Modèle de diffusion : créer une image en retirant du bruit
Un modèle de diffusion est un type d'IA générative qui fabrique une image, un son ou une vidéo en partant d'un bruit aléatoire, comme une télévision sans signal, puis en le nettoyant étape par étape jusqu'à obtenir un résultat cohérent.
Données au 22 octobre 2026
L'essentiel en chiffres
| Niveau | Intermédiaire |
|---|---|
| Origine | 2015 |
| Introduit par | Sohl-Dickstein et al. |
Le principe
À l’entraînement, on prend des millions d’images et on les abîme progressivement en ajoutant du bruit, jusqu’à ce qu’il ne reste qu’une neige aléatoire. Un réseau de neurones apprend la tâche inverse : à partir d’une image bruitée, deviner le bruit à retirer. Une fois entraîné, il peut partir d’un bruit pur et le « débruiter » de nombreuses fois de suite, jusqu’à faire émerger une image qui n’existait pas.
Un exemple concret
Vous demandez à un outil de génération d’images : « un phare sous l’orage, style aquarelle ». Le modèle tire une image de bruit au hasard. À chaque étape, il retire un peu de bruit en se laissant guider par votre texte : d’abord des masses de couleur, puis une silhouette verticale, puis la mer, la lumière, les détails du papier. Changez le bruit de départ et vous obtenez un autre phare.
Origine et pourquoi ça compte
L’approche est décrite dès 2015 par Sohl-Dickstein et ses coauteurs, qui s’inspirent de la physique statistique. En 2020, les travaux de Ho, Jain et Abbeel (DDPM) montrent qu’elle produit des images de grande qualité. Fin 2021, Rombach et ses coauteurs proposent de travailler dans un espace compressé (diffusion latente), ce qui réduit fortement le calcul nécessaire ; c’est la base de Stable Diffusion.
Ces modèles sont devenus un pilier de l’IA générative visuelle. Ils expliquent aussi pourquoi les images réalistes, y compris les deepfakes, sont désormais si faciles à produire.
Erreurs et idées reçues fréquentes
- « Le modèle colle des morceaux d’images existantes. » Il construit une image nouvelle à partir du bruit, en s’appuyant sur ce qu’il a appris. Les questions de droit d’auteur liées aux images d’entraînement restent cependant débattues.
- « Diffusion et transformer, c’est l’opposé. » La diffusion est une méthode de génération ; le réseau qui débruite peut lui-même être un transformer.
- « C’est instantané. » Chaque image demande plusieurs passages successifs dans le réseau, ce qui rend la génération plus coûteuse qu’une simple prédiction.
Termes voisins : IA générative, génération d’images, deepfake, réseau de neurones.
Termes liés
- Génération d'images · Création d'une image nouvelle par une IA à partir d'une description écrite (un prompt) ou d'une autre image.
- IA générative · IA capable de produire un contenu nouveau (texte, image, son, vidéo, code) à partir d'une simple demande écrite ou orale.
- Deepfake (hypertrucage) · Image, vidéo ou voix truquée par l'IA pour faire croire qu'une personne réelle a dit ou fait quelque chose qu'elle n'a jamais dit ni fait.
- Réseau de neurones · Programme formé de nombreuses petites unités de calcul reliées entre elles, qui apprend en ajustant la force de ces liens.
- Transformer · Architecture de réseau de neurones fondée sur l'attention, présentée en 2017, qui sert de base à presque tous les grands modèles de langage.
Tout le glossaire
Questions fréquentes
D'où vient le nom « diffusion » ?
D'une analogie avec la physique : comme une goutte d'encre qui se diffuse dans l'eau, l'image d'origine est progressivement brouillée par du bruit. Le modèle apprend le chemin inverse, du bruit vers une image nette.
Pourquoi deux générations avec le même prompt donnent-elles des images différentes ?
Parce que le point de départ est un bruit aléatoire différent à chaque fois. Beaucoup d'outils permettent de fixer ce point de départ (la « graine », ou seed) pour reproduire une image.
Les modèles de diffusion servent-ils seulement aux images ?
Non. Le même principe s'applique au son, à la musique ou à la vidéo. L'image reste toutefois l'usage le plus connu du grand public.
Qui a inventé les modèles de diffusion ?
L'idée est décrite en 2015 par Jascha Sohl-Dickstein et ses coauteurs. Elle a été rendue nettement plus performante en 2020 par Jonathan Ho, Ajay Jain et Pieter Abbeel, puis rendue moins coûteuse en 2021 par la diffusion latente.
Sources des données
Données au 22 octobre 2026
Signaler une erreur
Un chiffre, une date ou une information vous semble faux ? Dites-le-nous : chaque signalement est vérifié.