Générateur d’images IA : comment il fonctionne, quoi comparer et comment obtenir l’image prévue

Du bruit aléatoire à l’image : comment travaille un générateur

Qui cherche un générateur d’images IA veut une image tirée d’une phrase, sans réserver de photographe. Wikipédia définit le modèle texte-image comme un modèle d’apprentissage automatique qui reçoit une consigne en langage naturel et produit une image correspondant à cette description. La plupart des modèles actuels sont des modèles de diffusion. Selon l’article de Wikipédia sur ces modèles, le réseau apprend à inverser l’ajout de bruit à une image : il peut donc partir d’un bruit aléatoire et le nettoyer pas à pas.

Les mots guident ce nettoyage : le même article indique que ces générateurs associent la diffusion à des encodeurs de texte et à des modules d’attention croisée. Autrement dit, le modèle ne cherche pas une image dans un catalogue ; il en développe une nouvelle dans la direction que montre votre texte. C’est pourquoi une même demande donne rarement deux fois la même image : chaque passage part d’un bruit neuf. Et le modèle ignore tout de votre boutique ou de vos couleurs tant que vous ne les montrez pas.

Dans un modèle ouvert : Kandinsky 3 et ses trois pièces

Les modèles ouverts publient leur anatomie. Selon l’annonce du blog d’entreprise de Sber, Kandinsky 3.0 a été développé par l’équipe Sber AI. Sa page GitHub le présente comme un modèle de diffusion texte-image open source composé de trois pièces : un encodeur de texte Flan-UL2 de 8,6 milliards de paramètres, un U-Net de diffusion latente de 3 milliards et un encodeur-décodeur MoVQ de 267 millions. Ce schéma sert de carte pour lire n’importe quel autre générateur.

Chaque pièce répond à une question d’acheteur. Les auteurs écrivent avoir amélioré la compréhension du texte et la qualité visuelle en agrandissant respectivement l’encodeur de texte et le U-Net : le premier lit vos mots, le second dessine. Les données d’entraînement décident de ce que le modèle dessine avec aisance : la version 3.0 a intégré davantage de données liées à la culture russe pour générer des images sur ces thèmes. La page indique aussi la licence, Apache 2.0, à vérifier avant tout usage commercial.

Ce qu’il faut comparer entre générateurs d’images avant de payer

Commencez par le contrôle : c’est lui qui distingue un outil d’une machine à sous. Le guide de Google sur ses modèles Nano Banana indique qu’ils combinent jusqu’à 14 images de référence, retouchent par le texte une image fournie et changent son style ou son étalonnage ; pour itérer, il recommande une conversation en plusieurs tours. Le guide de génération d’images d’OpenAI propose des retouches, des images tirées de références et des masques pour les modifications locales. Il reconnaît que le modèle peut ne pas suivre la forme exacte du masque avec une précision complète.

Vérifiez ensuite le résultat. Google annonce une génération intégrée en 1K, 2K et 4K ; OpenAI accepte des tailles personnalisées aux côtés multiples de 16 pixels, jusqu’à 3840 ; la documentation de Stability AI donne 1,5 mégapixel pour son service Stable Image Core. Côté lettrage, OpenAI écrit que ses modèles peinent encore sur le placement précis et la netteté du texte ; Google conseille de générer d’abord le texte, puis l’image qui le contient. Le français figure parmi les langues que Google donne comme les plus performantes.

Lisez enfin les conditions. Les conditions d’utilisation supplémentaires de l’API Gemini précisent que Google ne revendiquera pas la propriété du contenu généré et qu’il peut générer un contenu identique ou similaire pour d’autres. Sur le niveau gratuit, ce que vous envoyez sert à améliorer les produits de Google, des évaluateurs humains peuvent le lire et il est demandé de ne pas transmettre d’informations sensibles, confidentielles ou personnelles ; sur le niveau payant, les requêtes ne sont pas utilisées ainsi. Adobe affirme que les modèles Firefly sont entraînés sur des contenus sous licence et du domaine public dont le droit d’auteur a expiré.

Un brief d’une page avant le premier prompt d’image

Un résultat maîtrisé commence avant d’ouvrir l’outil. Notez où vivra l’image, son format, ce qu’elle doit montrer et ce à quoi elle ne doit pas ressembler, plus trois ou quatre critères vérifiables. Le guide de Google conseille de donner le contexte et l’intention : demander un logo pour une marque de soins haut de gamme et minimaliste donne mieux que demander un logo. Une photo de la lumière voulue, en référence, en dit plus qu’un paragraphe. Et formulez les contraintes par ce qui doit être là : Google parle de prompt négatif sémantique, une rue vide et déserte plutôt que « pas de voitures ».

Fixez tout ce que l’outil permet de fixer. La documentation de Stability AI propose un champ distinct pour le prompt négatif et décrit la graine comme une valeur qui guide le hasard de la génération ; si vous l’omettez, une graine aléatoire est utilisée. Le service renvoie la graine avec chaque image, ce qui permet de reproduire un bon résultat, et le format se choisit entre 21:9 et 9:21. Inscrits dans le brief, ces réglages évitent que chaque tour change trois choses à la fois.

Un seul changement par tour : itérer sur une image générée

L’impression de loterie naît quand tout change à chaque fois. Le guide de Google dit de ne pas attendre une image parfaite au premier essai et propose des relances du type « garde tout, mais change l’expression du personnage ». Pour les scènes complexes, il conseille de construire la demande par étapes : le fond, puis l’objet au premier plan, puis le détail posé dessus. Faites-en une routine et changez une seule variable par tour : la lumière, puis le cadrage, puis la matière.

Tenez un journal : le prompt, les références, la graine ou la conversation, le modèle et la date. Les modèles changent d’une version à l’autre, et un ancien résultat peut ne pas revenir. Choisissez selon les critères du brief plutôt qu’à la première impression. Terminez ensuite l’image retenue à la main : recadrage, retouche, texte composé dans un logiciel de mise en page.

Où s’arrêtent les générateurs : mises en page, personnages récurrents, règles de marque

Les éditeurs documentent leurs points faibles. OpenAI en cite quatre : une demande complexe peut prendre jusqu’à deux minutes, le texte précis reste difficile, les personnages récurrents ou les éléments de marque peuvent dériver d’une génération à l’autre, et le placement exact d’éléments dans une composition sensible à la mise en page est ardu. Google fixe pour chaque modèle un nombre maximal de personnages qui gardent leur ressemblance dans un même flux de travail. On voit ainsi ce qu’un générateur ne remplace pas : un menu ou une fiche produit sont d’abord une mise en page, et une marque est un ensemble de règles que le modèle ignore si vous ne les fournissez pas.

Certaines limites ne sont pas techniques. OpenAI écrit que toutes les requêtes et images générées sont filtrées selon sa politique de contenu. Stability AI renvoie une image floutée avec un motif de fin particulier lorsque le résultat enfreint sa politique de modération. Le visage d’une personne réelle, le logo d’une autre entreprise ou un personnage célèbre relèvent d’un avocat avant de relever d’un prompt.

À qui appartient une image générée et comment le dire honnêtement

Les conditions d’utilisation et le droit d’auteur répondent à des questions différentes. Dans son rapport de janvier 2025, l’U.S. Copyright Office a conclu que la protection ne s’étend pas au matériel entièrement généré par l’IA et que les prompts seuls ne donnent pas assez de contrôle pour faire de l’utilisateur un auteur ; choisir un résultat n’est pas non plus un acte d’auteur. Peuvent être protégés le travail humain perceptible dans le résultat, les modifications créatives et une sélection et un agencement créatifs. Dans un cas cité, la sélection et l’agencement d’images générées avec un texte humain dans une bande dessinée ont été jugés protégeables comme compilation.

En droit russe, l’article 1228 du Code civil dit que l’auteur d’un résultat d’activité intellectuelle est le citoyen dont le travail créatif l’a produit. Aucun de ces textes ne tranche un projet précis : pour un contrat ou une marque, consultez un spécialiste. L’étiquetage est plus simple. Google affirme que toutes les images de ses modèles portent un filigrane SynthID, que Google DeepMind décrit comme invisible et conçu pour résister au recadrage, aux filtres et à la compression avec perte ; Adobe, que les résultats Firefly incluent des Content Credentials signalant l’usage de l’IA. Dire au client ce qui a été généré reste le travail de l’auteur.

Une semaine de pratique avec un générateur d’images, puis la formation

L’essentiel se pratique seul en une semaine, sur une vraie tâche : trois visuels pour une newsletter, une illustration pour la carte d’un café, une bannière de soldes. Rédigez le brief sur une page et choisissez un seul générateur d’images IA. Lisez ses pages sur les limites et les conditions, faites trois tours avec un changement chacun et notez chaque essai. Terminez une image à la main et jugez-la selon les critères du brief ; la fiche de travail gratuite de la bibliothèque VITON13 SCHOOL donne au brief une structure prête.

Une semaine seul ne donne ni une méthode qui tienne d’une tâche à l’autre, ni un regard extérieur. La Formation IA pour designers de VITON13 SCHOOL compte huit modules : concept visuel, direction artistique, génération d’images avec maîtrise du cadre, du style et du détail, prompting systémique avec modèles et variables, systèmes de marque, interfaces, sélection et finition, droits et éthique. On en sort avec un moodboard et un concept écrit, une bibliothèque de prompts visuels, un court guide du système de marque et des écrans d’interface, sur un projet adapté à sa propre tâche. La page de la formation indique les conditions en vigueur.