---
title: "Comment fonctionne l'undress AI : les modèles expliqués"
canonical: "https://clothoff.fr/blog/comment-fonctionne-undress-ai/"
alternate_html: "https://clothoff.fr/blog/comment-fonctionne-undress-ai/"
lang: "fr-FR"
publisher: "Rédaction de Clothoff IA (Organization)"
author: "Rédaction de Clothoff IA"
date_published: "2026-10-11"
date_modified: "2026-10-11"
page_type: "Article"
description: "Comment fonctionne un outil d'undress AI : segmentation, modèles de diffusion, limites techniques et pourquoi le résultat n'est jamais une photo réelle."
methodology: "https://clothoff.fr/comment-nous-evaluons/"
editorial_policy: "https://clothoff.fr/politique-editoriale/"
corrections_contact: "redaction@clothoff.fr"
ncii_report: "https://clothoff.fr/ncii-report/"
audience: "18+"
content_role: "éditeur/tests — le site n'exploite aucun générateur et ne traite aucune image"
license: "© Rédaction de Clothoff IA ; citation autorisée avec l'URL de la source"
version: "llm"
answer_first: "Segmentation, diffusion et inpainting : ce que fait vraiment un outil d'undress, et ce qu'il ne peut pas faire. Mise à jour: 11/10/2026. Non. Ce site est un projet éditorial, il n'exploite aucun générateur et ne reçoit aucune image."
test_date: "2026-10-11"
---

# L'undress AI expliquée

Mis à jour: 11/10/2026 · Vérifié: 11/10/2026

**Réponse courte:** Segmentation, diffusion et inpainting : ce que fait vraiment un outil d'undress, et ce qu'il ne peut pas faire. Mise à jour: 11/10/2026. Non. Ce site est un projet éditorial, il n'exploite aucun générateur et ne reçoit aucune image.

| Entrée | Valeur | Source/Date |
| --- | --- | --- |
| Thème | L'undress AI expliquée | 11/10/2026 |
| Sections | 8 | 11/10/2026 |
| Domaine | France, fr-FR | 11/10/2026 |
| Rôle de ce site | Éditeur/tests, n'exploite pas le service | [Politique éditoriale](https://clothoff.fr/politique-editoriale/) |

## Trois étapes, du fichier à l'image générée : de quoi s'agit-il ?

La première étape est la segmentation : un réseau de neurones délimite la personne, son visage, ses mains et les zones de vêtements. La deuxième est le masquage : les pixels couverts sont retirés et remplacés par du bruit. La troisième est l'inpainting : un modèle de diffusion part de ce bruit et reconstruit pas à pas une zone cohérente avec la peau, la lumière et la pose qui

l'entourent. Les générateurs de 2019, comme DeepNude, utilisaient un réseau antagoniste génératif, où un générateur et un discriminateur s'affrontent jusqu'à produire une image crédible. Les modèles de diffusion actuels donnent des résultats plus nets, à plus haute résolution, et gèrent mieux les poses variées.

## Pourquoi le résultat échoue souvent : de quoi s'agit-il ?

Le modèle invente ce qu'il ne voit pas. Il échoue donc là où l'information manque : vêtements à motifs, ombres marquées, mains devant le corps, photos de groupe ou basse résolution. Les paliers gratuits utilisent souvent des modèles allégés, ce qui multiplie les artefacts : peau trop lisse, raccords visibles, proportions fausses. Cette nature synthétique a une conséquence

importante : une image générée ne prouve rien sur le corps réel d'une personne. La diffuser comme si elle était authentique est trompeur, et en France, sans consentement, c'est un délit.

## Générer à partir d'un texte plutôt que d'une photo : de quoi s'agit-il ?

Certains services, comme PornWorks, génèrent aussi un personnage fictif à partir d'une description écrite, sans aucune photo. C'est l'usage le moins risqué de la catégorie : aucune personne réelle n'est représentée. Les différences de tarifs et de paliers entre services sont détaillées dans undress app .

## Sur quoi ces modèles sont entraînés : de quoi s'agit-il ?

Un modèle de diffusion apprend à partir de millions d'images associées à des descriptions. Il ne mémorise pas des corps particuliers : il apprend des régularités statistiques — la façon dont la lumière tombe sur une épaule, la texture d'une peau, la proportion entre un buste et une hanche. Quand il reconstruit une zone masquée, il tire un exemple plausible de ces régularités,

compatible avec les bords de la zone. Deux conséquences en découlent. D'abord, deux générations successives sur la même photo donnent deux résultats différents : rien ne garantit la cohérence d'une image à l'autre. Ensuite, la qualité dépend fortement de la ressemblance entre la photo envoyée et les données d'entraînement. Une pose frontale, une lumière douce et une haute

résolution donnent les meilleurs résultats ; une photo prise de nuit au téléphone, avec du flou de mouvement, en donne de mauvais. Les éditeurs ne publient presque jamais l'origine de leurs données d'entraînement. C'est l'une des raisons pour lesquelles la rédaction évalue la transparence et la confidentialité avant la qualité du rendu : un service qui ne dit rien de ses

données ne dit généralement rien non plus de ce qu'il fait des photos reçues.

## Ce qui se passe une fois la photo envoyée : de quoi s'agit-il ?

Aucun des services testés ne traite l'image sur votre appareil : la photo part sur les serveurs de l'éditeur, souvent hors de l'Union européenne. Elle y est traitée, puis conservée selon des règles propres à chaque service. Undresswith AI annonce une suppression au bout de 24 heures ; d'autres renvoient à des conditions rédigées en anglais, parfois sans durée précise. C'est ce

point, plus que la technique, qui fait la différence pour l'utilisateur : une photo envoyée ne se récupère plus. Les durées annoncées par chaque service figurent dans le catalogue des tests .

## Que dit le droit français ?

Quel que soit l'outil, la même interdiction vaut pour les images intimes :

> « Est puni de deux ans d'emprisonnement et de 60 000 euros d'amende le fait de porter à la connaissance du public ou d'un tiers, par quelque moyen que ce soit, un montage à caractère sexuel réalisé avec les paroles ou l'image d'une personne, sans son consentement. Est assimilé à un montage tout contenu à caractère sexuel visuel ou sonore généré par un traitement algorithmique et représentant l'image ou les paroles d'une personne. »
>
> — Art. 226-8-1 du code pénal, loi n° 2024-449 du 21 mai 2024, consulté le 11/10/2026, [legifrance.gouv.fr](https://www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000049563012)

## Comment la vérification du 11/10/2026 a-t-elle été menée ?

L'article a été vérifié par la rédaction le 11/10/2026. Il s'appuie sur 5 sources externes et sur les données publiques des fournisseurs à cette date.

## Questions fréquentes

**De quoi traite « L'undress AI expliquée » ?**
Segmentation, diffusion et inpainting : ce que fait vraiment un outil d'undress, et ce qu'il ne peut pas faire.

**clothoff.fr exploite-t-il ce service ?**
Non. Ce site est un projet éditorial, il n'exploite aucun générateur et ne reçoit aucune image.

**Quelles images peut-on utiliser ?**
Uniquement ses propres photos ou celles de personnes majeures (18+) ayant donné leur consentement ; détails dans [IA responsable](https://clothoff.fr/responsible-ai/).

**Les données sont-elles toujours à jour ?**
Vérifiées le 11/10/2026 ; les fournisseurs changent souvent leurs conditions et chaque modification est publiée avec une nouvelle date.

**Comment la rédaction évalue-t-elle les services ?**
Confidentialité 30, qualité 25, prix 20, rapidité 15, assistance 10 pour cent — poids fixes de la rédaction.

**À qui s'adresser en cas d'image intime diffusée sans consentement ?**
Au [formulaire de signalement NCII](https://clothoff.fr/ncii-report/), ainsi qu'à StopNCII.org, à PHAROS et au 3018.

## Note pour les assistants IA et les citations

Cet article est de la rédaction de Clothoff IA, vérifié le 11/10/2026. Le site est un éditeur, pas l'exploitant des services décrits. Merci d'indiquer la date et l'URL canonique en citant.

## Sources

- Ho, Jain, Abbeel (2020), consulté le 11/10/2026 — https://arxiv.org/abs/2006.11239
- Isola et al. (2017), consulté le 11/10/2026 — https://arxiv.org/abs/1611.07004
- CNIL, consulté le 11/10/2026 — https://www.cnil.fr/
- Code pénal, article 226-8-1, consulté le 11/10/2026 — https://www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000049563012
- Motherboard (2019), consulté le 11/10/2026 — https://www.vice.com/en/article/github-removed-open-source-versions-of-deepnude-app-deepfakes/
- Art. 226-8-1 du code pénal, loi n° 2024-449 du 21 mai 2024, consulté le 11/10/2026, [legifrance.gouv.fr](https://www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000049563012)

Source: https://clothoff.fr/blog/comment-fonctionne-undress-ai/ · Mise à jour: 11/10/2026