IA générative : images, vidéo, audio
GAN, diffusion, Stable Diffusion, synthèse vocale : comment l'IA crée du contenu nouveau.
Sur cette page
1. Produire plutôt que seulement classer
Discriminative vs générative
L'IA « classique » (discriminative) répond à « cette image est-elle un chat ? ». L'IA générative fait l'inverse : « dessine-moi un chat astronaute ». Elle ne copie pas d'image existante : elle a appris les régularités statistiques de millions d'images et en produit de nouvelles qui leur ressemblent.
Que fait une IA générative, par opposition à une IA discriminative ?
Une image générée par IA est assemblée à partir de morceaux d'images stockées dans le modèle.
2. Première génération : les GAN (2014)
Un duel entre deux réseaux
En 2014, Ian Goodfellow et ses collègues proposent les réseaux antagonistes génératifs (GAN) : un générateur fabrique de fausses images, un discriminateur essaie de distinguer le vrai du faux. À force de s'affronter, le générateur devient très réaliste.
Des limites qui ont ouvert la voie à la diffusion
Les GAN ont popularisé les visages synthétiques de personnes qui n'existent pas, mais restent difficiles à entraîner et peu contrôlables à partir d'un texte — ils ont été largement supplantés par les modèles de diffusion.
Dans un GAN, quel est le rôle du « discriminateur » ?
En quelle année les GAN ont-ils été proposés ?
3. La diffusion : l'art de retirer du bruit
Comment fonctionne un modèle de diffusion
Pendant l'entraînement — On ajoute progressivement du bruit à une vraie image jusqu'à ce qu'elle devienne du bruit aléatoire. Le modèle apprend à inverser chaque étape : retirer un peu de bruit.
Quand vous générez — Le modèle part d'un bruit aléatoire pur et le « débruite » étape par étape, guidé par votre description textuelle.
Le lien avec le texte — Un second modèle (type CLIP) transforme votre description en nombres pour orienter le débruitage.
Stable Diffusion (août 2022)
Les modèles de diffusion sont à la base de DALL-E 2 (2022), Midjourney et Stable Diffusion, publié en accès libre en août 2022. Chaque génération part d'un bruit différent, d'où des résultats différents à chaque essai pour un même prompt.
Remets les 3 étapes de la génération par diffusion dans l'ordre
Pourquoi un même prompt donne-t-il une image différente à chaque génération ?
4. Voix, musique, vidéo
D'autres domaines, le même principe adapté
| Domaine | Comment ça marche |
|---|---|
| Image | Diffusion guidée par du texte |
| Voix | Le modèle apprend les caractéristiques d'une voix pour lire n'importe quel texte |
| Musique | Génère un signal audio à partir d'un texte décrivant style et paroles |
| Vidéo | Diffusion appliquée à une succession d'images, avec cohérence dans le temps |
Associe chaque description à son domaine
Garder le même visage et le même décor tout au long d'une vidéo générée par IA est aujourd'hui parfaitement résolu, sans aucune difficulté.
5. Droit d'auteur et deepfakes
Des procès en cours
Les modèles ont été entraînés sur d'immenses collections d'images et de textes, souvent protégés. Plusieurs procès sont en cours : Getty Images contre Stability AI (2023), le New York Times contre OpenAI (décembre 2023).
Si vous publiez un contenu généré par IA, indiquez-le. Vérifiez les conditions d'utilisation pour un usage commercial, et ne reproduisez jamais le visage ou la voix d'une personne sans son accord.
Quel procès de décembre 2023 illustre les tensions sur le droit d'auteur et l'IA générative de texte ?
Un deepfake peut être utilisé à la fois pour la création de contenu et pour la désinformation ou l'usurpation d'identité.
Défi boss : GAN ou diffusion ?
Classe chaque affirmation selon qu'elle décrit les GAN ou les modèles de diffusion.