Stable Diffusion

Comment il produit une image

Le modèle appartient à la famille des modèles de diffusion, appliqués ici dans un espace latent plus compact que l'image finale. On part d'un bruit aléatoire, et le réseau apprend à le retirer progressivement pour faire apparaître une image cohérente. La description écrite est convertie en représentation numérique par un encodeur de texte, qui oriente chaque étape du débruitage. Un décodeur reconstruit ensuite l'image visible, à une résolution que l'on peut augmenter par un modèle dédié.

Cette architecture explique le rôle du prompt : il ne décrit pas une scène à un dessinateur, il déplace la génération dans une direction statistique. D'où l'importance des mots de style, de cadrage et de lumière, et d'où la sensibilité à la formulation. Une même intention exprimée différemment peut produire des images très éloignées, sans qu'aucune des deux ne soit fausse : le modèle propose, l'opérateur choisit et corrige. Les mots de négation et de relation spatiale sont particulièrement mal pris en compte, ce qui oblige à reformuler plutôt qu'à insister.

Pourquoi les poids ouverts changent l'usage

La disponibilité des poids permet d'exécuter le modèle hors ligne, sur une carte graphique de station de travail, sans envoyer d'image ni de description à un tiers. Elle permet surtout de l'adapter : des méthodes légères comme LoRA apprennent un style ou un produit à partir d'un petit jeu d'images, sans réentraîner l'ensemble. Des extensions de contrôle ajoutent la pose, la profondeur ou les contours, ce qui rend la génération utilisable pour un visuel cadré plutôt que pour une illustration libre.

Cette ouverture a un revers. Les versions se multiplient, avec des qualités inégales et des licences qui varient. Un modèle téléchargé sur un dépôt public n'offre aucune garantie sur ses données d'entraînement, et son usage commercial dépend de conditions qu'il faut lire avant publication. L'entreprise qui adopte cette voie doit suivre elle-même les mises à jour et la conformité, sans éditeur pour le faire à sa place ni pour répondre en cas de contestation.

Les limites et les droits

Le modèle reste faible sur le texte lisible, les mains, les objets symétriques et la cohérence entre plusieurs images. Il produit des résultats plausibles plutôt qu'exacts, ce qui interdit de l'utiliser pour un plan technique ou un visuel produit sans contrôle. La retouche, le détourage et l'agrandissement restent des étapes nécessaires dans un flux professionnel sérieux, et le temps passé sur ces corrections est souvent sous-estimé lors de la première expérimentation. Un visuel destiné à l'impression exige une résolution supérieure, souvent obtenue par un agrandissement calculé.

Les droits constituent le point le plus délicat. Les images générées ne bénéficient pas partout de la même protection, et leur proximité avec des œuvres ou des marques existantes peut poser problème. Pour une publication commerciale, mieux vaut documenter le modèle, la version, le prompt et les retouches, puis vérifier les conditions d'utilisation au moment de la diffusion, car elles évoluent avec les versions et les juridictions. Une mention discrète de l'outil utilisé, quand elle est exacte, coûte peu et évite une explication embarrassante plus tard.