La diffusion sert-elle uniquement aux images ?

Non. Le principe bruiter puis apprendre à débruiter s'applique aussi à l'audio, la vidéo et d'autres données. L'image en est l'usage le plus visible, mais la diffusion est un cadre plus général.

Comment une IA fabrique une image : la diffusion expliquée (l’analogie du sculpteur et du bloc de bruit) Exercices et Prompts

Q: Pourquoi un modèle de diffusion part-il de bruit ?

Parce qu'il a appris à transformer du bruit en image, en s'entraînant à inverser un ajout de bruit. Le bruit de départ fournit aussi la part d'aléatoire qui rend chaque image unique.

Q: La diffusion est-elle la même chose que les deepfakes GAN ?

Non. Les premiers deepfakes reposaient surtout sur les GAN, deux réseaux en duel. La diffusion est une approche différente, devenue dominante car plus stable à entraîner et souvent plus fidèle.

Q: Pourquoi le même prompt donne-t-il deux images différentes ?

Parce que le bruit de départ est tiré au hasard à chaque génération. Même commande, point de départ différent, donc résultat différent. Pour retrouver la même image, il faut réutiliser la même graine aléatoire.

On prêtait à Michel-Ange cette phrase : la statue est déjà dans le bloc de marbre, il suffit d’en retirer le superflu. Quand vous demandez une image à une IA et qu’elle la « fait apparaître », elle procède presque ainsi — à un détail près, magnifique : son bloc de marbre, c’est de la neige télé, du bruit pur. Et coup de ciseau après coup de ciseau, elle en retire le superflu jusqu’à révéler votre image. Bienvenue dans le monde de la diffusion.

Définition : la même idée, à trois hauteurs

Niveau 1 — Tout public

L’IA part d’une image de pur grésillement, puis enlève ce « bruit » petit à petit, étape après étape, jusqu’à ce qu’une image nette apparaisse — celle que votre texte a demandée.

Niveau 2 — Manager / décideur

Un modèle de diffusion apprend à inverser un processus de bruitage : on a appris au modèle comment des images se dégradent en bruit, et il sait désormais refaire le chemin inverse, du bruit vers l’image, guidé par votre prompt.

Niveau 3 — Définition académique

Un modèle de diffusion définit un processus direct qui ajoute progressivement du bruit gaussien à une donnée, et apprend le processus inverse de débruitage ; l’échantillonnage part de bruit pur et applique itérativement le débruitage, éventuellement conditionné par un texte.

L’analogie-maîtresse : le sculpteur et le bloc de bruit

Imaginons un sculpteur d’un genre particulier. On ne lui donne pas du marbre, mais un bloc de neige télé : un grésillement aléatoire, sans aucune forme. Sa commande tient en une phrase — « un chat roux endormi sur un canapé bleu ». C’est votre prompt. Son travail : retirer du bruit, petit à petit, jusqu’à ce que le chat émerge.

Mais d’où lui vient ce talent ? D’un apprentissage à l’envers, et c’est là toute l’astuce. Pendant sa formation, on lui a montré des milliers d’images nettes que l’on a progressivement ensevelies sous le bruit, jusqu’à les transformer en pur grésillement. À chaque étape de cet ensevelissement, on lui a demandé : « quel bruit vient-on d’ajouter ? ». À force, il est devenu expert pour reconnaître et retirer le bruit, étape par étape.

Une fois formé, on inverse le sens. On lui tend un bloc de bruit pur et la commande. Il enlève une fine couche de grésillement — l’image est encore floue, mais un peu moins. Puis une autre couche. Puis une autre. Chaque coup de ciseau est un pas de débruitage, et au fil des dizaines d’étapes, une forme cohérente se dégage : votre chat roux apparaît.

Comment la commande oriente-t-elle le ciseau ? Le texte « un chat roux endormi » est d’abord traduit en nombres via une vectorisation, ce qui permet au modèle de relier les mots à des motifs visuels appris. À chaque étape, le débruitage est ainsi guidé vers ce que la phrase décrit. Et toute cette compétence repose sur un long entraînement par descente de gradient, exactement comme les autres réseaux de neurones.

Notez au passage une différence frappante avec la génération de texte. Quand une IA écrit, elle avance mot après mot, de gauche à droite. La diffusion, elle, ne procède pas zone par zone : elle fait émerger l’image entière d’un coup, en la rendant globalement de moins en moins floue. Deux logiques de création radicalement différentes.

Là où l’analogie s’arrête. Contrairement à la formule de Michel-Ange, la statue n’est pas réellement « déjà là » dans le bloc. Le sculpteur ne dévoile pas une forme cachée : il en invente une, plausible, guidée par la commande. Preuve en est : le même bloc de bruit, avec deux phrases différentes, donnera deux images totalement différentes — et le même prompt, avec deux blocs de bruit différents, donnera deux chats distincts. Le bruit de départ n’est pas un marbre contenant une statue, c’est un point de départ aléatoire que le prompt façonne.

Bruitage puis débruitage, en un schéma

Déconstruction : du sculpteur au modèle

Notion technique	Dans notre analogie	En réalité, sans jargon
Bruit	Le bloc de neige télé	Un grésillement aléatoire, sans aucune structure
Processus de bruitage	Ensevelir une image nette sous le bruit, à l’entraînement	Ajouter du bruit par étapes pour apprendre à l’inverser
Débruitage	Chaque coup de ciseau qui retire du grésillement	Enlever un peu de bruit pour se rapprocher d’une image nette
Étapes (pas de diffusion)	Les dizaines de passes du sculpteur	Le nombre d’itérations de débruitage (souvent 20 à 50)
Guidage par le prompt	La commande qui oriente le ciseau	Le texte, vectorisé, qui dirige le débruitage

Ce que ça change pour vous

Le hasard est dans la mécanique. Comme chaque image part d’un bruit aléatoire différent, relancer le même prompt donne une image différente. C’est une fonctionnalité, pas un bug : pour reproduire une image, il faut fixer la « graine » (le bruit de départ).
Le nombre d’étapes est un curseur. Plus d’étapes de débruitage = souvent plus de finesse, mais plus de temps de calcul. Beaucoup d’outils vous laissent régler ce compromis.
Le prompt est une commande, pas un ordre exact. Le modèle compose à partir de ce qu’il a vu : il excelle sur les motifs fréquents dans ses données et peine sur l’inédit (d’où les mains à six doigts d’hier). Soyez précis, et vérifiez le résultat.
Données d’entraînement = enjeux de droits. Le sculpteur n’invente qu’à partir des images vues pendant sa formation. D’où les questions, bien réelles, de droits d’auteur et de styles « aspirés » sans consentement.

FAQ pour débuter

Pourquoi partir de bruit, et pas d’une feuille blanche ?▼

Parce que le modèle a justement appris à transformer du bruit en image, en s’entraînant à inverser un ajout de bruit. Le bruit de départ fournit aussi la part d’aléatoire qui rend chaque image unique. Une feuille blanche, elle, ne contiendrait aucun point de départ à « sculpter ».

La diffusion, est-ce comme les anciens « deepfakes » ?▼

Pas exactement. Les premiers deepfakes reposaient surtout sur d’autres techniques (les GAN, deux réseaux en duel). La diffusion est une approche différente, devenue dominante car plus stable à entraîner et souvent plus fidèle. Nous y reviendrons.

Pourquoi deux images diffèrent avec le même prompt ?▼

Parce que le bruit de départ est tiré au hasard à chaque fois. Même commande, point de départ différent, donc résultat différent. Pour retomber sur la même image, il faut réutiliser exactement la même graine aléatoire.

Cette technique sert-elle uniquement aux images ?▼

Non. Le même principe « bruiter puis apprendre à débruiter » s’applique aussi à l’audio, à la vidéo et à d’autres données. L’image en est l’usage le plus visible, mais la diffusion est un cadre plus général.

Les deux articles fondateurs

1. Sohl-Dickstein et al. inventent la diffusion (2015)

Contexte. Inspirés par la physique des phénomènes hors équilibre, les auteurs cherchent un modèle génératif à la fois souple et calculable.

Idée centrale. Détruire lentement la structure d’une image en y ajoutant du bruit (le processus direct), puis apprendre à inverser ce chemin pour restaurer la structure — exactement notre sculpteur à l’envers.

Pourquoi ça compte. C’est l’acte de naissance théorique des modèles de diffusion, le socle de tout ce qui suivra.

✅ Sohl-Dickstein, J., Weiss, E., Maheswaranathan, N., & Ganguli, S. (2015). Deep Unsupervised Learning using Nonequilibrium Thermodynamics. Proceedings of the 32nd International Conference on Machine Learning (ICML), PMLR 37, 2256–2265.

2. Ho, Jain & Abbeel rendent la diffusion opérationnelle — DDPM (2020)

Contexte. L’idée de 2015 était prometteuse mais produisait des images encore modestes. Pouvait-on en faire un générateur de haute qualité ?

Idée centrale. En simplifiant et reformulant l’entraînement (le modèle apprend surtout à prédire le bruit ajouté), les auteurs atteignent une qualité d’image comparable aux meilleures méthodes de l’époque.

Pourquoi ça compte. C’est l’article qui fait décoller la diffusion et ouvre la voie aux générateurs d’images grand public que nous connaissons.

✅ Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems, 33. (arXiv:2006.11239)

Trois prompts pour apprendre

Explique-moi la diffusion avec une analogie autre que le sculpteur, puis dis-moi ce que représente le « bruit de départ » dans ton analogie.

🎯 Explorer | 📚 Ce qu’on apprend : saisir le rôle du bruit comme point de départ.

Pourquoi le même prompt me donne-t-il deux images différentes à chaque génération ? Réponds simplement, sans formule.

🎯 Tester sa compréhension | 📚 Ce qu’on apprend : relier hasard du bruit et variété des résultats.

En tant que manager, quelles questions de droits d’auteur devrais-je me poser avant d’utiliser une image générée par diffusion dans une campagne ? Donne 4 points de vigilance.

🎯 Cas pratique management | 📚 Ce qu’on apprend : relier données d’entraînement et enjeux juridiques.

📝 Note méthodologique. Cet article a été rédigé avec l’aide d’une IA générative, sur la base d’un gabarit pédagogique et d’analogies conçus par l’autrice. Les deux références fondatrices ont été vérifiées manuellement. L’objectif reste pédagogique : rendre un concept technique accessible aux étudiants et cadres en management.