Modèle de diffusionDiffusion model
Réponse directe
Un modèle génératif qui apprend à transformer progressivement du bruit en un contenu structuré, comme une image.
Explication détaillée
Pendant l’entraînement, le modèle apprend à inverser un processus qui ajoute progressivement du bruit aux données. Lors de la génération, il part généralement d’un signal bruité et le débruite en plusieurs étapes jusqu’à produire un résultat. Cette famille de modèles est surtout connue pour les images, mais elle peut aussi être utilisée pour l’audio, la vidéo ou d’autres types de données.
Exemple
À partir d’une consigne décrivant « une maison au bord d’un lac sous la neige », un modèle de diffusion transforme peu à peu une image initialement bruitée en une scène correspondant à la demande.
Analogie
C’est comme faire apparaître progressivement un dessin dans une télévision couverte de neige en retirant le bruit étape après étape.
Erreurs fréquentes
« Le modèle copie simplement une image de son dataset. » Il génère un nouveau résultat à partir de régularités apprises, même si des ressemblances ou des mémorisations peuvent exister.
« Tous les générateurs d’images utilisent la diffusion. » D’autres architectures de génération existent.
« Diffusion signifie diffusion du contenu sur internet. » Le mot décrit ici un processus mathématique lié au bruit.
Termes liés
Sources
- Denoising Diffusion Probabilistic Models — Ho, Jain et Abbeel — arXiv · consulté le 2026-07-24
- NIST — Artificial Intelligence Risk Management Framework: Generative AI Profile — NIST · consulté le 2026-07-24
Dernière mise à jour : 24/07/2026 · Rédaction : Alban Speckaert