Restauration photo AI en 2026 : Ce qui fonctionne vraiment

Mis à jour : July 18, 2026

J'ai restauré 47 photos de famille ce printemps et testé six outils de restauration IA par rapport à elles. Certains ont reconstitué des tirages déchirés ou délavés presque parfaitement. D'autres ont inventé des visages qui ressemblaient à des étrangers. Ce guide 2026 résume ce que j'ai appris : quels modèles gèrent bien les éraflures et le délavage, où la colorisation IA est fiable, et quand il faut arrêter l'automatisation pour réparer manuellement.

Si vous voulez la séquence pratique de scan et de réparation, le guide de restauration de vieilles photos couvre cela étape par étape. Cette page se concentre sur la couche IA : ce que les modèles 2026 font réellement à une vieille image.

Réponse rapide : la restauration photo par IA fonctionne-t-elle vraiment ?

Oui, pour le délavage, le grain et les petites éraflures. L'IA élimine de manière fiable le bruit, reconstruit le contraste et augmente la résolution des détails doux. Elle a du mal avec les grandes zones manquantes et avec les visages — là, elle devine, et cette supposition peut subtilement changer les traits d'un proche. Pour tout ce qui est irremplaçable, faites passer l'IA sur la texture et la résolution, mais réparez les déchirures et les visages à la main.

Ma règle après 47 photos : laisser l'IA gérer la surface, garder les humains sur la structure.

Qu'est-ce que l'IA fait réellement à une vieille photo ?

Les modèles de restauration s'entraînent sur des millions de paires d'images dégradées et propres. Ils apprennent à remonter un input endommagé vers un output net et bien exposé. Concrètement, ils effectuent quatre tâches :

• Denoise : éliminer le grain et le bruit de scanner sans flouter les détails réels.
• Deblur and upscale : ajouter des pixels là où l'original est doux, reconstruisant ainsi une texture plausible.
• Inpaint : combler les éraflures, les trous et les régions déchirées en devinant à partir des pixels environnants.
• Colorize : prédire les couleurs pour des tirages noir et blanc ou sévèrement délavés.

Le piège est le mot « plausible ». Un modèle ne peut pas récupérer une information qui n'a jamais été capturée. Il synthétise une version probable, et sur les visages, cette synthèse constitue la zone de danger. Le guide de conservation de la Bibliothèque du Congrès américain est catégorique à ce sujet pour les archives : la reconstruction altère le dossier historique, il faut donc garder le scan original intact.

Quels outils de restauration IA ai-je testés en 2026 ?

Je reviens constamment aux Neural Filters de Photoshop pour tout ce qui compte pour moi, car je peux baisser la force de restauration et continuer à éditer sur un calque. Notez la différence : un améliorant (enhancer) perfectionne une photo déjà correcte ; un outil de restauration doit reconstruire des dommages. La plupart des sites de « restauration IA » ne sont en réalité que des améliorateurs avec un bouton de réparation ajouté. Pour une comparaison plus approfondie d'outils uniquement améliorateurs, consultez le guide d'amélioration photo par IA, et pour la catégorie plus large, l'aperçu de l'amélioration photo par IA.

Si vous êtes nouveau dans les concepts d'édition sous-jacents, le guide des fondamentaux de retouche photo explique les calques, masques et modifications non destructives dont vous aurez besoin tout au long de ce flux de travail.

Comment préparer une photo avant d'exécuter l'IA ?

Garbage in, garbage out (Déchets en entrée, déchets en sortie). Le levier de qualité le plus important est le scan, pas le modèle.

1. Scanner à un minimum de 600 DPI (1200 pour les petits portraits) et enregistrer au format TIFF.
2. Recadrer les bords et redresser — les modèles fonctionnent moins bien sur des inputs inclinés.
3. Réparer les grandes déchirures à la main en premier. Si un pli traverse un visage, l'IA essaiera de le « restaurer » et d'inventer des traits.
4. Corriger les teintes de couleur importantes avant l'IA, afin que le modèle ne verrouille pas le jaunissement.

Ce n'est qu'alors que vous confiez le fichier nettoyé à l'IA. Les paramètres détaillés de scan se trouvent dans le guide de restauration ; le point ici est qu'aucun modèle 2026 ne peut sauver un cliché pris avec un téléphone à 150 DPI d'un tirage.

Restauration des visages : où l'IA hallucine-t-elle ?

C'est la partie qui m'importe le plus, car c'est là que la précision fait défaut. Les modèles de restauration de visages (GFPGAN, CodeFormer et les variantes commerciales basées sur eux — notre propre AI Face Restoration tool exécute les deux, pour que vous puissiez comparer) sont entraînés pour produire des visages attrayants et nets. Ils transformeront volontiers un portrait de 1955 capturé en douceur en un visage net et moderne qui ne correspond plus à la personne.

Quand j'ai travaillé sur un portrait des années 1940 de ma grand-mère, l'IA a reconstruit sa mâchoire pour qu'elle ressemble à une mannequin de photo de stock. Le résultat était plus net et objectivement « meilleur » — mais méconnaissable pour ses enfants.

Contrôles pratiques :

• Réduire la force de restauration du visage à 30 à 50 % si l'outil le permet.
• Toujours comparer côte à côte avec le scan avant d'accepter.
• Sur les photos de groupe, masquez les visages et restaurez-les individuellement à une force réduite.
• Si un visage semble « trop beau » après l'IA, c'est généralement le cas — baissez la puissance.

Pour une comparaison plus approfondie entre GFPGAN et CodeFormer, consultez le AI face restoration guide.

Colorisation : quelle est sa précision réelle ?

La colorisation par IA est plausible, pas factuelle. Le modèle sait que l'herbe est généralement verte, le ciel généralement bleu, et la peau se situe dans une plage prévisible. Il ne sait pas que la robe de votre grand-mère était en fait sarcelle, pas bleue. Notre Old Photo Colorizer utilise DDColor exactement pour ce type de passage.

• Tons de peau : généralement convaincants, occasionnellement trop orange sur des tirages délavés.
• Feuillage et ciel : fiables, car les priors sont solides.
• Vêtements, voitures et meubles : une supposition confiante, fréquemment fausse.
• Uniformes et insignes : souvent incorrects — ne faites jamais confiance à l'IA pour les détails militaires ou historiques.

Pour des souvenirs de famille, c'est généralement acceptable. Pour un musée ou une histoire publiée, ce n'en est pas un. Si la précision des couleurs compte, colorez sur un calque séparé, maintenez-le à une opacité réduite et étiquetez-le comme une interprétation.

Que faire en cas de sur-traitement par l'IA ?

Le sur-traitement est le défaut le plus courant, et il est facile à repérer quand on sait où chercher : peau cireuse, halos autour des bords, et une douceur uniforme qu'aucune vraie photo n'a.

• Réduire l'opacité du calque de restauration à 60 à 70 % et mélanger avec le scan.
• Masquer les visages et les exécuter à moitié force.
• Réintroduire un peu de grain ; une douceur totale est perçue comme fausse.
• Conserver la teinte chaude du papier vieilli plutôt que de la neutraliser.

Points clés : mon flux de travail de restauration 2026

1. Scanner en haute résolution (600 DPI, TIFF) — cela compte plus que n'importe quel modèle.
2. Réparer les déchirures et les trous à la main avant que l'IA ne touche au fichier.
3. Utiliser l'IA pour le dénoising, la mise à l'échelle et la texture — sa zone de sécurité.
4. Traiter les visages et la colorisation comme des étapes à faible force, révisées par un humain.
5. Exporter un maître PNG et ne jamais écraser le scan original.

Une note sur l'exactitude historique

La restauration est en partie de l'invention. Chaque pixel qu'un modèle remplit est une supposition, et la colorisation est par définition une supposition. C'est acceptable pour redonner vie à un album de famille — mais ce n'est pas la même chose que de récupérer ce qui était réellement là. Pour tout ayant une valeur documentaire, gardez le scan non modifié comme source de vérité, traitez le résultat IA comme une interprétation, et dites-le lorsque vous le partagez.

Questions fréquemment posées

La restauration photo par IA fonctionne-t-elle vraiment ?

Oui, pour les tâches sûres : dénoising, mise à l'échelle et réparation d'éraflures, où elle récupère des détails authentiques. Elle a du mal avec les visages (où elle invente des traits plausibles mais faux) et la colorisation (qui est une supposition par définition). Traitez l'IA comme un premier passage puissant pour les réparations mécaniques, avec une révision humaine sur tout ce qui est interprétatif.

À quel DPI dois-je scanner une vieille photo ?

Au moins 600 DPI, enregistré au format TIFF. La résolution de scan est le plafond de tout ce qui suit — l'IA ne peut pas récupérer des détails que le scan n'a jamais capturés. Un scan JPEG à faible DPI limite la restauration peu importe la qualité du modèle. Scanner en haute résolution une seule fois ; vous ne pouvez pas ajouter de résolution plus tard.

La colorisation par IA est-elle précise ?

Non. La colorisation est une interprétation : le scan en niveaux de gris ne contient aucune information couleur, donc le modèle attribue des couleurs plausibles basées sur l'entraînement. Un ciel sera bleu, mais la vraie couleur d'une robe spécifique est inconnaissable. Conservez le scan non modifié comme source de vérité et étiquetez toute version colorisée comme une interprétation, pas une récupération.

Quand la réparation manuelle est-elle meilleure que l'IA ?

Pour les déchirures, les trous et les morceaux manquants, où vous devez reconstruire la structure plutôt que deviner la texture. L'IA comble de petits vides de manière plausible mais échoue sur les dommages structurels importants. Réparer les déchirures et les trous à la main en premier, puis laisser l'IA gérer le dénoising et la texture.

Crédits images

• Une collection de photographies de famille vintage noir et blanc — photo par Suzy Hazelwood sur Pexels
• Une pile d'albums photo vintage attendant une restauration — photo par Suzy Hazelwood sur Pexels
• Une collection de tirages de famille vintage délavés montrant des dommages — photo par Lisa sur Pexels
• Mains en gants noirs préservant une vieille photographie — photo par Tima Miroshnichenko sur Pexels