L'IA peut-elle générer des images photoréalistes à partir d'invites textuelles qui rivalisent avec la photographie professionnelle ?

L'IA a fait des progrès considérables dans la conversion de texte en images détaillées. Des paysages aux portraits, les modèles de diffusion comme DALL-E 3 et Midjourney créent des visuels quasi indistinguables de vraies photos. Cette capacité a transformé les industries créatives, la publicité et les réseaux sociaux. La qualité trompe souvent même les yeux experts. La reproduction de scènes complexes avec un éclairage et des ombres corrects est désormais attendue.

Les systèmes actuels de conversion texte-image tels que Stable Diffusion XL, Midjourney v6 et DALL-E 3 peuvent produire des résultats photoréalistes souvent indistinguables de photos professionnelles de stock au premier abord, mais ils peinent encore à respecter systématiquement des relations spatiales complexes, une réplication précise des styles de marque et une cohérence d'éclairage entre plusieurs objets. Ces modèles exploitent des architectures basées sur la diffusion, formées sur des centaines de millions de paires image-légende, pour synthétiser des détails convaincants, mais des artefacts tels que des mains déformées, des ombres non naturelles et des reflets improbables restent des modes de défaillance courants lorsque les requêtes exigent une haute fidélité. Des photographes professionnels rapportent que si l'IA peut enrichir la conceptualisation et le prototypage rapide, elle ne peut toujours pas fournir de manière fiable le contrôle nuancé, la provenance légale et la source éthique requis pour les campagnes commerciales.

— Enriched 12 mai 2026 · Source : « Photorealistic Text-to-Image Diffusion Models: A Survey », prépublication arXiv arXiv:2309.07995, 2023.