Qu’est-ce qu’un modèle de génération d’images ?
Découvrez comment un modèle apprend avec des images, transforme un prompt en visuel et pourquoi les résultats varient selon le modèle et les réglages.
Objectifs de la leçon
Expliquer simplement ce qu’un modèle d’image apprend pendant son entraînement.
Suivre les étapes qui transforment un prompt en image.
Distinguer les modèles de génération, d’édition, de contrôle, de restauration et d’agrandissement.
Comprendre pourquoi un même prompt peut produire plusieurs images différentes.
Un modèle d’image, concrètement
Un modèle de génération d’images est un système mathématique entraîné pour créer ou transformer des visuels. Il peut recevoir un texte, une image, ou les deux, puis produire une nouvelle image.
Il ne contient pas un dossier avec une image déjà prête pour chaque demande. Pendant son entraînement, il apprend des relations fréquentes : quelles formes composent généralement un visage, comment la lumière crée des ombres, comment distinguer un panier tressé d’un panier en plastique, ou quels éléments apparaissent souvent dans une rue, une ferme ou une photographie de studio.
Lorsque vous demandez « une bouteille en verre de jus d’ananas sur une table en bois », le modèle combine les régularités visuelles associées à la bouteille, au verre, à l’ananas, à la table, à la lumière et à la composition. Il crée une possibilité au lieu de retrouver une photographie exacte.
Entrée Ce que vous donnez au modèle.
Un prompt, une image, un masque, un croquis, une pose ou une photographie de produit.
Modèle Le système entraîné qui interprète l’entrée et calcule un résultat.
Un modèle généraliste ou spécialisé dans les produits, les portraits ou l’illustration.
Sortie L’image produite par le modèle.
Un fond d’affiche, un concept produit, une photographie modifiée ou une illustration.
Créer un visuel qui n’existe pas encore
Une coopérative veut présenter une future chambre froide solaire avant sa construction. Le modèle peut créer des images de concept montrant le bâtiment, les panneaux, les cagettes, les travailleurs et les champs environnants.
La génération permet de visualiser une idée avant qu’elle soit photographiée ou construite.
Ne pas réinventer un produit qui doit rester exact
Une marque de jus possède déjà une bouteille, une étiquette, un logo et un bouchon approuvés. Un modèle peut créer une bouteille ressemblante depuis un texte, mais modifier le nom, les proportions ou l’étiquette. Il faut plutôt éditer la vraie photographie ou l’utiliser comme référence.
Générez lorsque la liberté est acceptable ; éditez ou utilisez des références lorsque la fidélité est essentielle.
Comment un modèle d’image apprend avant son utilisation
L’entraînement commence avec de nombreuses images. Certaines sont accompagnées de descriptions, d’étiquettes, de catégories ou d’autres informations. Une photographie peut par exemple être associée aux mots « femme », « étal de marché », « tomates », « lumière du jour » et « photographie documentaire ».
Le système d’entraînement cache, dégrade ou ajoute du bruit à une partie de l’information visuelle, puis demande au modèle de la reconstruire en tenant compte de la description. Comme l’image attendue est connue, il peut comparer la reconstruction à l’original et mesurer l’erreur.
Les valeurs internes du modèle sont légèrement ajustées après chaque erreur. La répétition de cet exercice sur de nombreux exemples lui apprend les relations entre mots, formes, couleurs, profondeur, lumière, matières et styles. Cela ne lui donne pas une compréhension humaine ; cela améliore sa capacité à calculer des visuels plausibles.
| Étape | Ce qui se passe | Exemple simple |
|---|---|---|
| 1. Réunir les données | Des images et des descriptions utiles sont préparées. | Des photographies de bouteilles sous plusieurs angles et lumières. |
| 2. Dégrader l’information | Une partie de l’information visuelle est cachée ou mélangée à du bruit. | La bouteille devient difficile à reconnaître. |
| 3. Reconstruire | Le modèle tente de reconstruire l’image avec les informations restantes et la description. | Il tente de retrouver une bouteille en verre sous une lumière chaude. |
| 4. Mesurer l’erreur | La reconstruction est comparée au résultat attendu. | Le bouchon, les reflets ou la forme peuvent être incorrects. |
| 5. Ajuster et répéter | Les valeurs internes sont légèrement corrigées avant un autre exemple. | Après de nombreuses répétitions, la reconstruction s’améliore. |
Les données enseignent plus que le sujet principal
Si toutes les photographies montrent la même bouteille sur le même tissu rouge, le modèle peut apprendre que ce tissu fait partie du produit. Des arrière-plans variés l’aident à distinguer l’objet de son environnement.
La diversité et la qualité des données influencent ce que le modèle apprend.
La représentation influence le résultat
Si les données contiennent peu d’exemples de certaines carnations, coiffures, étoffes, architectures ou objets locaux, le modèle peut les reproduire moins fidèlement ou les remplacer par des éléments plus fréquents.
Un modèle généraliste doit être testé avec les personnes, lieux et objets réellement concernés par le projet.
Du prompt à l’image
Lorsque vous lancez une génération, le modèle interprète d’abord le prompt et relie le sujet, l’action, l’environnement, la composition, la lumière et le style demandés.
De nombreux modèles commencent avec un bruit visuel aléatoire. Ils retirent progressivement ce bruit tout en orientant l’image vers le prompt. Au début, seules de grandes masses apparaissent. Les formes, objets, couleurs, textures et petits détails se précisent ensuite.
La graine aléatoire, appelée « seed », est le nombre utilisé pour créer le bruit initial. Changer cette graine change le point de départ et donc la composition. C’est pourquoi un même prompt peut produire des personnes, angles, décors et arrangements différents.
| Étape | Action du modèle | Résultat visible |
|---|---|---|
| 1. Lire le prompt | Repérer les relations visuelles demandées. | Sujet, décor, cadrage, lumière, style et format. |
| 2. Créer un point de départ | Utiliser une graine aléatoire ou une image source. | Du bruit aléatoire ou une version transformée de la source. |
| 3. Construire la composition | Placer les grandes formes et les sujets principaux. | La personne, la bouteille, la table et le fond prennent forme. |
| 4. Affiner les détails | Ajouter textures, contours, lumière et petits éléments. | La peau, le tissu, les reflets et les ombres deviennent plus précis. |
| 5. Produire le fichier | Transformer la représentation interne en pixels finaux. | Un fichier PNG, JPEG ou un autre format d’image. |
Même prompt, graine différente
Le prompt demande une couturière dans son atelier. Un essai la place près de la fenêtre, un autre choisit un cadrage plus serré et un troisième change la position de la machine à coudre.
La variation est normale, car la génération peut commencer depuis un arrangement aléatoire différent.
Même graine, prompt modifié
Conserver la même graine en remplaçant « lumière du matin » par « lumière chaude du soir » peut préserver une partie de la composition tout en modifiant les couleurs, les ombres et l’ambiance.
Une graine fixe peut aider à comparer l’effet d’une modification du prompt lorsque le modèle le permet.
Les principaux types de modèles d’image
Il n’existe pas un modèle d’image meilleur pour toutes les tâches. La bonne question n’est pas seulement « Quel modèle est le plus puissant ? », mais « Quelles entrées ai-je, que faut-il modifier et que faut-il conserver ? »
Certains modèles créent librement depuis un texte. D’autres transforment une image source, modifient une zone sélectionnée, conservent une pose ou un produit, agrandissent un petit fichier ou réparent des défauts. Une même application peut réunir plusieurs modèles spécialisés derrière une seule interface.
| Type | Ce que vous fournissez | À quoi il sert |
|---|---|---|
| Texte vers image (text-to-image) | Une description écrite. | Créer un visuel entièrement nouveau. |
| Image vers image (image-to-image) | Une image source et une consigne. | Créer une version transformée en conservant une partie de la composition. |
| Édition d’image | Une image, une consigne et parfois un masque. | Modifier un élément en conservant le reste. |
| Référence et contrôle | Un visage, un produit, une pose, un croquis, des contours ou une profondeur. | Guider l’identité, la structure, la composition ou le style. |
| Agrandissement (upscaling) | Une image de petite taille. | Augmenter les dimensions et reconstruire des détails plausibles. |
| Restauration | Une image floue, compressée, bruitée, rayée ou abîmée. | Réduire les défauts et reconstruire les zones abîmées. |
Transformer un croquis de kiosque en proposition réaliste
Un architecte fournit un dessin simple qui définit déjà le toit, le comptoir et les ouvertures. L’image vers image convient mieux que la génération depuis le texte, car la géométrie du croquis doit guider le résultat.
Utilisez une image source lorsque sa structure est importante.
Conserver le même sac tissé dans plusieurs scènes
Une marque artisanale veut montrer son véritable sac dans un studio, porté par une personne et dans une publicité cadeau. Des références du produit sont plus fiables que de redécrire le sac de mémoire dans chaque prompt.
Une référence réduit l’ambiguïté, mais chaque résultat doit encore être comparé au produit réel.
Ce que le modèle ne garantit pas
Une belle image n’est pas automatiquement une image correcte. Le modèle peut mal écrire un texte, ajouter des doigts, dupliquer un objet, créer des reflets impossibles, modifier une étiquette, mélanger des architectures ou inventer des détails culturellement inexacts.
L’évaluation dépend de l’usage. Une planche d’inspiration peut tolérer des détails inventés. Une publicité doit conserver le produit. Une illustration de santé doit montrer la bonne action. Un concept architectural ne doit pas être confondu avec un plan de construction.
Avant de choisir un modèle, construisez un petit benchmark avec des tâches réelles. Comparez le respect des consignes, la qualité visuelle, la fidélité, la pertinence culturelle, la vitesse, le coût et les erreurs répétées.
Une affiche réussie avec des informations incorrectes
Le modèle crée un visuel d’événement réussi, mais modifie le nom de l’organisation et la date. Le fond reste exploitable, tandis que le texte exact doit être ajouté dans un outil de mise en page.
La qualité visuelle et l’exactitude des informations sont deux critères différents.
Une scène techniquement réussie mais mal localisée
Une campagne destinée à Cotonou montre des enseignes, des transports, des vêtements et une architecture associés à une autre région. L’image est réaliste, mais ne représente pas le lieu visé.
Des personnes connaissant le public et le lieu doivent vérifier la pertinence culturelle.