Il y a déjà des nostalgiques de l’IA du passé : le petit regret pour tout ce que DALL-E 2 nous a apporté et s’est perdu en chemin

Ces dernières semaines, une comparaison entre la même image générée avec DALL-E 2 et avec des modèles ultérieurs s’est répandue sur X : une nature morte d’un biscuit trempé dans du lait, identique dans les deux cas. La réponse majoritaire n’a pas été « quel développement cool », mais plutôt « je préfère l’ancien ».

DALL-E 2 est arrivé en avril 2022 et a été retiré par OpenAI au printemps dernier, remplacé par des modèles comme ceux qui alimentent aujourd’hui ChatGPT Images 2.0. Quatre ans ont suffi pour qu’un modèle qui semblait magique devienne un objet de nostalgie.

En détails. Le motif se répète avec les mêmes mots : « grain », « coups de pinceau », « texture Holga », « vraie peinture ». Une utilisatrice qui a commencé à utiliser DALL-E 2 en 2022 affirme que c’est le modèle qui lui a fait comprendre l’espace latent, et regrette que DALL-E 3 se soit orienté vers ce qu’elle appelle « le vide coloré » de Midjourney. Un autre admet qu’il préférerait que DALL-E 2 soit la fin du chemin : « bon là où ça compte, mauvais là où ça compte, et je le voulais toujours. »

Le bruit, ce défaut que les ingénieurs polissent depuis des années jusqu’à ce qu’il soit effacé, est exactement ce qui manque aujourd’hui : la trace que quelque chose a été improvisé et non assemblé.

Entre les lignes. Avec DALL-E 2, le résultat n’a jamais été complètement prévisible : le modèle a interprété, commis des erreurs et surpris. Les modèles actuels fonctionnent davantage comme un formulaire : plus le formulaire est détaillé, plus la réponse sera littérale, avec moins de place au hasard.

Un modèle qui ignorait la moitié des instructions produisait parfois plus de caractère qu’un modèle qui les suivait toutes.

Pourquoi c’est important. L’industrie a formé ses modèles pour maximiser le photoréalisme, en partant du principe que plus de détails équivaut à une meilleure image. Mais le goût humain ne fonctionne pas ainsi : souvent, un tableau est apprécié non pas pour sa fidélité à la réalité, mais pour ce qu’il décide de ne pas montrer.

Chez ceux qui étudient ces modèles, le phénomène porte un nom : la suroptimisation due au renforcement humain.

• Les systèmes de notation récompensent les compositions symétriques, les couleurs saturées et les détails extrêmes, car ils obtiennent de meilleurs résultats lors des tests rapides à l’aveugle.
• Aimer un test de cinq secondes et rester intéressé sur un mur ne sont pas la même chose.
• Le résultat est reconnaissable au premier coup d’œil : des bords nets, un contraste gonflé et une netteté qui révèle la main artificielle. Et cela nous fait hausser les sourcils.

Le contexte. Ce n’est pas la première fois qu’une technologie améliore ce qu’elle avait l’intention de mesurer et se détériore par rapport à ce que personne n’a mesuré. C’est ce qui s’est produit avec la photographie numérique, dont la netteté excessive a ramené de nombreux photographes au grain analogique. Cela s’est produit avec l’audio numérique, dont le nettoyage a conduit certains producteurs à ajouter du bruit de bande pour le rendre « vivant » et c’est d’ailleurs l’argument pour lequel notre collègue John Tones écoute encore des cassettes au milieu de 2026. L’IA générative répète le cycle, mais plus rapidement.

• DALL-E 2 (2022) : interprétation libre, résultats inégaux, texture picturale.
• DALL-E 3 (2023) : plus grande fidélité à l’esthétique, saturée et uniforme.
• Modèles actuels : photoréalisme quasi total, justesse technique, très peu de surprise.

Oui mais. DALL-E 2 a également généré des mains déformées et des compositions brisées qui ont ensuite été signalées comme des échecs et non comme un style à élever. Une partie de ce qui est interprété aujourd’hui comme une intention artistique était une simple limitation technique alors non résolue.

Tout le monde ne partage pas le diagnostic : il y a ceux qui défendent que la valeur technique actuelle est incontestable, et ceux qui soulignent les alternatives existantes, comme Krea, qui cherchent à récupérer cette marge d’imperfection sans renoncer à la capacité technique d’aujourd’hui.

Et maintenant quoi. Le phénomène a déjà laissé des traces : plusieurs studios de design proposent des filtres pour simuler le look du DALL-E 2 sur les images générées avec de nouveaux modèles, la même impulsion qui a conduit Instagram à bâtir un empire sur les filtres qui ont fait vieillir des photos numériques assez correctes en 2011-2014.

Lorsqu’une technologie atteint son plafond technique, la bataille suivante n’est pas d’augmenter la résolution mais de trouver le défaut qu’elle décide de préserver.

Image en vedette | @Dylanmcd8

À Simseo | Tous les modèles d’IA trichent si vous leur en donnez l’occasion. Leur dire « ne trichez pas » ne suffit pas