📖 Définition

Les réseaux antagonistes génératifs (GAN) sont une architecture composée de deux réseaux de neurones en compétition : un générateur qui crée des données synthétiques, et un discriminateur qui tente de distinguer le vrai du faux. Le générateur s'améliore en essayant de tromper le discriminateur, créant une boucle d'amélioration mutuelle. Au fil de l'entraînement, le générateur produit des données de plus en plus réalistes. Bien que partiellement supplantés par les modèles de diffusion, les GAN restent influents.

💬 En termes simples

Imaginez un faussaire et un enquêteur de la Sûreté du Québec dans un duel perpétuel : le faussaire perfectionne ses faux billets, tandis que l'enquêteur aiguise son œil. À force de compétition, le faussaire produit des copies quasi indétectables.

🎯 Exemple concret

En 2026, un studio d'effets visuels de Montréal utilise des GAN pour générer des environnements photoréalistes de villes québécoises historiques dans un film d'époque. Une entreprise de mode emploie un GAN pour créer des milliers de variations de motifs textiles. Un centre de recherche en santé entraîne un GAN pour générer des images médicales synthétiques sans compromettre la vie privée des patients.

💡 Le saviez-vous ?

Les GAN ont été inventés en 2014 par Ian Goodfellow, qui aurait eu l'idée lors d'une discussion dans un bar de Montréal alors qu'il était chercheur à l'Université de Montréal, faisant du Québec un lieu de naissance symbolique de cette technologie. Le terme « deepfake » provient directement de l'application des GAN à la manipulation de visages.

Navigation

Ressources

Pages