MyTimeMachine, l’IA qui personnalise le vieillissement des visages

Faire vieillir un visage, ou au contraire le rajeunir, est devenu banal sur les réseaux sociaux. Mais ces filtres appliquent souvent une recette identique à tous les utilisateurs, avec des rides ajoutées mécaniquement ou des traits lissés à l’excès. Des chercheurs de l’Université de Caroline du Nord à Chapel Hill et de l’Université du Maryland proposent une autre voie avec MyTimeMachine, ou MyTM : un algorithme qui entend reconstruire une évolution de l’âge propre à chaque personne.

Présenté dans une prépublication scientifique fin 2024, le projet ne se limite pas à appliquer un effet visuel instantané. Son ambition est de produire, à partir d’un ensemble d’images d’une personne, des versions crédibles de son visage à différentes périodes de sa vie. Les auteurs évoquent une plage très large, de 0 à 100 ans, et des débouchés allant des effets visuels du cinéma aux logiciels de retouche accessibles au grand public.

Vieillir un visage n’est pas seulement ajouter des rides

L’âge transparaît dans de nombreux éléments d’un portrait : la texture et le relâchement de la peau, les volumes du visage, la ligne des cheveux, la répartition de certaines marques, mais aussi les changements de morphologie. Reproduire ces transformations de manière convaincante est donc plus complexe que superposer des rides ou flouter un teint.

Les filtres de vieillissement très répandus ont démontré l’intérêt du public pour ce type d’expérience, mais leurs résultats peuvent sembler uniformes ou caricaturaux. Deux personnes du même âge n’ont ni le même visage ni la même histoire visuelle. L’objectif de MyTM est précisément de ne pas traiter le vieillissement comme une progression unique applicable à tout le monde.

Les chercheurs décrivent une méthode de transformation personnalisée qui prend en compte des facteurs subjectifs susceptibles d’influencer l’apparence au fil des ans, notamment la génétique, le mode de vie et l’origine ethnique. Il ne s’agit pas pour autant d’établir un diagnostic médical ou une prédiction certaine de l’avenir d’un individu. Une image générée reste une simulation visuelle, c’est-à-dire une proposition produite à partir des régularités apprises par le modèle et des photographies fournies.

Comment fonctionne MyTimeMachine ?

MyTM repose sur un réseau neuronal génératif, une famille de systèmes capables de créer de nouvelles images à partir de données d’entrée. Dans ce cas précis, l’algorithme ne cherche pas seulement à produire un visage âgé ou jeune générique. Il est conçu pour modéliser la trajectoire de vieillissement d’une personne particulière.

Le principe décrit par les chercheurs consiste à fournir environ 50 images de la personne, représentant les 20 dernières années. À partir de cette matière visuelle, MyTM doit générer des versions du visage pour différents âges, y compris des âges qui ne figurent pas dans les photos d’origine. Le système combine ainsi les indices propres à l’individu avec ses connaissances statistiques des changements faciaux liés à l’âge.

Luchao Qi, étudiant diplômé qui a dirigé le projet, résume l’ambition de cette approche : « Notre approche, contrairement aux méthodes traditionnelles, nécessite seulement quelques images de la personne pour fournir des modifications d’âge précises et personnalisées ».

Le terme « quelques images » doit être lu à l’aune de l’état actuel du prototype. Les auteurs mentionnent environ 50 photos dans leur configuration, tout en souhaitant réduire ce besoin à l’avenir. La variété des clichés compte aussi : des photos prises à plusieurs périodes, avec des angles, expressions et conditions de prise de vue différents, donnent davantage d’indices sur l’évolution du visage qu’une succession de selfies presque identiques.

Une telle approche est différente d’une simple retouche. Dans un logiciel classique, un utilisateur peut corriger des détails précis, comme une ride ou une zone de peau. Un réseau génératif reconstruit au contraire l’ensemble de l’image de manière cohérente, en tentant de préserver l’identité de la personne tout en faisant évoluer les signes de l’âge. C’est cette cohérence globale qui est recherchée, mais elle explique aussi pourquoi le résultat doit être utilisé avec prudence : l’algorithme peut générer des détails plausibles sans qu’ils correspondent à la vie réelle de la personne.

Des filtres aux effets visuels personnalisés

L’idée de modifier numériquement l’âge d’un acteur est bien antérieure aux outils d’IA générative. Au cinéma et à la télévision, les équipes ont longtemps combiné maquillage, prothèses et effets visuels numériques. Ces techniques peuvent offrir des résultats remarquables, mais elles demandent du temps, de l’expertise et des moyens importants. Les prothèses et le maquillage peuvent également être inconfortables lors de tournages prolongés.

Roni Sengupta, membre de l’équipe à l’origine de l’étude, cite notamment le film The Irishman, sorti en 2019, comme source d’inspiration. Le long métrage a marqué les esprits par son recours aux effets visuels pour modifier l’âge de ses acteurs. Mais un tel résultat a nécessité un travail coûteux et largement manuel, difficile à transposer tel quel à toutes les productions.

MyTM ne rend pas obsolète le savoir-faire des maquilleurs, des superviseurs d’effets visuels ou des artistes numériques. Son intérêt potentiel consiste plutôt à automatiser une partie de la tâche, pour proposer un premier résultat personnalisé que les professionnels pourraient ensuite contrôler et ajuster. Cette perspective intéresse particulièrement les projets aux budgets faibles ou intermédiaires, qui n’ont pas toujours les ressources nécessaires pour créer des transformations d’âge crédibles plan par plan.

Pourquoi cette méthode pourrait intéresser le cinéma et les créateurs

Dans un film, une série ou une publicité, l’âge apparent d’un personnage doit rester cohérent d’un plan à l’autre. Une solution qui conserve la structure générale d’un visage tout en adaptant son âge pourrait faciliter la préparation de certaines séquences. Elle pourrait aussi permettre de visualiser rapidement plusieurs hypothèses avant d’engager des dépenses de maquillage, de tournage ou de postproduction.

Les chercheurs envisagent plusieurs catégories d’applications :

• les effets visuels du cinéma, de la télévision et du divertissement ;
• les plateformes d’édition d’images et les filtres de réseaux sociaux ;
• des campagnes de marketing ou de sensibilisation à la santé ;
• des avatars virtuels dont l’apparence changerait au fil d’une expérience interactive.

L’usage dans les contenus de sensibilisation mérite une attention particulière. Montrer visuellement les effets potentiels du temps ou de certaines habitudes peut avoir une force pédagogique, mais une image générée ne doit jamais être présentée comme une preuve médicale individuelle. Sa valeur est illustrative, pas clinique.

L’équipe mentionne également l’hypothèse de plateformes destinées à accompagner émotionnellement des personnes en deuil. Le sujet appelle une prudence accrue. Recréer ou transformer l’apparence d’une personne disparue peut susciter des réactions très différentes selon les individus, leurs proches et le contexte de diffusion. La qualité technique d’une image ne résout ni la question du consentement ni celle de l’impact émotionnel.

Le consentement, première condition d’un usage responsable

Toute technologie capable de modifier l’identité visuelle d’une personne soulève des questions éthiques. Le vieillissement ou le rajeunissement numérique paraît moins inquiétant qu’un trucage visant à faire dire ou faire un geste à quelqu’un. Pourtant, il modifie bien l’image d’un individu et peut influencer la manière dont celui-ci est perçu.

Le consentement est donc central. Utiliser les photos d’une personne pour produire des versions plus jeunes ou plus âgées de son visage suppose qu’elle en soit informée et qu’elle accepte cet usage. Cette exigence est particulièrement importante lorsque les images concernent des mineurs, des personnes décédées ou des contenus susceptibles d’être diffusés publiquement.

Il faut aussi penser à la transparence. Dans un cadre éditorial, publicitaire ou artistique, indiquer qu’une apparence a été générée ou transformée par IA aide le public à comprendre ce qu’il regarde. Cela ne retire rien à la créativité du procédé, mais évite de confondre une simulation avec une archive ou un témoignage photographique authentique.

Enfin, la personnalisation revendiquée par MyTM dépend de la diversité et de la qualité des images auxquelles le système a été confronté. Comme pour toute IA appliquée aux visages, des performances inégales selon les traits, les âges, les origines ou les conditions de prise de vue constitueraient un risque à évaluer attentivement. Les résultats visuels séduisants ne dispensent pas d’examiner les biais possibles.

Ce qu’il faut surveiller pour la suite

Les prochaines étapes envisagées par les chercheurs concernent d’abord la quantité de données nécessaires. Réduire le besoin actuel d’environ 50 images permettrait de rendre l’outil plus pratique, à condition de préserver la qualité et la personnalisation des transformations. L’équipe souhaite également améliorer la rapidité et l’efficacité du système.

Cet enjeu de vitesse est déterminant pour des usages dynamiques. Un avatar dans une expérience interactive, par exemple, nécessiterait des transformations fluides plutôt qu’un traitement long image par image. Les auteurs évoquent aussi l’adoption d’algorithmes génératifs plus avancés, notamment les modèles de diffusion, afin d’étendre les capacités de la méthode.

La question essentielle ne sera donc pas seulement de savoir si MyTM peut générer des visages convaincants. Il faudra aussi mesurer la fidélité de ses résultats sur des personnes et des situations diverses, définir les conditions de consentement, et rendre visible la frontière entre une image documentaire et une image synthétique. C’est à ce prix que la transformation d’âge par IA pourra devenir un véritable outil créatif, plutôt qu’un filtre spectaculaire de plus.