Glossaire du cinéma IA : 24 termes expliqués aux débutants

L’écriture sur le cinéma et l’IA regorge de mots techniques empruntés, souvent employés de façon vague. Ce glossaire définit ceux que vous rencontrerez dans les articles sur le cinéma IA et les images fabriquées par IA, à peu près dans l’ordre où se fabrique un plan généré. Les définitions sont délibérément simples, et chacune se termine par ce qui compte à l’écran.

Le modèle et son apprentissage

Modèle

Un modèle est un système qui transforme une entrée — un prompt, une image, un plan — en une sortie comme un plan généré, une étiquette ou le mot suivant. Dans l’écriture cinématographique, « modèle » désigne généralement l’outil génératif entier, et non un composant à l’intérieur.

Paramètres et poids

Les nombres appris à l’intérieur d’un modèle. L’entraînement les ajuste ; l’inférence les utilise sans les modifier. Quand on dit d’un modèle qu’il est « grand », c’est généralement le nombre de paramètres qui est visé.

Entraînement

Le processus d’ajustement des poids d’un modèle sur des données, généralement en comparant les sorties à des cibles et en déplaçant les poids pour réduire l’erreur. L’entraînement coûte cher et se déroule surtout avant que vous ne touchiez à l’outil.

Inférence

Exécuter un modèle entraîné pour obtenir une sortie. La génération est de l’inférence : aucun apprentissage n’a lieu, et les connaissances du modèle sont figées au point où l’entraînement s’est arrêté.

Prompt

Le texte d’instruction — et parfois l’image — qui conditionne une génération. Un prompt oriente la sortie, mais ce n’est pas du code. Des prompts identiques peuvent produire des résultats différents selon les modèles et les versions.

Token

Une unité de texte qu’un modèle traite, souvent un mot ou une partie de mot. Le nombre de tokens compte parce que les limites de contexte et les coûts se mesurent en tokens.

Modèle multimodal

Un modèle qui traite plus d’un type d’entrée ou de sortie, par exemple du texte plus des images ou de l’audio. La plupart des outils vidéo actuels sont multimodaux au moins en ce sens.

Comment se construit un plan généré

Espace latent

Une représentation numérique compressée d’images ou de vidéos. Les modèles travaillent dans cet espace parce qu’il est plus petit et plus lisse que les pixels bruts, et que les points proches ont tendance à se ressembler. Une « marche latente » consiste à se déplacer entre des points pour produire un changement progressif.

Autoencodeur variationnel (VAE)

Une paire de réseaux qui compriment une image en une représentation latente et la reconstruisent. Dans de nombreux outils d’image, le VAE est la partie qui décode un résultat latent pour le retransformer en pixels.

Modèle de diffusion

Un modèle génératif entraîné à inverser un processus progressif de bruitage : il apprend à retirer le bruit étape par étape jusqu’à ce qu’une image ou un clip apparaisse. L’approche a été exposée dans l’article qui a introduit les modèles de diffusion par débruitage probabiliste.

Étapes d’échantillonnage

Le nombre d’étapes de débruitage qu’un modèle effectue. Plus d’étapes peuvent ajouter du détail, mais elles ajoutent aussi du temps et ne garantissent pas un meilleur résultat.

Graine

Le nombre aléatoire qui lance le bruit. Réutiliser une graine avec le même modèle, les mêmes réglages et le même logiciel peut reproduire une image de près. Changez la version du modèle ou la plateforme, et le résultat peut dériver.

Échelle de guidage

Un réglage qui contrôle la force avec laquelle le modèle suit le prompt, souvent implémenté comme guidage sans classifieur. Des valeurs basses donnent des sorties plus libres et plus surprenantes ; des valeurs très hautes ont tendance à produire des résultats cassants ou sursaturés.

Point de contrôle (checkpoint)

Un fichier sauvegardé de poids de modèle, qui regroupe généralement les composants nécessaires pour exécuter un modèle particulier. Différents checkpoints d’une même famille peuvent avoir l’air et se comporter très différemment.

LoRA

Abréviation de Low-Rank Adaptation : un petit ensemble de matrices entraînables ajoutées à un modèle de base gelé. Elle enseigne un style, un personnage ou un concept avec bien moins de paramètres entraînables qu’un ajustement complet.

Ajustement fin (fine-tuning)

Entraînement supplémentaire d’un modèle préentraîné sur de nouvelles données. Le LoRA est une façon efficace de le faire, et « ajuster » est souvent employé à tort et à travers pour toute adaptation.

ControlNet

Un module complémentaire qui conditionne un modèle de diffusion sur des informations spatiales comme une pose, une carte de profondeur ou une image de contours, afin que la sortie suive une structure précise au lieu d’en inventer une.

Inpainting et outpainting

Remplir ou remplacer une partie d’une image (inpainting), ou l’étendre au-delà de son cadre d’origine (outpainting). Les deux sont courants dans le nettoyage de plans et l’extension de décors.

Fabriquer le mouvement

Interpolation d’images

Synthétiser de nouvelles images entre des images existantes pour augmenter la fréquence d’images ou ralentir un plan. Les anciens outils utilisaient le flux optique ; les plus récents utilisent des modèles appris. L’interpolation peut lisser le mouvement, mais elle ne peut pas retrouver ce qui n’a jamais été filmé.

Cohérence temporelle

La cohérence d’une séquence d’une image à l’autre : visages, vêtements, éclairage et physique. Une mauvaise cohérence temporelle se manifeste par du scintillement, des morphings ou des objets qui changent entre les plans.

La sortie et la preuve

Hallucination

Une sortie plausible mais fausse : un objet qui apparaît de nulle part, une main avec trop de doigts, un texte qui épelle presque quelque chose. Le terme désigne un non-sens confiant, pas un défaut technique à cause unique.

Deepfake

Vidéo ou audio synthétique ou manipulé, généralement le visage ou la voix d’une personne, fabriqué par apprentissage profond. Le mot est souvent employé à la légère pour toute contrefaçon convaincante, mais la définition utile nomme une technique précise et un préjudice précis.

Suréchantillonnage IA (upscaling)

Augmenter la résolution avec un modèle appris. Cela peut affiner un détail réel, mais aussi inventer un détail qui n’a jamais été dans la source, ce qui explique l’attention de l’éthique de la restauration.

C2PA et Content Credentials

C2PA est un standard technique ouvert pour enregistrer l’origine et l’historique des modifications d’un contenu numérique. Content Credentials est le nom grand public de ces métadonnées. C’est une déclaration signée sur la provenance, pas une preuve que le contenu est vrai.

Pourquoi ce vocabulaire compte

Ces termes ne sont pas neutres. Une critique qui dit qu’un plan a été « fait avec l’IA » ne vous apprend presque rien : l’animation dessinée à la main, un modèle de diffusion et un deepfake entrent tous dans l’expression. Connaître le pipeline permet de poser des questions plus précises — quel modèle, entraîné sur quoi, utilisé par qui, monté comment. Ce sont ces questions qui transforment une réaction vague en critique.

Pour un parcours de visionnage à travers les films qui posent les grandes questions, commencez par le guide de visionnage des films sur l’IA. Pour le côté pratique de la vérification d’images synthétiques, voir comment repérer des images générées par IA. Et si vous voulez la mécanique de production plutôt que le vocabulaire, lisez comment fonctionnent les modèles vidéo IA.