INSIGHTS
Quand les générateurs d’images par IA ne tiennent pas leurs promesses.
Un test sur le terrain de Freepik, Nano Banana Pro, Midjourney et DALL-E — ce que ces outils livrent réellement, là où le marketing dérape, et pourquoi l’ambiguïté persiste.
De DALL-E 2 à un écosystème fonctionnel : le bond de 2022 à 2026.
Les services de génération d’images et de vidéos par IA sont désormais utilisés en toutes sortes d’occasions. Là où le design graphique, la vision artistique et le savoir-faire étaient autrefois indispensables, ces services peuvent maintenant reproduire les mêmes résultats avec un degré de similitude (la plupart du temps) raisonnable.
Cependant, cela n’a pas toujours été le cas. En 2022, des services comme DALL-E 2 et Midjourney v4 étaient les seuls disponibles, et ils donnaient des résultats très décevants et incohérents. Aujourd’hui, ces services sont des écosystèmes complets offrant des angles de caméra ajustables grâce à un prompting flexible, tout en étant globalement de bien meilleure qualité et avec des résultats bien plus cohérents que jamais auparavant.
Comme nous venons de le mentionner, ces services peuvent produire des résultats très proches d’un travail généralement très exigeant en main-d’œuvre — parfait pour le marketing et le design commercial, l’architecture et l’art conceptuel, les VFX, l’animation et les usages récréatifs (comme les vidéos « AI slop » à la chaîne).
Cependant, tous ces services ne sont pas à la hauteur de la façon dont ils se présentent. Et ceux qui le sont présentent encore quelques incohérences dans leurs générations que, pour l’instant, seul l’œil humain peut déceler.
Le schéma mérite d’être énoncé clairement. Il y a quatre ans, une image générée était une curiosité évidente — des mains difformes, du texte fondu, un éclairage sans aucun sens physique. Aujourd’hui, une image générée peut passer pour une photo de banque d’images dans trois coups d’œil sur quatre. Le coup d’œil restant est celui qui compte : le relecteur humain qui remarque que la circulation sur l’autoroute va dans le mauvais sens, que l’enseigne du magasin se lit comme une suite de lettres absurdes, que l’ombre tombe du mauvais côté du personnage. Les défauts visibles sont passés de la surface du rendu au modèle du monde qui le sous-tend.
Le positionnement délibérément vague de Freepik.
Commençons par Freepik. Ce service est ambigu quant à ce qu’il peut réellement faire selon sa propre description, ce qui amène certains à croire qu’il peut générer des vidéos à partir de prompts (ce qu’il ne peut pas faire dans la version gratuite).
Selon sa propre page LinkedIn, Freepik (désormais Magnific) affirme pouvoir réunir « la génération d’images, la création vidéo, la mise à l’échelle et une bibliothèque de plus de 250 M d’éléments. Le tout conçu pour les personnes qui ont besoin de contrôle, de rapidité et de qualité au même endroit. »
Cette description est assez difficile à se représenter mentalement, et c’est apparemment l’intention ici. Ont-ils dit « création vidéo » au lieu de « génération vidéo » pour éviter de répéter deux fois le mot « génération », ou cela signifie-t-il que « création » et « génération » ont ici deux sens différents ? Et qu’est-ce que la mise à l’échelle dans ce contexte ? Et qui n’a pas besoin de contrôle, de rapidité et de qualité au même endroit ? On dirait que cette description inclut tout le monde.
C’est précisément ce flou qui pousse des gens comme moi à essayer ce service alors qu’en réalité il n’offre pas les services que je recherche.
Un test sur le terrain : la publicité des « excursions IA ».
D’après ma propre expérience, je tentais de générer une vidéo censée être une publicité de 10 secondes destinée à la direction, au personnel et aux élèves d’une école secondaire. L’objectif était de promouvoir ces hypothétiques « excursions IA » dans lesquelles une entreprise hypothétique parrainerait des sorties scolaires pour que ces écoles découvrent l’IA. Le but final est de montrer aux élèves comment ils peuvent utiliser l’IA comme un véhicule qui concrétisera leur créativité et leur ingéniosité en quelque chose de fascinant qui pourra être partagé avec le monde entier.
En utilisant la version gratuite pour tenter de générer cette publicité, j’ai été soulagé en voyant la zone de texte pour rédiger un prompt. J’étais loin de me douter qu’elle me serait totalement inutile, car ce que je tentais de faire dépassait complètement le périmètre de ce que la version gratuite permettait.
Une fois rédigé ce scénario détaillé décrivant comment je voulais que tout se passe, j’ai découvert qu’il me fallait d’abord fournir une image de référence. Après une recherche rapide, je suis tombé sur une image représentant une foule assistant à une conférence TED. Impatient de pouvoir enfin générer ma publicité, j’ai cliqué sur l’icône « Générer » et attendu environ une minute que l’image se génère.
À ma grande déception, tout ce qu’elle a fait, c’est animer l’unique image tout en abaissant la qualité de l’image. En substance, elle s’est contentée de donner un peu de mouvement aux personnes de la foule de la conférence, et c’est à peu près tout.
Les choses sont encore pires aujourd’hui, car il n’est plus possible de générer la moindre vidéo sans un abonnement payant. Même la vidéo décevante que j’ai générée ne peut plus être réalisée.
Nano Banana Pro : un périmètre honnête, des résultats plus nets.
Du côté de Nano Banana Pro (Gemini), ce service ne peut pas générer de vidéos — mais il n’a jamais prétendu le faire. Il est excellent pour la génération d’images à partir de prompts et propose toutes sortes d’options.
Dans mon expérience avec ce service, je me suis contenté de copier-coller exactement le même prompt que celui donné à Freepik, et les résultats ont été radicalement différents. Cette fois, je ne générais qu’une image, et en l’espace de 30 secondes, elle a produit à peu près exactement ce que j’avais en tête.
Cependant, il y avait quelques incohérences que l’IA n’a pas su détecter, mais que les humains repèrent, comme une voiture roulant dans le mauvais sens et à contresens de la circulation sur une autoroute. Il n’y a pas grand-chose d’autre à dire sur Gemini.
La question structurelle : pourquoi le discours reste-t-il vague ?
Pour récapituler, tous les services ne fournissent pas les résultats qu’ils prétendent produire. Des services comme Freepik emploient délibérément un discours ambigu pour donner l’impression qu’ils peuvent tout faire, alors qu’en réalité l’offre est très limitée — surtout sans version payante. De plus, de tels services produisent parfois des résultats incohérents avec la réalité malgré la haute qualité de l’image et la fidélité au prompt.
Cela nous amène maintenant à poser les questions suivantes :
- Pourquoi les entreprises qui exploitent ces services emploient-elles délibérément un discours ambigu et hyper-généralisé ?
- Quelles sont les structures d’incitation qui nous ont menés à cet état actuel ?
- Ces services finiront-ils par surmonter ces incohérences mineures, tout comme ils ont surmonté les obstacles initiaux de 2022 ?
La réponse honnête est qu’un positionnement vague élargit le haut de l’entonnoir. Des affirmations généralisées comme « contrôle, rapidité et qualité au même endroit » décrivent les besoins déclarés de chaque acheteur. La précision dissuaderait bon nombre des inscriptions d’essai qui financent la croissance. Tant que l’incitation ne s’inverse pas — tant que les acheteurs ne récompensent pas la clarté en haut de l’entonnoir — l’ambiguïté est la stratégie produit, et non un oubli.
Il existe un second facteur qui mérite d’être nommé. Les capacités de ces modèles progressent assez vite pour que toute affirmation précise formulée aujourd’hui puisse être vraie dans trois mois, même si elle ne l’est pas aujourd’hui. Le texte marketing est écrit pour une feuille de route, et non pour la version actuelle. Cela rend l’ambiguïté presque rationnelle de l’intérieur de l’entreprise — jusqu’à ce que vous vous mettiez à la place de l’utilisateur qui a sorti sa carte de crédit sur la foi d’une phrase que le produit ne peut pas réellement tenir.
Foire aux questions.
Dans quelle mesure les générateurs d’images et de vidéos par IA se sont-ils améliorés depuis 2022 ?
Considérablement. En 2022, les seules options crédibles étaient DALL-E 2 et Midjourney v4, et toutes deux produisaient des résultats décevants et incohérents. Les services d’aujourd’hui sont des écosystèmes complets dotés d’un prompting flexible, d’angles de caméra ajustables, d’une qualité d’image bien supérieure et de résultats nettement plus cohérents. Ils peuvent reproduire de manière plausible des travaux de marketing et de design commercial, d’architecture et d’art conceptuel, de VFX, d’animation et de contenu récréatif. L’écart entre la production professionnelle et la production générative s’est suffisamment résorbé pour que le savoir-faire humain ne soit plus une exigence stricte pour de nombreuses tâches de production, même si les humains repèrent encore des erreurs que les machines manquent.
Freepik génère-t-il réellement de la vidéo à partir d’un prompt textuel ?
Pas de la manière que le marketing laisse entendre. Freepik (désormais Magnific) décrit son produit comme réunissant la génération d’images, la création vidéo, la mise à l’échelle et une bibliothèque de plus de 250 M d’éléments. En pratique, la version gratuite ne peut pas du tout générer de vidéo à partir d’un prompt. Elle exige une image de référence, et le résultat est essentiellement une animation de l’unique image que vous avez fournie, avec une qualité réduite. La génération de vidéo à partir de prompts exige désormais un abonnement payant. La distinction délibérément ambiguë entre « génération vidéo » et « création vidéo » semble conçue pour élargir l’entonnoir.
Comment Nano Banana Pro (Gemini) se compare-t-il à Freepik pour le travail d’image ?
Nano Banana Pro est strictement un générateur d’images et n’a jamais prétendu produire de la vidéo. Avec le même prompt qui avait échoué sur Freepik, Nano Banana Pro a renvoyé un résultat exploitable en environ 30 secondes, qui correspondait fidèlement à la scène demandée. La délimitation honnête de ses capacités et la fidélité au prompt sont ses plus grands atouts. La réserve, c’est que même les images générées de haute qualité contiennent encore des incohérences avec le monde réel que seul un relecteur humain peut repérer, comme des véhicules roulant à contresens de la circulation.
Pourquoi les services de génération par IA emploient-ils un marketing délibérément vague ?
L’ambiguïté élargit l’entonnoir adressable. Une description qui mentionne la génération d’images, la création vidéo, la mise à l’échelle et une immense bibliothèque d’éléments couvre presque tous les flux de travail visuels qu’un acheteur pourrait imaginer. Des affirmations généralisées comme « contrôle, rapidité et qualité au même endroit » décrivent les besoins déclarés de tout le monde. Le flou attire les utilisateurs curieux vers la version gratuite, où ils découvrent que le produit réel est plus étroit ou verrouillé derrière un mur payant. La structure d’incitation récompense l’ampleur en haut de l’entonnoir plutôt que la divulgation précise des capacités, car la précision dissuaderait bon nombre des inscriptions d’essai qui financent la croissance.
Où la génération d’images par IA échoue-t-elle encore d’une manière que les humains remarquent ?
Dans la cohérence contextuelle. Un générateur d’images moderne peut produire une scène d’autoroute photoréaliste qui paraît correcte au premier coup d’œil mais qui contient une voiture roulant dans le mauvais sens à contresens de la circulation. Le modèle reproduit correctement la texture de surface, l’éclairage et la composition, tout en manquant une règle du monde réel que n’importe quel conducteur humain repérerait instantanément. Des erreurs similaires apparaissent dans la physique, l’anatomie, la signalisation et les détails culturellement spécifiques. Tant que les générateurs n’appliqueront pas de manière fiable les contraintes du modèle du monde, chaque production commerciale aura encore besoin d’un relecteur humain.
Les générateurs IA finiront-ils par surmonter ces incohérences ?
La trajectoire de 2022 à 2026 le suggère. Le bond de DALL-E 2 et Midjourney v4 vers les outils d’aujourd’hui a franchi des obstacles que les experts annonçaient persistants pendant des années. Les problèmes restants sont des problèmes de modèle du monde plutôt que des problèmes de rendu, ce qui signifie que les progrès dépendent de paris de recherche différents de ceux qui ont porté la dernière vague. Attendez-vous à ce que les défauts visibles diminuent à chaque génération de modèle. La question la plus difficile est de savoir si le marketing rattrapera la réalité ou si l’ambiguïté restera un levier de croissance délibéré.
Des adresses premium pour les marques natives de l’IA.
Pillar gère un vaste inventaire de domaines premium conçus pour l’ère de l’IA générative. Que vous lanciez un nouvel outil d’image, un modèle vidéo ou une alternative honnête aux acteurs en place, la bonne adresse rend la promesse marketing plus facile à tenir.
Apprentissage connexe
Approfondissez les cadres qui sous-tendent cet article.
La bibliothèque d’apprentissage Pillar codifie les cadres qui fondent cette analyse.