On a testé les assistants IA ChatGPT, Copilot, Gemini… pour créer un logo avec du texte

Quatre générateurs d’images par IA ont été testés : Google Gemini, Ideogram.ai, ChatGPT et Microsoft Copilot. Ces outils ont été choisis précisément pour leur capacité, à des degrés divers, à générer du texte lisible au sein d’une image. Cette fonctionnalité est cruciale pour les logos, où le nom ou un slogan doit être clairement affiché. Le test visait à comparer leur performance sur cet aspect particulier, en plus de leur capacité à générer des visuels pertinents à partir d’un brief détaillé.

Le concept du lieu fictif est « Le LAB’OASIS », un tiers-lieu hybride et vivant. Il combine un espace de coworking, un coffee shop et un lieu de rencontres humaines dans une ambiance sensorielle et végétalisée, ouvert à tous sans abonnement obligatoire. Ce concept a été défini initialement par ChatGPT en réponse à une demande de l’utilisateur pour imaginer un lieu « un peu fou » mélangeant ces activités.

Ce problème vient du fait que ces IA perçoivent le texte non pas comme un ensemble de caractères linguistiques avec des règles (orthographe, grammaire, sens), mais comme un motif visuel, une texture ou une combinaison de formes dans l’image globale. Elles apprennent à reproduire l’apparence du texte à partir de vastes bases de données d’images où le texte est souvent flou, partiel ou non légendé spécifiquement. Le manque de données d’entraînement structurées sur le texte en tant qu’élément symbolique rigide limite leur capacité à le reproduire correctement, entraînant des déformations ou des caractères incohérents.

Oui, plusieurs stratégies peuvent être utilisées pour contourner cette limitation. L’une des approches les plus courantes est de générer l’image sans texte dans un premier temps, puis d’ajouter le texte souhaité manuellement à l’aide d’un logiciel d’édition graphique. Il est également possible d’optimiser le prompt en demandant à l’IA de laisser un espace vide pour le texte, en précisant le style visuel désiré, ou en utilisant des techniques d’inpainting pour corriger le texte généré automatiquement. Minimiser la quantité de texte ou demander à l’IA de l’intégrer comme un élément purement stylistique (par exemple, un graffiti) peut aussi améliorer les résultats.

Le prompt détaillé utilisé pour guider les générateurs d’IA était le suivant : « créer un logo pour : Le LAB’OASIS est un lieu hybride et vivant qui fusionne coworking, coffee shop et espace de rencontres humaines dans une atmosphère sensorielle et végétalisée, ouvert à tous sans abonnement. On y vient pour travailler, rêver, rencontrer, avec une carte de boissons basée sur les émotions et des espaces pensés pour favoriser aussi bien la concentration que l’échange spontané. Au cœur de cet écosystème : un mur participatif pour connecter idées et talents, une cabine audio pour se présenter autrement, et des mini-événements qui surgissent comme des étincelles créatives. Plus qu’un simple espace, c’est une oasis urbaine où l’on cultive les connexions authentiques et les projets inattendus. » Ce texte servait de base pour guider la création visuelle.

Microsoft Copilot, Google Gemini et Ideogram.ai ont bien réussi à créer rapidement un logo pertinent pour Le LAB’OASIS. Google Gemini a également démontré sa capacité à modifier le logo et à y intégrer du texte, tout en expliquant son design. ChatGPT a proposé de très belles idées et directions graphiques en amont et a généré un premier visuel, mais il n’a pas réussi à écrire correctement le nom « LAB’OASIS », écrivant systématiquement « LABO’OASIS ». Ideogram.ai a généré quatre propositions de logos par prompt.

– ChatGPT : Ses points forts incluent la génération de concepts, d’idées visuelles, de prompts créatifs et de directions graphiques. Ses limites résident dans sa génération d’images possible mais limitée et le fait qu’il n’est pas spécialisé dans les logos, notamment sa difficulté à écrire correctement le texte. Il est gratuit avec un compte.
– Microsoft Copilot : Son point fort est de générer rapidement un logo à partir d’un prompt détaillé et une bonne compréhension du brief. Ses limites sont une personnalisation limitée et un résultat parfois générique. Il est gratuit avec un compte.
– Google Gemini : Ses points forts sont de générer et modifier des logos avec du texte, d’expliquer le design et une bonne gestion des symboles. Sa limite principale est une personnalisation graphique limitée. Il est gratuit avec un compte.
– Ideogram.ai : Ses points forts sont de proposer 4 propositions de logos par prompt et une bonne intégration du texte dans l’image. Ses limites sont une personnalisation limitée et un choix restreint. Il est gratuit avec un nombre limité d’images.

ChatGPT a joué un rôle crucial en amont de la génération d’images. Il a défini le concept détaillé du lieu « Le LAB’OASIS », a imaginé des idées visuelles pour le logo (typographie, symboles, palette de couleurs) et a guidé la direction créative. Bien qu’il ait généré un premier visuel, son rôle principal était celui d’un « créateur d’idées » visuelles et de structuration du concept, servant de base pour les prompts utilisés par les autres outils.

Après avoir généré un logo abstrait, il a été demandé à Google Gemini d’ajouter le texte « LAB’OASIS ». Gemini a alors modifié le logo existant pour y intégrer le nom. De plus, il a fourni une explication sur la manière dont le design modifié reflétait les valeurs du lieu, démontrant ainsi sa capacité à comprendre et à agir sur des requêtes de modification basées sur du texte, tout en justifiant ses choix de design.

Les éléments spécifiques du prompt décrivant le lieu comme un espace « hybride et vivant », « fusionnant coworking, coffee shop et espace de rencontres humaines », avec une atmosphère « sensorielle et végétalisée », des éléments comme le « mur participatif » et la « cabine audio », et l’idée d’une « oasis urbaine » où l’on cultive les « connexions authentiques », ont été particulièrement importants. Ces mots-clés ont été analysés par les IA (comme Microsoft Copilot l’a décrit) pour générer des logos « inspirés par l’essence vibrante et organique » du lieu et capturer l’atmosphère « urbaine et créative » à travers des éléments graphiques liés à la nature et à l’innovation.

Une IA générative d’images est un outil qui permet de créer des images à partir de descriptions textuelles, appelées « prompts ». Ces IA utilisent des modèles d’apprentissage profond (« deep learning ») entraînés sur d’énormes bases de données d’images. Elles apprennent à comprendre les formes, les couleurs et les styles artistiques. Lorsqu’un utilisateur fournit un prompt, l’IA le décompose en concepts visuels et génère une image qui correspond le mieux possible à la demande, en utilisant des techniques comme le bruit et la diffusion pour reconstruire l’image à partir d’un état chaotique initial.

Plusieurs concepts sont essentiels pour comprendre le fonctionnement de ces IA :
– Modèles : Ce sont des ensembles de données et de réglages qui définissent le style et la qualité des images générées.
– Réseaux de neurones : L’architecture informatique qui permet à l’IA d’apprendre.
– Prompt : Le texte que l’on fournit à l’IA pour décrire l’image souhaitée.
– Seed : Un nombre qui peut aider à tenter de reproduire une image identique à partir du même prompt (bien que le chaos puisse parfois rendre cela imprécis).
– LORA (Low-Rank Adaptation) : Une technique pour affiner un modèle et spécialiser l’IA dans un style particulier.
– Bruit et diffusion : La technique utilisée pour reconstruire l’image.

Ces IA ne comprennent pas le texte au sens linguistique du terme. Elles le perçoivent comme un motif visuel, une texture ou une combinaison de lignes et de formes dans l’image globale. Elles apprennent à reproduire l’apparence visuelle du texte sans saisir les règles linguistiques, l’orthographe ou le sens sous-jacent, ce qui entraîne des séquences de caractères incohérentes.

Les IA sont optimisées pour la cohérence visuelle globale et peuvent tolérer des variations pour les éléments organiques comme les objets ou les animaux, qui sont naturellement divers. En revanche, le texte est une construction symbolique avec des règles rigides. Même de légères erreurs rendent le texte illisible pour l’œil humain, car notre cerveau est spécialisé dans son traitement. L’IA traite le texte comme un système discret basé sur des règles plutôt que comme un système probabiliste tolérant les variations.

Oui, c’est un facteur majeur. Les modèles sont entraînés sur des millions d’images, mais le texte présent dans ces images est souvent un sous-ensemble limité et peu structuré (comme des panneaux). Les légendes des bases de données décrivent rarement le texte sur l’image. Ce manque de données d’entraînement spécifiques et annotées pour le texte nuit à la capacité du modèle à le reproduire correctement, de manière similaire aux difficultés rencontrées avec les mains (nombre de doigts).

Les erreurs courantes incluent des séquences de caractères absurdes qui ressemblent à du texte mais ne forment aucun mot réel, des caractères déformés, incomplets ou mal connectés, un style de police incohérent, des problèmes de mise en page, d’alignement ou d’espacement, et des caractères manquants ou superflus.

Ces modèles sont conçus pour créer des interprétations artistiques basées sur des motifs visuels, en intégrant style et imagination. Ils n’opèrent pas sur des concepts abstraits et rigides comme l’ordre alphabétique ou les règles d’orthographe. L’IA peut prioriser l’intégration visuelle du texte dans l’image (pour qu’il « ressemble » à du texte) plutôt que sa lisibilité ou sa signification réelle, interprétant le prompt à sa manière visuelle.

Historiquement, la plupart des modèles avaient des difficultés importantes. Cependant, certains modèles plus récents, comme Flux, Ideogram.ai, Google Gemini ou Microsoft Copilot, montrent des améliorations notables, notamment pour la génération de logos. Cela peut être dû à un entraînement plus spécifique sur des données textuelles ou à l’utilisation de systèmes hybrides combinant modèles de langage et modèles d’image.

Oui, plusieurs stratégies existent : une approche en deux étapes consistant à générer l’image sans texte puis à l’ajouter manuellement avec un éditeur graphique, optimiser le prompt en demandant un espace vide pour le texte ou en spécifiant le style visuel, utiliser des techniques d’inpainting pour corriger le texte généré, minimiser la quantité de texte, ou demander à l’IA d’intégrer le texte comme un élément visuel stylisé (ex: graffiti).

Ces approches permettent souvent de contourner la faiblesse actuelle de l’IA en matière de génération de texte précis en combinant la puissance de création visuelle de l’IA avec des outils traditionnels pour la gestion et la modification du texte. Elles offrent un contrôle accru à l’utilisateur pour garantir la lisibilité et la correction du texte final.