Introduction à la génération d’images par IA

Premier article du module 7 de la série « Apprendre à utiliser les outils d’IA ». Après les fondations textuelles, nous entrons dans la création visuelle. Comment une description écrite devient-elle une image ? Qu’est-ce qui est vraiment possible aujourd’hui ? Et quels mots faut-il connaître pour s’y retrouver ? C’est ce que nous allons voir.

Imaginez écrire : « Une bibliothèque ancienne éclairée par une bougie, vue de nuit, style peinture à l’huile flamande » — et voir apparaître en quelques secondes une illustration qui correspond presque exactement à ce que vous aviez en tête. Ce n’est pas de la magie : c’est de la génération d’images par intelligence artificielle. Et c’est accessible à tout le monde, sans la moindre compétence en dessin ou en infographie.

En 2026, cette technologie a atteint un niveau de qualité qui aurait semblé irréaliste il y a cinq ans. Elle est utilisée par des graphistes, des enseignants, des journalistes, des créateurs de contenu, des chercheurs et des amateurs du monde entier. Avant d’aller plus loin dans les outils et les techniques, prenons le temps de comprendre ce qui se passe vraiment — comment une phrase devient une image, ce que ces outils savent faire, et le vocabulaire de base pour naviguer dans ce domaine.

1. Comment une description devient une image : le principe simplifié

Pour comprendre la génération d’images, il faut repartir d’une idée vue au module 0 : les modèles d’IA apprennent en analysant d’immenses quantités de données. Pour le texte, ces données étaient des millions de livres et d’articles. Pour les images, ce sont des centaines de millions de photos, d’illustrations, de peintures et de captures d’écran — chacune accompagnée d’une description textuelle.

L’apprentissage par association

Pendant l’entraînement, le modèle a appris à associer des mots à des visuels. Il sait que « coucher de soleil » évoque des teintes orangées et un horizon dégradé. Il sait que « style aquarelle » correspond à des contours flous, des couleurs translucides et des effets de lavage. Il sait que « portrait en buste, éclairage Rembrandt » implique un fond sombre et une lumière latérale qui sculpte le visage. Plus il a vu d’exemples de chaque association, plus sa représentation est précise.

La diffusion : partir du bruit pour arriver à l’image

La plupart des générateurs d’images modernes reposent sur une technique appelée modèle de diffusion (diffusion model). Le principe est contre-intuitif mais élégant.

Lors de l’entraînement, le modèle a appris à débruiter des images : on lui présentait une image réelle progressivement recouverte de bruit aléatoire (comme de la neige sur un écran), et il apprenait à la reconstituer pas à pas. Après des millions d’exemples, il est devenu très doué pour reconstruire une image cohérente à partir de quasi-rien.

Quand vous saisissez un prompt, le modèle part d’une image de bruit pur et l’affine progressivement, guidé par votre description, jusqu’à obtenir quelque chose de cohérent et visuellement satisfaisant. Ce processus — qui peut sembler magique de l’extérieur — prend généralement quelques secondes à une minute selon l’outil et la qualité demandée.

Le rôle du texte : le CLIP et les encodeurs

Pour que la description guide l’image, il faut un « pont » entre le langage et le visuel. Ce pont s’appelle un encodeur de texte (le plus connu s’appelle CLIP). Il transforme vos mots en une représentation mathématique que le générateur d’images peut comprendre. C’est ce qui permet à « atmosphère mélancolique » de se traduire en teintes désaturées et en ombres profondes — pas parce que quelqu’un a programmé ces équivalences, mais parce que le modèle les a induites de millions d’exemples.

Vous n’avez pas besoin de retenir ces termes techniques pour utiliser ces outils. Ce qu’il faut garder : la précision de votre description guide directement la qualité du résultat. Plus votre prompt est riche et précis, plus l’image sera proche de ce que vous imaginiez.

2. Ce qui est possible aujourd’hui

Le niveau atteint en 2026 est spectaculaire. Voici ce que les meilleurs outils savent faire — et ce qui reste difficile.

Ce qu’ils savent très bien faire

• Les illustrations et les œuvres stylisées. Aquarelle, huile, crayon, manga, art numérique, peinture impressionniste, pixel art : les styles artistiques sont reproduits avec une précision remarquable.
• Les paysages et les ambiances. Forêts, villes, espaces intérieurs, scènes de nature : les générateurs excellent à créer des atmosphères cohérentes et immersives.
• Les visuels pour la communication. Illustrations pour des articles, des présentations, des réseaux sociaux, des affiches : c’est l’usage le plus courant en contexte professionnel.
• Les photographies de synthèse. Des images qui ressemblent à de vraies photos — produits, architectures, portraits génériques — avec un réalisme parfois troublant.
• La cohérence de style. Avec les bons paramètres, on peut générer une série d’images cohérentes entre elles, ce qui est précieux pour une identité visuelle.
• Le texte dans l’image. Longtemps le point faible des générateurs, l’intégration de texte lisible dans une image s’est nettement améliorée sur les outils récents.

Ce qui reste difficile

• Les mains et les anatomies complexes. Les mains restent le défi classique de la génération d’images — doigts en trop, articulations bizarres. Cela s’améliore, mais n’est pas encore résolu de façon systématique.
• La cohérence de personnage. Générer le même personnage dans plusieurs scènes différentes (même visage, même tenue, même style) reste difficile sans des outils avancés dédiés.
• Les détails très précis. Un logo avec un texte exact, une architecture spécifique respectant une contrainte technique, un graphique avec des données précises : la génération libre n’est pas le bon outil pour ces cas.
• Le contrôle fin de la composition. Si vous avez une idée très précise de la position de chaque élément dans l’image, la génération libre peut décevoir — des outils plus avancés permettent de guider la composition, mais avec une courbe d’apprentissage.

3. Le vocabulaire de base à connaître

La génération d’images a son propre vocabulaire. Pour commencer, vous n’avez besoin que de quatre notions. Les termes plus techniques viendront naturellement avec la pratique — inutile de les mémoriser avant d’avoir généré votre première image.

Le prompt

C’est votre description — la consigne écrite que vous tapez pour guider la génération. Il décrit le sujet, le style, l’ambiance, la lumière, le cadrage. C’est le seul élément vraiment indispensable : si vous savez décrire ce que vous imaginez, vous pouvez générer une image. Nous lui consacrons un article entier dans ce module.

Le prompt négatif

C’est la liste de ce que vous ne voulez pas voir dans l’image : « mains déformées, flou, couleurs criardes ». C’est l’autre face du prompt positif, et elle est tout aussi utile. La plupart des interfaces proposent un champ dédié pour cela.

Le style

Le style est le « filtre artistique » de votre image : aquarelle, photographie, illustration, peinture à l’huile, dessin au crayon, art numérique, manga… C’est souvent le mot le plus impactant de votre prompt. Changer uniquement le style transforme radicalement le rendu, même avec le même sujet.

Le ratio (format de l’image)

Le ratio est la proportion de l’image — carré, portrait ou paysage. Choisissez-le selon l’usage prévu avant de générer : une image pour les réseaux sociaux sera carrée ou verticale (1:1 ou 9:16), une illustration pour une présentation sera horizontale (16:9). La plupart des interfaces proposent des boutons visuels pour choisir facilement.

Pour aller plus loin (termes avancés)

Une fois à l’aise avec les bases, vous rencontrerez d’autres termes dans les interfaces plus avancées. En voici une brève définition pour ne pas être dépaysé le moment venu — pas besoin de les maîtriser maintenant :

• Le modèle (ou checkpoint) : la version du générateur utilisée. Certains modèles sont optimisés pour le photoréalisme, d’autres pour l’illustration ou le style anime.
• Le seed : un numéro qui mémorise le point de départ d’une génération. Deux images créées avec le même prompt et le même seed sont identiques — utile pour retrouver un résultat qui vous a plu ou explorer des variations proches.
• Les steps : le nombre d’étapes de raffinement que le modèle effectue. Plus il y en a, plus l’image est détaillée — mais plus cela prend de temps.
• Le CFG scale : un curseur qui règle à quel point le modèle suit votre prompt à la lettre. Valeur basse = plus de liberté créative ; valeur haute = plus de fidélité à votre description.
• L’inpainting : modifier une zone précise d’une image existante sans toucher au reste.
• L’outpainting : étendre une image au-delà de ses bords originaux en générant le contexte manquant.

Et maintenant ?

Vous comprenez maintenant ce qui se passe « sous le capot » et vous avez le vocabulaire pour suivre n’importe quel tutoriel ou documentation. Il est temps de découvrir les outils eux-mêmes et de commencer à pratiquer.

Prochain article du module 7 : Les outils d’images comparés. Midjourney, DALL·E, Flux, Imagen, Ideogram — nous passerons en revue les principaux générateurs, leurs forces respectives, leur accessibilité et leur coût, pour que vous puissiez choisir celui qui correspond à vos besoins.