Ce travail porte sur l'extension de bases de données constituées d'images de surfaces extérieures d'avion prises par des drones autonomes. Ces données sont utilisées pour entraîner et tester des algorithmes d'inspection visuelle automatique. L'efficacité de l'apprentissage dépend de la représentativité et de la quantité d'exemples. Les bases de données disponibles ne comportent qu'une faible quantité d'éléments considérés comme des défauts qui sont pourtant les plus critiques. Pour pallier ce manque, il est proposé d'utiliser également des images semi-synthétiques. Des générations de défauts sont envisagées avec de réseaux antagonistes et des méthodes classiques de traitement d'images. Ces défauts sont ensuite introduits de manière réaliste dans des images acquises par des drones.