Le prochain opus de la saga James Bond, en développement chez Amazon Studios, sera écrit par Steven Knight (Peaky Blinders) et réalisé par Denis Villeneuve. Pour l’heure, Knight a seulement évoqué son envie de créer « quelque chose d’identique mais différent », tandis que Villeneuve a promis d’« honorer la tradition » de la saga. Une déclaration énigmatique, tant cette tradition a pu se révéler changeante au fil des ans, en particulier dans le rapport que le héros entretient avec les technologies de pointe.

---

Depuis les années 1960, la panoplie de gadgets fait partie intégrante de l’univers James Bond. Leur présence ou leur absence a souvent marqué les tournants de la saga, reflétant à la fois le contexte mondial et l’influence d’autres franchises à succès.

Aujourd’hui, avec l’essor de l’IA, le James Bond nouveau pourrait explorer de nouveaux thèmes liés à la technologie. Mais chaque nouvelle version, surtout associée à l’arrivée d’un nouvel acteur, une approche plus réaliste, façon « retour aux sources ».

Bond et ses gadgets

Les premiers James Bond, avec Sean Connery – Dr No (1962), Bons baisers de Russie et Goldfinger (1964) – introduit déjà quelques gadgets. Dans On ne vit que deux fois (1967), le scénario est plus spectaculaire, avec le détournement d’une capsule spatiale en pleine course à l’espace entre les États-Unis et l’URSS, avec le repaire du méchant niché dans un volcan.

Le film suivant, Au service secret de Sa Majesté (1969), adopte un ton très différent. L’intrigue se concentre sur la romance entre Bond (George Lazenby) et Tracy di Vicenzo (Diana Rigg) jusqu’à leur mariage, privilégiant une dimension émotionnelle inédite. Le rôle secondaire accordé à la technologie coïncide avec l’arrivée d’un nouvel acteur — une tendance qui se répétera régulièrement. Ce changement de ton était d’ailleurs prévisible pour d’autres raisons.

En effet, Ian Fleming, l’auteur de James Bond, écrit Au service secret de Sa Majesté dans sa maison de vacances jamaïcaine, Goldeneye, alors que Dr No était tourné à proximité. Publié le 1^er avril 1963, le roman sort le jour où débute le tournage de Bons baisers de Russie. L’approche plus sobre en gadgets peut être vue comme la critique de Fleming envers ce qu’il considérait comme une dépendance excessive des films Bond aux technologies de pointe. Dans l’histoire de la saga, chaque excès technologique est presque toujours suivi d’un recentrage sur des choix plus minimalistes, et une plus grande place accordée aux personnages.

Après Au service secret de Sa Majesté, Sean Connery revient dans Les diamants sont éternels (1971), qui, comme On ne vit que deux fois, s’inscrit dans une intrigue spatiale. Puis vient Vivre et laisser mourir (1973), premier film avec Roger Moore dans le rôle de Bond, plus ancré dans le réel et marqué par l’absence de Q, le célèbre maître des gadgets (appelé Major Boothroyd dans Dr No).

Les films des années 1970, avec Roger Moore, montrent une dépendance croissante à la technologie, culminant avec Moonraker (1979), fortement influencé par Star Wars (1977), dans lequel Bond part dans l’espace.

Le film suivant, Rien que pour vos yeux (1981), fut décrit par le réalisateur John Glen comme un retour « aux sources de Bond ». La récession mondiale de 1980-1982 a probablement favorisé ce recentrage. Avec un budget inférieur à celui de Moonraker, les réalisateurs ont dû faire preuve d’ingéniosité : on le voit avec ce Bond escaladant une paroi rocheuse, en Grèce, à l’aide de simples lacets.

Une relation ambivalente avec la technologie

Les derniers films avec Moore illustrent la relation ambivalente entre Bond et la technologie, notamment avec l’intrigue sur les micropuces dans Dangereusement vôtre (1985). Mais dès Tuer n’est pas jouer (1987), Timothy Dalton incarne un Bond plus réaliste, fidèle à l’esprit des romans, privilégiant les techniques d’espionnage classiques. Après une ouverture à Gibraltar, l’action se déplace à Bratislava, où Bond aide un général du KGB à passer à l’Ouest. Dalton quitte la saga après Permis de tuer (1989), influencé par le cinéma d’action hollywoodien des années 1980.

Après une pause de six ans, Bond revient avec GoldenEye (1995), incarné par Pierce Brosnan, et entre dans l’ère de l’information. L’intrigue cyberterroriste du film s’inspire des sous-cultures émergentes sur Internet.

Meurs un autre jour (2002), dernier film avec Pierce Brosnan dans le rôle-titre, pousse la technologie à l’extrême avec une Aston Martin invisible, jugée excessive par le public et la critique. Dans un contexte post-11 septembre, marqué par la quête de réalisme et de sécurité nationale – incarnée par la saga Jason Bourne – ces effets spéciaux spectaculaires paraissaient décalés.

C’est alors qu’arrive le Bond incarné par Daniel Craig, accompagné d’une déclaration forte : désormais, Bond ferait les choses pour de vrai, pour reprendre le titre d’un documentaire sur l’acteur tournée à l’occasion de son premier film dans le rôle (Casino Royale, 2006). Cette déclaration d’intention marque non seulement une distanciation par rapport aux images de synthèse mais aussi l’abandon de bizarreries technologiques extravagantes qui avaient marqué les épisodes précédents.

L’absence de Q, une première depuis Vivre et laisser mourir, confirme ce retour aux sources. Lorsque Q revient dans Skyfall (2012), désormais incarné par Ben Whishaw, il lance à Bond : « Vous vous attendiez à un stylo explosif ? Nous ne faisons plus vraiment ce genre de choses. »

Avec un nouveau reboot en préparation, la question se pose : le film s’inspirera-t-il des technologies contemporaines ou privilégiera-t-il un Bond plus réaliste ? Denis Villeneuve, fort de son expérience en science-fiction (Arrival, Blade Runner 2049, Dune), pourrait aller dans le sens de l’innovation. Mais, dans un contexte culturel marqué par la crainte de l’intelligence artificielle, la saga pourrait également s’éloigner de la technologie pour se démarquer. Quoi qu’il en soit, les cinéastes pourront toujours affirmer rester fidèles à la tradition !

Christopher Holliday ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d'une organisation qui pourrait tirer profit de cet article, et n'a déclaré aucune autre affiliation que son organisme de recherche.

Le montant de l’investissement annoncé lors du Sommet pour l’action sur l’intelligence artificielle tenu en février 2025 à Paris paraît...

C'est une autre deeptech, NetsooonAI, qui a donné naissance à DataGreen. Fondée en 2023 et elle aussi implantée à Nice (Alpes-Maritimes), la...

Chaque semaine, nos scientifiques répondent à vos questions dans un format court et accessible, l’occasion de poser les vôtres ici !

---

Depuis une victoire face aux meilleurs joueurs humains de Go, par exemple, ou plus récemment, la prévision de la météo avec une précision jamais atteinte, les avancées des IA se poursuivent et continuent de surprendre. Un résultat encore plus déconcertant est celui de la génération d’images d’un réalisme saisissant alimentant une confusion certaine entre le vrai et le faux. Mais comment ces images sont-elles générées automatiquement ?

Les modèles de génération d’images reposent sur l’apprentissage profond, c’est-à-dire des réseaux de neurones de très grande taille pouvant atteindre plusieurs milliards de paramètres. Un réseau de neurones peut être considéré comme une fonction qui va associer à des données en entrée, des prédictions en sortie. Cette fonction est composée d’un ensemble de paramètres (des valeurs numériques) initialement aléatoires que le réseau va apprendre à fixer par apprentissage.

Pour donner un ordre de grandeur, le modèle Stable Diffusion, capable de générer des images réalistes est composé de 8 milliards de paramètres et son entraînement a coûté 600 000 dollars.

Ces paramètres, il faut les apprendre. Pour expliquer leur apprentissage, nous pouvons nous intéresser au cas plus simple de la détection d’objets à partir d’images. Une image est présentée en entrée du réseau et celui-ci doit prédire en sortie des étiquettes d’objets possibles (voiture, personne, chat…).

L’apprentissage consiste alors à trouver une bonne combinaison de paramètres permettant de prédire le plus correctement possible les objets présents dans les images. La qualité de l’apprentissage dépendra principalement de la quantité de données étiquetées, de la taille des modèles et de la puissance de calcul disponible.

Dans le cas de la génération d’images, c’est en quelque sorte le processus inverse que l’on souhaite faire : à partir d’un texte décrivant une scène, est attendue en sortie du modèle la création d’une image correspondant à cette description, ce qui est considérablement plus complexe que de prédire une étiquette.

Détruire pour créer

Dans un premier temps, oublions le texte et focalisons-nous sur l’image seule. Si générer une image est un processus complexe même pour un être humain, détruire une image (le problème inverse) est un problème trivial. Concrètement, à partir d’une image composée de pixels, changer la couleur de certains pixels aléatoirement constitue une méthode simple d’altération.

Nous pouvons présenter en entrée d’un réseau de neurones une image légèrement altérée et en sortie lui demander de prédire l’image d’origine. Nous pouvons alors entraîner le modèle à apprendre à débruiter des images, ce qui représente un premier pas vers la génération d’images. Ainsi, si l’on part d’une image fortement bruitée et que l’on réitère l’appel du modèle séquentiellement, nous obtiendrons à chaque appel une image de moins en moins bruitée jusqu’à obtenir une image entièrement débruitée.

Si nous exagérons le processus, nous pourrions alors partir d’une image composée uniquement de bruit (une neige de pixels aléatoires), autrement dit une image de rien et réitérer les appels à notre modèle « débruiteur » afin d’aboutir à une image comme illustré ci-dessous :

Nous avons alors un processus capable de générer des images mais d’un intérêt limité car, en fonction du bruit aléatoire, il peut après plusieurs itérations aboutir à générer n’importe quoi comme image de sortie. Nous avons donc besoin d’une méthode pour guider le processus de débruitage et c’est le texte qui sera utilisé pour cette tâche.

Du bruit à l’image

Pour le processus de débruitage nous avons besoin d’images, celles-ci proviennent d’internet et permettent de constituer le jeu de données d’apprentissage. Pour le texte nécessaire au guidage du débruitage, ce sont tout simplement les légendes des images trouvées sur Internet qui sont utilisées. Parallèlement à l’apprentissage du débruitage de l’image, un réseau représentant le texte est associé. Ainsi, lorsque le modèle apprend à débruiter une image, il apprend également à quels mots ce débruitage est associé. L’apprentissage terminé, nous obtenons un modèle qui à partir d’un texte descriptif et d’un bruit total va, par itération successive, éliminer le bruit pour converger vers une image collant à la description textuelle.

Le processus permet de s’affranchir d’un étiquetage manuel spécifique. Il se nourrit des millions d’images associées à leurs légendes déjà présentes sur le web. Pour finir, une image valant mille mots, en guise d’exemple, l’image ci-dessus est générée à partir du texte suivant : « fried egg flowers in the bacon garden (fleurs d’œufs frits dans un jardin de bacon) » par le modèle Stable Diffusion.

Christophe Rodrigues ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d'une organisation qui pourrait tirer profit de cet article, et n'a déclaré aucune autre affiliation que son organisme de recherche.

"Nos technologies sont de plus en plus accessibles partout où nous intervenons", affirme Michel Lutz, responsable de la transformation Data et...

Dans cet article de The Conversation, le processus de création des images par des systèmes d'intelligence artificiclle comme Dall-E ou Midjourney est expliqué. Il n'y a pas de magie, mais des algorithmes et des procédés de destruction et reconstruction d'images.

L'union peut sembler contre-nature. D’un côté, la dernière technologie à la mode ; de l’autre, un secteur qui s’enorgueillit de traditions et...

Encore un roman qui viendra prouver à tous ceux qui pensent que la littérature française est confinée aux affaires de coeur d'intellos du...

Les IA génératives génèrent des textes, mais aussi des images. C'est sur ce créneau que s'est positionnée la start-up Scenario. Emmanuel de...

Plus loin, plus haut, plus fort… Tel pourrait être aussi le slogan d’Amazon Web Services (AWS), qui à Las Vegas a multiplié les annonces à...