Images chatGPT : Guide du nouvel éditeur d'images d'OpenAI

Qu'est-ce que chatGPT Images ? 

Le nouvel onglet Images de chatGPT sert de centre créatif pour tout ce qui concerne le visuel dans l'interface utilisateur de chatGPT et remplace la bibliothèque d'images personnelle. Le changement le plus notable est l'intégration d'outils d'édition directe qui permettent de cibler des détails spécifiques d'une image tout en conservant intacts tous les autres détails.

chatGPT Images est optimisé par GPT-Image-1.5, le modèle d'IA texte-image le plus récent et le plus avancé d'OpenAI. Il s'appuie sur la publication de l'image GPT-1. modèle GPT-Image-1 en mars 2025, qui a rencontré un grand succès avec plus de 700 millions d'images générées dès la première semaine.

Il offre une préservation des détails et un rendu du texte amélioré, et est présenté comme étant « jusqu'à 4 fois » plus rapide que son prédécesseur.

Les nouvelles fonctionnalités ont été déployées pour tous les utilisateurs, qu'ils soient abonnés à la version gratuite ou payante, sur le Web, l'interface utilisateur mobile et l'API. Seuls les comptes Business et Enterprise doivent encore patienter pour obtenir l'accès.

Principales fonctionnalités de chatGPT Images

Quels sont les avantages de chatGPT Images par rapport à son modèle précédent et à ses concurrents ? OpenAI met particulièrement en avant « des modifications précises qui préservent l'essentiel ». Examinons les nouvelles fonctionnalités pour comprendre leur signification.

Espace de travail créatif dédié

L'onglet Images a été introduit en tant que centre de création visuelle au sein de l'interface utilisateur chatGPT. L'idée est de séparer la création et l'édition d'images des interactions normales dans le chat.

Bien que la fonctionnalité Bibliothèque précédente stockait également toutes les images générées, elle ne permettait que de revenir à la conversation dans laquelle elles avaient été créées. Il a utilisé le contexte de l'historique complet des conversations pour générer une nouvelle image à partir de zéro, ce qui a souvent conduit à des hallucinations dans les fils de discussion plus longs.

La nouvelle approche est toutefois davantage axée sur l'image : Chaque modification prend une image comme point de départ et ne modifie que certains aspects sélectionnés de celle-ci, plutôt que de créer une nouvelle génération entièrement nouvelle.

Les images sont des éléments persistants, qui ne sont pas enfouis dans l'historique des conversations. Cela permet d'accélérer les boucles de rétroaction avec de nouvelles variations et encourage l'expérimentation, transformant ainsi l'expérience d'un fil de discussion en une expérience de type « canevas ». 

Afin de favoriser ce flux créatif, l'espace de travail propose de nouveaux outils d'exploration pour combler le fossé entre l'idée et la réalisation. Les utilisateurs peuvent appliquer des préréglages de style intégrés (tels que « croquis » ou « dramatique ») ou parcourir les tendances esthétiques pour découvrir le prochain «Studio Ghibli». Pour les créateurs inexpérimentés, l'interface utilisateur propose des suggestions créatives et une assistance proactive pour affiner les résultats.

Préservation des détails et édition précise

La nouvelle fonctionnalité la plus importante de cette mise à jour est sans doute la possibilité pour les utilisateurs de sélectionner des parties spécifiques d'une image et de les modifier directement, sans altérer le reste de la composition. Le modèle est sensible au contexte, ce qui signifie qu'il identifie les éléments à modifier tout en conservant la cohérence des éléments environnants.

Ce type de modifications précises est rendu possible grâce aux capacités améliorées de préservation des détails du nouveau modèle.

Il est capable de maintenir la cohérence des objets, de l'éclairage, de la composition et de l'apparence des personnes dans toutes les sorties et les modifications ultérieures. De plus, l'amélioration du suivi des instructions contribue à accroître la précision en aidant à mieux préserver les relations entre les éléments.

L'édition de précision est idéale pour corriger de petits problèmes et tester des détails spécifiques lorsqu'une génération complète n'est pas nécessaire. Il permet également des transformations créatives, telles que l'intégration d'un élément d'une image dans la scène d'une autre.

Il convient toutefois de mentionner que le modèle éprouve des difficultés à conserver l'identité exacte de chaque personne lorsqu'il y a un grand nombre de personnes sur une même image.

Amélioration du rendu du texte et du réalisme

L'une des principales caractéristiques du modèle précédent, GPT-Image-1, était sa capacité à traiter des textes plus longs et des phrases cohérentes. La nouvelle version s'appuie sur ces fondements et est désormais capable de traiter des textes plus denses et plus petits qu'auparavant.

Ceci est particulièrement utile pour les infographies, où les premiers résultats sont très impressionnants, et ouvre de nouvelles possibilités telles que la réduction du texte dans une image, par exemple dans un journal. Nous procéderons à un test d'infographies ultérieurement.

Toutefois, selon le communiqué publié par OpenAI, les limitations concernant certaines langues spécifiques, telles que le chinois, l'arabe et l'hébreu, semblent toujours exister.

Bien que ce ne soit pas l'objectif principal de la mise à jour, le réalisme des résultats s'est considérablement amélioré par rapport au modèle précédent. Deux cas où cela est particulièrement visible sont les reflets, par exemple les reflets sur une photo, et les nombreux petits visages dans une grande foule.

Comme souvent, les mises à niveau majeures s'accompagnent de certains compromis dans des domaines spécifiques. Dans ce cas, la capacité à générer certains styles artistiques spécifiques a diminué. OpenAI recommande d'utiliser les filtres prédéfinis dans l'onglet Images ou de recourir au modèle précédent , qui est toujours disponible en tant que GPT personnalisé.

Performances optimisées

Les capacités d'édition ciblées sont également à l'origine de la majeure partie de l'augmentation de la vitesse de génération. Bien que la génération d'images complètes soit nettement plus rapide, elle n'atteint pas le niveau annoncé dans la note de mise à jour d'OpenAI. GPT-Images-1.5 semble « jusqu'à 4 fois plus rapide », principalement parce qu'il ne régénère que les modifications apportées lors des éditions.

De même, la réduction d'environ 20 % du coût API provient principalement de la régénération partielle des images lors des modifications, avec des gains supplémentaires résultant d'une inférence plus efficace plutôt que d'une génération complète moins coûteuse.

Dans l'ensemble, les nouvelles fonctionnalités permettent une utilisation plus efficace et plus fiable, en particulier pour les flux de travail API.

Exemples d'images chatGPT

Les fonctionnalités annoncées semblent effectivement très intéressantes. Je les ai testés à l'aide de quelques invites simples en combinaison avec le nouvel outil de sélection.

Test de la précision de l'édition

L'objectif de mon premier test était d'évaluer la capacité du modèle à gérer des changements itératifs sans dégrader la qualité. Tout d'abord, j'ai demandé à ce que soit générée une image représentant un ours brun marchant dans une forêt finlandaise sous le soleil de minuit.

Invite : Un ours brun se déplaçant dans une forêt dense finlandaise sous le soleil de minuit.

À mon avis, la qualité de la première production est remarquable. L'ours semble naturel, les types d'arbres et d'arbustes représentent très bien les forêts finlandaises (je suis bien placé pour le savoir), et la position basse du soleil correspond à ce à quoi on peut s'attendre en Finlande du Nord pendant le soleil de minuit.

De plus, l'éclairage et les ombres sur la fourrure de l'ours, ainsi que dans l'arrière-plan, semblent très réalistes. On peut toujours reconnaître qu'il s'agit d'une intelligence artificielle, bien que les détails soient bien réalisés.

Essayons de transformer l'ours en ours polaire et observons ce qui se produit. Il n'y a pas d'ours polaires en Finlande, mais si tout fonctionne correctement, l'arrière-plan devrait rester identique.

Invite : Veuillez remplacer l'ours par un ours polaire.

Comme nous pouvons le constater, l'arrière-plan a été conservé dans son intégralité, conformément à l'intention initiale.

Pour ma prochaine retouche, j'ai sélectionné la tête et les yeux de l'ours polaire et je lui ai ajouté une paire de lunettes de soleil vintage.

Invite : Veuillez placer une paire de lunettes de soleil vintage sur l'ours. (tête sélectionnée)

Il semble que nous ayons découvert ce qui se produit lorsque l'on sélectionne une zone trop grande. Alors que l'arrière-plan de l'image et le corps de l'ours restent inchangés, sa tête s'est transformée en une paire de lunettes de soleil imposante. Veuillez réessayer en sélectionnant uniquement ses yeux.

Invite : Veuillez placer une paire de lunettes de soleil vintage sur l'ours. (yeux sélectionnés)

Très bien, et nettement mieux ! Lors de ce premier test, nous avons pu constater à quel point la fonctionnalité de préservation des détails est performante : Nous n'avons eu à mentionner les détails importants du décor qu'une seule fois, et avons pu nous concentrer sur notre personnage principal sans nous soucier de l'arrière-plan. Un autre enseignement important tiré du test est que la taille de la fenêtre de sélection est importante.

Vérification de la cohérence de la transformation

Ensuite, j'ai évalué la permanence des objets dans différents décors et les limites du modèle en présence de foules importantes. À cette fin, j'ai permis à notre ours polaire de voyager un peu et j'ai tenté de le placer dans une scène animée du métro de Tokyo.

Invite : Veuillez placer cet ours dans une scène très animée du métro de Tokyo.

Tout d'abord, la cohérence du personnage est remarquable : le modèle a parfaitement conservé la posture et l'identité exactes de l'ours, et a supprimé les reflets du soleil sur sa fourrure.

Cependant, cette préservation rigide a entraîné une rupture visuelle connue sous le nom d'« effet autocollant ». Étant donné que le modèle n'a pas mis à jour le contexte d'éclairage (en conservant l'ombre directionnelle et les reflets de la forêt dans les lunettes de soleil), l'ours apparaît comme une découpe 2D collée sur la scène plutôt que comme un objet 3D qui y est intégré.

La perspective renforce l'illusion : l'ours flotte devant un spectateur qui est physiquement plus proche de la caméra.

Tenter de résoudre ce dernier problème s'est avéré très frustrant. J'ai sélectionné la zone représentant le spectateur et son intersection avec l'ours, puis j'ai demandé à chatGPT de corriger la perspective. Pour chaque variante, le modèle a inséré une nouvelle personne proche de la caméra, comme ceci :

Invite : Corrigez la perspective : Le dos du spectateur sélectionné est au premier plan et devrait partiellement masquer l'ours. L'ours se trouve derrière le dos de la personne. 

Il semble que le modèle n'ait pas été en mesure d'identifier la personne, même après avoir été sélectionné, et ait donc demandé au nouveau personnage de suivre la commande dans l'invite.

La correction des reflets des ombres et des lunettes de soleil a été plus efficace. J'ai utilisé les itérations suivantes :

• Ombre : Veuillez sélectionner le sol autour des pattes de l'ours et indiquer : « Au lieu de l'ombre actuelle, projetez une ombre douce et diffuse sur le sol en carreaux de métro, en accord avec l'éclairage fluorescent au plafond. »
• Lunettes de soleil : Veuillez sélectionner les lunettes de soleil et indiquer « Mettre à jour les reflets des lunettes de soleil afin qu'ils correspondent à l'environnement du métro ».

Notre ours polaire dans le métro de Tokyo après avoir corrigé les reflets de l'ombre et des lunettes de soleil

Déjà nettement mieux, bien que pas encore parfait.

Dans l'ensemble, le deuxième essai n'a pas été aussi concluant que le premier. Bien que la cohérence des éléments entre les différentes images semble fonctionner correctement, la reconnaissance des caractères semble atteindre ses limites dans les environnements encombrés.

Test du rendu du texte

Enfin, j'ai souhaité évaluer les nouvelles capacités de rendu du texte, en particulier en ce qui concerne les textes denses et les modifications. Des améliorations dans le rendu du texte seraient les bienvenues car, historiquement, les modèles de vision ont toujours été plus performants pour les objets, les textures et les scènes que pour les symboles.

J'ai demandé à chatGPT une mise en page complexe pour une infographie sur le cycle de vie d'une étoile :

Invite : Une infographie horizontale illustrant le « cycle de vie d'une étoile ». Trois sections : Nébuleuse, séquence principale, trou noir. Veuillez utiliser un style vectoriel plat.

La sortie suit parfaitement les instructions et affiche le texte sans aucune erreur. Le style est précis et cohérent dans l'ensemble de l'infographie.

La multimodalité des résultats de chatGPT nous oblige à faire preuve de précision lors de l'insertion de texte. Lorsqu'il m'a été demandé d'ajouter une puce « ici » (à une zone sélectionnée dans l'image), il a simplement affiché la puce sous forme de texte. L'ajout de la précision « à l'image » a permis de résoudre le problème :

Invite : Veuillez ajouter une puce à l'image ici qui indique : « Dure des milliards d'années. »

Après clarification, le point a été inséré à la bonne position. La police, la taille et la couleur sont en accord avec le style du graphique.

Comment puis-je accéder aux images chatGPT ? 

chatGPT Images est désormais accessible à la quasi-totalité des utilisateurs sur plusieurs plateformes. Seule l'assistance aux utilisateurs des niveaux Business et Enterprise n'est pas encore disponible et sera mise en place ultérieurement.

Dans l'interface utilisateur, vous pouvez accéder immédiatement aux fonctionnalités dans l'interface utilisateur Web ou l'application mobile de chatGPT via l'onglet Images. Bien que les chiffres exacts ne soient pas connus, des limites quotidiennes strictes s'appliquent aux comptes gratuits, tandis que les forfaits Plus et Pro bénéficient de quotas progressivement plus élevés et plus stables.

Pour les développeurs, le nouveau modèle GPT-Image-1.5 peut être utilisé à la fois via l'API OpenAI et le service Azure OpenAI, où il est disponible pour la génération et l'édition d'images. Bien que nous prévoyions que ce modèle soit bientôt intégré aux principales suites créatives tierces, les développeurs peuvent d'ores et déjà intégrer des flux de travail d'édition directement dans leurs propres applications à l'aide des points de terminaison v1/images/generations et v1/images/edits.

Contrairement à son prédécesseur, GPT-Image-1.5 expose la sortie d'image sous forme de jetons facturés séparément, en utilisant des points de terminaison API spécifiques à l'image au lieu de l'API unifiée /v1/responses. Vous ne payez que pour les jetons nécessaires à la génération des modifications, plutôt que pour une nouvelle image complète à chaque fois.

C'est pourquoi le nouveau modèle est présenté comme étant environ 20 % moins cher que son prédécesseur, bien que les prix par jeton n'ont pas changé par rapport à GPT-Image-1.

Quelle est la qualité des images générées par chatGPT ? 

GPT-Image-1.5 s'est immédiatement hissé au sommet du classement LMArena et ArtificialAnalysis, reléguant Nano Banana Pro à la deuxième place. Étant donné qu'il n'existe actuellement aucune donnée de référence disponible, nous devons nous appuyer sur ces classements basés sur les votes pour obtenir une classification objective.

Pour paraphraser un astronaute renommé : GPT-Image-1.5 représente un petit pas pour l'industrie, mais un grand pas pour OpenAI. 

Bien que l'édition de précision ne soit pas une nouveauté, son intégration native dans chatGPT représente le changement le plus significatif de cette version. Cependant, la précision est essentielle : veuillez vous assurer de ne sélectionner que les zones nécessaires afin d'éviter des anomalies telles que l'« ours polaire sans tête » rencontré lors des tests.

D'après mon expérience, cette mise à jour apporte une amélioration significative de la qualité, ce qui se reflète également dans les classements. Les images standard semblent plus vivantes et les infographies apparaissent beaucoup moins simplifiées qu'auparavant.

Les utilisateurs disposent désormais d'un contrôle nettement accru sur chaque sortie, remplaçant l'ancien processus qui consistait à élaborer des invites de suivi complexes et à espérer le meilleur. Cela s'explique en grande partie par le fait que la préservation des détails fonctionne très bien. Au cours de nos tests, il a conservé les éléments parfaitement intacts.

La cohérence des personnages est forte, mais les utilisateurs doivent être attentifs à l'« effet autocollant » et aux problèmes de perspective logique. Bien que les modifications ciblées facilitent leur correction, des limitations persistent dans les scènes très fréquentées où se trouvent de nombreuses personnes.

Images chatGPT par rapport à Nano Banana Pro

Le principal concurrent que chatGPT Images doit actuellement surpasser est sans conteste Nano Banana Pro de Google. Les deux tableaux suivants comparent les deux modèles :

Bien que GPT-Image-1.5 et Nano Banana Pro offrent tous deux d'excellents résultats, ces deux modèles se distinguent par leur approche de l'édition, leurs processus de travail et leur orientation client.

chatGPT Images se concentre sur l'isolation pixel parfaite, dont la force réside dans le contrôle manuel : Vous pouvez sélectionner une zone précise, et celle-ci sera traitée comme une toile pour la retouche, tandis que le reste de l'image restera verrouillé. Nano Banana Pro, quant à lui, s'efforce de comprendre vos intentions afin d'apporter les modifications appropriées.

En ce qui concerne le flux de travail, les deux entreprises ont également opté pour des approches différentes : L'onglet Images de chatGPT ressemble à un studio de création, distinct des conversations, tandis que Nano Banana Pro est entièrement intégré au flux de discussion.

Quand utiliser chatGPT Images par rapport à Nano Banana Pro

Je recommanderais d'utiliser chatGPT Images si vous avez besoin de corriger des mises en page, de modifier du texte ou d'apporter des modifications précises à une image existante sans en altérer le style. Optez pour Nano Banana Pro si vous avez besoin de générer des visuels riches en données, de remixer plusieurs images ou si vous préférez qu'un assistant intelligent devine votre intention plutôt que d'utiliser un contrôle manuel.

En utilisant les mêmes instructions que ci-dessus, j'ai recréé les images de test. Personnellement, j'ai davantage apprécié les infographies de Nano Banana Pro, tandis que les images d'ours étaient équivalentes.

Invite : Une infographie horizontale illustrant le « cycle de vie d'une étoile ». Trois sections : Nébuleuse, séquence principale, trou noir. Veuillez utiliser un style vectoriel plat. (Nano Banana Pro)

Cas d'utilisation des images chatGPT 

D'après nos tests pratiques et les atouts spécifiques de GPT-Image-1.5, le modèle se distingue particulièrement dans les processus itératifs et l'édition de texte. Voici quelques cas d'utilisation courants :

• Processus marketing : Création de publicités pour les réseaux sociaux ou de photos de produits dont certains détails sont susceptibles de changer (par exemple, « Remplacer le pull rouge par un pull bleu »).
• Infographies éducatives : Création de diagrammes pour des manuels scolaires, des présentations ou des blogs, comme notre exemple « cycle de vie d'une étoile ».
• Storyboard : Visualisation d'un scénario ou d'une bande dessinée dans lequel le même personnage doit apparaître à différents endroits
• Mode : Utilisation de la création de contenu hybride pour explorer visuellement des combinaisons de tenues, comme dans ce tutoriel sur le visualiseur de garde-robe FLUX.2
• Design d'intérieur : Combiner un croquis ou une photographie avec des suggestions pour redécorer des pièces dans un certain style.
• Maquettes UI/UX : Visualiser rapidement à quoi pourrait ressembler la page d'accueil d'un site Web ou l'emballage d'un nouveau produit.

Conclusions finales 

Depuis la sortie de Nano Banana Pro, OpenAI subit une forte pression pour rester dans la course. Grâce à cette mise à jour prometteuse, ils sont de nouveau dans la course pour le modèle d'IA texte-image le plus performant. Ce n'est pas parfait, mais en se concentrant sur l'essentiel, comme une typographie claire et une édition précise, il est possible d'obtenir de bons résultats. Pour commencer, veuillez essayer cette fonctionnalité dans votre interface utilisateur chatGPT ou dans le OpenAI Playground.. Pour trouver l'inspiration, vous pouvez consulter la galerie et le guide rapide.

Si vous souhaitez commencer à créer des outils à l'aide des modèles GPT, notre parcours OpenAI Fundamentals est faite pour vous.