Une expérience menée sur treize modèles de langage interroge la capacité des intelligences artificielles à reconstruire des icônes culturelles sans support visuel. En demandant à ces systèmes de générer une représentation de Mario sur une grille de 32x32 pixels, les chercheurs mettent en lumière la manière dont les IA synthétisent des concepts visuels à partir de leurs données d'entraînement.
Une reconstruction sans modèle de référence
L'exercice, baptisé Pixel32Bench, impose une contrainte stricte aux modèles : produire une image en pixel art sans aucune source visuelle fournie. Contrairement aux générateurs d'images classiques qui s'appuient sur des bases de données iconographiques, les modèles de langage (LLM) doivent ici traduire des concepts textuels en données brutes. Ils doivent fournir une couleur de fond et définir l'état de 1 024 pixels individuels. Cette méthode permet d'observer comment l'IA « comprend » la structure d'un personnage à partir des associations apprises durant son entraînement.
Analyse des performances techniques
Sur 53 tentatives réalisées avec des modèles issus d'acteurs majeurs comme OpenAI, Anthropic, Google ou DeepSeek, 41 ont abouti à une image techniquement valide. L'outil de comparaison permet d'évaluer non seulement la fidélité visuelle, mais aussi le coût et le temps de génération. Il apparaît que la puissance de calcul ou le niveau de « réflexion » paramétré ne garantissent pas systématiquement un résultat plus probant, soulignant une variabilité importante dans la capacité de synthèse visuelle des différents modèles.
Les marqueurs visuels de l'identité numérique
Malgré des résultats allant de la précision reconnaissable à l'abstraction chaotique, une constante émerge des créations réussies. Les IA identifient systématiquement les attributs fondamentaux du personnage : la casquette rouge, la salopette bleue, les chaussures brunes et les traits faciaux caractéristiques comme la moustache. Ces éléments constituent, pour les modèles, l'essence même de l'icône. Si l'expression « dans la tête des IA » demeure une métaphore, cette expérience démontre que les modèles parviennent à isoler les marqueurs visuels essentiels d'un sujet pour le reconstruire, confirmant leur capacité à structurer des informations complexes au-delà du simple texte.