DALL-E 2 s'ouvre à tous : l'image par IA pour le grand public

Aujourd'hui, 28 septembre 2022, une barrière discrète mais décisive vient de tomber. OpenAI vient de retirer la liste d'attente qui filtrait l'accès à DALL-E 2, son générateur d'images par intelligence artificielle. Jusqu'à ce matin, il fallait s'inscrire, patienter, espérer une invitation. À partir de maintenant, n'importe qui peut créer un compte et, en quelques secondes, transformer une phrase en image inédite. « Écris ce que tu veux voir, la machine le dessine » : l'idée a de quoi fasciner, et elle vient de devenir accessible au plus grand nombre. Cet article raconte ce moment charnière — ce qu'il représente exactement, d'où il vient, ce qu'il met en mouvement, et ce qu'il laisse entrevoir pour les mois à venir.

L'ouverture de DALL-E 2 au public n'est pas un simple communiqué de plus dans le flux des annonces technologiques. Elle marque le passage d'une prouesse de laboratoire à un outil que des millions de personnes vont pouvoir essayer, détourner, adopter. En quelques mois, la génération d'images par texte est sortie des cercles de chercheurs pour entrer dans les conversations, les studios de création, les salles de classe et les fils d'actualité. Comprendre cette bascule, c'est comprendre comment une capacité technique devient un usage de masse — et pourquoi certaines dates, en apparence anodines, redessinent durablement le paysage.

Un mot de méthode avant d'entrer dans le vif. Autour de DALL-E, beaucoup d'affirmations circulent, parfois approximatives. Les dates, chiffres et faits présentés ici s'appuient sur les communications officielles d'OpenAI, sur les articles de recherche publiés par ses équipes et sur la presse technique spécialisée de l'époque. Quand une donnée n'est pas solidement établie, elle est présentée avec la prudence qui convient. C'est la règle de ce média : privilégier ce qui se vérifie, et le dire clairement quand un point reste ouvert.

Ce que c'était : la levée de la liste d'attente

Commençons par le fait lui-même, dans sa précision. Le 28 septembre 2022, OpenAI annonce que DALL-E 2 devient disponible sans liste d'attente. La formulation officielle est directe : le système est désormais ouvert à tous, et il suffit de s'inscrire pour commencer à générer des images. Cette suppression du filtre d'accès concerne la version grand public de l'outil, celle que l'on utilise depuis un navigateur, sans compétence technique particulière.

À ce moment-là, DALL-E 2 n'est déjà plus une inconnue. OpenAI accompagne son annonce de chiffres qui donnent la mesure de l'engouement. Selon l'entreprise, plus de 1,5 million d'utilisateurs créaient alors activement au-delà de 2 millions d'images par jour. La formule employée par OpenAI mérite d'être citée telle quelle, car elle décrit précisément la diversité des publics déjà conquis avant même l'ouverture totale.

Plus de 1,5 million d'utilisateurs créent désormais activement plus de 2 millions d'images par jour avec DALL-E — des artistes aux directeurs de création, en passant par les auteurs et les architectes — avec environ 100 000 utilisateurs qui partagent leurs créations et leurs retours dans notre communauté Discord.

Ces nombres racontent quelque chose d'important. Même sous le régime de la liste d'attente, DALL-E 2 avait déjà séduit un public large et professionnel. L'ouverture du 28 septembre ne créait pas la demande : elle libérait une demande qui existait, en supprimant le dernier obstacle entre l'envie d'essayer et l'essai lui-même.

Un accès encadré par un système de crédits

Ouvrir à tous ne signifiait pas ouvrir sans cadre. L'accès reposait sur un système de crédits, une unité de consommation liée à chaque génération d'image. Les nouveaux inscrits recevaient un lot initial de crédits pour découvrir l'outil, puis une allocation mensuelle plus modeste pour continuer à l'utiliser. Au-delà, il était possible d'acheter des crédits supplémentaires par lots. Selon les modalités communiquées à l'époque, un premier mois donnait droit à cinquante crédits, suivis de quinze crédits alloués chaque mois, avec des lots de cent quinze crédits proposés à quinze dollars pour qui souhaitait aller plus loin. Chaque crédit permettait de générer une série de propositions à partir d'une description, d'éditer une image ou d'en produire des variations.

Ce modèle avait une logique claire. Générer une image mobilise des ressources de calcul réelles ; le système de crédits permettait d'ouvrir largement l'accès tout en régulant l'usage, sans transformer l'outil en service illimité. Pour l'utilisateur ordinaire, curieux d'essayer, l'allocation de départ suffisait à comprendre la puissance de l'outil. Pour le professionnel qui l'intégrait à son flux de travail, les lots supplémentaires offraient une voie simple pour monter en volume.

Une ouverture rendue possible par la sécurité

OpenAI a été explicite sur un point : cette ouverture n'était pas une décision purement commerciale, mais le résultat d'un travail progressif sur les garde-fous du système. L'entreprise expliquait que l'apprentissage tiré de l'usage réel lui avait permis d'améliorer ses dispositifs de protection, rendant possible une disponibilité plus large. Autrement dit, la liste d'attente avait aussi été un sas d'observation, un moyen de comprendre comment les gens se servaient de l'outil avant de l'ouvrir à tous.

Ces derniers mois, nous avons rendu nos filtres plus robustes pour rejeter les tentatives de générer des contenus sexuels, violents ou d'autres contenus qui enfreignent notre politique de contenu, et nous avons construit de nouvelles techniques de détection et de réponse pour arrêter les usages abusifs.

Cette approche par étapes — restreindre d'abord, observer, renforcer les protections, puis élargir — est devenue une signature de la manière dont OpenAI a déployé ses systèmes grand public. On la retrouvera, sous des formes voisines, avec les modèles de conversation qui suivront. Le 28 septembre 2022 n'est pas seulement la date d'une ouverture : c'est aussi celle d'une méthode de déploiement qui allait faire école.

Le contexte : la longue route vers l'image par texte

Pour saisir la portée de cette ouverture, il faut remonter le fil. DALL-E 2 n'est pas né d'une inspiration soudaine. Il est l'aboutissement d'une série de travaux qui, en moins de deux ans, ont fait passer la génération d'images par texte du statut de curiosité expérimentale à celui de technologie mûre. Quatre jalons dessinent cette trajectoire : CLIP, DALL-E premier du nom, GLIDE et enfin DALL-E 2.

Janvier 2021 : DALL-E et CLIP, le double coup d'envoi

Le 5 janvier 2021, OpenAI présente deux systèmes le même jour, et ce n'est pas un hasard. Le premier, DALL-E, est une version à douze milliards de paramètres de son grand modèle de langage GPT-3, entraînée non plus à prédire du texte, mais à produire des images à partir de descriptions. Techniquement, ce premier DALL-E fonctionnait comme un transformeur autorégressif : il générait l'image morceau par morceau, en prédisant une séquence de jetons visuels conditionnés par le texte fourni. Les résultats, souvent surréalistes, montraient une capacité étonnante à combiner des concepts sans rapport — un fauteuil en forme d'avocat, un escargot fait de harpe — et à rendre des idées abstraites en formes plausibles.

Le second système dévoilé ce même jour, CLIP, est moins spectaculaire mais tout aussi fondateur. CLIP, pour Contrastive Language-Image Pre-training, est entraîné sur quelque 400 millions de paires image-texte collectées sur le web. Son principe : apprendre à rapprocher, dans un même espace mathématique, une image et la légende qui la décrit, tout en éloignant les paires qui ne correspondent pas. Le résultat est un modèle capable de mesurer à quel point une image « colle » à une description, sans avoir été spécifiquement entraîné pour une tâche donnée. Ce talent d'alignement entre le langage et le visuel allait devenir la pierre angulaire des générateurs suivants.

DALL-E et CLIP, présentés le même jour de janvier 2021, forment un couple : l'un apprend à fabriquer des images, l'autre à juger si une image correspond bien à un texte. C'est de cette complémentarité que naîtra, un an plus tard, la génération photoréaliste.

Décembre 2021 : GLIDE change de moteur

Le premier DALL-E impressionnait, mais ses images restaient souvent stylisées, parfois floues, loin du photoréalisme. La marche suivante est venue d'un changement de technique. En décembre 2021, les équipes d'OpenAI publient GLIDE, un modèle qui abandonne l'approche autorégressive du premier DALL-E au profit de la diffusion.

Le principe de la diffusion mérite qu'on s'y arrête, car il structure tout ce qui suit. L'idée consiste à partir d'une image de bruit pur — un fourmillement de points aléatoires — puis à la « débruiter » progressivement, étape après étape, jusqu'à faire émerger une image cohérente. Un modèle apprend à inverser ce processus de dégradation : à chaque pas, il devine à quoi ressemblait l'image un cran moins bruitée, en se laissant guider par la description textuelle. C'est un peu comme sculpter dans le brouillard, en retirant peu à peu ce qui n'appartient pas à la forme voulue.

GLIDE ne comptait que 3,5 milliards de paramètres, soit moins d'un tiers du premier DALL-E, et pourtant les évaluateurs humains préféraient ses images. Le message était clair : la diffusion, guidée par le langage, produisait des rendus plus fidèles et plus nets que l'approche précédente, avec un modèle bien plus léger. GLIDE a ainsi servi de banc d'essai décisif, celui qui a validé le moteur sur lequel DALL-E 2 allait être bâti.

Un détail technique de GLIDE mérite d'être signalé, car il éclaire toute la suite. Ses concepteurs ont comparé deux façons d'orienter la génération vers la description fournie. La première s'appuyait sur CLIP pour pousser l'image à mieux coller au texte ; la seconde, appelée guidage sans classifieur, ajustait directement le modèle de diffusion selon qu'on lui donnait ou non la description. C'est cette seconde méthode qui a donné les meilleurs résultats, et elle est devenue depuis un ingrédient standard des générateurs d'images. Architecturalement, GLIDE fabriquait d'abord une petite image de 64 pixels de côté, puis la faisait grandir jusqu'à 256 pixels grâce à un second modèle spécialisé dans l'agrandissement. Cette idée d'une génération en cascade, où l'on part petit avant d'affiner et d'agrandir, structure encore la plupart des systèmes actuels.

Avril 2022 : DALL-E 2 et l'architecture unCLIP

Le 6 avril 2022, OpenAI dévoile DALL-E 2. Le nom souligne la filiation, mais l'architecture n'a plus grand-chose à voir avec celle de son prédécesseur. Le système est décrit dans un article de recherche au titre technique — « Hierarchical Text-Conditional Image Generation with CLIP Latents » — signé par Aditya Ramesh, Prafulla Dhariwal, Alex Nichol, Casey Chu et Mark Chen. L'approche y est baptisée unCLIP, un clin d'œil qui en dit long sur son fonctionnement.

Le raisonnement est le suivant. CLIP sait transformer une image en une représentation numérique compacte, une sorte d'empreinte. unCLIP fait le chemin inverse : à partir d'une empreinte, il reconstruit une image. Concrètement, DALL-E 2 s'articule en deux temps. D'abord, un modèle appelé « prior » convertit la description textuelle en empreinte visuelle, dans l'espace appris par CLIP. Ensuite, un « décodeur », fondé sur la diffusion, transforme cette empreinte en une image véritable. On génère donc d'abord l'idée mathématique de l'image, puis on la donne à voir.

Ce choix architectural apportait deux bénéfices concrets. D'une part, une fidélité et une résolution nettement supérieures : là où le premier DALL-E plafonnait à des vignettes de 256 pixels de côté, DALL-E 2 montait jusqu'à des images de 1024 pixels de côté, produites par une chaîne d'agrandissements successifs partant d'une ébauche de 64 pixels. D'autre part, une souplesse d'édition inédite. Parce que le système travaillait dans l'espace d'empreintes de CLIP, il pouvait produire des variations d'une image existante, en garder l'esprit tout en changeant les détails, ou modifier une zone précise en respectant le reste de la composition.

Le tableau ci-dessous récapitule cette généalogie technique, de la brique fondatrice à l'outil ouvert au public.

Jalon	Date	Nature	Apport clé
DALL-E (1)	5 janvier 2021	Transformeur autorégressif, 12 milliards de paramètres	Première génération d'images par texte grand public
CLIP	5 janvier 2021	Modèle d'alignement image-texte, 400 M de paires	Juger la correspondance entre image et description
GLIDE	Décembre 2021	Modèle de diffusion, 3,5 milliards de paramètres	Passage à la diffusion, rendu plus fidèle
DALL-E 2	6 avril 2022	Architecture unCLIP (prior + décodeur diffusion)	Photoréalisme, résolution 1024 px, édition
Beta DALL-E 2	20 juillet 2022	Phase de test élargie	Invitations à un million de personnes en attente
Ouverture publique	28 septembre 2022	Fin de la liste d'attente	Accès pour tous, sur simple inscription

Juillet 2022 : la beta, dernier palier avant l'ouverture

Entre l'annonce d'avril et l'ouverture de septembre, une étape intermédiaire a joué un rôle clé. Le 20 juillet 2022, DALL-E 2 est entré dans une phase de beta élargie, avec des invitations envoyées à un million de personnes inscrites sur la liste d'attente. C'est à ce moment que le système de crédits a été introduit, et que l'outil a commencé à toucher un public bien plus vaste que le cercle restreint de la recherche.

Cette beta a servi de rampe de lancement. Elle a permis à OpenAI de vérifier à grande échelle la robustesse de ses filtres, la tenue de son infrastructure et la pertinence de son modèle économique, avant de lever le dernier verrou. Fin août 2022, l'entreprise ajoutait même une fonction d'agrandissement de l'image au-delà de son cadre d'origine, l'outpainting, qui permettait de prolonger une composition dans toutes les directions en conservant sa cohérence. Quand l'ouverture totale arrive le 28 septembre, l'outil n'est donc plus un prototype : c'est un produit rodé par plusieurs mois d'usage intensif.

Ce que ça a changé : l'image par texte pour tous

Passons maintenant à l'essentiel : qu'est-ce que cette ouverture a concrètement transformé ? L'effet le plus visible tient en une phrase. Créer une image originale à partir d'une simple description est devenu une capacité à portée de tous, sans logiciel professionnel, sans compétence en dessin, sans connaissance technique. Il suffisait d'écrire.

Une nouvelle grammaire créative : le « prompt »

L'ouverture de DALL-E 2 a popularisé une pratique qui allait devenir centrale dans tout l'écosystème de l'IA générative : l'art de formuler une requête. Écrire une bonne description — préciser le sujet, le style, l'éclairage, l'angle, l'ambiance — s'est révélé être une compétence à part entière. On a vu émerger, presque du jour au lendemain, des communautés entières dédiées à l'échange de formulations, de recettes, d'astuces pour obtenir tel ou tel rendu. Le terme anglais « prompt » est entré dans le vocabulaire courant, et avec lui l'idée qu'écrire pouvait devenir une manière de dessiner.

Cette grammaire nouvelle a démocratisé un geste jusque-là réservé aux illustrateurs et aux graphistes : produire une image sur mesure, adaptée à un besoin précis. Un enseignant pouvait illustrer un cours, un blogueur habiller un article, un game designer esquisser un personnage, un particulier imaginer une carte d'anniversaire. La barrière n'était plus la maîtrise d'un outil, mais l'imagination et la précision du langage.

Des usages créatifs et professionnels qui se multiplient

Les publics évoqués par OpenAI dans son annonce — artistes, directeurs de création, auteurs, architectes — donnent une idée de l'ampleur des usages qui se sont déployés. On peut les regrouper en quelques grandes familles.

• Idéation et prototypage rapide. Avant de mobiliser un studio ou un budget, un créatif pouvait explorer des dizaines de directions visuelles en quelques minutes, pour choisir la plus prometteuse.
• Illustration éditoriale et pédagogique. Blogs, présentations, supports de cours et documents internes ont trouvé une source d'images sur mesure, adaptées à un propos précis.
• Conception et repérage. Architectes et designers ont utilisé l'outil pour visualiser des ambiances, tester des styles, nourrir une réflexion en amont d'un projet.
• Création personnelle et ludique. Une immense partie des usages relevait tout simplement du plaisir d'imaginer et de voir apparaître ce que l'on avait en tête, sans autre objectif que la curiosité.

Ce foisonnement a eu un effet plus profond qu'une simple commodité. Il a modifié le rapport de beaucoup de gens à la création visuelle. L'image cessait d'être quelque chose que l'on cherche ou que l'on commande, pour devenir quelque chose que l'on formule. Ce déplacement — de la recherche à la génération — est l'un des changements durables amorcés par cette période.

Bien plus que générer : éditer

La singularité de DALL-E 2 ne tenait pas seulement à la qualité de ses images, mais à ce qu'il permettait d'en faire ensuite. Grâce à son architecture fondée sur les empreintes de CLIP, l'outil offrait trois gestes d'édition qui ont marqué les esprits. Le premier, les variations, produisait plusieurs déclinaisons d'une image existante, en préservant son esprit tout en modifiant les détails — un moyen d'explorer autour d'une idée déjà trouvée. Le deuxième, l'inpainting, permettait de retoucher une zone précise d'une image en la redécrivant, pendant que le reste de la composition restait intact : effacer un objet, en ajouter un autre, changer un vêtement, tout en conservant l'éclairage et le style d'ensemble.

Le troisième geste, l'outpainting, ajouté fin août 2022, était sans doute le plus spectaculaire. Il prolongeait une image au-delà de son cadre d'origine, dans n'importe quelle direction, en inventant ce qui aurait pu se trouver là. On pouvait ainsi élargir un tableau, révéler l'environnement autour d'un portrait, transformer une vignette en une vaste scène panoramique. Ces fonctions faisaient basculer l'outil d'un simple générateur vers un véritable atelier : on ne se contentait plus de produire une image, on la façonnait, on la corrigeait, on l'étendait. Cette logique d'édition itérative, où l'on part d'un résultat imparfait pour le raffiner pas à pas, préfigurait directement la manière dont on travaillerait avec les générateurs des années suivantes.

Un accélérateur pour tout un secteur

L'ouverture de DALL-E 2 ne s'est pas produite dans le vide. Elle s'inscrivait dans une effervescence collective. La même année, d'autres acteurs poussaient leurs propres générateurs : Midjourney ouvrait sa beta au cours de l'été 2022, et Stable Diffusion, publié en accès ouvert en août 2022, permettait à quiconque de faire tourner un modèle de génération sur sa propre machine. La décision d'OpenAI de lever sa liste d'attente s'inscrit dans ce mouvement d'ensemble, chacun nourrissant l'élan des autres. En l'espace de quelques mois, la génération d'images par texte est en train de passer du statut de nouveauté à celui de catégorie technologique à part entière, avec ses outils concurrents, ses communautés et ses débats.

Il serait pourtant inexact de peindre DALL-E 2 comme un outil parfait. Ses images ont leurs faiblesses bien connues, qu'il faut rappeler honnêtement. Le texte inséré dans une image ressort souvent brouillé, avec des lettres inventées et des mots illisibles. Les mains et les doigts, notoirement difficiles à représenter, prennent parfois des formes improbables. Les scènes complexes, mêlant plusieurs objets aux relations précises, peuvent dérouter le modèle. Et la fidélité à une description détaillée reste perfectible : l'outil saisit l'intention générale mais néglige parfois un élément demandé. Ces limites, loin d'être des accidents, tracent la feuille de route des améliorations que l'on peut espérer. Chacune d'elles constitue un défi qu'il restera à relever.

Car ces débats sont eux aussi une conséquence directe de cette démocratisation. En rendant la création d'images aussi simple, cette ouverture soulève des questions de fond, sérieuses, qui occupent déjà le secteur : la place des artistes dont les œuvres ont nourri les jeux d'entraînement, la question du droit d'auteur sur les images produites, la fidélité des représentations et les biais qu'un modèle peut reproduire, la traçabilité des contenus fabriqués par une machine. OpenAI accompagne d'ailleurs son ouverture d'une politique de contenu et de filtres destinés à limiter les usages abusifs. Ces sujets ne se refermeront pas de sitôt ; tout indique qu'ils s'installeront comme un chantier permanent, indissociable de la puissance nouvelle mise entre les mains du public.

Les perspectives : ce que cette ouverture pourrait mettre en mouvement

Reste une question, la plus ouverte de toutes : que peut annoncer ce 28 septembre 2022 ? Nul ne saurait le prédire avec certitude, mais quelques lignes de force se dessinent déjà, et il est permis d'imaginer où elles pourraient conduire. Avançons donc avec prudence, au conditionnel, en distinguant ce que l'on observe de ce que l'on suppose.

Vers un accès toujours plus simple ?

La première évolution probable concerne la manière même d'accéder à ces outils. Aujourd'hui, l'utilisateur doit apprendre l'art de la formulation exacte : trouver les bons mots, dans le bon ordre, pour obtenir le rendu voulu. On peut raisonnablement supposer que cette barrière, déjà basse, s'abaissera encore. Rien n'interdit d'imaginer des interfaces où l'on décrirait son intention en langage ordinaire, où un assistant traduirait ce souhait en requête détaillée, où l'on pourrait dialoguer avec l'image — « rends le ciel plus intense », « ajoute un personnage à gauche » — et la voir évoluer au fil de l'échange. Ce ne serait que le prolongement naturel de ce que DALL-E 2 permet déjà avec ses variations et ses retouches.

Dans le même temps, l'écosystème devrait continuer de se densifier autour de cette catégorie tout juste née. Les outils ouverts, que chacun peut faire tourner ou adapter, semblent partis pour progresser en parallèle des services propriétaires ; de nouveaux acteurs pourraient apparaître, de nouvelles versions de modèles se succéder à un rythme soutenu. Il est plausible que les usages professionnels se structurent : agences, studios, éditeurs et équipes marketing pourraient intégrer la génération d'images à leurs chaînes de production, avec des exigences croissantes de contrôle, de cohérence de marque et de conformité. La question de la traçabilité, elle aussi, devrait monter en importance, à mesure que se multiplieront les contenus fabriqués par une machine.

Des limites qui appellent des progrès

Les faiblesses actuelles de l'outil tracent, en creux, une feuille de route probable. On sait aujourd'hui que le texte inséré dans une image ressort souvent brouillé, que les mains prennent des formes improbables, que les scènes complexes déroutent parfois le modèle. Il serait étonnant que ces défauts ne fassent pas l'objet d'un effort soutenu. On peut anticiper que les prochaines générations chercheront précisément à écrire un mot lisible dans une image, à mieux respecter une description détaillée, à tenir la cohérence d'une composition d'un bout à l'autre. Chacune de ces limites d'aujourd'hui pourrait devenir un axe d'amélioration de demain.

Quant à l'architecture elle-même, il est difficile de dire quelle forme prendront les systèmes à venir. Peut-être approfondiront-ils la voie de la diffusion inaugurée par GLIDE et DALL-E 2 ; peut-être exploreront-ils des voies encore inédites. Ce qui semble acquis, en revanche, c'est que la génération en cascade, le guidage par le langage et l'édition itérative — retoucher, étendre, décliner — constituent désormais un socle de méthodes sur lequel on continuera vraisemblablement de bâtir.

Nul ne sait à quoi ressembleront les générateurs d'images dans un an ou dans cinq. Mais la direction paraît tracée : rendre la création toujours plus fluide, plus fidèle à l'intention, plus proche du geste naturel de décrire ce que l'on veut voir. DALL-E 2 n'est peut-être qu'une première marche.

Ce que cette ouverture pourrait avoir rendu possible

Si l'on prend un peu de hauteur, l'ouverture de DALL-E 2 pourrait bien s'avérer, avec le temps, un moment fondateur à plusieurs titres. Elle démontre déjà qu'un outil de génération d'images peut rencontrer un public de masse, et pas seulement une niche de passionnés. Les 1,5 million d'utilisateurs de ce mois de septembre sont un signal fort : il existe un appétit immense pour créer des images par le texte, et cet appétit ne demande qu'à grandir.

Elle est aussi en train d'installer un vocabulaire, des pratiques et des attentes qui pourraient structurer durablement le domaine. L'idée de décrire pour créer, la notion de formulation, l'habitude de générer plusieurs variantes et de choisir : tout cela prend forme sous nos yeux. Les outils changeront sans doute, les modèles gagneront en finesse, mais il est probable que la grammaire de base reste celle qui s'esquisse aujourd'hui.

Elle ouvre enfin, en grand, des discussions de fond appelées à accompagner chaque avancée future de l'IA générative : le respect des créateurs et de leurs œuvres, la propriété des contenus produits, la fidélité et l'équité des représentations, la nécessité de savoir distinguer une image de synthèse d'une photographie. Ces questions ne sont pas des scories du progrès ; elles en sont le versant nécessaire, et il y a fort à parier qu'elles s'imposeront comme un chantier permanent, indissociable de la puissance nouvelle que cette ouverture met entre les mains du public.

Une leçon de méthode, au-delà de l'image

Il reste un dernier enseignement, plus discret, dans la manière dont cette ouverture s'est faite. Le passage de la liste d'attente à l'accès public n'a pas été brutal : il a été graduel, adossé à des mois d'observation, de renforcement des protections et de tests à échelle croissante. Cette prudence progressive — restreindre, apprendre, protéger, puis ouvrir — pourrait bien devenir un modèle de déploiement pour les systèmes d'IA grand public à venir. Le 28 septembre 2022 ne se contente peut-être pas de démocratiser l'image par texte : il esquisse une manière responsable de mettre entre les mains du plus grand nombre une technologie encore jeune.

Générer une image à partir d'une phrase relève encore, en ce jour de septembre 2022, de la nouveauté qui étonne. Viendra-t-il un temps où ce geste sera devenu si banal qu'on en oubliera la prouesse ? Ce serait peut-être là le vrai signe d'une réussite : quand une innovation cesse d'émerveiller pour devenir un usage ordinaire. La levée de la liste d'attente de DALL-E 2, ce mercredi de septembre, pourrait bien être l'un des moments où cette bascule commence à se jouer. Un petit changement d'accès, et peut-être un grand changement d'usage.

Sources

• OpenAI — « DALL·E now available without waitlist » (28 septembre 2022)
• TechCrunch — « OpenAI removes the waitlist for DALL-E 2, allowing anyone to sign up » (28 septembre 2022)
• VentureBeat — « OpenAI removes DALL-E waitlist, allowing anyone to sign up, and tests API »
• OpenAI — « DALL·E: Creating images from text » (5 janvier 2021)
• arXiv — Ramesh et al., « Hierarchical Text-Conditional Image Generation with CLIP Latents » (avril 2022)
• arXiv — Nichol et al., « GLIDE: Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models » (décembre 2021)
• OpenAI — « DALL·E 2 pre-training mitigations » et notes produit (2022)
• Wikipedia — « DALL-E » (chronologie et jalons)