Stability AI : Stable Diffusion, Stable Audio, licences et usages en entreprise

Stability AI est une entreprise britannique spécialisée dans l'IA générative appliquée aux médias : images, vidéo, audio et 3D. Contrairement à OpenAI ou à Mistral AI, elle ne développe plus de modèles de langage généralistes comme cœur d'activité : son offre vise la production de contenus visuels et sonores, pour les développeurs, les équipes créatives et les industries des médias.

L'entreprise est fondée en 2019 à Londres par Emad Mostaque et Cyrus Hodes. Elle se fait connaître en août 2022 avec la publication de Stable Diffusion, un modèle de génération d'images à partir d'une description textuelle. Ce modèle s'appuie sur les travaux de diffusion latente du groupe CompVis de l'université de Munich, menés notamment avec Runway ; Stability AI en a financé l'entraînement et assuré la diffusion. La publication des poids permet à chacun d'exécuter le modèle sur sa propre carte graphique, et un très large écosystème d'outils et de modèles dérivés se développe en quelques mois.

Suivent SDXL en 2023, Stable Video Diffusion, Stable Audio et des modèles de langage StableLM, puis Stable Diffusion 3 en 2024. La même année, l'entreprise traverse une crise : Emad Mostaque quitte la direction en mars 2024 et Prem Akkaraju, ancien dirigeant du studio d'effets visuels Weta Digital, devient CEO en juin. Sean Parker, cofondateur de Napster, devient président exécutif et le réalisateur James Cameron rejoint le conseil d'administration. Depuis, Stability AI se recentre sur les outils pour les entreprises de la création et sur la musique, avec des accords conclus en 2025 avec Universal Music Group et Warner Music Group. En août 2026, ces maisons de disques, ainsi que Sony Music et Electronic Arts, participent à une nouvelle levée de fonds.

À retenir : Stability AI a popularisé la génération d'images à poids ouverts. Son offre actuelle combine modèles téléchargeables, API et outils de production créative, avec une orientation de plus en plus marquée vers l'entreprise et l'audio.

Le catalogue est organisé par modalité. Les versions se succèdent et certaines sont retirées de l'API : mieux vaut raisonner par famille et vérifier la fiche officielle de chaque modèle avant de l'adopter.

Stable Diffusion 3 marque un changement d'architecture : le réseau U-Net des premières versions laisse place à un transformer de diffusion, entraîné avec la technique du rectified flow. Le principe général, partir d'un bruit aléatoire et le débruiter progressivement en suivant la description textuelle, est expliqué dans notre article sur les modèles de diffusion. Les modèles StableLM, qui relevaient des LLM, ne font plus partie des priorités de l'entreprise.

Comment choisir entre les modèles ?

Le choix dépend du média, du mode d'accès et du niveau de contrôle souhaité. Pour héberger un modèle d'image et l'adapter à une marque, Stable Diffusion 3.5 ou SDXL, pour lequel l'écosystème communautaire est le plus riche, sont les candidats naturels. Pour une intégration rapide sans infrastructure, les services d'image de l'API ou d'Amazon Bedrock suffisent souvent. Dans tous les cas, testez les modèles sur des briefs réels, en mesurant la fidélité au prompt, la cohérence avec la charte graphique, le temps de génération et le coût par visuel utilisable.

Stability AI est souvent associée à l'open source, parce que Stable Diffusion a été l'un des premiers modèles génératifs de cette qualité dont les poids ont été publiés. La réalité est plus nuancée et dépend de chaque modèle.

• Licences OpenRAIL : Stable Diffusion 1.x, 2.x et SDXL sont distribués sous des licences CreativeML OpenRAIL, qui autorisent l'usage commercial mais interdisent certains usages listés dans la licence.
• Stability AI Community License : depuis juillet 2024, les modèles récents, dont Stable Diffusion 3.5, SDXL Turbo, Stable Fast 3D et Stable Audio 3.0, relèvent de cette licence. Elle est gratuite pour la recherche, pour un usage non commercial et pour un usage commercial par les organisations dont les revenus annuels restent sous un million de dollars.
• Licence entreprise : au-delà de ce seuil, l'usage commercial des modèles nécessite un contrat avec Stability AI, qui peut inclure un accompagnement et des modèles personnalisés.
• Licences non commerciales : certains modèles, notamment ceux publiés en préversion de recherche comme Stable Virtual Camera, ne peuvent pas être utilisés commercialement.
• Modèles réservés à l'API : les services Stable Image Ultra et Core, ainsi que la version Large de Stable Audio 3.0, ne sont pas téléchargeables librement.

Le code d'inférence est publié sur GitHub, mais les données d'entraînement ne le sont pas. Les premiers modèles ont été entraînés sur des images collectées sur le web, issues notamment du jeu de données LAION, ce qui a donné lieu à des procédures judiciaires. Les modèles audio récents sont, eux, entraînés sur des données sous licence.

À retenir : « poids ouverts » ne veut pas dire « usage libre ». Avant de déployer un modèle de Stability AI, vérifiez sa licence, le seuil de revenus applicable et la provenance de ses données d'entraînement.

Black Forest Labs est le concurrent le plus proche de Stability AI sur la génération d'images à poids ouverts. Le laboratoire a été fondé en 2024 à Fribourg-en-Brisgau, en Allemagne, par Robin Rombach, Andreas Blattmann et Patrick Esser, coauteurs de l'article à l'origine de Stable Diffusion, passés par Stability AI. Ses modèles FLUX sont devenus une référence de la génération d'images ouverte.

Lequel choisir ? Stability AI se justifie si vous avez besoin de plusieurs modalités chez un même fournisseur, en particulier l'audio, si votre organisation reste sous le seuil de la licence communautaire, ou si vous cherchez des outils de production prêts à l'emploi comme Brand Studio. Black Forest Labs se justifie si la qualité d'image et l'édition d'images sont la priorité et si la licence du modèle FLUX retenu convient à votre usage. Dans les deux cas, comparez les modèles sur vos briefs réels, vérifiez précisément la licence et prévoyez une validation humaine avant toute diffusion.