Génération d'images IA : Midjourney, DALL-E et les modèles ouverts comparés

En moins de deux ans, écrire quelques mots pour obtenir une image détaillée est passé du statut de curiosité de laboratoire à celui d'outil de travail quotidien. Trois grandes familles de générateurs se partagent aujourd'hui l'attention : Midjourney, réputé pour son sens esthétique ; DALL-E 3, intégré à la conversation et remarquable pour comprendre les consignes complexes ; et la constellation des modèles ouverts emmenée par Stable Diffusion, qui met la génération d'images entre les mains de quiconque possède une carte graphique. Chacun brille sur un terrain différent. L'enjeu, pour qui veut créer, n'est donc pas de désigner un vainqueur universel, mais de comprendre lequel sert le mieux tel besoin précis.

Cet article propose un comparatif méthodique de ces trois approches. Nous allons examiner comment chacune fonctionne, ce qu'elle réussit particulièrement bien, ses contraintes d'accès et de licence, et les usages concrets auxquels elle se prête. L'objectif est de donner des repères clairs à un créateur — graphiste, illustrateur, communicant, développeur ou simple curieux — pour choisir en connaissance de cause plutôt que de suivre l'effet de mode. Nous nous en tiendrons aux faits vérifiables : dates de sortie, caractéristiques documentées, modalités d'usage réelles.

Un mot de méthode d'abord. Comparer des générateurs d'images est un exercice piégeux, car la qualité perçue dépend énormément du prompt, du style visé et du goût de chacun. Un modèle qui excelle sur un portrait photoréaliste peut décevoir sur une illustration de bande dessinée, et inversement. Nous éviterons donc les classements péremptoires du type « le meilleur générateur » pour privilégier une lecture par usages, qui reflète bien mieux la réalité du travail créatif.

Comment fonctionne un générateur d'images par IA

Avant de comparer, il faut comprendre le mécanisme commun à ces outils. Tous reposent, à des degrés divers, sur une même famille de techniques : les modèles de diffusion. Le principe, bien qu'il fasse appel à des mathématiques exigeantes, se raconte assez simplement.

L'idée de départ est presque contre-intuitive. Pendant l'entraînement, on prend des millions d'images réelles et on les dégrade progressivement en y ajoutant du bruit, jusqu'à ce qu'elles ne soient plus qu'un fourmillement aléatoire de pixels. Le modèle apprend alors la tâche inverse : à partir d'une image bruitée, retrouver l'image nette d'origine. Une fois cet apprentissage réalisé sur une immense collection d'exemples, on peut lui présenter du bruit pur et lui demander de le « débruiter » pas à pas — mais en le guidant, cette fois, par une description textuelle. Le modèle fait alors émerger, du chaos initial, une image cohérente avec la consigne. C'est cette danse entre bruit et sens qui produit, en quelques secondes, une illustration inédite.

Le rôle du texte : traduire les mots en direction

Pour qu'une phrase influence le processus de débruitage, il faut d'abord la transformer en une représentation numérique que le modèle comprend. C'est le travail d'un encodeur de texte. Les premiers modèles s'appuyaient sur un unique encodeur ; les plus récents en combinent plusieurs pour mieux saisir les nuances. Stable Diffusion 3, par exemple, mobilise trois encodeurs de texte — deux modèles de la famille CLIP et un modèle T5 — afin d'améliorer sa compréhension des consignes et, notamment, sa capacité à écrire du texte lisible dans l'image.

Cette étape explique une différence essentielle entre les outils. La qualité d'un générateur ne tient pas seulement à sa capacité à produire de beaux pixels, mais aussi, et surtout, à sa faculté à comprendre ce qu'on lui demande. Un modèle peut être techniquement superbe et pourtant rater systématiquement les consignes précises — « un chat roux à gauche, un chien noir à droite » — s'il interprète mal la structure de la phrase. C'est précisément sur ce terrain de la compréhension que se joue une part importante de la comparaison qui suit.

L'espace latent : travailler en version compressée

Un dernier concept mérite d'être posé, car il revient sans cesse : l'espace latent. Générer une image directement au niveau des millions de pixels serait terriblement coûteux en calcul. La plupart des modèles modernes travaillent donc dans un espace comprimé, où chaque image est représentée par un nombre bien plus restreint de valeurs. Le débruitage s'effectue dans cet espace latent, plus léger, puis un décodeur reconstitue l'image en pleine résolution à la toute fin. C'est cette astuce — la « diffusion latente » — qui a rendu ces outils praticables sur du matériel raisonnable, et donc accessibles au grand public.

Un générateur d'images ne « dessine » pas au sens humain : il sculpte une image dans du bruit, guidé par le sens qu'il a extrait de vos mots. Sa qualité tient autant à sa compréhension du langage qu'à son rendu visuel.

Midjourney : la signature esthétique

Parmi les trois familles, Midjourney occupe une place à part. Le service s'est bâti une réputation solide sur un point précis : la beauté immédiate de ses images. Là où d'autres outils demandent parfois d'insister pour obtenir un rendu flatteur, Midjourney tend à produire, dès le premier essai, des compositions au fort caractère esthétique — teintes travaillées, lumière soignée, ambiance affirmée.

Un accès particulier, une culture de communauté

Historiquement, Midjourney s'est distingué par son mode d'accès inhabituel. Le service a longtemps fonctionné principalement via Discord, la plateforme de messagerie communautaire : on tapait ses commandes dans un salon de discussion, et les images apparaissaient dans le fil, visibles par les autres membres. Ce choix a nourri une culture particulière, où l'on apprend en observant les prompts des autres, où l'inspiration circule en public. Un site web dédié est venu compléter cet accès, offrant une interface plus classique pour ceux que Discord rebutait.

Ce fonctionnement a une conséquence pratique à connaître : par défaut, sur les formules d'entrée de gamme, les images générées sont publiques et visibles par la communauté. Pour un usage confidentiel — un projet client, une création sous embargo — il faut opter pour les formules supérieures qui débloquent un mode privé. C'est un paramètre à intégrer dans le choix, notamment en contexte professionnel.

La version 6 : un bond en avant

La sortie de Midjourney version 6, le 20 décembre 2023, a marqué une étape importante. Cette version a apporté plusieurs améliorations documentées. D'abord, la longueur des prompts exploitables a doublé, passant d'environ 75 à 150 unités de texte : on peut désormais fournir des descriptions bien plus riches et détaillées. Ensuite, le modèle est devenu nettement plus sensible aux consignes explicites, au point de rendre inutiles les vieilles incantations du type « award winning, photorealistic, 8k » que les utilisateurs empilaient auparavant par superstition. Enfin, la version 6 a considérablement amélioré le rendu du texte à l'intérieur des images — un domaine où l'outil accusait un retard face à ses concurrents.

Ces progrès ont consolidé la position de Midjourney comme référence pour la qualité artistique. Une mise à jour ultérieure a introduit une fonction de référence de style permettant de guider le rendu en fournissant une image d'inspiration, afin de reproduire une atmosphère, une palette, un grain visuel cohérents d'une génération à l'autre. Pour un directeur artistique cherchant une identité visuelle homogène sur une série d'images, c'est un outil précieux.

Tarifs et modalités

Midjourney fonctionne exclusivement sur abonnement payant, sans période d'essai pérenne. La grille tarifaire s'articule autour de quatre formules : une offre Basic à 10 dollars par mois, une Standard à 30 dollars, une Pro à 60 dollars et une Mega à 120 dollars (au 13 juillet 2026, indicatif, susceptible d'évoluer). Les formules supérieures offrent davantage de temps de calcul, la génération en arrière-plan illimitée à vitesse réduite et, comme évoqué, le mode privé. Pour un usage occasionnel, l'entrée de gamme suffit ; pour une production intensive, les paliers supérieurs deviennent vite pertinents. Ce modèle par paliers a un intérêt pratique : on peut commencer petit, mesurer son volume réel de génération, puis monter en gamme une fois le besoin établi, sans surinvestir dès le départ.

En résumé, Midjourney s'adresse d'abord à ceux pour qui le rendu prime : illustrateurs, directeurs artistiques, créateurs de contenus visuels soignés. Sa faiblesse relative reste le contrôle fin de la composition et l'intégration dans des chaînes de production automatisées, deux terrains où d'autres approches prennent l'avantage.

DALL-E 3 : la conversation au service de l'image

La deuxième grande famille est incarnée par DALL-E 3, le générateur d'OpenAI. Annoncé le 20 septembre 2023 et déployé à partir d'octobre 2023 pour les abonnés de la formule payante de ChatGPT, DALL-E 3 a fait de la compréhension des consignes son argument central.

Une intégration native à ChatGPT

La singularité de DALL-E 3 tient à son couplage étroit avec un modèle de conversation. Concrètement, lorsqu'on décrit une image en quelques mots, ChatGPT réécrit d'abord la demande en un prompt beaucoup plus détaillé et structuré avant de la transmettre au modèle de génération. Cette réécriture automatique côté serveur explique une bonne partie de la réputation de l'outil : même une consigne sommaire donne souvent un résultat riche, parce que la machine a comblé les blancs de manière cohérente.

Cette intégration change aussi la façon de travailler. Plutôt que de peaufiner un prompt dans son coin, on dialogue : on décrit, on observe le résultat, on demande un ajustement en langage naturel — « rends la lumière plus chaude », « ajoute un chat au premier plan » — sans repartir de zéro. Pour beaucoup d'utilisateurs, cette création conversationnelle est plus intuitive que la rédaction de prompts denses et techniques.

Comprendre les consignes complexes

Le point fort le plus documenté de DALL-E 3 est sa fidélité aux prompts longs et détaillés. Comparé à son prédécesseur DALL-E 2, le modèle respecte bien mieux les consignes à plusieurs éléments, place correctement les objets les uns par rapport aux autres et gère les scènes structurées avec plus de rigueur. Il a également nettement progressé sur le rendu du texte lisible dans l'image — un défaut criant des générateurs de la génération précédente, qui produisaient des suites de caractères vaguement alphabétiques mais illisibles.

Cette faculté à suivre des instructions précises fait de DALL-E 3 un choix naturel pour les usages où la conformité au brief compte plus que le vernis artistique : illustrations pédagogiques, schémas conceptuels, visuels de démonstration où chaque élément demandé doit figurer à sa place. Là où Midjourney impose parfois son style, DALL-E 3 s'efforce d'exécuter fidèlement la commande.

Traçabilité et accès

DALL-E 3 se distingue aussi par son attention à la traçabilité. Depuis février 2024, les images qu'il produit embarquent des métadonnées de provenance au standard C2PA (Content Credentials), une sorte de carte d'identité invisible qui indique qu'une image a été générée par une IA et par quel outil. Pour un écosystème de contenus plus transparent, c'est une avancée notable, que tous les acteurs n'ont pas encore adoptée.

Côté accès, DALL-E 3 est proposé via l'abonnement à la formule payante de ChatGPT, ainsi que par l'API d'OpenAI pour les développeurs souhaitant l'intégrer dans leurs propres applications. Cette double porte — interface grand public d'un côté, interface programmatique de l'autre — en fait un outil polyvalent, aussi bien pour le créateur individuel que pour l'équipe technique bâtissant un produit.

DALL-E 3 déplace le curseur : la difficulté n'est plus de rédiger le prompt parfait, mais de décrire clairement son intention. La machine se charge de la traduction en consigne détaillée.

Les modèles ouverts : la génération entre vos mains

La troisième famille est d'une nature différente. Là où Midjourney et DALL-E 3 sont des services fermés, accessibles uniquement via leurs plateformes, les modèles ouverts mettent les poids du réseau à disposition de tous. On peut les télécharger, les exécuter sur sa propre machine, les modifier, les intégrer dans un produit. Cette différence de nature ouvre un champ de possibles que les services fermés, par construction, ne peuvent offrir.

Stable Diffusion, pilier de l'écosystème ouvert

Le pilier de cette famille est la lignée Stable Diffusion, développée par Stability AI. En juillet 2023, le modèle SDXL 1.0 a marqué une étape : doté d'un réseau principal de 3,5 milliards de paramètres, il génère nativement des images en 1024×1024 pixels et repose sur une architecture en deux temps — un modèle de base qui produit une première ébauche, puis un modèle de raffinement qui en améliore les détails. Publié sous une licence ouverte permettant un usage large, SDXL est devenu la fondation de tout un écosystème.

La lignée a continué de progresser. En février 2024, Stability AI a dévoilé en avant-première Stable Diffusion 3, bâti sur une architecture inédite baptisée Multimodal Diffusion Transformer (MMDiT). Contrairement aux versions antérieures fondées sur une structure dite en U, cette approche utilise des jeux de poids distincts pour les représentations d'image et de texte, ce qui améliore sensiblement la compréhension des consignes et la capacité à écrire du texte lisible. Annoncée comme une gamme allant d'environ 800 millions à 8 milliards de paramètres, cette famille vise à couvrir des besoins variés, du modèle léger exécutable sur du matériel modeste au modèle le plus capable.

Un écosystème d'extensions : la vraie force du modèle ouvert

Si les modèles ouverts sont si prisés, ce n'est pas seulement parce qu'ils s'exécutent sans coût de licence par image. C'est surtout parce qu'ils ont donné naissance à un écosystème d'outils de contrôle et de personnalisation d'une richesse remarquable. Deux techniques méritent d'être citées.

• ControlNet : introduit par les chercheurs Lvmin Zhang, Anyi Rao et Maneesh Agrawala, ce mécanisme permet de guider la génération par des entrées supplémentaires — carte de contours, carte de profondeur, squelette de pose, croquis. Concrètement, on peut imposer la posture exacte d'un personnage, la perspective d'une scène ou la silhouette d'un objet, là où un prompt textuel seul laisserait le modèle libre d'improviser. C'est un degré de contrôle que les services fermés n'offrent pas au même niveau.
• LoRA (Low-Rank Adaptation) : une méthode d'affinage efficace qui permet de personnaliser un modèle avec peu de données — de quelques images à quelques milliers — et un coût de calcul réduit. Grâce à elle, une communauté immense a produit des milliers d'adaptations spécialisées : un style graphique précis, un personnage récurrent, une esthétique de marque. On charge la petite adaptation par-dessus le modèle de base, et le rendu s'infléchit dans la direction voulue.

Cette combinaison — un modèle de base ouvert, augmenté d'extensions de contrôle et d'adaptations légères — a fait naître un vaste écosystème technique et créatif. Des artistes, des développeurs et des amateurs du monde entier y contribuent, partageant modèles, réglages et savoir-faire sur des plateformes dédiées. C'est cette dynamique collaborative, autant que la qualité brute des modèles, qui fait la force de la famille ouverte.

La contrepartie : une exigence technique

Cette liberté a un prix, qu'il serait malhonnête de passer sous silence. Faire tourner un modèle ouvert localement suppose un minimum d'aisance technique : installer un environnement, disposer d'une carte graphique correcte, comprendre les réglages. Là où Midjourney et DALL-E 3 fonctionnent d'emblée, sans configuration, l'écosystème ouvert demande un temps d'apprentissage. Des interfaces graphiques et des services d'hébergement en ligne ont toutefois beaucoup abaissé cette barrière, permettant d'utiliser ces modèles sans toucher à une ligne de commande. Le choix dépend donc du profil : le modèle ouvert récompense l'investissement technique par un contrôle et une liberté maximaux.

Au-delà du trio : des acteurs orientés entreprise

Le paysage ne se réduit pas à ces trois familles. Deux acteurs méritent une mention, car ils répondent à des préoccupations spécifiques, notamment en contexte professionnel.

Adobe Firefly, intégré à la suite créative d'Adobe, a fait de la sécurité juridique son argument principal. Ses modèles sont entraînés sur du contenu sous licence issu de la banque d'images d'Adobe et sur du contenu du domaine public, et l'éditeur s'engage à ne pas entraîner ses modèles sur les créations personnelles de ses utilisateurs. Adobe propose en outre une indemnisation en cas de litige de propriété intellectuelle pour ses abonnés payants. Pour une entreprise soucieuse de publier des visuels commerciaux sans crainte juridique, cette approche « sûre pour un usage commercial » constitue un argument de poids.

Google Imagen 2, dévoilé en décembre 2023 et proposé notamment via la plateforme cloud de Google, s'adresse lui aussi à un public professionnel, avec des capacités de génération de texte et de logos et une politique d'indemnisation pour ses clients éligibles. Contrairement à Adobe, Google est resté discret sur les données précises ayant servi à l'entraînement — un choix qui alimente le débat, encore ouvert, sur le statut juridique des données d'entraînement des modèles génératifs.

Le choix d'un générateur ne se résume pas à la qualité des images. Pour un usage commercial, la provenance des données d'entraînement et les garanties juridiques offertes par l'éditeur pèsent tout autant.

Une même course, trois trajectoires

Un fait frappant ressort de ce panorama : malgré leurs philosophies opposées, ces trois familles progressent dans les mêmes directions. Trois grands chantiers occupent l'ensemble des équipes, et suivre ces chantiers aide à comprendre où va la génération d'images.

Le texte dans l'image, obsession commune

Longtemps, écrire un mot lisible dans une image générée relevait de la gageure. Les modèles produisaient des glyphes vaguement crédibles de loin, illisibles de près. Ce défaut a une explication : le modèle apprend à reproduire l'apparence visuelle du texte, sans en comprendre la logique alphabétique. Or, sur ce front, tous les acteurs ont nettement progressé quasi simultanément. DALL-E 3 a fait du rendu de texte court un argument dès son lancement ; Midjourney v6 a rattrapé une part de son retard sur ce terrain ; Stable Diffusion 3, avec ses trois encodeurs de texte dont un modèle T5, a spécifiquement visé cette capacité. Cette convergence n'est pas fortuite : elle répond à une demande concrète des utilisateurs, qui veulent des affiches, des logos, des visuels marketing avec du texte propre.

La compréhension des consignes complexes

Deuxième chantier commun : mieux comprendre les prompts détaillés et respecter les relations entre éléments. Placer correctement plusieurs objets, gérer les couleurs attribuées à chaque sujet, respecter une composition demandée — autant de défis que chaque génération de modèles franchit un peu mieux. La stratégie diffère selon l'acteur : DALL-E 3 mise sur la réécriture du prompt par un modèle de langage, Stable Diffusion 3 sur une architecture repensée mêlant image et texte, Midjourney sur un entraînement affiné. Mais l'objectif est identique : réduire l'écart entre ce que l'on demande et ce que l'on obtient.

Le contrôle et la cohérence

Troisième axe : donner à l'utilisateur davantage de prise sur le résultat. Référence de style chez Midjourney, dialogue itératif chez DALL-E 3, ControlNet et adaptations LoRA dans l'écosystème ouvert — chacun développe ses propres leviers pour passer d'une génération aléatoire à une génération pilotée. Cette quête de contrôle marque le passage d'un jouet impressionnant à un véritable outil de production, où l'on ne se contente plus de ce que la machine propose, mais où l'on oriente activement le rendu vers une intention précise.

Trois philosophies, trois modèles économiques, mais une seule direction : rendre la génération d'images plus fidèle, plus lisible et plus contrôlable. La concurrence tire tout l'écosystème vers le haut.

Comparaison par usages : quel outil pour quel besoin

Après ce tour d'horizon, la question pratique demeure : lequel choisir ? Plutôt que de trancher dans l'absolu, voici une lecture par usages, qui reflète mieux la réalité du travail créatif. Aucun de ces outils n'est « meilleur » dans le vide ; chacun excelle sur son terrain.

Pour l'esthétique et l'illustration artistique

Si l'objectif premier est la beauté immédiate, l'ambiance, le caractère visuel — pour une illustration éditoriale, une couverture, une image d'ambiance — Midjourney reste une valeur sûre. Son sens esthétique inné limite le nombre d'essais nécessaires pour obtenir un résultat séduisant. La fonction de référence de style aide en outre à maintenir une cohérence visuelle sur une série.

Pour la fidélité au brief et les scènes précises

Quand chaque élément demandé doit figurer, correctement placé, DALL-E 3 prend l'avantage grâce à sa compréhension fine des consignes complexes et à la réécriture assistée par ChatGPT. C'est le choix indiqué pour des visuels pédagogiques, des schémas illustrés, des compositions structurées où le respect du cahier des charges prime sur le style.

Pour le contrôle total et l'intégration technique

Dès qu'il faut un contrôle précis de la composition — imposer une pose, une perspective, une silhouette — ou intégrer la génération dans une chaîne de production automatisée, les modèles ouverts s'imposent. ControlNet, les adaptations LoRA et l'exécution locale offrent une maîtrise que les services fermés ne peuvent égaler. C'est aussi la voie du travail confidentiel par défaut et de la personnalisation poussée.

Pour un usage commercial sécurisé

Lorsque la sécurité juridique est la priorité — visuels publicitaires, supports de marque diffusés à grande échelle — les offres orientées entreprise comme Adobe Firefly, avec leur entraînement sur données licenciées et leur indemnisation, apportent une tranquillité d'esprit précieuse.

Le tableau suivant résume ces orientations. Il ne s'agit pas d'un palmarès, mais d'une grille d'aide à la décision selon la priorité dominante.

Priorité	Outil indiqué	Pourquoi
Esthétique immédiate	Midjourney v6	Rendu artistique soigné dès le premier essai
Fidélité au brief	DALL-E 3	Compréhension fine des consignes, réécriture assistée
Contrôle et intégration	Modèles ouverts (Stable Diffusion)	ControlNet, LoRA, exécution locale, personnalisation
Sécurité juridique	Adobe Firefly	Données licenciées, indemnisation commerciale

Bien démarrer : conseils concrets

Au-delà du choix de l'outil, quelques principes valent pour tous les générateurs et font la différence entre un résultat médiocre et une image réussie.

Soigner la description

Le prompt reste le levier principal. Une bonne description précise le sujet, le cadrage, la lumière, l'ambiance et le style. Plutôt que « un chien », on écrira « un labrador couleur sable assis dans un pré au coucher du soleil, lumière dorée rasante, photographie de style documentaire animalier ». Chaque précision oriente le modèle. Attention toutefois : depuis Midjourney v6, l'accumulation de mots-clés creux — « chef-d'œuvre, ultra-détaillé, 8k » — n'apporte plus grand-chose et peut même brouiller la consigne. Mieux vaut être explicite que superstitieux.

Itérer plutôt que viser juste du premier coup

La création par IA est un processus itératif. On génère, on observe, on ajuste. Les variations, le rééchantillonnage d'une image prometteuse, l'affinage progressif du prompt font partie du jeu. Avec DALL-E 3, cette itération se fait naturellement par le dialogue ; avec Midjourney, par les boutons de variation ; avec les modèles ouverts, par le réglage fin des paramètres. Dans tous les cas, la patience paie.

Rester lucide sur les limites

Ces outils, aussi impressionnants soient-ils, gardent des faiblesses. Les mains et les doigts restent parfois maladroits, même si les progrès sont nets. Le texte long dans l'image demeure hasardeux, malgré les avancées récentes. Les scènes comportant de nombreux éléments en interaction précise peuvent dérouter le modèle. Connaître ces limites, c'est éviter la frustration et savoir quand une retouche manuelle sera plus efficace qu'un énième essai.

Penser aux droits et à la provenance

Enfin, pour un usage professionnel, deux questions doivent être posées d'emblée : quels droits l'outil accorde-t-il sur les images produites, et selon quelles conditions ? Et faut-il indiquer qu'une image est générée par IA ? Les standards de provenance comme les métadonnées C2PA, adoptées par certains acteurs, facilitent cette transparence. Se poser ces questions au départ évite bien des complications par la suite.

Ce qu'il faut retenir

Que conclure de ce comparatif ? D'abord, qu'il n'existe pas de générateur universellement supérieur. Midjourney règne sur l'esthétique, DALL-E 3 sur la compréhension des consignes, les modèles ouverts sur le contrôle et la liberté, et des acteurs comme Adobe Firefly sur la sécurité juridique. Le bon outil est celui qui correspond à la priorité du moment — et rien n'empêche d'en combiner plusieurs au fil d'un même projet.

Ensuite, que la compréhension du fonctionnement change la manière de créer. Savoir qu'un générateur « sculpte » une image dans du bruit, guidé par le sens extrait de nos mots, aide à mieux formuler ses consignes. Savoir qu'un modèle comme DALL-E 3 réécrit automatiquement le prompt, ou qu'un modèle ouvert peut être piloté finement par ControlNet, oriente le choix de l'outil selon la précision recherchée.

Enfin, que cet écosystème progresse à vive allure, dans toutes ses branches à la fois. Les services fermés gagnent en fidélité et en contrôle ; les modèles ouverts gagnent en qualité et en accessibilité ; les acteurs entreprise affinent leurs garanties. Pour un créateur, la bonne posture n'est pas de parier sur un seul cheval, mais de comprendre les forces de chacun et de rester curieux. Générer une image à partir de quelques mots est devenu un geste banal ; en tirer le meilleur reste un savoir-faire — et c'est précisément ce savoir-faire, plus que l'outil lui-même, qui fait la différence entre une image quelconque et une image juste.

Sources

Cet article s'appuie sur des sources publiques et vérifiables :

• OpenAI, « DALL·E 3 is now available in ChatGPT Plus and Enterprise » — openai.com (intégration ChatGPT, disponibilité).
• OpenAI, page produit DALL·E 3 — openai.com (compréhension des prompts, rendu du texte).
• Stability AI, « Stable Diffusion 3 : Research Paper » — stability.ai (architecture MMDiT, encodeurs de texte, gamme de paramètres).
• TechCrunch, « Stable Diffusion 3 arrives to solidify early lead in AI imagery » — techcrunch.com (annonce février 2024).
• Documentation Midjourney, page « Version » — docs.midjourney.com (versions et évolutions du modèle).
• TechFinitive, « Midjourney 6 arrives at last: pricing, features, release date » — techfinitive.com (sortie du 20 décembre 2023, longueur des prompts, rendu du texte).
• MindStudio, « What Is SDXL? Stability AI's Foundational Open Image Model » — mindstudio.ai (SDXL, 3,5 milliards de paramètres, architecture en deux étapes).
• Hugging Face, documentation ControlNet — huggingface.co (contrôle par entrées supplémentaires, écosystème LoRA).
• TechCrunch, « Google debuts Imagen 2 with text and logo generation » — techcrunch.com (Imagen 2, décembre 2023, données d'entraînement).
• Adobe, « Approach to generative AI with Adobe Firefly » — adobe.com (données licenciées, indemnisation commerciale).