L’utilisation d’images générées par l’intelligence artificielle dans la promotion de produits alimentaires par des restaurants, des cafés et des marques entraîne des résultats peu appétissants, comme des crevettes en forme de beignets, des nouilles ressemblant à des vers, des poulets filandreux, des burgers semblables à des rochers et des burritos couverts de trous. Les déformations visibles sur ces images révèlent les limites techniques des systèmes d’intelligence artificielle dans la génération d’images ainsi que les problèmes liés aux données d’entraînement.
La plupart des principaux générateurs d’images utilisent des modèles de diffusion. Ces systèmes commencent avec du bruit pur et créent une image en réduisant progressivement ce bruit : ils produisent d’abord la structure générale, puis les détails fins. Selon Chris Russell, de University of Oxford, lorsqu’un modèle construit incorrectement la forme fondamentale d’un objet à un stade précoce, il peut ensuite ajouter des détails de texture réalistes sur cette structure erronée. Ce phénomène est comparé à la représentation d’un être humain doté de six doigts.
Giovanbattista Califano, de University of Naples Federico II, indique que les modèles de diffusion sont peu performants pour produire des structures fines, continues et se terminant en un point. Les nouilles, les fibres et les prolongements sinueux peuvent ainsi être déplacés vers des endroits incorrects ; les textures répétées, comme les bulles et les graines, peuvent également dépasser des limites cohérentes. Les formes excessivement semblables à des nouilles et les amas de trous présents sur les images peuvent déclencher la peur des trous, connue sous le nom de trypophobie.
Selon les experts, l’intelligence artificielle ne sait pas réellement ce qu’est un sandwich, une nouille ou un burrito. Elle apprend seulement, de manière statistique, à quoi ces objets ressemblent généralement sur Internet ; elle ne comprend ni leur fonction ni leur comportement dans le monde physique. Roland Meyer, de University of Zurich, explique que les systèmes imitent l’apparence de la photographie, mais ne comprennent pas le contexte qui sous-tend l’esthétique de la photographie professionnelle. C’est pourquoi une glace peut ressembler à du béton et un burger à une pierre.
Les données d’entraînement peuvent également aggraver le problème. La lumière vive, les couleurs intenses et les formes exagérées des photos de nourriture sont parfois transmises au modèle en même temps que des aliments qui n’existent pas dans la réalité. Simon Colton, de Queen Mary University of London, souligne que les contenus étranges et viraux suscitent davantage d’intérêt sur Internet que les images ordinaires. En outre, le fait que des contenus générés par l’intelligence artificielle servent à entraîner de nouveaux modèles peut entraîner, par le biais du « model collapse », une dégradation visuelle et une uniformisation.
Les commandes ambiguës, l’agrandissement d’images à faible résolution et des instructions système insuffisantes rendent les erreurs plus visibles. Quant aux humains, ils repèrent rapidement les anomalies présentes dans les aliments en raison du sentiment de dégoût développé face aux risques de parasites, de contamination et d’altération. C’est pourquoi les aliments produits par l’intelligence artificielle semblent non seulement irréalistes, mais aussi instinctivement incorrects.
Pourquoi c’est important
Ce problème montre que les présentations de nourriture préparées avec l’intelligence artificielle ne relèvent pas uniquement d’un choix esthétique ; les déformations visibles peuvent directement influencer le fait que le spectateur trouve ou non le produit appétissant ou fiable. Pour les restaurants, les cafés et les marques, la question est de soumettre à un contrôle humain les résultats produits parce que le modèle se contente de combiner des images similaires sans comprendre la structure physique de l’objet. Les détails tels que les nouilles, les fibres, les bulles et les trous rendent notamment les erreurs techniques visibles, tout en pouvant provoquer une réaction de dégoût chez certains spectateurs. Le fait que les images étranges et générées artificiellement présentes sur Internet réintègrent les données d’entraînement laisse quant à lui ouverte la question de savoir si les dégradations se répéteront.