(Avantages, inconvénients, et surtout : comment éviter les ennuis quand on est une entreprise ou une collectivité.)
Il y a des technologies qui arrivent comme des outils.
Et puis il y a celles qui arrivent comme des promesses.
Les IA génératrices d’images font partie de la deuxième catégorie :
on te montre une affiche impeccable “en 12 secondes”, une illustration “sur-mesure”, une déclinaison “infinie”… et on te regarde avec l’air de dire :
“Bon. Du coup, pourquoi tu paies encore un graphiste / une banque d’images / une agence ?”
Je vous préviens : cet article est un mélange de lucidité et de pragmatisme.
Je ne suis pas là pour faire la morale. Je suis là pour éviter que des organisations se retrouvent avec :
- une image jolie mais juridiquement toxique,
- une communication rapide mais qui flingue la confiance,
- un “gain de temps” qui se transforme en réunion de crise.
1) De quoi parle-t-on exactement quand on dit “IA génératrice d’images” ?
On met souvent tout dans le même sac, alors qu’il y a plusieurs usages très différents :
- Texte → image : “Fais-moi une affiche d’événement”
- Image → image : “Transforme cette photo en style aquarelle / modifie le décor / ajoute un élément”
- Variations / déclinaisons : “Fais 20 versions cohérentes pour les réseaux”
- Retouche assistée (inpainting/outpainting) : “Enlève le logo / remplace l’arrière-plan”
Et surtout : on confond souvent “je génère” avec “je publie”.
Générer, c’est facile.
Publier, c’est là que commencent :
- la responsabilité,
- le droit,
- la réputation.
2) Le vrai changement : l’image passe de “coût unitaire” à “robinet”
Avant, produire une image “pro” demandait un budget, une compétence, un délai.
Avec ces outils, on a l’impression que l’image devient :
- illimitée,
- instantanée,
- presque gratuite.
Sauf que ce “robinet” a des effets secondaires :
- on publie plus (parfois trop),
- on vérifie moins,
- on standardise sans s’en rendre compte,
- et on oublie qu’une image, c’est un acte de communication (donc un acte… politique, au sens large).
3) Les avantages (réels) pour entreprises et collectivités
a) Vitesse : passer de “on fera ça plus tard” à “on teste maintenant”
Le bénéfice n°1, c’est l’itération :
- tu testes une idée,
- tu changes un élément,
- tu compares,
- tu avances.
Pour une entreprise : prototyper une campagne, une landing page, une identité visuelle de produit.
Pour une collectivité : illustrer un dispositif, une réunion publique, une campagne de prévention.
b) Budget : produire “plus” sans exploser les coûts… sur certains contenus
Soyons honnêtes : pour de la com’ de niveau intermédiaire (réseaux sociaux, supports internes, visuels pédagogiques), ça peut réduire la facture.
Mais attention : ça ne remplace pas automatiquement :
- la stratégie,
- la direction artistique,
- la cohérence de marque,
- la validation juridique.
c) Personnalisation : parler à plusieurs publics sans refaire tout le boulot
Décliner un même message en versions :
- jeunes / seniors,
- pros / grand public,
- quartier A / quartier B,
- B2B / B2C,
…devient plus faisable.
d) Accessibilité : rendre visible ce qui était trop abstrait
Pour les collectivités notamment, c’est puissant :
- schémas pédagogiques,
- illustrations de scénarios (mobilité, travaux, aménagement),
- supports pour ateliers participatifs.
À condition de ne pas faire dire à l’image ce que le projet ne dit pas.
e) Stock créatif : sortir de la “banque d’images vue et revue”
Combien de communications ressemblent à :
- “poignée de main + sourire + open space” ?
- “élus devant un bâtiment + ciel bleu saturé” ?
L’IA permet d’éviter le cliché… parfois.
Et d’en créer de nouveaux, aussi. (On en reparle.)
4) Entreprises : là où ça marche très bien (si c’est cadré)
Cas n°1 : le brainstorming visuel
Tu n’es pas obligé de “valider” l’image. Tu l’utilises pour penser :
- direction artistique,
- ambiance,
- composition,
- intentions.
Le gain est énorme quand c’est assumé comme outil de conception.
Cas n°2 : les maquettes marketing (avant prod)
Faire une “fausse pub” pour tester un concept, une accroche, une cible.
Puis reproduire proprement (shooting / DA / design) si ça vaut le coup.
Cas n°3 : le contenu rapide pour réseaux (contenu non critique)
Posts d’animation, illustrations d’articles, visuels “lifestyle” sans enjeu factuel.
Plus tu t’approches du factuel (produit réel, lieu réel, personne réelle), plus ça devient risqué.
Cas n°4 : l’interne (formation, culture, onboarding)
Illustrations de procédures, “comic strips” de sensibilisation, supports RH.
Souvent, c’est là que le ROI est le plus sain :
moins d’exposition publique, plus d’utilité.
Cas n°5 : déclinaisons et adaptations
Même message, plusieurs formats (story, bannière, affiche, miniature).
Là, l’IA peut être une machine à production.
5) Collectivités : les bons usages (et ceux qui sentent la catastrophe)
Bons usages (vraiment)
- Prévention / sensibilisation (déchets, sécurité routière, canicule, cyber, etc.)
- Pédagogie (expliquer un service, un dispositif, une démarche)
- Événementiel (affiche, teasing, programme… tant que ce n’est pas trompeur)
- Ateliers participatifs (visualiser des scénarios, des ambiances)
- Tourisme / culture (illustrer un univers, une époque… avec transparence)
Usages qui sentent la catastrophe
- illustrer un projet comme s’il était déjà décidé,
- montrer un lieu “réaménagé” sans préciser que c’est une projection,
- représenter des personnes réelles (ou ressemblantes) sans cadre,
- produire des images qui pourraient être confondues avec une photo d’actualité.
Parce qu’une collectivité joue avec un capital fragile : la confiance.
Et sur ce point, la régulation pousse clairement vers plus de transparence : l’Union européenne prévoit des obligations de divulgation/identification pour certains contenus générés, notamment les deepfakes, et annonce un calendrier d’application progressif (avec des jalons 2025–2027 selon les catégories).
6) Les inconvénients : le juridique (le vrai, pas celui qu’on “sent”)
a) Droits d’auteur, marques, et zone grise
Le problème n’est pas “l’IA est illégale”.
Le problème, c’est que tu peux te retrouver à utiliser :
- un style trop proche d’un artiste,
- une composition trop proche d’une œuvre,
- un élément protégé (logo, marque, watermark),
- ou une image difficile à défendre en cas de litige.
Exemple parlant : le dossier Getty Images vs Stability AI au Royaume-Uni a notamment mis en avant la question des marques (watermarks apparaissant dans des images générées), même si une grande partie des revendications a été rejetée pour des raisons procédurales/territoriales selon les comptes rendus publics.
Traduction opérationnelle : si un logo/une marque apparaît, c’est ton problème au moment de publier.
b) “Qui possède l’image ?” : ce n’est pas toujours la question utile
La question utile, c’est :
“Ai-je le droit de l’utiliser commercialement / institutionnellement, et suis-je capable de le prouver ?”
Les conditions d’utilisation varient selon les outils, les options (pro/enterprise), et les paramètres (réutilisation des prompts, entraînement, etc.).
Donc : sans cadre contractuel clair, tu joues à pile ou face.
c) Droit à l’image et deepfakes : le piège réputationnel
Si tu produis une image ressemblant à une personne réelle, tu te rapproches vite de :
- l’atteinte à l’image,
- la manipulation,
- l’usurpation.
La CNIL insiste sur les risques d’hypertrucages (deepfakes) et sur la nécessité de prudence et de vérification avant diffusion/partage.
Pour une collectivité, c’est encore plus sensible : élus, agents, habitants… tout le monde devient une cible potentielle de détournement.
d) RGPD & données : le piège “j’ai juste mis une photo”
Une photo, c’est souvent une donnée personnelle.
Et une image “banale” peut contenir :
- plaques, visages, lieux identifiables,
- documents visibles en arrière-plan,
- informations indirectes.
La CNIL recommande une gouvernance claire, une analyse de risques, et surtout une attention forte aux données envoyées (et aux transferts hors UE), avec contractualisation quand on utilise des systèmes hébergés.
7) Les inconvénients : la confiance (et l’obligation de transparence qui arrive)
On a déjà tous vécu ce moment :
“Attends… c’est une vraie photo ou pas ?”
Ce doute-là est déjà un coût.
Et il devient un sujet réglementaire :
le cadre européen prévoit des obligations de transparence, avec l’idée que le contenu généré doit être identifiable et, pour certains cas, clairement étiqueté (deepfakes, contenus visant à informer le public sur des sujets d’intérêt public).
Donc oui : publier des images générées “comme si de rien n’était” va devenir une stratégie de plus en plus risquée — surtout dans le secteur public.
8) Les inconvénients : la sécurité (le truc qu’on oublie toujours au début)
Là aussi, je vais être direct :
les IA génératives sont déjà intégrées dans le paysage des attaques (phishing mieux écrit, usurpations, contenus crédibles, etc.).
Le ANSSI (via CERT-FR) explique que, même sans attaques “entièrement autonomes”, il est plausible que ces technologies améliorent quantité/diversité/efficacité des attaques, notamment sur des environnements peu sécurisés.
Et l’ANSSI rappelle un point de bon sens qui devrait être affiché au-dessus de chaque bouton “Generate” en entreprise/collectivité :
- éviter d’envoyer des données sensibles à des outils grand public,
- intégrer la sécurité à toutes les phases,
- considérer aussi les risques spécifiques (exfiltration, attaques adverses, etc.).
9) Le coût caché : “gratuit” n’existe pas, il se déplace
Même quand l’outil est peu cher, il y a :
- le temps passé à prompter,
- le tri (“non, pas ça, pas ça non plus”),
- la retouche,
- la validation,
- la charte à faire respecter,
- la gestion des droits,
- et parfois… le bad buzz à gérer.
Et il y a un sujet de fond : l’énergie.
L’Agence internationale de l’énergie projette une forte hausse de la consommation électrique des data centers à l’horizon 2030 (scénarios autour d’un doublement vers ~945 TWh), avec l’IA comme moteur majeur.
Donc oui : si tu produis des images en rafale “parce que c’est facile”, tu participes à un système qui a un coût matériel.
Ce n’est pas un argument pour interdire.
C’est un argument pour arrêter le gâchis.
10) Bon, alors, on fait quoi ? (sans devenir l’organisation parano)
Je te propose une règle simple : on autorise par usage, pas “en général”.
✅ Usages généralement “OK” (si charte + validation)
- idéation / brainstorming,
- maquettes internes,
- contenus non factuels,
- illustrations pédagogiques clairement présentées comme telles,
- déclinaisons de formats à partir d’une DA validée.
⚠️ Usages “OK mais encadrés fort”
- communication externe récurrente (risque de dérive de marque),
- campagnes institutionnelles (confiance),
- visuels pouvant être pris pour des photos,
- images de lieux réels / projets d’aménagement (risque de tromperie involontaire).
❌ Usages “non” (ou alors dossier juridique + validation béton)
- personnes réelles ou ressemblantes,
- contenus d’actualité ambiguës,
- images qui “prouvent” quelque chose,
- tout ce qui peut déclencher : plainte, confusion, manipulation.
La base minimale à mettre en place (entreprise ou collectivité)
- une charte d’usage (ce qui est autorisé/interdit),
- un circuit de validation (qui signe ?),
- une règle de non-envoi de données sensibles/personnelles dans des outils grand public,
- une règle de transparence sur les contenus générés (surtout si on informe le public).
- un petit kit “réflexes” anti-deepfake (vérifier avant de relayer, éviter de propager un contenu douteux).
Conclusion : outil de productivité ou générateur d’ennuis ?
Les IA génératrices d’images ne sont ni le diable, ni la solution miracle.
Ce sont des amplificateurs :
- si tu as une com’ claire et une gouvernance solide, ça accélère.
- si tu es flou, pressé, et “on verra bien”, ça amplifie… le bazar.
Et au passage, la régulation européenne et les autorités (données, cybersécurité) poussent toutes dans le même sens :
transparence, gouvernance, maîtrise des risques.
Et vous, dans votre organisation, vous êtes plutôt :
- “On y va, c’est génial”
- ou “On bloque tout”
- ou (mon option préférée) : “On y va, mais proprement” ?
(Bonus) Petite phrase toute prête à réutiliser
“On utilise l’IA pour illustrer et prototyper. Pour prouver ou représenter le réel, on reste sur du vérifiable, sourcé, et validé.”
Sources:
CNIL
- Hypertrucage (deepfake) : comment se protéger et signaler les contenus illicites ? (CNIL)
- Les questions-réponses de la CNIL sur l’utilisation d’un système d’IA générative (FR) (CNIL)
- CNIL’s Q&A on the Use of Generative AI Systems (EN) (CNIL)
European Commission (AI Act / transparence)
- AI Act | Regulatory framework on AI (Shaping Europe’s digital future) (Stratégie numérique de l’UE)
- Commission launches work on a code of practice on marking & labelling AI-generated content (Stratégie numérique de l’UE)
- Code of Practice on marking and labelling of AI-generated content (Stratégie numérique de l’UE)
- Guidelines and Code of Practice on transparent AI systems (FAQ) (Stratégie numérique de l’UE)
Banque des Territoires
ANSSI (guide sécurité IA générative)
- Page guide (MesServicesCyber) (messervices.cyber.gouv.fr)
- PDF — Recommandations de sécurité pour un système d’IA générative (messervices.cyber.gouv.fr)
