Édition d’image dans ChatGPT : test de onze corrections
Une correction ne modifie-t-elle que la zone demandée ? Deux séries, onze corrections : des changements non demandés dès la première, confirmés par comparaison pixel.
👁 117 lectures
Avertissement préalable, car il change le sens de tout l’article : l’outil graphique intégré d’OpenAI ne révèle pas l’identifiant du modèle. La documentation le décrit comme GPT Image 2. Nous ne pouvons donc pas affirmer avoir testé ChatGPT Images 2.5, ni avoir vérifié l’édition par commentaire annoncée lors de son lancement. Nous avons testé ce que l’utilisateur reçoit réellement lorsqu’il demande une correction d’image, et c’est ainsi que nous le décrivons.
Nous avons vérifié une seule chose : est-ce que les corrections successives ne modifient que ce qui est demandé. Deux séries indépendantes, onze corrections. Résultat dans les deux cas : des changements non demandés sont apparus dès la première correction et se sont produits à chaque correction suivante. Dans la seconde série, cela a été confirmé par comparaison de pixels.
Comment s’est déroulé le test
Image de base : une rue étroite de Varsovie la nuit après la pluie, pavés mouillés reflétant les lumières, à gauche la vitrine d’une petite librairie avec un néon au-dessus de l’entrée, devant la porte un vélo appuyé contre le mur, en arrière-plan des lumières de voitures floues. Ensuite cinq corrections, chacune concernant un élément, chacune effectuée sur le résultat de la précédente, sans retouche manuelle et sans répétition des tentatives.
Ce qui a changé en dehors de ce qui était demandé
| Correction | Changement demandé | Changements non demandés |
|---|---|---|
| 1 | texte sur le néon | petites inscriptions sur le livre exposé dans la partie inférieure de la vitrine et feuilles de la plante à côté |
| 2 | suppression du vélo | forme de l’arbuste, contour du pot près de la porte, reflets clairs sur le trottoir en dehors de l’emplacement du vélo |
| 3 | chat sur le rebord de fenêtre | cadre vertical éclairci entre la vitrine et la porte, formes modifiées des reflets blancs et dorés sur les pavés |
| 4 | changement d’heure vers l’aube | contours des feuilles de l’arbuste près de la porte, motif de fissures et traînées sur le crépi sous le chat |
| 5 | personnage sur le côté droit | changements du côté opposé du cadre : bord inférieur éclairci de la vitrine et livres près d’elle, feuilles derrière le chat, reflets dorés devant la librairie |
Première série : rue. Image de base et cinq corrections
Deuxième série, cette fois avec comparaison de pixels
Nous avons répété le test sur un autre matériel : packshot d’une bouteille d’huile d’olive sur un plan en marbre, six corrections successives. Le résultat est le même, mais cette fois appuyé par une comparaison de pixels, et pas seulement un examen visuel.
| Correction | Changement demandé | Changements non demandés |
|---|---|---|
| 1 | texte sur l’étiquette | détails du sel et texture du marbre |
| 2 | romarin en thym | texture de l’étiquette, reflets près du fond de la bouteille |
| 3 | suppression du bol | teinte des lettres sur l’étiquette, reflets sur le col |
| 4 | marbre en bois sombre | luminosité du thym, texture de l’étiquette |
| 5 | ombre de la bouteille | reflets sur les épaules de la bouteille, veines du bois en dehors de l’ombre |
| 6 | verre assombri | petits détails de l’étiquette et du bois |
Deuxième série : packshot. Image de base et six corrections
Encore une fois, dès la première correction, des changements en dehors de la zone indiquée. Le texte « OLIWA TŁOCZONA NA ZIMNO » (« huile pressée à froid ») est sorti correctement, y compris avec la lettre Ł. Nous avons testé en polonais.
Ce que cela signifie en pratique
La cinquième correction montre le mieux le mécanisme. Nous avons demandé d’ajouter un personnage sur le côté droit du cadre, et le modèle a modifié des détails à gauche. Ce n’est pas une édition de fragment au sens où un graphiste l’entend. C’est une régénération complète de l’image avec maintien de la ressemblance, où les petits détails dérivent.
Pour la plupart des usages, cela n’a pas d’importance. Pour une photo d’article de blog, personne ne vérifiera si les feuilles de l’arbuste ont la même forme. Mais pour un travail où l’image doit rester la même image, l’enjeu est énorme : catalogue produits, série de visuels pour une marque, illustration avec un élément récurrent. Là, chaque correction nécessite un nouvel examen de l’ensemble.
Ce qui a étonnamment bien fonctionné
La lettre polonaise Ę dans le néon avec l’inscription KSIĘGARNIA (« librairie ») a été correctement reproduite, avec le crochet visible, et a survécu à toutes les corrections successives jusqu’à la dernière image. C’est un réel progrès, car les diacritiques sur les visuels sont le point le plus faible de toute la catégorie et nous les vérifions séparément dans le test de typographie polonaise dans les générateurs.
Limites de ce test
Deux séries, deux images de base différentes, onze corrections au total. Dans la première série, l’évaluation reposait sur l’examen visuel, dans la seconde sur la comparaison de pixels. Mais toujours sans répétitions de la même instruction, nous ne savons donc pas quelle est la dispersion entre les tentatives. Et le plus important : on ne sait pas quelle génération du modèle a répondu. Si c’était une version plus ancienne, la promesse d’édition par commentaire annoncée avec ChatGPT Images 2.5 reste non vérifiée, et ce test ne parle que de l’état constaté.
Nous répéterons le test lorsqu’il y aura un moyen d’identifier sans ambiguïté la version, et nous ajouterons le résultat ici. La comparaison des deux générations est menée dans l’article 2.5 contre 2.0.
Google · Vos sourcesPromptif plus haut dans Google - en un clicAjouter aux sources préférées →Comment vérifier cela vous-même en dix minutes
Prenez une image avec de nombreux petits détails : vitrine, étagère, table dressée. Demandez un seul changement, puis comparez la version avant et après, en regardant non pas ce que vous avez modifié, mais tout ce qui est autour. Répétez cinq fois. Si vous créez des séries de visuels, ce test vous en dira plus que n’importe quel classement.
More on this from PROMPTIF
benchmarks·Qwen3.8 Max : test en polonais, résultats, prix et accèsQwen3.8 Max (0902) obtient 76,4 points dans notre test en polonais, avec 30/30 en correction difficile, 33 000 tokens de réflexion et des tarifs de 2/6 USD.