Français
Un chat a autrefois aidé les chercheurs à vérifier que vous étiez humain. Plus tard, un réseau neuronal est devenu célèbre pour avoir appris à réagir aux visages de chats. Aujourd’hui, les chats sont des sujets familiers des générateurs d’images. Ce sont trois chapitres réels de l’histoire de l’informatique. Ils ne prouvent pas, à eux seuls, que tous les modèles d’images dessinent mieux les chats que les chiens.
L’histoire intéressante est celle de la transformation des photographies félines en matériau de recherche utile, et de ce que ce parcours nous apprend réellement sur les données d’entraînement.
Quand les photos de refuges sont devenues un CAPTCHA
En 2007, des chercheurs de Microsoft ont décrit Asirra, un CAPTCHA demandant d’identifier les chats dans une grille de douze photographies d’animaux. Petfinder donnait accès à une collection de plus de trois millions d’images de chats et de chiens. Les bénévoles des refuges avaient déjà classé ces animaux pour les annonces d’adoption.
Les études d’utilisateurs rapportées ont montré que les personnes pouvaient résoudre le défi dans 99,6 % des cas en moins de trente secondes. Un lien d’adoption sous chaque photographie reliait l’expérience de sécurité à la mission initiale de Petfinder. Les chats aidaient à protéger un site tout en continuant à chercher un foyer.
Asirra illustre bien l’apparition d’étiquettes utiles à partir d’une activité extérieure à l’apprentissage automatique. Ce n’est pas l’origine de toutes les données d’entraînement sur les chats. L’article n’établit pas non plus que ces photographies ont ensuite intégré un générateur d’images commercial particulier.
Un jeu de référence n’est pas un recensement d’Internet
Le jeu de données CIFAR-10 contient 60 000 petites images en couleur réparties également entre dix classes. Chat et chien sont des classes distinctes de 6 000 images chacune. Dans ce jeu de référence, aucune des deux espèces ne possède d’avantage numérique.
Cela compte, car les catégories d’un jeu de données reflètent la tâche que ses créateurs voulaient étudier. Une collection destinée à distinguer les races pose une autre question qu’une collection visant à distinguer les chats des voitures. Compter les noms de catégories ne permet pas de classer fiablement la capacité d’un générateur moderne à dessiner un animal.
Le réseau qui a appris à détecter des visages de chats
Dans les recherches associées à la célèbre expérience Google Brain de 2012, Quoc Le et ses collègues ont entraîné un grand réseau neuronal sur dix millions d’images Internet non étiquetées. Leur article rapporte des unités sensibles aux visages humains, aux visages de chats et aux corps humains.
Le résultat important était l’émergence de caractéristiques visuelles utiles sans étiquettes d’entraînement désignant ces concepts. Une unité réactive ne signifiait pas que le réseau comprenait ce qu’était un animal de compagnie, et l’expérience ne comparait pas la génération d’images de chats et de chiens.
Il est tentant de transformer ce détecteur de chats en verdict sur Internet tout entier. L’étude étaye une conclusion plus restreinte : des structures visuelles récurrentes peuvent être apprises à partir d’exemples non étiquetés. C’est déjà un résultat remarquable sans rendre le chat responsable de tout ce qui a suivi.
Ce qu’ajoutent les collections d’images à l’échelle du Web
LAION-5B, présenté en 2022, a rassemblé environ 5,85 milliards de paires image-texte à partir de données Web et d’un filtrage automatisé. Il appartient à une autre étape de cette histoire : apprendre les relations entre images et langage à une échelle immense. LAION a ensuite publié une version révisée du jeu de données en 2024.
Ces collections reflètent les contenus accessibles à leur processus de collecte. Elles ne doivent pas être traitées comme des enquêtes représentatives sur les animaux, les personnes ou la vie quotidienne. Mais une observation générale sur les biais des données ne prouve pas une affirmation précise selon laquelle les légendes de chats seraient plus cohérentes que celles de chiens. Il faudrait une véritable comparaison pour cela.
Alors, les générateurs sont-ils particulièrement doués pour les chats ?
Les sources ci-dessus n’établissent pas ce classement. Une réponse convaincante nommerait les modèles et leurs versions, utiliserait des consignes comparables, examinerait assez de résultats et définirait la réussite : anatomie, fidélité à la race, pose demandée ou attrait esthétique.
Pour une image destinée à être publiée, inspectez le résultat plutôt que de vous fier au caractère familier du sujet. Comptez les pattes. Suivez la queue. Vérifiez que les oreilles, les moustaches et les yeux appartiennent au même animal. Une vignette charmante peut encore cacher une erreur de structure.
Notre guide de l’ingénierie des prompts (en anglais) explore la manière de décrire un résultat souhaité. Pour le versant culturel, l’histoire des mèmes de chats (en anglais) pose une autre question : pourquoi les gens continuent à choisir les chats comme contenus à partager.
L’histoire documentée n’a pas besoin de palmarès imaginaire. Les chats ont servi de dossiers d’adoption, d’énigmes de sécurité, de catégories de référence et d’exemples de caractéristiques visuelles apprises. Une sacrée carrière informatique pour un animal qui préférerait dormir sur le clavier.
Traduction française de l’article original en anglais du 2026-09-10. Traduction réalisée avec l’aide de l’IA le 1 novembre 2026 ; les références temporelles restent celles de l’original.
