xAI lance Grok 2.0 avec l’intégration de FLUX.1

Le 14 août, la société d’IA d’Elon Musk, xAI, a annoncé la sortie de Grok 2.0, un agent conversationnel intégré à FLUX.1, un modèle de génération d’images de Black Forest Labs, sur X (anciennement Twitter). FLUX.1 est un modèle avancé capable de créer des images très réalistes, y compris des images qui pourraient être considérées comme sensibles ou potentiellement trompeuses.

Contrairement à de nombreux générateurs d’images populaires qui bloquent ou filtrent certains types de contenu, comme les images violentes, explicites ou trompeuses, FLUX.1 est moins restrictif. Certains y voient une victoire pour la liberté d’expression, tandis que d’autres sont impressionnés par ses capacités avancées. Cependant, les implications éthiques et le risque d’utilisation abusive d’une technologie aussi puissante suscitent également des inquiétudes. Nous allons voir ci-dessous ce que Grok 2.0 apporte, ce qui distingue FLUX.1 et comment essayer ces outils innovants.

À la découverte de FLUX.1 : un générateur d’images par IA#

FLUX.1 est un générateur d’images par IA open source avancé, lancé par Black Forest Labs le 1er août 2024. Black Forest Labs est une startup fondée par d’anciens ingénieurs de Stability AI, connus pour leur travail sur les modèles Stable Diffusion, largement utilisés. FLUX.1 est conçu pour concurrencer directement des acteurs établis comme MidJourney et DALL-E 3, et offre un nouveau niveau de qualité et de flexibilité pour les images générées par l’IA. Par exemple, FLUX.1 gère très bien des détails difficiles avec lesquels de nombreux modèles peinent, comme la génération de mains humaines réalistes ou de textes lisibles sur des panneaux.

Black Forest Labs propose trois variantes de FLUX.1, adaptées à différentes applications. Voici un aperçu de ces variantes :

• FLUX.1 [pro] : le modèle phare est destiné à un usage commercial et conçu pour produire des résultats de la plus haute qualité.
• FLUX.1 [dev] : une version à poids ouverts disponible pour un usage non commercial. Elle est idéale pour la recherche et le développement.
• FLUX.1 [schnell] : un modèle optimisé pour la vitesse, sous licence Apache 2.0, idéal pour les projets personnels et le développement local qui nécessitent une génération rapide d’images.

Fig. 1 Comprendre les variantes de FLUX.1

Comment fonctionne FLUX.1 ?#

FLUX.1 utilise une architecture de modèle hybride qui combine des techniques de Transformer et de diffusion. Le modèle compte 12 milliards de paramètres (les éléments ajustables du réseau neuronal qui l’aident à apprendre à partir des données). Les Transformers sont un type de réseau neuronal capable de comprendre des séquences comme du texte et des images en reconnaissant les motifs et les relations entre les données. Les modèles de diffusion partent d’un bruit aléatoire qu’ils affinent étape par étape jusqu’à obtenir une image nette. En combinant ces deux approches, FLUX.1 tire parti des points forts des deux architectures pour produire des images de haute qualité correspondant aux invites textuelles fournies.

FLUX.1 utilise également des techniques avancées comme les encodages positionnels rotatifs et le flow matching. Les encodages positionnels rotatifs aident le modèle à comprendre l’ordre et la position des éléments dans les textes et les images, afin de garantir leur cohérence. Le flow matching est une technique utilisée dans les modèles génératifs pour rendre plus fluide et plus efficace la création d’images à partir de bruit aléatoire.

Évaluation comparative de FLUX.1#

Comparé à d’autres modèles populaires comme MidJourney v6.0, DALL·E 3 (HD) et SD3-Ultra, FLUX.1 établit une nouvelle référence en matière de génération d’images par IA. Il excelle dans des domaines clés comme la qualité des images, le respect des invites, la diversité des résultats et la prise en charge de différentes tailles et proportions. Les modèles FLUX.1 [pro] et [dev] se distinguent par leur capacité à produire des images de haute qualité qui correspondent étroitement aux attentes des utilisateurs. Ils surpassent souvent d’autres modèles en fournissant des résultats nets et précis. De son côté, FLUX.1 [schnell] compte parmi les modèles les plus avancés pour la génération rapide d’images et fait mieux que des modèles plus complexes comme MidJourney.

Fig. 2. Comparaison de Midjourney v6 et FLUX.1 [pro]

Grok 2.0 : les dernières nouveautés de xAI d’Elon Musk#

Grok 2.0 est le tout dernier grand modèle de langage développé par xAI, la société d’IA d’Elon Musk. Sorti en août 2024, Grok 2.0 est accessible aux abonnés X Premium et Premium+ sur la plateforme X (anciennement Twitter). Il sera également bientôt disponible pour les développeurs et les entreprises via une API dédiée aux entreprises.

Fig. 3 Exemple où Grok 2.0 explique un mème.

Grok 2.0 repose sur une architecture Transformer et, par rapport à son prédécesseur Grok 1.5, il suit mieux les instructions, raisonne sur les problèmes et fournit des informations exactes. Le chatbot a été évalué face à d’autres grands modèles d’IA et a obtenu des résultats impressionnants. Grok 2.0 surpasse des modèles populaires comme GPT-4 Turbo, Claude 3.5 Sonnet et Llama 3 405B dans des tests portant sur des questions scientifiques de niveau universitaire avancé, des connaissances générales et des problèmes mathématiques complexes. Grok 2.0 est également performant pour les tâches nécessitant une compréhension visuelle et a obtenu des scores élevés en raisonnement mathématique visuel et en réponses à des questions à partir de documents. Les modèles Grok plus récents, comme Grok 4.7, sont comparés à d’autres modèles de vision-langage sur des tâches de détection d’objets du monde réel dans le classement VLM d’Ultralytics.

Le lien entre Grok 2.0 et FLUX.1#

FLUX.1 a été intégré à Grok 2.0 pour associer la génération de texte et d’images. Bien que l’association de différentes technologies soit aujourd’hui courante pour améliorer les fonctionnalités et l’expérience utilisateur, cette intégration particulière a beaucoup attiré l’attention.

D’un côté, certains saluent l’intégration de FLUX.1, qui apporte une touche « amusante » à Grok 2.0. Les utilisateurs peuvent s’essayer à la création d’images originales, parfois provocatrices, qui seraient restreintes ou fortement modérées par d’autres outils d’IA. Par exemple, des utilisateurs ont partagé sur X des images représentant des personnalités publiques dans des situations inappropriées ou controversées, affirmant que cela défend la liberté d’expression.

En revanche, les critiques estiment que l’absence de directives éthiques claires pour FLUX.1 pourrait entraîner de graves problèmes éthiques et sociaux, comme la désinformation et les hypertrucages. Certains craignent que l’association de la génération de texte et d’images sans filtre, particulièrement puissante, sur l’une des plateformes de réseaux sociaux les plus influentes n’accélère la propagation de la désinformation.

Grok 2.0 et son approche sans restrictions#

Il ne s’agit pas seulement de génération d’images. Grok 2.0 lui-même est moins restrictif que d’autres outils d’IA auxquels nous nous sommes récemment habitués, comme ChatGPT. Ce manque de modération permet au modèle de repousser les limites, ce que certains trouvent stimulant et d’autres préoccupant.

Par exemple, Grok a été observé en train de générer des textes pouvant facilement être interprétés comme de fausses informations ou des informations trompeuses. Un incident largement relayé en avril 2024 concernait Grok, qui avait créé une fausse histoire sur Klay Thompson, joueur de la NBA, prétendument impliqué dans une « frénésie de dégradation de murs à coups de briques ». Le chatbot d’IA a mal compris l’expression de basket-ball « throwing bricks », qui désigne simplement des tirs manqués. Grok l’a prise au pied de la lettre et a inventé une histoire dans laquelle Thompson commettait des actes de vandalisme avec de vraies briques. La publication a rapidement gagné en popularité sur X, certains utilisateurs ajoutant même de faux témoignages de victimes pour alimenter la désinformation.

Fig. 4. Publication sur X rédigée par Grok.

Malgré ces inquiétudes, certains utilisateurs apprécient la position de Grok 2.0 en faveur de la « liberté d’expression ». Ils estiment que le modèle permet des échanges plus ouverts et une plus grande liberté créative que les modèles d’IA fortement modérés. Ils voient Grok 2.0 comme un contrepoids à ce qu’ils considèrent comme une IA « woke » excessivement prudente, qui limite les discussions sur les sujets sensibles. Pour ces utilisateurs, Grok 2.0 offre une plateforme qui semble moins contrainte par les normes sociales.

Essaie FLUX.1 et Grok 2.0 par toi-même#

Il existe plusieurs façons d’essayer FLUX.1 et Grok 2.0. FLUX.1 est directement accessible sur des plateformes d’IA comme Hugging Face, Replicate et Fal.ai. Grok 2.0, quant à lui, est uniquement accessible aux abonnés X Premium et Premium+.

Points clés à retenir#

FLUX.1 et Grok 2.0 repoussent les limites de l’IA et suscitent des discussions enrichissantes. Grâce à sa capacité à produire des images très détaillées et réalistes, FLUX.1 a établi une nouvelle norme en matière d’images générées par IA. Grok 2.0 utilise FLUX.1 pour étendre ses capacités au-delà des échanges textuels. D’un côté, les passionnés sont enthousiasmés par la liberté créative et l’exploration sans censure qu’offrent ces outils. De l’autre, les critiques tirent la sonnette d’alarme face aux risques de désinformation, d’hypertrucages et aux conséquences éthiques de capacités aussi peu réglementées sur une plateforme aussi influente que X. À mesure que FLUX.1 et Grok 2.0 évoluent, ils se retrouvent au cœur d’un débat sur la liberté, la créativité et la responsabilité à l’ère numérique, un débat qui façonnera probablement l’avenir de l’IA pour les années à venir.

Pour en savoir plus sur Ultralytics, consulte notre dépôt GitHub, rejoins notre communauté et découvre nos dernières solutions d’IA dans des secteurs comme la santé et l’industrie manufacturière !