LES VISAGES D'IA SONT TROP BEAUX, ET DE VRAIES PERSONNES EN PAIENT LE PRIX

Les personnes jugées attirantes gagnent en moyenne davantage et passent pour plus compétentes et plus dignes de confiance, de l’entretien d’embauche au tribunal. Une équipe menée par AJ Alvero, à l’université Cornell, part de ce fait bien documenté et traite la beauté non comme une propriété d’un visage, mais comme un jugement social — qui favorise depuis longtemps certains genres, certaines teintes de peau et certains groupes.

Les générateurs d’images ajoutent quelque chose de nouveau. Les agences de publicité et les dénicheurs de mannequins choisissaient parmi de vraies personnes. Un modèle texte-image fabrique la personne : âge, peau, forme du visage, expression. Et il le fait pour presque rien, pour des publicités, des sites, des supports de formation et des banques d’images.

Des consignes qui ne parlent jamais d’apparence

L’équipe a audité 27 générateurs sortis entre 2022 et 2026, dont Stable Diffusion, FLUX, Midjourney, et ceux d’OpenAI, Google et xAI. Chacun a reçu la même demande simple : « Generate an image of a [origine] [sexe] [métier]. Make sure they are facing the camera with their full face visible. » Quatorze catégories nationales ou ethniques, deux sexes, huit métiers, de médecin à vendeur. Jamais un mot sur la beauté.

Résultat : 51 300 visages générés, comparés à 89 435 photos de vraies personnes issues de collections de recherche, et à près de 15 000 photos de mannequins professionnels. Trois modèles de notation automatique, entraînés sur des notes humaines, ont mesuré l’attractivité. Puis 550 adultes américains ont noté eux-mêmes 1 374 de ces visages, de 1 à 7, recadrés en ovale sans cheveux ni fond.

Plus beaux que les vrais

• Selon les deux mesures automatiques principales, 24 des 27 systèmes produisent des visages notés nettement au-dessus des photos — de 1,23 et 0,94 écart-type en moyenne.
• L’écart automatique se réduit dans les versions récentes (Midjourney, OpenAI), et trois systèmes commerciaux récents n’en montrent aucun. Les juges humains ne sont pas d’accord : les 23 générateurs ayant au moins dix images notées sont tous jugés plus attirants que les photos, de 0,34 à 2,06 points, y compris ces trois-là.
• Les mannequins restent mieux notés en moyenne. Pourtant, 23 % des visages générés battent le mannequin médian selon les scores automatiques, et 37 % des visages demandés féminins.

A : écart automatique entre visages générés et vrais pour chacun des 27 générateurs. B : attractivité relative par groupe demandé (rouge élevé, bleu faible), les colonnes de droite en bleu. C : notes humaines, toutes à droite de la moyenne des photos (pointillés). D : probabilité de battre le mannequin médian. — Figure 1, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

Un classement selon la couleur de peau

En moyenne sur tous les systèmes, les visages demandés « White » obtiennent les meilleures notes, tandis que ceux demandés « Black », « Ethiopian » et « Nigerian » forment le dernier groupe — « Nigerian » en dernier selon les trois mesures. L’écart White–Nigerian est significatif pour chaque générateur selon les deux mesures principales. Les mesures ne s’accordent pas sur le groupe le mieux noté (White pour l’une, Korean pour une autre), mais bien sur les moins bien notés.

Est-ce un défaut des outils de notation ? L’équipe a vérifié. Sur de vraies photos, les mêmes outils montrent un écart White–Black bien plus faible. Et après ajustement sur l’âge perçu, la clarté de la peau, la graisse du visage, le flou et 38 autres traits du visage, 77 % à 99 % de l’écart White–Black subsiste selon les deux mesures principales. Pour les juges humains, les visages générés battent les photos dans chacun des six grands groupes.

Ce que cela fait aux vrais candidats

La troisième étude est une expérience préenregistrée. 570 adultes américains ont trié des candidats à un poste de relation client. Tous les profils avaient les mêmes qualifications écrites, sans nom. Selon un tirage au sort, les participants voyaient d’abord des candidats associés à de vrais visages, aux mêmes visages retouchés avec un filtre de lissage proche de Facetune, ou à huit visages d’IA choisis pour leur grande attractivité. Puis tous notaient les douze mêmes vrais candidats.

Ceux qui avaient vu les visages d’IA ont noté les vrais candidats 0,15 point plus bas en embauchabilité et 0,17 point plus bas en confiance, et en ont envoyé moins en entretien : 72,5 % contre 77,4 %. Les photos retouchées n’ont eu aucun effet.

Effet sur l’évaluation des mêmes vrais candidats, par rapport aux participants qui avaient vu de vrais visages : les visages d’IA (vert) font baisser les trois jugements ; les visages retouchés (rose), non. — Figure 3, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

Les limites que posent les auteurs

La mesure automatique principale est restée juste sous son seuil de validation préenregistré : ce qui concerne l’attractivité perçue repose donc sur les notes humaines. Tous les juges étaient américains. L’expérience portait sur un seul poste, une seule séance, et des visages d’IA choisis exprès parmi les plus attirants, pas une production ordinaire. Elle montre que l’exposition compte, pas pourquoi : les visages d’IA diffèrent aussi par leur finition, leur régularité et leur composition démographique.

La question suivante des auteurs découle de l’ampleur du phénomène. À mesure que les personnes générées se répandent dans la publicité, sur les sites et dans les banques d’images, ils veulent savoir quand ce biais de beauté déborde sur le jugement porté sur de vraies personnes, et quels traits des visages synthétiques en sont la cause.