Reseau antagoniste generatif conditionnel

Définition

Un reseau antagoniste generatif conditionnel, ou cGAN (Conditional Generative Adversarial Network), est une variante des GAN dans laquelle le generateur et le discriminateur recoivent tous deux une information supplementaire de conditionnement, par exemple une classe, un texte ou une image, en plus du bruit aleatoire ou de la donnee a evaluer. Le generateur produit des donnees synthetiques censees respecter la condition fournie, tandis que le discriminateur apprend a distinguer les vraies donnees des donnees generees tout en verifiant leur coherence avec cette condition. Les deux reseaux s'entrainent en opposition, dans un jeu a somme nulle qui pousse progressivement le generateur a produire des sorties de plus en plus realistes et fideles au conditionnement. Cette architecture a permis des applications comme la traduction image-a-image, la colorisation automatique, la generation de visages controlee par attributs, ou la synthese de donnees d'entrainement etiquetees pour compenser des jeux de donnees desequilibres. Comparee aux modeles de diffusion, l'inference d'un cGAN est generalement beaucoup plus rapide, en une seule passe, mais l'entrainement est reconnu pour son instabilite, avec des risques d'effondrement de mode. En contexte professionnel, les cGAN posent des enjeux de securite specifiques : ils sont a la base de nombreuses techniques de deepfake, ce qui impose une vigilance accrue sur leur usage et leur detection.