Le vocabulaire de l'IA, sans jargon

AI avatar

Personnage numérique animé par l’IA, réaliste ou stylisé, capable de parler, de bouger et parfois de converser en temps réel à partir d’un texte ou d’une voix.

Classifier-free guidance

Technique d’échantillonnage des modèles de diffusion qui renforce l’influence du prompt en comparant, à chaque étape, une prédiction conditionnée par le texte et une prédiction sans condition.

Voice cloning

Technique d’IA qui reproduit la voix d’une personne précise à partir d’échantillons de sa parole, afin de lui faire prononcer n’importe quel texte.

Méthode publiée en 2023 qui ajoute un contrôle spatial précis à un modèle de diffusion, en le conditionnant sur des contours, une pose humaine, une carte de profondeur ou un croquis.

Deepfake

Contenu vidéo, audio ou image falsifié par IA de façon réaliste, qui fait dire ou faire à une personne réelle quelque chose qu’elle n’a jamais dit ni fait.

Latent space

Espace mathématique compressé dans lequel un modèle représente les données sous forme de vecteurs, en conservant leurs caractéristiques essentielles et leurs ressemblances.

Generative Adversarial Network

Architecture d’apprentissage profond où deux réseaux s’affrontent : un générateur qui fabrique de fausses données et un discriminateur qui tente de les distinguer des vraies.

AI music generation

Usage de modèles d’IA générative pour composer de la musique, sous forme de partition ou directement d’audio, à partir d’un texte, d’une mélodie ou d’un style.

Inpainting

Technique de génération qui modifie ou remplace uniquement une zone sélectionnée d’une image, en harmonisant le résultat avec le reste de la scène.

Lip sync

Technique d’IA qui anime les lèvres et le bas du visage d’une personne ou d’un personnage pour qu’ils correspondent exactement à une piste audio donnée.

Diffusion model

Modèle génératif qui apprend à retirer progressivement le bruit d’une donnée, afin de créer à partir d’un bruit aléatoire une image, une vidéo ou un son cohérent.

Outpainting

Technique de génération qui prolonge une image au-delà de ses bords d’origine, en inventant un décor cohérent avec le contenu existant.

Negative prompt

Texte indiquant à un générateur d’images ou de vidéos les éléments, défauts ou styles à éviter dans le résultat, en complément du prompt principal.

Speech-to-text

Technologie qui transcrit automatiquement la parole, enregistrée ou captée par un micro, en texte écrit, en identifiant les mots prononcés malgré les accents et le bruit ambiant.

Seed

Nombre qui initialise le générateur aléatoire d’un modèle génératif et détermine le bruit de départ, ce qui permet de reproduire un résultat ou d’en obtenir des variantes.

Text-to-speech

Technologie qui convertit un texte écrit en parole audio, avec une voix de synthèse capable de reproduire l’intonation, le rythme et parfois l’émotion d’un locuteur humain.

Text-to-image

Tâche d’IA générative qui consiste à produire une image inédite à partir d’une description écrite, le prompt, en interprétant le sujet, le style et la composition demandés.

Text-to-video

Tâche d’IA générative qui consiste à créer une courte séquence vidéo à partir d’une description écrite, en générant des images successives cohérentes dans le temps.

Upscaling

Technique qui augmente la résolution d’une image ou d’une vidéo grâce à un modèle d’IA, en reconstituant des détails fins plutôt qu’en étirant simplement les pixels.

Variational Autoencoder

Réseau de neurones qui compresse une donnée en une représentation compacte et probabiliste, puis apprend à la reconstruire, ce qui permet aussi d’en générer de nouvelles.