Intelligence artificielle · Chapitre 15 · Cours 08

Identifier les limites de la génération d’images

Les générateurs d’images par intelligence artificielle peuvent produire des visuels spectaculaires en quelques secondes. Pourtant, une image convaincante au premier regard peut contenir des erreurs anatomiques, des objets impossibles, des textes inexacts ou des détails trompeurs. Ce cours vous apprend à reconnaître ces limites, à comprendre leurs causes et à mettre en place une méthode de contrôle avant toute utilisation ou publication.

À la fin de ce cours, vous saurez :

  • Identifier les principales erreurs visuelles des images générées par IA.
  • Expliquer pourquoi les modèles peuvent produire des incohérences.
  • Reconnaître les limites de fidélité, de composition et de résolution.
  • Distinguer une image esthétiquement convaincante d’une représentation factuellement exacte.
  • Mettre en œuvre une méthode de contrôle qualité adaptée à l’usage prévu.
  • Déterminer quand une image générée doit être corrigée, remplacée ou écartée.
Prérequis

Connaître les principes de génération d’images par IA, les notions de composition et de cadrage ainsi que l’utilisation des images de référence. Ces notions ont été présentées dans les cours précédents du chapitre.

1. Pourquoi les images générées par IA comportent-elles des limites ?

Les modèles de génération d’images apprennent des régularités visuelles à partir de grandes quantités de données. Ils utilisent ces connaissances pour produire de nouvelles images en fonction d’une description, d’une image de référence ou d’autres contraintes.

Ils ne construisent pas nécessairement une représentation exacte du monde physique. Une image peut donc sembler réaliste sans respecter toutes les propriétés d’un objet, d’un corps humain ou d’une situation.

Les limites proviennent notamment :

  • Des caractéristiques et de la qualité des données d’entraînement.
  • De l’architecture et des capacités du modèle.
  • De la difficulté à représenter certaines relations spatiales.
  • De l’interprétation parfois imparfaite des instructions.
  • Des contraintes de résolution et de calcul.
  • Des transformations réalisées lors de la génération ou de la retouche.
Principe fondamental

Le réalisme visuel n’est pas une preuve d’exactitude. Une image peut être très détaillée et néanmoins représenter une situation physiquement impossible, historiquement fausse ou techniquement incorrecte.

2. Les erreurs anatomiques et morphologiques

Les erreurs anatomiques figurent parmi les défauts connus des images générées par IA. Elles peuvent concerner les humains, les animaux ou d’autres organismes vivants.

2.1. Les mains et les doigts

Les mains sont difficiles à représenter en raison de leur structure complexe, de leurs nombreuses articulations et de la diversité des positions possibles.

Une image générée peut présenter :

  • Un nombre incorrect de doigts.
  • Des doigts fusionnés ou déformés.
  • Des articulations mal positionnées.
  • Une main dont l’orientation est incohérente.
  • Une mauvaise interaction avec un objet tenu.

Les modèles récents ont amélioré la représentation des mains, mais ces erreurs n’ont pas totalement disparu.

2.2. Les visages

Les défauts peuvent être subtils : asymétrie inhabituelle, oreilles mal placées, dents incohérentes, regard divergent ou déformation des traits.

Ils apparaissent notamment lorsque le visage est très petit, partiellement caché ou représenté sous un angle complexe.

2.3. Les proportions du corps

Les bras, les jambes ou le torse peuvent présenter des proportions incompatibles avec la posture représentée.

Il est également possible d’observer des membres supplémentaires ou des articulations impossibles.

Exemple : une personne utilisant un ordinateur

Une image montre une personne assise devant un ordinateur portable. À première vue, la scène semble naturelle.

En observant les mains, on découvre qu’un doigt traverse le clavier et que le poignet est orienté de manière impossible.

Le défaut peut être peu visible dans une petite vignette, mais devenir évident lorsque l’image est affichée en grand.

3. Les incohérences physiques et spatiales

Un générateur peut produire des scènes visuellement plausibles sans respecter correctement les relations entre les objets.

3.1. Les objets impossibles

Un meuble peut posséder un nombre incohérent de pieds, une bicyclette peut présenter une transmission impossible ou un outil peut comporter des éléments mal assemblés.

Ces erreurs sont particulièrement problématiques lorsqu’une image doit représenter fidèlement un objet technique.

3.2. Les perspectives incohérentes

La perspective permet de représenter la profondeur sur une surface plane.

Une image générée peut contenir des lignes de fuite contradictoires, des objets dont l’échelle ne correspond pas à leur distance ou des surfaces mal alignées.

3.3. Les ombres et les reflets

Les ombres doivent être compatibles avec les sources lumineuses présentes dans la scène.

Les reflets doivent également correspondre, au moins approximativement, à la géométrie et aux matériaux représentés.

Les erreurs possibles comprennent :

  • Des ombres orientées dans des directions incompatibles.
  • Des reflets qui ne correspondent pas aux objets.
  • Des surfaces brillantes réagissant de manière incohérente.
  • Des objets semblant flotter sans contact avec leur support.
Attention aux images techniques

Une illustration générée ne doit pas être utilisée comme plan de fabrication, schéma de câblage, représentation médicale ou document technique fiable sans validation spécialisée. L’apparence réaliste ne garantit pas la conformité des éléments représentés.

4. Les difficultés de génération de texte

Les modèles de génération d’images peuvent rencontrer des difficultés lorsqu’ils doivent intégrer du texte dans une composition.

Selon le modèle et la complexité de la demande, on peut observer :

  • Des lettres manquantes ou supplémentaires.
  • Des mots mal orthographiés.
  • Des caractères déformés.
  • Des textes incohérents ou inventés.
  • Des problèmes d’alignement et de lisibilité.

Ces défauts peuvent concerner les affiches, les étiquettes, les panneaux, les emballages ou les interfaces représentées.

4.1. Pourquoi le texte pose-t-il problème ?

Un générateur d’images traite les caractères comme des éléments visuels à produire. Même lorsqu’il comprend la consigne textuelle, il peut ne pas reproduire exactement chaque lettre dans le rendu final.

Les performances varient fortement selon les modèles, les langues, la longueur du texte et les contraintes de mise en page.

4.2. Comment limiter les erreurs ?

Pour un visuel comportant un titre, un prix, une date ou des mentions obligatoires, il est souvent préférable de générer le fond graphique séparément puis d’ajouter les textes avec un logiciel de mise en page.

Exemple : une affiche promotionnelle

Une entreprise souhaite créer une affiche avec le texte « Offre spéciale — 25 % de réduction ».

Le générateur produit un visuel esthétique, mais le pourcentage apparaît sous la forme « 2S % ».

La méthode la plus fiable consiste à produire l’illustration sans texte, puis à intégrer la mention exacte dans un outil graphique.

5. Les hallucinations visuelles

On parle d’hallucination visuelle lorsqu’un modèle produit des éléments inexacts, inventés ou non conformes aux contraintes, tout en leur donnant une apparence crédible.

Cette expression est descriptive : elle ne signifie pas que le modèle perçoit le monde comme un humain.

5.1. Les éléments inventés

Un générateur peut ajouter des objets non demandés, modifier l’apparence d’un bâtiment ou représenter des équipements inexistants.

5.2. Les représentations historiques inexactes

Une image censée représenter une période historique peut intégrer des vêtements, des bâtiments ou des technologies incompatibles avec cette époque.

5.3. Les illustrations scientifiques incorrectes

Une image générée peut représenter un organe, une molécule, une cellule ou un phénomène physique avec des erreurs structurelles.

Pour une utilisation pédagogique ou scientifique, il faut comparer les éléments à des sources fiables et, lorsque nécessaire, faire valider l’illustration par une personne compétente.

Différence essentielle

Une image artistique peut volontairement représenter un monde imaginaire. Dans ce cas, une impossibilité physique n’est pas nécessairement une erreur. Elle devient problématique lorsque l’image prétend décrire fidèlement une réalité.

6. Les difficultés à respecter des consignes précises

Les modèles peuvent mal interpréter certaines instructions, particulièrement lorsque plusieurs contraintes doivent être respectées simultanément.

6.1. Le comptage des objets

Une demande comme « représenter exactement sept personnes autour d’une table » peut conduire à un nombre différent de personnages.

La difficulté augmente généralement lorsque les objets sont nombreux, proches ou partiellement masqués.

6.2. Les relations spatiales

Le modèle peut confondre les positions relatives : gauche, droite, devant, derrière, au-dessus ou en dessous.

Par exemple, une instruction demandant un livre à gauche d’une tasse peut produire une disposition inversée.

6.3. Les contraintes négatives

Une instruction comme « ne pas ajouter de texte » ou « aucun objet supplémentaire » n’est pas toujours respectée.

Certains outils proposent des prompts négatifs ou des fonctions spécifiques pour limiter certains éléments, mais leur efficacité varie.

ConsigneErreur possibleContrôle nécessaire
Exactement quatre chaises.Trois ou cinq chaises.Compter les objets visibles.
Produit placé à droite.Produit centré ou à gauche.Vérifier la composition.
Aucun texte.Apparition de caractères décoratifs.Examiner les surfaces et l’arrière-plan.
Conserver le même personnage.Modification du visage ou des vêtements.Comparer avec la référence.
Objet entièrement visible.Partie du sujet coupée.Contrôler les limites du cadre.

7. Les limites de fidélité aux images de référence

Comme étudié dans le cours précédent, une image de référence peut guider la génération sans garantir une reproduction exacte.

Les modifications involontaires peuvent concerner :

  • Les traits d’un visage.
  • Les proportions d’un produit.
  • Les couleurs et les textures.
  • Les logos ou les inscriptions.
  • Les accessoires et les détails secondaires.

7.1. Le problème de cohérence entre plusieurs images

Lorsqu’on génère une série d’illustrations, un même personnage peut changer légèrement d’apparence d’une image à l’autre.

Ce phénomène est particulièrement gênant pour les bandes dessinées, les supports pédagogiques ou les identités visuelles récurrentes.

7.2. Comment améliorer la fidélité ?

On peut utiliser une référence stable, préciser les caractéristiques essentielles et recourir à des outils spécialisés de contrôle ou de retouche.

Pour un logo, un produit ou un élément devant être reproduit exactement, il est souvent préférable d’intégrer directement l’élément original plutôt que de demander au modèle de le recréer.

8. Les limites de résolution et de qualité technique

Une image peut paraître satisfaisante sur un écran de téléphone tout en étant insuffisante pour une impression ou un affichage de grande taille.

8.1. Résolution et dimensions

La résolution en pixels correspond au nombre de points constituant l’image.

Une image de 1024 × 1024 pixels contient 1 048 576 pixels, soit environ 1,05 mégapixel.

Le nombre de pixels ne suffit toutefois pas à déterminer la qualité visuelle : la netteté, les artefacts et la qualité des détails comptent également.

8.2. L’agrandissement par IA

L’upscaling consiste à augmenter les dimensions d’une image. Certains outils utilisent des modèles d’IA pour reconstruire ou ajouter des détails.

Cette opération peut améliorer l’apparence d’une image, mais les détails ajoutés ne correspondent pas nécessairement à des informations réellement présentes dans l’original.

8.3. L’impression

Pour une impression, les dimensions physiques et la densité de pixels doivent être adaptées au support et à la distance d’observation.

À titre indicatif, une image A4 imprimée à 300 pixels par pouce nécessite environ 2480 × 3508 pixels, hors fond perdu.

À retenir sur la résolution

Agrandir une image ne garantit pas une meilleure qualité. Une image présentant des détails incorrects ou déformés peut conserver ces défauts, voire les rendre plus visibles après agrandissement.

9. Les biais et les représentations stéréotypées

Les modèles peuvent reproduire des biais présents dans leurs données d’entraînement ou dans les méthodes utilisées pour les développer.

Ces biais peuvent influencer la représentation :

  • Des métiers et des fonctions professionnelles.
  • Des genres et des groupes sociaux.
  • Des âges et des apparences physiques.
  • Des cultures et des environnements géographiques.
  • Des situations de handicap.

Par exemple, une demande générique représentant un dirigeant d’entreprise peut conduire à des représentations peu diversifiées selon le modèle utilisé.

Une formulation plus précise et une vérification critique des résultats permettent de limiter certains biais, sans garantir leur disparition.

10. Les risques de désinformation et de manipulation

La génération d’images réalistes facilite la création de scènes fictives pouvant être prises pour des photographies authentiques.

Ces images peuvent représenter des événements qui n’ont jamais eu lieu, des personnes dans des situations inventées ou des documents visuels trompeurs.

10.1. Les images synthétiques trompeuses

Une image générée peut être présentée à tort comme une photographie d’actualité ou comme une preuve d’un événement réel.

La crédibilité visuelle d’une image ne permet donc pas, à elle seule, de confirmer son authenticité.

10.2. Les deepfakes

Le terme deepfake désigne généralement un contenu synthétique ou manipulé à l’aide de techniques d’IA, notamment pour représenter de manière réaliste une personne dans une situation qu’elle n’a pas vécue.

Ces contenus peuvent être utilisés dans des contextes créatifs autorisés, mais également pour tromper, usurper une identité ou porter atteinte à une personne.

10.3. Les limites des détecteurs

Certains outils cherchent à identifier les images générées par IA. Leurs résultats ne constituent cependant pas une preuve absolue.

Une image authentique peut être classée à tort comme synthétique, et une image générée peut ne pas être détectée.

Les métadonnées de provenance et les systèmes de traçabilité peuvent fournir des indices utiles lorsqu’ils sont présents et vérifiables, mais leur absence ne démontre pas qu’une image est authentique.

Vérification de l’information

Pour une image présentée comme une preuve d’actualité, il faut rechercher sa provenance, vérifier le contexte de publication et confronter les affirmations à des sources indépendantes. Les anomalies visuelles peuvent alerter, mais elles ne suffisent pas à établir l’origine d’une image.

11. Les contraintes de coût, de temps et de ressources

La génération d’images peut nécessiter des ressources informatiques importantes, notamment pour les modèles volumineux ou les images de haute résolution.

Selon le service utilisé, les limites peuvent concerner :

  • Le nombre de générations autorisées.
  • Le temps de traitement.
  • La résolution maximale.
  • L’accès à certaines fonctions avancées.
  • La consommation de crédits ou les frais d’abonnement.
  • Les ressources matérielles nécessaires à une exécution locale.

Les performances et les coûts varient selon les outils, les modèles et les conditions d’utilisation.

Il est donc utile de préparer ses prompts, de limiter les générations inutiles et de vérifier les possibilités de modification ciblée avant de recommencer une image entière.

12. Tableau de diagnostic des défauts visuels

Défaut observéCause possibleAction recommandée
Doigts supplémentaires.Difficulté de représentation anatomique.Retouche locale ou nouvelle génération.
Texte illisible.Reproduction imparfaite des caractères.Ajouter le texte dans un éditeur graphique.
Objet mal positionné.Mauvaise interprétation spatiale.Clarifier le prompt ou utiliser un contrôle de composition.
Logo déformé.Reconstruction générative approximative.Intégrer le fichier original du logo.
Personnage incohérent.Fidélité insuffisante à la référence.Utiliser une référence stable et comparer les détails.
Image floue.Résolution ou qualité de génération insuffisante.Vérifier la source et envisager un nouvel export ou un agrandissement adapté.
Éléments historiques inexacts.Reconstruction visuelle non documentée.Comparer avec des références historiques fiables.
Reflets impossibles.Incohérence de géométrie ou d’éclairage.Corriger la zone ou simplifier la scène.

13. Méthode de contrôle qualité en cinq étapes

Une image destinée à être publiée doit être évaluée en fonction de son objectif, et non uniquement de son apparence esthétique.

1
Vérifier la conformité au besoinLe sujet, le format, le style et la composition correspondent-ils à la demande initiale ?
2
Examiner les détails visuelsContrôler les mains, les visages, les objets, les proportions, les ombres et les reflets.
3
Contrôler l’exactitudeVérifier les éléments techniques, scientifiques, historiques ou commerciaux lorsque l’image prétend représenter une réalité.
4
Vérifier les conditions d’utilisationExaminer les droits, la confidentialité, le contexte de diffusion et les éventuelles obligations d’information.
5
Décider de la suiteValider, corriger, régénérer ou écarter l’image selon la gravité des défauts.

14. Étude de cas : une illustration pédagogique incorrecte

Un organisme de formation souhaite illustrer un cours sur les composants d’un ordinateur.

Un générateur produit une image réaliste d’une carte mère accompagnée de plusieurs composants électroniques.

14.1. Le problème

En observant l’image, le formateur remarque que certains connecteurs semblent inventés et que l’organisation des composants ne correspond pas à une carte mère réelle.

14.2. Pourquoi est-ce problématique ?

Une illustration pédagogiquement incorrecte peut transmettre de mauvaises connaissances, même lorsqu’elle semble réaliste.

14.3. Quelle solution adopter ?

Pour présenter précisément les composants, il est préférable d’utiliser une photographie vérifiée, un schéma technique validé ou une illustration réalisée à partir de références fiables.

L’IA peut rester utile pour créer une ambiance visuelle générale, mais elle ne doit pas remplacer la validation technique.

Décision appropriée

Une image peut être conservée pour illustrer un contexte général tout en étant écartée d’un usage technique précis. La décision dépend de la fonction pédagogique du visuel.

15. Étude de cas : une image commerciale trompeuse

Une boutique souhaite présenter un sac à main dans un décor élégant.

Elle fournit une photographie du produit et demande à l’IA de créer une scène publicitaire.

15.1. Le défaut détecté

L’image générée modifie légèrement la forme de la fermeture et ajoute une poche qui n’existe pas sur le produit réel.

15.2. Le risque

Le visuel peut induire le client en erreur sur les caractéristiques du produit.

15.3. La correction

La boutique doit conserver une représentation fidèle du produit. Elle peut utiliser un montage avec la photographie originale et un arrière-plan généré, ou corriger les éléments modifiés avant publication.

La fidélité commerciale est prioritaire sur l’effet esthétique.

16. Mise en application guidée

Choisissez une image générée par IA représentant une scène comportant plusieurs objets, un personnage ou un environnement complexe.

Votre objectif est d’identifier ses éventuels défauts et de décider si elle peut être utilisée.

1
Observer l’image globalementIdentifier le sujet principal, le contexte et l’intention visuelle.
2
Examiner les détailsRechercher les anomalies anatomiques, les déformations, les textes incorrects ou les objets incohérents.
3
Comparer à la réalitéSi l’image représente un objet ou un phénomène réel, utiliser une référence fiable pour vérifier son exactitude.
4
Classer les défautsDistinguer les défauts esthétiques mineurs des erreurs compromettant l’utilisation.
5
Proposer une correctionChoisir entre une retouche, une nouvelle génération ou l’utilisation d’une image vérifiée.

Exemple de consigne de correction

Analyse l’image fournie en recherchant les défauts visuels. Vérifie notamment : – La cohérence des proportions. – Le nombre et la forme des membres ou objets. – Les relations spatiales. – Les ombres et les reflets. – La lisibilité des éventuels textes. – La fidélité aux caractéristiques demandées. Distingue les anomalies visibles des éléments qui nécessitent une vérification externe. Propose ensuite des corrections ciblées sans modifier inutilement le reste de la composition.

Un modèle d’analyse d’image peut aider à repérer certains défauts, mais son diagnostic doit lui aussi être vérifié. Il peut manquer une anomalie ou en signaler une qui n’existe pas.

17. Grille d’évaluation avant publication

Contrôle qualité — 10 points
  • 2 points : conformité au sujet et aux consignes.
  • 2 points : cohérence anatomique, physique et spatiale.
  • 2 points : exactitude des éléments importants.
  • 2 points : qualité technique et lisibilité.
  • 2 points : adéquation à l’usage et respect des conditions de diffusion.

Cette grille constitue un outil pédagogique. Une note élevée ne suffit pas à valider une image présentant une erreur critique, notamment dans un contexte médical, technique, scientifique ou commercial.

18. Questions fréquentes

Pourquoi les IA génèrent-elles parfois des mains incorrectes ?

Les mains possèdent une structure complexe et peuvent adopter de nombreuses positions. Les modèles peuvent mal représenter certaines articulations, interactions ou parties partiellement masquées.

Une image photoréaliste est-elle nécessairement exacte ?

Non. Le photoréalisme concerne l’apparence visuelle. Une image peut sembler photographique tout en représentant des objets impossibles ou des événements fictifs.

Les générateurs récents savent-ils écrire correctement du texte ?

Certains modèles produisent des textes de plus en plus lisibles, notamment lorsqu’ils sont courts. Toutefois, des erreurs persistent et les mentions importantes doivent être vérifiées ou ajoutées avec un éditeur adapté.

Peut-on utiliser une image générée pour illustrer un cours scientifique ?

Oui, mais il faut distinguer l’illustration d’ambiance d’une représentation scientifique exacte. Toute image transmettant des informations techniques doit être vérifiée à partir de références fiables.

Un détecteur peut-il prouver qu’une image a été générée par IA ?

Un détecteur peut fournir un indice, mais ses résultats peuvent comporter des erreurs. La provenance, les métadonnées vérifiables et le contexte de publication sont également importants.

Faut-il systématiquement rejeter une image comportant un défaut ?

Non. Un défaut mineur peut parfois être corrigé. En revanche, une erreur affectant la véracité, la sécurité ou la représentation d’un produit peut justifier le rejet de l’image.

À retenir

  • Les générateurs d’images peuvent produire des erreurs anatomiques, spatiales et physiques.
  • Le photoréalisme ne garantit pas l’exactitude d’une représentation.
  • Les textes, les logos et les détails techniques nécessitent une attention particulière.
  • Les modèles peuvent mal respecter les consignes de comptage, de position ou de fidélité.
  • Les images générées peuvent reproduire des biais et être utilisées pour diffuser des contenus trompeurs.
  • La résolution et l’agrandissement ne corrigent pas automatiquement les erreurs de contenu.
  • La validation humaine doit être proportionnée aux risques de l’utilisation prévue.
Vérifiez votre compréhension

Question 1 : Pourquoi une image réaliste peut-elle être factuellement incorrecte ?

Voir la réponse
Parce que le modèle produit une représentation visuelle plausible sans garantir le respect des propriétés physiques, historiques ou techniques du sujet.

Question 2 : Quelle solution privilégier pour intégrer un prix exact sur une affiche ?

Voir la réponse
Générer l’illustration puis ajouter le prix avec un logiciel de mise en page afin de garantir son exactitude et sa lisibilité.

Question 3 : Pourquoi une image générée ne doit-elle pas servir directement de schéma technique ?

Voir la réponse
Parce qu’elle peut contenir des composants inventés, des connexions incorrectes ou des proportions incohérentes malgré une apparence réaliste.

Question 4 : Un détecteur d’images IA fournit-il une preuve absolue ?

Voir la réponse
Non. Il peut produire des faux positifs et des faux négatifs. Son résultat doit être interprété avec d’autres éléments de vérification.

Question 5 : Que faire lorsqu’une image commerciale modifie les caractéristiques d’un produit réel ?

Voir la réponse
Il faut corriger ou remplacer le visuel pour éviter de présenter des caractéristiques inexistantes. Une photographie authentique du produit peut être préférable.
Pour aller plus loin Comprendre les droits d’utilisation des images générées

Découvrez les questions de droit d’auteur, de licences, de droit à l’image et de conditions d’utilisation liées à la création et à la diffusion d’images générées par intelligence artificielle.