🎨 L'IA qui voit, entend et crée

Applied AI — Niveau Débutant · Session 5

Yann Isola

Jusqu'ici, on a parlé à l'IA par écrit.
Aujourd'hui, on découvre ses yeux, ses oreilles… et son pinceau.

Aujourd'hui, on découvre 🗺

  1. 🌈 L'IA multimodale — bien plus que du texte
  2. 👁 Comment l'IA voit (pixels → reconnaissance)
  3. 🎨 L'IA qui dessine, 🎙 qui écoute, 🗣 qui parle
  4. 🎵🎬 Musique et vidéo : les frontières actuelles ⚠
  5. 🕵 Les deepfakes : repérer le faux
  6. 💚 Les applications qui changent des vies
  7. 🛠 Activité : créer avec l'IA !

Question d'ouverture 🤔

Avez-vous déjà utilisé une IA qui ne lit pas du texte…
mais qui voit ou qui écoute ?

Indices :

  • 📱 Comment déverrouillez-vous votre téléphone ?
  • 🎤 « Dis Siri… », « OK Google… »
  • 🎶 Shazam, qui reconnaît une chanson en 3 secondes
  • 📺 Les sous-titres automatiques sur YouTube

Vous utilisez l'IA multimodale tous les jours — souvent sans le savoir.

L'IA multimodale 🌈

Multi = plusieurs · Modale = types de contenus (« modes »)

Une IA multimodale peut comprendre et créer :
📝 du texte · 🖼 des images · 🔊 du son · 🎬 de la vidéo

💬 Avant : discuter avec l'IA par SMS, dans le noir.
🌈 Maintenant : elle regarde vos photos, écoute votre voix,
et peut répondre en dessinant.

Les « sens » de l'IA 👁👂🗣

Sens humain Équivalent IA Exemple du quotidien
La vue 👁 Vision par ordinateur Déverrouillage facial
L'ouïe 👂 Reconnaissance vocale « Dis Siri… »
La parole 🗣 Synthèse vocale Le GPS qui parle
Le dessin ✍ Génération d'images DALL-E, Midjourney ⚠

⚠ Nuance : l'IA ne « voit » pas comme nous.
Elle transforme tout en nombres et y cherche des motifs. Pas de conscience — du calcul.

Comment l'IA voit — Étape 1 : les pixels 🔲

Une image numérique = une grille de petits carrés colorés : les pixels
(picture elements : « éléments d'image »)

Chaque pixel = 3 nombres : Rouge, Vert, Bleu (code RVB), de 0 à 255

🟥 Rouge vif  = R:255  V:0    B:0
🟦 Bleu ciel  = R:135  V:206  B:235
⬜ Blanc      = R:255  V:255  B:255

Pour l'ordinateur, une photo de chat = un immense tableau de nombres. Rien d'autre.

🖥 Démo : l'explorateur de pixels — zoomons jusqu'aux carrés !

Étape 2 : les indices visuels 🧩

L'IA apprend à repérer des motifs, du simple au complexe :

  1. ➖ Très simple : contours, lignes, taches de couleur
  2. 🔺 Moyen : formes — un œil, une oreille pointue, des moustaches
  3. 🐱 Complexe : l'objet entier — un chat !

📖 Comme apprendre à lire :
lettres → syllabes → mots → phrases
L'IA fait pareil : traits → formes → objets

(En anglais, ces indices s'appellent des features, « caractéristiques »)

Étape 3 : la reconnaissance ✅

Après avoir vu des millions d'images étiquetées
(« ceci est un chat », « ceci est un chien »)…

…l'IA associe les motifs détectés à une réponse, avec un score de confiance :

🐱 « Chat : 97 % » · 🐶 « Chien : 2 % » · 🦊 « Renard : 1 % »

Rappel des sessions précédentes : c'est de l'apprentissage à partir d'exemples — pas de la magie. Et elle peut se tromper !

La vision par ordinateur autour de vous 🌍

  • 📱 Déverrouillage facial — le téléphone mesure la géométrie de votre visage (distance entre les yeux, forme du nez…)
  • 🚗 Voitures autonomes — détecter piétons, panneaux, lignes… des dizaines de fois par seconde
  • 🏥 Imagerie médicale — repérer des anomalies sur les radios, parfois invisibles à l'œil

⚕ Règle d'or : l'IA assiste le médecin.
Le diagnostic et la décision restent humains.

Quand la vision se trompe 😅

L'IA reconnaît des motifs — elle ne « comprend » pas la scène.

  • 🛑 Un simple autocollant sur un panneau STOP peut la perturber
  • 🐕 Un chien dans une position inhabituelle → « chat à 60 % ? »
  • 🌫 Brouillard, contre-jour, angle bizarre → confiance en chute

Leçon : impressionnante, mais pas infaillible.
C'est pour ça que l'humain garde le contrôle sur les décisions importantes.

L'IA qui dessine 🎨 ⚠

Vous écrivez une description (un prompt) → l'IA crée l'image.

Les grands noms ⚠ (ça évolue vite !) :

  • DALL-E (OpenAI) — intégré à ChatGPT
  • Midjourney — le rendu artistique
  • Stable Diffusion — open source (code ouvert)

✍ « Un chat astronaute qui plante un drapeau sur la Lune,
style dessin animé, couleurs vives » → 🖼 ✨

Comment fait-elle ? (version simple) 🌫→🖼

Beaucoup de ces IA fonctionnent par diffusion :

  1. 🌫 Elles partent d'un « brouillard » de pixels aléatoires
  2. 🧹 Elles le « nettoient » petit à petit…
  3. 🧭 …guidées par votre description…
  4. 🖼 …jusqu'à faire apparaître l'image !

Comme un polaroid qui se révèle — mais piloté par vos mots.

Points faibles connus ⚠ : les mains 🤚, le texte dans l'image, les détails fins.
(En amélioration constante !)

L'IA qui écoute 🎙

Reconnaissance vocale : 🔊 son → 🔢 nombres → 📝 texte

Votre voix est une onde sonore → encore des nombres !
L'IA a appris sur des milliers d'heures de parole.

Applications :

  • 🎤 Assistants vocaux : Siri, Alexa, Google Assistant
  • ⌨ Dictée vocale (écrire sans clavier)
  • 📺 Sous-titres automatiques — YouTube, visio, TV en direct

💚 Une révolution pour les personnes sourdes ou malentendantes.

L'IA qui parle 🗣 ⚠

Synthèse vocale : le chemin inverse — 📝 texte → 🔊 son
(en anglais : text-to-speech, TTS, « du texte à la parole »)

  • 🗺 Le GPS, la lecture d'articles, les livres audio
  • 💬 Une voix pour les personnes qui ne peuvent pas parler
    (comme le célèbre physicien Stephen Hawking)
  • 🎭 Voix de plus en plus naturelles : intonations, pauses, émotions ⚠

⚠ Certains outils peuvent cloner une voix en quelques secondes
d'enregistrement… On en reparle très vite. 🕵

Musique et vidéo : les frontières 🎵🎬 ⚠

Musique — Suno, Udio… ⚠
Une description → une chanson complète : paroles, voix, instruments 🤯

Vidéo — Sora, Veo, Runway… ⚠
Un texte → une courte vidéo réaliste.
Encore imparfait : physique bizarre, objets qui apparaissent/disparaissent…

⏩ Ce qui est « impossible » aujourd'hui sera peut-être banal dans un an.
D'où la question qui suit : peut-on encore croire ce qu'on voit ?

🕵 Les deepfakes

Quand l'IA fabrique du faux… très réaliste

deep (apprentissage profond) + fake (faux)

Image, voix ou vidéo créée par IA pour faire croire à quelque chose de faux.

Pourquoi c'est un problème ⚠

  • 🗳 Désinformation — fausses déclarations de personnalités, fausses « preuves »
  • 📞 Arnaques — la voix clonée d'un proche qui « appelle » pour demander de l'argent (ça existe vraiment !)
  • 😢 Harcèlement — fausses images de personnes réelles : illégal et gravement puni
  • 🌪 Le pire : l'érosion de la confiance…

Quand tout peut être faux, on peut aussi nier ce qui est vrai :
« Cette preuve ? Bah, c'est un deepfake ! »

Les 4 réflexes du détective 🕵✅

  1. 👁 Les détails — mains, dents, reflets, texte illisible, ombres incohérentes ⚠ (de moins en moins fiables avec le temps !)
  2. 🎬 Le mouvement — clignements étranges, lèvres désynchronisées
  3. 📰 La source — qui a publié ? Un média fiable ? L'info existe-t-elle ailleurs ?
  4. 🧠 Le bon sens — trop beau/choquant pour être vrai ? Émotion forte = vérifier avant de partager

🎮 À vous de jouer : le jeu du détective deepfake !
(page web de la session — vrai ou IA ?)

Douter ≠ ne plus rien croire 🧭

L'objectif n'est pas de devenir paranoïaque.

L'objectif : devenir vérificateur.

✅ Douter = vérifier avant de croire
✅ Et surtout : vérifier avant de partager

La compétence n°1 du 21e siècle : savoir remonter à la source.

L'IA multimodale qui change des vies 💚

Accessibilité :

  • 📺 Sous-titres en temps réel (personnes sourdes/malentendantes)
  • 👁 Audiodescription IA : le téléphone décrit à voix haute ce que voit sa caméra (personnes aveugles/malvoyantes) — lire un menu, reconnaître un billet
  • 🗣 Une voix de synthèse pour ceux qui ne peuvent pas parler

Médecine :

  • 🩻 Aide à la détection de cancers sur radios et mammographies
  • ⚕ L'IA assiste, l'humain décide — toujours.

Art et créativité 🎭

De nouveaux outils pour les artistes :

  • 🖼 Illustrer une histoire en quelques minutes
  • 🎵 Composer une maquette de chanson
  • 🎬 Prototyper une scène de film

🤔 Débat : une image générée par IA, est-ce de l'art ?
(Il n'y a pas de réponse officielle — défendez la vôtre !)

📜 L'histoire se répète : la photographie, le synthétiseur… ont transformé l'art sans le tuer.

🛠 Activité : votre mini-studio IA

Mission : créer une mini-œuvre combinant au moins 2 contenus IA.

Thèmes au choix : 🚀 carte postale de l'an 3000 · 🐉 animal fantastique · 🌍 affiche pour la planète · 🎬 bande-annonce d'un film imaginaire

Présentation en 1 minute :

  1. Ce que j'ai demandé (mon prompt)
  2. Ce que j'ai obtenu
  3. Ce que j'ai dû corriger

📜 Règle d'or : jamais le visage ou la voix d'une personne réelle sans son accord. Jamais. Même pour rire.

Les 5 idées à retenir 🎯

  1. 🌈 L'IA multimodale voit, écoute, parle et crée — pas que du texte
  2. 🔢 Pour l'IA, tout est nombres : pixels, ondes sonores. Motifs, pas ressenti.
  3. 👁 Vision : pixels → indices visuels → reconnaissance
  4. 🎨 Générer image/musique/vidéo : une description suffit — et ça évolue à toute vitesse ⚠
  5. 🕵 Deepfakes : source, recoupement, méfiance des émotions fortes — avant de partager

Merci ! 🎨🎙👁

À vérifier chez vous :

📺 Activez les sous-titres automatiques sur une vidéo — comptez les erreurs !
📞 Parlez des arnaques par voix clonée à un proche — proposez un mot de code en famille.

Prochaine session : éthique et esprit critique — on creuse ! 🧠

Applied AI — Yann Isola