La plupart des systèmes d’édition d’images savent produire un résultat, mais peinent encore à déterminer lequel mérite d’être conservé. Le problème ne tient donc pas uniquement au modèle qui retouche l’image : il concerne aussi le juge chargé de comparer les variantes. Les résultats publiés autour d’EditAgent montrent qu’un modèle généraliste correctement alimenté en signaux de vérification peut dépasser des modèles ajustés spécifiquement sur des évaluations humaines.
Sur un benchmark de 600 retouches évaluées à l’aveugle par cinq professionnels, les sept modèles de langage testés ont surpassé les meilleurs modèles ajustés dès qu’ils disposaient d’un relevé de vérification associé à chaque image. Qwen3.8-27B a sélectionné une image jugée exploitable dans 81,3 % des cas, contre 74,8 % pour EditScore-72B, un modèle ajusté sur des évaluations humaines.
Cette approche demande davantage de calcul, mais elle produit aussi environ 26 000 exemples d’entraînement vérifiés. Elle éclaire surtout un choix d’architecture : faut-il affiner progressivement une même image, ou générer plusieurs variantes en parallèle avant de les comparer ? Les professionnels ont préféré la seconde méthode dans 78,5 % des comparaisons décidées.
EditAgent transforme le contrôle d’image en problème de vérification
L’idée centrale d’EditAgent consiste à ne pas demander au juge de regarder uniquement les images finales. Le système lui fournit aussi des éléments mesurés qui décrivent la manière dont chaque résultat a été obtenu et les propriétés observables de l’image.
Dans le schéma étudié, EditAgent décompose la demande en étapes. Pour chacune d’elles, il met en concurrence un éditeur généraliste et des outils spécialisés adaptés à l’opération recherchée. Les candidats sont ensuite produits en parallèle, puis comparés lors d’un seul appel de type listwise, c’est-à-dire une évaluation simultanée de plusieurs résultats.
Chaque candidat reçoit un relevé de vérification, un ensemble de signaux permettant au juge de dépasser une simple inspection visuelle. Le système peut ainsi confronter les variantes à des éléments liés à la demande, à l’opération effectuée et aux mesures disponibles sur le résultat.
À retenir : EditAgent ne remplace pas le modèle d’évaluation par un modèle nécessairement plus spécialisé. Il améliore d’abord les informations présentées au juge.
Cette distinction explique pourquoi les modèles généralistes ont changé de niveau. Sans relevé de vérification, aucun des sept modèles de langage testés n’a égalé le meilleur modèle ajusté. Avec ces informations, chacun a dépassé les modèles ajustés évalués dans l’étude.
Sept modèles généralistes dépassent les juges ajustés
Le résultat le plus net concerne la comparaison entre modèles généralistes et modèles ajustés sur des préférences humaines. Le modèle généraliste le plus performant a retenu une image utilisable dans 81,3 % des cas, alors qu’EditScore-72B atteignait 74,8 %.
| Système d’évaluation | Méthode | Résultat de sélection d’une image exploitable |
|---|---|---|
| Qwen3.8-27B avec vérification | Modèle généraliste avec relevé de vérification | 81,3 % |
| EditScore-72B | Modèle ajusté sur des évaluations humaines | 74,8 % |
L’écart ne prouve pas qu’un modèle généraliste sera toujours supérieur à un modèle ajusté dans tous les contextes. Il montre en revanche que l’ajustement des paramètres n’est pas la seule variable déterminante pour juger une retouche. La qualité et la structure des informations fournies au modèle jouent un rôle majeur.
Le benchmark utilisé rassemble 600 opérations de retouche, dont les résultats ont été évalués à l’aveugle par cinq professionnels. Le critère étudié consiste à vérifier si l’image choisie par le système fait partie de celles que les experts ont jugées exploitables.
Cette méthode mesure donc une décision concrète plutôt qu’une note abstraite. Un juge est récompensé lorsqu’il sélectionne un résultat que les professionnels auraient également conservé, ce qui rapproche l’évaluation automatique d’un usage réel en production.
Sans preuve mesurée, l’avantage disparaît
Les tests établissent une séparation nette entre deux configurations. Lorsque les modèles généralistes reçoivent uniquement les images candidates, aucun ne rattrape le meilleur modèle ajusté. Lorsqu’ils reçoivent les relevés de vérification, les sept modèles dépassent tous les modèles ajustés comparés.
Le résultat suggère que le juge ne manque pas forcément de capacité visuelle ou de connaissances générales. Il peut surtout manquer d’éléments lui permettant de relier une image à la consigne et de distinguer une réussite réelle d’un résultat visuellement séduisant mais incorrect.
Cette limite est importante pour les retouches complexes. Une image peut sembler meilleure tout en ayant perdu un élément demandé, modifié une zone qui devait rester intacte ou introduit une dégradation difficile à repérer au premier regard.
Le parallèle l’emporte sur l’affinage itératif
EditAgent privilégie la génération de plusieurs variantes en parallèle avant leur sélection. Les professionnels interrogés ont préféré cette approche à l’affinage itératif dans 78,5 % des comparaisons ayant abouti à une décision.
L’affinage itératif consiste à produire une première version, à la corriger, puis à répéter l’opération. Cette méthode peut être utile lorsque la trajectoire de modification est fiable, mais elle risque aussi de conserver une mauvaise direction et d’empiler les erreurs.
La génération parallèle offre une autre stratégie : plusieurs chemins sont explorés pour une même étape, puis comparés dans un appel listwise. Le système ne doit pas décider uniquement si la dernière version est meilleure que la précédente. Il peut choisir directement la meilleure candidate parmi l’ensemble proposé.
| Approche | Principe | Préférence des professionnels | Coût de comparaison |
|---|---|---|---|
| Affinage itératif | Corriger successivement une même version | 21,5 % des comparaisons décidées | Plus d’appels possibles au fil des étapes |
| Variantes parallèles | Générer plusieurs candidats puis les classer | 78,5 % des comparaisons décidées | Au plus la moitié des appels du juge dans l’étude |
Le système parallèle réduit aussi le nombre d’appels au juge. L’étude indique que le classement en une seule passe demande au plus la moitié des appels nécessaires à la stratégie comparée.
Cette organisation ne signifie pas que toutes les variantes sont produites à moindre coût. La génération parallèle mobilise plusieurs éditeurs ou plusieurs trajectoires. Son avantage se situe dans la décision finale : le juge compare un ensemble cohérent plutôt que d’évaluer une succession de corrections dont le résultat dépend fortement du choix précédent.
À retenir : la préférence professionnelle va aux variantes parallèles, mais le gain opérationnel vient surtout du classement en une seule passe et de la réduction des appels au juge.
Dix fois plus de calcul pour produire des données exploitables
EditAgent demande dix fois plus de calcul que l’approche de référence indiquée dans les résultats publiés. Ce coût supplémentaire sert à explorer plusieurs candidats, à utiliser des outils spécialisés et à vérifier les résultats avant de les conserver.
Le système transforme ensuite ses propres sorties vérifiées en données d’entraînement. Environ 26 000 exemples ont ainsi été produits pour entraîner de nouveaux éditeurs.
Cette boucle est différente d’une simple génération automatique de données. EditAgent ne conserve pas indistinctement toutes les images produites. Les résultats retenus passent d’abord par le mécanisme de vérification, ce qui réduit le risque d’entraîner un modèle sur des retouches incorrectes ou dégradées.
Les éditeurs ajustés sur ces 26 000 exemples ont progressé sur les trois benchmarks étudiés. À l’inverse, les données générées directement par FLUX ont dégradé les performances de FLUX dans les tests rapportés.
| Source des données d’entraînement | Effet observé |
|---|---|
| Exemples vérifiés par EditAgent | Progression de l’éditeur sur les trois benchmarks |
| Données générées directement par FLUX | Dégradation des performances de FLUX |
Le résultat renforce une idée désormais décisive pour les systèmes d’image : la quantité de données ne suffit pas. Des exemples sélectionnés par un mécanisme de contrôle peuvent être plus utiles que des volumes plus importants de sorties non vérifiées.
Un coût qui dépend du cas d’usage
Le facteur dix rend EditAgent moins adapté à une évaluation systématique sans contrainte de coût. Pour une application qui doit classer des millions de variantes simples, une méthode plus légère peut rester préférable.
En revanche, le surcoût devient défendable lorsque chaque retouche coûte du temps humain, qu’une erreur doit être corrigée manuellement ou que le système intervient dans une chaîne de production professionnelle. L’évaluation ne porte alors plus seulement sur le prix d’un appel de modèle, mais sur le coût total d’un résultat inutilisable.
La valeur d’EditAgent se situe donc à deux niveaux : sélectionner de meilleures images immédiatement et générer des exemples capables d’améliorer les éditeurs futurs. Le premier bénéfice concerne l’exécution, le second concerne l’entraînement.
Les éditeurs ouverts progressent sur trois benchmarks
Les résultats ne se limitent pas à la qualité du juge. EditAgent a amélioré deux éditeurs à poids ouverts, Qwen-Image-Edit-2511 et Flux-2-Klein-9B, sur trois benchmarks.
Le système a également dépassé sept autres agents d’édition dans les comparaisons rapportées. Sur le benchmark EdiVal, la variante Qwen a dépassé au troisième cycle d’édition les modèles commerciaux Seedream 4.0 et GPT-Image-1.5.
Cette progression doit être interprétée avec précision. EditAgent n’est pas seulement un nouveau modèle d’image qui remplace les éditeurs existants. Il orchestre un éditeur généraliste, des outils spécialisés, un mécanisme de génération de variantes et un juge doté de signaux de vérification.
| Élément comparé | Résultat rapporté |
|---|---|
| Qwen-Image-Edit-2511 avec EditAgent | Amélioration sur trois benchmarks |
| Flux-2-Klein-9B avec EditAgent | Amélioration sur trois benchmarks |
| Variante Qwen sur EdiVal | Dépassement de Seedream 4.0 et GPT-Image-1.5 au troisième cycle |
| EditAgent face à d’autres agents | Meilleur résultat que sept agents comparés |
Le fonctionnement favorise les opérations pour lesquelles un outil spécialisé peut apporter une preuve ou une mesure utile. Les essais rapportés citent notamment des gains sur des tâches comme la netteté, la rotation et le zoom, pour lesquelles la vérification objective peut compléter le jugement visuel.
Le système généraliste conserve toutefois une place importante. Il planifie la demande, choisit les étapes et coordonne les outils. Les composants spécialisés n’ont pas vocation à remplacer toute la chaîne, mais à intervenir lorsque leur opération apporte une meilleure garantie.
Adobe inscrit ces agents dans Creative Cloud
Adobe a intégré des agents IA en bêta dans l’écosystème Creative Cloud. L’AI Assistant est décrit comme un assistant conversationnel intégré à l’application de bureau Creative Cloud et à Adobe Home, avec un accès limité à un petit nombre d’utilisateurs.
L’entreprise présente aussi Adobe Creative Agent comme un système capable d’orchestrer et d’exécuter des workflows créatifs complexes et répétitifs. Son extension concerne notamment Photoshop et Premiere, ce qui rapproche l’agent des outils professionnels utilisés au quotidien.
Cette intégration donne un contexte concret aux résultats d’EditAgent. L’évaluation automatique ne sert pas uniquement à classer des images dans un benchmark. Elle peut devenir une fonction interne d’un agent qui choisit un résultat, vérifie une opération et poursuit une séquence de travail.
À retenir : l’intégration en bêta de l’AI Assistant dans Creative Cloud montre que les agents d’édition passent du prototype de recherche à des interfaces directement accessibles dans les logiciels créatifs.
La bêta comporte encore des limites. Adobe précise que certaines fonctions peuvent évoluer et que les réponses peuvent être inexactes ou incomplètes. L’écart entre une démonstration de recherche et un outil de production reste donc un point à surveiller.
Pour les professionnels, l’intérêt principal réside dans l’orchestration. Un agent peut recevoir une consigne, appliquer plusieurs opérations, comparer des variantes et présenter un résultat sans imposer une intervention manuelle à chaque étape. La qualité du juge devient alors aussi importante que celle du générateur.
Notre avis : EditAgent est le meilleur choix pour évaluer, pas pour économiser
Pour évaluer des images complexes, EditAgent prend l’avantage sur les modèles ajustés grâce à une combinaison précise : variantes parallèles, outils spécialisés et relevés de vérification. Le chiffre clé est celui de Qwen3.8-27B, qui atteint 81,3 % de sélections jugées exploitables contre 74,8 % pour EditScore-72B.
Le modèle ajusté conserve un intérêt lorsqu’un environnement privilégie la prévisibilité, le coût réduit et un volume élevé de décisions simples. Mais l’étude montre qu’un juge généraliste peut devenir plus fiable lorsqu’il reçoit les bonnes preuves, sans qu’un nouvel affinage soit nécessaire.
Le compromis est clair : dix fois plus de calcul, environ 26 000 exemples vérifiés et une architecture plus complexe. En échange, les éditeurs ouverts progressent sur trois benchmarks et les professionnels préfèrent les variantes parallèles dans 78,5 % des comparaisons décidées.
Dans les six prochains mois, le point décisif sera l’écart entre les performances de recherche et la disponibilité réelle de ces mécanismes dans les outils créatifs. Si les agents intégrés à Creative Cloud reprennent cette logique de vérification, l’évaluation d’une image pourrait devenir une étape native du workflow plutôt qu’un contrôle séparé. Les futurs éditeurs devront-ils alors optimiser d’abord la génération, ou apprendre à produire des résultats plus faciles à vérifier ?