Au début de 2025, Black Forest Labs a présenté un nouveau modèle de génération d'images, FLUX.1 Kontext. Il s'est rapidement répandu sur les réseaux sociaux et dans les critiques : les blogueurs montrent comment le modèle gère la composition, le style et la vitesse. Le battage médiatique qui l'entoure est comparable aux sorties des réseaux de neurones les plus attendus, c'est pourquoi nous avons décidé de vérifier si un tel engouement est justifié. Pour comprendre s'il présente un réel avantage, nous avons exécuté les mêmes scénarios sur quatre modèles clés : Midjourney V7, GPT-4o Image, Ideogram 3.0 et FLUX.1 Kontext lui-même.
Comment nous avons testé
Nous avons formulé le même prompt pour chaque modèle et évalué le résultat selon quatre critères. Ce n'est pas une étude de laboratoire, mais une comparaison pratique qui reproduit les tâches typiques d'un designer ou d'un créateur de contenu.
Voici la liste des vérifications :
- le maintien d'un même personnage dans différentes scènes ;
- la modification ciblée de certains détails sans affecter le reste de l'image ;
- le transfert du style d'un artiste connu ;
- la vitesse de génération.
La constance du personnage
Lorsque vous créez une série d'illustrations ou un storyboard, le héros ne doit pas « changer de visage » d'une image à l'autre. Si le personnage se désagrège entre les scènes, le récit se perd et le spectateur ne peut pas relier les images en une histoire cohérente. La stabilité du héros est donc cruciale non seulement pour l'art, mais aussi pour les campagnes publicitaires, les bandes dessinées et les animatiques.
Nous avons demandé aux modèles de représenter une jeune femme aux cheveux roux ondulés portant une veste bleue. Elle devait apparaître dans un parc urbain, puis dans un café, dans une bibliothèque et à un concert — avec les mêmes vêtements.
FLUX.1 Kontext a mieux réussi ce test que les autres : les traits du visage, la coiffure et la veste restent reconnaissables dans toutes les scènes. Midjourney V7 s'en est approché, mais a perdu la cohérence du personnage à la dernière scène. GPT-4o Image préserve plutôt bien l'apparence, mais il y a de légères divergences dans les détails du visage. Ideogram 3.0 est le plus faible : l'héroïne passe littéralement d'un style à l'autre — tantôt elle ressemble à un personnage de dessin animé, tantôt elle est presque réaliste.
L'édition locale
La deuxième tâche importante consiste à corriger ponctuellement une image sans la redessiner entièrement. Une telle édition fait gagner du temps et des ressources, surtout lorsqu'il faut apporter rapidement des modifications à un visuel déjà finalisé. Mais si le modèle modifie également les autres éléments, cette fonction perd tout son sens.
Nous avons d'abord généré une photo d'un chat sur un rebord de fenêtre, puis demandé de changer la couleur du collier en rouge, d'ajouter une clochette dorée et de placer à côté un vase de tournesols.
FLUX.1 Kontext a effectué les modifications correctement : le collier, la clochette et le vase sont apparus là où il fallait. Cependant, l'image a changé plus que souhaité — le chat a légèrement tourné la tête par rapport à l'original. GPT-4o Image s'en est également sorti, mais a introduit des changements de couleur superflus, ce qui rend l'image différente. Quant à Midjourney V7 et Ideogram 3.0, ils ne permettaient pas l'édition locale au moment du test, nous n'avons donc pas pu les comparer pleinement ici.
Le transfert de style
Le style artistique aide à créer des images adaptées à une marque, une ambiance ou une époque spécifiques. Un bon transfert de style n'est pas une simple correction colorimétrique, mais une véritable « transformation » de la scène dans une nouvelle manière. Cette technique est souvent nécessaire dans le branding, les séances photo de mode et la conception pour les réseaux sociaux.
Nous avons demandé aux modèles de montrer un chien courant dans un champ, dans le style de « La Nuit étoilée » de Van Gogh. Le meilleur résultat a été obtenu par Midjourney V7 — le style est rendu de manière expressive et très proche de l'original. FLUX.1 Kontext s'en approche de très près, reproduisant parfaitement les coups de pinceau caractéristiques et la palette de Van Gogh. GPT-4o Image offre une stylisation correcte, mais moins éclatante, tandis qu'Ideogram 3.0 perd clairement dans ce test.
La vitesse
Le temps de génération est crucial lorsqu'on travaille avec de grands volumes de contenu. Si vous devez générer des dizaines de variantes pour des tests A/B ou assembler rapidement une série de publications, chaque seconde compte. Ici, le leader est évident :
- FLUX.1 Kontext — 3 à 5 secondes ;
- Ideogram 3.0 — 10 à 15 secondes ;
- Midjourney V7 — 15 à 20 secondes ;
- GPT-4o Image — 20 à 25 secondes.
Il s'avère que le participant le plus rapide est capable de produire un résultat quatre à cinq fois plus vite que le plus lent. Cela se ressent particulièrement lorsqu'il faut générer non pas une seule image, mais tout un lot.
Que choisir ?
Il n'y a pas de vainqueur absolu pour tous les cas, mais la tendance générale est claire. Résumons les résultats dans un tableau :
| Modèle | Personnage | Éditions locales | Style | Vitesse |
|---|---|---|---|---|
| FLUX.1 Kontext | Excellent | Bon | Bon | Excellent |
| Midjourney V7 | Bon | Indisponible | Excellent | Bon |
| GPT-4o Image | Bon | Bon | Bon | Moyen |
| Ideogram 3.0 | Faible | Indisponible | Moyen | Moyen |
FLUX.1 Kontext semble être la solution la plus équilibrée. Il est rapide, maintient bien le personnage et gère avec assurance les éditions locales et la stylisation. Cet ensemble en fait un outil polyvalent pratique pour les créateurs de contenu, les designers et les spécialistes du marketing qui ont besoin d'une génération rapide et précise.
Cela dit, pour certaines tâches, les leaders peuvent être différents. Si la priorité est un style artistique expressif, Midjourney V7 mérite votre attention. Si la précision dans le travail des détails et du texte est importante, GPT-4o Image s'avérera utile. Quant à Ideogram 3.0, il perd pour l'instant sur les paramètres clés, même s'il dispose de ses propres fonctions qui n'ont pas été incluses dans cette comparaison.
