Qu’est-ce que la génération d’images de GPT-4o dans ChatGPT, et que peut-elle faire?

Hier, le mardi 25 mars 2025, OpenAI a changé la façon dont ChatGPT crée des images. Jusqu’ici, quand vous demandiez une image, ChatGPT transmettait votre demande à un modèle distinct, DALL-E 3. Depuis hier, GPT-4o, le modèle avec lequel vous clavardez déjà, dessine l’image lui-même. OpenAI appelle cela la génération d’images de 4o (4o image generation).

Cela ressemble à un détail technique, mais on remarque vite la différence. Les enseignes, menus et affiches sortent avec des mots lisibles. Les demandes longues et précises sont suivies de plus près. Et vous pouvez continuer à demander des changements en langage courant tandis que l’image reste cohérente.

Ce qu’OpenAI a lancé

OpenAI indique que la fonction est déployée depuis hier auprès des utilisateurs des forfaits Free, Plus, Pro et Team comme générateur d’images par défaut de ChatGPT, et que les utilisateurs d’Enterprise et d’Edu suivront. TechCrunch rapporte que les abonnés Pro, au forfait de 200 $ US par mois, l’ont reçue en premier, les autres suivant de près. Elle fonctionne aussi dans Sora, l’application vidéo d’OpenAI. Les développeurs y auront accès par l’API dans les prochaines semaines. Si vous préférez l’ancien modèle, DALL-E reste offert dans un GPT dédié, l’une des versions personnalisées de ChatGPT.

Il y a une contrepartie : les images sont plus détaillées et mettent plus de temps à apparaître, souvent jusqu’à une minute.

Comment fonctionne la génération d’images « native »

OpenAI décrit GPT-4o comme nativement multimodal : un seul modèle qui travaille autant avec des mots qu’avec des images. Être natif signifie que la création d’images est l’une des compétences propres du modèle, et non une tâche qu’il confie à un autre programme.

Une analogie : avec l’ancien système, ChatGPT était comme un client qui décrit une image à un illustrateur installé dans un autre immeuble. Des détails se perdaient dans le message. Maintenant, la personne à qui vous parlez tient elle-même le crayon. Elle sait tout ce qui a été dit dans la conversation, elle peut regarder une photo que vous téléversez, et elle peut puiser dans ses connaissances générales, par exemple ce que devrait contenir une fiche de recette correcte ou un graphique météo.

OpenAI affirme avoir entraîné le modèle sur des images et du texte ensemble, si bien qu’il a appris le lien entre les images et les mots, et entre les images elles-mêmes, puis l’avoir beaucoup peaufiné par la suite. TechCrunch ajoute qu’OpenAI a dit au Wall Street Journal que les données d’entraînement comprennent du matériel accessible au public et des données sous licence de partenaires comme Shutterstock.

Quatre forces ressortent des exemples d’OpenAI :

• Le texte dans les images. Des panneaux de rue, des étiquettes et des menus dont les mots sont écrits comme demandé.
• Beaucoup d’objets à la fois. OpenAI affirme que GPT-4o peut gérer correctement de 10 à 20 objets distincts dans une scène, là où d’autres systèmes en gèrent environ cinq à huit.
• La retouche par la conversation. Vous pouvez demander un format plus large, un nouvel arrière-plan ou un autre style, et les personnages gardent leur apparence d’une version à l’autre.
• Le travail à partir de vos images. Téléversez une photo ou un croquis et demandez au modèle de le transformer ou de s’en servir comme référence.

Vous pouvez aussi préciser des détails pratiques : le format d’image (la forme, comme le format large 16:9), des couleurs exactes en codes hexadécimaux comme #1A73E8, ou un arrière-plan transparent pour un autocollant ou un logo.

Limites et mesures de protection

OpenAI énumère des faiblesses connues. Le modèle rogne parfois trop serré le bas des images en hauteur, comme les affiches. Comme tout modèle de langage, il peut inventer des détails, surtout quand le prompt en dit peu. Il a du mal avec le très petit texte, avec l’écriture dans des alphabets non latins et avec des sujets très denses, comme un tableau périodique complet. Lui demander de corriger une petite partie, comme une coquille, peut aussi modifier d’autres parties de l’image.

Chaque image porte des métadonnées C2PA, une étiquette numérique standard qui indique que l’image vient de GPT-4o. OpenAI affirme continuer de bloquer les contenus nuisibles, y compris les hypertrucages sexuels, et appliquer des règles plus strictes quand de vraies personnes apparaissent dans une image. Son chef de l’exploitation, Brad Lightcap, a dit au Journal qu’OpenAI a des politiques destinées à l’empêcher d’imiter directement l’œuvre d’artistes vivants.

Pourquoi c’est important

Pour la plupart des gens, les générateurs d’images excellaient dans les scènes frappantes et imaginatives, mais peinaient avec les visuels du quotidien : une invitation avec la bonne date, un schéma annoté, un menu avec des prix. L’objectif déclaré d’OpenAI est de rendre les images utiles pour communiquer, pas seulement pour décorer, et les exemples publiés misent justement beaucoup sur ces tâches de tous les jours.

Cela relève aussi la barre pour les concurrents. Google a récemment testé la production native d’images dans Gemini 2.0 Flash, qui a été critiqué pour la faiblesse de ses mesures de protection. Attendez-vous à ce que la génération d’images devienne une compétence standard des assistants conversationnels plutôt qu’un outil distinct.

Comment écrire un bon prompt d’image pour GPT-4o?

Écrivez-le comme vous rédigeriez les consignes pour une graphiste. Dites à quoi sert l’image, ce qui doit y figurer et les mots exacts à imprimer, entre guillemets. Décrivez le style et la mise en page, et précisez le format s’il compte. Comme GPT-4o lit toute la conversation, inutile de tout entasser dans le premier message : commencez par l’essentiel, puis peaufinez.

Voici un exemple :

Crée une affiche pour une vente de pâtisseries communautaire. Format carré, style joyeux dessiné à la main,
fond jaune pâle. Montre trois gâteaux sur une table en bois.
Imprime exactement ce texte, en gros et facile à lire :
« Vente de pâtisseries du samedi » en haut, « 3 mai, de 9 h à midi » au milieu,
et « Salle communautaire, 12, rue Principale » en bas.

Vérifiez ensuite le résultat comme le ferait une correctrice. Lisez chaque mot, comptez les objets demandés et regardez les bords pour repérer un rognage. Si quelque chose cloche, nommez la correction exacte (« remplace “midi” par “13 h” et garde tout le reste pareil ») plutôt que de tout recommencer. Pour tout ce que vous imprimerez ou publierez, faites vous-même une dernière vérification attentive.