L’avènement de l’intelligence artificielle générative a ouvert des horizons insoupçonnés dans de nombreux domaines, de la création artistique à la rédaction de code. Pourtant, un secteur en particulier semble résister avec une obstination quasi comique à la mainmise de l’algorithme : celui de la représentation culinaire. En effet, une déferlante d’images de plats, censées promouvoir restaurants, cafés et marques, inonde nos écrans, mais le résultat est souvent plus proche du cauchemar gastronomique que de l’invitation à la dégustation. Des crevettes-donuts aux sandwichs Reubens d’une texture abyssale, en passant par des nouilles vermiformes ou des pâtisseries aux allures filandreuses, l’IA semble incapable de capturer l’essence même de l’appétit, soulevant des questions fondamentales sur ses limites créatives et sa compréhension du monde réel. Cet article se propose d’explorer les mécanismes sous-jacents à ces échecs récurrents et d’analyser pourquoi, malgré des avancées fulgurantes, la machine peine tant à nous faire saliver.
Les aberrations visuelles : quand l’IA perd le sens du réel
Le principal écueil des images de nourriture générées par IA réside dans leur propension à créer des aberrations visuelles qui défient toute logique culinaire. On observe fréquemment des textures impossibles, où le croquant devient mou, le fondant se transforme en masse informe, ou des éléments comme la crème glacée prennent l’apparence de matériaux de construction, voire d’organes internes peu ragoûtants. Ces distorsions proviennent souvent d’une incapacité des modèles génératifs, tels que les réseaux antagonistes génératifs (GAN) ou les modèles de diffusion, à comprendre les propriétés physiques intrinsèques des aliments. L’IA, entraînée sur des millions d’images, identifie des motifs et des corrélations, mais elle manque de la compréhension sémantique profonde qui permet à un humain de distinguer une tranche de tomate juteuse d’une rondelle de plastique. Elle peut associer des formes et des couleurs à la nourriture, mais sans en saisir la consistance, la température, ou même le processus de cuisson.
De plus, la composition des plats générés est souvent chaotique et dénuée de sens. On voit apparaître des éléments incohérents, comme des nouilles ressemblant à des pâtisseries ou du poulet filandreux sans structure définie. Cette faiblesse est exacerbée par la nature même de l’apprentissage automatique, où l’IA excelle à reproduire des styles ou à compléter des motifs, mais échoue à inférer des règles de base du monde physique. Un humain sait instinctivement qu’un burger doit avoir un pain, une galette, du fromage, des légumes, et que ces éléments doivent être disposés d’une certaine manière pour être reconnaissables et appétissants. L’IA, elle, peut juxtaposer des éléments disparates sans cohérence, créant des « trous » inexplicables, des protubérances étranges, ou des motifs trypophobiques qui repoussent plus qu’ils n’attirent. Ces erreurs soulignent un manque de raisonnement contextuel et de modélisation du monde chez les IA génératives actuelles.
Le défi de la texture et de la consistance dans la synthèse d’images
La texture est un élément fondamental de l’attrait visuel et gustatif d’un plat, et c’est précisément là que les IA génératives rencontrent leurs plus grandes difficultés. Qu’il s’agisse de la brillance d’une sauce, du moelleux d’un gâteau, du croustillant d’une friture ou de la jutosité d’un fruit, la texture est complexe à modéliser car elle implique des interactions avec la lumière, des variations de surface et une perception haptique. Les modèles d’IA ont tendance à aplanir ces nuances, créant des surfaces uniformes et sans vie, ou à l’inverse, à générer des textures exagérées et irréalistes. Par exemple, un poulet rôti peut apparaître trop lisse, dénué de la texture de sa peau croustillante, tandis qu’un plat de pâtes peut présenter des brins désordonnés et agglutinés, sans la fluidité et l’élasticité que l’on attend. Cette incapacité à reproduire fidèlement les micro-détails de surface est un facteur clé de l’aspect « étrange » ou « non comestible » des créations IA.
La consistance des aliments pose un problème similaire. Un liquide doit avoir un certain niveau de viscosité, une purée une certaine densité, et un ingrédient solide une forme définie. L’IA, en revanche, mélange souvent ces propriétés, produisant des substances qui ressemblent à de la boue, à des amas informes ou à des matériaux non identifiables. Le « donuts shrimp » mentionné précédemment est un exemple parfait de cette confusion des consistances, où la texture moelleuse d’un beignet est fusionnée avec la forme et l’aspect d’une crevette, créant un hybride répugnant. Ces erreurs ne sont pas de simples défauts esthétiques ; elles trahissent une incompréhension profonde de la manière dont les éléments se comportent et interagissent dans le monde physique. Pour que l’IA puisse générer des images de nourriture appétissantes, elle devra non seulement apprendre à reproduire des formes et des couleurs, mais aussi à simuler les propriétés physiques et chimiques des aliments.
L’absence de sémantique culinaire et de « bon goût »
Au-delà des aspects purement visuels et texturaux, le problème fondamental réside peut-être dans l’absence de sémantique culinaire chez les IA actuelles. L’IA peut identifier un « burger » comme un ensemble de pixels correspondant à cette catégorie d’images, mais elle ne comprend pas ce qui rend un burger appétissant pour un être humain. Elle n’a pas de notion de « fraîcheur », de « cuisson parfaite », de « garniture équilibrée » ou de « présentation soignée ». Ces concepts sont intrinsèquement liés à l’expérience humaine de la nourriture, à notre culture, à nos souvenirs et à nos attentes sensorielles. Les modèles d’IA, même les plus avancés, opèrent sur des corrélations statistiques et non sur une compréhension conceptuelle. Ils peuvent reproduire des styles photographiques, mais peinent à capturer l’« âme » d’un plat, ce qui le rend désirable. Le manque de « bon goût » artistique, au sens propre comme au figuré, est une limite majeure.
Cette carence sémantique se manifeste également dans l’incapacité de l’IA à gérer les détails fins et les imperfections naturelles qui contribuent au réalisme et à l’attrait d’un plat. Une légère goutte de sauce sur le bord de l’assiette, un grain de poivre visible, la caramélisation inégale d’un rôti – ces éléments, souvent considérés comme des défauts par un algorithme cherchant la perfection géométrique, sont en réalité ce qui donne vie à une image de nourriture. L’IA a tendance à générer des images trop lisses, trop parfaites, ou à l’inverse, à créer des imperfections grossières et non naturelles. Pour surmonter cet obstacle, il faudrait que les modèles intègrent une forme de raisonnement de haut niveau, capable de comprendre les intentions derrière la création culinaire et les nuances de la perception humaine, allant au-delà de la simple reconnaissance de motifs visuels pour atteindre une véritable intelligence contextuelle.
Bilan et perspectives
Le spectacle des images de nourriture générées par IA, souvent grotesque et peu appétissant, met en lumière les limites actuelles des intelligences artificielles génératives face à la complexité du monde réel et de la perception humaine. Si l’IA excelle à manipuler des pixels et à reproduire des styles, elle achoppe sur la sémantique profonde, la compréhension des propriétés physiques des matériaux et la subtilité du « bon goût » culinaire. Les aberrations visuelles, les textures irréalistes et les compositions illogiques ne sont pas de simples erreurs, mais les symptômes d’une intelligence qui, bien qu’impressionnante par sa capacité de synthèse, manque encore cruellement de raisonnement contextuel et de modélisation du monde physique. Pour que l’IA puisse un jour nous faire saliver, elle devra non seulement apprendre à imiter, mais aussi à comprendre ce qui rend un plat désirable, en intégrant des connaissances plus profondes sur la matière, la physique et la culture. En attendant, les chefs et les photographes culinaires peuvent dormir sur leurs deux oreilles, leur art étant encore loin d’être menacé par la machine.
