec un handicap demeurent sous-représentées, soulignant un besoin d’efforts ciblés.

L’avenir de la représentation médiatique

Le suivi à long terme et la collecte constante de données sont essentiels pour détecter les tendances démographiques et pour orienter le développement de politiques d’égalité. Le fait d’instaurer des normes nationales et mondiales harmonisées faciliterait les collaborations entre organismes et entre pays. Cela renforcerait aussi les initiatives de coproduction et les pratiques de développement partagé de l’industrie.

Au Canada, nous peinons toujours à définir des variables communes sur la représentation à l’échelle de l’industrie. Une multitude de facteurs, dont les changements démographiques et l’évolution du marché du travail, expliquent ce défi.

Néanmoins, la quête d’une stratégie durable de collecte de données est essentielle à l’évaluation de l’incidence concrète des mesures d’équité, de diversité, l’inclusion et d’accessibilité, et à l’élaboration de politiques plus efficaces.