Les réseaux neuronaux de DeepNude et leur impact

Qu'est-ce que DeepNude et pourquoi en parle-t-on encore aujourd'hui ?

DeepNude est un programme d'intelligence artificielle qui a fait débat pour sa capacité à créer des versions modifiées de photographies de personnes habillées, faisant apparaître les sujets comme s'ils étaient nus.  Le logiciel a été développé par un programmeur russe connu sous le pseudonyme d'Alberto. L'idée, selon ses déclarations, est née comme une expérience technique inspirée des célèbres "lunettes à rayons X" des publicités des années 60 et 70.  Cependant, DeepNude a été retiré peu après sa sortie, en raison des critiques liées à l'utilisation non consensuelle des images et aux risques éthiques associés à ce type d'intelligence artificielle.

Quelles technologies d'intelligence artificielle rendent DeepNude possible ?

À la base de DeepNude se trouvent deux concepts clés du machine learning : les GAN (Generative Adversarial Networks) et la technologie pix2pix.  Les GAN sont un type de réseau neuronal composé de deux modèles qui travaillent ensemble : un générateur, qui crée des images ; et un discriminateur, qui évalue si l'image générée semble réelle ou non.  Avec le temps, le générateur devient de plus en plus compétent pour produire des images réalistes, tandis que le discriminateur s'améliore dans la reconnaissance des erreurs. C'est un jeu à deux qui amène le réseau à apprendre à créer des images crédibles.  Pix2pix, en revanche, est une technologie de traduction d'image à image. Elle sert à transformer une photo d'un format visuel à un autre — par exemple, de "photo avec des vêtements" à "photo sans vêtements" dans le cas de DeepNude.

Comment l'algorithme de DeepNude a-t-il été entraîné ?

L'algorithme a été entraîné sur plus de 10 000 photographies de femmes nues, recueillies sur Internet.  Ce jeu de données a permis au système d'"apprendre" à quoi ressemblent les différentes parties du corps féminin — peau, formes, proportions et couleurs — dans différentes conditions d'éclairage et dans différentes poses.  Grâce à ces informations, le réseau neuronal a appris à reconnaître les zones couvertes par les vêtements et à les reconstruire numériquement en imaginant ce qu'il y aurait en dessous, en se basant sur les modèles appris.  Il est important de souligner que DeepNude fonctionne presque uniquement sur des images de femmes, car le jeu de données d'entraînement était composé presque exclusivement de photos féminines. Lorsque l'on essaie d'utiliser l'algorithme sur des images masculines, les résultats sont déformés et peu réalistes.

Que fait exactement le réseau neuronal lorsqu'il reçoit une photo ?

Lorsqu'un utilisateur insère une photo d'une personne habillée, le réseau neuronal exécute une série d'étapes automatiques : 1. Reconnaissance des contours corporels. L'algorithme identifie la forme du corps et les zones couvertes par les vêtements. 2. Segmentation de l'image. Il divise la photo en zones : vêtements, peau, arrière-plan et détails. 3. Reconstruction artificielle. Sur la base des données apprises pendant l'entraînement, le réseau génère de nouveaux pixels qui représentent la peau et les détails anatomiques cohérents avec la pose et l'éclairage d'origine. 4. Composition finale. Les nouveaux pixels "remplacent" numériquement les vêtements, créant l'illusion d'un corps nu, tout en ne montrant jamais une photo réelle du sujet.  DeepNude utilise les GAN :

que signifie cela en termes simples ?

Les GAN fonctionnent comme un jeu entre deux intelligences artificielles. L'une (le Générateur) crée des images fausses, tandis que l'autre (le Discriminateur) essaie de comprendre si elles sont vraies ou fausses.  Au début, le générateur produit des images brutes, pleines d'erreurs. Mais, avec des milliers d'itérations, il apprend à imiter de mieux en mieux la réalité.  Ce type d'apprentissage est ce qui permet à DeepNude de créer des images cohérentes et visuellement réalistes, même si elles sont totalement artificielles.  Les GAN sont aujourd'hui utilisées dans de nombreux autres domaines : de la restauration de photos anciennes à la création de personnages virtuels dans les jeux vidéo, en passant par les filtres photographiques sur les réseaux sociaux.

Que signifie que DeepNude utilise la technologie "pix2pix" ?

Pix2pix est un type de modèle d'intelligence artificielle qui transforme une photo en une autre version visuelle de la même image.  Par exemple : elle peut convertir un croquis en un visage réaliste ; ou une carte routière en une image satellite.  Dans le cas de DeepNude, pix2pix est utilisé pour passer de "l'image avec des vêtements" à "l'image sans vêtements", suivant la logique apprise pendant l'entraînement.  Il ne s'agit pas d'une simple "superposition" de niveaux graphiques : le modèle génère de nouveaux pixels en se basant sur les statistiques des données qu'il a étudiées.

Pourquoi DeepNude a-t-il été retiré ?

Après la sortie initiale en 2019, DeepNude a été retiré par son propre créateur.  Les critiques ont été immédiates et fortes : l'application pouvait être utilisée pour créer des images non consensuelles, violant la vie privée et la dignité des personnes.  Le risque était que quiconque puisse télécharger la photo d'une femme habillée et obtenir une version manipulée en quelques secondes.  Le créateur de DeepNude a déclaré qu'il n'avait pas prévu l'utilisation malveillante qui en serait faite et a retiré le projet, expliquant que "le monde n'était pas prêt pour une technologie de ce genre".

Quel est l'impact éthique et social de technologies comme DeepNude ?

DeepNude a soulevé des questions éthiques fondamentales sur la relation entre l'intelligence artificielle, la vie privée et le consentement.  Les mêmes techniques utilisées pour créer des images manipulées sont aujourd'hui employées dans des contextes positifs, comme la médecine, le cinéma ou la restauration numérique. Cependant, sans règles et contrôle, elles peuvent devenir des outils d'abus.  Cela a poussé des gouvernements, des entreprises et des chercheurs à parler d'éthique de l'IA, demandant une plus grande responsabilité dans le développement et l'utilisation de réseaux neuronaux génératifs.

Les technologies comme DeepNude sont-elles encore utilisées aujourd'hui ?

Bien que DeepNude ait été retiré, la technologie sous-jacente — les GAN et les modèles pix2pix — est encore largement utilisée.  Il existe des centaines de projets d'IA générative qui exploitent des principes similaires à des fins légales et créatives : régénérer des photos endommagées, créer des avatars réalistes ou reconstruire des visages à partir d'images partielles.  En même temps, des versions illégales et des clones du logiciel original ont vu le jour, opérant sur le dark web ou sur des canaux privés, souvent avec des finalités nuisibles.

Est-il possible d'utiliser des techniques comme celles de DeepNude de manière éthique ?

Oui, mais avec des limites et des règles claires.  Les mêmes réseaux neuronaux que DeepNude a utilisés pour générer des images peuvent être employés pour reconstruire des visages manquants dans des peintures anciennes, pour recréer des paysages ou pour modéliser des objets en 3D.  Le problème n'est pas la technologie en elle-même, mais l'utilisation qui en est faite.  De nombreuses entreprises d'intelligence artificielle mettent maintenant en œuvre des systèmes de contrôle pour empêcher les manipulations non autorisées d'images de personnes réelles.

Comment les réseaux neuronaux génératifs sont-ils aujourd'hui formés de manière responsable ?

Aujourd'hui, les développeurs cherchent à utiliser des jeux de données éthiques, composés d'images générées artificiellement ou de contenus publiés sous des licences ouvertes.  De plus, des systèmes de filtrage de contenus sensibles et de traçabilité des modèles sont adoptés pour savoir comment et avec quelles données ils ont été formés.  Cette transparence est essentielle pour éviter que des cas comme DeepNude ne se reproduisent et pour maintenir la confiance du public envers l'intelligence artificielle.