J’ai épinglé une note sur un coin de ma photo juste pour voir si ChatGPT suivrait : au premier rendu, j’ai compris ce qui avait changé

Un post-it collé sur un coin de photo, une simple consigne griffonnée : « change le fond, laisse le reste ». L’idée n’était pas de tester la créativité de l’IA, mais sa mémoire visuelle. Est-ce que ChatGPT allait vraiment repérer cette note glissée dans l’image, la lire, et surtout, respecter ce qu’elle demandait sans tout redessiner autour ? Au premier rendu, la réponse a été nette : le fond avait changé, le sujet était resté identique au pixel près, et la note elle-même avait disparu comme si elle n’avait jamais existé. Il y a encore quelques mois, ce genre de test tournait presque toujours au fiasco.

Le vieux réflexe de ChatGPT : tout reconstruire, jamais retoucher

Pendant longtemps, demander une modification ponctuelle à ChatGPT revenait à lui demander de repeindre un tableau entier pour changer la couleur d’un seul bouton. Les versions précédentes traitaient chaque modification comme une génération entièrement nouvelle, conditionnée de manière approximative par l’image source, ce qui explique la dérive des visages. Concrètement, un simple changement d’éclairage sur un mur pouvait transformer les traits du visage à côté, changer la texture d’un vêtement, ou faire disparaître un détail de fond auquel personne n’avait touché.

Ce problème n’était pas anecdotique. C’était la plainte qui poursuivait le produit depuis ses débuts : demander un petit changement sur la photo d’une personne, et le modèle renvoyait un inconnu qui lui ressemblait vaguement. Autant dire que pour un post-it collé dans un coin, la marge d’erreur était énorme. L’IA pouvait très bien l’intégrer dans le nouveau décor, le transformer en élément graphique, ou simplement l’ignorer en recréant une scène entièrement différente.

Ce qui a vraiment changé : de la reconstruction à la retouche ciblée

La bascule s’est faite en deux temps. D’abord avec le déploiement d’un nouveau modèle d’image en avril 2026. Le paysage a basculé le 21 avril 2026 avec le déploiement officiel de ChatGPT Image 2, une mise à jour qui a transformé la retouche photo d’un simple gadget expérimental en outil de précision professionnel. Avec l’introduction du « raisonnement visuel », le nouveau modèle comprend la physique de la lumière, la structure du texte et l’intention créative comme jamais auparavant. C’est exactement ce mécanisme qui permet à l’IA de repérer un texte manuscrit dans un coin de photo, de le lire comme une instruction, puis de l’exécuter sans le confondre avec un simple élément décoratif à conserver.

Le second changement, plus récent, touche directement à ce qui s’est produit avec la note pinée : la capacité à isoler une zone sans redessiner le reste. Le second changement, c’est l’édition localisée, plus proche du véritable inpainting que de l’ancienne régénération de l’image entière : demander un changement confiné à une zone, comme retirer une tasse de café ou changer la couleur d’un vêtement, et le modèle édite cette zone en laissant le reste des pixels substantiellement intact. Auparavant, chaque modification était une réécriture complète : les arrière-plans changeaient, le texte des enseignes se brouillait, et les mains, correctes au premier passage, devenaient inutilisables au second.

Ce détail explique le mystère du premier rendu. La note collée dans le coin n’a pas été « recréée » de mémoire par l’IA à partir d’une vague impression : elle a été lue, traitée comme une consigne, puis retirée proprement de la zone concernée, exactement comme le ferait un correcteur qui efface une annotation griffonnée après en avoir tenu compte. C’est la première version où un flux de travail itératif, éditer, vérifier, éditer à nouveau, tient réellement la route.

Une mécanique d’identité qui tient enfin la route

L’autre pièce du puzzle, moins visible sur une simple photo de paysage, devient flagrante dès qu’un visage est impliqué. Le changement central, c’est l’ancrage d’identité : le modèle conserve désormais une référence stable du sujet au lieu de le régénérer à chaque passage. Avant, coller une note sur une photo de portrait pour demander « retire le post-it, garde le reste » pouvait très bien renvoyer une personne aux traits légèrement différents. Ce n’est plus vraiment le cas. La zone touchée par l’instruction bouge, tout le reste, y compris les micro-détails du visage, reste figé.

Cette avancée a un revers pratique intéressant : les habitudes de prompt que beaucoup avaient prises pour compenser les défauts de l’ancien modèle deviennent contre-productives. Cela signifie aussi que les habitudes de prompting défensif que la plupart des gens avaient développées ces deux dernières années jouent désormais contre eux. Répéter dix fois « ne change surtout rien d’autre » n’est plus nécessaire, et peut même parfois brouiller l’instruction principale que l’IA doit exécuter.

Ce que la note ne teste pas : les vraies limites qui persistent

Ce petit test personnel, aussi révélateur soit-il, ne dit rien des zones où ChatGPT reste fragile. La cohérence d’un même visage ou d’un même produit répété sur plusieurs images distinctes reste un point faible documenté. C’est le point faible documenté de GPT Image 2 : éditer une seule photo garde la personne reconnaissable, mais éditer ou générer cette même personne sur cinq clichés dérive, le visage change, la tenue se transforme, le logo mute. le coup d’essai réussi sur une photo isolée ne garantit rien pour une série entière.

Même logique pour la fidélité des couleurs ou des logos. « Garder le logo exact » fonctionne jusqu’à ce que le logo soit petit ou que la couleur doive correspondre à un code hexadécimal précis, car le modèle reconstruit plutôt qu’il ne mesure, et approxime volontiers. Pour un usage professionnel où la charte graphique compte au pixel, mieux vaut donc vérifier chaque rendu plutôt que faire confiance à l’œil de l’IA. Le post-it dans le coin d’une photo, lui, aura au moins prouvé une chose : l’IA sait désormais faire la différence entre une note à exécuter et un décor à préserver, ce qui n’était pas gagné il y a un an.

Sources : pdnob.com | futura-sciences.com