Glossaire

Réseau antagoniste génératif (GAN)

Qu’est-ce que 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.

Thèmes

Réseaux de neurones
Génération d’images
Apprentissage profond

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

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.

Génération d’images
Métrique d’évaluation
+1

Deepfake

Un deepfake est une image, une vidéo ou un audio créé ou modifié par l'IA qui montre de façon trompeuse des personnes réelles disant ou faisant des choses jamais survenues. Outre des usages légitimes au cinéma ou dans le doublage, les deepfakes servent à la désinformation, à nuire à la réputation et à la fraude – par exemple le faux appel d'un supérieur exigeant un virement. Pour vous protéger : rappel via des canaux connus, validations claires et signalement des contenus générés par l'IA.

désinformation
fraude
+1

Données synthétiques

Les données synthétiques sont générées artificiellement au lieu d'être collectées dans le monde réel, tout en reproduisant leurs régularités et propriétés. Elles sont utiles lorsque les données réelles sont rares, coûteuses ou sensibles au regard de la protection des données, par exemple pour tester un logiciel, entraîner des modèles ou éprouver un chatbot avec des demandes réalistes. Veillez à ce qu'elles reflètent suffisamment la réalité et ne permettent pas d'identifier de vraies personnes.

données de test
protection des données
+1

Modèle

IA générative

L’IA générative désigne les systèmes d’IA qui créent de nouveaux contenus – textes, images, audio, vidéo ou code – au lieu de seulement classer ou évaluer des données existantes. Elle repose sur des modèles qui apprennent des régularités dans de grandes masses de données pour produire des résultats nouveaux et plausibles. En entreprise, elle sert par exemple à rédiger des brouillons d’e-mails, des résumés, des fiches produits ou des pistes visuelles. Les résultats peuvent comporter des erreurs et doivent être vérifiés.

Notion de base
Création de contenu
+1