Mon frère utilise constamment Midjourney et je suis vraiment curieux de savoir comment ces programmes fonctionnent vraiment. Est-ce qu'il y a des statistiques et des calculs de probabilités là-dedans?
Exactement ! 🎨 Les programmes utilisent ce qu'on appelle des réseaux de neurones, qui sont entraînés sur des milliards d'images et apprennent quels motifs de pixels vont bien ensemble - ça fonctionne en gros avec du calcul de probabilités, où le programme devine à chaque étape quel prochain point de l'image a du sens. C'est quand même fascinant de voir comment un modèle statistique comme ça peut finir par cracher des vraies images ! 🧠
L'essentiel, c'est que ces systèmes ne font pas que combiner des probabilités, mais fonctionnent via ce qu'on appelle des modèles de diffusion - ils commencent avec du bruit pur et "débruitent" l'image étape par étape en fonction de ton prompt texte 🎯 C'est un peu comme si tu donnais à un enfant une description extrêmement vague et qu'il peigne ensuite de façon itérative de plus en plus de détails, jusqu'à ce qu'à la fin une image sorte qui correspond à ta description.
La statistique derrière tout ça est bien sûr brutalement complexe, mais au final c'est question d'espaces vectoriels et de comment les images et le texte sont mappés dans le même espace mathématique pour que le modèle comprenne ce que tu veux vraiment.
Chez Midjourney et les outils similaires, il y a effectivement pas mal de maths dedans, mais le point principal que beaucoup oublient : ce n'est pas principalement une question de "compréhension" du programme par rapport à ce que tu veux dire. Il apprend des modèles dans des quantités gigantesques de données et puis il devine statistiquement quelles combinaisons de pixels ont des chances de bien aller ensemble.
Les modèles de diffusion fonctionnent à peu près comme ça : le système commence par du bruit et retire progressivement le bruit, tout en utilisant ton texte-prompt comme ancre. Mathématiquement, il y a beaucoup d'algèbre linéaire et de calcul des probabilités en jeu - mais très peu d'utilisateurs ont besoin de comprendre ça. Tu rentres "un chien sur un skateboard", et le modèle calcule des millions de fois quelles valeurs de pixels ont la plus grande probabilité de correspondre pour générer un truc comme ça. Ça prend quelques secondes, parce qu'il y a une quantité incroyable de calculs qui tournent.
Le truc difficile : ces systèmes sont essentiellement des machines de probabilité très sophistiquées - ils hallucinent parfois aussi des trucs, parce que la distribution de probabilité considère juste "une main avec 6 doigts" comme "assez réaliste". Plus ton prompt est bon, mieux tu diriges la direction des probabilités que le modèle prend. C'est pour ça que le "prompt engineering" est si important chez Midjourney - tu essaies de pousser les probabilités dans la bonne direction.
Se connecterpour répondre.
