Accueil › Les images · Essentiel › Le cours complet

Comment une IA crée des images : le cours complet, zone 2 Essentiel

Tout ce que le jeu explique, station par station, à lire d'une traite. Zone 2, niveau essentiel.

Jouer au jeu (Zone 2) →Télécharger le cours en PDF

Cours complet de La ligne IA · laligne-ia.fr · version essentiel (Zone 2) · mis à jour le 20 novembre 2026. Le jeu gratuit pour comprendre comment marche une IA.

ARER A : Les bases, en vrai

Pixels : Une image, c'est des nombres

Pour une IA, une photo n'est qu'un grand tableau de pixels. Chaque pixel est fait de trois nombres, entre 0 et 255 : la quantité de rouge, de vert et de bleu. Une IA ne voit jamais de « tarte » : elle voit des millions de nombres.

Une photo de 12 mégapixels contient 36 millions de nombres, trois par pixel. C'est beaucoup trop pour un modèle : la plupart des IA d'image commencent donc par compresser l'image dans une version plus petite et plus abstraite, qu'on appelle l'espace latent. Elles travaillent dans cet espace, puis reconvertissent le résultat en pixels à la fin.

À retenir : Pour une IA, une image est un tableau de nombres : trois par pixel, pour le rouge, le vert et le bleu.

Associer : Relier les images et les mots

Pour qu'une IA crée « une tarte aux fraises », elle doit d'abord savoir à quoi ça ressemble. On l'entraîne avec des centaines de millions d'images accompagnées de leur légende. Elle apprend à placer l'image et sa description au même endroit sur sa carte du sens.

Une méthode célèbre, CLIP, a été entraînée sur des centaines de millions de paires image-légende récupérées sur internet. Le modèle apprend à rapprocher une image de sa vraie légende et à l'éloigner des autres. Résultat : les mots et les images partagent un même espace. C'est ce pont qui permet ensuite de guider la création d'une image avec du texte.

À retenir : L'IA apprend le lien entre les mots et les images en voyant des millions d'images légendées.

Le bruit : Abîmer des images exprès

Pour apprendre à créer des images, on fait d'abord l'inverse : on prend de vraies photos et on les noie dans le bruit, petit à petit, jusqu'à ce qu'il ne reste qu'une neige de télé. À chaque étape, on demande au modèle de deviner le bruit qu'on vient d'ajouter.

On répète l'exercice sur des centaines de millions d'images, avec toutes les doses de bruit possibles. Le modèle devient un expert pour repérer, dans une image brouillée, ce qui est du bruit et ce qui est de l'image. Une fois entraîné, il peut partir d'un bruit pur et faire le chemin inverse. C'est la station suivante.

À retenir : Pour apprendre à créer, l'IA s'entraîne à reconnaître le bruit ajouté à de vraies images.

Débruiter : L'image sort du brouillard

Pour créer une image, l'IA part d'une neige de bruit tirée au hasard. À chaque étape, elle devine quelle part est du bruit, et en retire un peu. Après quelques dizaines d'étapes, une image nette apparaît. On appelle ça la diffusion.

Il faut en général de 20 à 50 étapes. Les grandes formes et les couleurs apparaissent d'abord, les détails à la fin. Beaucoup de générateurs d'images, comme Stable Diffusion, reposent sur ce principe. Certains générateurs récents combinent d'autres méthodes, mais l'idée du brouillard qui se dissipe reste la plus répandue.

À retenir : Une IA d'image part d'un bruit au hasard et le retire étape par étape, du flou vers le net.

Guider : Le prompt tient le volant

Si on part toujours du bruit, comment obtenir une tarte plutôt qu'une pizza ? Le texte de la demande, le prompt, guide chaque étape du débruitage. Et le bruit de départ, tiré au hasard, s'appelle la graine.

La demande est transformée en vecteurs, comme pour les IA de texte, grâce au pont entre mots et images vu à la station Associer. À chaque étape, le modèle compare ce qu'il ferait avec et sans la demande, et exagère la différence pour coller au texte. Ce réglage, souvent appelé « guidance », peut être poussé : trop fort, les images deviennent saturées et caricaturales.

À retenir : Le prompt guide chaque étape ; la graine décide du point de départ. Même graine et même demande donnent la même image.

BRER B : Bien s'en servir

Décrire : Écrire un bon prompt

Plus la demande est précise, plus l'image ressemble à ce qu'on imagine. Un bon prompt donne le sujet, mais aussi la lumière, le cadrage et le style. Exactement les mots d'un photographe.

Les générateurs ont appris sur des images légendées par des humains : ils réagissent donc au vocabulaire de la photo et du dessin (contre-jour, vue de dessus, faible profondeur de champ, aquarelle…). Une demande vague laisse l'IA choisir à ta place, en général le cliché le plus courant. Une demande précise, c'est toi qui décides.

À retenir : Un bon prompt décrit le sujet, la lumière, le cadrage et le style. Le vague donne du banal.

Les ratés : Les erreurs typiques des IA d'image

Les IA d'image font des erreurs typiques : des mains avec trop ou pas assez de doigts, du texte sans queue ni tête, des ombres ou des reflets impossibles. Elles reproduisent l'apparence des choses, sans toujours en comprendre la logique.

Ces erreurs viennent de ce que l'IA a appris : elle connaît l'allure générale d'une main ou d'un panneau, mais pas les règles strictes (cinq doigts, une orthographe, une seule source de lumière). Les modèles récents se sont nettement améliorés sur les mains et le texte. Ces indices sont donc de moins en moins fiables pour repérer une image générée.

À retenir : L'IA imite l'apparence des choses sans toujours en respecter la logique. Mais elle progresse vite.

Le faux : Vraie photo ou image générée ?

Les images et vidéos générées sont devenues très réalistes : on parle de deepfakes quand elles imitent de vraies personnes ou de vrais événements. À l'œil, c'est de plus en plus difficile. Il faut donc s'appuyer sur des indices plus solides que l'impression.

Des systèmes de marquage se développent : certaines IA ajoutent un filigrane invisible dans leurs images, et le standard C2PA (« Content Credentials ») permet d'attacher à un fichier l'historique de sa création. Mais ces marques peuvent être absentes ou retirées, et les détecteurs automatiques se trompent souvent. Le meilleur réflexe reste de remonter à la source.

À retenir : À l'œil, on ne peut plus trancher. Les vrais indices : la source, l'historique de l'image, et les marquages de provenance.

Mon image : Ton image est à toi

Avec une IA, quelques photos suffisent pour fabriquer une fausse image ou une fausse vidéo d'une vraie personne : un deepfake. Ton visage est protégé par le droit à l'image, comme celui des autres. Créer ou partager un montage de quelqu'un sans son accord peut être puni par la loi, et faire beaucoup de mal.

Publier le montage d'une personne sans son accord est un délit en France, et les sanctions sont plus lourdes quand le montage est à caractère sexuel ou sert à harceler. Si tu es visé, garde des preuves (captures d'écran), signale le contenu à la plateforme et parles-en à un adulte, ou appelle le 3018 : c'est gratuit, anonyme, et ils peuvent aider à faire supprimer le contenu.

À retenir : Ton image est à toi, celle des autres est à eux. Un deepfake partagé, c'est un mal fait à une vraie personne.

CRER C : Ce qu'il y a derrière

Animer : Une vidéo, c'est des images qui se tiennent

Une vidéo, c'est une suite d'images, 24 ou 30 par seconde. Pour en générer une, l'IA doit débruiter toutes ces images en même temps, et surtout les garder cohérentes : même assiette, même nombre de fraises, même lumière d'une image à l'autre.

Les IA vidéo traitent le temps comme une dimension de plus : elles découpent la vidéo en petits blocs d'espace et de temps, et l'attention relie ces blocs entre eux. C'est beaucoup plus coûteux qu'une image, d'où des vidéos souvent courtes. Les défauts typiques : objets qui apparaissent ou disparaissent, mains qui changent de forme, physique approximative.

À retenir : Générer une vidéo, c'est générer des dizaines d'images qui doivent rester cohérentes entre elles.

L'empreinte : Le coût caché des images et des vidéos

Générer une image consomme bien plus d'énergie qu'une réponse en texte. Et une vidéo, c'est des dizaines d'images à débruiter ensemble : l'addition explose. Électricité, eau pour refroidir les machines, fabrication des puces : chaque création a une empreinte.

Selon une enquête du MIT Technology Review, une image en haute définition consomme à peu près l'énergie d'un micro-ondes allumé quelques secondes, et une vidéo de 5 secondes jusqu'à l'équivalent d'une heure de micro-ondes avec certains modèles. Ces chiffres varient beaucoup selon les modèles et sont discutés, mais l'ordre de grandeur est clair : la vidéo coûte des centaines de fois plus qu'une image. Une partie de cette énergie est perdue en essais ratés : un prompt bien écrit dès le départ, c'est aussi moins de régénérations.

À retenir : Image et surtout vidéo coûtent cher en énergie et en eau. Un bon prompt évite de régénérer dix fois.

Les sources : D'où viennent les images d'entraînement ?

Pour apprendre, les IA d'image ont vu des centaines de millions d'images, souvent collectées sur internet : photos, illustrations, œuvres d'art. Beaucoup ont des auteurs qui n'ont jamais été consultés. C'est l'un des grands débats autour de ces IA.

En Europe, la loi autorise la fouille de textes et de données sur les contenus accessibles en ligne, sauf si l'auteur s'y est opposé de façon lisible par les machines (dans les conditions du site, les métadonnées ou les fichiers techniques). Le règlement européen sur l'IA impose en plus aux fournisseurs de grands modèles de respecter ces refus et de publier un résumé de leurs données d'entraînement. Plusieurs procès opposent des auteurs ou des banques d'images aux éditeurs d'IA. Au Royaume-Uni, Getty Images a en grande partie perdu en 2025 face à Stability AI : la justice a estimé qu'un modèle qui ne stocke pas les images n'en est pas une copie. Aux États-Unis, des auteurs ont obtenu un accord de 1,5 milliard de dollars avec Anthropic. Le sujet est loin d'être tranché, et il se joue pays par pays.

À retenir : Les IA d'image ont appris sur des œuvres de vrais auteurs. En Europe, un auteur peut s'opposer à cette utilisation, et le débat juridique continue.

Le débat : Créer des images : progrès ou menace ?

Les IA d'image ouvrent des possibilités incroyables : visualiser une idée en quelques secondes, restaurer de vieilles photos, rendre la création accessible à tous. Mais elles posent aussi des questions : le travail des illustrateurs et des photographes, la confiance dans les images, la mémoire visuelle collective, l'énergie consommée.

Les images ont toujours servi de preuve : « je l'ai vu en photo ». Avec la génération d'images, cette évidence disparaît, et les archives de demain risquent de mélanger vrai et faux. Pour les métiers de l'image, les commandes simples (illustrations d'articles, visuels de catalogue) sont les premières concernées, tandis que le travail d'auteur, le regard et la direction artistique restent difficiles à remplacer. Les règles se construisent : obligation d'indiquer les contenus générés dans certains cas en Europe, marquages de provenance, droit d'opposition des auteurs.

À retenir : Les IA d'image sont de formidables outils et de vrais défis. Ce qu'on en fera dépend des règles, et de l'usage de chacun.

Rejouer au jeu →

Les autres cours :