GPT-4o Image Generation arrive dans ChatGPT et améliore texte et retouches

Créer une affiche, transformer un croquis en illustration, ajouter un objet à une photographie ou mettre au point un visuel pour une présentation : ces demandes peuvent désormais être formulées directement dans la fenêtre de discussion de ChatGPT. Le 25 mars 2025, OpenAI a annoncé l’intégration de 4o Image Generation, son nouveau système de génération d’images, au sein de son assistant conversationnel.

L’ambition ne se limite pas à produire une image à partir d’une phrase. OpenAI veut réunir, dans un même échange, la compréhension du texte, l’interprétation d’une image fournie par l’utilisateur et la capacité à réviser le résultat. L’entreprise met particulièrement en avant deux progrès : un meilleur suivi des instructions détaillées et la présence de texte plus lisible dans les images. Deux points qui ont longtemps frustré les utilisateurs des générateurs d’images.

Ce qu’OpenAI annonce avec 4o Image Generation

4o Image Generation est présenté comme une capacité intégrée à GPT-4o, le modèle multimodal d’OpenAI. « Multimodal » signifie ici qu’un même système peut traiter plusieurs types d’informations, notamment le langage et les images. Pour l’utilisateur, l’effet recherché est simple : plutôt que de passer d’un outil de conversation à un outil d’illustration séparé, il doit pouvoir décrire, corriger et préciser son idée dans le même fil de discussion.

Dans l’interface, la demande peut rester naturelle. Un utilisateur peut par exemple commencer par demander une illustration pédagogique, puis préciser qu’il souhaite un format carré, moins d’éléments à l’arrière-plan, une typographie plus grande ou un objet supplémentaire. ChatGPT est censé conserver le contexte de l’échange et appliquer ces ajustements successifs.

Cette logique tranche avec l’usage traditionnel des générateurs texte-image : on rédige une consigne, on reçoit une série de propositions, puis on recommence avec une nouvelle formulation si le résultat ne convient pas. L’intégration à une conversation met davantage l’accent sur l’itération, c’est-à-dire sur les allers-retours qui rapprochent progressivement l’image d’une intention précise.

Pourquoi le texte dans les images est un enjeu majeur

Les premières générations de modèles texte-image ont souvent brillé par leur capacité à produire des décors, des objets ou des scènes imaginaires. Elles se sont révélées beaucoup moins fiables dès qu’il fallait écrire correctement une phrase, reproduire une liste de prix, afficher des étiquettes cohérentes ou respecter la mise en page d’une affiche.

C’est l’un des axes sur lesquels OpenAI dit avoir travaillé avec 4o Image Generation. Le modèle est censé mieux restituer le texte demandé, y compris lorsqu’il est intégré à une composition visuelle. Cette capacité intéresse directement les personnes qui réalisent des supports de communication, des infographies, des menus, des invitations, des schémas éducatifs ou des maquettes de présentation.

Il faut toutefois distinguer une amélioration annoncée d’une garantie absolue. Les générateurs d’images peuvent encore commettre des fautes, modifier un mot, oublier une instruction, placer un élément au mauvais endroit ou rendre une mise en page trop chargée. Plus une image comporte de détails, de chiffres ou de texte, plus une relecture humaine reste nécessaire avant publication.

OpenAI met également en avant le suivi de consignes complexes. Un bon résultat dépend souvent de la capacité du système à hiérarchiser les éléments de la demande : sujet principal, décor, cadrage, objets à inclure, texte à afficher et contraintes de composition. Dans cet exercice, les formulations vagues produisent plus facilement des images génériques. Des indications précises donnent au modèle davantage de repères, sans pour autant éliminer l’aléa inhérent à la génération.

Comment créer ou retoucher une image dans ChatGPT ?

L’intérêt du nouvel outil tient à son intégration dans l’échange. L’utilisateur peut demander une image à partir d’une description, mais aussi fournir une image existante et demander une modification. Il devient ainsi possible de partir d’un document, d’un dessin ou d’une photo chargée dans la conversation, puis d’indiquer les éléments à transformer.

Dans la pratique, une demande efficace indique au minimum :

• le sujet principal de l’image ;
• le contexte ou le décor ;
• le format souhaité ;
• les éléments indispensables ;
• le texte à faire apparaître, s’il y en a ;
• les éventuelles modifications à apporter lors d’un second échange.

Une formulation telle que « crée une image pour les réseaux sociaux » laisse au modèle une grande marge d’interprétation. À l’inverse, préciser le public visé, le message, la composition, le nombre d’objets et le texte attendu permet de réduire les ambiguïtés. Lorsqu’un premier rendu est presque satisfaisant, l’approche la plus pertinente consiste souvent à demander une correction ciblée plutôt qu’à tout recommencer.

Cette interaction au fil de l’eau est particulièrement utile pour les non-spécialistes. Elle évite de devoir maîtriser un logiciel graphique complexe avant de matérialiser une idée. Elle ne remplace pas pour autant les compétences de direction artistique, de typographie, de retouche ou de contrôle de cohérence. Elle peut en revanche accélérer le passage entre une intention et une première proposition visuelle.

DALL-E et GPT-4o : ce qui change réellement

OpenAI présente 4o Image Generation comme une évolution par rapport aux précédents outils de la famille DALL-E. L’enjeu n’est pas seulement d’obtenir des images esthétiques : il s’agit aussi de mieux exploiter le contexte conversationnel et les entrées visuelles dans ChatGPT.

La comparaison doit néanmoins rester prudente. La qualité d’une image est en partie subjective et dépend beaucoup de la demande. Un visuel très convaincant sur une scène imaginaire peut être moins convaincant sur une représentation technique, une carte, une infographie dense ou un texte long. De la même manière, une retouche demandée en langage naturel n’offre pas toujours le contrôle local et minutieux d’un logiciel professionnel dédié.

Pour les usages quotidiens, l’avantage le plus visible est la continuité du dialogue. Au lieu de décrire à nouveau le projet à chaque tentative, l’utilisateur peut s’appuyer sur ce qui a déjà été dit : « garde le même personnage », « remplace seulement le fond », « agrandis le titre », « enlève l’objet à gauche ». Cette mémoire immédiate de la conversation est au cœur de la promesse du produit.

Qui peut utiliser le générateur d’images 4o ?

Au moment de l’annonce, OpenAI prévoit un accès à 4o Image Generation dans ChatGPT pour les utilisateurs des formules Plus, Pro et Team, ainsi que pour les utilisateurs gratuits. L’entreprise prévoit alors aussi un déploiement ultérieur pour les offres Enterprise et Edu.

Mais l’accès gratuit ne doit pas être considéré comme immédiat et identique pour tous à la date du 27 mars 2025. Le 26 mars, OpenAI a indiqué que la très forte demande retardait le déploiement vers les comptes gratuits. Cette précision est importante : dans les services d’IA grand public, une fonctionnalité annoncée peut arriver progressivement selon le type de compte, la capacité disponible et la région.

Même lorsqu’un service est accessible sans paiement supplémentaire, il peut être soumis à des plafonds d’usage. Ces limites servent notamment à répartir une ressource informatique coûteuse entre un grand nombre d’utilisateurs. Elles peuvent évoluer pendant la phase de lancement.

Pour les professionnels, la question ne se résume donc pas à l’accès. Il faut aussi vérifier si l’outil s’intègre à un flux de travail réel : validation des visuels, respect de la charte graphique, conservation des fichiers sources, contrôle des droits et traitement des données ou images importées. Une image générée rapidement peut être très utile pour un brouillon, une piste créative ou une maquette, sans forcément être prête à être diffusée telle quelle.

Une concurrence plus vive dans la création visuelle assistée

L’arrivée de 4o Image Generation s’inscrit dans une compétition déjà intense. Des groupes tels que Meta et Adobe développent eux aussi des outils de génération ou de modification d’images et de vidéos. L’intérêt des grands acteurs est évident : la création visuelle constitue un usage concret, immédiatement compréhensible et potentiellement intégré à de nombreux logiciels de travail.

Cette course ne porte pas uniquement sur la beauté des images. Les critères de différenciation deviennent multiples : qualité du texte affiché, vitesse de génération, capacité de retouche, fidélité aux instructions, disponibilité pour les entreprises, contrôle des contenus sensibles et outils de traçabilité. À ces sujets s’ajoutent les coûts de calcul, qui déterminent en partie les limites d’usage et le prix des abonnements.

Pour le public, cette concurrence peut élargir le choix et accélérer les améliorations. Elle rend aussi nécessaire une lecture moins passive des démonstrations. Les exemples publiés par les entreprises montrent généralement leurs meilleurs résultats. Avant d’adopter un outil, il est préférable de le tester sur ses propres cas d’usage, avec des demandes comparables à celles que l’on rencontrera réellement.

Création, emploi et responsabilité : les questions qui demeurent

Un outil qui rend la création d’images plus accessible peut aider un étudiant à illustrer un exposé, une petite entreprise à préparer une ébauche de campagne ou un créateur à visualiser une idée. Il peut aussi modifier la répartition des tâches dans les métiers du graphisme, de la communication, de l’édition, de l’illustration et du marketing.

L’automatisation ne signifie pas mécaniquement la disparition de ces métiers. Elle peut déplacer la valeur vers la formulation d’un besoin, la sélection des propositions, la cohérence d’une identité visuelle, la vérification des informations et la responsabilité éditoriale. Dans une image destinée au public, savoir détecter une erreur, un stéréotype, une incohérence ou une formulation trompeuse reste une compétence essentielle.

La diffusion de ces outils soulève aussi des questions d’équité et d’accessibilité. La diversité des personnes qui conçoivent les systèmes, la représentation des publics dans les contenus produits et la disponibilité des outils pour des utilisateurs aux moyens différents sont autant d’enjeux sociaux. Une technologie qui abaisse la barrière d’entrée à la création ne supprime pas, à elle seule, les écarts d’accès aux compétences, aux équipements et à la visibilité.

Enfin, les garde-fous de modération demeurent indispensables. Les générateurs d’images ne doivent pas servir à créer des contenus violents, offensants ou inappropriés. La capacité de modifier une image existante rend ces règles particulièrement importantes, car la facilité technique peut amplifier les risques de tromperie ou d’atteinte aux personnes.

Ce qu’il faut surveiller après ce lancement

La première question concerne le déploiement effectif. OpenAI devra préciser le rythme d’arrivée de 4o Image Generation pour les comptes gratuits, Enterprise et Edu, ainsi que les éventuelles limites de génération. La popularité immédiate annoncée par l’entreprise montre que l’accès à l’infrastructure sera un facteur déterminant de l’expérience utilisateur.

Il faudra ensuite observer la fiabilité réelle sur les tâches les plus exigeantes : longs blocs de texte, mises en page, infographies, retouches localisées et respect durable d’une même identité visuelle. Les promesses de démonstration prennent tout leur sens lorsqu’elles résistent aux demandes quotidiennes, souvent moins simples et moins flatteuses qu’une image promotionnelle.

Enfin, l’enjeu dépasse la technique. À mesure que les images générées deviennent plus faciles à produire et à modifier, les utilisateurs, les entreprises et les plateformes devront redoubler d’attention sur le contexte de diffusion, la transparence, les droits et la confiance accordée à un visuel. Avec 4o Image Generation, OpenAI fait de ChatGPT un espace de création plus complet. Reste à voir comment cet outil trouvera sa place, concrètement et de façon responsable, dans les usages de chacun.