Vous êtes-vous déjà demandé comment une image "voyage" réellement lorsque vous la déposez dans ChatGPT ou un autre grand modèle d'IA ? Ce que vous voyez, c'est un bouton de téléchargement, vous sélectionnez une image, et il peut comprendre ce qu'elle contient. Que se passe-t-il entre-temps ? En réalité, il y a un petit quelque chose que vous n'avez peut-être jamais remarqué — Base64.
Ne vous laissez pas intimider par ce nom, ce n'est pas une technologie obscure et mystérieuse. En clair, Base64 est une méthode pour "traduire" des données binaires en texte. Les images, l'audio, les vidéos sont essentiellement des 0 et des 1 en binaire dans un ordinateur, mais de nombreux protocoles de transmission — comme les requêtes HTTP, le format JSON — ne sont pas très à l'aise avec les données binaires, et des problèmes peuvent survenir en cours de route. Alors que faire ? On encode d'abord les données binaires en Base64 pour obtenir une chaîne de texte pur composée de lettres, de chiffres et de quelques symboles, qui peut ensuite être transmise en toute sécurité avec les autres informations textuelles.
Vous pourriez dire : « Mais quand j'utilise l'IA pour envoyer des images, je ne remarque aucun processus d'encodage. » Exact, car tout le processus est automatique, vous ne le percevez pas. Mais en réalité, au moment où vous glissez une image dans la boîte de dialogue, le code front-end la lit probablement en binaire en arrière-plan, puis la convertit en une chaîne Base64. Cette chaîne ressemble à peu près à ceci : « data:image/png;base64,iVBORw0KGgoAAAANSUhEUg…… » suivie d'une longue série de caractères qui ressemblent à du charabia. Cette chaîne est la « version texte » de l'image.
Alors pourquoi les grands modèles d'IA utilisent-ils cette méthode pour transmettre des images ? Les raisons sont assez concrètes. Premièrement, la compatibilité. Que ce soit via un appel API ou un téléchargement sur une page web, une chaîne Base64 est simplement du texte ordinaire, et placée dans du JSON ou dans un corps de requête, elle ne causera pas de problème. Deuxièmement, c'est pratique. Pas besoin de monter un serveur de fichiers supplémentaire pour stocker les images, il suffit d'intégrer les données de l'image dans la requête, ce qui épargne beaucoup de tracas aux développeurs. Troisièmement, de nombreuses interfaces de plateformes d'IA sont conçues ainsi, par exemple l'interface du modèle visuel d'OpenAI : lorsque vous envoyez une image, vous pouvez fournir directement une URL d'image ou une chaîne encodée en Base64. Cette dernière est plus pratique dans certains cas, par exemple lorsque l'image est en local et que vous ne voulez pas la télécharger sur un serveur public.
Cependant, Base64 n'est pas sans coût. Le problème le plus évident est le « gonflement ». Après encodage Base64, le volume de données est environ un tiers plus grand que le binaire original. Autrement dit, une image de 100 Ko peut devenir plus de 130 Ko après encodage. Si l'image est déjà grande, cette inflation devient considérable. C'est pourquoi certaines plateformes d'IA imposent des limites de taille aux images téléchargées, ou les compressent d'abord en arrière-plan avant l'encodage. De plus, une chaîne Base64 trop longue est pénible à regarder, et lors du débogage, l'écran est rempli de caractères ressemblant à du charabia, ce qui rend la recherche de problèmes fastidieuse.
Alors, en tant qu'utilisateur ordinaire, à quoi cela sert-il de savoir tout ça ? En fait, ça peut être utile. Par exemple, lorsque vous appelez une API d'IA et qu'une image ne passe pas, vous pouvez vérifier si le problème vient de l'encodage Base64 — le préfixe est-il correct, l'encodage est-il complet, y a-t-il des sauts de ligne superflus, etc. Autre exemple : si vous développez vous-même et que l'image est particulièrement grande, envisagez de la compresser avant de la convertir en Base64, sinon le corps de la requête risque d'être trop volumineux et d'être rejeté par le serveur. Enfin, si vous voyez une longue série de caractères étranges dans les logs, ne paniquez pas, c'est probablement l'encodage Base64 d'une image.
En parlant d'outils, si vous avez besoin de faire manuellement de l'encodage/décodage Base64, vous pouvez essayer un outil Base64 en ligne. Glissez une image dedans pour voir sa chaîne Base64, et inversement, collez une chaîne pour la restaurer en image. C'est très pratique pour déboguer des interfaces ou vérifier des données. Attention cependant, ne l'utilisez pas pour des images sensibles, car avec un outil en ligne, il faut toujours se soucier de la sécurité des données.
En résumé, Base64 est comme un « laissez-passer » dans le monde des grands modèles d'IA, emballant les données binaires comme les images sous forme de texte pour qu'elles circulent sans encombre à travers diverses interfaces et protocoles. Vous ne le voyez pas, mais il travaille bel et bien en arrière-plan. La prochaine fois que vous enverrez une image à une IA, pensez que, à cet instant, une longue chaîne de caractères Base64 file peut-être sur le réseau.