Une photo de flacon est prête pour le catalogue, sauf une trace grise sur le fond. La retouche doit effacer la trace et conserver l’étiquette, le bouchon et la teinte du produit. Si l’image est plus propre mais que la mention « 30 mL » devient « 50 mL », la photo est à refaire.
OpenAI a annoncé Images 2.6 le 4 novembre 2026. Pour une équipe qui traite des photos en lot, le changement le plus utile est l’arrivée d’un calque d’annotation dans l’API d’édition, aussi documenté pour les modèles GPT Image 2.5 compatibles. Un opérateur peut entourer le défaut sur un calque et décrire la retouche dans le prompt. L’application doit encore vérifier que le produit est resté fidèle à la référence. Annonce Images 2.6 · Changelog de l’API.
Le calque donne un repère à partir de la photo d’origine
Avec un prompt seul, « efface la trace à droite du flacon » laisse au modèle le soin d’identifier la trace. Une ombre, un reflet ou une tache peuvent correspondre à la description. Avec markup, le repère est dans l’image. Le texte précise ce qu’il faut faire à cet endroit et les détails à préserver.
L’API reçoit la photo en premier et un PNG transparent séparé qui ne contient que le cercle ou le trait. Le calque doit avoir les dimensions de la photo après orientation. Appliquez l’orientation EXIF à la copie de travail avant de dessiner. Le guide limite la première image et le calque à 16 777 216 pixels chacun, et le calque à 50 Mo. Une photo de 6 000 × 4 000 dépasse ce plafond. Pour le pilote, réduisez cette copie à 3 000 × 2 000 avant de dessiner et utilisez-la dans les deux variantes.
Dans la requête multipart à POST /v1/images/edits, la photo va dans image et le calque dans markup. Gardez le tracé séparé de la photo. Si plusieurs images sont envoyées, le calque se rapporte à la première et les suivantes servent de références. Le guide documente aussi un exemple sur Flare où un cercle indique le vase à recolorer et le prompt demande de retirer le trait du rendu. Guide OpenAI des retouches annotées.
| Entrée |
Ce qu’elle indique |
Contrôle avant envoi |
| Copie de travail |
Visuel à modifier |
Identifiant produit, orientation appliquée, plafond de pixels |
| PNG d’annotation |
Emplacement de la trace |
Mêmes dimensions, transparence présente, taille ≤ 50 Mo |
| Prompt |
Modification et détails à conserver |
Une tâche et des critères observables |
Annotation, masque ou retouche classique
Le calque convient quand un opérateur désigne un défaut par un cercle. Le masque sert à transmettre une zone sous forme de pixels avec un canal alpha, par exemple si un outil de segmentation fournit déjà cette zone. Omettez mask et prompt_rewriter quand vous envoyez markup. OpenAI précise que le masque guide le modèle et que la forme peut être suivie de manière approximative. Dans les deux cas, contrôlez le rendu autour du produit. Guide OpenAI sur le masque.
Si le contrat impose de conserver exactement les pixels hors d’une zone autorisée, appliquez cette contrainte dans votre chaîne d’images. Réintégrez uniquement la zone retouchée dans une copie de l’original à dimensions et cadrage identiques. Inspectez la jonction, exportez sans perte et comparez les pixels décodés hors zone avec la référence. Pour effacer une simple poussière sur un fond uniforme, une retouche classique peut déjà faire le travail.
Un pilote sur la trace à côté du flacon
Prenez une photo de test dont vous avez les droits et conservez-la comme référence. Pour ce scénario fictif, on suppose que la trace est distincte de l’ombre naturelle et que l’étiquette comporte la mention « 30 mL ».
- Préparez les deux fichiers. Ouvrez la photo orientée. Dessinez un cercle autour de la trace sur un calque séparé, sans toucher le flacon ni son ombre. Exportez ce calque en PNG transparent aux dimensions de la photo.
- Comparez deux façons de désigner la trace. Avec
gpt-image-2.6-flare, testez « Efface la trace grise indiquée sur le fond. Conserve l’ombre, le cadrage, le bouchon, la teinte et l’étiquette 30 mL. Le cercle doit disparaître du rendu. » Faites aussi un essai qui localise la trace par le texte seul. Conservez la même copie de travail, les mêmes consignes de fidélité et la même taille de sortie, par exemple 1 536 × 1 024 pour ce cadrage 3:2.
- Appliquez la même grille aux deux sorties. Vérifiez la disparition de la trace, puis celle du cercle si un calque a été fourni. Comparez l’étiquette, la couleur, le contour avec son bouchon, l’ombre et le cadrage à l’original. Regardez le rendu à la taille de la fiche et en zoom. Acceptez l’image si tous les contrôles applicables passent.
- Consignez chaque tentative. Fixez le même plafond d’essais pour les deux variantes et comparez les acceptations dès le premier essai. Gardez une ligne par appel, même en cas de rejet. Notez une seule fois le temps de préparation pour chaque paire photo-variante, puis le temps de contrôle de chaque sortie. Répétez sur plusieurs défauts distincts. Si vous envisagez de remplacer une retouche classique, appliquez aussi la grille à sa sortie.
Le guide OpenAI donne un exemple complet avec Flare et l’upload multipart. Pour le transposer, renseignez model, image, markup et prompt, fixez complexity et quality pour vos deux variantes, puis décodez data[0].b64_json dans un fichier à inspecter. Pour la variante sans calque, omettez le champ markup et désignez la trace à droite du flacon par le texte. Gardez la même consigne sur les détails à préserver.
Grille de recette à adapter. La couverture illustre le scénario. Les résultats de ce pilote restent à mesurer dans votre environnement.
Quel modèle et quel coût tester ?
OpenAI présente Flare pour les itérations rapides et Sunburst pour les travaux qui demandent davantage de précision. Gardez le même modèle pour mesurer l’effet de l’annotation. Si le rendu reste insuffisant, comparez ensuite Flare et Sunburst avec les mêmes photos, calques et critères. complexity règle l’effort de préparation de la composition. quality règle la qualité de rendu. Le guide propose low, medium et high pour la complexité, avec high par défaut. Faites varier un réglage à la fois pour comprendre ce qui améliore réellement l’image. Guide de génération d’images.
Au 5 novembre, OpenAI affiche les mêmes tarifs standard pour les deux modèles. Le million de tokens coûte 5 USD en entrée texte et 8 USD en entrée image, hors cache, puis 30 USD en sortie image. Relevez la consommation facturée et divisez la dépense API de toutes les tentatives par le nombre de photos acceptées. Suivez séparément les minutes opérateur par photo acceptée. Pour un total monétaire, valorisez ces minutes à votre taux horaire. Si aucune photo ne passe, conservez la dépense totale sans calculer de coût par photo acceptée. Tarifs de l’API OpenAI.
OpenAI annonce les deux modèles dans l’API et Images 2.6 dans ChatGPT et Codex. Le GIF dans ChatGPT suit un déploiement progressif décrit séparément. Pour cette intégration, vérifiez l’accès et les limites du projet API qui exécutera les appels. Le guide précise qu’une vérification de l’organisation peut être demandée. Si votre chaîne utilise déjà GPT Image 2.5, commencez par vérifier si son modèle est compatible avec markup. Vous pouvez tester l’annotation avant de décider d’une migration de modèle. Annonce OpenAI · Notes ChatGPT · Guide de l’API.
