OpenAI a lancé le 8 septembre ChatGPT Images 2.5, tout en ouvrant deux nouveaux modèles sur son API. L'entreprise positionne cette version comme le meilleur modèle de génération d'images actuellement disponible, avec des améliorations concentrées sur trois points : un meilleur respect des consignes lors d'éditions en plusieurs étapes, des personnes et objets issus de photos de référence moins déformés, et une génération plus rapide. La latence baisse jusqu'à 50 % par rapport à Images 2.0.
Le déploiement couvre tous les niveaux d'abonnement de ChatGPT, ChatGPT Work et Codex, simultanément sur ordinateur, mobile et web.
Sunburst et Flare
Les deux modèles côté API portent les identifiants gpt-image-2.5-sunburst et gpt-image-2.5-flare. La recommandation officielle pour choisir tient en une phrase : Sunburst pour les flux de travail où la précision d'édition compte, Flare pour la génération rapide au quotidien. Selon des clients ayant testé la version en avant-première, Flare génère des images deux à quatre fois plus vite que GPT-Image-2.
Ce découpage est rare parmi les modèles d'image. Jusqu'ici, chaque génération ne comptait généralement qu'un seul modèle, l'écart entre rapide et lent se réglant via la résolution et le nombre d'étapes d'échantillonnage. Le figer en deux identifiants distincts revient à reconnaître que ces deux types de besoins sont désormais assez importants pour justifier des jeux de poids séparés.
Un calcul
La tarification se fait au token, pas à l'image : entrée image à 8 dollars le million de tokens, 2 dollars en cas de cache, sortie image à 30 dollars le million de tokens, entrée texte à 5 dollars le million de tokens, 1,25 dollar en cache.
En pratique, pour les développeurs, cela signifie que le coût varie selon la résolution et la complexité de l'image, et n'est pas fixe par image. Calcul rapide : une image de sortie en 1024×1024 correspond généralement à un peu plus de mille tokens, ce qui, à 30 dollars le million, donne un coût de quelques centimes par image — rien de cher. Ce qui fait vraiment grimper la facture, ce sont les cycles d'édition : une édition en plusieurs étapes oblige à réinjecter l'image issue de l'étape précédente comme entrée image, et les 8 dollars le million côté entrée s'additionnent alors à chaque cycle. Le tarif de cache à 2 dollars vise précisément ce cas : lorsque la même image de base est retouchée encore et encore, l'entrée devrait normalement toucher le cache dès le deuxième cycle.
Cette tarification traite donc les deux usages différemment. La génération en masse, livrée en une seule passe, garde un coût maîtrisable ; les flux qui utilisent le modèle comme éditeur d'images, en retouchant une même image une dizaine de fois, font surtout gonfler la facture côté entrée, presque indépendamment du nombre d'images produites.
Un trait comme référence
Côté produit, plusieurs nouveautés arrivent : Sketch permet de dessiner à main levée directement dans ChatGPT, en tapant @Sketch, le dessin servant alors de référence ; Templates propose des points de départ pour des formats courants comme les affiches, les produits dérivés ou les photos produit ; les images générées peuvent recevoir des annotations directes pour des retouches ciblées ; et les prompts peuvent être partagés pour que d'autres les relancent avec leurs propres photos.
Ces nouveautés pointent toutes dans la même direction : transformer le cycle 'décrire — générer — recommencer' en 'générer — pointer et corriger'. Le dessin à main levée comme les annotations transmettent au modèle une information de position, et la position est justement ce qu'un prompt textuel exprime le plus difficilement. Pour déplacer un élément de quelques centimètres vers la gauche ou assombrir légèrement une zone, il faudrait plusieurs phrases à l'écrit ; un trait ou un tapotement suffit.
Le partage de prompts relève d'une autre logique. Il transforme le prompt, d'un bien personnel, en modèle réutilisable que d'autres reprennent et relancent avec leur propre matériau. Ce mécanisme existe déjà de longue date dans la communauté de la génération d'images, où des sites de prompts et des communautés de modèles le pratiquent depuis longtemps ; la seule différence est que la plateforme l'intègre désormais elle-même, sans passer par des sites tiers.
Un chiffre qui ne colle pas
Le communiqué officiel avance le chiffre de 3 milliards d'images, sur l'ensemble de ChatGPT Images et de la gamme GPT-Image sur l'API. Les différentes reprises de ce chiffre ne concordent pas : certaines parlent d'un cumul, d'autres d'un chiffre hebdomadaire, soit un écart de deux ordres de grandeur. La page officielle est actuellement inaccessible pour une vérification mot à mot, donc ce chiffre ne peut pour l'instant être lu que comme une échelle très grande, sans servir de base à un quelconque calcul.
La génération précédente, Images 2.0, avait réglé le problème du rendu du texte, avec pour exemple emblématique des menus et affiches dont le texte était enfin lisible. Cette génération s'attaque à l'édition, sa capacité phare étant qu'après dix cycles de retouches, une personne reste reconnaissable comme la même. Le point commun entre les deux générations, c'est que la compétition ne porte plus sur la capacité à dessiner quelque chose, mais sur la possibilité de le modifier une fois dessiné.
Sources : communiqué officiel d'OpenAI, CocoLoop, blog personnel de Simon Willison, Unite.AI, 9to5Mac ; les identifiants de modèle, les prix et la latence suivent le communiqué officiel et ses reprises, le coût par image est une estimation approximative fondée sur la grille tarifaire publique.