a16z Podcast

Pourquoi se contenter d’une image « plate » quand on peut avoir un design modifiable ? C’est la question centrale qui anime Muhammad Naruzi, PDG et fondateur d’Ideogram, alors que son entreprise passe de modèles propriétaires à la publication de poids ouverts (open weights). L’objectif n’est pas seulement de générer des images photoréalistes, mais d’offrir aux créatifs professionnels un contrôle granulaire sur la typographie, la mise en page et le « goût » — cette qualité insaisissable qui empêche l’art généré par IA de ressembler à une boucle générique et répétitive d’une esthétique d’entreprise standardisée.

La percée technique permettant à Ideogram d’obtenir des résultats de pointe avec un modèle remarquablement compact de 9,3 milliards de paramètres — environ neuf fois plus petit que certains concurrents — réside dans son approche des données et du prompting. En utilisant le « prompting JSON », le modèle crée une représentation structurée intermédiaire d’une scène. Au lieu de s’en remettre au hasard avec un prompt textuel vague, le système peut définir des zones de délimitation (bounding boxes) et des placements d’éléments spécifiques. Cette structure permet une cohérence extrême : un designer peut modifier un minuscule détail dans le coin d’une image sans déclencher une régénération complète de toute la scène.

Pour l’avenir, Ideogram s’oriente vers la frontière de l’« éditable », dépassant les pixels statiques pour tendre vers quelque chose de similaire au HTML pour les images. En s’intégrant aux flux de travail agentiques et en se concentrant sur la personnalisation, Naruzi imagine un monde où les artistes peuvent affiner des modèles à partir de seulement 15 à 50 de leurs propres œuvres afin de capturer l’« ADN de marque » unique. Cette transition d’une génération généraliste vers des outils de design spécialisés et haute fidélité vise à faire de l’IA un partenaire productif dans le flux de travail professionnel plutôt qu’un remplacement de l’œil créatif.

Insights Surprenants

• L’efficacité plutôt que l’échelle : Ideogram a atteint des performances de haut niveau avec seulement 9,3 milliards de paramètres, prouvant que l’innovation architecturale et une évaluation ciblée peuvent surpasser la méthode de « force brute » utilisant des centaines de milliards de paramètres.


• Le problème du « goût » : La plupart des modèles de pointe souffrent d’un manque de variété car l’apprentissage par renforcement (RL) intensif les pousse vers un aspect « sûr » et moyen. Ideogram a intentionnellement limité le RL pour maintenir un modèle plus « brut » offrant des styles artistiques plus diversifiés.


• Image-Texte-Image : Pour améliorer la précision, l’équipe utilise une boucle récursive : ils récupèrent des images sur Internet, utilisent l’IA pour générer des descriptions textuelles hautement détaillées (incluant des zones de délimitation), puis entraînent le modèle d’image sur ces descriptions générées par IA.


• Le JSON comme pont : Le modèle ne se contente pas de « voir » un prompt ; il utilise le JSON comme couche intermédiaire pour traduire des idées humaines vagues en une carte structurée que le modèle de diffusion peut exécuter avec précision.

Conseils Pratiques

• Utilisez le prompting structuré : Pour ceux qui utilisent des modèles d’image de haut niveau, s’éloigner des prompts d’un seul mot pour aller vers des descriptions détaillées de la mise en page et du positionnement (en imitant l’approche JSON) donnera des résultats plus cohérents.


• Constituez votre propre ensemble de styles : Les artistes et les marques devraient commencer à constituer un jeu de données propre de 15 à 50 images représentatives de haute qualité. C’est le prérequis de base pour affiner un modèle afin qu’il reconnaisse un « ADN » visuel spécifique.


• Tirez parti des boucles agentiques pour l’idéation : Au lieu de formuler manuellement des prompts pour une image à la fois, utilisez des agents IA pour générer des centaines de directions diverses basées sur un brief de haut niveau, puis utilisez un canevas basé sur une interface utilisateur pour affiner manuellement les meilleures options.


• Priorisez les formats modifiables : Lors de l’implémentation de l’IA dans un flux de travail marketing professionnel, recherchez des outils offrant un contrôle « par calques » ou du texte modifiable plutôt que des JPEG plats, afin d’éviter le goulot d’étranglement des régénérations constantes.