OpenAI Images 2.0 : la génération d'images qui pense

Pourquoi Images 2.0 d’OpenAI redéfinit la barre du visuel de production

OpenAI a livré Images 2.0 (nom interne : GPT Image 2) dans ChatGPT et l’API le 21 avril 2026. Sam Altman a décrit ce bond en termes sans ambiguïté : “This is like going from GPT-3 to GPT-5 all at once.” (« C’est comme passer de GPT-3 à GPT-5 d’un seul coup. ») Une validation indépendante est arrivée le jour même du classement public de préférence d’Arena AI, où le modèle avait été testé en bêta sous le nom de code « duct tape » : “This model has had the biggest jump on the arena at least since I can remember. It’s over 200 points and it’s far far ahead of any other image model.” (« Ce modèle a réalisé le plus grand bond sur l’arène au moins depuis que je m’en souvienne. C’est plus de 200 points et il est très, très loin devant tout autre modèle d’image. »)

Du générateur au collaborateur : Le responsable de la recherche Ki-wan l’a dit simplement : “This new model is no more like an AI image generator that you just give a prompt and it returns an image. It’s more like an AI that you just interactively talk to and is going to respond using images.” (« Ce nouveau modèle n’est plus comme un générateur d’images IA auquel vous donnez simplement un prompt et qui vous renvoie une image. C’est plutôt une IA à qui vous parlez de manière interactive et qui va répondre avec des images. ») La démo a montré ChatGPT générant huit options de tenues estivales étiquetées à partir d’un seul portrait, puis zoomant sur le look choisi sous plusieurs angles — la même boucle qu’exécute un styliste ou un directeur artistique, compressée en une seule conversation.

Le mode réflexion apporte la recherche et l’usage d’outils aux images : Pour les utilisateurs payants, Images 2.0 expose une variante « thinking » capable de parcourir le web, de synthétiser les résultats et de les intégrer directement dans la sortie. Lors de la démo en direct, Gabe a demandé au modèle de trouver les réactions sur les réseaux sociaux à la bêta « duct tape » et d’y intégrer un QR code fonctionnel pointant vers chatgpt.com — le tout dans une seule image générée. C’est de la génération d’images en tant que tâche agentique, pas un pipeline de pixels.

Le rendu de texte est enfin résolu — dans toutes les langues : La typographie multilingue a été le point fort sur scène. OpenAI a généré des affiches entièrement en japonais avec hiragana et kanji corrects, des fiches recettes en hindi et des mises en page de magazines en chinois sans erreur. Comme l’a noté le chercheur Buyan : “Previously our model had a hard time memorizing these characters but now you can just prompt and generate entire pages of text in these languages without errors.” (« Auparavant, notre modèle avait du mal à mémoriser ces caractères, mais maintenant vous pouvez simplement générer des pages entières de texte dans ces langues sans erreur. »)

La cohérence multi-images débloque de nouveaux formats : Le modèle peut désormais produire plusieurs images distinctes en une seule génération avec des personnages cohérents et des narrations évolutives — mangas de trois pages, numéros complets de magazines, plans de rénovation pièce par pièce. Le critique d’Arena AI l’a confirmé : l’identité des personnages se maintient à travers les cases, et les prompts Drake-meme et distracted-boyfriend fonctionnent « parfaitement » là où les concurrents échouent.

Là où ça accroche encore : La critique honnête d’Arena AI : la compréhension géométrique du monde est imparfaite (faire pivoter une scène sous différents angles produit de subtiles incohérences), et la subtilité des mèmes échoue parfois (la direction du regard du distracted-boyfriend sortait mal). La préservation de l’identité et le photoréalisme, en revanche, ont été jugés les meilleurs de leur catégorie face à Grok Imagine, Nano Banana 2 et à GPT Image 1.5 d’OpenAI lui-même.

5 enseignements pour les équipes qui bâtissent des workflows visuels avec l’IA

• La sortie 4K + multi-ratios le rend prêt pour la production — résolution 2K standard, ratios jusqu’à 3:1 et 1:3, et une API expérimentale 4K capable de rendre un tas de riz où un seul grain affiche lisiblement « GPT image 2 ».
• La connaissance du design est intégrée — les chercheurs ont souligné à plusieurs reprises le placement délibéré du texte, la hiérarchie typographique et les mises en page pleine page. Le modèle ne se contente pas de rendre ; il dirige artistiquement.
• Mode réflexion = visuels enrichis par le web — la génération d’images peut désormais effectuer des recherches, extraire des faits en direct et intégrer des éléments actionnables (QR codes, données actuelles) dans les sorties.
• Le mode instantané est gratuit pour tous — la variante plus rapide est livrée à tous les utilisateurs ChatGPT ; le mode réflexion reste payant.
• Le bond de 200 points d’Arena AI est un vrai signal de marché — c’est le plus grand bond d’un seul modèle mesuré sur l’arène d’image, et il est visible dans chaque catégorie de prompt.

Ce que cela signifie pour les équipes créatives et marketing alimentées par l’IA

Images 2.0 réduit ce qui était auparavant un pipeline — prompt → générateur → rédacteur → designer → contrôle qualité — à une seule boucle conversationnelle. Pour les équipes marketing qui tournent sur l’IA, cela élimine la dernière raison d’enchaîner trois outils pour un actif de marque. Pour les agents Design Studio et Content Studio de TeamDay, cela signifie que l’ère du « un seul modèle gère du brief à la mise en page finie » commence maintenant — et l’écart entre « généré par IA » et « prêt à la production » vient de se refermer.