« Avec l’IA, je fabrique les outils qui me manquent » : entretien avec Richard Maillot

Généraliste 2D/3D, superviseur CG et VFX, consultant et formateur, Richard Maillot est passé par The Mill, MPC ou Mac Guff. Il intervient depuis une vingtaine d’années dans des environnements de production très différents : PAO, retail, packaging, 3D, effets visuels ou vidéo.

Lorsque nous l’avions interrogé en 2023 sur l’évolution de la production 3D, il insistait déjà sur un enjeu central : choisir les bons outils et, dans les environnements de production complexes, standardiser au maximum les workflows.

Trois ans plus tard, l’intelligence artificielle lui permet d’aller beaucoup plus loin. Il ne se contente plus d’optimiser les outils existants : il « fabrique » ceux qui lui manquent.

Je me suis toujours vu davantage comme un technicien que comme un créatif. Ma valeur ajoutée, c’est la technique : on peut me confier un brief 3D et je vais modéliser les objets, travailler les matières, la lumière et le rendu. Sur une production VFX, je peux superviser toute la chaîne jusqu’au compositing et à la livraison. Pour d’autres projets, je vais rester dans la suite Adobe et intervenir dans Photoshop, Illustrator ou InDesign. Mon rôle est de trouver la bonne manière de produire, d’éviter de partir vers des outils inadaptés pour tenir les contraintes de qualité, de budget et de délai : je suis un « optimiseur de workflow ».

Au début, comme beaucoup de monde, je l’ai surtout vue comme un moyen de générer des contenus. J’ai testé les modèles, travaillé mes prompts, exploré la génération d’images… Et puis je me suis rendu compte que ce n’était pas là que j’avais le plus de valeur à apporter. Ce que je connais, ce sont les logiciels, les contraintes de production et la manière dont les professionnels les utilisent réellement. Je connais par cœur toutes ces « petites » opérations que l’on répète dix, cinquante ou cent fois et qui finissent par faire perdre énormément de temps.

Les LLM m’ont permis de franchir un cap : fabriquer mes propres outils. Si je suis capable de décrire précisément un « voleur de temps » (l’objectif, l’environnement de production, les cas particuliers…), ou de repérer chez un client des actions récurrentes qui ne sont pas automatisées, l’IA me permet aujourd’hui de proposer une solution.

Bien sûr. Je forme régulièrement les équipes de L’Oréal Luxe sur SketchUp. Dans le cadre de sa démarche RSE, L’Oréal s’appuie sur EcoDesignCloud, une plateforme proposée par Bull qui permet d’analyser l’impact environnemental des éléments de retail, de PLV ou de packaging. Au fil des formations, des réunions de cadrage et des retours d’expérience, une question revenait souvent : comment faire le lien entre les fichiers SketchUp des équipes et cette plateforme ?

Lorsque j’interviens en formation, je ne vois pas seulement comment un logiciel devrait être utilisé. Je vois comment les gens l’utilisent vraiment : leurs méthodes, leurs contraintes, ce qu’ils font très bien, ce qu’ils contournent, ce qui leur prend du temps… Ici, je connaissais déjà bien leur usage de SketchUp, les difficultés rencontrées par les utilisateurs et j’ai donc développé un outil qui fait le pont entre les deux. Il accompagne l’utilisateur pour produire une analyse pertinente de son fichier SketchUp puis pour en retrouver le résultat dans EcoDesignCloud. L’IA ne conçoit pas le meuble, elle ne choisit pas les matériaux et elle ne décide pas de ce qui est pertinent en matière d’écoconception… Elle m’a juste permis de développer cet outil de liaison.

Oui, et c’est fondamental. Quand on connaît bien un logiciel, on a vite tendance à penser : « Il faudrait que tout le monde travaille correctement, nomme parfaitement ses fichiers, organise ses modèles comme ceci ou comme cela… ». C’était d’ailleurs ma première réaction : concevoir l’outil à partir des bonnes pratiques SketchUp que j’enseigne. Sauf que, dans la vraie vie, ça ne se passe pas comme ça !

Il a donc fallu raisonner dans l’autre sens : plutôt que de demander aux utilisateurs de s’adapter à l’outil, il fallait concevoir un outil assez tolérant pour s’adapter à leur réalité de production. C’est aussi pour cela que la formation est aussi importante pour moi. Quand on forme beaucoup de personnes, on observe énormément de comportements. On voit quelqu’un cliquer à un endroit auquel on n’aurait jamais pensé, on découvre qu’une opération que l’on croyait évidente ne l’est pas du tout ou, à l’inverse, qu’un utilisateur a trouvé un raccourci très pertinent.

La formation est un formidable terrain d’observation et cette connaissance des usages nourrit ensuite directement mon travail de conseil et de développement.

Oui, et là encore, on est parti d’un problème de production bien réel. Sika commercialise de nombreux produits conditionnés sous différentes formes : sacs, seaux, bidons, tubes de colle ou de silicone… Pour les présenter sur les sites de vente et les marketplaces, il faut des packshots très normés. Le problème, c’est qu’à chaque changement d’étiquette, il fallait reprendre toute une chaîne de production : préparer la nouvelle étiquette, retrouver le bon modèle 3D, y appliquer correctement le visuel, régler le rendu puis générer les différentes vues demandées. Le faire une fois, ce n’est pas bien long mais quand on multiplie l’action par le nombre de références et de mises à jour, cela représente un temps considérable.

Je suis donc parti d’une question simple : qu’est-ce qu’on peut préparer une fois pour toutes pour ne plus avoir à le refaire à chaque packshot ? J’avais déjà mis en place ce type de chaîne automatisée pour d’autres sociétés, comme SGSCO avec un workflow sous Maya.

Pour Sika, avec l’aide de ChatGPT puis de Claude, j’ai développé une application web en 3D temps réel dans laquelle les conditionnements sont déjà prêts. L’utilisateur associe la nouvelle étiquette à sa référence et l’outil produit les vues attendues, avec des éclairages et des cadrages prédéfinis.

On n’est pas au niveau de rendu d’un film ou d’une image publicitaire haut de gamme mais ce n’est pas le besoin. Il s’agit de produire rapidement des visuels propres, cohérents et conformes à une charte, sans refaire à chaque fois tout le travail technique dans un logiciel 3D.

Capture des échanges avec Claude

Exactement, et c’est ce qui rend ce projet parlant. On aurait pu imaginer une autre solution : prendre une photo approximative d’un bidon, fournir l’étiquette à une IA générative et lui demander de fabriquer le packshot. Mais on introduit alors de l’aléatoire : le bidon peut changer légèrement, l’étiquette peut ne pas être placée exactement au bon endroit, certains détails peuvent être modifiés… Et il faut parfois recommencer plusieurs fois.

Ici, c’est l’inverse : le modèle 3D est le bon, l’étiquette est la bonne, les vues et les éclairages sont définis. L’IA générative m’a servi en amont, pour concevoir l’application, écrire et corriger le code, construire l’interface. Mais une fois l’outil terminé, l’utilisateur n’a pas besoin de ChatGPT ou de Claude : il choisit sa référence, son étiquette, ses paramètres et il génère son packshot.

Oui, et c’est un cas différent, parce que les utilisateurs ne sont ni graphistes ni spécialistes de la 3D. L’objectif était de leur permettre de présenter visuellement des produits et des systèmes constructifs sans passer systématiquement par quelqu’un qui maîtrise un logiciel 3D.

J’ai donc conçu une interface très simple : on choisit les éléments à présenter, on les déplace, on les masque, on crée une vue éclatée, puis on sort une image fixe ou une courte vidéo. La prise en main ressemble presque davantage à celle d’un jeu vidéo qu’à celle d’un logiciel 3D.

Interface créée pour Sika

Autre vue de l’interface créée

Absolument et je suis même persuadé que beaucoup de professionnels devraient commencer par des projets simples. Lors d’une formation récente dans un studio graphique intégré, on m’a posé une question sur la création de PDF : produire différentes versions, extraire certaines pages, les ré-assembler dans un ordre défini et générer plusieurs fichiers.

Rien de spectaculaire, mais quand cette manipulation revient régulièrement et demande à chaque fois une succession d’opérations manuelles, elle devient un excellent candidat à l’automatisation.

On peut raisonner de la même manière avec Photoshop, Illustrator ou InDesign : renommer et exporter des fichiers, enchaîner des traitements, contrôler certains éléments, nettoyer des documents, produire des variantes, récupérer des informations, préparer des déclinaisons… Inutile de chercher forcément le grand projet.

Cinq manipulations que quelqu’un répète plusieurs fois par jour ou par semaine méritent déjà qu’on se pose la question. On retrouve alors des réflexes que l’on a depuis des années : le logiciel sait-il déjà le faire nativement ? Une action, une requête GREP ou un traitement par lot suffisent-ils ? Un script existe-t-il déjà ? Et sinon, peut-on désormais fabriquer assez facilement le petit outil dont on a besoin ? Cette démarche me parle beaucoup plus que de vouloir « mettre de l’IA » quelque part pour le principe.

Exemple de script créé sous InDesign

Non, tout commence par le métier et l’erreur serait de croire qu’il suffit de demander à un LLM : « Fais-moi un outil qui automatise ma production. ». Il faut d’abord être capable de décrire ce que l’on fait :

• Quelles données faut-il traiter ? Sous quelle forme arrivent-elles ?
• Quelles opérations réalise-t-on ? Dans quel ordre ?
• Quelles sont les exceptions, quels contrôles sont indispensables ?
• Qu’est-ce qui doit sortir à la fin ? Spoiler : c’est souvent là que ça se complique !

Sur les outils que je développe, l’IA peut proposer du code, corriger une erreur ou suggérer une autre manière de procéder. Mais elle ne connaît pas le métier et le contexte de mon client, son historique, ses contraintes ou les habitudes accumulées par son équipe. Si je reviens sur le second outil développé pour Sika, destiné aux équipes marketing, je savais qu’on ne pouvait pas demander à l’utilisateur de manipuler une scène comme le ferait un graphiste 3D. Il fallait pouvoir déplacer un élément avec quelques flèches plutôt qu’avec des coordonnées, masquer ou afficher une pièce en un clic, créer facilement une vue éclatée… Ce sont des choix qui ne viennent pas de l’IA. Ils viennent de ma connaissance des logiciels, du client et de la manière dont les utilisateurs vont réellement travailler avec l’outil.

Oui, et je m’en rends sans doute davantage compte aujourd’hui qu’il y a quelques années. En formation, on doit sans cesse remettre ses méthodes en question et s’adapter à des situations professionnelles très variées. Une équipe packaging n’utilise pas Illustrator comme une agence de communication, une maison d’édition n’utilise pas InDesign comme un service marketing, et quelqu’un qui fait de la 3D pour le retail n’a pas les mêmes contraintes qu’un artiste VFX.

En accompagnant toutes ces personnes, on accumule une connaissance très fine des problèmes de production. Et, aujourd’hui, l’IA permet parfois de transformer cette connaissance en outil.

Je commencerais par observer ce que l’équipe fait tout le temps. Pas les tâches les plus impressionnantes mais les plus répétitives : 

• Qu’est-ce que l’on fait chaque semaine ?
• Qu’est-ce qui nécessite toujours les mêmes clics ?
• Qu’est-ce qui provoque régulièrement des erreurs ?
• Qu’est-ce que tout le monde déteste faire ?
• Qu’est-ce qui oblige à ouvrir trois logiciels alors que le résultat attendu est presque toujours le même ?

Ensuite, vous contactez Swash et on en parle !!!