Colorisation d'images par IA : Comment ça marche et ses limites réelles

Mis à jour le : July 18, 2026

La colorisation par IA ajoute des couleurs plausibles à une photo en noir et blanc. Elle peut donner l'impression qu'une vieille image est vivante et appropriée à son époque, mais elle ne peut pas récupérer les vraies couleurs — elles n'ont jamais été capturées, donc le modèle devine en se basant sur les motifs qu'il a appris. Ce guide explique comment fonctionne cette technologie, ce qu'elle peut faire et ce qu'elle ne peut pas faire, afin que vous ayez les bonnes attentes avant de faire confiance au résultat.

Réponse rapide : comment fonctionne la colorisation par IA ?

Un réseau neuronal entraîné sur des millions de paires de photos en couleur apprend la relation entre les motifs en niveaux de gris et les couleurs probables, puis prédit une version colorée d'une nouvelle entrée en noir et blanc. Le résultat semble convaincant, mais les couleurs sont inférées, non récupérées.

Pour un outil, utilisez le AI Colorizer ou un modèle open-source comme DeOldify.

Comment fonctionne réellement la colorisation par IA ?

Le modèle est entraîné sur des photographies en couleur qui sont converties en niveaux de gris en entrée, avec les couleurs originales comme cible. Au fil de millions d'exemples, il apprend que, par exemple, une certaine texture signifie généralement de l'herbe (vert), que les tons de peau se regroupent dans une plage étroite et que le ciel en haut d'un cadre est généralement bleu. Étant donné une nouvelle photo en niveaux de gris, il prédit une version colorée en appliquant ces associations apprises.

le modèle prédit des couleurs plausibles -> sortie colorisée">

De manière cruciale, la couleur est synthétisée à partir de motifs appris, non mesurée. Une photo des années 1920 d'une robe rouge ne sera pas rouge à moins que le modèle ne devine du rouge — et il a tendance à deviner une couleur de robe "typique". Le résultat est une interprétation, pas une restauration de faits. Le DeOldify project et le survey of deep-learning colorization methods on arXiv documentent comment ces modèles sont entraînés et où leurs hypothèses s'effondrent.

Ce que la colorisation peut faire — et ne pas faire ?

Ceci est l'attente clé. La colorisation a des limites strictes :

• Elle peut : ajouter une couleur convaincante et appropriée à l'époque ; donner vie aux vieilles photos ; produire un résultat agréable pour l'affichage et l'art.
• Elle ne peut pas : récupérer les vraies couleurs originales ; savoir si une robe était rouge ou bleue ; être historiquement exacte ; produire un enregistrement définitif.

Une photo colorisée d'une figure historique est l'impression d'un artiste, pas un portrait de couleur factuel. Pour un usage archivistique ou probatoire, l'original en noir et blanc reste la source de vérité.

Quels outils colorent les photos ?

DeOldify est le modèle open-source de premier plan ; il fonctionne localement et peut être scripté pour les lots. Pour une seule image, un outil de navigateur est plus rapide. Le choix affecte principalement la commodité et le contrôle, pas la limitation fondamentale — chaque outil devine les couleurs plutôt que de les récupérer, alors choisissez en fonction du flux de travail et vérifiez toujours le résultat quelle que soit l'outil utilisé.

Comment exécuter DeOldify ?

## DeOldify s'exécute dans un environnement Python (voir le README du projet pour la configuration)
## Utilisation typique : un notebook ou un script qui charge le modèle et colore une image

DeOldify propose des modèles "Artistic" (plus vifs, moins stables) et "Stable" (plus conservateurs) — choisissez selon que vous voulez de l'impact ou de la fiabilité. Vérifiez toujours le résultat à 100 % ; la colorisation par IA peut produire des teintes étranges sur des textures ambiguës.

Comment corriger les mauvaises couleurs dans le résultat ?

Puisque la colorisation devine, vous obtiendrez souvent une couleur plausible mais incorrecte — une voiture qui était en fait rouge mais apparaît bleue, ou un uniforme militaire dans la mauvaise nuance. La solution pratique est de passer manuellement sur les objets spécifiques dont vous connaissez la vraie couleur. Chargez l'image colorisée dans un éditeur, sélectionnez la zone mal colorée (la voiture, l'uniforme) et recolorez-la avec un ajustement teinte-saturation ou une superposition de couleur réglée sur un mode de fusion. C'est beaucoup plus rapide que de réexécuter le modèle en espérant un meilleur devinage, et cela produit un résultat que vous pouvez défendre.

Le principe général : traitez la colorisation par IA comme les 80 % qui vous donnent rapidement une image colorée, puis passez quelques minutes sur les 20 % de correction manuelle pour les objets dont la vraie couleur est importante. Vous n'avez pas besoin de corriger chaque feuille ou brique — elles sont déjà colorées de manière plausible — seulement les objets nommés et identifiables qu'un spectateur remarquerait. Cette approche "humain dans la boucle" est ainsi que travaillent réellement les restaurateurs professionnels ; une colorisation entièrement automatique est un point de départ, pas une ligne d'arrivée. Pour le flux de travail connexe du nettoyage préalable du scan source, le guide how to upscale images couvre les étapes adjacentes à la restauration.

Quels sont les modes d'échec courants ?

• Couleurs d'objets incorrectes. Une voiture pourrait apparaître dans une couleur arbitraire car le modèle n'a aucun moyen de connaître la vraie.
• Peau plate ou délavée. Certains modèles sous-saturent les visages ; le résultat semble gris.
• Débordement de couleur (Color bleeding). La couleur d'un objet fuit dans un objet adjacent aux frontières à faible contraste.
• Couleur incohérente sur une séquence. Coloriser des images vidéo une par une produit un scintillement — la colorisation vidéo nécessite une cohérence temporelle (voir AI video colorization).

Comment obtenir le meilleur résultat ?

1. Commencez avec un scan propre et à contraste élevé. La restauration (suppression de poussière/rayures, contraste) avant la colorisation améliore le résultat.
2. Choisissez le bon modèle. Stable pour la fiabilité, Artistique pour un rendu vif.
3. Vérifiez à 100 %. Recherchez les couleurs d'objets incorrectes et le débordement de couleur.
4. Traitez-le comme un point de départ. Les retouches manuelles (corriger une mauvaise couleur de voiture, réchauffer la peau) améliorent considérablement le réalisme.
5. Ne le présentez pas comme un fait. Étiquetez les photos historiques colorisées comme des interprétations colorées.

Pour le côté restauration photo, consultez how to upscale images et convert RAW to JPG.

Questions fréquemment posées

Comment fonctionne réellement la colorisation par IA ?

Un modèle entraîné sur des paires de photos en couleur et leurs versions en niveaux de gris apprend à prédire des couleurs plausibles à partir d'indices de luminance et de texture. Étant donné une entrée en noir et blanc, il produit une image de couleur "meilleur devin". Le résultat est une interprétation basée sur ce que le modèle a vu pendant l'entraînement, pas une récupération des couleurs originales — un costume des années 1940 pourrait apparaître n'importe quelle couleur que le modèle juge plausible.

La colorisation par IA est-elle précise ?

Non, et c'est la mise en garde principale. Par définition, la colorisation est un devin : l'image en niveaux de gris ne contient aucune information de couleur, donc le modèle attribue des couleurs plausibles. Un ciel sera bleu et l'herbe verte parce que ce sont des couleurs courantes, mais la couleur originale d'une robe spécifique est inconnaissable à partir du scan. Traitez le résultat colorisé comme une interprétation artistique, jamais comme un enregistrement historique.

Puis-je corriger les mauvaises couleurs dans le résultat ?

Oui — la plupart des outils vous permettent d'ajouter des indices de couleur (ancres manuelles sur une région) pour guider le modèle, et vous pouvez peindre manuellement des corrections sur une couche au-dessus du résultat colorisé. Le colorizer guide couvre le flux de travail de guidage manuel pour les cas où le devin automatique est incorrect.

Quels types de photos sont les mieux colorisés ?

Des scans nets et à contraste élevé avec des sujets clairs et des textures distinctes. Les scans délavés, à faible contraste ou endommagés produisent une colorisation boueuse car le modèle dispose d'indices faibles. Restaurez et nettoyez le scan avant de coloriser.

Comment corriger les mauvaises couleurs dans le résultat ?

Utilisez un outil qui accepte des indices de couleur — des ancres manuelles que vous peignez sur une région pour guider le modèle vers la bonne couleur. Pour une chemise dont vous savez qu'elle était verte, peignez un indice vert dessus et réexécutez. Pour les cas tenaces, peignez manuellement des corrections sur une couche au-dessus du résultat colorisé avec une opacité réduite, mélangeant votre correction dans le devin du modèle. Le passage automatique vous amène à 80 % ; les indices et la peinture manuelle corrigent les couleurs spécifiques qui comptent et que le modèle a mal devinées. Conservez toujours l'original en niveaux de gris comme source de vérité.

Puis-je coloriser une vidéo ?

Oui, mais la colorisation vidéo est beaucoup plus difficile qu'une seule photo car les couleurs doivent rester cohérentes sur des milliers d'images ou les objets scintillent. La colorisation vidéo par IA utilise un suivi temporel pour faire passer les couleurs à partir d'un image clé ; sans cela, le modèle recolore chaque image indépendamment et le résultat scintille. Cela prend de minutes à heures par minute de séquences, pas des secondes. Voir le video colorization guide.

La colorisation peut-elle être annulée ?

Seulement si vous avez conservé l'original en niveaux de gris. La colorisation est un rendu à sens unique — une fois que les pixels de couleur sont écrits, l'information en niveaux de gris disparaît de ce fichier. Conservez donc toujours le scan non modifié comme maître séparé, et traitez le fichier colorisé comme un résultat dérivé. C'est aussi pourquoi vous ne devriez jamais coloriser la seule copie d'une photo historique : la version colorisée est une interprétation, pas un remplacement de l'original documentaire.

Crédits images

• Diagrammes avant/après, comment fonctionne la colorisation et limites de la colorisation — générés par l'auteur à partir d'une photographie de paysage (Pexels #1287145, photo par eberhard grossgasteiger) en désaturant pour passer au noir et blanc afin de démontrer l'entrée/sortie de la colorisation.