Nous étudions les réseaux adversariels conditionnels comme une solution générale aux problèmes de traduction d’image à image. Ces réseaux apprennent non seulement la fonction de correspondance entre une image d’entrée et une image de sortie, mais aussi une fonction de perte permettant d’entraîner cette correspondance. Cela permet d’appliquer la même approche générique à des problèmes qui, traditionnellement, nécessitaient des formulations de fonction de perte très différentes. Nous montrons que cette méthode est efficace pour synthétiser des photographies à partir de cartes d’étiquettes, reconstruire des objets à partir de cartes de contours, ou encore coloriser des images, entre autres tâches. En effet, depuis la mise à disposition du logiciel pix2pix associé à cet article, un grand nombre d’utilisateurs sur Internet (dont de nombreux artistes) ont publié leurs propres expérimentations avec notre système, démontrant ainsi sa large applicabilité et sa facilité d’adoption, sans nécessiter de réglage des paramètres. En tant que communauté, nous ne concevons plus manuellement nos fonctions de correspondance, et ce travail suggère que nous pouvons également obtenir des résultats raisonnables sans concevoir manuellement nos fonctions de perte.