Alors que la génération d’images par intelligence artificielle suscite des débats sur la sécurité et l’éthique, une équipe de chercheurs propose une avancée inédite : l’effacement de concepts multiples au sein d’une même scène. Les modèles de génération d’images à partir de texte, appelés Text-to-Image (T2I), sont capables de créer des compositions toujours plus complexes, intégrant plusieurs objets, styles ou idées en une seule image. Cette sophistication pose cependant un défi de taille : comment supprimer de façon ciblée certains éléments indésirables sans altérer le reste du contenu ?

L’effacement de concepts, ou concept erasure, a émergé comme une piste prometteuse pour garantir que les modèles d’IA ne reproduisent pas des éléments problématiques ou non souhaités dans leurs créations. Jusqu’ici, la majorité des travaux dans ce domaine s’étaient concentrés sur la suppression d’un seul concept par image, une approche qui montre rapidement ses limites face à la diversité et à la richesse des scènes générées aujourd’hui. C’est à cette contrainte que s’attaque la nouvelle méthode baptisée Mosaic.

Un défi inédit pour l’IA générative (effacement de concepts)

Les systèmes T2I modernes, notamment ceux dits « flow-based », sont capables d’assembler plusieurs concepts distincts dans une même composition. Or, la plupart des outils d’effacement existants ne sont pas conçus pour gérer de telles situations, car ils partent du principe qu’un seul concept doit être ciblé à la fois. Cette hypothèse ne tient plus dès lors que l’on souhaite, par exemple, supprimer simultanément plusieurs objets ou symboles spécifiques d’une image complexe.

Face à ce manque, les chercheurs introduisent la notion d’effacement compositionnel multi-concept. Cette tâche consiste à identifier et retirer plusieurs concepts ciblés, qu’ils appartiennent à la même catégorie (par exemple, plusieurs types d’animaux) ou à des catégories différentes (comme un objet et un motif), tout en préservant le contexte général et les éléments non concernés. Pour évaluer cette capacité, l’équipe propose également un nouveau benchmark, CoME-Bench, qui permet de mesurer la performance des modèles sur des scénarios variés, intra- et inter-catégories confondues.

Mosaic : vers une manipulation fine des images générées

Au cœur de cette avancée, le cadre Mosaic exploite une propriété-clé des modèles flow-based : la localisation spatiale des concepts dans le champ vectoriel de l’image. Concrètement, Mosaic génère dynamiquement des masques spécifiques à chaque concept ciblé, puis les fusionne sélectivement grâce à une technique d’assemblage (blending) qui ne nécessite aucune phase d’optimisation supplémentaire. Cette approche assure que l’effacement de concepts multiples ne dégrade ni la qualité, ni la cohérence des parties non ciblées de l’image.

Les expérimentations menées sur divers cas d’usage montrent que Mosaic parvient à retirer efficacement plusieurs concepts à la fois dans des scènes complexes, tout en maintenant le réalisme et la richesse du contexte environnant. Ce résultat ouvre la porte à une manipulation plus responsable et contrôlée des contenus générés par IA, notamment dans des secteurs sensibles où la suppression d’éléments spécifiques est cruciale.

La publication de Mosaic et de son benchmark CoME-Bench sur arXiv marque une étape importante dans la recherche sur l’effacement de concepts. Elle répond à la montée des exigences en matière de contrôle et de sécurité dans les systèmes d’IA générative, alors que la diffusion de ces technologies s’accélère dans de nombreux domaines créatifs et industriels.

Reste à voir comment ces avancées seront intégrées dans les plateformes de génération d’images les plus utilisées, et quelles nouvelles applications émergeront de cette capacité inédite à composer, puis à décomposer, les mondes imaginés par l’intelligence artificielle.


Source originale : Mosaic: Compositional Multi-Concept Erasure via Vector Field Blending via arxiv.org (26/05/2026)