Qu'est-ce qu'un modèle de diffusion ?
Mis à jour le
L'idée en une image
Imaginez une photo prise à travers un verre dépoli : au départ, vous ne distinguez que des formes floues et du bruit. Peu à peu, quelqu'un nettoie le verre, et l'image se précise jusqu'à devenir parfaitement nette. C'est exactement ce que fait un modèle de diffusion.
Cette technique est aujourd'hui à la base de la quasi-totalité des générateurs d'images par IA. Plutôt que de dessiner une image de gauche à droite comme un artiste, le modèle part du chaos total — un écran de « neige » comparable à celui d'un vieux téléviseur — et retire ce bruit progressivement, en se laissant guider par votre description (le prompt).
Le débruitage, étape par étape
Le processus de génération se déroule toujours selon la même logique :
- Point de départ : le bruit pur. Le modèle commence avec une image entièrement composée de pixels aléatoires. Il n'y a encore rien à voir.
- Le prompt entre en jeu. À chaque étape, le modèle compare l'état actuel de l'image à votre description. Il identifie quel bruit retirer pour que l'image se rapproche du sujet demandé.
- Le débruitage guidé. Le modèle effectue des dizaines d'étapes de correction successives. À chaque passe, les formes se précisent, les couleurs s'organisent, les détails apparaissent.
- L'image finale. Une fois le nombre d'étapes atteint, le bruit a été entièrement retiré : l'image est nette, cohérente avec votre prompt, et prête à être affichée.
Une analogie utile : c'est comme sculpter. L'artiste commence avec un bloc brut (le bruit) et retire de la matière au fil des coups de ciseau (les étapes de débruitage), jusqu'à révéler la forme finale. Le prompt joue le rôle du plan que suit le sculpteur.
Pourquoi chaque résultat est unique
Le bruit de départ est généré aléatoirement à chaque nouvelle demande. Ce point de départ s'appelle la seed (ou graine). Comme deux seeds ne sont jamais identiques, deux générations lancées avec le même prompt produiront des images différentes — même si elles restent cohérentes avec votre description.
C'est une caractéristique, pas un défaut : cela garantit la variété et la créativité des résultats. Si vous souhaitez retrouver une image proche d'une génération précédente, certains outils vous permettent de fixer ou de réutiliser une seed.
Lorsque vous générez une image dans Modik, chaque clic sur « Générer » part d'une seed différente : vous obtenez ainsi plusieurs propositions distinctes à partir du même prompt.
Étapes, qualité et temps de calcul
Le nombre d'étapes de débruitage influe directement sur la qualité du résultat.
| Nombre d'étapes | Résultat typique | Temps de calcul |
|---|---|---|
| Faible (10 – 20) | Image rapide, parfois moins détaillée ou légèrement floue | Court |
| Moyen (25 – 40) | Bon équilibre qualité / rapidité | Modéré |
| Élevé (50 et plus) | Détails fins, cohérence accrue | Plus long |
En pratique, la plupart des générateurs choisissent automatiquement un nombre d'étapes adapté. Modik applique les réglages recommandés par chaque modèle pour vous offrir le meilleur compromis sans réglage manuel.
Le modèle de diffusion est distinct du modèle de langage utilisé pour le chat : si vous êtes curieux de comprendre comment fonctionne la génération de texte, consultez la page sur le multimodal et les différents types de modèles.
Questions fréquentes
Pourquoi partir d'un bruit aléatoire plutôt que d'une image existante ?
Partir de zéro — c'est-à-dire d'un bruit pur — garantit que le modèle construit l'image en suivant uniquement votre description, sans être biaisé par un contenu préexistant. C'est aussi ce qui lui permet de produire n'importe quel sujet, style ou composition. Le bruit aléatoire est, en quelque sorte, la page blanche du modèle de diffusion.
Qu'est-ce qu'une seed (graine) ?
La seed est la valeur numérique qui initialise le bruit de départ. Deux générations lancées avec le même prompt et la même seed produiront des images très proches, car le point de départ est identique. À l'inverse, changer de seed, même avec le même prompt, donne un résultat différent. Certains outils vous laissent fixer ou réutiliser une seed pour reproduire un style ou une composition que vous avez aimés.
Pourquoi le modèle a-t-il besoin de plusieurs étapes et non d'une seule ?
Éliminer tout le bruit en une seule passe serait trop imprécis : le modèle ne saurait pas quelle structure privilégier. En procédant par petites corrections successives, il peut affiner les contours, la cohérence des formes et les détails à chaque itération. C'est pourquoi un nombre d'étapes plus élevé produit généralement un résultat plus détaillé, au prix d'un temps de calcul plus long.
Le modèle de diffusion fonctionne-t-il aussi pour générer du texte ?
Non. La génération de texte repose sur un modèle de langage, qui prédit le mot ou le token suivant de façon séquentielle. La diffusion est une technique propre aux données continues comme les images, l'audio ou la vidéo, qui se prêtent bien à l'idée de « lisser » progressivement un signal bruité.
Comment le modèle a-t-il appris à débruiter des images ?
Pendant l'entraînement, le modèle a été exposé à des millions d'images, auxquelles on ajoutait du bruit de façon contrôlée. Sa tâche : apprendre à retrouver l'image originale à partir de sa version bruitée. Une fois cet apprentissage accompli, il peut inverser le procédé — et donc « débruiter » une image de bruit pur, guidé par votre description.
Une question sur Modik ? Le plus simple est encore d'essayer.
Ouvrir Modik