Pourquoi la nourriture générée par intelligence artificielle ressemble-t-elle à des structures filandreuses ou à des amas minéraux ? Des experts en vision par ordinateur et en sciences comportementales expliquent que les modèles de diffusion gèrent mal les formes fines et continues, tandis que les systèmes manquent totalement de compréhension physique du monde réel.
De nombreux restaurants, cafés et marques utilisent désormais des images générées par intelligence artificielle pour promouvoir leurs produits alimentaires. Le résultat visuel présente souvent un aspect troublant, évoquant des crevettes en forme de beignets, des nouilles vermiformes ou des textures comparables à des matériaux de construction.
Les limites techniques des modèles de diffusion dans la génération de textures
Le processus commence par une image constituée de bruit pur, semblable à un écran de télévision grésillant, avant de soustraire progressivement ce bruit pour faire apparaître le visuel demandé.
« Diffusion models are notoriously weak at generating thin, continuous, terminating structures. »
Giovanbattista Califano, University of Naples Federico II
Cette faiblesse structurelle engendre des artefacts caractéristiques. D’après Chris Russell, professeur d’intelligence artificielle, de gouvernement et de politique à l’University of Oxford et spécialiste en vision par ordinateur, ces défaillances surviennent dès les premières étapes du traitement.
Lorsque le modèle se trompe sur la structure globale d’un objet au début du processus, il applique ensuite des détails texturés vifs par-dessus cette base erronée. L’expert compare cette anomalie visuelle à la génération d’un corps humain doté de six doigts au lieu de cinq.
Pourquoi les nouilles et les structures filandreuses posent problème aux intelligences artificielles
Les géométries complexes comme les brins, les filaments ou les éléments filandreux mettent particulièrement à l’épreuve les algorithmes actuels. Giovanbattista Califano, chercheur en sciences comportementales à l’Université de Naples Frédéric-II en Italie, souligne que les modèles peinent à déterminer où une structure fine doit s’arrêter ou se rattacher.
« Noodles, strands, and tendrils are exactly the kind of geometry that trips this up, so you get spaghetti-like artifacts bleeding into places with no anatomical or culinary logic. »
Giovanbattista Califano, University of Naples Federico II
Des motifs répétitifs tels que les graines ou les bulles se propagent ainsi dans des zones inappropriées. Cette diffusion incontrôlée génère des visuels qui déclenchent parfois des réactions d’aversion chez les observateurs, en raison de motifs alvéolaires ou perforés rappelant des structures phobiques.
L’absence totale de compréhension physique du monde réel
Au-delà des mathématiques de la diffusion, l’intelligence artificielle ne possède aucune notion concrète de ce qu’est un sandwich, un burrito ou un plat de nouilles. Les algorithmes reproduisent des apparences statistiques sans saisir la logique fonctionnelle ou physique des objets représentés.
Cette méconnaissance conduit à des interprétations esthétiques déroutantes pour l’esprit humain. Michael Cook, maître de conférences en informatique au King’s College de Londres, relève que des textures parfaitement acceptables dans un cadre architectural ou géologique deviennent incongrues lorsqu’elles s’appliquent à l’alimentation.
« These textures might look totally normal if used in an architectural context, But they become wrong when we imagine it as edible food. »
Michael Cook, King’s College London
Les données d’entraînement elles-mêmes entretiennent cette confusion. La photographie culinaire professionnelle recourt fréquemment à des contrastes prononcés, des éclairages ultra-brillants et des formes exagérées, masquant la réalité physique que les réseaux de neurones tentent ensuite d’imiter de manière approximative.