Correction des visages flous dans les anciennes photos : quand la restauration des visages par l'IA fonctionne réellement
Les visages flous sont la chose la plus difficile à corriger sur les vieilles photos. Après avoir testé GFPGAN sur des dizaines de portraits et de photos de groupe, voici quand la restauration du visage fonctionne et quand elle aggrave les choses.
Il y a une photo de mes parents à leur premier rendez-vous — 1973, assis dans un box de diner — où le visage de mon père est juste un peu flou. Pas catastrophique, mais assez pour qu'on ne voie pas vraiment son expression. Pendant des années, j'ai simplement accepté. Puis j'ai découvert la restauration faciale par IA.
Les résultats n'étaient pas ce que j'attendais. Certaines photos sont devenues étonnamment bonnes. D'autres sont devenues étrangement mauvaises. Voici ce que j'ai appris sur le moment où la restauration faciale aide vraiment.
La différence entre flou et trop petit
Cette distinction est cruciale. Un visage vraiment flou — bords doux, pas de détails nets — peut souvent être amélioré de façon spectaculaire. L'IA dispose d'assez de données de pixels, elle a juste besoin de nettoyer et reconstruire. Un visage trop petit — comme quelqu'un à l'arrière d'une photo de groupe, occupant seulement 30×30 pixels — est bien plus difficile. Il n'y a tout simplement pas assez d'information pour que l'IA puisse travailler.
Ma règle : si le visage fait au moins 80×80 pixels, la restauration faciale aide généralement. En dessous, les résultats deviennent imprévisibles.
GFPGAN v1.4 vs v1.3 : une différence pratique
GFPGAN a deux versions principales avec des objectifs différents. La version 1.4 privilégie la reconnaissance de la personne — elle préserve davantage la structure faciale originale, quitte à moins accentuer l'amélioration. La version 1.3 cherche la clarté maximale et peut modifier légèrement les traits du visage.
Pour les photos de famille, j'utilise toujours la v1.4. Je préfère une photo légèrement plus douce où mon père ressemble encore à mon père, plutôt qu'une photo ultra-nette où il ressemble à un visage généré par IA. Pour les photos où l'identité importe moins — vieilles coupures de journaux ou images historiques — la v1.3 convient.
Quand la restauration faciale aggrave les choses
Il y a des cas où il faut complètement l'éviter. Si la personne porte des lunettes, l'IA interprète parfois la monture comme faisant partie du visage et crée des artefacts étranges autour des yeux. Si la photo présente de fortes ombres sur le visage — causées par un chapeau ou des stores — l'IA peut essayer de « corriger » les ombres, produisant un éclairage artificiel. Et si le visage est déjà net, tout traitement supplémentaire ne peut que le dégrader.
Mon processus pour les visages
Après avoir traité beaucoup de photos de famille, voici mon approche actuelle :
- Restaurer d'abord la photo entière (rayures, décoloration, etc.).
- Vérifier les visages. S'ils sont déjà nets, s'arrêter ici.
- Si les visages sont doux ou flous, lancer la restauration faciale avec les réglages par défaut.
- Comparer. Si le résultat semble trop retouché, réduire les réglages.
- Agrandir en dernier — ne jamais agrandir avant la restauration faciale.
Cette séquence m'a donné les résultats les plus naturellement constants. La photo du diner est maintenant encadrée sur mon bureau, et l'expression de mon père est enfin assez nette pour être vue. Ce n'est pas parfait — ça ne le sera jamais — mais c'est lui, et c'est ce qui compte.
Réparez les visages flous sur vos vieilles photos. ClarifyPix Restauration Faciale utilise GFPGAN pour récupérer les détails du visage tout en préservant l'identité. Coûte 4 crédits par image.