Un exemple d’images générées à l’aide du nouveau modèle d’IA SD3.5-Flash en quatre étapes.(Crédit photo : Université de Surrey)
Des chercheurs ont mis au point un générateur d’images basé sur l’IA qui produit des images en seulement quatre étapes, au lieu de plusieurs dizaines. Cette technologie pourrait permettre la génération rapide et confidentielle d’images directement sur les appareils grand public.
Les générateurs d’images par intelligence artificielle (IA) sont de plus en plus performants et reposent généralement sur des modèles de langage complexes (LLM) exécutés dans le cloud. Cependant, des chercheurs affirment avoir mis au point un nouveau système capable de générer des images de haute qualité en nécessitant environ dix fois moins d’étapes de traitement.
Le résultat est une IA suffisamment rapide et efficace pour fonctionner localement sur les téléphones et les ordinateurs portables, tout en étant plus sûre et plus respectueuse de l’environnement que l’IA fonctionnant sur des centres de données énergivores.
Cette technologie, appelée Stable Diffusion 3.5 Flash (SD3.5-Flash), a été développée grâce à une collaboration entre des chercheurs de l’Institut pour l’IA centrée sur les personnes de l’Université de Surrey et la société Stability AI.
Ils ont décrit le fonctionnement de ce nouveau modèle dans une étude mise en ligne le 25 septembre 2025 sur la base de données de prépublication arXiv. Le 4 mars, Lenovo a annoncé avoir acquis la licence de ce modèle pour l’intégrer à sa future plateforme d’IA embarquée. Ce système sera donc bientôt disponible dans les prochains smartphones, tablettes et ordinateurs portables.
L’objectif est simple mais ambitieux : rendre l’intelligence artificielle générative puissante accessible depuis les centres de données distants jusqu’aux appareils que les gens utilisent au quotidien. Cela aura des répercussions non seulement sur l’environnement et la protection de la vie privée, mais pourrait aussi accélérer considérablement la génération d’images par l’IA.
Pourquoi la plupart des générateurs d’images IA sont lents
La plupart des systèmes modernes de conversion de texte en image reposent sur une technique appelée diffusion. Ces modèles d’IA partent d’un bruit aléatoire – essentiellement une grille de pixels remplie de valeurs aléatoires – et l’affinent progressivement pour former une image, au cours d’une longue séquence d’étapes.
Ce processus nécessite généralement entre 30 et 50 itérations pour produire une image finale, chaque étape exigeant une puissance de calcul considérable. C’est pourquoi de nombreux outils populaires de génération d’images par IA fonctionnent sur de vastes clusters de processeurs graphiques (GPU) hébergés sur des serveurs distants via le cloud, plutôt que localement sur un téléphone ou un ordinateur portable.
Cette architecture est performante pour la production d’images de haute qualité, mais elle présente aussi des limitations pratiques. Les modèles sont plus lents et énergivores , et ils doivent envoyer des requêtes ou des images à des serveurs distants avant d’attendre une réponse.
Dans cette nouvelle étude, les scientifiques se sont attachés à résoudre ce problème. SD3.5-Flash raccourcit considérablement le processus de génération. Au lieu de dizaines d’itérations, le modèle peut produire une image en seulement quatre étapes de traitement, ont-ils indiqué.
On y parvient en comprimant le processus de diffusion pour le rendre plus efficace tout en préservant la qualité de l’image. En substance, le système apprend à « sauter » dans le processus de réglage fin par grands bonds plutôt que de progresser étape par étape. Selon l’étude, le principal défi technique consiste toutefois à maintenir la qualité visuelle tout en réduisant le nombre d’étapes.
« Notre modèle SD3.5-Flash permet aux utilisateurs de créer des images à partir de descriptions textuelles directement sur leur appareil, sans qu’aucune donnée ne quitte le matériel », a déclaré Hmrishav Bandyopadhyay , doctorant à l’Université de Surrey et concepteur du modèle lors d’un stage chez Stability AI. « Atteindre ce niveau d’efficacité représente un véritable défi technique, car cela implique de compresser un modèle de diffusion pour qu’il s’exécute en quelques étapes seulement, tout en préservant la qualité. »
La réduction du nombre d’étapes d’inférence signifie que le modèle nécessite beaucoup moins de ressources de calcul, ce qui le rend possible à exécuter sur du matériel grand public.
Plus de confidentialité, de rapidité et de durabilité de l’IA
L’exécution locale de l’IA générative plutôt que dans le cloud pourrait présenter plusieurs avantages. Le premier concerne la confidentialité : si un modèle d’IA s’exécute entièrement sur un appareil, les requêtes et les images générées n’ont pas besoin d’être envoyées à des serveurs distants, ce qui réduit les risques de divulgation, d’interception ou d’utilisation abusive des données.
Le second avantage est la vitesse : avec moins d’étapes de traitement et aucune latence réseau, la génération d’images pourrait devenir quasi instantanée.
Enfin, il y a l’aspect environnemental. Les grands modèles d’IA dans le cloud consomment une quantité considérable d’énergie et d’eau pour l’exploitation des centres de données, tandis que les modèles légers exécutés localement peuvent réduire considérablement ces besoins.
Les centres d’IA consomment beaucoup d’énergie pour fonctionner.
Yi-Zhe Song , directeur du SketchX Lab de l’Université de Surrey, a déclaré que l’objectif plus large est de rendre l’IA plus accessible et pratique : « SD3.5-Flash met un outil créatif puissant directement entre les mains des utilisateurs tout en préservant la confidentialité de leurs données et en réduisant les besoins énergétiques associés au traitement dans le cloud. »
Dans cette étude, l’équipe a comparé SD3.5-Flash aux chaînes de traitement de diffusion traditionnelles afin de déterminer si la réduction drastique du nombre d’étapes de traitement influençait la qualité des images. Le système a été évalué à l’aide de critères d’évaluation standard pour les modèles génératifs, notamment la fidélité de l’image et la concordance entre les résultats et les consignes textuelles. Ces indicateurs sont couramment utilisés en recherche sur l’apprentissage automatique pour comparer différentes approches de génération d’images.
Des tests effectués sur des bancs d’essai standard de génération d’images ont révélé que le modèle pouvait fournir des résultats similaires aux systèmes de diffusion traditionnels, malgré la réduction du nombre d’étapes de traitement d’environ 30 à 50 à seulement quatre.
Plus remarquable encore, cette technologie se dirige déjà vers des produits concrets. Lenovo a acquis la licence de ce modèle pour l’intégrer à sa future plateforme d’intelligence ambiante personnelle , Qira, qui vise à mettre les capacités de l’IA directement à la disposition des utilisateurs sur leurs appareils.
Cela pourrait permettre des fonctionnalités telles que la génération d’images par IA sur ordinateurs portables, tablettes et smartphones, sans connexion Internet. En mars, l’entreprise a présenté sa première gamme d’appareils compatibles avec Qira , dont de nouveaux prototypes, laissant présager que l’intégration de ce nouveau système d’IA dans les ordinateurs portables, tablettes et smartphones ne devrait plus tarder.
Si elle aboutit, cette initiative marquerait un tournant majeur dans le déploiement de l’IA générative. Au lieu de s’appuyer sur une infrastructure centralisée, les futurs outils d’IA pourraient fonctionner de plus en plus localement, en périphérie du réseau, directement intégrés aux appareils du quotidien. Les chercheurs y voient une composante d’une démarche plus globale visant à rendre l’IA générative plus efficace et plus pratique.
La compression de modèles volumineux sans perte de qualité reste un domaine de recherche actif, mais la technologie SD3.5-Flash laisse entrevoir un rapprochement rapide entre les systèmes d’IA puissants et le matériel grand public. Si des entreprises comme Lenovo concrétisent leurs projets d’intégration, la prochaine génération d’outils de création basés sur l’IA pourrait bien se trouver non pas dans le cloud, mais dans nos poches.
