DALL·E 2 vient de rendre la vraisemblance beaucoup moins rassurante

Je termine ma maîtrise en intelligence artificielle cette année et ma première réaction devant les exemples publics de DALL·E 2 reste simple : wow. Ce printemps, l’accès est encore limité, donc les images publiées ne représentent pas tous les essais. La qualité suffit quand même pour obliger à comprendre ce que le système optimise.

Le modèle ne cherche pas simplement une image identique dans une banque. La consigne est découpée et transformée en représentation numérique du texte. Le générateur part d’un état aléatoire et produit progressivement une image conditionnée par cette représentation. Dans une approche de diffusion, l’entraînement apprend à enlever le bruit ajouté à des images; à la génération, le processus répète ce débruitage jusqu’à obtenir une proposition cohérente avec la consigne.

consigne → encodeur de texte → représentation
                              ↓
bruit + graine aléatoire → débruitages successifs → image
                              ↑
                    guidage par la consigne

La graine explique pourquoi la même phrase peut produire plusieurs compositions. Le guidage influence la fidélité au texte, mais une valeur forte ne garantit ni anatomie correcte ni vérité. Le modèle a appris des corrélations entre textes et images; il n’a pas construit un moteur physique ou une base factuelle du monde.

Je testerais un usage créatif avec une grille plutôt qu’une galerie choisie :

1. 50 consignes représentatives, écrites avant de voir les résultats;
2. quatre variantes par consigne avec graines conservées;
3. critères de fidélité, composition, défauts et diversité;
4. cas comportant texte, nombres, relations spatiales et objets rares;
5. revue des sorties refusées ou potentiellement sensibles;
6. temps humain pour sélectionner et corriger;
7. enregistrement du modèle, de la consigne et des transformations finales.

Cette évaluation évite de choisir seulement les cinq images spectaculaires. Une production graphique doit aussi survivre à une indisponibilité du service, une limite de débit ou un changement de modèle. Je garde les sources, prompts et résultats approuvés dans notre propre espace; le workflow ne dépend pas de régénérer exactement une image que le service ne promet pas de reproduire.

Plausible n’est pas documenté

Une texture convaincante peut entourer un objet impossible. Une scène naturelle peut ne correspondre à aucun événement. Si l’image sert de piste visuelle, on peut la traiter comme un brouillon. Si elle illustre un produit, un lieu ou une personne réelle, une validation doit comparer les caractéristiques requises à des sources fiables. Pour une preuve, je refuse la génération et demande une chaîne d’origine.

« Un humain dans la boucle » ne veut rien dire sans tâche. La personne doit vérifier dimensions, logos, personnes, droits, stéréotypes et conformité à l’usage prévu. Une approbation en deux secondes ne transforme pas la vraisemblance en exactitude.

Les filtres peuvent bloquer certaines consignes ou sorties, mais ils produisent faux positifs et contournements. Une équipe a besoin d’une politique : données interdites dans les prompts, usages interdits, conservation, identification des images générées et voie d’escalade. Le service reçoit la consigne; on n’y place pas de renseignement confidentiel sans contrat et contrôle appropriés.

Les données d’entraînement soulèvent enfin des questions de consentement, droit d’auteur, biais et attribution. Un modèle peut reproduire des caractéristiques de styles ou populations inégalement représentés. Je documente la provenance connue et ne présente pas la sortie comme l’œuvre ou l’approbation d’un créateur nommé.

En mai 2022, je n’annonce ni la mort de la photographie ni un designer automatique dans chaque équipe. Ma pratique immédiate est plus modeste : évaluer sur une série complète, garder prompt/modèle/graine avec le livrable et interdire que l’image générée serve seule de preuve. La qualité visuelle vient de monter; notre discipline de provenance doit monter avec elle.

Mise à jour de 2026

DALL·E 2 appartient maintenant à une génération antérieure et son API est dépréciée. OpenAI dirige désormais les nouveaux usages vers GPT Image, avec gpt-image-2 comme modèle le plus récent au moment de cette mise à jour. Les images se sont améliorées, mais il faut encore vérifier leur provenance. La documentation confirme la dépréciation de DALL·E 2 et présente la famille GPT Image.