Génération d’images : gpt-image-2 et ChatGPT Images 2.0

Le 21 avril 2026, OpenAI a remplacé gpt-image-1.5 par ChatGPT Images 2.0, alimenté par le modèle gpt-image-2. En moins de douze heures après son passage en production, le modèle prenait la première place du classement LM Arena avec une avance de 242 points Elo sur le deuxième (devançant Nano Banana 2 de Google)—le plus gros écart jamais enregistré sur ce benchmark. Cette avance s’explique par trois sauts techniques : un rendu de texte enfin fiable, un mode Thinking qui raisonne avant de générer, puis la capacité à produire jusqu’à huit images cohérentes depuis un seul prompt.

Ce guide couvre les faits techniques, les deux modes d’usage, les quatre nouvelles primitives créatives, le prompting adapté au modèle, les points d’intégration dans un workflow, puis les limites honnêtes à connaître avant de s’engager.

Ce que change gpt-image-2 face à gpt-image-1.5

Les faits bruts d’abord. gpt-image-2 ne remplace pas simplement le modèle précédent par incrément de qualité : il change plusieurs paramètres de fond qui conditionnent ce que vous pouvez lui demander.

La cohérence multi-turn mérite une ligne à part. Avant gpt-image-2, enchaîner plusieurs retouches sur la même image dégradait systématiquement le résultat—un fond changé décalait l’éclairage du sujet, un logo ajouté déplaçait les proportions. Le nouveau modèle tient sur l’enchaînement : un fond remplacé puis un logo ajouté puis une couleur modifiée préservent l’image d’origine. C’est l’un des cinq progrès majeurs revendiqués par OpenAI au lancement.

Côté droits d’usage, rien ne change : les images générées vous appartiennent et sont exploitables commercialement, y compris sur le plan gratuit. Les fichiers intègrent des métadonnées C2PA qui tracent leur origine IA—un standard de transparence en progression dans l’industrie.

OpenAI a également confirmé la mise à la retraite de DALL-E 2 et DALL-E 3 pour le 12 mai 2026. gpt-image-1.5 reste accessible en API pour le support des intégrations existantes, mais n’est plus le modèle par défaut.

Instant ou Thinking : deux modes, deux usages

ChatGPT Images 2.0 se décline en deux modes qui ne jouent pas dans la même catégorie. Comprendre où se situe la frontière évite de payer un abonnement inutile ou de sous-exploiter le modèle.

Mode Instant : disponible pour tous, y compris le plan gratuit

Le mode Instant apporte les gains de qualité de base : meilleur rendu de texte, meilleur suivi d’instructions, placement d’objets précis, support multilingue. Il répond en trois secondes environ, sans étape de raisonnement visible. Pour un visuel LinkedIn, une illustration d’article, un mockup rapide ou une variation de produit, Instant suffit largement. C’est également lui qui tourne par défaut dans l’onglet Images de ChatGPT, quel que soit votre plan.

Mode Thinking : réservé aux plans payants

Le mode Thinking est disponible sur les plans Plus, Pro, Business et Enterprise. Il débloque quatre capacités absentes d’Instant : la recherche web pendant la génération, le batch de huit images cohérentes depuis un seul prompt, la planification de layout pour les compositions denses, puis l’auto-vérification des sorties. Le modèle produit plusieurs candidats en interne, les compare au brief, régénère si l’écart est trop grand.

Conséquence directe : Thinking est plus lent (quelques dizaines de secondes au lieu de 3) et plus coûteux, car facturé sur les tokens de raisonnement en plus des tokens image.

Les quatre nouvelles primitives créatives

Au-delà des chiffres techniques, gpt-image-2 débloque quatre capacités qui n’existaient pas avant le 21 avril 2026 ou qui étaient inutilisables en production. Ce sont elles qui justifient de tester le modèle même si vous étiez satisfait de gpt-image-1.5.

Le rendu de texte multilingue fiable

Sur les tests à l’aveugle de LM Arena, gpt-image-2 atteint une précision quasi parfaite sur les titres, labels UI, signalétiques et textes multilingues courts. Le japonais, le coréen, le chinois, le hindi et le bengali passent enfin la barre de lisibilité—c’était un angle mort persistant de tous les modèles concurrents. Une affiche manga avec kanjis justes ou un billboard en Inde avec titre en devanagari correct devient un livrable direct plutôt qu’un brouillon à retoucher. Les paragraphes longs et la reproduction pixel-parfaite d’un logo existant restent néanmoins imparfaits.

Le batch cohérent jusqu’à huit images

En mode Thinking, un seul prompt produit jusqu’à huit images qui partagent la même charte, les mêmes personnages, la même palette. Cette primitive débloque trois usages distincts. D’abord, les campagnes multi-formats : un même brief génère en un appel le carré Instagram 1:1, la bannière Twitter 3:1, le header LinkedIn large, puis l’image OG Facebook. Ensuite, les character sheets : un personnage vu de face, de trois-quarts, de profil, en action, avec la même identité visuelle sur les huit vignettes. Enfin, les storyboards et planches séquentielles pour la bande dessinée, le jeu indé ou les livres jeunesse. La cohérence n’est pas pixel-parfaite, mais elle suffit largement pour un premier jet exploitable par un studio.

Les artefacts techniques qui ne marchaient jamais avant

QR codes fonctionnels, diagrammes scientifiques annotés, plans de bâtiment, menus de restaurant avec prix alignés, posters d’infographie dense. Les modèles précédents rataient systématiquement ces formats parce qu’ils demandent à la fois de la précision typographique et de la logique structurelle. gpt-image-2 passe la barre sur ces cas, ce qui ouvre toute une catégorie de livrables qui devaient jusqu’ici passer par un outil de design dédié ou un générateur spécialisé.

La recherche web pendant la génération

En mode Thinking, le modèle peut interroger le web pendant qu’il compose l’image. Demandez-lui une infographie sur les derniers chiffres d’un marché, il va chercher les données publiques actuelles et les intègre directement dans le visuel. Dans la démo live du 21 avril 2026, OpenAI a demandé au modèle de parcourir sa propre boutique en ligne et de générer une publicité avec les produits réellement en stock ce jour-là. Ce n’est plus de la génération d’image, c’est un agent visuel qui enquête avant de livrer. Pour une rédaction qui produit de l’explainer quotidien, cette capacité rejoint la logique de Deep Research sur du texte : un agent qui cherche avant de produire.

Prompter gpt-image-2 : le brief plutôt que la description

Changement de mental model important. gpt-image-2 répond mieux à un brief qu’à une description exhaustive. « Affiche pour startup fintech qui vise des DAF sceptiques de l’IA, ton rassurant institutionnel, pas de hype » produit un meilleur résultat que « Affiche bleu marine avec graphique en hausse, personnage en costume, logo en bas à droite ». Le modèle raisonne sur l’intention, l’audience et la contrainte. Écrivez vos prompts comme vous briefez un designer, pas comme vous décrivez une photo déjà existante.

Structure d’un prompt qui marche

Pour les cas où une description structurée reste pertinente (mockups précis, visuels avec texte exact), la grille suivante reste efficace. Les blocs [SUJET] et [TEXTE] portent désormais un poids réel dans le résultat final—ce qui était optionnel sur gpt-image-1.5 devient discriminant.

# Structure d'un prompt image professionnel
[SUJET] : Quoi exactement — objet, scène, personne, concept
[STYLE] : Photoréaliste, illustration vectorielle, aquarelle,
          flat design, 3D isométrique, cinématique, manga
[COMPOSITION] : Plan large, gros plan, vue aérienne,
                centré, rule of thirds, grille labellisée
[ÉCLAIRAGE] : Lumière naturelle, golden hour, studio,
              néon, clair-obscur
[COULEURS] : Palette précise ou ambiance (tons chauds,
             pastel, monochrome, couleurs corporate)
[TEXTE] : Titres, labels, légendes exacts à inclure
         (entre guillemets dans le prompt)
[FORMAT] : 1:1, 16:9, 9:16, 3:1, 1:3, fond transparent

Trois exemples avant/après

Prompt faible : « Fais-moi un visuel pour un post LinkedIn sur le télétravail. »
Résultat : une image générique d’ordinateur portable sur un bureau.

Prompt pro : « Photo réaliste d’un espace de travail à domicile, vue en légère plongée. Bureau en bois clair, écran externe affichant le titre ‘Q2 Sales Review’ en haut à gauche, tasse de café, plante verte en arrière-plan. Lumière naturelle latérale, tons neutres et chaleureux. Ratio 16:9 pour LinkedIn. »
Résultat avec gpt-image-2 : un visuel publiable, avec le texte « Q2 Sales Review » lisible sur l’écran—ce qui était hasardeux sur gpt-image-1.5.

Prompt complexe : infographie multilingue avec données : « Infographie verticale format A4 portrait, style éditorial magazine. Titre principal en haut : ‘État du marché mondial de l’IA générative en 2026’. En dessous, trois colonnes parallèles : colonne 1 libellée ‘Amérique du Nord’ avec un graphique en barres montrant quatre valeurs (ChatGPT 58%, Gemini 21%, Claude 14%, Autres 7%) ; colonne 2 libellée ‘Europe’ avec les mêmes catégories (ChatGPT 47%, Le Chat 19%, Gemini 18%, Claude 12%, Autres 4%) ; colonne 3 libellée ‘Asie-Pacifique’ avec Qwen 34%, ChatGPT 28%, DeepSeek 22%, Gemini 11%, Autres 5%. Chaque barre porte son pourcentage en gros caractères. Palette : fond crème, barres en bleu marine profond et terracotta pour l’accent, typographie serif pour le titre, sans-serif pour les données. En bas, une note de source ‘Données illustratives, avril 2026’ en italique petit. Composition aérée, lignes de grille discrètes, aucun pictogramme superflu. »
Résultat attendu avec gpt-image-2 en mode Thinking : une infographie publiable telle quelle, avec les quinze valeurs numériques correctement placées, les titres de colonne lisibles, la hiérarchie typographique respectée et la palette tenue sur l’ensemble. C’est exactement le type de livrable qui demandait auparavant deux heures de mise en page dans Figma ou InDesign.

Intégrer gpt-image-2 dans un workflow

Le modèle est accessible par quatre chemins différents, chacun avec ses contraintes et son public cible. Choisir le bon point d’entrée dépend moins du niveau technique que du type de livrable final.

Dans l’interface ChatGPT

L’onglet Images, introduit en décembre 2025, reste le point d’entrée principal dans la barre latérale. L’interface s’adapte automatiquement à la version 2.0 depuis le 21 avril 2026. Pour activer Thinking, sélectionnez un modèle Thinking ou Pro dans le sélecteur avant d’envoyer le prompt—le moteur d’images bascule en conséquence. L’édition par sélection reste le geste quotidien le plus utile, avec une cohérence entre éditions nettement meilleure qu’avant : un logo ajouté dans un coin ne décale plus l’éclairage du reste de l’image, un fond changé préserve mieux le sujet.

Dans Codex pour les développeurs

gpt-image-2 est intégré nativement dans Codex, l’environnement de développement d’OpenAI. Les développeurs génèrent des mockups UI, des icônes, des directions visuelles sans quitter leur workspace et sans configurer une clé API séparée. Pour une base de développeurs Codex large et en croissance, cela supprime le point de friction majeur du prototypage visuel : plus de bascule entre éditeur de code et outil de design pour tester une maquette.

Dans Figma, Canva et Adobe Firefly

Dès le 21 avril 2026, Figma, Canva, Adobe Firefly, fal et Hermes Agent ont intégré gpt-image-2 dans leurs outils. Pour une créatrice de contenu qui travaille déjà dans Canva, le modèle arrive directement dans l’éditeur sans passer par l’interface ChatGPT. C’est rare pour un lancement de modèle et cela accélère fortement l’adoption réelle en production. Pour les équipes qui cherchent à s’équiper, le gain est immédiat : aucun changement d’outil, juste un nouveau moteur sous le capot.

Via l’API pour les intégrations sur mesure

L’API publique gpt-image-2 ouvre début mai 2026. À date du 24 avril 2026, l’accès passe par l’interface ChatGPT, Codex ou les plateformes partenaires (Figma, Canva, Adobe Firefly, fal). Une fois l’API ouverte, la facturation se fait au token : 8 $ par million de tokens image en entrée, 2 $ pour les inputs cachés (références répétées), puis 30 $ par million de tokens image en sortie. En pratique, une image 1024×1024 en haute qualité revient autour de 0,04 à 0,35 $ selon la configuration et la complexité du prompt. Les workflows automatisés via Zapier, Make ou n8n qui pointent encore vers l’endpoint DALL-E doivent migrer avant le 12 mai 2026, date de retrait définitive.

Les limites honnêtes de gpt-image-2

OpenAI reconnaît quatre zones où le modèle continue de trébucher. Les objets à géométrie physique complexe : Rubik’s cubes avec reflets cohérents, guides origami, objets sur surfaces inclinées ou inversées. Le modèle manque d’un modèle physique robuste sur ces cas.

Les détails très fins ou répétitifs : grains de sable, textures denses, diagrammes techniques avec beaucoup de petites annotations. Les labels peuvent encore demander une relecture manuelle.

La reproduction exacte de logos existants : plusieurs testeurs rapportent que le modèle restitue parfois des versions périmées d’un logo, même avec correction explicite. Pour tout travail où l’identité visuelle doit être pixel-perfect, la retouche manuelle reste obligatoire.

Les événements et produits post-décembre 2025 : le knowledge cutoff du modèle est décembre 2025. Tout visuel lié à une actualité ou un produit émergent après cette date sera approximatif ou factuellement faux. Le mode Thinking compense partiellement avec la recherche web, mais la connaissance visuelle sous-jacente s’arrête à décembre 2025.

Les filtres de sécurité restent également actifs : contenus violents, sexuels, haineux et reproduction de personnages sous copyright sont bloqués. Les images de personnes publiques sont autorisées mais encadrées. OpenAI a renforcé la chaîne de vérification sur les risques de deepfake et d’influence politique, ce qui produit parfois des faux positifs sur des prompts légitimes.

Ce que cela change pour vous

Si vous produisez régulièrement du contenu visuel avec texte—infographies, mockups, posters, slides, visuels réseaux sociaux avec titre—le passage à ChatGPT Images 2.0 est un gain immédiat, même en mode Instant sur un plan gratuit. Le rendu correct des titres et des labels élimine le passage systématique par Canva pour ajouter le texte après coup.

Si vous travaillez sur des campagnes multi-formats, des storyboards ou des séries cohérentes de visuels, le mode Thinking justifie à lui seul un plan Plus. Huit visuels cohérents en un appel remplacent plusieurs heures de travail itératif.

Si votre besoin principal est la reproduction pixel-parfaite d’un logo de marque ou la consistance de personnage verrouillée par un grand nombre d’images de référence, gardez en tête que gpt-image-2 reste imparfait sur ces deux cas. Pour tout le reste, le modèle est devenu le choix par défaut.