Comment ça marche · L'IA · module en construction
Les IA qui créent
Mis à jour le . Ce sujet évolue vite (procès en cours, règles européennes) : vérifie s'il y a du nouveau depuis cette date.
Une phrase suffit pour obtenir une image, une voix, une chanson. Comment une machine fabrique-t-elle quelque chose qui n'existait pas ? Et l'a-t-elle vraiment inventé, ou l'a-t-elle recopié ? Fais sortir des formes du bruit, compose une mélodie, puis regarde à qui appartient le résultat.
Choisis ton niveau et ta façon de lire : tu peux en changer à tout moment.
Étape 0 : Du bruit à la forme
Un modèle de diffusion apprend en deux temps. D'abord, on abîme ses exemples : on leur ajoute un peu de bruit, puis encore un peu, jusqu'à ce qu'il ne reste qu'un nuage au hasard. Le modèle apprend à faire le chemin inverse : deviner, à partir d'une version bruitée, à quoi ressemblait l'exemple. Pour créer, on part d'un bruit pur et on le débruite pas à pas : une forme apparaît. Ici, 160 points dessinent une étoile ; partis du hasard, de nouveaux points retrouvent l'étoile en 40 pas.
🟢 Découverte
Les IA qui fabriquent des images partent… du bruit, comme la neige d'une vieille télévision. Elles l'enlèvent pas à pas, et une forme apparaît. Ici, des points au hasard retrouvent une étoile.
🟡 Curieux
Pour apprendre, on abîme les exemples en leur ajoutant du bruit, un peu plus à chaque étape, et le modèle s'entraîne à deviner l'exemple d'origine. C'est un modèle de diffusionModèle de diffusion — Type de modèle qui fabrique des images (ou des sons) en partant d'un bruit au hasard et en l'enlevant pas à pas. Il a appris en faisant l'inverse : deviner l'image d'origine à partir de versions de plus en plus bruitées.. Pour créer, il part d'un bruit pur et applique ce savoir à l'envers, étape par étape.
🔴 Ingénieur
À l'étape t, xt = √ᾱt · x0 + √(1 − ᾱt) · ε, avec ε un bruit gaussien. Un réseau apprend à prédire ε (ou x0) à partir de xt et de t. Ici, pas de réseau : on calcule le débruiteur idéal pour les 160 exemples (leur moyenne pondérée par la ressemblance avec xt), et l'on remonte avec la méthode déterministe DDIM, en 40 pas.
Un peu d'histoire
Des artistes font dessiner des ordinateurs depuis les années 1960 : en février 1965, Georg Nees expose à Stuttgart des dessins tracés par une machine, suivi de Frieder Nake et, à New York, d'A. Michael Noll. Vera Molnár, installée à Paris, dessine avec un ordinateur et une table traçante dès 1968 ; Lillian Schwartz, artiste en résidence aux Bell Labs, réalise en 1970 le film Pixillation. Le peintre Harold Cohen développe pendant des décennies AARON, que le Whitney Museum présente comme le plus ancien programme d'IA consacré à l'art.
En 2014, Ian Goodfellow et ses collègues de Montréal inventent les GAN : deux réseaux qui s'affrontent, l'un fabrique des images, l'autre cherche les fausses. L'idée de la diffusion, empruntée à la thermodynamique, est proposée en 2015 par Jascha Sohl-Dickstein et ses collègues, et devient performante en 2019-2020. En 2022, la « diffusion latente » de Robin Rombach, Björn Ommer et leurs collègues de l'université de Munich, avec Runway, donne Stable Diffusion, entraîné grâce aux calculs de Stability AI et aux données de LAION.
Idées reçues
« L'IA colle des morceaux d'images. » Le modèle ne découpe pas d'images : il apprend à prédire le bruit à enlever. Mais il n'oublie pas tout non plus : l'étape suivante montre qu'il peut retenir certaines images.
Étape 1 : Une image qui sort du bruit
On demande « un cercle ». Le modèle part d'une image de bruit pur et, en 40 étapes, enlève le bruit en s'aidant de ce qu'il a appris des cercles. Avec une mémoire parfaite de ses 6 exemples de cercles, il recopie exactement l'un d'eux. Avec une mémoire plus floue, il produit un cercle qui ne figure pas dans ses exemples. Les vrais modèles sont entre les deux, et des chercheurs ont montré qu'ils recopient parfois des images d'entraînement presque à l'identique.
Voir les 24 exemples d'entraînement
🟢 Découverte
Même chose avec une petite image. Ta demande, « un cercle », guide le débruitage. Compare l'image produite avec les exemples du modèle : est-ce une copie ou une création ?
🟡 Curieux
Un modèle qui se souvient parfaitement de ses exemples les recopie. Un modèle qui en a retenu les régularités sans les détails produit des images nouvelles. Les vrais modèles, entraînés sur des milliards d'images, généralisent la plupart du temps, mais recopient parfois des images qu'ils ont vues souvent.
🔴 Ingénieur
Le « texte » sert de condition : ici, il restreint les exemples à une catégorie ; dans les vrais modèles, un encodeur de texte transforme la phrase en vecteurs que le réseau prend en compte à chaque étape (le guidage). Pour aller vite, Stable Diffusion travaille sur une version compressée de l'image (un « espace latent »), puis la décompresse.
Un peu d'histoire
En 2023, une équipe de chercheurs (Google, DeepMind, ETH Zurich, Princeton, Berkeley) a demandé à Stable Diffusion 175 millions d'images, à partir des légendes les plus répétées de ses données. Elle a retrouvé 109 images d'entraînement recopiées presque à l'identique, surtout des images présentes des centaines de fois dans les données : rare, mais réel. Une autre équipe (Maryland, New York) a trouvé des copies partielles (un décor, un objet) dans environ 2 % des images testées.
Pour apprendre, ces modèles ont besoin de milliards d'images légendées. L'association allemande LAION a publié en 2022 LAION-5B : 5,85 milliards de liens vers des images du web, avec leur texte. Fin 2023, un rapport de l'université Stanford y a trouvé des liens vers des images d'abus sexuels sur enfants ; LAION a retiré le jeu de données, puis publié en 2024 une version nettoyée.
Étape 2 : Composer une mélodie
La machine a « écouté » trois airs : « Au clair de la lune », « Frère Jacques », « Ah ! vous dirai-je, maman ». Pour chaque paire de notes, elle a compté quelles notes suivaient. Pour composer, elle part de deux notes et tire au sort la suivante selon ces comptes, encore et encore. Avec si peu d'exemples, elle recopie souvent de longs passages des airs qu'elle connaît.
🟢 Découverte
La machine a appris trois comptines. Elle compose en tirant au sort chaque note selon ce qu'elle a entendu après les deux notes précédentes. Écoute, et repère les passages recopiés.
🟡 Curieux
C'est le même principe que les IA qui écrivent : deviner la suite. Avec si peu d'exemples, la machine recopie des passages entiers. Les générateurs de musique actuels apprennent sur des millions de morceaux, et fabriquent directement le son.
🔴 Ingénieur
Chaîne de Markov d'ordre 2 sur des couples (hauteur, durée) ; la température élève les comptes à la puissance 1/T avant le tirage. On mesure la plus longue sous-suite commune avec un air d'entraînement. Les systèmes récents combinent des modèles de type transformeur sur des « tokens » audio et des modèles de diffusion.
Un peu d'histoire
En 1957, à l'université de l'Illinois, Lejaren Hiller et Leonard Isaacson composent avec un ordinateur l'Illiac Suite pour quatuor à cordes, l'une des toutes premières œuvres de ce genre. Dès 1981, le compositeur David Cope crée EMI, un programme qui imite le style de compositeurs en recombinant leurs « signatures ».
Aujourd'hui, Suno et Udio fabriquent des chansons entières à partir d'un texte. En juin 2024, Sony, Universal et Warner les ont attaqués aux États-Unis. Depuis, Universal et Warner ont signé des accords de licence avec Udio, Warner avec Suno ; Universal et Sony poursuivent Suno (nouvelle plainte en septembre 2026), et Suno défend un usage « loyal » (fair use). En Allemagne, la société d'auteurs GEMA a gagné en première instance contre Suno en juillet 2026 ; Suno conteste et envisage un appel. En France, la SACEM s'oppose depuis octobre 2023 à l'utilisation de son répertoire pour entraîner des IA.
Étape 3 : À qui appartient l'œuvre ?
🟢 Découverte
Une image fabriquée par une IA à partir d'une simple phrase n'appartient, en général, à personne : la plupart des pays réservent le droit d'auteur aux créations humaines. Mais les images, les textes et les musiques qui ont servi à entraîner l'IA, eux, ont des auteurs.
🟡 Curieux
Deux questions se posent. La première : à qui appartient ce qui sort de l'IA ? La seconde, plus disputée : a-t-on le droit d'entraîner une IA sur des œuvres sans l'accord de leurs auteurs ? Les artistes, les photographes, les journaux et les maisons de disques disent non ; les entreprises d'IA invoquent des exceptions prévues par la loi. Les tribunaux tranchent au cas par cas, et pas toujours dans le même sens.
🔴 Ingénieur
En Europe, la « fouille de textes et de données » est permise sur des contenus accessibles légalement, sauf si l'ayant droit s'y oppose « de manière appropriée, notamment par des procédés lisibles par machine » (directive de 2019, art. 4). Reste à savoir ce qui est « lisible par machine » : un fichier robots.txt, des métadonnées ? Une phrase dans des conditions d'utilisation ne suffit pas, selon la cour d'appel de Hambourg.
Un peu d'histoire
En octobre 2018, le Portrait d'Edmond de Belamy, produit avec un GAN par le collectif parisien Obvious, est vendu 432 500 dollars chez Christie's. Le collectif a reconnu avoir repris en grande partie un code publié en accès libre par un jeune programmeur, Robbie Barrat.
Les artistes ne sont pas d'accord entre eux. L'illustratrice Karla Ortiz, plaignante contre plusieurs entreprises d'IA, dénonce devant le Sénat américain des œuvres utilisées « sans consentement, crédit ni rémunération ». À l'université de Chicago, l'équipe de Ben Zhao a créé Glaze et Nightshade pour brouiller les images aux yeux des IA ; d'autres chercheurs montrent que ces protections se contournent assez facilement. D'autres artistes font de l'IA leur matériau, avec leurs propres données : Sougwen Chung peint avec des robots entraînés sur ses peintures, la Sénégalaise Linda Dounia Rebeiz entraîne ses modèles sur ses propres images, Stephanie Dinkins travaille à une IA plus inclusive.
Qui décide ?
| Affaire | Où en est-on ? |
|---|---|
| Stephen Thaler contre le Copyright Office (États-Unis) | Une image produite par une IA sans auteur humain ne peut pas être protégée (cour d'appel, mars 2025 ; la Cour suprême a refusé l'affaire en mars 2026). |
| Getty Images contre Stability AI (Royaume-Uni) | Getty a perdu l'essentiel en novembre 2025 : selon la juge, le modèle ne stocke pas les photos. Appel autorisé ; la question de l'entraînement n'a pas été jugée. |
| Robert Kneschke contre LAION (Allemagne) | LAION a gagné en appel (Hambourg, décembre 2025) : constituer le jeu de données est couvert par les exceptions. Pourvoi autorisé. |
| GEMA contre OpenAI (Allemagne) | Le tribunal de Munich a jugé en novembre 2025 que mémoriser des paroles de chansons dans le modèle est une reproduction non autorisée. |
| Artistes contre Stability AI, Midjourney, DeviantArt et Runway (États-Unis) | Procédure en cours ; audience sur le fond repoussée à février 2027. |
| New York Times contre OpenAI et Microsoft (États-Unis) | En cours. Le journal parle de copie massive ; les entreprises, d'usage loyal. Le ministère de la Justice a soutenu OpenAI en septembre 2026 (avis non contraignant). |
Aux États-Unis, le Copyright Office estime (janvier 2025) que de simples instructions écrites ne font pas de l'utilisateur l'auteur de l'image. En France, un rapport remis au Conseil supérieur de la propriété littéraire et artistique (juillet 2026) conclut que seule une « création hybride », où l'humain garde un rôle actif, est protégeable. Depuis le 2 août 2025, le règlement européen sur l'IA oblige les fournisseurs de grands modèles à respecter les oppositions des ayants droit et à publier un résumé des données d'entraînement.
Idées reçues
« Si c'est sur internet, c'est libre de droits. » Une image accessible en ligne a presque toujours un auteur. L'entraîner dans une IA est permis en Europe seulement dans certaines conditions, et l'auteur peut s'y opposer.
Reconnaître une création d'IA
Peut-on savoir si une image, une voix ou un texte vient d'une IA ? Pas toujours. Deux familles d'outils existent, et aucune n'est infaillible.
| Outil | Principe | Limite |
|---|---|---|
| « Content Credentials » (norme C2PA, créée en 2021 par Adobe, la BBC, Microsoft…) | Un carnet de bord signé, joint au fichier : qui l'a créé, avec quel outil, quelles retouches. | Le carnet peut être retiré ; il prouve l'histoire du fichier, pas que l'image dit vrai. |
| Filigranes invisibles (SynthID de Google DeepMind…) | Un signal caché dans l'image, le son ou le texte. | Ne détecte que son propre filigrane ; des chercheurs ont montré qu'on peut en effacer ou en imiter. |
| Détecteurs « d'images IA » | Un modèle qui devine si une image est générée. | Peu fiables : ils se trompent dans les deux sens. |
Le règlement européen sur l'IA impose à partir du 2 août 2026 que les contenus générés soient marqués « dans un format lisible par machine » (jusqu'au 2 décembre 2026 pour les systèmes déjà sur le marché), et que les hypertrucages soient signalés. Un code de bonnes pratiques publié en juin 2026 recommande plusieurs couches de marquage, en reconnaissant qu'aucune technique ne suffit seule. Le meilleur réflexe reste de vérifier la source.