Modèle Mis à jour 2026-04
Modèle de diffusion
Diffusion Model
Definition
Un modèle de diffusion est une architecture IA qui génère des images en partant de bruit aléatoire et en le raffinant progressivement.
Voir aussi dans le glossaire
I
IA Générative
L'IA générative désigne les systèmes d'intelligence artificielle capables de créer du contenu original : texte, images, vidéo, audio, code.
T
Text-to-Image
Le Text-to-Image désigne la génération d'images à partir de descriptions textuelles grâce à des modèles d'IA générative.
D
Deep Learning
Le Deep Learning est une sous-branche du Machine Learning utilisant des réseaux de neurones à couches multiples pour apprendre des représentations complexes à partir de données brutes.
T
Text-to-Video
Le Text-to-Video génère des vidéos à partir de descriptions textuelles grâce à l'IA générative.
Outils qui utilisent modèle de diffusion
Questions fréquentes
Comment fonctionne un modèle de diffusion ?
Le modèle apprend à ajouter du bruit à une image puis à le retirer. A la génération, il part de bruit pur et le 'débruite' pas à pas, guidé par votre prompt, pour créer une image cohérente.
Diffusion vs GAN, quelle différence ?
Les GANs utilisent deux réseaux en compétition. Les modèles de diffusion utilisent un processus de débruitage itératif. En 2026, les diffusions dominent pour la qualité et la diversité.
Qu'est-ce qu'un modèle de diffusion ?
Un modèle de diffusion est une architecture d'IA générative qui crée des images, de l'audio ou de la vidéo en partant d'un bruit aléatoire et en le débruitant progressivement vers un résultat cohérent, guidé par un prompt textuel. Il alimente des outils comme Stable Diffusion, DALL-E, Midjourney et Sora d'OpenAI. Depuis 2021, les modèles de diffusion ont largement remplacé les GANs grâce à une meilleure qualité, un entraînement plus stable et une plus grande diversité.
Quelle est la différence entre un modèle de diffusion et un LLM ?
Ils résolvent des problèmes différents. Un modèle de diffusion génère des médias continus (images, vidéo, audio) par débruitage itératif, souvent via un U-Net ou un transformeur de diffusion. Un LLM, comme GPT-4 ou Claude, est un transformeur qui prédit du texte token par token. Beaucoup d'outils d'image combinent les deux : un encodeur de texte interprète votre prompt, et le modèle de diffusion produit les pixels.
GPT-4 est-il un modèle de diffusion ?
Non. GPT-4 est un grand modèle de langage fondé sur l'architecture transformeur ; il génère du texte de façon autorégressive, un token à la fois. Les modèles de diffusion fonctionnent par débruitage et visent plutôt les images, l'audio ou la vidéo. La confusion vient du fait qu'OpenAI développe les deux : GPT-4 pour le texte, DALL-E ou Sora pour le visuel, qui reposent sur des méthodes de diffusion.
Un modèle de diffusion est-il de l'IA générative ?
Oui. Un modèle de diffusion est un type fondamental d'IA générative : il produit du contenu nouveau plutôt que de classer des données existantes. En apprenant à inverser un processus d'ajout de bruit, il synthétise des images, vidéos et audios originaux à partir d'un prompt. Aux côtés des GANs, des transformeurs et des VAEs, la diffusion est l'une des approches génératives dominantes, et la référence actuelle pour les outils d'image et de vidéo haut de gamme.
Quel est un exemple de modèle de diffusion ?
Stable Diffusion est l'exemple le plus connu : un modèle open source qui transforme des prompts textuels en images. D'autres systèmes de diffusion très utilisés incluent DALL-E 3 (OpenAI), Midjourney pour l'image artistique, Imagen (Google) et Sora pour la vidéo. Côté recherche, les familles fondatrices comprennent DDPM et la diffusion latente, la technique qui a rendu Stable Diffusion assez rapide pour tourner sur des GPU grand public.
Quelle est l'idée principale derrière les modèles de diffusion ?
L'idée centrale est d'apprendre à inverser un processus de dégradation progressive. Pendant l'entraînement, le modèle observe des images nettes se transformer peu à peu en bruit pur, étape par étape, et apprend à prédire puis annuler ce bruit. A la génération, il exécute le processus à l'envers : il part d'un bruit aléatoire et le débruite sur de nombreuses étapes pour obtenir une image structurée fidèle au prompt. Plus d'étapes améliorent la qualité.
Comment entraîne-t-on un modèle de diffusion ?
On l'entraîne sur un grand jeu d'images (souvent associées à des légendes textuelles). La boucle d'entraînement ajoute une quantité connue de bruit aléatoire à chaque image, puis apprend au modèle à prédire ce bruit pour pouvoir le retirer. Répété sur des millions d'exemples, le modèle apprend à débruiter depuis n'importe quel niveau. L'entraînement de zéro est très coûteux : la plupart des utilisateurs fine-tunent plutôt des modèles existants avec LoRA ou DreamBooth.
