Le problème de la monotonie derrière ces menus générés par l'IA, peu appétissants

Au début, vous pourriez remettre en question votre santé mentale. Vous entrez dans un café et parcourez un menu rempli de sandwichs au bagel, pourtant chaque image apparaît d’une manière troublante, parfaitement symétrique et excessivement lisse, déclenchant un instinct qui vous indique que quelque chose ne va pas. Vous n’imaginez pas les choses ; votre intuition est correcte. Les visuels générés par l’IA se sont infiltrés dans l’industrie de la restauration, portés par des modèles entraînés sur une esthétique étroite et « agréable » qui semble intrinsèquement fausse, même si vous ne pouvez pas immédiatement expliquer pourquoi.

Parfois, ces images sont manifestement fausses, comme un burrito avec un fromage si bouillonnant et fondu qu’il ressemble à de l’art d’avant-garde plutôt qu’à de la nourriture. Plus souvent, elles semblent banales, ne révélant leur artificialité que lorsque vous prenez le temps de les examiner de près.

« C’est comme si un alien tentait de créer une pizza sans en saisir les principes fondamentaux », a déclaré Alex Lisle, CTO de Reality Defender, à TechCrunch. (Reality Defender fait partie d’un secteur croissant de startups proposant des outils de détection de l’IA et de vérification du contenu, un marché qui existe en grande partie en raison de problèmes tels que celui-ci.)

Jetez une pierre à New York et vous toucherez une publicité alimentaire générée par l’IA légèrement dérangeante. pic.twitter.com/lLXVkFIFoG

— Maggie (@maggiemoda) 28 août 2026

Lisle explique que l’architecture de ces modèles aide à clarifier pourquoi les illustrations convergent vers une esthétique spécifique, celle où chaque boule de glace est parfaitement sphérique et où les crevettes semblent génétiquement modifiées pour se manger la queue, créant ce qu’il appelle des « horreurs culinaires à la Lovecraft ».

Les grands modèles de langage (LLM) et les modèles de diffusion, les systèmes d’IA alimentant des chatbots comme ChatGPT et des générateurs d’images comme Midjourney, sont entraînés sur des ensembles de données massifs. Ces modèles identifient des motifs dans les données pour prédire l’intention de l’utilisateur lorsqu’ils reçoivent des demandes telles que « Créez un menu pour un restaurant de burgers ».

« Une grande partie de cela ressemble à un menu de Chili’s datant de 2015, et il y a une raison à cela », a noté Lisle. « C’était le corpus de travail à partir duquel [les modèles] ont dérivé leur style. »

Crédits d’image : ChatGPT Image 2.0

De nouvelles données d’entraînement sont cruciales pour les développeurs d’IA ; Amazon, par exemple, est connu pour acquérir des livres rares à numériser afin d’obtenir des données d’entraînement, avant de les jeter ensuite. Il est inévitable qu’une partie du contenu généré par l’IA s’infiltre dans ces vastes ensembles de données. Cependant, lorsque les modèles d’IA s’entraînent excessivement sur leurs propres sorties, ils risquent l’effondrement du modèle.

« L’effondrement du modèle est analogue à la maladie de la vache folle… lorsque vous nourrissez un modèle avec ses propres sorties, la consanguinité finit par devenir insoutenable, entraînant l’échec du système », a expliqué Lisle. « Ce que nous observons ici est une convergence, ce qui n’est pas nécessairement un effondrement du modèle. »

La convergence est moins extrême, dégradant la qualité des sorties sans rendre l’IA totalement inutile.

Si vous demandez à une IA de générer un menu de restauration rapide, elle fera probablement référence à des conceptions de Wendy’s, Burger King ou McDonald’s. Puisque ces menus existants partagent un style similaire, les sorties de l’IA imiteront cette esthétique, la renforçant davantage si le menu généré est ensuite ajouté aux données d’entraînement.

Cependant, les publicités pour la nourriture semblent toujours meilleures que la réalité, tout comme un Big Mac dans une publicité McDonald’s où chaque couche est méticuleusement disposée par un décorateur pour un attrait maximal. Cet effet peut être amplifié dans le contenu généré par l’IA.

« L’optimisation des ensembles de données privilégie l’« agrément » ou l’évitement de l’offense, ce qui conduit à l’homogénéisation », a déclaré Lee Rainie, directeur du centre Imagining the Digital Future de l’Université Elon, à TechCrunch. « L’IA est connue pour lisser les contours, tant dans les images que dans le langage. »

À une échelle plus réduite, ce lissage se produit lorsque les utilisateurs génèrent un menu avec un générateur d’images IA et appliquent des modifications répétées. Sur X, un utilisateur nommé Labtec a démontré ce qui se passe lorsqu’un menu généré par ChatGPT est modifié 100 fois, montrant comment la nourriture perd progressivement son apparence réaliste. (Nous avons reproduit l’expérience et observé des résultats similaires.)

« Le résultat final me met en fait mal à l’aise », a écrit Labtec.

J’ai créé un menu de restaurant dans ChatGPT puis l’ai modifié 100 fois pour voir comment ces menus hideux finissent par ressembler à ce qu’ils sont. Le résultat final me met en fait mal à l’aise pic.twitter.com/sDIUKlabdp

— Labtec (@labtec901) 19 août 2026

Les restaurants pourraient être victimes de ce problème en affinant à plusieurs reprises leurs menus générés par l’IA, en ajustant des détails mineurs tels que les prix ou les noms des articles. À chaque modification, les images de nourriture deviennent légèrement plus rondes et plus lisses.

« Les gens ont un sentiment presque inexplicable lorsqu’ils regardent du contenu généré par l’IA par rapport à des images réelles », a déclaré Rainie. « Il existe une sensibilité que les gens ont parfois du mal à articuler, mais qu’ils reconnaissent lorsqu’ils la voient. Je crois que c’est pourquoi le rejet des restaurants utilisant des menus IA a été si prononcé. »

Il existe des bases scientifiques à notre aversion pour ces menus IA. Des chercheurs de l’Université de Duisbourg-Essen en Allemagne ont découvert que les images de nourriture générées par l’IA déclenchent un effet de « vallée étrange », où des images de nourriture presque réalistes suscitent plus de dégoût et d’inquiétude que celles manifestement fausses. Ce malaise est amplifié par le contexte culturel actuel entourant l’IA.

Si les consommateurs réagissent négativement à ces images, les restaurants devraient reconsidérer leur utilisation de menus générés par l’IA. Cependant, les implications de pains à hamburger parfaitement dorés vont au-delà de la restauration.

« Voir et entendre, c’est croire, au point que même nos systèmes juridiques s’appuient sur l’idée que l’étalon-or de la preuve est constitué d’aveux enregistrés et d’enregistrements vidéo », a déclaré Lisle. « Ce n’est plus le cas. Le monde a fondamentalement changé, pour le meilleur ou pour le pire. »