Une intelligence artificielle regarde un tableau, le decrit, le redessine.
Deux cent cinquante fois. Voila ce qu'elle a vu.
250 iterations · 36 secondes · une seule graine
Caravage · Narcisse · vers 1599 · Palazzo Barberini, Rome
En 1435, Leon Battista Alberti faisait de Narcisse le premier peintre.
L'inventeur de la peinture, c'etait Narcisse. Peindre, c'est embrasser un reflet.
Leon Battista Alberti, De pictura, 1435
Six siecles plus tard, j'ai donne le tableau de Caravage a une intelligence artificielle. Je lui ai demande de le decrire. J'ai pris sa description, et je lui ai demande de la dessiner. J'ai pris le dessin et je lui ai demande de le decrire a nouveau. Et ainsi de suite. Deux cent cinquante fois. Sans jamais intervenir.
Le modele ne sait pas qu'il se parle a lui-meme. Il decrit ce qu'il voit, puis dessine ce qu'il vient de decrire, puis decrit ce qu'il vient de dessiner. Chaque iteration est lue par la suivante. Certains details se perdent. D'autres s'inventent, que personne n'avait peints. Un oeuf apparait. Un cadre se ferme autour de l'image. Le visage glisse.
Chaque passage laisse deux traces : l'image que le modele a vue, et le texte qu'il en a ecrit. Ce texte devient le brief du passage suivant.
Narcisse mourut de se regarder. Le modele, lui, derive et continue.
Note d'experimentation
Le tableau devient des mots, les mots deviennent un autre tableau.
Deux cent cinquante fois, en silence.
Deux modeles de Google. Gemini 2.5 Flash pour la vision, qui lit chaque image et la met en mots. Nano Banana 2 pour l'image, qui prend ces mots et les redessine en 1408 x 768.
Aucune intervention humaine pendant les deux cent cinquante tours. Aucun prompt glisse, aucun parametre retouche. Le modele ne lit que ce qu'il vient d'ecrire, ne voit que ce qu'il vient de dessiner.
Dix-sept dollars americains pour deux cent cinquante iterations. Seize dollars soixante-quinze pour les images, trois centimes pour la vision. Chaque appel est journalise par l'API Google.
Les deux cent cinquante images sont montees en un clip de trente-six secondes, vingt-quatre images par seconde. Entre chaque iteration reelle, un interpolateur invente les passages manquants, juste assez pour que la derive respire.