Générateur de prompts image ChatGPT : de la génération d'images 4o à Images 2.0

Historique des versions : génération d'images native 4o, l'API, puis Images 2.0

OpenAI a lancé la génération d'images native 4o dans ChatGPT en mars 2025, la présentant comme un successeur plus performant que l'expérience de l'ère DALL·E 3 pour le photoréalisme, la transformation d'images, les instructions détaillées et le texte dans les images. En avril 2025, cette même capacité de génération est devenue accessible aux développeurs sous le nom gpt-image-1. GPT-Image-1.5 a suivi en décembre 2025, avec un meilleur suivi des instructions, une édition plus précise, un meilleur rendu de texte dense et une génération plus rapide.

Le 21 avril 2026, OpenAI a lancé ChatGPT Images 2.0 ainsi qu'un mode de réflexion (thinking mode) optionnel dans ChatGPT. Cette version positionne le nouveau système autour d'une meilleure connaissance du monde, d'une imagerie plus complexe, d'un texte plus dense et d'une planification plus délibérée. Gardez bien distincts le nom du produit, le mode ChatGPT et l'identifiant du modèle d'API : ce sont des surfaces liées, mais ce ne sont pas des conditions expérimentales interchangeables.

Ce qui distingue techniquement ce flux de travail

Le comportement central du produit est le suivi multimodal des instructions. Vous pouvez demander la génération d'une scène, fournir une image existante et demander une modification localisée, ou préserver de façon itérative certains détails tout en en transformant d'autres. Cela fait du prompt moins une liste de tags de style qu'une spécification d'édition : identifiez la cible, nommez le changement, et précisez explicitement ce qui doit rester stable.

Pour Images 2.0, OpenAI documente un mode de réflexion capable d'utiliser le raisonnement et des outils pour planifier et affiner un résultat, y compris la recherche web en direct dans les flux produit pris en charge. Cela peut améliorer les travaux complexes, mais c'est aussi un comportement système différent de la génération instantanée. Une comparaison équitable doit noter si le mode de réflexion était activé, si des informations externes ont été utilisées, et si un résultat a été généré en une fois ou affiné au fil d'une conversation à plusieurs étapes.

Ce que souligne le rapport technique : la sécurité fait partie du système

La fiche système de ChatGPT Images 2.0 n'est pas un article sur l'architecture du modèle. Elle se concentre sur le comportement en déploiement : les nouveaux risques créés par un réalisme accru, l'évaluation des demandes d'images nuisibles, et les garde-fous placés avant et après la génération. La pile documentée comprend des classificateurs de texte en amont, des vérifications sur les images en entrée, et un moniteur multimodal axé sur la sécurité qui examine le résultat généré avant qu'il ne soit affiché.

L'évaluation adversariale du rapport est utile précisément parce qu'elle rapporte des résultats de bout en bout. Dans son test publié de prompts difficiles, la configuration standard d'Images 2.0 a produit un taux de résultats sûrs de 99,1 % après l'ensemble de la pile de sécurité ; la configuration avec réflexion a rapporté 99,2 %. Ce sont des mesures de sécurité sur un jeu de données délibérément adversarial, et non des scores de qualité d'image ni des estimations du taux d'échec chez un utilisateur normal. Ne les utilisez pas comme preuve qu'un prompt artistique donné est précis à 99 %.

Provenance, politique et fiabilité des prompts

OpenAI documente des métadonnées C2PA et un filigrane imperceptible comme mesures de provenance pour ChatGPT Images 2.0. Ces mesures aident les systèmes en aval à identifier des signaux d'origine, mais elles ne rendent pas une image générée auto-vérifiable et ne garantissent pas que les métadonnées survivent à tous les chemins d'export. Considérez la provenance comme un signal parmi d'autres, et non comme un substitut à la divulgation ou à la révision éditoriale.

Le comportement de sécurité est aussi une caractéristique de production. Si un flux de travail concerne des personnalités publiques, des mineurs, des instructions médicales ou des événements sensibles, mesurez le comportement de refus et de redirection sûre en plus de la qualité de rendu. Un générateur de prompts qui propose régulièrement des formulations inutilisables ou en conflit avec les règles est de moindre qualité, même si ses échantillons réussis paraissent solides.

Un benchmark capable de vraiment comparer des formulations de prompt

Créez une suite de tests avec des images en entrée figées et des critères de réussite avant de générer quoi que ce soit. Incluez des visuels riches en texte, des modifications d'étiquettes produit, des retouches de portrait sensibles à la préservation, des relations spatiales, une typographie multilingue et des requêtes sûres mais exigeantes. Générez plusieurs essais par condition. Pour chaque essai, consignez la conversation exacte, le mode, le nombre de tours, la surface du modèle, la date et toute retouche manuelle.

Notez ensuite des dimensions séparées : le respect des instructions, la préservation des détails protégés, la lisibilité, le réalisme de l'image ou l'adéquation au style, la localité de l'édition, et le résultat en matière de sécurité. Publiez les taux de réussite par famille de tâches plutôt qu'un chiffre agrégé unique. Cela met en évidence l'arbitrage qui compte en pratique : un modèle peut exceller sur une affiche avec du texte tout en étant moins fiable pour préserver un visage à travers plusieurs modifications.

• Utilisez des vérifications de correspondance exacte ou de taux d'erreur par caractère pour le texte visible spécifié, avec une révision humaine pour la typographie et le placement.
• Utilisez des évaluations côte à côte en aveugle pour la qualité esthétique ; ne laissez pas l'évaluateur voir quel modèle de prompt a produit l'image.
• Mesurez la localité de l'édition à l'aide d'une checklist d'éléments protégés, et pas seulement d'une similarité visuelle globale.
• Rapportez les refus séparément des résultats malformés ou de mauvaise qualité, afin qu'un blocage de sécurité ne soit pas confondu avec un échec de rendu.

Comment rédiger des prompts qui résistent à l'itération

Commencez par le résultat attendu, puis établissez les invariants. Pour une génération inédite : sujet, scène, composition, lumière, typographie et format de sortie. Pour une édition : d'abord le changement demandé, puis les éléments visuels qui ne doivent pas changer. Évitez les adjectifs globaux contradictoires tels que « minimaliste mais riche en détails », sauf si vous précisez où ces détails doivent se trouver.

Pour des visuels complexes, travaillez par passes. Verrouillez d'abord la composition et la hiérarchie ; affinez ensuite le texte et les matières ; demandez enfin une correction bornée. Cette approche rend les échecs diagnosticables et vous donne un historique d'évaluation plus significatif que de demander sans cesse qu'une image soit « meilleure ».