- OpenAI a lancé ChatGPT Images 2.0
- Le nouveau modèle d’image IA améliore son prédécesseur avec des visuels plus précis, plus structurés et plus cohérents
- La mise à jour ajoute une étape de raisonnement qui aide le système à mieux interpréter les prompts complexes et rapproche ChatGPT des capacités multimodales de Gemini
OpenAI a déployé une mise à jour majeure du générateur d’images de ChatGPT. Selon l’entreprise, le nouveau ChatGPT Images 2.0 marque un changement dans la manière dont le chatbot IA traite les demandes visuelles, passant d’une interprétation rapide à une construction plus délibérée. Lors d’une annonce en direct, le PDG d’OpenAI, Sam Altman, et son équipe ont expliqué que les images se comportent désormais davantage comme des réponses construites à partir d’une compréhension de la demande, plutôt que comme une approximation.
« Images 2.0 représente un énorme bond en avant », a déclaré Altman. « C’est comme passer de GPT-3 à GPT-5 d’un seul coup. Sa capacité à créer des choses extrêmement belles est remarquable. L’équipe a vraiment assuré sur ce coup-là et nous avons hâte de voir ce que vous en ferez. »
L’amélioration la plus immédiate apparaît dans des domaines qui posaient auparavant problème. Le texte intégré aux images en est l’exemple le plus évident. Affiches, menus, diapositives et tout visuel reposant sur la lisibilité des mots se révélaient traditionnellement peu fiables. Les lettres se déformaient, les espacements variaient et le sens se perdait.
Le modèle gère également mieux la structure. Lorsqu’une mise en page précise est demandée avec des éléments spécifiques à des emplacements définis, le résultat reflète davantage cette intention. Le prompt semble désormais être traité moins comme une suggestion que comme un ensemble d’instructions.
Cette évolution se manifeste aussi dans des détails plus subtils. Plusieurs images générées à partir d’une même idée tendent à rester visuellement cohérentes, qu’il s’agisse de conserver un personnage reconnaissable ou de maintenir un style commun au sein d’une série.
Une pause avant la création
Le changement le plus important réside dans l’étape de raisonnement que ChatGPT Images 2.0 ajoute avant la génération, permettant au modèle d’analyser un prompt avant de produire le résultat final.
Concrètement, cela signifie qu’il peut décomposer une demande en différentes parties, décider de la manière dont ces éléments doivent s’articuler, puis générer une image reflétant ce plan interne. Le système peut également s’appuyer sur un contexte supplémentaire, comme des fichiers téléversés ou d’autres sources en ligne. L’obtention de l’image peut prendre un peu plus de temps, mais le résultat s’en trouve amélioré et évite, en principe, de multiplier les tentatives.
C’est à ce stade que la génération d’images commence à ressembler au fonctionnement des modèles de texte avancés. Le processus n’est plus uniquement réactif. Il devient interprétatif. Le résultat reflète une succession de décisions plutôt qu’un simple passage unique.
Ce changement prend toute son importance lorsque la demande comporte plusieurs dimensions. Une conception en plusieurs parties ou une séquence narrative bénéficie de la capacité du système à maintenir la cohérence entre les différents éléments.
Des visuels plus compétitifs
Alors que la concurrence s’intensifie dans le domaine de l’IA multimodale, OpenAI peut désormais présenter ChatGPT Images 2.0 comme un concurrent plus solide face à Google Gemini. Gemini a fortement mis l’accent sur l’intégration du texte, des images et du contexte au sein d’un système unique, connecté à l’ensemble de son écosystème numérique. Dans cette confrontation, ses images semblaient souvent supérieures à celles de ChatGPT. ChatGPT Images 2.0 réduit désormais cet écart.
Un meilleur raisonnement, notamment dans la gestion du texte, permet à ChatGPT de rivaliser davantage avec les points forts de Gemini dans les tâches structurées et multimodales. Cela ne fait pas de ChatGPT un vainqueur incontestable, mais le rapproche d’une forme de parité sur plusieurs aspects.
Les modèles de texte ont déjà établi une référence en matière de réponses fluides et sensibles au contexte. Intégrer ce même type de raisonnement à la génération d’images contribue à unifier l’expérience. Qu’il s’agisse d’écrire ou de visualiser, le système repose sur une compréhension commune sous-jacente. C’est clairement vers cette convergence que tendent des outils comme ChatGPT et Gemini, et cette mise à jour rend cette évolution plus concrète.
Au final, la réduction des frictions et l’amélioration des images constituent l’essentiel pour la plupart des utilisateurs. Si ChatGPT Images 2.0 parvient à s’imposer comme la meilleure option, Google pourrait avoir davantage de difficultés à inciter les utilisateurs à migrer ou à rester dans son propre écosystème d’IA.
