L'IA générative est la branche de l'intelligence artificielle qui consiste à produire de nouveaux contenus : textes, images, audio, vidéos, code ou actifs 3D. Là où un classifieur mappe une entrée vers une étiquette, un modèle génératif apprend la distribution de ses données d'entraînement suffisamment bien pour en échantillonner de nouveaux exemples. Le terme est devenu courant lors de l'essor de l'IA qui a suivi le lancement de ChatGPT en novembre 2022, et en 2024, il désignait une catégorie de produits et une vague d'investissements à part entière.
Fondements techniques
L'IA générative moderne repose sur un petit ensemble de familles de modèles. Les modèles autorégressifs tels que les grands modèles de langage génèrent des séquences un jeton à la fois et alimentent les assistants conversationnels et la génération de code. Les modèles de diffusion dominent la synthèse d'images et de vidéos, en apprenant à inverser un processus progressif de bruitage. Les approches antérieures incluent le réseau antagoniste génératif (2014), qui a conduit la première vague de synthèse photoréaliste et de deepfakes, ainsi que l'autoencodeur variationnel. Presque tous les systèmes actuels sont construits sur l'architecture Transformer (architecture) et entraînés avec un apprentissage auto-supervisé sur des données d'entraînement à l'échelle du web.
Modalités
La génération de texte est la forme la plus largement déployée, via des assistants comme ChatGPT, Claude, Gemini, Microsoft Copilot, DeepSeek, Doubao, Grok, Kimi et Qwen. Les systèmes texte-vers-image tels que DALL-E, Firefly, Stable Diffusion et Midjourney ont apporté la génération à l'art visuel en 2022 ; le texte-vers-vidéo a suivi à partir de 2024 avec Sora, Veo et LTX. D'autres modalités actives incluent la synthèse vocale, la génération musicale et la génération 3D.
Impact et débat
L'IA générative a remodelé le développement logiciel grâce aux assistants de codage IA, au marketing, au design et à l'éducation, tout en soulevant des litiges sur le droit d'auteur dans les données d'entraînement, la perte d'emplois dans les industries créatives, la désinformation et le contenu synthétique de faible qualité à grande échelle, parfois appelé déchets d'IA. Des critiques, comme les auteurs de l'article sur le perroquet stochastique, remettent en question si une génération fluide reflète une compréhension. Les partisans soutiennent que la technologie augmente plutôt qu'elle ne remplace la créativité humaine, un débat qui reste non résolu.
Développements récents
À la mi-2025, les entreprises abandonnaient de plus en plus les projets pilotes d'IA générative en raison de difficultés d'intégration, de problèmes de qualité des données et de retours sur investissement non atteints, ce qui a conduit les analystes de Gartner et The Economist à caractériser la période comme entrant dans la phase de « creux de la désillusion » du cycle de hype de Gartner. Dans une enquête d'octobre 2025 de la Réserve fédérale, un travailleur américain sur quatre a déclaré utiliser l'IA générative au travail au cours du mois précédent. Une enquête de 2024 de l'application de médias sociaux Just So Soul a rapporté que 18 % des répondants nés après 2000 utilisaient l'IA générative « presque tous les jours », et que plus de 60 % des répondants aimaient ou adoraient le contenu généré par IA (AIGC), tandis que moins de 3 % ne l'aimaient pas ou le détestaient. Dans une enquête de 2024 d'Ipsos, les pays d'Asie-Pacifique étaient nettement plus optimistes que les sociétés occidentales concernant l'IA générative, avec 68 % des répondants d'Asie-Pacifique croyant que l'IA avait un impact positif sur le monde, contre 57 % au niveau mondial. Un rapport de l'ONU a indiqué que les entités chinoises avaient déposé plus de 38 000 brevets d'IA générative de 2014 à 2023, plus que tout autre pays.