Upscaling d'images par IA
L'upscaling d'images par IA (agrandissement ou super-résolution) utilise un réseau de neurones pour agrandir une image et y ajouter des détails plausibles, si bien que le résultat paraît plus net qu'avec un simple redimensionnement.
Aussi appelé : super-resolution, AI upscaler, image upscaler, image enhancer
Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode
Un redimensionnement ordinaire étire les pixels existants, ce qui rend une petite image floue ou pixelisée. Un upscaler IA a appris, à partir de nombreuses paires d'images en basse et haute résolution, à quoi ressemblent généralement les détails fins, et il les peint au fur et à mesure qu'il agrandit.
Comment ça marche
Real-ESRGAN est un exemple ouvert très utilisé. Ses auteurs l'ont entraîné uniquement sur des données synthétiques : ils ont pris des images propres et les ont dégradées par du flou, du bruit, du redimensionnement et de la compression pour imiter les dégâts du monde réel, puis ont appris au modèle à inverser ces dégradations. Les upscalers plus récents utilisent souvent un modèle de diffusion, qui peut inventer davantage de détails mais risque aussi de modifier davantage le contenu.
Où vous le croisez
L'upscaling est une dernière étape courante après une génération texte vers image, car les images générées sont souvent trop petites pour l'impression. Il sert aussi pour les vieilles photos, les photos de produits et les images de vidéo. Upscayl fait tourner des modèles de type Real-ESRGAN sur votre propre ordinateur, et Magnific est une option hébergée.
Limites
Le détail ajouté est une supposition, pas une information récupérée. Un upscaler peut affiner un visage jusqu'à le faire ressembler légèrement à quelqu'un d'autre, ou transformer du texte en charabia convaincant. Ne vous fiez pas aux images agrandies comme preuves ni pour lire des petits caractères.
Termes liés
- Text-to-image
- Le text-to-image (texte vers image) consiste à générer une nouvelle image à partir d'une description écrite, appelée prompt. La plupart des modèles text-to-image actuels sont des modèles de diffusion conditionnés par le texte.
- Modèle de diffusion
- Un modèle de diffusion est un modèle génératif qui apprend à transformer du bruit aléatoire en données, comme une image, en retirant un peu de bruit à la fois sur de nombreuses étapes.
- Image vers image
- L'image vers image (image-to-image) est la tâche qui consiste à générer une nouvelle image à partir d'une image existante et d'un prompt, en conservant une partie de la structure de l'original tout en changeant le style, les détails ou le contenu.
- Inpainting et outpainting
- L'inpainting consiste à remplir une zone masquée d'une image avec un nouveau contenu généré qui s'accorde au reste de l'image. L'outpainting applique la même idée au-delà des bords, en prolongeant l'image hors de son cadre.