ChatGPT Images 2.5 est là : moitié moins d'attente, retouches au point précis et personnages qui restent en place

Le 8 septembre 2026, OpenAI a annoncé ChatGPT Images 2.5 sans long cycle de teasing et l'a livré le jour même sur ChatGPT, ChatGPT Work et l'API pour développeurs. Le timing est assumé : avec Midjourney, Black Forest Labs Flux et Google Imagen qui poussent fort, OpenAI présente cela comme un pivot tactique plutôt qu'un simple correctif. Le langage est délibéré, promettant une réponse de fond aux deux goulots d'étranglement que créateurs et ingénieurs citent depuis trois ans.

Ces deux goulots d'étranglement sont clairement séparés : la latence douloureuse de génération et l'effondrement de la cohérence des personnages sur des retouches multi-tours. L'une tue l'interaction, l'autre tue le storytelling. OpenAI affirme que la nouvelle version a été conçue autour de ces échecs précis et que l'architecture est scindée en conséquence. Cette scission structure le reste de l'histoire, la vitesse et la fidélité étant attribuées à des moteurs différents.

Côté vitesse, l'affirmation est une latence jusqu'à 50 % inférieure à celle d'Images 2.0. Des sorties qui restaient autrefois bloquées sur un squelette de chargement pendant 20 à 30 secondes arrivent désormais en environ 10 à 12 secondes, selon la présentation. Pour les équipes e-commerce générant des variantes de produits, les studios de jeux épluchant des miniatures, ou tout canevas interactif, cet écart est la ligne entre un prototype poussif et une expérience livrable, et il se cumule quand moins de relances sont nécessaires.

La scission côté développeurs commence avec GPT Image 2.5 Flare, le généraliste à haut débit. C'est le modèle par défaut dans le ChatGPT grand public et sur les flux mobiles, optimisé pour le volume sans saturer la file d'attente. Le prototypage social, les expériences produit, la recherche visuelle et l'idéation rapide sont son terrain de jeu. La note tarifaire compte : Flare reste aux tarifs de tokens de GPT Image 2, donc la vitesse double sans palier de prix.

GPT Image 2.5 Sunburst est le fleuron de précision. Il consacre plus de calcul au raffinement latent pour viser une typographie au cordeau, un scattering sous-surfacique correct sur la peau, une trame de tissu crédible et des reflets de studio cohérents. La génération prend plus de temps qu'avec Flare, mais pour un travail prêt pour une campagne ou une image produit vedette, le compromis est présenté comme valant la peine. Le prompt de démo d'un boîtier de titane brossé sous une lumière de contour cyan avec des micro-rayures sur le chanfrein sert à illustrer cette fidélité des matériaux.

L'économie découle de ce choix tarifaire. Dans les générations précédentes, un modèle plus rapide et plus fidèle coûtait généralement plus cher ; maintenir le tarif de Flare encourage la migration des charges de travail à fort volume depuis les concurrents. Comme les retouches ancrées par coordonnées et l'ancrage d'identité aboutissent dès le premier ou deuxième essai, moins de rendus jetables sont facturés. Le coût effectif par actif utilisable diminue donc avant même tout changement de prix catalogue.

La retouche, c'est là que l'ancien flux de travail prend sa retraite. L'inpainting classique signifiait peindre un masque blanc grossier, taper un prompt, puis se battre contre les artefacts de couture, la dérive des couleurs et la déformation des visages. Désormais, vous cliquez sur l'image, posez une épingle sur des coordonnées exactes et écrivez ce que vous voulez en langage naturel, par exemple remplacer le bol en bois sur la table par une pendule de bureau en laiton vintage. Le modèle lit l'épingle via une cross-attention guidée par coordonnées, pondère les vecteurs de lumière ambiante, les ombres et la température de couleur, et insère l'objet en laissant le reste du cadre intact. Sur téléphones et tablettes, taper @Sketch ouvre une surface de dessin légère où bonshommes, lignes de perspective ou courbes de capot deviennent des contraintes spatiales explicites plutôt que des suppositions.

La dérive des personnages bénéficie de son propre chemin de préservation. À partir d'une photo de référence ou d'un portrait du premier tour, le modèle extrait un vecteur d'identité latent qui encode les proportions du visage, la structure osseuse, la ligne des cheveux et les marques distinctives. Ce vecteur ancre les 5 à 15 tours suivants, si bien que le même détective cyber peut courir sous la pluie à Tokyo, siéger dans une salle de conseil à New York ou regarder par le hublot d'un vaisseau spatial sans que le visage ou le motif de la veste ne glisse. Le même soin s'applique aux objets : un thermostat propriétaire ou un sac en cuir fait main peut être placé dans des scènes lifestyle variées sans déformer logos, coutures ou dimensions, ce que la présentation présente comme un gain de plusieurs heures de compositing.

Pour les ingénieurs, l'intégration reste courte. Avec le SDK Python OpenAI mis à jour, vous appelez client.images.generate et définissez le modèle sur gpt-image-2.5-flare ou gpt-image-2.5-sunburst. Deux nouveaux niveaux de qualité apparaissent : extra high augmente la résolution d'échantillonnage et les étapes de débruitage pour des actifs d'affichage 4K, et maximum exécute un raffinement multipass profond pour une clarté maximale des textures et des bords. Tailles flexibles, option de fond opaque et itération avec contexte conservé entre les tours complètent la surface de l'API.

Le bilan concurrentiel place Midjourney v7 toujours devant en flair cinématographique pur et en ambiance picturale, mais enclin à privilégier la beauté au détriment de l'instruction littérale, ce qui pénalise les petits textes et les mises en page strictes. Flux 1 est solide sur le texte littéral et la physique multi-sujets. Le discours de ChatGPT Images 2.5, c'est l'édition spatiale conversationnelle plus un contexte unifié : analyser un rapport de marché, rédiger un plan de campagne, esquisser une wireframe, générer une image vedette avec Flare, affiner la lumière avec des commentaires par coordonnées et finaliser avec Sunburst dans un même fil. Cette boucle de bout en bout est présentée non pas comme un générateur plus rapide, mais comme un système d'exploitation créatif multimodal.