La génération d'image, excessivement consommatrice ;
c'est consommateur parce que sous le capot, c'est une génération répété. Le fonctionnement est assez simple, tu prends une image au pif (genre tas de pixel), tu analyses ça via une IA qui va faire de la reconnaissance d'image (exemple, "est ce une photo de chat"), qui te donne un pourcentage ("c'est une photo de chat à 2%"), l'algo modifies ton image (je suppose un truc dans le même esprit que du gradiant descent, mais j'ai pas le détail, ça s'appelle un "diffusion model" en essayant d'augmenter ce pourcentage, et ça recommences jusqu'à avoir un résultat, cad une image qui corresponds à ce que tu as demandé, ou le modèle dit "oui, il y a un chat à 100%".
C'est relativement différent du fonctionnement d'un LLM sur du texte, qui va "juste" faire de l'auto complétion sur le prompt que tu donnes (et sur ce qui est fourni par le logiciel à coté), en regardant les réponses statistiques donnés par des humains, obtenu via la phase d’entraînement sur un corpus gigantesque.
Et donc clairement, c'est parce qu'il y a beaucoup plus de calcul que ça consomme plus. Aussi bien parce qu'une image, c'est vu pixel par pixel parle réseau de neurone (donc une premiére boucle), mais aussi parce qu'il y a une autre boucle au cœur de l'algo,et sans doute pas de cache possible.
[^] # Re: comparaison avec un moteur de recherche
Posté par Misc (site web personnel) . En réponse au lien Combien d’énergie consomme vraiment l’IA ? La réponse en infographies. Évalué à 4 (+1/-0). Dernière modification le 05 juin 2026 à 09:21.
c'est consommateur parce que sous le capot, c'est une génération répété. Le fonctionnement est assez simple, tu prends une image au pif (genre tas de pixel), tu analyses ça via une IA qui va faire de la reconnaissance d'image (exemple, "est ce une photo de chat"), qui te donne un pourcentage ("c'est une photo de chat à 2%"), l'algo modifies ton image (je suppose un truc dans le même esprit que du gradiant descent, mais j'ai pas le détail, ça s'appelle un "diffusion model" en essayant d'augmenter ce pourcentage, et ça recommences jusqu'à avoir un résultat, cad une image qui corresponds à ce que tu as demandé, ou le modèle dit "oui, il y a un chat à 100%".
C'est relativement différent du fonctionnement d'un LLM sur du texte, qui va "juste" faire de l'auto complétion sur le prompt que tu donnes (et sur ce qui est fourni par le logiciel à coté), en regardant les réponses statistiques donnés par des humains, obtenu via la phase d’entraînement sur un corpus gigantesque.
Et donc clairement, c'est parce qu'il y a beaucoup plus de calcul que ça consomme plus. Aussi bien parce qu'une image, c'est vu pixel par pixel parle réseau de neurone (donc une premiére boucle), mais aussi parce qu'il y a une autre boucle au cœur de l'algo,et sans doute pas de cache possible.