Partir du bruit
Le système commence avec une configuration aléatoire, comparable à une télévision brouillée.
Du texte vers les pixels
Comment une IA crée-t-elle une image ?
Elle ne dessine pas comme une personne et ne cherche pas simplement une photo toute faite. Beaucoup de générateurs partent d’un bruit aléatoire puis le transforment progressivement, guidés par votre texte et par ce que le modèle a appris.
À retenirLe prompt oriente le calcul ; il ne décrit jamais parfaitement tous les pixels.
Bruit → formes → détails
Démonstration
Construisez le prompt morceau par morceau
Choisissez un élément. Le panneau montre ce qu’il apporte, ce qu’il ne garantit pas et la demande complète obtenue.
Une explication simplifiée
Exemple : « un chat sur un vélo rouge »
Le générateur commence par une image bruitée, puis la transforme progressivement en tenant compte des mots « chat », « vélo » et « rouge ». Une autre graine aléatoire donnera une composition différente avec la même consigne : il ne retrouve pas une image unique cachée dans sa mémoire.
Du bruit à l’image, par petites corrections
Les modèles n’utilisent pas tous exactement la même technique. Pour les modèles de diffusion, très répandus, le mécanisme général peut se résumer en quatre étapes.
Lire le guide
Un encodeur transforme les mots du prompt en représentations numériques qui orientent les corrections.
Retirer du bruit
À chaque étape, le modèle estime une version un peu plus cohérente avec la demande.
Décoder l’image
Une représentation interne est finalement convertie en pixels visibles.
Cette métaphore aide à comprendre le principe, mais elle simplifie les calculs réels. Certains modèles récents utilisent des variantes comme les transformeurs de diffusion ou les flux rectifiés.
Ce que le système fait vraiment
Ce n’est ni une banque d’images, ni un collage automatique
Pendant l’entraînement, le modèle ajuste de très nombreux paramètres pour apprendre des relations statistiques entre des descriptions et des caractéristiques visuelles.
Lorsqu’il génère, il calcule une nouvelle sortie à partir de ces paramètres, du prompt et d’un point de départ aléatoire. Il ne récupère pas normalement une image précise dans une galerie pour la recoller.
Mais « nouvelle » ne veut pas dire « sans histoire ». Les données d’entraînement, une éventuelle mémorisation et la proximité avec des œuvres existantes restent des sujets importants. L’origine du modèle et ses conditions d’utilisation comptent.
Une image déjà publiée et son adresse.
Une sortie à partir du modèle et de la demande.
Pourquoi le résultat change
Le même prompt peut donner plusieurs images
Le point de départ aléatoire, souvent contrôlé par une « graine » ou seed, influence le résultat. Le modèle, le nombre d’étapes, les dimensions et le niveau de guidage comptent aussi.
Deux générations peuvent donc respecter la même idée tout en changeant la pose, la lumière ou l’arrière-plan. Conserver la même graine aide parfois à comparer une petite modification, sans garantir une identité parfaite entre outils ou versions.
Sujet centré, horizon bas
Sujet décalé, horizon haut
Quatre opérations à distinguer
Créer, modifier, varier ou agrandir
Générer
Créer une composition à partir d’une description.
Modifier
Remplacer une zone, ajouter un élément ou changer l’ambiance.
Explorer
Produire plusieurs interprétations proches d’un visuel.
Agrandir
Ajouter des détails plausibles pour augmenter la définition, sans retrouver magiquement des détails réels absents.
Une méthode facile à retenir
Un bon prompt d’image en cinq blocs
Commencez simple, générez, observez puis modifiez un élément à la fois. Une longue liste d’adjectifs n’est pas forcément plus efficace.
- Sujet et actionQui ou quoi ? Que se passe-t-il ?
- Lieu et époqueDans quel décor et à quel moment ?
- CadragePlan large, vue de dessus, portrait rapproché…
- Lumière et ambianceDouce, nocturne, joyeuse, brumeuse…
- Contraintes utilesFormat, fond, espace libre, absence de texte…
Les limites à connaître
Une belle image peut rester fausse ou problématique
Détails incohérents
Nombre d’objets, texte intégré, anatomie, ombres ou perspective peuvent être erronés.
Stéréotypes
Les associations apprises peuvent reproduire des visions déséquilibrées des métiers, cultures, âges ou genres.
Confusion et atteinte
Une fausse scène crédible peut tromper, nuire à la réputation ou utiliser l’image d’une personne sans accord.
Usage à vérifier
Les règles du service, la licence, les marques et la ressemblance avec une œuvre doivent être examinées avant publication.
Avant de publier
Cinq réflexes responsables
- 01
Ne créez pas une fausse scène impliquant une personne réelle sans son accord.
- 02
Inspectez les détails, le texte, les symboles et les stéréotypes visibles.
- 03
Vérifiez les conditions d’utilisation et les droits nécessaires à votre projet.
- 04
Indiquez qu’un visuel est synthétique lorsque le contexte pourrait créer une confusion.
- 05
Conservez le prompt, l’outil et la date si vous devez expliquer comment l’image a été produite.
Trois idées à corriger
Générer n’est pas appuyer sur un bouton magique
Elle calcule des relations apprises. Elle n’a ni intention artistique, ni expérience de la scène.
Ce n’est pas son fonctionnement normal, mais des ressemblances et une mémorisation partielle peuvent exister.
Le réalisme visuel ne prouve ni l’événement, ni le lieu, ni l’identité d’une personne.
Sources techniques et institutionnelles
Pour aller à la source
Ces références décrivent le fonctionnement des modèles de diffusion et les précautions liées aux images synthétiques.
La suite logique
Apprenez à distinguer un visuel crédible d’une preuve vérifiée.
Comprendre une notion
Gardez le fil de votre apprentissage.
Une étape courte et clairement reliée à ce que vous venez de lire.