Les visages générés par IA pourraient rendre les vraies personnes moins employables

Nul besoin de scientifiques pour savoir que la beauté physique ouvre des portes, puisque vous en avez probablement été, dans une certaine mesure, victime ou bénéficiaire au cours de votre vie ; ni pour découvrir que les visages générés par IA tendent à être plus séduisants que les vraies personnes (pour diverses raisons, dont beaucoup tiennent à des préférences et à des processus humains).

Pourtant, une nouvelle collaboration universitaire américaine sur un sujet connexe a retenu mon attention aujourd’hui : elle présente des éléments indiquant que la beauté générée par IA pourrait coûter des entretiens d’embauche à de vraies personnes. Dans une étude portant sur 570 personnes, celles qui avaient été exposées à des visages générés par IA exceptionnellement séduisants ont ensuite jugé de vrais candidats moins employables et moins dignes de confiance ; leur volonté de proposer des entretiens est passée de 77,4 % à 72,5 %, alors qu’elles évaluaient exactement les mêmes candidats.

Exemples de visages générés par IA dans l’étude, montrant la grande diversité de leurs notes d’attractivité. Les chercheurs ont testé 27 générateurs d’images avec des requêtes ordinaires ne mentionnant pas la beauté. La rangée supérieure montre des visages ayant obtenu certaines des meilleures notes auprès des systèmes d’évaluation automatisés ; la rangée inférieure, certaines des plus faibles. Les huit personnes représentées sont générées par IA, et non réelles. Source

Les chercheurs ont également étudié l’attractivité des visages générés par IA par rapport aux visages réels, à partir d’images produites par divers modèles commerciaux et à poids ouverts. En demandant à 550 personnes d’évaluer des photographies de vraies personnes et des visages générés par IA, ils ont constaté que les visages synthétiques obtenaient systématiquement de meilleures notes ; dans une comparaison supplémentaire, des mesures appropriées ont établi que 37 % des visages féminins générés par IA étaient jugés plus séduisants que le mannequin professionnel typique.

Comparaison des visages générés par IA avec des mannequins professionnels, pour 27 générateurs d’images. Le graphique montre le pourcentage de visages générés obtenant une note supérieure à celle du mannequin professionnel médian selon des mesures automatisées d’attractivité. Les points noirs représentent tous les visages générés ; les cercles jaunes, uniquement les visages féminins. Au total, 23 % des visages générés dépassaient ce seuil, proportion atteignant 37 % pour les visages féminins. Les lignes pointillées indiquent ces deux moyennes.

L’article^† indique :

« Nous avons audité 27 générateurs de texte en image publiés entre 2022 et 2026, avec des requêtes simples ne mentionnant jamais l’attractivité ou la beauté, en analysant 51 300 visages générés et 160 196 photographies de vraies personnes dans les comparaisons principales et complémentaires.

« Nous avons utilisé trois mesures automatisées et recueilli les notes de 550 évaluateurs humains sur un sous-ensemble d’images.

« Presque tous les générateurs ont produit des visages obtenant de meilleures notes que les visages photographiés selon les mesures automatisées, et les évaluateurs humains ont jugé les résultats des 23 générateurs significativement plus séduisants que les visages photographiés, même après correction pour comparaisons multiples.

« En concentrant notre analyse sur le genre, nous constatons que 37 % des visages générés à partir de requêtes féminines dépassaient la note du mannequin professionnel médian. »

Les auteurs notent aussi que si les experts — humains comme IA — peuvent débattre et ne pas s’accorder sur le sommet de la catégorie « beau », on ne retrouve pas cette finesse dans les notes « non séduisant » ou « très peu séduisant », qui constituent, par comparaison, une sorte de poubelle générique* :

« Le fait que les mesures s’accordent davantage sur les personnes les moins valorisées que sur les plus valorisées rappelle une caractéristique importante du classement esthétique dans des milieux comme le mannequinat : les personnes et les institutions n’ont pas besoin de s’accorder sur un idéal unique pour produire des inégalités récurrentes quant aux apparences les moins valorisées. »

La valeur des visages

De nombreux résultats de l’étude rappellent l’expérience humaine courante de la perception contextuelle et relative : si vous étiez, par exemple, la personne la plus intelligente ou la plus séduisante de votre école, entrer dans une université de l’Ivy League peut considérablement relever les normes ambiantes et abaisser votre position relative dans ce nouveau groupe.

Mais le monde n’est pas rempli de personnes générées par IA qui se promènent réellement et jouent des coudes pour écarter les êtres de chair et de sang lors des entretiens d’embauche ; comment le phénomène culturel des critères de beauté de l’IA générative peut-il donc changer quelque chose ?

Outre la possibilité inquiétante que des personnes recourent à la chirurgie esthétique pour se rapprocher du « standard de l’IA », l’effet décrit dans cette nouvelle étude ressemble à la culture de la beauté qui précédait l’IA au cinéma, à la télévision, dans la mode et dans d’autres secteurs visibles et influents de la culture humaine : un environnement où nous étions et sommes saturés d’idéaux physiques irréalistes, et où nous apprenons à composer avec eux comme avec un problème de rapport signal-bruit. Nous rêvons de stars de cinéma, mais épousons qui nous pouvons.

L’article décrit l’influence croissante de l’esthétique visuelle propre à l’IA dans un contexte similaire* :

« Si les visages générés sont à la fois plus séduisants que les vrais et le sont de manière inégale, [the] la question se pose : quelles sont les conséquences sur les jugements portés sur les vraies personnes ? L’exposition à des images très sélectionnées ou retouchées modifie la comparaison des apparences et le jugement ultérieur, et les expériences classiques de contraste montrent que l’exposition à des personnes très séduisantes peut abaisser les jugements d’attractivité ultérieurs.

« L’IA générative peut fournir des flux répétés de visages distincts façonnés par les mêmes processus esthétiques. On ne sait toujours pas clairement si l’exposition à des visages générés par IA modifie les évaluations de vraies personnes ayant des conséquences concrètes. »

Les auteurs ne proposent aucun remède précis ; ils appellent plutôt à poursuivre les recherches pour déterminer quand la beauté générée par IA influence nos jugements sur les vraies personnes, quels aspects des visages synthétiques produisent cet effet et si les résultats se maintiendraient en dehors de l’expérience d’embauche simulée.

Méthode et préparation des données

Pour déterminer dans quelle mesure les générateurs d’images par IA favorisent les visages séduisants, les chercheurs ont testé 27 systèmes publiés entre 2022 et 2026 : Stable Diffusion 1.5, 2.1, XL, 3, 3.5-medium, 3.5-large et 3.5-large-turbo ; FLUX.1 dev et schnell, FLUX.2, FLUX.2-klein 9B et FLUX.2-klein 4B ; GPT Image 1.5 et GPT Image 2 ; Grok Image et Grok Imagine ; Nano Banana 2 et Nano Banana Pro ; Midjourney v6, v7 et v8 ; PixArt-Sigma ; Playground 2.5 ; HunyuanDiT ; Qwen-Image ; Sana ; et Lumina-2.

La même requête simple a servi dans tous les systèmes à générer des portraits représentant 14 catégories démographiques, masculines et féminines, et huit professions (médecin ; avocat ; vétérinaire ; pharmacien ; cuisinier ; ouvrier du bâtiment ; infirmier et employé de commerce), sans mentionner la beauté ou l’attractivité.

Des requêtes omettant les détails démographiques, le sexe ou la profession ont également été testées, produisant au total 51 300 images à analyser.

Pour la comparaison, 94 249 photographies ont été tirées de FairFace, IdenProf, SCUT-FBP5500, MEBeauty, de la Chicago Face Database et de ses extensions multiraciales et indiennes, ainsi que du jeu Face Research Lab London. Des visages exploitables ont été détectés dans 89 435 photographies.

Divers visages occidentaux et asiatiques issus du jeu de données SCUT-FBP5500, l’un des six utilisés dans la nouvelle étude. Source

Des comparaisons supplémentaires ont utilisé la 10k US Adult Faces Database, un ensemble de 15 182 photographies de mannequins professionnels, LookismBench-SyntheticFaces, FFHQ et StyleGAN2. Les photographies de mannequins servaient de référence de « forte attractivité », tandis que les autres ensembles étaient analysés séparément pour évaluer les mesures d’attractivité et fournir d’autres comparaisons.

Les visages ont été détectés et recadrés avec MTCNN, puis standardisés. L’attractivité a été évaluée avec des modèles ResNet-50 entraînés sur SCUT-FBP5500 et MEBeauty, ainsi qu’avec SwinFace, entraîné sur les annotations de CelebA.

Pour vérifier si les notes d’attractivité automatisées correspondaient aux opinions humaines, 550 adultes résidant aux États-Unis ont évalué une sélection de 1 374 visages réels et générés par IA.

Dans une expérience distincte, 570 adultes américains ont été répartis en trois groupes auxquels on a présenté des candidats avec des photographies réelles, retouchées ou des visages générés par IA. Les trois groupes ont ensuite évalué les mêmes vrais candidats, permettant de mesurer les différences de décisions d’embauche. Les analyses principales de l’étude ont été préenregistrées.

Tests

Selon les deux principales mesures d’attractivité, les visages générés par IA ont obtenu des notes significativement supérieures aux photographies réelles pour 24 des 27 générateurs testés ; la mesure CelebA/SwinFace étaye également ce résultat, comme le montre le graphique ci-dessous :

Différences d’attractivité entre les visages générés par IA et les photographies réelles pour 27 générateurs d’images, exprimées en scores d de Cohen moyens sur trois mesures automatisées. Des valeurs positives indiquent une attractivité supérieure des visages générés.

Selon l’article, sur les trois mesures, 13 générateurs ont produit des visages notés à plus d’un écart-type au-dessus des photographies réelles ; aucun avantage n’a toutefois été constaté pour Nano Banana Pro, Grok Image ou Nano Banana 2.

La tendance à produire des visages exceptionnellement séduisants était moins prononcée dans les modèles Midjourney et OpenAI récents, tandis que l’effet était environ deux fois plus marqué dans les modèles à poids ouverts que dans les offres commerciales d’OpenAI, Google, Midjourney et xAI.

Lors des évaluations humaines, les visages des 23 générateurs testés disposant d’assez d’images pour une comparaison fiable ont été jugés plus séduisants que les photographies réelles. Sur une échelle de 1 (le moins séduisant) à 7 (le plus séduisant), les vrais visages ont obtenu 3,10 en moyenne, tandis que les visages générés par IA obtenaient de 0,34 à 2,06 points de plus selon le générateur, comme indiqué ci-dessous :

Notes d’attractivité attribuées par des humains aux visages de 23 générateurs d’images par IA, sur une échelle de 1 à 7. Les générateurs dépassent la moyenne des photographies réelles, indiquée par la ligne bleue pointillée. Les points rouges indiquent les notes moyennes et les barres horizontales l’incertitude autour de chaque moyenne.

Les évaluations humaines ont attribué des notes supérieures aux visages générés par IA dans les six catégories raciales et ethniques (voir ci-dessous), même pour Nano Banana Pro, Grok Image et Nano Banana 2, dont les visages n’avaient pas dépassé les photographies réelles dans les tests :

Notes humaines d’attractivité des visages générés par IA (rouge) et des photographies réelles (bleu) dans six catégories raciales et ethniques. Les visages générés par IA ont obtenu des moyennes supérieures dans chaque catégorie, avec des écarts de 0,74 à 1,37 point sur une échelle de sept points. Les barres verticales indiquent l’incertitude autour de chaque moyenne.

Les évaluations humaines différaient aussi des résultats automatisés pour les modèles récents. Peu de changement a été observé entre GPT Image 1.5 et GPT Image 2 d’OpenAI, tandis que les versions 6, 7 et 8 de Midjourney recevaient des notes d’attractivité progressivement plus élevées.

Autrement dit, les modèles d’IA récents étaient toujours jugés, par les humains, capables de produire des visages exceptionnellement séduisants, même lorsque les mesures automatisées indiquaient une diminution de cette tendance.

L’avantage injuste

L’expérience finale cherchait à déterminer si l’exposition à des visages séduisants générés par IA pouvait influencer le jugement porté sur de vrais candidats à l’emploi.

Pour un poste simulé de « chargé de réussite client », 570 adultes américains ont été répartis en trois groupes. Après avoir évalué quatre candidats identiques, chaque groupe a vu huit profils avec des photographies réelles, retouchées ou des visages générés par IA. Les visages IA avaient auparavant obtenu 5,75 sur sept pour leur attractivité, contre 2,99 pour les photographies réelles. Les images retouchées avaient été lissées et éclaircies avec un effet fondé sur la fonction One-tap Enhance de Facetune.

Douze candidats supplémentaires, dont les photographies et qualifications étaient identiques dans les trois groupes, ont été inclus pour vérifier si l’exposition aux différentes images influençait les décisions d’embauche.

Les candidats aux visages générés par IA ont reçu des notes légèrement supérieures d’employabilité et de fiabilité, sans augmentation significative des invitations à un entretien. Après l’exposition à ces visages, toutefois, les mêmes vrais candidats ont été jugés moins employables et moins dignes de confiance, les invitations à un entretien passant de 77,4 % à 72,5 % :

Résultats du test d’embauche montrant les changements d’employabilité perçue, de fiabilité et de probabilité d’entretien des vrais candidats après exposition à différents types de visages. Les évaluations baissaient après exposition aux visages générés par IA, mais pas aux photographies retouchées. Les points indiquent les différences par rapport au groupe témoin des photographies réelles ; les lignes verticales, les intervalles de confiance à 95 %.

Aucune baisse comparable n’a été observée après exposition aux photographies retouchées : des humains réels supposés apparaître sous leur meilleur jour n’ont donc pas « relevé la barre » comme les images IA.

Les auteurs commentent :

« Les candidats associés à des visages générés par IA n’ont obtenu que des notes directes légèrement meilleures, mais les participants ayant vu ces visages ont ensuite évalué les mêmes vrais candidats plus négativement sur les trois critères.

« Les candidats générés par IA eux-mêmes ont reçu des notes directes de fiabilité légèrement supérieures, ce qui rend moins probable une simple aversion généralisée pour les profils aux visages IA.

« L’expérience nous dit néanmoins que l’exposition a compté, pas pourquoi. »

Conclusion

À titre anecdotique, les personnages générés par IA dominent désormais certainement la publicité de rue dans la ville où je vis, mais il s’agit d’art en 2D. Reste à voir si l’utilisation de vidéos génératives fondées sur la diffusion à la télévision et au cinéma surmontera les contraintes juridiques et éthiques actuelles ; si c’est le cas, on peut peut-être s’attendre à une population bien plus vaste d’acteurs générés et/ou augmentés par IA qui « relèvent le standard esthétique » et réalisent le scénario de « beauté IA ambiante » décrit dans le nouvel article.

Le principe n’a rien de nouveau ; le potentiel d’automatisation, si. On pourrait alors distiller l’essence de célébrités, mannequins et représentants publics réels, actuels ou passés, les reproduire ou les « améliorer », puis les diffuser largement sans coûteuses négociations contractuelles. Mais cela reste à venir, si cela vient un jour.

^† Intitulé Generative AI Produces and Transmits Beauty Bias, par huit chercheurs de Cornell, de l’University of Florida et de l’University of Pennsylvania.

* J’ai converti les citations intégrées des auteurs en hyperliens.

Première publication le lundi 19 octobre 2026