Leçon 6 — Récapitulatif et FAQ
Les cinq leçons en une page
Leçon 1 — générer. C'est tirer un échantillon d'une distribution apprise. Le modèle ne recopie pas ses exemples et n'invente rien hors de ce qu'il a vu : il recombine. Trois familles se sont succédé, et la diffusion s'est imposée pour l'image.
Leçon 2 — la diffusion. Apprendre à retirer un peu de bruit est facile et stable ; répéter l'opération cinquante fois transforme du bruit en image. Le texte guide chaque étape via un encodeur type CLIP, et la diffusion latente a divisé le coût par soixante-quatre, rendant tout cela accessible.
Leçon 3 — le texte. Le modèle prédit une distribution sur le token suivant, on tire, on recommence. La température règle la prise de risque. Le modèle ne distingue pas le vrai du plausible, et lui demander s'il est sûr n'informe de rien.
Leçon 4 — la pratique. Séparer rôle, tâche et format ; donner des exemples ; faire raisonner avant de conclure ; découper les tâches ; fixer la graine en image ; changer une variable à la fois ; évaluer sur un jeu de cas avec un critère écrit d'avance.
Leçon 5 — les limites. Trois questions de droit d'auteur distinctes, mémorisation réelle des contenus dupliqués, détection impossible, biais amplifiés, coût d'inférence dominant, transparence obligatoire en Europe.
Glossaire
| Terme | Ce que cela veut dire |
|---|---|
| Modèle génératif | un modèle qui produit des données nouvelles de la même nature que ses données d'entraînement |
| Distribution | la caractérisation de ce qui est plausible dans l'espace des données |
| Échantillonnage | le tirage d'un point selon cette distribution |
| Espace latent | une représentation compacte et continue des données |
| Autoencodeur variationnel | un modèle qui compresse et reconstruit, avec un latent régulier |
| GAN | deux réseaux en compétition, générateur contre discriminateur |
| Effondrement de mode | la perte de diversité d'un GAN qui ne produit plus que quelques sorties |
| Diffusion | un modèle entraîné à retirer du bruit, appliqué de façon répétée |
| Processus direct | l'ajout progressif de bruit à des images réelles, à l'entraînement |
| U-Net | l'architecture de débruitage utilisée en diffusion |
| CLIP | l'encodeur qui place image et texte dans un même espace |
| Guidage | la force avec laquelle la consigne contraint le débruitage |
| Diffusion latente | la diffusion menée dans l'espace latent plutôt que sur les pixels |
| Graine | la valeur qui rend le tirage aléatoire reproductible |
| Consigne négative | la description de ce qu'on ne veut pas voir apparaître |
| ControlNet | un mécanisme imposant une structure — pose, contours, profondeur |
| LoRA | un affinage léger, souvent utilisé pour apprendre un style ou un sujet |
| Autorégressif | la génération token par token, chacun conditionné par les précédents |
| Température | le réglage de la prise de risque au tirage du token |
| Top-p | la restriction du tirage aux tokens les plus probables cumulés |
| Fenêtre de contexte | le nombre maximal de tokens traités en une fois |
| C2PA | un standard de métadonnées de provenance des contenus |
Les 12 questions que les gens posent vraiment
1. Peut-on utiliser des images générées commercialement ?
Techniquement oui, avec trois précautions. Vérifiez les conditions du fournisseur, qui varient beaucoup et dont certains proposent une garantie d'indemnisation. Sachez que le visuel est probablement non protégeable, donc réutilisable par un tiers. Et vérifiez qu'il ne ressemble pas à une œuvre ou une marque existante, ce qui est le risque le plus concret.
2. Qu'est-ce qu'un LoRA et pourquoi tout le monde en parle ?
Un LoRA est un affinage léger : on n'entraîne que de petites matrices additionnelles au lieu de tout le modèle. Cela pèse quelques dizaines de mégaoctets au lieu de plusieurs gigaoctets, s'entraîne en une heure sur une carte grand public avec vingt à trente images, et permet d'apprendre un style, un personnage ou un produit précis. C'est la réponse au problème de cohérence entre images signalé en leçon 2.
3. Pourquoi mes deux illustrations n'ont-elles pas le même personnage ?
Parce que rien ne le garantit : chaque génération est un tirage indépendant. Les solutions, par ordre d'efficacité : un LoRA entraîné sur le personnage, un conditionnement par image de référence, ou à défaut une graine fixe avec des variations minimales de consigne. La description seule n'y suffira jamais.
4. Faut-il payer un service ou générer en local ?
Le service pour la qualité maximale, la simplicité et l'absence de matériel. Le local pour la confidentialité totale, le coût marginal nul et le contrôle complet — modèles, LoRA, extensions. Une carte graphique avec 12 Go de mémoire suffit pour la génération d'images. Sur données sensibles, le local est souvent la seule option acceptable.
5. Comment obtenir du texte lisible dans une image ?
Les modèles récents s'en sortent correctement sur des mots courts. Pour un résultat fiable, la méthode professionnelle reste de générer l'image sans texte et de composer le texte par-dessus avec un outil graphique. C'est plus rapide, parfaitement contrôlé, et typographiquement propre.
6. La génération vidéo est-elle utilisable ?
Elle progresse très vite et reste plus contrainte que l'image. Les difficultés propres à la vidéo sont la cohérence temporelle — un objet doit rester le même d'une image à l'autre —, la durée limitée à quelques secondes, et un coût de calcul élevé. C'est exploitable pour des plans courts d'ambiance, pas encore pour un récit contrôlé.
7. Comment empêcher un modèle d'inventer des faits ?
On ne l'empêche pas, on encadre. Fournissez les documents dans la consigne, exigez que la réponse s'y limite et cite ses sources, autorisez explicitement l'aveu d'ignorance, et baissez la température. Puis vérifiez. Toute architecture qui suppose que le modèle ne se trompera pas finira par produire une erreur en production.
8. Quelle température choisir ?
0 pour l'extraction, la classification, le code et tout ce qui doit être reproductible. 0,2 à 0,4 pour des réponses factuelles ou un résumé. 0,7 à 0,9 pour de la rédaction ou du dialogue. Une température de 0,7 sur une tâche d'extraction est l'erreur la plus répandue en production.
9. Ces outils font-ils vraiment gagner du temps ?
Sur les tâches de premier jet — brouillon, reformulation, déclinaison, traduction, code répétitif —, oui, très nettement. Sur les tâches exigeant exactitude et responsabilité, le gain est souvent annulé par le temps de vérification. La question utile n'est pas « est-ce plus rapide » mais « qui vérifie, et combien de temps cela prend ».
10. Faut-il indiquer qu'un contenu a été généré ?
Oui. C'est désormais une obligation en Europe pour les contenus susceptibles d'être pris pour authentiques, et pour les hypertrucages. Au-delà du droit, c'est une question de confiance : un lecteur qui l'apprend après coup remet en cause l'ensemble de votre production.
11. Ces modèles vont-ils continuer à s'améliorer au même rythme ?
Le rythme s'est déplacé. Les gains ne viennent plus principalement de la taille mais de la qualité des données, des méthodes d'entraînement et de l'intégration d'outils — recherche, exécution de code, accès à des bases. La direction actuelle privilégie des modèles plus petits, mieux entraînés et spécialisés, ce qui va aussi dans le sens du coût et de la latence.
12. Où aller après ce cours ?
Grands modèles de langage pour approfondir le texte, le RAG et les agents. Éthique de l'IA pour le droit d'auteur, le consentement et la désinformation. MLOps pour industrialiser un usage génératif en production.
Les cours premium couvrent la diffusion en pratique, les modèles ouverts, LoRA, ControlNet et l'intégration en production, avec un certificat vérifiable après un examen de 40 questions. Inclus dans toutes les formules payantes.
Dernière étape — Passez le quiz et découvrez votre attestation →