Glossaire

Distance de Fréchet Inception (FID)

Qu’est-ce que Distance de Fréchet Inception (FID) ?

La distance de Fréchet Inception (FID) est un indicateur qui évalue la qualité des images générées par l’IA. Des images réelles et générées passent dans un réseau de reconnaissance d’images pré-entraîné (Inception v3), puis on compare les distributions statistiques de leurs caractéristiques. Plus la valeur est faible, plus les images générées se rapprochent de vraies photos en réalisme et en diversité. Introduite en 2017, la FID est une référence pour comparer les générateurs d’images.

Thèmes

Génération d’images
Métrique d’évaluation
Recherche

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Réseau antagoniste génératif (GAN)

Un réseau antagoniste génératif (Generative Adversarial Network, GAN) se compose de deux réseaux de neurones entraînés l’un contre l’autre : le générateur crée des données artificielles, par exemple des images, et le discriminateur tente de les distinguer des vraies. Cette compétition rend les résultats de plus en plus réalistes. Présentés en 2014, les GAN ont marqué la génération d’images avant l’essor des modèles de diffusion ; ils servent notamment à produire des données d’entraînement synthétiques ou à améliorer des images.

Réseaux de neurones
Génération d’images
+1

Stable Diffusion

Stable Diffusion est une famille de modèles de génération d'images qui créent des visuels à partir d'une description textuelle. La première version est sortie en 2022, développée sous l'égide de Stability AI avec des partenaires de recherche. Techniquement, il s'agit d'un modèle de diffusion latente qui transforme progressivement du bruit en image. Comme les poids du modèle sont publiés, il peut être exécuté et adapté en local ; l'usage commercial des versions récentes est régi par une licence propre à Stability AI (état : octobre 2026).

génération d'images
modèle de diffusion
+1

Benchmarking

En IA, le benchmarking désigne la comparaison systématique de modèles ou de systèmes à partir de tâches et de critères définis. Les benchmarks publics mesurent par exemple les connaissances générales, le raisonnement ou la programmation ; pour un usage concret, ce sont surtout des cas de test issus de votre propre activité qui comptent. On compare généralement exactitude, exhaustivité, temps de réponse et coût. Cela permet de savoir si un modèle plus petit et moins cher suffit pour une tâche.

Comparaison de modèles
Évaluation
+1

Modèle

Reconnaissance d'images

La reconnaissance d'images est un domaine de la vision par ordinateur dans lequel un logiciel identifie ce que montre une image : objets, personnes, texte, logos ou scènes. Elle repose généralement sur des réseaux de neurones entraînés sur de nombreuses images annotées. Les applications vont du contrôle qualité en production au tri de photos de produits, jusqu'à l'aide à l'imagerie médicale. Pour les images de personnes, la protection des données et les biais possibles exigent une attention particulière.

Vision par ordinateur
Analyse d'images
+1