Diffusion : Définition et Exemples

La diffusion est un paradigme de génération par intelligence artificielle inspiré de la thermodynamique. Le principe repose sur deux phases : une phase directe (forward process) où du bruit gaussien est ajouté progressivement à une donnée réelle jusqu'à la rendre méconnaissable, puis une phase inverse (reverse process) où un réseau de neurones apprend à retirer ce bruit pas à pas pour reconstruire une donnée cohérente à partir de bruit pur.

Concrètement, lors de l'entraînement, le modèle observe des milliers d'images à différents niveaux de bruitage et apprend à prédire le bruit ajouté à chaque étape. Une fois entraîné, il peut partir d'une image de bruit aléatoire et la « débruiter » progressivement pour générer une image entièrement nouvelle. Ce processus itératif, qui comporte typiquement entre 20 et 1000 étapes, est ce qui confère aux modèles de diffusion leur qualité remarquable.

Les modèles de diffusion sont au cœur des outils de génération d'images les plus populaires comme Stable Diffusion, DALL·E et Midjourney. Leur force réside dans leur stabilité d'entraînement (contrairement aux GAN), leur capacité à produire des images très détaillées et leur compatibilité naturelle avec le conditionnement textuel. On parle alors de text-to-image : un prompt textuel guide le processus de débruitage pour orienter la génération vers le résultat souhaité.

Au-delà de l'image, le principe de diffusion s'étend désormais à la génération audio (musique, voix), vidéo, modèles 3D et même à la conception moléculaire. Des variantes comme la diffusion latente (Latent Diffusion) opèrent dans un espace compressé pour réduire le coût de calcul, rendant ces modèles accessibles sur du matériel grand public.