Images 2.6 : plus de contrôle, pas encore une chaîne de production

OpenAI a lancé Images 2.6 le 4 novembre 2026, moins de deux mois après Images 2.5. La mise à jour arrive dans ChatGPT, Codex et l’API avec deux modèles destinés aux développeurs : GPT‑Image‑2.6 Flare, pensé pour l’itération rapide, et GPT‑Image‑2.6 Sunburst, destiné aux compositions plus détaillées et aux retouches qui demandent davantage de précision.

OpenAI met en avant une génération plus rapide, une meilleure conservation des détails entre plusieurs éditions et de nouveaux contrôles. Deux fonctions complètent cette évolution dans ChatGPT : les GIFs animés et les images de référence enregistrées, qui peuvent être rappelées dans de nouveaux chats sans nouvel import.

Pour les créatifs et les équipes produit, le gain est tangible : moins de friction entre une idée, une variante et une nouvelle itération. Côté API, la version 2.6 ajoute aussi un réglage de complexité, la sortie SVG et la génération de GIFs. Mais ces briques ne forment pas encore une chaîne homogène de production. Les limites d’endpoint, les premiers benchmarksJeu de référence public ou interne pour comparer des modèles (MMLU, HumanEval, etc.) — à lire avec prudence hors domaine. et la documentation de sécurité invitent à distinguer le contrôle supplémentaire de la garantie de résultat.

GIFs et références enregistrées : deux gains concrets dans ChatGPT

Les notes de version de ChatGPT présentent deux nouveautés directement visibles par les utilisateurs.

La première est la création de GIFs à partir d’un promptConsigne / contexte fourni au modèle pour orienter sa génération (system, user, exemples, outils). ou d’une image. ChatGPT peut produire une animation en boucle, ajuster sa vitesse de lecture et partir d’un croquis pour animer un personnage. Au 5 novembre, OpenAI indique que cette fonction est encore en cours de déploiement dans ChatGPT.

La seconde concerne les saved reference images. Une photo enregistrée peut être réutilisée dans une conversation ultérieure sans être importée une nouvelle fois. OpenAI donne l’exemple d’un animal enregistré sous un nom, puis rappelé dans une nouvelle création.

Pour une équipe qui travaille autour d’un personnage, d’un produit ou d’une identité visuelle, cette persistance réduit un irritant concret : la référence n’a plus besoin d’être renvoyée à chaque nouveau chat. Elle ne garantit pas pour autant une reproduction identique à chaque génération. La documentation d’OpenAI rappelle que la cohérence visuelle peut encore varier entre plusieurs sorties.

Deux modèles, un même tarif et davantage de réglages

OpenAI affirme qu’Images 2.6 génère les images 50 % plus vite qu’auparavant. Avec la qualité réglée sur low, Flare peut produire une image en seulement six secondes dans certains cas. Sunburst est présenté comme le choix adapté lorsque le détail, la précision et la cohérence entre plusieurs éditions comptent davantage.

Les deux modèles sont facturés au même tarif dans la grille standard : 5 dollars par million de tokensUnité de texte traitée par un modèle (souvent un morceau de mot). Les coûts et fenêtres de contexte se comptent en tokens. texte en entrée, 8 dollars par million de tokens image en entrée et 30 dollars par million de tokens image en sortie. Le choix entre Flare et Sunburst porte donc sur le profil de travail, pas sur deux niveaux de prix.

Images 2.6 ajoute surtout un paramètre de complexité séparé de la qualité. La qualité agit sur le rendu visuel ; la complexité règle la quantité de planification consacrée à la demande. Trois niveaux sont proposés : low, medium et high.

OpenAI conseille une complexité faible pour des retouches ciblées et des niveaux supérieurs pour des scènes plus denses ou soumises à davantage de contraintes. Le réglage par défaut est toutefois high. La documentation précise qu’une complexité plus élevée peut augmenter la latence et introduire des changements indésirables. Dans un workflow professionnel, le réglage maximal n’est donc pas nécessairement le plus pertinent.

Les retouches guidées par annotation complètent ce dispositif. Une couche transparente peut indiquer la zone à modifier avant d’envoyer la consigne. Cette fonction est documentée pour des modèles GPT Image 2.5 et 2.6. Les masques et annotations restent des guides : OpenAI précise qu’ils ne sont pas nécessairement suivis avec une précision absolue.

Les premiers benchmarks montrent un modèle compétitif, pas une victoire nette

Les classements Arena apportent une première mesure tierce fondée sur des préférences d’utilisateurs.

Dans le classement text-to-image consulté le 5 novembre, GPT‑Image‑2.6 Sunburst Medium est 2e avec 1409 points et Flare Medium 4e avec 1384 points. Dans le classement d’édition d’une image, Sunburst Medium apparaît 3e à 1476 et Flare Medium 5e à 1462.

Ces scores sont encore préliminaires et reposent sur beaucoup moins de votes que ceux des modèles 2.5. Surtout, les entrées 2.6 indiquent explicitement une qualité Medium, alors que les entrées 2.5 du classement n’affichent pas de niveau de qualité comparable. Le fait que 2.5 apparaisse devant 2.6 dans ces tableaux ne constitue donc pas une comparaison parfaitement contrôlée à réglage égal.

Arena mesure par ailleurs des préférences sur des sorties, pas la conservation d’un personnage ou d’un produit après une longue série de retouches. Ces résultats confirment que 2.6 se situe parmi les meilleurs modèles évalués, sans démontrer à eux seuls les gains de cohérence revendiqués par OpenAI.

Une API plus riche, mais encore fragmentée

Images 2.6 ajoute deux formats utiles pour passer plus directement de la génération à un livrable : SVG et GIF animé.

Le SVG vise les graphiques dont les chemins, formes et couleurs doivent rester éditables, comme des icônes ou des illustrations. Le GIF permet de générer une animation de 2 à 64 frames, avec une durée réglable par frame.

Ces deux sorties ont toutefois une limite structurante : elles fonctionnent sur POST /v1/images/generations, pas sur l’endpoint d’édition. Un SVG généré n’est pas non plus accepté comme entrée raster pour une retouche. Cela empêche encore de construire un même pipeline dans lequel une animation ou un visuel vectoriel serait généré, corrigé puis régénéré avec les mêmes primitives d’API.

Les fiches modèles actuelles limitent aussi l’intégration de 2.6. Les endpoints Image generation et Image edit sont pris en charge, tandis que Responses, Chat Completions et Batch sont indiqués comme non pris en charge pour Sunburst et Flare 2.6. Les références consultées n’exposent par ailleurs qu’un alias non daté — gpt-image-2.6-sunburst ou gpt-image-2.6-flare — et pas encore de snapshot daté équivalent à ceux disponibles pour 2.5.

Pour une expérimentation ou un produit centré sur l’Image API, ces contraintes n’empêchent pas l’usage. Pour une infrastructure qui dépend du Batch, d’un modèle épinglé dans le temps ou d’un workflow conversationnel unifié dans Responses, elles comptent davantage.

Le mouvement ajoute un risque propre aux GIFs

La system card d’Images 2.6 consacre une section spécifique aux GIFs. OpenAI y explique qu’un contenu peut devenir problématique par le mouvement ou la succession des frames, même lorsque les images fixes prises séparément paraissent acceptables. Les exemples cités incluent les mouvements sexualisés et les significations nuisibles qui n’apparaissent qu’à l’échelle de la séquence.

Pour cette fonction, la modération analyse la légende de génération et la grille de frames. Sur une évaluation ciblée de 310 GIFs étiquetés comme contraires aux règles, OpenAI annonce un rappel de 77,66 %. La société précise que ce jeu de test est adversarial, qu’il ne représente pas les usages ordinaires et qu’il ne permet pas d’estimer la fréquence des contenus problématiques en production.

OpenAI reconnaît également que les violations liées au mouvement restent difficiles à détecter et que les garde-fousRègles et filtres (policy, classifiers, allowlists) qui limitent les sorties ou actions dangereuses d’un système IA. peuvent en manquer certaines. L’animation augmente donc les possibilités créatives, mais aussi la surface à contrôler.

C2PA et SynthID : une politique de provenance déjà engagée

Images 2.6 poursuit la stratégie de provenance d’OpenAI avec les métadonnées C2PA et le watermark invisible SynthID de Google DeepMind dans ChatGPT, Codex et l’API.

Cette approche ne débute pas avec 2.6. OpenAI avait annoncé le 19 mai 2026 une stratégie combinant Content Credentials, SynthID et un outil public de vérification. La system card de 2.6 parle d’ailleurs d’un engagement continu sur C2PA et d’une approche multicouche de la provenance.

OpenAI souligne qu’aucune technique ne constitue une solution unique. La provenance apporte des signaux techniques sur l’origine d’un fichier, sans garantir à elle seule son exactitude, son contexte ou sa diffusion intacte après transformations.

Plus de leviers pour créer, encore des raccords à faire pour produire

Images 2.6 apporte des améliorations directement exploitables : génération plus rapide selon OpenAI, deux profils de modèles, références enregistrées, complexité réglable, retouches guidées, SVG et GIFs.

Pour un créatif, ces fonctions réduisent les frictions et accélèrent la déclinaison d’une idée. Pour une équipe produit, elles donnent davantage de paramètres explicites à tester et à intégrer.

La frontière apparaît surtout dans l’enchaînement de ces capacités. GIF et SVG ne passent pas par l’édition, certains endpoints courants ne prennent pas encore 2.6 en charge et la cohérence reste une propriété à vérifier sur chaque cas d’usage. Images 2.6 ressemble ainsi davantage à un meilleur cockpit pour la génération visuelle qu’à une chaîne de production autonome de bout en bout.

C’est probablement la bonne manière de lire cette version : un progrès réel dans le contrôle et l’itération, avec encore suffisamment de limites techniques pour que validation, tests et outils complémentaires restent au centre d’un usage professionnel.