Generation d'image par texte

Définition

La generation d'image par texte, ou text-to-image, est une technique d'IA generative qui produit une image originale a partir d'une description textuelle appelee prompt. Les modeles de diffusion, dont Stable Diffusion, Midjourney et DALL-E constituent les references les plus connues, apprennent a debruiter progressivement une image aleatoire jusqu'a faire emerger une composition coherente avec le texte fourni, en s'appuyant sur un encodeur texte-image comme CLIP pour aligner semantique linguistique et representation visuelle. Le processus d'entrainement mobilise des centaines de millions d'images associees a des legendes, souvent collectees sur le web sans autorisation explicite des ayants droit, ce qui alimente des contentieux juridiques en cours dans plusieurs pays sur le droit d'auteur. En entreprise, ces outils accelerent la production de visuels marketing, de maquettes et de contenus illustratifs, mais soulevent des risques de deepfakes, de contrefacon de marques et de biais representationnels herites des donnees d'entrainement. Le reglement europeen AI Act impose des obligations de transparence pour les systemes generant du contenu synthetique, notamment le marquage des sorties, tandis que le C2PA promeut un standard de provenance des medias. Les entreprises deployant ces outils doivent encadrer les usages par une politique claire sur les droits d'utilisation commerciale des images produites.