ChatGPT Images 2.5 muscle la génération et l’édition d’images

OpenAI déploie ChatGPT Images 2.5, son nouveau modèle d’image destiné à produire des visuels plus nets, à corriger plus finement et à accélérer les usages créatifs. Le service arrive dans ChatGPT, ChatGPT Work et Codex, sur desktop, mobile et web, avec une disponibilité annoncée pour tous les niveaux d’accès. L’enjeu est simple : rendre la retouche IA plus fiable, sans faire bouger tout le décor à chaque instruction. Pas très poli pour les arrière-plans, mais très utile pour les équipes créatives.

Une génération plus rapide, mais surtout plus stable

OpenAI présente Images 2.5 comme une évolution centrée sur la précision. Selon la société, la latence de génération baisse jusqu’à 50 % par rapport à Images 2.0, avec des éclairages plus naturels, des textures plus riches et une meilleure conservation des sujets issus de photos de référence.

La fonction de reference-led generation sert à garder un visage, un objet ou une composition reconnaissables même quand le style ou le décor change. De son côté, l’édition de précision vise une zone précise de l’image tout en conservant le sujet, l’arrière-plan, la mise en page et le traitement de marque. Dans les conversations longues, les modifications précédentes sont aussi censées tenir d’une étape à l’autre, ce qui intéresse autant les créatifs que les équipes produit.

Sketch, modèles et commentaires : ChatGPT prend le crayon

ChatGPT gagne aussi des outils de création. Avec @Sketch, l’utilisateur peut dessiner directement dans l’interface, puis combiner ce croquis avec une consigne écrite pour obtenir une image finale. OpenAI cite des cas d’usage comme les diagrammes, les plans de pièce ou les affiches.

Des modèles prêts à l’emploi, comme Poster et Merch, servent de point de départ pour des formats récurrents. Les commentaires sur image permettent des révisions ciblées, tandis que le partage peut inclure le prompt source afin que d’autres repartent de la même idée avec leurs propres photos. Le produit s’éloigne ainsi du simple générateur de “joli visuel” pour se rapprocher d’un outil de travail, avec ses habitudes et ses petits caprices.

Deux modèles API pour deux rythmes de production

OpenAI ajoute dans son API deux variantes : GPT-Image-2.5 Flare, modèle par défaut pour la plupart des usages, et GPT-Image-2.5 Sunburst, pensé pour des workflows plus exigeants. La première vise les contenus sociaux, la recherche visuelle, le prototypage rapide et la génération en volume. La seconde cible les campagnes créatives et les images produit plus polies, avec un contrôle plus serré sur les retouches.

Le site The Decoder rapporte toutefois qu’OpenAI ne précise pas encore comment ChatGPT choisit entre Flare et Sunburst dans l’interface grand public [à vérifier]. Dans l’API, le choix est explicite. Les deux modèles utilisent les mêmes tarifs en jetons, mais leur coût par image varie selon le niveau de qualité et la longueur du calcul interne.

Ce que disent les premiers tests et les chiffres mis en avant

OpenAI affirme que les utilisateurs génèrent désormais plus de 3 milliards d’images par semaine via ChatGPT Images et GPT-Image dans l’API. L’entreprise cite aussi des retours d’Higgsfield AI, Adobe, Manus et Runway, qui pointent une meilleure préservation des caractères, des compositions et des arrière-plans transparents. Manus aurait mesuré Flare à deux à quatre fois la vitesse de génération de GPT-Image-2, tandis qu’Adobe prévoit d’intégrer les deux modèles à Firefly.

Sur le terrain, The Decoder note que les résultats semblent plus stables dans ChatGPT Work que dans le mode Chat, notamment pour les éditions successives [à vérifier]. La source évoque aussi des écarts de comportement selon le niveau de raisonnement choisi, avec parfois des détails qui bougent encore trop d’une image à l’autre. Les correctifs ont donc progressé, mais la promesse d’une retouche parfaitement chirurgicale reste encore à consolider selon l’interface utilisée.

Pour la régulation et la traçabilité, OpenAI conserve le standard C2PA pour les métadonnées de provenance et ajoute aussi un filigrane invisible via SynthID de Google DeepMind, dans ChatGPT, Codex et l’API. L’idée est de superposer plusieurs couches d’identification, car aucune méthode unique ne suffit à elle seule. Les modèles d’image gagnent en contrôle, mais la question de savoir qui a fait quoi, et avec quelles instructions, reste très concrète pour les entreprises comme pour les plateformes.