De NeuralReshaper aux nouvelles silhouettes créées par l’IA

NeuralReshaper a marqué le point de départ d’une mutation technique majeure, faisant passer l’intelligence artificielle de la simple retouche de pixels à la manipulation anatomique structurelle profonde. 

Les méthodes traditionnelles de modification corporelle reposaient sur des déformations de l’image en deux dimensions. NeuralReshaper, lui, a introduit une compréhension géométrique du corps humain au sein des réseaux de neurones. Au fil des années, ce changement de paradigme s’est progressivement stabilisé. Cette évolution s’est concrétisée par l’émergence de modèles intégrant une représentation interne du monde physique, souvent qualifiés de « modèles de monde ». Ces approches permettent de traiter le corps non plus uniquement comme une surface plane, mais comme une entité volumétrique cohérente. Cette cohérence est maintenue même lorsque la volumétrie reste partiellement implicite.

Qu’est-ce que NeuralReshaper et qu’a-t-il changé ?

Avant 2022, retoucher un corps sur une photo était un exercice périlleux.Pour affiner une silhouette, on « poussait » les pixels. Ce qui finissait inévitablement par tordre les lignes du décor derrière le sujet. NeuralReshaper est arrivé comme le patient zéro d’une révolution. Il a introduit une modélisation explicite de la structure corporelle humaine au cœur du processus de retouche.

L’innovation majeure de cet outil repose sur une architecture baptisée Fit-then-Reshape (ajuster puis remodeler). Au lieu de voir l’image comme une simple surface de couleurs, l’IA estime une structure corporelle tridimensionnelle plausible sous les vêtements. Pour cela, elle s’appuie sur un modèle mathématique reconnu, le SMPL (Skinned Multi-Person Linear Model). Il s’agit d’une représentation paramétrique du corps humain composée de milliers de points et d’articulations. L’IA ajuste ce squelette 3D à la personne photographiée.  Au lieu de manipuler directement des pixels, elle manipule des paramètres anatomiques cohérents.

Cette approche a permis de réduire drastiquement les artefacts, ces déformations visuelles qui trahissaient autrefois les retouches. Lorsqu’on réduit la taille d’un bras, par exemple, un vide apparaît sur le fond de l’image. NeuralReshaper utilise alors des réseaux antagonistes génératifs (GAN) pour reconstruire ces zones manquantes. En analysant le décor environnant, l’IA reconstitue des textures visuellement plausibles. Elle garantit, de ce fait, que les murs, les arbres ou les meubles conservent une géométrie crédible.

Le plus impressionnant reste l’apprentissage faiblement supervisé de l’algorithme. En 2022, c’était une prouesse d’ingénierie : l’IA ne nécessitait pas de vastes jeux de données avant/après parfaitement annotés. Elle s’est entraînée à partir de grandes collections d’images humaines, en apprenant des régularités anatomiques statistiques. Cette efficacité a ouvert la voie, au fil des années, à des implémentations de plus en plus optimisées, compatibles avec des environnements de calcul contraints.

Quand la retouche vidéo devient une norme quasi instantanée

En l’espace de quelques années ans, la technologie inaugurée par NeuralReshaper a quitté les laboratoires universitaires pour s’intégrer progressivement aux chaînes de production visuelle. En 2022, réaliser une telle manipulation anatomique nécessitait une puissance de calcul élevée, principalement accessible sur des stations de travail. Désormais, cette complexité est mieux maîtrisée. L’essor des puces NPU (Neural Processing Units) dans les appareils mobiles permet désormais certaines formes de retouche structurelle en temps quasi réel, selon les cas d’usage.

Le passage de la photo fixe à la vidéo haute définition a constitué un défi majeur. Il fallait maintenir la cohérence de la retouche alors que le corps bouge, tourne ou est partiellement occulté. Ce problème, connu sous le nom de cohérence temporelle, a fait l’objet d’avancées significatives. Les systèmes actuels peuvent suivre une structure corporelle estimée image après image avec une stabilité suffisante pour un usage professionnel. Toutefois, cette fiabilité dépend encore fortement du contexte et de la qualité du flux vidéo.

Cette évolution s’est opérée de manière largement invisible pour le grand public. Les principes techniques issus de NeuralReshaper ont été intégrés, sous des formes simplifiées, dans des logiciels de création grand public et professionnels. Dans certaines applications, les notions de maillage 3D ou de modèle paramétrique sont masquées derrière des interfaces abstraites. Elles sont remplacées par des réglages sémantiques orientés utilisateur. Cette approche traduit une tendance générale à démocratiser des outils autrefois réservés aux spécialistes. 

Le marché de la perfection et la dysmorphie numérique

L’héritage de NeuralReshaper a contribué à l’émergence d’une ère de malléabilité corporelle inédite. A l’heure actuelle, la modification de l’apparence corporelle dans l’image et la vidéo est devenue plus précise, plus cohérente et plus accessible. Cette évolution technique s’accompagne toutefois d’effets psychologiques nouveaux, parfois décrits comme une forme émergente de dysmorphie numérique. Contrairement aux anciens filtres superficiels, ces outils proposent des versions du corps statistiquement plausibles. Mais, ces représentations ne correspondent pas nécessairement à une réalité physique vécue.

Dans le monde professionnel, cette mutation transforme progressivement le corps en un actif visuel ajustable. Dans les secteurs du fitness, de la mode ou de la publicité, la silhouette n’est plus toujours une donnée figée. C’est un paramètre que l’on adapte aux contraintes esthétiques ou marketing. Un vêtement peut être ajusté numériquement sur un mannequin dont la posture ou la carrure ont été modifiées après la prise de vue. Ce type de manipulation reste toutefois encadré par les limites techniques des outils disponibles aujourd’hui.

Cette évolution contribue également à affaiblir la notion de preuve par l’image. Aujourd’hui, une photographie ou une vidéo n’est plus systématiquement perçue comme la capture fidèle d’un instant physique. Elle représente plus une construction visuelle potentiellement intentionnelle. L’image numérique devient moins un témoignage brut qu’un support de mise en scène, façonné par des choix esthétiques et algorithmiques.

L’arsenal technologique face aux manipulations invisibles de l’IA

Face à des retouches de plus en plus difficiles à détecter à l’œil nu, l’époque actuelle marque une étape importante. Cette période voit se structurer des réponses industrielles et réglementaires majeures. Des initiatives comme le standard C2PA (Coalition for content provenance and authenticity) visent à instaurer une traçabilité des contenus numériques. Celle-ci prend la forme de métadonnées cryptographiquement signées retraçant les principales étapes de modification. Ces mécanismes, bien qu’encore inégalement adoptés, s’apparentent à une forme d’étiquette informative du contenu.

Sur le plan réglementaire, le cadre européen de l’AI Act introduit des obligations de transparence concernant certains usages de l’intelligence artificielle, notamment lorsque l’apparence humaine est substantiellement modifiée. Ces exigences visent à limiter les pratiques trompeuses, même si leur application reste complexe dans des environnements décentralisés ou privés.

Parallèlement, une dynamique concurrentielle s’installe entre technologies de génération et technologies de détection. Tandis que les systèmes de retouche améliorent la cohérence visuelle, des outils d’analyse tentent d’identifier des incohérences statistiques ou physiologiques subtiles. Celles-ci peuvent prendre la forme de variations de texture ou de signaux biométriques faibles. La véracité d’une image tend ainsi à devenir le résultat d’un arbitrage algorithmique plutôt que d’une simple perception humaine.

Des modèles de diffusion au réalisme anatomique avancé

Aujourd’hui, l’héritage technologique de NeuralReshaper est visible dans une nouvelle vague de recherches et de prototypes. Ces travaux novateurs fusionnent les modèles paramétriques du corps avec des modèles génératifs de diffusion. Des travaux récents autour de variantes avancées de SMPL permettent d’estimer plus finement la pose et la gestuelle à partir d’images ou de vidéos monoculaires. Ils permettent également de capturer certains détails expressifs. Toutefois, ces systèmes restent soumis à des contraintes importantes.

Dans le même esprit, plusieurs projets expérimentaux et solutions commerciales explorent l’hybridation entre structure 3D explicite et génération de textures photoréalistes. Ces approches permettent d’ajuster des paramètres morphologiques globaux. Elles régénèrent également des détails visuels cohérents, sans se limiter à une simple déformation de l’image d’origine.

D’autres travaux cherchent peu à peu à prendre en compte le fonctionnement réel du corps humain. Cela permet de s’assurer que les postures et les mouvements générés restent naturels et crédibles. Ces systèmes ne modélisent pas uniquement l’apparence, mais tentent de respecter des limites anatomiques réalistes, corrigeant automatiquement des configurations irréalistes.

Dans les pratiques professionnelles, des outils de retouche permettent aujourd’hui de corriger la posture ou l’orientation du corps après la prise de vue. Ces ajustements s’appuient sur une reconstruction approximative du corps en trois dimensions. Ces pratiques, encore en évolution, illustrent la convergence progressive entre photographie, modélisation 3D et intelligence artificielle.

Bilan d’une mutation profonde de notre image numérique

NeuralReshaper n’était pas un simple outil de retouche, mais le point de départ d’un changement structurel dans la manière dont l’IA traite le corps humain. En introduisant une représentation géométrique explicite, il a ouvert la voie à une image numérique plus malléable, plus cohérente et plus abstraite.

Maintenant, nous ne nous contentons plus de corriger des photos. Nous explorons la création de représentations corporelles adaptables selon les contextes sociaux ou professionnels. La question centrale s’est déplacée du terrain technique vers le terrain symbolique. Il ne s’agit plus seulement de savoir si une image est fidèle, mais de comprendre quelle version de soi elle cherche à projeter. Le corps humain devient ainsi l’un des derniers espaces où se reflètent les choix, les règles et les tensions liés aux technologies actuelles.

Partager l'article :
• Facebook
• Twitter
• LinkedIn