gpt-image-1.5 est la montée de version sans paillettes qui intéresse réellement les équipes en production. Ce n'est pas une nouvelle architecture et OpenAI ne l'a pas accompagnée d'un événement de lancement, mais c'est le cliché dans lequel les modes de défaillance les plus cités de gpt-image-1 ont commencé à basculer de façon fiable du bon côté de l'utilisable. Si vous intégrez la génération d'images dans un produit réel, c'est la version où la charge de relecture par appel descend à un niveau qui passe à l'échelle.
Ce qui a changé depuis gpt-image-1
L'amélioration phare concerne le rendu du texte à l'intérieur des images. La version initiale gérait correctement les titres courts mais trébuchait sur les textes multi-lignes, les tailles de caractères mélangées et tout texte devant s'inscrire dans une boîte précise. gpt-image-1.5 comble la majeure partie de cet écart. Les bannières marketing, les maquettes de produit avec un texte d'interface réaliste et les sorties de style infographique sont désormais exploitables pour un premier jet sans nettoyage manuel dans la plupart des cas.
La fidélité compositionnelle constitue l'autre gain significatif. Lorsque vous demandez trois sujets dans une relation spatiale définie, gpt-image-1 reproduisait correctement les sujets mais approximait la relation. gpt-image-1.5 obtient la relation correcte plus souvent, en particulier pour les compositions de type mise en scène et les scènes de style photographie produit comportant plusieurs éléments.
L'anatomie des mains et des doigts reste imparfaite mais le taux d'échec est nettement plus faible. Vous obtiendrez un résultat à six doigts assez rarement pour qu'une passe de revue manuelle en fin de lot soit envisageable plutôt que requise sur chaque sortie.
Là où ça fonctionne bien
Les workflows créatifs marketing qui doivent itérer rapidement à travers une centaine de variantes pour identifier celles qui font mouche. L'imagerie produit pour l'e-commerce où il faut un éclairage cohérent et un fond propre sur l'ensemble d'un catalogue. L'illustration éditoriale pour les billets de blog et les rapports où le brief est suffisamment ouvert pour que le modèle ait de la latitude pour composer. Les maquettes d'interface pour l'exploration de design en amont du travail d'un designer.
Pour les agences qui exploitent des pipelines d'itération créative à grand volume, gpt-image-1.5 atteint un meilleur équilibre prix-qualité que la version précédente. La combinaison d'un taux de réussite plus élevé au premier essai et d'un profil de coût par image identique signifie qu'une plus grande proportion des sorties générées passe en production sans retouche manuelle.
L'endpoint unifié de génération, d'édition et d'inpainting hérité de gpt-image-1 est conservé. Les éditions et les variantes se comportent de manière plus prévisible dans cette version, en particulier lorsque l'image d'entrée présente des arrière-plans complexes ou des compositions chargées. Auparavant, on observait des éditions où la structure de l'original fuyait dans la zone éditée. Cela se produit moins souvent désormais.
Là où ça flanche
La typographie très fine à petite taille reste laborieuse. Le corps de texte et les textes denses de spécifications ne sont pas lisibles de manière fiable sans une passe de superposition typographique. Si votre sortie doit inclure du texte de paragraphe lisible à l'intérieur de l'image, vous devez toujours superposer du vrai texte par-dessus dans le code de votre application.
Les humains photoréalistes avec des exigences d'identité spécifiques restent une limite. Le modèle est bon pour les humains photoréalistes génériques mais ce n'est pas l'outil lorsqu'il vous faut une personne précise ou une forte continuité visuelle sur une série d'images du même personnage. Pour un travail séquentiel sur un personnage, une pile de diffusion contrôlable avec conditionnement par image de référence garde l'avantage.
Les schémas industriels et techniques qui exigent une exactitude dimensionnelle ou des relations géométriques correctes ne sont pas un point fort. Le modèle produit quelque chose qui ressemble à un schéma technique mais qui a peu de chances d'être fidèle dimensionnellement. Pour les travaux d'ingénierie et adjacents à la CAO, ce n'est tout simplement pas la bonne catégorie d'outil.
Le choisir ou passer à autre chose
Pour la plupart des équipes, gpt-image-1.5 est la version sur laquelle se standardiser si vous avez démarré sur gpt-image-1 et que vous voulez les gains de maturité sans le profil de risque d'un saut de version majeur. Le comportement est suffisamment proche pour que les bibliothèques de prompts de gpt-image-1 se transfèrent en grande partie moyennant des ajustements mineurs.
Si vous démarrez de zéro aujourd'hui, le choix entre gpt-image-1.5 et le plus récent gpt-image-2 dépend de votre besoin en enveloppe de qualité supplémentaire et en maturité opérationnelle que la nouvelle version apporte. Pour les travaux à fort volume où le coût par image domine, gpt-image-1-mini est le palier économique à évaluer.
Côté inter-fournisseurs, gemini-2.5-flash-image est le concurrent direct le plus proche et tend à l'emporter sur certaines esthétiques stylisées tout en perdant sur le rendu du texte à l'intérieur des images. nano-banana-pro-preview est le modèle d'image haut de gamme de Google et mérite d'être étalonné si votre mix de sorties penche fortement vers le photoréalisme ou les styles beaux-arts. Le choix entre la pile image d'OpenAI et celle de Google se réduit le plus souvent au LLM conversationnel que vous utilisez déjà, car maintenir une relation fournisseur unique simplifie les achats et l'observabilité.
Les exigences de résidence des données dans l'UE ne sont pas satisfaites par défaut. Pour les workflows régulés, il vous faut une passerelle régionale ou un fournisseur entièrement différent. Cela n'a pas changé depuis gpt-image-1 et n'a guère de chances de changer rapidement.
Dernière revue technique : 2026-05-22 — Tokonomix.ai
