Un cuisinier qui apprendrait à cuisiner avec des dessins risquerait de rater tous ses plats. Même piège pour la vision par ordinateur : les modèles ont besoin de milliers de clichés annotés, mais les collecter à la main est coûteux et fastidieux. Les images synthétiques règlent le problème, à condition de ressembler à de vraies photos. L'outil GraNatPy évalue la vraisemblance : une métrique, tel un dégustateur pointilleux, vérifie la douceur des transitions de luminosité aux contours des objets. Une autre — l'entropie — veille à ce que l'ensemble ne soit pas monotone et que les images soient variées. Si la ressemblance boite, le programme suggère quoi améliorer : la photométrie (l'éclairage) et la spectroscopie (la couleur). Rebondissement inattendu : un modèle entraîné uniquement sur ces images améliorées reconnaît les détails plus précisément qu'après de vraies photos. L'agent SynthClaw cherche automatiquement la recette idéale de la tromperie visuelle, en épuisant sans relâche des centaines de variantes.
Les virologues comptent à la main les plages de lyse dans les boîtes de Pétri — des zones mortes dues aux virus, de la taille d'un point de stylo. Une erreur d'une seule plage mène à un mauvais diagnostic. Les images synthétiques rendent l'entraînement du modèle cent fois moins cher et rendent le comptage impeccable.