De la beauté

70 % d’ordre, 30 % de complexité

Quand on décompose ce qui est beau, c’est étonnamment régulier.

Les fugues de Bach suivent strictement les règles du contrepoint. L’architecture de Le Corbusier repose sur une grille modulaire. Le nombre d’or en typographie, l’harmonie en musique, la perspective en peinture — la beauté est, pour l’essentiel, mathématique.

La recherche sur les fractales l’a quantifié. La dimension fractale que l’humain trouve la plus belle est D ≈ 1,3 (Spehar et al. 2003, Taylor et al. 2011). Si D=1,0 correspond à l’ordre parfait et D=2,0 au chaos parfait, alors 1,3 représente environ 70 % d’ordre et 30 % de complexité. Le même résultat a été confirmé de façon répétée pour les paysages naturels, les fractales mathématiques, les peintures de Pollock, chez les enfants comme chez les adultes. Devant un motif de D=1,3, le stress se résorbe 60 % plus vite.

La musique pointe vers le même rapport. Voss & Clarke (1978) ont découvert qu’entre le bruit blanc (totalement aléatoire) et le bruit brun (corrélation excessive), l’humain préfère systématiquement le bruit rose (1/f) — le point milieu mathématique exact entre prévisibilité et surprise.

Alors, l’ordre seul suffit-il à la beauté ? Non.

Bach est grand non parce qu’il a respecté le contrepoint, mais parce que, par-dessus le contrepoint, il a posé une note à un endroit inattendu. Le Corbusier est grand parce que, sur la grille, il a fait dévier une colonne. Le jazz est beau parce que, sur la forme rigide d’une grille d’accords, vient se poser l’improvisation.

70 % d’ordre construit le socle, 30 % de complexité fait la beauté. La complexité sans ordre est du bruit, l’ordre sans complexité est de l’ennui.

Le design est vérifiable

Dire que « le design est subjectif » n’est vrai qu’à moitié.

La colonne de gauche peut entièrement être jugée par la machine. Des règles existent de façon déclarative, et l’on vérifie que l’implémentation les suit. C’est structurellement identique à go test qui vérifie le code.

La colonne de droite, c’est l’humain qui décide. Mais une fois qu’il a décidé, il l’explicite.

@allow-break: "asymétrie intentionnelle de la section hero"

Ce que fait cette annotation : déclarer à la machine que « ceci n’est pas un bug, mais une intention ». Désormais la machine ne touche pas à cette exception et ne vérifie que les 70 % d’ordre restants.

57 : 23 : 20

Deque Systems a analysé environ 300 000 problèmes d’accessibilité sur plus de 13 000 pages (Deque, 2021) :

Les 57 % sont le domaine de l’ordre, là où les règles sont claires. Contraste de couleur sous 4,5:1, texte alternatif manquant, accès clavier impossible — la machine juge sans poser de question.

Les 20 % sont le domaine de la complexité, que seul l’humain peut juger. « Ce flux est-il intuitif ? », « Ce texte alternatif transmet-il réellement le sens ? » — il faut comprendre le contexte pour y répondre.

Ce sont les 23 % qui forment la frontière. Un domaine que les règles ne saisissent pas entièrement, mais que l’IA peut saisir si elle reconnaît le motif. C’est là que l’IA juge, par le contexte, si « ceci est une asymétrie intentionnelle ou une erreur ».

Le cadre Evals d’Anthropic (« Demystifying Evals for AI Agents », 2026) reflète exactement ces trois couches. Il divise les évaluateurs en trois types : fondés sur le code, fondés sur l’IA, fondés sur l’humain. Et la recommandation officielle est :

« Utilisez autant que possible un grader deterministic (fondé sur le code), n’employez un LLM grader qu’à titre auxiliaire quand c’est nécessaire, et n’utilisez le human grader que pour la calibration. »

Anthropic reconnaît elle-même la supériorité de la vérification déterministe. La recommandation « autant que possible code-based » désigne le domaine des 57 %. Dans les 23 % de la zone frontière que prend en charge le LLM grader, l’IA arbitre entre ordre et complexité. Les 20 % restants, c’est l’humain qui décide.

Inutile de demander une violation de grille à un LLM. C’est le domaine des 57 %. Inutile de demander une asymétrie intentionnelle à un LLM. Ce sont les 20 % que l’humain a déjà décidés. Ce dont l’IA a besoin, ce sont les 23 % entre les deux — la zone frontière où la règle existe mais le contexte est nécessaire.

Verrouille le formel, autorise l’informel

En code, cette structure fonctionne déjà.

filefunc  — verrouille la structure du code avec 22 règles. L'exception, c'est //filefunc:allow
yongol    — verrouille la cohérence des couches avec 10 SSOT. L'exception, c'est l'override explicite
Hurl      — verrouille le comportement de l'API en plain text. Aucune exception (le comportement ne doit pas changer)

En appliquant la même structure au design :

SSOT du système de design → déclare grille, échelle typographique, couleurs, espacements
CLI de vérification        → juge mécaniquement si l'implémentation suit le SSOT
@allow-break               → autorise explicitement l'écart intentionnel
ratchet                    → impossible de régresser sous une vérification réussie

Documents, musique, vidéo — le même principe s’applique à tout domaine de création où existent des règles formelles.

Les 70 % de tout domaine

Reins Engineering n’est pas un outil de codage IA. C’est le principe qui verrouille l’ordre de façon déterministe et ne laisse à l’humain que la complexité.

Cela a commencé par le codage. Le codage n’a été que la première démonstration.

« L’art est libre » est un préjugé de qui n’a pas reçu de formation artistique. Le roman suit la structure en trois actes, la mise en place et la résolution des intrigues, la cohérence du point de vue, la cohérence des temps. La peinture suit la composition, la théorie des couleurs, la structure des valeurs, la perspective. La musique suit l’harmonie, le contrepoint, la forme. Si l’on analyse les 28 000 étiquettes harmoniques des quatuors à cordes de Beethoven, elles suivent une loi de puissance — un petit nombre de règles gouverne l’essentiel (Moss et al. 2019). Picasso maîtrisait parfaitement le dessin classique avant de faire du cubisme. Coltrane avait joué les standards des milliers de fois avant de faire du free jazz. Intérioriser parfaitement les règles puis les briser intentionnellement, voilà la création ; commencer sans règles, c’est du bruit.

La limite du champ d’application de Reins Engineering n’est autre que la proportion d’ordre. La recherche sur les fractales montre que cette proportion est partout supérieure à 70 %.

Ce que l’humain doit faire, ce n’est pas respecter les 70 %. C’est décider des 30 %. Le reste, la machine s’en charge.

Question

Dans ce que vous créez, quel pourcentage est de l’ordre ?

Cet ordre, une machine le vérifie-t-elle ?

Ou bien est-ce un humain qui le contrôle des yeux à chaque fois ?

Croyez-vous que « l’art est libre » ?

Demandez à Picasso.

Articles liés

Internes

• Reins Engineering — l’IA tenue en bride — l’approche d’ingénierie qui verrouille les 70 % d’ordre de façon déterministe
• filefunc — un concept par fichier — l’annotation //filefunc:allow = la déclaration explicite d’une exception intentionnelle
• Le biais de complaisance de l’IA est une fonctionnalité métier — pourquoi un LLM ne peut pas être juge esthétique
• La topologie du feedback plutôt que le QI du modèle — même modèle, environnement différent, résultat différent
• Construire des systèmes où les agents peuvent travailler — pas seulement le code. Le design aussi

Externes

• Dieter Rams, Good Design — « Nothing must be arbitrary or left to chance. »
• Tim Brown, More Meaningful Typography — l’échelle modulaire : toute la typographie naît d’un seul rapport
• Josef Muller-Brockmann, Grid Systems in Graphic Design — le père du système de grille. « Rendre la structure explicite donne sa force au design. »
• Le Corbusier, Le Modulor — proportions du corps humain + nombre d’or + Fibonacci pour unifier toute l’architecture en un seul système mathématique
• Daniel DeStefanis, Design Lint — plugin de linting qui détecte automatiquement dans Figma les calques où les jetons de design ne sont pas appliqués
• Toptal, Design Constraints Are Not Restraints — la contrainte n’est pas une oppression mais un catalyseur de créativité
• Sciforce, Computational Aesthetics — de Birkhoff (1933) aux algorithmes modernes, l’histoire de la quantification mathématique de la beauté

Sources

Fractales et préférence esthétique

• Spehar, Clifford, Newell & Taylor, “Universal aesthetic of fractals”, Computers & Graphics 27 (2003) — préférence pour D=1,3~1,5 en nature, mathématiques et peinture
• Taylor, Spehar et al., “Perceptual and Physiological Responses to Jackson Pollock’s Fractals”, Frontiers in Human Neuroscience 5:60 (2011) — résorption du stress 60 % plus rapide à D=1,3
• Aks & Sprott, “Quantifying Aesthetic Preference for Chaotic Patterns” (1996) — dimension fractale moyenne des motifs préférés F=1,26
• Robles et al., “A shared fractal aesthetic across development”, Humanities and Social Sciences Communications (2020) — préférence pour la complexité intermédiaire chez les enfants comme chez les adultes

Musique et théorie de l’information

• Voss & Clarke, “1/f noise in music”, J. Acoustical Society of America 63 (1978) — le bruit rose (1/f) est le point milieu mathématique entre prévisibilité et surprise
• Cheung et al., “Uncertainty and Surprise Jointly Predict Musical Pleasure”, Current Biology 29 (2019) — analyse de 80 000 accords. Faible incertitude + forte surprise = plaisir maximal
• Moss et al., “Statistical Characteristics of Tonal Harmony”, PLOS ONE (2019) — les 28 000 étiquettes harmoniques de Beethoven suivent une loi de puissance
• Manaris et al., “Zipf’s Law, Music Classification, and Aesthetics”, Computer Music Journal 29(1) (2005) — la musique esthétiquement agréable suit la loi de Zipf-Mandelbrot

Théorie de la mesure esthétique

• Birkhoff, Aesthetic Measure, Harvard University Press (1933) — M = O/C. La première tentative de quantifier la beauté par les mathématiques
• Berlyne, Aesthetics and Psychobiology (1971) — courbe en U inversé : la complexité intermédiaire produit le plaisir maximal
• Chmiel & Schubert, “Back to the inverted-U for music preference”, Psychology of Music 45(2) (2017) — 87,7 % de 57 études soutiennent le modèle en U inversé
• Schmidhuber, “Driven by Compression Progress”, arXiv:0812.4360 (2009) — l’intérêt = la dérivée première du progrès de compression

Neurosciences

• Ishizu & Zeki, “Toward A Brain-Based Theory of Beauty”, PLOS ONE 6(7) (2011) — la beauté musicale comme visuelle active le cortex orbitofrontal médian (mOFC)
• Vessel, Starr & Rubin, “The brain on art”, Frontiers in Human Neuroscience 6:66 (2012) — l’art le plus émouvant active le réseau du mode par défaut (DMN)
• Reber, Schwarz & Winkielman, “Processing Fluency and Aesthetic Pleasure”, Personality and Social Psychology Review 8 (2004) — plus la fluidité de traitement est élevée, plus la réponse esthétique est positive
• Dibot et al., “Sparsity in an artificial neural network predicts beauty”, PLOS Computational Biology 19(12) (2023) — la parcimonie des neurones explique 28~47 % de la variance de la beauté

Architecture et design

• Alexander, A Pattern Language (1977) / The Nature of Order (2002-2005) — « La beauté est objective, perceptible et reproductible »
• Salingaros, “Life and Complexity in Architecture From a Thermodynamic Analogy” — L = T × H. Il faut être complexe mais harmonieux pour maximiser le sentiment de vie
• Muller-Brockmann, Grid Systems in Graphic Design (1981) — « Rendre la structure explicite donne sa force au design »
• WCAG 2.1, Contrast Minimum (2018) — AA 4,5:1, AAA 7:1. Entièrement vérifiable de façon mécanique

Évaluation de l’IA et LLM-as-Judge

• Anthropic, Demystifying Evals for AI Agents (2026) — « Utilisez autant que possible un grader fondé sur le code »
• Zheng et al., Judging LLM-as-a-Judge (2023) — biais de position, biais de verbosité, biais d’auto-renforcement
• Ye et al., Justice or Prejudice?, ICLR 2025 — les 12 biais latents du juge LLM
• Zhou et al., IFEval (2023) — noter des instructions vérifiables par un programme déterministe
• Deque Systems, Automated Testing Study (2021) — les tests automatisés seuls détectent 57 % des problèmes d’accessibilité, 80 % avec IGT