Le texte n’est qu’une des choses que l’IA peut générer. La même idée d’apprentissage alimente les images, la parole, la musique et la vidéo, avec des représentations différentes des données.
Des images à partir du bruit
Beaucoup de générateurs d’images utilisent une approche par diffusion. À l’entraînement, le système apprend à retirer le bruit d’images. Pour en créer une nouvelle, il part d’un bruit aléatoire et l’enlève pas à pas, guidé par une description textuelle, jusqu’à voir apparaître une image.
Son et musique
Le son peut être traité comme une séquence, un peu comme du texte, ou comme une image des fréquences au fil du temps. Les modèles apprennent les régularités de la parole ou des instruments, puis peuvent produire de nouveaux échantillons, convertir du texte en voix ou cloner une voix à partir d’un enregistrement.
La vidéo
La vidéo ajoute le temps. Le modèle doit garder les objets cohérents d’une image à l’autre, ce qui est plus difficile qu’une image fixe, et les résultats restent inégaux.
Forces et limites
- Idéation rapide et variantes pour le design, la narration et le prototypage.
- Des détails peuvent être faux : doigts en trop, texte illisible, ombres impossibles.
- Un média généré peut tromper s’il est présenté comme réel.
Un usage responsable
Vérifiez le contenu généré avant de le partager, signalez-le quand c’est pertinent et soyez prudent avec l’image et la voix de personnes réelles. Respectez les droits des créateurs dont le travail peut être concerné.
Pour aller plus loin
Retrouvez le traitement complet, les exemples et les exercices dans L’IA expliquée simplement.
Adapté de L’IA expliquée simplement, publié par Choral Software. Texte de l’article et exemples originaux © 2026 Choral Software. Tous droits réservés.