Halcyon entraîne des générateurs d'images sans passer par le langage préappris
— IMAGE
Radical Numerics publie Halcyon, une famille de modèles image-texte entraînés depuis zéro, sans modèle de langage préentraîné en amont. Le laboratoire annonce un budget de calcul jusqu'à 275 fois inférieur sur cette étape, tout en battant des architectures de référence sur plusieurs tests de qualité.
Depuis des années, la quasi-totalité des générateurs d'images s'appuient sur un modèle de langage déjà entraîné pour comprendre les instructions avant même de produire une seule image. Radical Numerics vient de montrer que cette étape, considérée comme acquise, peut sauter entièrement. Sa famille de modèles Halcyon apprend le texte et l'image en même temps, dès le départ, sur cent millions de paires de descriptions et d'images.
Ce sujet ne parle à aucun directeur artistique ni à aucun motion designer dans l'immédiat : il n'y a ici ni interface, ni plugin, ni service à tester demain matin. Les concernés sont les équipes qui conçoivent les futurs générateurs d'images, celles qui décident combien de calcul et d'argent engager avant même de sortir un premier prototype. Et ce choix d'architecture a des conséquences directes sur ce que coûte, et donc sur ce que vaut, un futur outil texte-image.
Le chiffre qui frappe dans les comparaisons publiées est un rapport de 275 fois moins de calcul consacré à cette phase de préentraînement, face à une architecture concurrente qui s'appuie elle sur un modèle de langage massif. Ce facteur concerne la construction du modèle, pas la vitesse à laquelle il génère une image une fois en service : la nuance compte, elle évite de transformer une économie de recherche en promesse de rapidité commerciale.
Les résultats restent cantonnés à des images de petite définition et à un protocole de laboratoire strictement contrôlé, loin des standards affichés par les systèmes haute définition déjà disponibles sur le marché. Rien ne garantit que l'écart se maintienne à cette échelle. Mais l'idée que le langage préentraîné serait indispensable pour générer de bonnes images en prend un coup sérieux, et c'est une remise en cause de coût, pas seulement de méthode.
Si cette piste se confirme à plus haute résolution, elle pourrait abaisser la barrière d'entrée pour construire un générateur d'images performant, et ouvrir la porte à davantage d'acteurs capables d'en sortir un. Les outils que les créatifs utiliseront dans un an se décident souvent sur ce genre de ligne de budget, bien avant qu'une interface n'apparaisse.