Upscaling (super-résolution)

Terme Intermédiaire 🛠️ Outils et techniques

Mis à jour le 7 juin 2026

L'upscaling (super-résolution) par IA reconstruit une image de plus haute résolution à partir d'une version basse résolution, en générant des détails plausibles.

📖 Définition

L'upscaling (mise à l'échelle) par IA, ou super-résolution, regroupe les méthodes qui reconstruisent une image — ou une vidéo — de plus haute résolution (plus de pixels et de détails) à partir d'une version de basse résolution. Le problème est mal posé : une même image basse résolution peut correspondre à de nombreuses images haute résolution. Les approches modernes utilisent donc des réseaux de neurones profonds (CNN, GAN, transformeurs) entraînés sur d'énormes ensembles de couples « image nette / version dégradée ». Le modèle apprend à « halluciner » des détails plausibles — contours fins, textures — et à atténuer le flou et les artefacts de compression, plutôt que de simplement interpoler les pixels comme le ferait un agrandissement bicubique classique. On parle d'agrandissement ×2, ×4 voire davantage. Les usages sont variés : remasterisation de vieux films (1080p vers 4K), amélioration de photos de smartphone ou de visuels e-commerce, et super-résolution intégrée à certains téléviseurs et services de diffusion en continu. Des méthodes de référence comme ESRGAN ou EDSR obtiennent, sur des bancs d'essai standards, des gains nets de qualité (mesurés en PSNR et SSIM) par rapport aux méthodes traditionnelles. Limite essentielle : les détails ajoutés sont inventés, pas « récupérés ».

💬 En termes simples

C'est comme un dessinateur expert à qui l'on montre une photo floue et minuscule : à partir de son expérience de milliers d'images nettes, il redessine une version grande et détaillée — crédible, mais où une partie des détails est sa propre reconstitution.

🎯 Exemple concret

Vous agrandissez ×4 une vieille photo de famille basse résolution : l'IA reconstruit les contours du visage et la texture des vêtements pour un rendu net en haute définition, là où un simple agrandissement n'aurait donné qu'une image floue et pixelisée.

💡 Le saviez-vous ?

L'upscaling IA n'ajoute pas d'information « cachée » dans l'image : il invente des détails plausibles appris sur d'autres images. C'est pourquoi un visage suragrandi peut paraître net mais légèrement différent de l'original — un point crucial en contexte médico-légal.

❓ Questions fréquentes

L'upscaling restaure-t-il les vrais détails perdus ?

Non : les détails manquants ne sont pas récupérés mais inventés de façon plausible à partir de ce que le modèle a appris ailleurs ; le résultat est crédible, pas forcément fidèle à l'original.

Quelle différence avec un agrandissement classique ?

Un agrandissement bicubique interpole les pixels et produit du flou ; la super-résolution par IA génère des contours et textures nets, pour un rendu beaucoup plus détaillé.

Accueil

Outils

Annuaire

Apprendre