Imagen 2 vs Imagen Pro vs DALL-E 3 : test comparatif
Trois générateurs d'images testés avec les mêmes prompts : texte avec accents, comptage d'objets, mains, photoréalisme, illustration plate et diagramme.
👁 116 lectures
La question qu’on nous pose le plus souvent à propos des générateurs d’images est : lequel est le meilleur actuellement ? La réponse « ça dépend » est vraie mais inutile, alors nous avons fait ce que nous faisons d’habitude : les mêmes instructions pour trois modèles, une seule génération chacune, sans choisir la plus belle parmi plusieurs essais. Ce qui est sorti est sorti, et tout est ci-dessous côte à côte.
Les modèles : Imagen 2 et Imagen Pro de Google (tous deux de juin) et DALL-E 3 d’OpenAI (d’avril). Pour anticiper la question : il n’existe tout simplement pas de modèle graphique plus récent chez OpenAI, nous avons vérifié la liste des modèles le 4 septembre et la position la plus récente de cette entreprise est précisément celle-ci. Nous avons choisi six tâches de manière à ce que chacune mesure une compétence spécifique, et non un « joli » général.
Tâche 1 : texte polonais avec signes diacritiques
Il y a encore un an, c’était un test que chaque générateur échouait : les lettres ą, ę, ł, ś, ź apparaissaient comme des traits aléatoires ou disparaissaient. Aujourd’hui, les trois modèles ont écrit „Zażółć gęślą jaźń« sans erreur, avec chaque signe diacritique à sa place. Les différences sont uniquement stylistiques : Google a ajouté un cadre et du ruban adhésif, OpenAI a fait une feuille nue. Ce problème peut être considéré comme résolu.
Tâche 2 : exactement quatre pommes et deux poires
Le comptage reste un point faible. Imagen 2 a dessiné une cinquième pomme. Imagen Pro et DALL-E 3 ont compté correctement, le modèle OpenAI ayant disposé les fruits dans une grille rigide de deux par trois, comme pour se faciliter la tâche, tandis que le modèle Google les a dispersés naturellement et ne s’est pas trompé non plus. Si l’image doit montrer un nombre spécifique de quoi que ce soit, le modèle Google le moins cher est éliminé.
Tâche 3 : mains
Test classique dans lequel les générateurs dessinaient autrefois un sixième doigt. Sur les trois images, les mains ont le bon nombre de doigts et une prise sensée du lacet. Imagen Pro a donné le cadre le plus photographique avec de la boue sur la chaussure, DALL-E 3 le plus propre, mais un peu plastique. À cette résolution, nous ne voyons d’erreurs anatomiques chez aucun.
Tâche 4 : Varsovie, tramway, pluie, crépuscule
Ici, on voit ce que les modèles savent de la Pologne. Imagen Pro a inséré en arrière-plan le Palais de la Culture et un tramway articulé aux couleurs de Varsovie, soit une scène que reconnaîtra quiconque a été dans la capitale. Imagen 2 a donné une rue de style vieille ville avec des enseignes polonaises lisibles. DALL-E 3 a généré un wagon historique avec un panneau de direction et un poteau d’arrêt, correctement, mais sans point de repère. Les trois maintiennent la lumière, les pavés mouillés et les reflets à un niveau qui était inatteignable il y a deux ans.
Tâche 5 : illustration plate, minimalisme, sans texte
L’instruction disait explicitement : un phare, une fine ligne d’horizon, beaucoup d’espace vide, aucun texte. Seul Imagen Pro l’a exécutée littéralement et il en est sorti l’illustration la plus épurée de tout le test. Imagen 2 a ajouté la mer et des rochers, DALL-E 3 a ajouté une lune, des étoiles et une île rocheuse. C’est joli, mais personne n’a demandé cela. Dans un travail éditorial, où l’illustration doit correspondre à un style établi, l’obéissance au prompt est plus importante que l’inventivité.
Tâche 6 : diagramme avec étiquettes polonaises
Trois boîtes, deux flèches, étiquettes „Prompt », „Model », „Odpowiedź« . Les trois modèles l’ont fait correctement, avec l’accent dans le dernier mot. Ils ne diffèrent que par le style : Google colore les boîtes, OpenAI donne des contours noirs sur blanc. Les diagrammes avec du texte court sont aujourd’hui sûrs chez chacun.
Temps de génération
| Modèle | Le plus rapide | Le plus lent | Typiquement |
|---|---|---|---|
| Imagen 2 | 8 s | 17 s | environ 12 s |
| Imagen Pro | 19 s | 28 s | environ 21 s |
| DALL-E 3 | 59 s | 97 s | environ 76 s |
Le modèle OpenAI était de quatre à huit fois plus lent que les deux modèles Google. Pour une seule image, cela n’a pas d’importance, pour une série de plusieurs dizaines d’illustrations, c’est la différence entre un quart d’heure et une heure.
Verdict
Imagen Pro a remporté ce test : il a compté les fruits, a obéi à l’instruction sur le minimalisme, a donné la Varsovie la plus reconnaissable et n’a commis aucune erreur dans le texte. Imagen 2 est le plus rapide et suffit pour la plupart des tâches, mais pas là où le nombre exact d’objets compte. DALL-E 3 fait des images correctes et propres, seulement très lentement et avec une tendance à ajouter des ornements que personne n’a demandés.
Une réserve : six tâches et une seule génération chacune, c’est une reconnaissance, pas une mesure statistique. Cela montre ce qui est sorti de la première tentative, car c’est exactement ainsi que la plupart des gens utilisent ces outils. Les tarifs actuels des trois modèles sont sur leurs pages sur OpenRouter et changent plus souvent que nous n’aurions le temps de les mettre à jour ici.
Google · Vos sourcesPromptif plus haut dans Google - en un clicAjouter aux sources préférées →Mise à jour du 5 septembre : texte plus long sur une affiche
Après le premier test, nous avons reçu la question de savoir si une phrase avec accents n’était pas trop peu. Nous avons donc vérifié une affiche avec un titre et quatre lignes en polonais : „Cztery zasady dobrego promptu » (Quatre règles d’un bon prompt), et en dessous „Podaj cel i odbiorcę« (Donnez l’objectif et le destinataire), „Dołącz przykład« (Joignez un exemple), „Określ długość i format« (Spécifiez la longueur et le format), „Sprawdź źródła, zanim uwierzysz« (Vérifiez les sources avant de croire). Huit mots avec accents, dont „źródła« et „długość« , qui ont tendance à se désintégrer.
Les trois modèles ont rendu le texte complet sans une seule erreur dans les lettres et signes diacritiques. Imagen 2 a ajouté des puces, que nous n’avions pas demandées, Imagen Pro a centré le texte sur une feuille froissée, DALL-E 3 l’a aligné à gauche sur une feuille propre. Les temps comme précédemment : 8, 20 et 77 secondes. La conclusion du premier test ne fait que se renforcer : le texte polonais sur l’image, même plus long, a cessé d’être un obstacle chez chacun de ces trois générateurs.
More on this from PROMPTIF
benchmarks·Test hallucinations GPT-6 Astra, Claude et GeminiNous avons interrogé quatre modèles sur des personnes, lois et villes inventées. Lesquels admettent leur ignorance et lesquels inventent des faits ?