On souhaite simuler une variable aléatoire selon une mesure mu observée au travers de données X_1, \dots, X_n, supposées i.i.d. et tirées selon la mesure d'intérêt mu. Ce problème est au cours de l'IA générative (d'images, de vidéos, aussi utilisée pour le repliement de protéines, etc.) Les modèles de diffusion sont une façon de répondre à ce problème en utilisant un processus stochastique (de diffusion) dont la loi est (on l'espère) proche de mu. Dans cet exposé, je présenterai plus en détail ces modèles de diffusion et je montrerai comment on peut étudier leur performance d'un point de vue statistique pour expliquer leur grand succès empirique.
