Les modèles de diffusion déforment les images alimentaires générées par IA

Principe des modèles de diffusion

Les générateurs d’images les plus répandus utilisent des modèles de diffusion. Le processus débute avec un champ de bruit aléatoire, comparable à une télévision sans signal, puis élimine progressivement ce bruit jusqu’à obtenir l’image demandée. Selon Chris Russell, professeur à l’Université d’Oxford, les structures grossières apparaissent en premier, tandis que les textures fines sont ajoutées à la toute fin du processus. Cette séquence crée une dépendance forte : si la forme de base est erronée, les détails qui suivent ne peuvent pas la corriger.

Faiblesses structurelles et artefacts alimentaires

Giovanbattista Califano, chercheur en sciences du comportement, indique que les modèles de diffusion sont « faibles pour générer des structures fines, continues et terminées ». Les nouilles, les fils ou les bulles correspondent exactement à ce type de géométrie, d’où l’apparition fréquente de brins qui se prolongent indéfiniment ou de trous regroupés qui déclenchent la trypophobie. Le même mécanisme explique les « donut shrimp » ou les burgers qui ressemblent à des roches : le modèle a correctement placé une texture de surface, mais la forme sous‑jacente reste incohérente.

Roland Meyer, professeur à l’Université de Zurich, souligne que l’IA ne possède aucune compréhension sémantique du concept de sandwich, de burrito ou de glace. Elle reproduit uniquement les corrélations visuelles présentes dans les jeux de données, sans savoir pourquoi un aliment doit rester distinct d’un matériau de construction. Michael Cook, King’s College London, montre que cette absence de connaissance conduit à des associations absurdes, comme de la glace qui imite du béton fissuré.

Entraînement, données et effondrement de modèle

Les jeux de données d’entraînement sont souvent opaques. Cook rappelle que les chercheurs ignorent la proportion exacte d’images de nourriture réelle versus d’images stylisées ou même d’images générées par d’autres IA. Cette incertitude favorise l’émergence d’associations inattendues, notamment lorsque les modèles sont ré‑entraînés sur leurs propres sorties. Simon Colton, Queen Mary University of London, décrit ce phénomène comme un « effondrement de modèle », où la qualité visuelle se dégrade progressivement et où les images convergent vers des motifs répétitifs.

En résumé, la combinaison d’un processus de génération séquentiel, d’une incapacité à représenter des structures fines et d’un jeu de données bridé explique pourquoi les images alimentaires produites par IA affichent régulièrement des trous, des fils sans fin et des textures inappropriées.