« IA » sert à décrire tout, d'un filtre anti-spam à un chatbot en passant par l'outil qui a fait cette vidéo virale dans votre fil. Voici la chose précise que signifie « IA générative », comment ces modèles apprennent vraiment, et où se situent les outils de ce site.
La plupart de l'IA avec laquelle la plupart des gens interagissent au quotidien est discriminative, pas générative — elle regarde quelque chose qui existe déjà et porte un jugement dessus : cet e-mail est-il du spam, cette photo contient-elle un visage, cette vidéo doit-elle vous être recommandée ensuite. L'IA générative est un travail différent : au lieu de juger du contenu existant, elle produit du nouveau contenu — un paragraphe de texte, une image, un clip vidéo, un enregistrement vocal — à partir d'un prompt ou d'une entrée de départ. ChatGPT qui écrit un e-mail, Midjourney qui dessine une image, et Runway ou Veo qui génèrent un clip vidéo sont tous de l'IA générative. Un filtre anti-spam ne l'est pas, même s'il reste de « l'IA » au sens large.
Entraîner un modèle génératif signifie lui montrer un nombre énorme d'exemples réels de ce qu'il doit produire — des milliards de phrases pour un modèle de texte, d'énormes ensembles de données d'images ou de vidéo pour un modèle d'image ou de vidéo — et ajuster les paramètres internes du modèle (il peut y en avoir des milliards) pour qu'il devienne progressivement meilleur à prédire des motifs dans ces données : quel mot vient plausiblement ensuite, quelles valeurs de pixel appartiennent plausiblement à côté de quelles autres valeurs de pixel. Point crucial : le modèle ne stocke pas et ne rejoue pas des exemples d'entraînement spécifiques comme un moteur de recherche renvoie une page web stockée. Il apprend des motifs statistiques assez généraux pour les appliquer à un prompt tout neuf qu'il n'a jamais rencontré pendant l'entraînement — ce qui est à la fois la source de son utilité (il peut gérer des demandes vraiment nouvelles) et la source de ses échecs les plus bizarres (il produit toujours sa meilleure supposition statistique, même quand cette supposition est fausse).
Un modèle génératif ne consulte rien et ne vérifie aucun fait — il produit la continuation statistiquement la plus plausible du prompt qu'on lui a donné, entièrement à partir de motifs appris pendant l'entraînement. Pour les modèles de texte, cela apparaît comme de l'information incorrecte affirmée avec assurance, souvent appelée « hallucination ». Pour les modèles d'image et de vidéo, cela apparaît comme la même poignée de pépins visuels récurrents sur du contenu totalement sans rapport : doigts en trop ou malformés, bijoux et petit texte qui se déforment ou sortent en charabia, détails fins qui ne tiennent pas à l'examen. Ce ne sont pas des bugs aléatoires propres à un outil — ce sont des artefacts de ce qui est structurellement difficile pour ce type de modèle d'obtenir exactement : le détail fin, précis, régi par des règles (un nombre exact de doigts, des formes de lettres exactes) est une cible statistique bien plus difficile à atteindre de façon cohérente qu'une large et tolérante (une pose d'ensemble, une palette de couleurs générale).
Les générateurs de vidéo par IA (Runway, Pika, Kling, Seedance, Veo et d'autres) sont de l'IA générative appliquée spécifiquement à la vidéo : une description texte ou une image de référence entre, et un court nouveau clip vidéo — des images que le modèle a construites, pas des images qui ont été filmées — sort. C'est la même idée sous-jacente qu'un générateur de texte ou d'image, juste avec la complexité supplémentaire que chaque image doit rester visuellement cohérente avec les images environnantes. Voir notre explication dédiée sur comment fonctionne vraiment la génération de vidéo par IA pour la mécanique, ou notre tour des outils réels, adapté aux débutants, si vous voulez juste savoir ce qu'il y a derrière les vidéos qui inondent votre fil.
Il vaut la peine d'être précis là-dessus, parce que les deux sont confondus : la suppression d'arrière-plan par IA (ce que fait RemoveGifBG) repose sur une famille de techniques de réseau de neurones étroitement apparentée, mais elle n'est pas générative au même sens. Son travail est la classification, pas la création — pour chaque pixel d'une image ou d'une image vidéo, décider s'il fait partie du sujet ou de l'arrière-plan, puis garder l'un et jeter l'autre. Elle n'invente pas de nouveaux pixels comme un générateur d'image invente une scène entière à partir d'un prompt texte ; elle prend une décision garder-ou-jeter sur des pixels qui existent déjà. Voir comment fonctionne vraiment la suppression d'arrière-plan par IA pour les détails, et pourquoi c'est un problème bien plus difficile sur la vidéo et les GIFs que sur une seule photo.
La version courte
Voir Comment Fonctionne la Génération de Vidéo par IA
Connexes : Comment fonctionne la suppression d'arrière-plan par IA · Comment les vidéos IA sont faites (guide débutant) · Tous les guides
C'est une catégorie de modèles d'IA entraînés à produire du nouveau contenu — texte, images, vidéo, audio, code — plutôt qu'à seulement classer ou analyser du contenu existant. Un filtre anti-spam (« cet e-mail est-il du spam ou non ») est de l'IA mais pas génératif. Un outil qui écrit un e-mail, dessine une image ou génère une vidéo à partir d'une description est génératif : la sortie est du nouveau matériel que le modèle construit, pas une étiquette appliquée à quelque chose qui existait déjà.
L'entraînement expose le modèle à une énorme quantité de contenu d'exemple existant (texte, images ou vidéo, selon ce qu'il doit générer) et ajuste des millions ou des milliards de paramètres internes pour que le modèle devienne progressivement meilleur à prédire des motifs dans ces données — quel mot suit plausiblement d'autres mots, quelles valeurs de pixel suivent plausiblement d'autres valeurs de pixel. Il ne mémorise pas et ne rejoue pas des exemples spécifiques ; il apprend des motifs statistiques assez généraux pour s'appliquer à des prompts entièrement nouveaux qu'il n'a jamais vus pendant l'entraînement.
Parce que le modèle génère la prochaine sortie statistiquement la plus plausible, il ne consulte rien et ne vérifie aucun fait. Pour le texte, cela apparaît comme de l'information fausse affirmée avec assurance (« hallucination »). Pour les images et la vidéo, cela apparaît comme la même poignée d'erreurs visuelles récurrentes — doigts en trop, texte déformé, bijoux qui ne gardent pas leur forme — car ce sont exactement les types de détail fin, structurellement précis, les plus difficiles à garder statistiquement cohérents sur toute une image ou un clip généré.
Pas exactement, bien que ce soit un proche cousin. La suppression d'arrière-plan par IA utilise la même famille de techniques de réseau de neurones (entraînée sur d'énormes quantités de données d'exemple, faisant des prédictions au niveau du pixel) mais son travail est la classification, pas la génération : pour chaque pixel, est-il au premier plan ou à l'arrière-plan ? Elle ne crée pas de nouveaux pixels comme le fait un générateur d'image — elle décide quoi garder d'une image qui existe déjà.