Comment créer des images avec la nouvelle génération d’images de GPT-4o?

Depuis le 25 mars, OpenAI déploie GPT-4o lui-même comme créateur d’images par défaut de ChatGPT, à la place du modèle distinct DALL·E 3. OpenAI appelle cela la génération d’images native : le même modèle qui lit vos messages produit aussi l’image. En pratique, cela signifie deux choses pour vous. Il suit de plus près les descriptions longues et précises, et il se souvient de la conversation; vous pouvez donc modifier une image en lui parlant au lieu de tout recommencer.

Vous n’avez pas besoin d’un langage de prompt particulier. Écrivez comme si vous donniez des consignes à une graphiste : à quoi sert l’image, ce qui doit y figurer, ce que disent les mots, et le style. Prévoyez d’attendre : les images détaillées prennent souvent jusqu’à une minute.

Un exemple complet : l’affiche d’un événement en bibliothèque

Disons qu’une bibliothèque publique veut une affiche pour un atelier gratuit. Voici un premier prompt. Les détails de l’événement sont donnés à titre d’exemple.

Crée une affiche verticale (2:3) pour un événement d’une bibliothèque publique.
Style : illustration plate et sympathique, couleurs chaudes, beaucoup d’espace blanc.
Couleur principale : #1F6FB2 (bleu). Couleur d’accent : #F2A33A (orange).
Illustration : trois adultes d’âges différents autour d’une table avec des ordinateurs portables.
Texte, exactement comme écrit, rien d’autre :
En haut, en gros : « L’IA pour débutants »
Au milieu : « Un atelier pratique gratuit »
En bas : « Samedi 12 avril · 10 h · Succursale principale »
Utilise une police sans empattement épurée. Aucun logo.

Quelques habitudes font la différence :

• Mettez entre guillemets chaque mot qui doit apparaître, et ajoutez « rien d’autre » pour que le modèle n’invente pas de slogans supplémentaires.
• Indiquez la forme (2:3, carré, large) et des couleurs exactes en codes hexadécimaux, les codes de six caractères qu’utilisent les graphistes. OpenAI affirme que les deux sont compris.
• Gardez le texte court. Trois ou quatre lignes de taille lisible fonctionnent bien mieux qu’un paragraphe.
• Décrivez l’emplacement (« en haut », « en bas à droite ») plutôt que d’espérer une bonne mise en page.

Modifier en conversant

Quand la première image arrive, vérifiez-la comme le ferait une correctrice : chaque lettre, chaque date, chaque couleur. Répondez ensuite dans la même conversation, avec un changement par message.

Garde tout pareil, mais agrandis la ligne du bas et ajoute un peu
plus d’espace entre l’illustration et le titre.

Change l’arrière-plan pour un crème très pâle. Ne modifie aucun texte.

Comme le modèle garde en vue l’image précédente et vos instructions, les personnes et les objets ont tendance à rester cohérents d’une version à l’autre. C’est cette cohérence qui rend possibles de petites séries, comme la même affiche dans trois agencements de couleurs, ou un même personnage dans plusieurs illustrations.

OpenAI reconnaît franchement que les retouches sont son point faible : lui demander de corriger une seule coquille peut ne pas fonctionner et risque de modifier d’autres parties de l’image ou d’ajouter de nouvelles erreurs. Si cela arrive, revenez à votre meilleure version et reformulez le prompt complet avec la correction au lieu de rapiécer encore et encore. Pour une pièce imprimée, beaucoup de gens utilisent l’image comme arrière-plan et posent le texte final par-dessus dans un logiciel de mise en page, où ils contrôlent chaque caractère.

Limites et bonnes pratiques

OpenAI énumère plusieurs faiblesses connues au lancement : les images en hauteur comme les affiches peuvent être rognées trop serré près du bas; les scènes comportant beaucoup d’objets distincts s’embrouillent; le texte dans des alphabets non latins peut sortir erroné; et le texte très petit et dense n’est pas fiable. Faites donc une dernière vérification des noms, des dates et de l’orthographe sur chaque image que vous diffusez.

Chaque image porte des métadonnées C2PA, une étiquette normalisée de l’industrie qui indique que l’image vient de GPT-4o. Elle aide les autres à vérifier qu’une image a été créée par l’IA. OpenAI affirme aussi bloquer certains contenus et appliquer des règles plus strictes aux images de personnes réelles, et elle permet aux artistes de se retirer; sa politique interdit aussi les images qui copient directement l’œuvre d’un artiste vivant.

Pourquoi le texte dans les images est-il enfin lisible?

Le lettrage a longtemps trahi les images d’IA : une enseigne de magasin ou une couverture de livre qui ressemble à de l’écriture au premier coup d’œil, mais n’épelle rien. Le style était juste; les lettres étaient fausses.

Voici l’explication d’OpenAI pour ce changement. GPT-4o a été entraîné sur des images et du texte ensemble; il a donc appris le lien entre les images et le langage, et entre les images elles-mêmes, puis il a subi un important entraînement supplémentaire après cette première étape, ce qu’OpenAI appelle le post-entraînement (post-training). Comme l’image vient du même modèle qui comprend vos mots, le texte que vous citez dans le prompt est quelque chose qu’il sait écrire, et non seulement imiter. OpenAI cite le rendu exact du texte parmi les principales forces du modèle, avec le respect d’instructions détaillées et l’utilisation de ce qui a été dit plus tôt dans la conversation.

« Lisible » a encore ses limites. Un texte court et en gros caractères en anglais et dans d’autres langues à alphabet latin est maintenant généralement fiable; les longs passages, les tout petits caractères et les autres systèmes d’écriture ne le sont pas encore. La règle pratique en découle : utilisez GPT-4o pour les mots qui portent le message, gardez-les peu nombreux et en gros caractères, et relisez chaque lettre avant que quoi que ce soit parte à l’impression.