ComfyUI : découvrir et utiliser l’IA générative en local

Vous tapez une description, vous cliquez, une image apparaît. C’est la promesse de Midjourney ou DALL-E. Pourtant, ComfyUI propose autre chose : un atelier où chaque étape de la génération devient une boîte que vous reliez, ajustez et rejouez à l’identique. Cette approche par nœuds a longtemps été réservée aux initiés. Désormais, elle est au centre d’un projet qui pèse lourd. L’outil revendique plus de 4 millions d’utilisateurs et plus de 60 000 nœuds communautaires. En avril 2026, Comfy Org a aussi levé 30 millions de dollars sur une valorisation de 500 millions.

L’intérêt n’est pas seulement technique. Là où une interface fermée décide pour vous, ComfyUI vous rend chaque réglage : le modèle, le bruit, le nombre d’étapes, la graine aléatoire. Vous gagnez donc en contrôle, en reproductibilité et en confidentialité, puisque tout peut tourner en local. Reste à apprivoiser l’interface : c’est exactement l’objet de ce guide.

ComfyUI, c’est quoi exactement ?

Avec ComfyUI, vous utilisez un éditeur de workflows par nœuds pour l’IA générative. Concrètement, chaque opération (charger un modèle, encoder un texte, débruiter une image, sauvegarder le résultat) est un bloc visuel. Vous reliez ensuite ces blocs entre eux pour construire une chaîne de génération. Le projet est open source : un développeur connu sous le pseudonyme comfyanonymous l’a lancé en janvier 2023, et l’entreprise Comfy Org le porte depuis juin 2024. Il s’est imposé comme la référence pour la création locale.

L’application ne se limite pas aux images. Elle gère aujourd’hui la vidéo, l’audio et la génération d’objets 3D, à condition de disposer du modèle adapté. Chaque workflow se sauvegarde dans un simple fichier JSON : vous pouvez le partager, le réimporter et obtenir exactement le même résultat. Il se récupère même depuis une image générée. Cette reproductibilité parfaite est ce qui distingue le plus nettement la plateforme des interfaces classiques.

Pourquoi des nœuds plutôt qu’un simple champ de texte ? Parce que la génération d’image n’est pas une boîte noire : c’est une succession d’étapes. En les exposant, l’outil vous laisse intervenir à n’importe quel maillon. Vous pouvez changer le modèle sans toucher au reste, brancher un correcteur de visage, enchaîner une mise à l’échelle, ou dériver une vidéo à partir d’une image. En pratique, cette modularité est la vraie force du logiciel.

Un mode simplifié pour débuter

Pourquoi choisir ComfyUI plutôt qu’une interface simple ?

La question est légitime : si Midjourney produit de belles images en une phrase, pourquoi se compliquer la vie ? En pratique, la réponse tient en quatre arguments concrets.

• Vous gardez le contrôle total. Chaque paramètre de la génération se règle : échantillonneur, nombre d’étapes, intensité du guidage, graine. Aucun réglage n’est masqué.
• Chaque résultat est reproductible. Un workflow JSON rejoue exactement la même chaîne. C’est indispensable pour une production en série ou un rendu cohérent sur des dizaines d’images.
• L’outil reste local, gratuit et privé. Il tourne sur votre machine : vos images ne partent sur aucun serveur, sans abonnement ni limite de génération.
• Tout se construit par modules. LoRA, ControlNet, mise à l’échelle, vidéo, correction de visage : vous assemblez les briques dont vous avez besoin, et la communauté en publie sans cesse de nouvelles.

La contrepartie est réelle : la courbe d’apprentissage est plus raide qu’avec une interface fermée. Comprendre un workflow demande un peu de temps, et le maintien des nœuds tiers exige de la rigueur. C’est le compromis assumé de l’outil : davantage d’effort au départ, en échange d’un plafond de possibilités bien plus haut. Ses anciens concurrents, Automatic1111 et Forge, ne reçoivent d’ailleurs presque plus de mises à jour. ComfyUI, lui, intègre les nouveaux modèles en quelques jours et publie une version presque chaque semaine.

Installer ComfyUI : la méthode la plus simple

Oubliez les tutoriels d’il y a deux ans avec leurs lignes de commande. La voie recommandée aujourd’hui est l’application officielle Comfy Desktop, disponible sur comfy.org. Elle tourne sous Windows et sur les Mac Apple Silicon, et la documentation officielle mentionne aussi Linux. L’application s’installe comme un logiciel classique, embarque Python et toutes les dépendances, et se met à jour seule.

Comfy Desktop permet aussi de garder plusieurs installations côte à côte et de revenir à une sauvegarde après une mise à jour. D’autres voies existent pour les profils avancés : la version portable Windows, l’installation manuelle ou un lanceur tout-en-un comme Pinokio. Pour un premier contact, l’application officielle reste la plus rapide à mettre en route.

Le matériel : la vraie condition d’entrée

ComfyUI est gratuit, mais la génération réclame une carte graphique correcte. Sur un GPU NVIDIA récent ou un Mac Apple Silicon, une image sort en quelques dizaines de secondes ; en mode processeur seul, comptez plusieurs minutes par image. Une carte NVIDIA de 12 Go de mémoire vidéo constitue un bon point d’entrée. Les cartes RTX série 50 vont plus loin. Avec le format NVFP4, NVIDIA annonce des générations 2,5 à 3 fois plus rapides selon le modèle, et 60 % de mémoire vidéo en moins.

Côté stockage, l’application demande au moins 5 Go par installation, et chaque modèle pèse ensuite plusieurs gigaoctets. Un SSD fait gagner un peu de vitesse. Le seul vrai coût reste donc ce matériel. Pour ceux qui n’ont pas de carte suffisante, Comfy Cloud et les nœuds partenaires permettent de générer à distance, en payant à l’usage.

ComfyUI Manager et les modèles : le nerf de la guerre

Une installation fraîche ne sait encore rien générer : il lui manque les modèles. C’est là que le ComfyUI Manager devient central. Intégré au cœur de l’application, il permet d’installer les nœuds personnalisés, de résoudre les dépendances manquantes en un clic, et de télécharger des modèles directement depuis l’interface. Sa version récente ajoute aussi l’installation groupée des nœuds manquants, le choix de la version avant installation et un filtrage de sécurité contre les paquets à risque.

Pour les modèles eux-mêmes, deux sources font référence : Hugging Face, qui héberge la quasi-totalité des modèles open source et des modèles vidéo, et Civitai, incontournable pour les LoRA et les variantes communautaires. Par ailleurs, un point technique à connaître : le format du fichier détermine la mémoire vidéo nécessaire. Le FP16 natif est le plus lourd, et le FP8 économise jusqu’à 40 % de VRAM selon NVIDIA. Très utilisé par la communauté, le GGUF permet de charger des modèles massifs sur 8 à 16 Go. Quant au NVFP4 des RTX série 50, il réduit encore l’empreinte mémoire.

Les modèles à installer

Quels modèles choisir ? Le paysage bouge vite, mais quelques valeurs sûres se dégagent selon l’usage et le matériel. Vérifiez aussi la licence : plusieurs modèles interdisent l’usage commercial.

Pour un débutant sur une carte modeste, SDXL ou Flux.2 Klein permettent de se faire la main sans saturer la mémoire. Les utilisateurs en quête de photoréalisme se tournent ensuite vers Flux.2, et ceux qui travaillent du texte dans l’image vers Qwen-Image. Depuis l’été, de nouveaux modèles ouverts tournent aussi en local, comme Qwen-Image 2.1, Krea 2 ou LTX 2.5 pour la vidéo, souvent sous licence non commerciale. Notre top 20 des générateurs d’images compare ces modèles, et la fiche Stable Diffusion détaille la famille SD.

Première génération : comprendre un workflow texte-vers-image

Au premier lancement, ComfyUI charge un workflow par défaut. Plutôt que de le subir, comprenez-le : c’est la chaîne de base que vous retrouverez partout. En réalité, sept nœuds suffisent à transformer une phrase en image.

# Chaîne texte-vers-image par défaut
Load Checkpoint ──┬─→ CLIP Text Encode (prompt positif) ──┐
                  └─→ CLIP Text Encode (prompt négatif) ──┤
                                                          ├─→ KSampler ──→ VAE Decode ──→ Save Image
Empty Latent Image ───────────────────────────────────────┘

Chaque nœud joue un rôle précis dans cette mécanique :

• Load Checkpoint charge le modèle de génération. C’est lui qui détermine le style et la qualité de sortie.
• CLIP Text Encode traduit votre texte pour le modèle. Il y en a deux : un prompt positif (ce que vous voulez) et un prompt négatif (ce que vous voulez éviter).
• Empty Latent Image définit les dimensions et le nombre d’images. La génération se fait dans un espace compressé appelé latent.
• KSampler est le cœur du système. Il part d’un bruit aléatoire et le débruite étape par étape pour faire émerger l’image. Ses réglages clés : le nombre d’étapes, l’intensité du guidage (CFG), l’échantillonneur et la graine (seed).
• VAE Decode convertit le résultat. Le latent devient une véritable image en pixels.
• Save Image enregistre le fichier final. L’image arrive sur votre disque.

Le réglage le plus instructif à manipuler en premier est la graine du KSampler. À prompt identique, changer la graine produit une image différente, alors que la fixer rejoue exactement la même. Ce mécanisme rend la reproductibilité possible, et c’est aussi celui qui vous apprend le plus vite comment le modèle réagit. Une fois cette chaîne comprise, le reste de ComfyUI devient lisible : tout n’est qu’ajout de nœuds autour de ce squelette.

Aller plus loin : vidéo, LoRA, ControlNet et Comfy Cloud

La chaîne texte-vers-image n’est qu’un début. En effet, la même logique de nœuds ouvre des usages bien plus riches, qui expliquent pourquoi l’outil pousse aujourd’hui la frontière de la création locale.

• L’image devient vidéo. Avec un modèle comme Wan 2.2 ou LTX 2.5, vous partez d’une image fixe et générez un clip animé. C’est l’un des terrains les plus actifs du moment.
• Les LoRA imposent un style. Ces petits fichiers se branchent sur un modèle pour lui imposer un style, un personnage récurrent ou une esthétique précise, sans réentraîner quoi que ce soit.
• ControlNet guide la composition. Il part d’une pose, d’un contour ou d’une carte de profondeur, et devient indispensable dès que vous voulez maîtriser le cadrage.
• Les nœuds partenaires déportent le calcul. Ces anciens « nœuds API » appellent des modèles hébergés comme FLUX 3 ou Wan 3.0, disponibles uniquement en ligne, et se paient à la génération.

Ce dernier point efface l’objection matérielle. L’offre officielle Comfy Cloud va plus loin et fait tourner vos workflows sur des GPU distants. Elle offre cinq générations gratuites, puis des formules de 20 à 100 dollars par mois pour un utilisateur. Un débutant peut ainsi construire ses workflows en local et basculer sur le cloud pour les rendus les plus exigeants.

Ce que ComfyUI change pour vous : notre avis

ComfyUI n’est pas l’outil le plus rapide à prendre en main, et il ne cherche pas à l’être. Sa valeur tient au contrôle qu’il rend : chaque réglage exposé, chaque génération reproductible, chaque nouveau modèle ouvert intégré en quelques jours. Pour qui veut réellement comprendre et piloter la génération d’images ou de vidéos, plutôt que subir une boîte noire, c’est l’outil de référence.

Notre recommandation : installez Comfy Desktop, démarrez avec un workflow en App Mode pour générer vos premières images sans pression, puis passez au graphe de nœuds dès que vous voulez progresser. Apprenez d’abord la chaîne texte-vers-image à fond : c’est la clé qui rend tout le reste accessible. Ajoutez ensuite un modèle adapté à votre carte, un LoRA, puis un ControlNet. La plateforme récompense la curiosité méthodique : chaque nœud appris élargit durablement ce que vous savez produire.

Le seul public à qui nous le déconseillons est celui qui veut une image en trois secondes sans rien apprendre. Pour ce besoin, un service en ligne fermé reste plus direct. En revanche, pour tous les autres, créateurs, indépendants, curieux d’IA, l’investissement de départ est vite rentabilisé.