Les images de plats figurant dans les menus de restaurants conçus par l’intelligence artificielle attirent l’attention par leur symétrie parfaite, leur lissage excessif et leur aspect photoréaliste, tout en étant dérangeantes. Alex Lisle, CTO de Reality Defender, compare ces images à celles qu’aurait produites un extraterrestre essayant de faire une pizza sans en comprendre les principes fondamentaux. Dans certains exemples, le fromage excessivement boursouflé ou les crevettes semblant manger leur propre queue révèlent clairement leur origine artificielle, tandis que, dans la plupart des images, le problème n’apparaît qu’en les examinant de plus près.
Selon Lisle, cette esthétique est liée à la manière dont les modèles d’intelligence artificielle sont entraînés. Les grands modèles de langage et les modèles de diffusion utilisés par des systèmes comme ChatGPT et Midjourney apprennent des motifs à partir de très vastes ensembles de données et tentent ainsi de produire un contenu adapté aux demandes des utilisateurs. Par conséquent, lorsqu’on leur demande le menu d’un restaurant de burgers, ils peuvent s’appuyer sur les styles de menus similaires d’enseignes comme Wendy’s, Burger King ou McDonald’s. Lisle attribue également au jeu de données utilisé pour alimenter les modèles le fait que les images produites ressemblent parfois à « un menu de Chili’s datant de 2015 ».
Le fait que les contenus générés par l’AI soient réintégrés dans les données d’entraînement peut conduire les modèles à se nourrir de leurs propres productions. Lorsque ce phénomène devient excessif, il fait apparaître un risque d’« effondrement du modèle ». Lisle compare ce phénomène à une consanguinité résultant de la réinjection répétée des productions d’un modèle dans celui-ci. Il précise toutefois que, dans le cas des menus, il ne s’agit pas directement d’un effondrement du modèle, mais d’une « convergence » qui dégrade la qualité des productions. Lee Rainie, directeur de l’Imagining the Digital Future Center à Elon University, affirme quant à lui que l’optimisation des modèles pour privilégier des contenus non offensants et « appréciés » conduit à une homogénéisation, en atténuant les caractéristiques distinctives des images et du langage.
Lors d’une expérience menée sur X par un utilisateur nommé Labtec, il a été constaté qu’après 100 modifications d’un menu créé avec ChatGPT, les images des aliments devenaient progressivement plus rondes et plus lisses. TechCrunch a également reproduit une expérience similaire. Il est indiqué que les modifications répétées des menus par les restaurants pour changer les prix ou les noms des produits pourraient produire le même effet.
Des chercheurs de University of Duisburg-Essen, en Allemagne, ont constaté la présence d’un effet de « vallée de l’étrange » dans les images d’aliments générées par l’AI. Les images qui paraissent presque réelles suscitent davantage de dégoût et de malaise que celles qui sont clairement fausses. Cette réaction se combine à une méfiance culturelle à l’égard des contenus générés par l’AI. Lisle indique que l’époque où les images et les enregistrements audio étaient acceptés comme des preuves sans être remis en question est révolue, et que cela touche des domaines plus vastes, notamment les tribunaux.
Pourquoi est-ce important
Ces résultats montrent que, lors de la préparation de leurs menus, les restaurants doivent tenir compte non seulement de la qualité visuelle, mais aussi de l’uniformisation que peut entraîner le retraitement répété des contenus générés par l’AI. Le fait que les images deviennent progressivement similaires les unes aux autres à mesure que les noms des produits et les prix sont modifiés peut affaiblir les éléments qui distinguent les marques des établissements et affecter la confiance des clients envers les photos des menus. Le fait que le problème soit une convergence due à l’orientation des modèles vers des exemples similaires et appréciés, plutôt qu’un effondrement direct du modèle, laisse penser que la solution ne se limite peut-être pas à utiliser davantage de données. Le malaise suscité par des aliments qui paraissent presque réels déplace quant à lui le débat de l’esthétique vers la question de savoir comment les images générées par l’AI seront évaluées dans la publicité, comme preuves et dans la communication quotidienne.