Comment se comparent Flux, Midjourney et DALL·E 3 pour les images réalistes?

Pendant la majeure partie de la dernière année, le choix pour des images d’IA réalistes se résumait à Midjourney ou DALL·E 3. Le 1er août, une nouvelle entreprise, Black Forest Labs, est arrivée avec Flux.1, et son équipe n’est pas nouvelle dans le domaine : elle a créé auparavant Latent Diffusion et plusieurs modèles Stable Diffusion. Il y a maintenant trois options sérieuses, chacune avec sa propre personnalité.

« Réaliste » veut généralement dire trois choses : des personnes crédibles (mains, peau, visages), des scènes physiquement cohérentes (lumière, ombres, reflets) et des détails fins qui tiennent la route quand on zoome. Ce sont les critères à utiliser pour juger, quel que soit l’outil.

Les trois outils côte à côte

Flux.1 existe en trois versions. [pro] est le modèle haut de gamme, offert par l’API de l’entreprise et par ses partenaires. [dev] a des poids ouverts, ce qui veut dire que n’importe qui peut télécharger les fichiers du modèle, mais sa licence est réservée à l’usage non commercial. [schnell], qui veut dire « rapide » en allemand, est le plus rapide et est publié sous la licence permissive Apache 2.0. Les trois reposent sur un transformeur de 12 milliards de paramètres, la même architecture générale que celle des modèles de langage. Black Forest Labs affirme que [pro] et [dev] surpassent Midjourney v6.0 et DALL·E 3 pour la qualité d’image et le respect du prompt dans ses propres tests; notez que ces tests sont antérieurs à Midjourney V6.1 et ne sont pas indépendants.

Midjourney V6.1, lancé le 30 juillet, s’attaque précisément aux problèmes qui donnent aux photos d’IA un air faux : des bras, des mains et des corps plus cohérents, moins d’artefacts de pixels, une meilleure texture de peau et des petits détails plus précis, comme les yeux et les visages au loin. Il est aussi environ 25 % plus rapide pour les tâches standard.

DALL·E 3 est le plus ancien des trois, mais il a un avantage pour les débutants : il est intégré à ChatGPT, si bien que vous pouvez décrire ce que vous voulez en langage courant et demander des changements au fil de la conversation.

Un exemple de test avec le même prompt

Un bon prompt de test nomme le sujet, le décor, la lumière, l’appareil photo et un détail difficile. En voici un :

Candid photograph of an elderly fisherman mending a net on a wooden dock at sunrise,
weathered hands in sharp focus, his breath visible in the cold air,
soft golden side light, shallow depth of field, 50mm lens, natural colours,
a small sign on the boat behind him reading "MARIE-ÈVE"

Utilisez-le tel quel dans Flux.1 et Midjourney (ajoutez --ar 3:2 dans Midjourney pour un format de photo). Dans ChatGPT, collez-le et ajoutez « Utilise ce prompt exactement tel quel; ne le réécris pas », puisque ChatGPT reformule sinon les prompts pour DALL·E 3. Générez plusieurs images dans chaque outil, puis notez-les. Les notes ci-dessous sont données à titre d’illustration :

Notez l’image en pleine grandeur, pas la vignette; la plupart des défauts des images réalistes se cachent dans les doigts, les dents, les oreilles et le texte à l’arrière-plan.

Lequel choisir?

Choisissez Midjourney si vous voulez les résultats photographiques les plus constamment beaux et que vous êtes prêt à apprendre ses paramètres. Choisissez Flux.1 si vous tenez au contrôle et à l’ouverture : [schnell] et [dev] peuvent tourner sur votre propre matériel ou chez un service d’hébergement, et [pro] est offert par API pour les applications. Choisissez DALL·E 3 si vous payez déjà pour ChatGPT et que vous voulez travailler par la conversation, ou s’il vous faut des images qui suivent une description longue et précise. Pour tout ce que vous publiez, vérifiez la licence de la version exacte que vous avez utilisée, surtout pour Flux.1 [dev].

Lequel gère le mieux le texte dans les images?

Le texte est depuis longtemps un point faible des modèles d’images, qui ont tendance à produire des formes qui ressemblent à des lettres plutôt que des mots. Les trois créateurs affirment maintenant avoir progressé. Midjourney dit que V6.1 dessine les mots plus fidèlement quand vous les mettez entre guillemets dans le prompt. Black Forest Labs place la typographie parmi les domaines où, selon elle, Flux.1 [pro] et [dev] surpassent Midjourney v6.0 et DALL·E 3. OpenAI souligne que DALL·E 3 suit de près la formulation d’un prompt, ce qui aide quand le texte est court.

En pratique, un texte court fonctionne bien mieux qu’un texte long dans tous les outils : un nom sur un bateau, une enseigne de commerce de deux mots, un seul titre. Mettez les mots exacts entre guillemets, gardez-les courts et précisez où ils apparaissent. Les lettres accentuées, comme le È de l’exemple, sont un bon test de résistance.

Flux.1 n’a que quelques jours; les affirmations de ses créateurs doivent donc encore être testées plus largement, et les résultats varient d’un prompt à l’autre dans les trois outils. Générez plusieurs images, zoomez sur chaque lettre et prévoyez de corriger les petites erreurs dans un logiciel de retouche d’images. Pour une affiche ou un logo dont les mots doivent être parfaits, ajouter le texte après coup dans un outil de conception graphique reste la méthode la plus fiable.