L’IA génère des images, mais impossible de retracer leur origine

31 août 2026 0 Par eternos974

Vous avez déjà vu une image générée par une IA et vous vous êtes demandé : « Quelle photo a-t-elle inspiré cette création ? » Des chercheurs du MIT ont peut-être une réponse à cette question, et elle n’est pas très rassurante. En effet, plus les modèles d’IA sont entraînés sur des quantités massives de données, plus il devient impossible de retracer précisément la source d’une image générée. Ce phénomène, baptisé « attribution decay », bouleverse notre compréhension de la responsabilité des IA en matière de droits d’auteur.

Imaginez un monde où un artiste dépose une plainte contre une entreprise d’IA pour plagiat. L’entreprise affirme : « Nous n’avons pas utilisé votre œuvre. » Mais comment prouver le contraire ? Le MIT a mené une expérience qui pourrait bien expliquer pourquoi cette situation devient de plus en plus fréquente. Les chercheurs ont entraîné des modèles de diffusion sur des ensembles de données allant de quelques centaines à des centaines de milliers d’images. Puis, ils ont supprimé certaines images et observé si le résultat changeait. Leur conclusion ? Plus les données sont nombreuses, plus les contributions individuelles des images d’entraînement deviennent imperceptibles. C’est comme si une symphonie composée de millions de notes rendait impossible de retrouver la note unique qui a fait la différence.

Cette découverte a des implications juridiques énormes. Les procès en cours entre artistes et entreprises d’IA générative pourraient se heurter à un mur : comment prouver que l’IA a utilisé une œuvre spécifique si la « mémoire » du modèle est devenue floue ? L’étude souligne que les modèles commerciaux, entraînés sur des volumes de données bien supérieurs à ceux testés, exacerbent ce phénomène. Une image générée peut ressembler à une œuvre d’art sans qu’il soit possible de démontrer qu’une œuvre précise a servi de référence. Cela pose la question : qui est responsable si une IA reproduit un style protégé ?

Pour illustrer ce dilemme, un internaute a demandé à des modèles de langage de dessiner Mario sur une grille de 32×32 pixels, sans leur fournir la moindre image. Les résultats sont fascinants. Certains modèles ont réussi à capturer la casquette rouge et la moustache emblématiques, d’autres ont produit des assemblages de pixels chaotiques. Mais même les tentatives les plus réussies ne sont pas des copies directes : elles sont le fruit de ce que les IA ont appris durant leur entraînement. C’est un peu comme si vous deviez décrire un chien sans jamais l’avoir vu, en vous basant uniquement sur des associations de mots comme « fourrure », « pattes » ou « aboiement ».

L’expérience de Pixel32Bench révèle une vérité troublante : les IA ne « copient » pas les images d’entraînement, mais elles en retiennent des fragments, des motifs, des couleurs. Et ces fragments, lorsqu’ils sont réassemblés, peuvent donner naissance à des créations qui ressemblent fortement à des œuvres existantes. Cela soulève une question centrale : si une IA reproduit un style ou un personnage célèbre, peut-on vraiment la considérer comme une « plagiaire » ou est-ce simplement le fruit de son entraînement ? La réponse, pour l’instant, reste dans l’ombre. Et si les modèles commerciaux continuent à s’entraîner sur des données de plus en plus vastes, cette ambiguïté risque de s’accentuer. Quel sera le rôle des lois de demain face à cette réalité ?