ChatGPT Images 2.0 : Révolution dans la génération d'images textuelles

L'évolution impressionnante de la génération d'images par IA

Il y a quelques années, les images générées par intelligence artificielle étaient facilement identifiables par leurs erreurs flagrantes, notamment dans la reproduction de textes. Par exemple, tenter de créer un menu de restaurant mexicain avec ces outils aboutissait souvent à des créations fantaisistes telles que des "enchuita" ou des "churiros", des plats inexistants qui trahissaient immédiatement leur origine artificielle.

Aujourd'hui, avec le modèle ChatGPT Images 2.0, cette époque semble révolue. Lorsqu'on lui demande de concevoir un menu de plats mexicains, le résultat est suffisamment précis pour être utilisé directement dans un restaurant, sans que les clients ne se doutent de quoi que ce soit. Bien que le prix d'un ceviche à 13,50 $ puisse encore soulever quelques interrogations sur la qualité du poisson proposé, l'orthographe et la présentation sont irréprochables.

Comparaison avec les générations précédentes

Pour mieux comprendre cette avancée, il est utile de se rappeler des limitations des modèles antérieurs comme DALL-E 3. Il y a deux ans, ces générateurs d'images ne pouvaient pas encore produire des textes corrects, car ils reposaient sur des modèles de diffusion. Ces modèles reconstruisent les images à partir de bruit, ce qui rendait la reproduction fidèle des textes particulièrement difficile.

Asmelash Teka Hadgu, fondateur et PDG de Lesan AI, expliquait en 2024 que ces modèles se concentraient sur les motifs couvrant la majorité des pixels, négligeant ainsi les petites portions de texte. Cette approche limitait leur capacité à générer des textes précis.

Nouvelles approches et technologies

Pour surmonter ces défis, les chercheurs ont exploré d'autres méthodes, notamment les modèles autorégressifs. Ces modèles prédisent l'apparence des images de manière séquentielle, un peu à la manière des modèles de langage comme les LLM (Large Language Models).

Cependant, OpenAI n'a pas précisé quel type de modèle alimente exactement ChatGPT Images 2.0. Lors d'une récente conférence de presse, la société a refusé de répondre à cette question, laissant planer le mystère sur les détails techniques de leur nouvelle technologie.

Capacités avancées et applications

OpenAI a néanmoins révélé que le modèle Images 2.0 intègre des capacités de réflexion. Cela signifie qu'il peut effectuer des recherches sur le web, générer plusieurs images à partir d'une seule demande, et vérifier ses propres créations. Ces fonctionnalités permettent de produire des supports marketing de différentes tailles ou encore des bandes dessinées à plusieurs panneaux.

Le modèle est également capable de mieux comprendre et reproduire des textes dans des langues non latines, telles que le japonais, le coréen, l'hindi et le bengali. Toutefois, sa base de connaissances s'arrête en décembre 2025, ce qui pourrait limiter sa précision pour des événements plus récents.

Un niveau de détail inégalé

Selon OpenAI, Images 2.0 offre une spécificité et une fidélité sans précédent dans la création d'images. Il peut non seulement conceptualiser des images sophistiquées, mais aussi les réaliser avec une grande précision. Le modèle suit les instructions données, préserve les détails demandés, et rend des éléments complexes tels que le texte fin, l'iconographie, ou les compositions denses, le tout jusqu'à une résolution de 2K.

Bien que la génération d'images complexes prenne un peu plus de temps que de simples requêtes textuelles, créer une bande dessinée à plusieurs panneaux ne nécessite que quelques minutes.

Accessibilité et tarification

Tous les utilisateurs de ChatGPT et de Codex auront accès à Images 2.0 dès mardi. Les utilisateurs payants bénéficieront de résultats plus avancés. OpenAI propose également une API, gpt-image-2, avec des tarifs variant en fonction de la qualité et de la résolution des images générées.