Une IA générative d'images transforme une phrase (le prompt) en une image. Le principe dominant aujourd'hui s'appelle le modèle de diffusion (diffusion model), et il est plus simple qu'il n'y paraît. Pendant l'entraînement, on montre au modèle des millions d'images auxquelles on ajoute progressivement du bruit (une « neige » aléatoire) jusqu'à les rendre méconnaissables, et on lui apprend à faire le chemin inverse : retirer le bruit étape par étape pour retrouver une image nette. Une fois entraîné, il sait donc partir d'un pur bruit aléatoire et le « débruiter » jusqu'à faire apparaître une image.

Reste à savoir quelle image faire apparaître : c'est le rôle du prompt. Votre texte est converti en une représentation mathématique (des embeddings) qui guide le débruitage à chaque étape, pour que le résultat corresponde à votre description. C'est pour cela que la formulation compte tant (section 1.2) : le modèle ne « comprend » pas au sens humain, il oriente une génération vers ce qui, statistiquement, ressemble à votre description. Deux conséquences pratiques à retenir. D'abord, le résultat est probabiliste : deux générations avec le même prompt donnent des images différentes (sauf à figer le hasard avec un seed, section 2.2). Ensuite, l'IA ne copie pas des images existantes : elle produit une image nouvelle à partir de régularités apprises — ce qui n'évacue pas pour autant les questions juridiques et éthiques (section 0.4). Comprendre ce fonctionnement évite deux erreurs de débutant : croire qu'un prompt « magique » existe, et s'étonner de la variabilité des résultats.