Théorie

Le numérique signe-t-il la fin du cinéma ? La prise de vues et les ordinateurs font-ils bon ménage ?

Dans son livre Le langage des nouveaux médias, le théoricien Lev Manovich affirme la victoire de l'image « picturale » sur l'image « indicielle » à l'ère numérique. Toute image, quelle que soit son origine, n'est plus desormais qu'une grille de pixels, identique du point de vue de l'ordinateur. Dès lors, et c'est la thèse de Manovich, le cinéma, compris comme « l'enregistrement inaltéré d'événements réels à vitesse réelle », disparaît au profit de l'animation – animation de pixels.

C'est vrai bien sûr si l'on se place du point de vue de l'image finie, c'est-à-dire de l'image-objet. Mais il n'y a pas d'image véritablement orpheline, venue toute seule au monde : toutes les images ont un créateur. Du point de vue du faire-image, c'est-à-dire du point de vue de l'image-en-train-de-se-faire, la différence entre une image enregistrée et une image composée est bien réelle : elle se manifeste directement dans l'expérience de création.

Tourner un film, c'est aligner la caméra sur son œil et prolonger ainsi son regard ; c'est faire l'exercice de sa perception : être un corps sensible situé dans l'espace. C'est aussi se confronter à un monde déjà là. Animer, en dessinant un film image par image, c'est laisser libre cours à son imagination, faire preuve d'ubiquité en laissant flotter son point de vue hors de son corps ; c'est aussi se poser en créateur absolu d'un monde qui tout entier repose sur ses images.

Contre la thèse de Manovich, qui décrit la dissolution de l'image indicielle dans l'image picturale à l'ère numérique, je défends donc le maintien de la distinction entre prise de vues et animation, située non plus au niveau de l'image elle-même — il est vrai que toutes les images sont des trames de pixels relevant d'une ontologie unique — mais au niveau de l'expérience de création : si l'image est l'enregistrement d'un point de vue situé dans un espace préexistant et autonome, elle relève de la prise de vues ; si elle est le résultat d'une composition sortie tout droit de l'imagination de son auteur, elle relève de l'animation.

Mais qu'en est-il alors des images de synthèse ? Sont-elles de simples arrangements de pixels ou bien les empreintes d'une réalité en deçà des pixels ?

Les moteurs de rendu 3D, utilisés par l'industrie du cinéma et du jeu vidéo, fonctionnent comme des appareils photo captant un monde mathématique, virtuel certes, mais bien réel. Il est possible d'y déplacer une caméra, de cadrer, d'illuminer une scène avec des projecteurs dont les rayons virtuels se comportent comme ceux de la lumière physique. La scène virtuelle, en revanche, doit être créée de toutes pièces. A moins qu'il ne s'agisse d'un monde virtuel préconçu, par exemple un jeu vidéo : un espace plus ou moins complexe, plus ou moins autonome s'offre alors à l'exploration des joueurs, qui peuvent à l'occasion être des cinéastes. Le documentaire Knit's Island est tourné intégralement dans le jeu DayZ, comme on aurait pu tourner dans un lieu réel : en allant à la rencontre des habitants, en faisant du repérage et même de la logistique — nourrir et loger l'équipe – dans le monde virtuel…

Des machinimas — ces films tournés dans des jeux vidéo — jusqu'aux world models – ces mondes cohérents et persistants générés par intelligence artificielle –, il existe une voie pour réaliser des films en images de synthèse dont l'expérience de création est plus proche du tournage que de l'animation, c'est-à-dire lorsque le monde excède l'image. Mais jusqu'à quel point ? Les mondes virtuels peuvent-ils donner lieu à l'expérience d'un point de vue incarné comme dans le monde physique ? Peut-on y rencontrer des formes et comportements émergents, jusqu'à l'autonomie du vivant ? Un cinéaste d'un nouveau genre pourrait-il y diriger des créatures virtuelles comme il dirigerait des interprètes ? Pourrait-il y tourner un film qui serait comme l'empreinte de ces lieux et de ce qui les habite ?

À travers ces différentes questions, et les réponses que je m'efforce d'y apporter dans ce mémoire, j'essaie de définir et de défendre la prise de vues virtuelles : l'enregistrement inaltéré d'événements virtuels à vitesse réelle.

L'informatique graphique connaît une révolution avec l'apparition de la « 3D » dans les années 60. Cette représentation tridimensionnelle de l'espace ouvre la voie au calcul de la lumière, des volumes et de la matière de manière physiquement réaliste. Au cours des décennies qui suivent, l'industrie du cinéma s'empare de cette technologie pour produire des images de synthèse à destination des effets spéciaux et de l'animation.

Au tournant des années 90, une nouvelle révolution technologique se produit lorsque le jeu vidéo investit à son tour la 3D. Favorisant la qualité d'image au détriment de la vitesse de calcul, les studios de cinéma utilisent une méthode de rendu qui simule précisément la trajectoire des rayons de lumière dans les scènes virtuelles. Le résultat est photoréaliste mais les temps de rendu sont conséquents — une moyenne de vingt-quatre heures par image pour un film du studio Pixar. Le jeu vidéo répond à des exigences inverses : s'il peut sacrifier la qualité d'image, le calcul doit se faire en temps réel pour permettre l'interactivité. Là où un film n'est rendu qu'une fois et dupliqué de manière identique à volonté, un jeu vidéo est rendu à chaque nouvelle partie : aucun joueur ne voit exactement la même séquence d'images, qui varie selon chaque action, déplacement ou orientation de la caméra.

Le rendu en temps réel implique donc un nouveau régime d'image : des images dans lesquelles l'utilisateur peut se déplacer et avec lesquelles il peut interagir. Se pose alors la question du genre d'expérience qui en résulte. Reprenant les travaux de Maurice Merleau-Ponty dans la Phénoménologie de la perception, j'esquisse dans ce mémoire une phénoménologie de la 3D temps réel, centrée en particulier sur le plongement du corps, et du point de vue qui l'accompagne, dans les espaces virtuels.