Comment fonctionne l'agrandissement d'image par IA, et quand l'utiliser

Redimensionner n'est pas agrandir

Quand un logiciel ordinaire agrandit une image, il interpole : il répartit les pixels que vous avez déjà sur une toile plus grande et comble les vides avec des moyennes de leurs voisins. Le plus proche voisin copie les pixels et donne un rendu en escalier. Le bilinéaire et le bicubique les mélangent et donnent un rendu flou. Lanczos, le meilleur des filtres classiques, préserve un peu mieux les contours, mais aucune méthode d'interpolation ne peut ajouter de l'information. Une photo de 800×600 contient 480 000 pixels de vérité ; passez-la à 3200×2400 et vous demandez à 7,2 millions de pixels d'être décrits par ces mêmes 480 000 valeurs. Ces 93 % manquants sont la raison pour laquelle les agrandissements paraissent flous : les données ne sont tout simplement pas là.

La super-résolution : déduire les détails manquants

La super-résolution par IA prend le chemin inverse. Au lieu de faire la moyenne des pixels existants, elle prédit les pixels manquants, à partir de connaissances acquises sur des millions de paires d'images. Pendant l'entraînement, on montre au réseau une photographie nette et une copie volontairement abîmée (réduite, floutée, bruitée et écrasée en JPEG), puis on le note sur sa capacité à reconstruire l'original. Répétez l'opération des millions de fois et le réseau intériorise à quoi ressemblent la brique, le tissu, la fourrure, le feuillage et la peau en haute résolution, et comment chacun se dégrade quand une image rétrécit.

Real-ESRGAN, le modèle open source que ce site exécute, est un raffinement de cette idée avec deux astuces qui comptent en pratique. D'abord, c'est un réseau antagoniste génératif : un second réseau « critique » est entraîné à distinguer les vraies photos des reconstructions, ce qui force le générateur à produire une texture d'aspect photographique plutôt que prudemment lisse. Ensuite, il a été entraîné sur un pipeline de dégradation réaliste (combinaisons aléatoires de flou, de bruit de capteur, de redimensionnement et de compression), il s'accommode donc des images imparfaites que les gens ont réellement, et pas seulement de réductions de laboratoire. La variante utilisée ici, realesr-general-x4v3, est une version compacte à usage général : environ 5 Mo de poids qui produisent exactement 4× la résolution d'entrée.

Pourquoi ça tourne désormais dans un onglet de navigateur

Jusqu'à récemment, cette classe de modèles exigeait une application de bureau avec un GPU NVIDIA ou une ferme de serveurs, ce qui explique pourquoi la plupart des agrandisseurs en ligne envoient votre image dans le cloud. Deux choses ont changé. ONNX Runtime Web a rendu réaliste l'exécution de vrais réseaux de neurones dans des environnements JavaScript, et WebGPU a donné au code du navigateur un accès direct à votre carte graphique. Chrome, Edge et Safari exposent désormais assez de calcul GPU pour faire tourner un réseau de super-résolution de 5 Mo à une vitesse interactive ; là où WebGPU n'est pas disponible, le même modèle se replie sur WebAssembly, sur le CPU : plus lent, mais avec un résultat identique.

Un détail technique que vous remarquerez dans la barre de progression : l'image est traitée par tuiles de 192 pixels avec un chevauchement de 8 pixels, plutôt qu'en une seule passe. Le découpage en tuiles maintient la mémoire GPU constante quelle que soit la taille de l'image, et le chevauchement donne à chaque tuile le contexte de ses voisines, si bien que les raccords sont invisibles dans le composite. C'est la même technique que les outils de bureau utilisent pour les très gros fichiers.

À quoi s'attendre : des chiffres honnêtes

La vitesse dépend presque entièrement du moteur que votre navigateur peut utiliser. Voici nos temps mesurés pour le modèle 4× de ce site sur un portable Apple Silicon dans Chrome (août 2026) :

Votre matériel donnera d'autres résultats : un PC de jeu battra ces chiffres, un téléphone ancien ne les atteindra pas. La première visite télécharge aussi le moteur et le modèle une seule fois (environ 10 Mo) et compile les shaders GPU au premier lancement ; ensuite tout est mis en cache localement et les exécutions suivantes démarrent instantanément.

Quand l'agrandissement 4× aide

• L'impression. L'impression demande ~300 DPI là où les écrans se contentent de ~100. Une photo web de 1200×900 ne s'imprime bien qu'en 4×3 pouces ; agrandie à 4800×3600, elle couvre un tirage de 16×12 pouces à 300 DPI pleins.
• Les photos anciennes et en basse résolution. Premiers appareils numériques, copies téléchargées d'originaux perdus, petits scans : c'est le cas classique de restauration, et celui où le modèle brille.
• Logos, illustrations et textures de jeux. Real-ESRGAN gère bien les contours des illustrations, et la sortie 4× vous laisse de la marge pour recadrer, zoomer ou recomposer.
• Les miniatures dont vous avez besoin en taille réelle. Photos de produits, pochettes d'album, avatars : partout où la seule copie survivante est petite.

… et quand il n'aidera pas

• Le texte minuscule. La super-résolution reconstruit de la texture, pas du langage. Un texte illisible devient généralement des formes nettes mais fausses.
• Les visages fortement détruits. Ce modèle généraliste n'a pas d'étape dédiée à la restauration des visages ; un visage réduit à une tache de 30 pixels restera une tache (plus nette).
• Les images déjà nettes. Si la photo est parfaitement nette à sa taille native, le 4× vous fait surtout gagner du poids de fichier. Agrandissez quand vous avez un besoin concret de ces pixels.

Agrandir sans rien envoyer

La plupart des agrandisseurs en ligne sont des services cloud : votre photo est transmise à leurs serveurs, traitée là-bas, et le résultat vous est renvoyé. Les meilleurs promettent une suppression « sous 24 heures », une promesse que vous ne pouvez pas vérifier et qui reconnaît malgré tout que l'envoi a eu lieu. Comme le modèle s'exécute ici dans votre navigateur, toute cette catégorie de risque disparaît : photos de famille, scans de pièces d'identité, visuels de produits non annoncés et travaux pour des clients ne traversent jamais le réseau. Vous pouvez surveiller l'inspecteur réseau pendant que vous travaillez, ou passer hors ligne une fois la page chargée ; l'agrandisseur continue de fonctionner, parce que rien de ce dont il a besoin n'est distant.

Cette architecture est aussi la raison pour laquelle c'est gratuit sans contrepartie : nous n'avons aucune facture GPU à amortir, il n'y a donc ni crédits, ni quotas, ni comptes, ni filigranes. Votre machine fait le travail ; vous gardez le résultat.

Obtenir les meilleurs résultats

• Donnez-lui la copie la moins compressée que vous ayez : le PNG d'origine vaut mieux qu'un JPEG réenregistré de la même image.
• Recadrez d'abord, agrandissez ensuite, pour que le modèle consacre son budget 4× aux pixels qui vous importent vraiment (et reste dans les limites de taille).
• Comparez avec le curseur à 100 % de zoom ; les différences de texture sont invisibles quand le résultat est comprimé dans un aperçu.
• Gardez la sortie PNG pour la retouche ou l'impression ; ne recompressez en JPEG ou WebP qu'en toute dernière étape, si nécessaire.