Le rendu IA est passé du stade d'expérimentation à celui de workflow quotidien pour la plupart des agences d'architecture, mais le vocabulaire n'a pas suivi. Les architectes emploient des termes comme « modèle de diffusion » et « ControlNet » sans définition commune claire — et l'écart entre ce que fait la technologie et la manière dont on la décrit ne cesse de se creuser.
Voici vingt termes à connaître. Chacun est accompagné d'une définition en langage clair et d'une phrase expliquant pourquoi il compte réellement pour votre workflow.
Les fondamentaux
1. Modèle de diffusion L'architecture d'IA derrière la plupart des outils de rendu. Un modèle de diffusion part d'une image de pur bruit aléatoire et la débruite itérativement, guidé par un prompt textuel et des entrées de conditionnement, jusqu'à obtenir une image cohérente. Chaque étape du débruitage est une petite transformation apprise. Pourquoi c'est important : comprendre que les sorties sont générées par débruitage itératif explique pourquoi la même entrée peut produire des sorties légèrement différentes à chaque fois — le bruit de départ est aléatoire, et le chemin de débruitage est probabiliste.
2. Prompt textuel L'instruction que vous donnez à l'IA : « une cuisine scandinave baignée de soleil avec des façades en chêne blanc et des sols en béton ». Le prompt façonne la sortie aux côtés de votre image de conditionnement. Pourquoi c'est important : les outils spécialisés en architecture réduisent votre dépendance à la maîtrise des prompts en gérant le conditionnement en interne — vous spécifiez des matériaux et des préréglages d'éclairage plutôt que d'écrire un paragraphe d'instructions.
3. Image de conditionnement Votre fichier d'entrée : la fenêtre du modèle 3D, la capture d'écran SketchUp ou l'export Revit. L'image de conditionnement ancre la sortie sur votre géométrie. C'est ce qui distingue le rendu IA architectural des outils texte-vers-image — l'IA n'imagine pas un espace, elle rend votre espace. Pourquoi c'est important : la qualité de votre image de conditionnement (maquette propre, bon angle de caméra, matériaux cohérents) affecte directement la qualité du rendu.
4. Image-vers-image (img2img) Générer une nouvelle image en transformant une image existante, plutôt qu'en partant de bruit pur. La plupart du rendu IA architectural est de l'img2img — vous fournissez une vue 3D et recevez une version photoréaliste. Pourquoi c'est important : c'est le mécanisme qui convertit la capture d'écran de votre maquette en rendu, par opposition au texte-vers-image qui générerait un espace arbitraire à partir d'une description.
5. Intensité de débruitage Contrôle l'ampleur de l'écart entre le modèle et votre image d'entrée. Intensité de débruitage élevée : le modèle a plus de liberté créative et la sortie peut diverger significativement de votre entrée. Intensité faible : la sortie reste très proche de votre entrée mais peut ne pas atteindre le photoréalisme. Pourquoi c'est important : trouver le bon équilibre est la tension centrale du rendu IA architectural — réalisme contre fidélité.
Géométrie et fidélité
6. ControlNet Une extension de réseau de neurones qui conditionne la sortie d'un modèle de diffusion sur une entrée structurelle — lignes de contours, cartes de profondeur, normales de surface extraites de votre modèle 3D. ControlNet est ce qui rend le rendu IA architectural plutôt que génératif : il donne au modèle une carte spatiale de votre conception sur laquelle s'appuyer. Pourquoi c'est important : l'intensité du conditionnement ControlNet est le principal levier de préservation de la géométrie. Poids plus élevé = plus grande fidélité à votre conception.
7. Préservation de la géométrie La capacité d'un outil de rendu à reproduire exactement votre géométrie d'entrée — murs à la bonne position, ouvertures aux bonnes proportions, éléments structurels là où vous les avez placés — sans réinterprétation créative. Pourquoi c'est important : pour les livrables client, les dossiers de permis et les concours, le rendu doit correspondre à la conception. La dérive géométrique est un problème professionnel, pas seulement esthétique.
8. Dérive géométrique / hallucination Quand l'IA altère votre géométrie d'entrée : déplacement de murs, ajout de mobilier que vous n'avez pas modélisé, modification des proportions des fenêtres, ajustement des hauteurs sous plafond pour coller aux attentes des données d'entraînement. Causée par une intensité de conditionnement ControlNet trop faible ou par un entraînement du modèle privilégiant la qualité visuelle sur la fidélité architecturale. Pourquoi c'est important : un rendu qui ne correspond pas à votre conception induit les clients en erreur et crée des attentes qui n'existent pas dans le projet réel.
9. Carte de profondeur Une représentation en niveaux de gris de votre scène 3D, où la luminosité de chaque pixel indique la distance à la caméra. Les pixels clairs sont proches ; les pixels sombres sont lointains. Utilisée comme entrée ControlNet pour préserver la structure spatiale tridimensionnelle de votre maquette. Pourquoi c'est important : le conditionnement par carte de profondeur aide l'IA à comprendre quels éléments sont devant lesquels, évitant que des surfaces soient aplaties ou que des relations spatiales soient perdues.
10. Détection de contours (Canny/HED) Un algorithme qui extrait les lignes de contours de votre vue — limites de murs, encadrements de portes, poteaux structurels, silhouettes de mobilier — et les utilise comme conditionnement ControlNet. Canny et HED sont deux algorithmes spécifiques avec des réglages de sensibilité différents. Pourquoi c'est important : les rendus conditionnés par contours préservent de très près la géométrie linéaire de votre architecture. Si les lignes de murs de votre maquette sont propres, le conditionnement par contours produit une géométrie très fidèle en sortie.
Éclairage et matériaux
11. Préréglage d'éclairage Une condition d'éclairage nommée — heure dorée, temps couvert, heure bleue, midi — qui définit l'angle du soleil, la température de couleur, l'état du ciel et la qualité des ombres en une seule sélection. Pourquoi c'est important : remplace la configuration manuelle des images d'environnement HDRI, de la position du soleil et des réglages d'exposition. Des résultats cohérents et reproductibles sans expertise en ingénierie de l'éclairage.
12. Heure dorée La période d'environ une heure après le lever du soleil et une heure avant son coucher, quand le soleil est bas et la lumière d'un ambre/orange chaud. En photographie et en rendu, la lumière de l'heure dorée crée de longues ombres douces, une température de couleur chaude (~2500–3500K) et une qualité cinématographique. Pourquoi c'est important : c'est l'éclairage le plus universellement flatteur pour les intérieurs résidentiels et les vues architecturales extérieures. Les clients sont sensibles à la chaleur.
13. Heure bleue La période après le coucher du soleil (ou avant son lever) où le ciel est d'un bleu profond et où la lumière artificielle intérieure paraît chaude par contraste. L'heure bleue crée une opposition de couleurs dramatique entre extérieur froid et intérieur chaud. Pourquoi c'est important : c'est la condition d'éclairage de prédilection pour les rendus de résidentiel de luxe, d'hôtellerie et de commercial haut de gamme. L'ambiance qu'elle crée — lumière du soir, espace habité — est difficile à obtenir avec d'autres conditions.
14. Température de couleur Mesurée en kelvins (K). Kelvin bas (~2700K) = lumière chaude, orange/ambre, comme une ampoule à incandescence ou le soleil couchant. Kelvin élevé (~6500K) = lumière froide, bleue/blanche, comme la lumière du jour par temps couvert. Pourquoi c'est important : la température de couleur est la variable la plus déterminante du ton émotionnel d'un rendu. La même pièce paraît douillette à 2700K et clinique à 6500K.
15. HDRI (image à grande plage dynamique) Une photographie panoramique à 360° d'un environnement réel, utilisée comme source d'éclairage dans le rendu traditionnel. La HDRI fournit à la scène une lumière ambiante réaliste, une couleur de ciel et des réflexions. Pourquoi c'est important : les outils de rendu IA dotés d'un conditionnement équivalent à la HDRI peuvent produire une lumière ambiante physiquement plausible à partir de n'importe quel environnement réel, sans que vous ayez à trouver ou configurer des fichiers HDRI.
Termes de workflow
16. Inpainting Modifier une région précise d'un rendu existant tout en laissant le reste intact. Vous masquez une zone (une chaise à remplacer, un habillage de fenêtre incorrect) et le modèle régénère uniquement cette région, en cohérence avec son environnement. Pourquoi c'est important : cela permet de corriger des problèmes précis dans un rendu par ailleurs réussi sans régénérer toute l'image de zéro — un gain de temps considérable dans un workflow de production.
17. Upscaling Utiliser l'IA pour augmenter la résolution d'une image au-delà de sa taille native sans perte de détail apparente. Les upscalers IA (ESRGAN, Real-ESRGAN) ajoutent du détail appris plutôt que de simplement interpoler des pixels. Pourquoi c'est important : cela permet de rendre en résolution modérée pour itérer vite et de n'upscaler que la sortie validée, plutôt que de lancer chaque itération en 4K.
18. Seed Le nombre aléatoire utilisé pour initialiser le bruit d'une génération par diffusion. La même seed avec le même prompt produit approximativement la même sortie — c'est un moyen de reproduire un résultat qui vous a plu ou de créer des variations contrôlées. Seed différente = variation différente, toutes choses égales par ailleurs. Pourquoi c'est important : les seeds sont le moyen de créer des jeux de variations cohérents — « montrez-moi cette pièce dans trois conditions d'éclairage différentes » en gardant tout le reste constant.
19. Espace latent L'espace mathématique abstrait dans lequel opèrent les modèles de diffusion. Votre prompt et votre image de conditionnement sont encodés en représentations latentes ; le modèle débruite dans cet espace ; la sortie finale est décodée vers l'espace des pixels. Pourquoi c'est important : comprendre l'espace latent explique pourquoi des prompts qui semblent similaires peuvent produire des sorties très différentes — de petites distances dans l'espace des pixels peuvent être de grandes distances dans l'espace latent, et inversement.
20. Ferme de rendu Un réseau de serveurs traitant des rendus en parallèle, traditionnellement utilisé par les grands studios pour réduire les temps de rendu de plusieurs heures à quelques minutes. Les outils de rendu IA cloud offrent en pratique à chaque utilisateur une ferme de rendu pour chaque tâche. Pourquoi c'est important : le rendu cloud signifie une sortie constante en ~30 secondes quel que soit ce qui tourne sur votre machine, aucune maintenance matérielle, et des coûts structurés en dépenses d'exploitation plutôt qu'en investissement.
Qu'est-ce qu'un modèle de diffusion en termes simples ? Un modèle de diffusion part d'un bruit aléatoire et applique de manière répétée de petites transformations apprises pour le transformer en une image cohérente, guidé par un prompt textuel et des entrées structurelles issues de votre modèle 3D. Voyez-le comme une sculpture à partir du bruit plutôt qu'une peinture à partir d'une toile vierge.
Que fait ControlNet dans le rendu IA ? ControlNet conditionne la sortie d'un modèle de diffusion sur une représentation structurelle de votre modèle 3D — lignes de contours, cartes de profondeur, normales de surface. C'est le mécanisme qui maintient la sortie de l'IA ancrée à votre géométrie au lieu de générer un espace arbitraire. Un poids ControlNet plus élevé signifie une plus grande fidélité géométrique.
Qu'est-ce que la préservation de la géométrie ? La préservation de la géométrie est la capacité d'un outil de rendu à reproduire votre géométrie d'entrée — positions des murs, proportions des ouvertures, relations spatiales — exactement telle que modélisée, sans ajouter, supprimer ni déplacer d'éléments. C'est la priorité d'ingénierie première des outils spécialisés en architecture comme Maquete, et le principal point de différenciation face aux générateurs d'images IA généralistes.
Quelle est la différence entre un préréglage d'éclairage et un prompt ? Un préréglage d'éclairage est un signal de conditionnement pré-conçu qui produit de manière fiable une condition d'éclairage spécifique — heure dorée, temps couvert, heure bleue. Une instruction d'éclairage par prompt (« lumière dorée chaude du soir venant de l'ouest ») dépend de la qualité de votre formulation et produit des résultats moins cohérents d'une scène à l'autre. Les préréglages sont plus reproductibles ; les prompts sont plus flexibles.
Pour aller plus loin : Qu'est-ce que le rendu architectural par IA ? — modèles de diffusion, ControlNet, poids de conditionnement — tous les concepts sous-jacents réunis en un seul endroit.