L'IA qui comprend vos retouches photo : la révolution multi-tours arrive.

UNE NOUVELLE ÈRE POUR LES RETOUCHES PHOTO PAR IA

Depuis quelques années, les modèles d’intelligence artificielle capables de modifier des images à partir de simples consignes écrites fascinent. On peut désormais demander à une IA de « rendre le ciel plus bleu » ou « d’enlever cette personne de la photo », et elle s’exécute en quelques secondes. Pourtant, ces Outils ont un gros défaut : ils sont conçus pour une seule action à la fois. Si vous essayez de retoucher plusieurs fois la même image en suivant un dialogue naturel, comme on le ferait avec un vrai graphiste, l’IA s’emmêle les pinceaux. Une seule erreur en cours de route, et tout est à recommencer.

LE PROBLÈME DES RETOUCHES EN PLUSIEURS ÉTAPES

Imaginons que vous souhaitiez transformer une photo de plage en image d’hiver. Vous commencez par demander à l’IA de « transformer le ciel en ciel neigeux ». Elle s’exécute correctement. Puis vous ajoutez : « Maintenant, ajoute des flocons de neige qui tombent ». L’IA doit alors repartir de la première version corrigée… mais elle n’a pas gardé en mémoire les détails de la première étape. Résultat : elle peut oublier de rendre le ciel suffisamment blanc ou mélanger les deux consignes. C’est ce qu’on appelle l’erreur de propagation : une petite faute au début en entraîne de plus grosses ensuite, comme une boule de neige qui grossit en dévalant la pente.

MT-EDITFLOW : L’IA QUI APPREND À RÉFLÉCHIR AVANT D’AGIR

Pour résoudre ce problème, des chercheurs ont mis au point MT-EditFlow, un nouveau système qui combine deux technologies : le flow matching (une méthode pour transformer des images de manière fluide) et l’apprentissage par renforcement. Concrètement, MT-EditFlow fonctionne comme un élève qui apprend à jouer aux échecs : il reçoit des récompenses quand il joue bien, et des pénalités quand il fait une erreur. Au fil des parties, il affine sa stratégie pour éviter les pièges.

Le système ne se contente pas de corriger une image une fois : il anticipe les futures retouches. Il évalue en temps réel si une modification risque de poser problème plus tard, et ajuste son travail en conséquence. Par exemple, si vous demandez d’abord de « foncer les cheveux » puis de « les éclaircir », MT-EditFlow comprend qu’il doit garder une marge de manœuvre pour la deuxième étape.

DES RÉSULTATS QUI PARLENT D’ELLES-MÊMES

Les tests réalisés sur différents modèles d’IA montrent que MT-EditFlow améliore considérablement les performances. Prenons le modèle FLUX.1-Kontext-dev : après trois étapes de retouche, son score global a grimpé de 6,85 points. Ce gain place MT-EditFlow devant des modèles open source de référence comme Qwen-Image-Edit, qui sont pourtant déjà très performants. Autre avantage : MT-EditFlow réduit drastiquement les erreurs en cascade. Là où une IA classique peut échouer dans 30 % des cas après trois retouches, MT-EditFlow maintient un taux de réussite élevé, même après plusieurs étapes.

UNE NOUVELLE MÉTHODE POUR TOUS LES MODÈLES

L’un des atouts majeurs de MT-EditFlow est sa flexibilité. Il ne fonctionne pas seulement avec un seul modèle d’IA : il peut être intégré à presque tous les systèmes existants. Que vous utilisiez un modèle open source ou un outil propriétaire, MT-EditFlow s’adapte et améliore les résultats. Les chercheurs ont même développé une version qui fonctionne avec deux approches différentes d’apprentissage par renforcement : GRPO (qui récompense les bonnes actions) et NFT (qui utilise des signaux de récompense plus complexes).

Pour y parvenir, l’équipe a dû résoudre plusieurs défis techniques. Par exemple, comment agréger les récompenses de chaque étape sans que le système ne se concentre uniquement sur la dernière modification ? Ou comment éviter que l’IA ne triche en trouvant des raccourcis pour obtenir des récompenses sans vraiment bien travailler ? Ces questions ont demandé des mois de recherche et de tests.

UNE BASE DE DONNÉES POUR RÉVOLUTIONNER L’IA

MT-EditFlow n’est pas le seul projet à faire avancer le domaine. Une autre équipe a créé Pico-Banana-400K, une gigantesque base de données de 400 000 images spécialement conçues pour entraîner les IA à comprendre et exécuter des consignes de retouche. Contrairement aux jeux de données existants, qui sont souvent petits ou peu réalistes, Pico-Banana-400K est composé d’images réelles et de descriptions détaillées. Chaque image est accompagnée de plusieurs versions retouchées, ce qui permet aux IA d’apprendre à gérer des demandes complexes en plusieurs étapes.

Cette base de données est un trésor pour les chercheurs. Elle permet de tester et d’améliorer les modèles dans des conditions réelles, sans avoir à inventer des scénarios artificiels. Grâce à elle, des systèmes comme GPT-4o ou Nano-Banana ont déjà atteint de nouveaux niveaux de performance en retouche d’images guidée par texte.

VERS UNE COLLABORATION HUMAINE-IA PLUS NATURELLE

L’objectif ultime de ces avancées ? Rendre l’interaction entre l’humain et l’IA aussi naturelle que possible. Aujourd’hui, utiliser une IA pour retoucher des photos ressemble encore à un dialogue avec un robot : il faut formuler les consignes avec une précision chirurgicale, et une seule erreur peut tout gâcher. Avec MT-EditFlow et des bases de données comme Pico-Banana-400K, les chercheurs espèrent créer des outils où l’IA comprend le contexte global d’une retouche, anticipe les besoins de l’utilisateur et s’adapte en temps réel.

Imaginez un graphiste qui discute avec un client : « Je veux que cette photo ressemble à une affiche de film des années 80 ». L’IA comprend la demande, propose des ajustements, et retouche l’image en plusieurs passes sans jamais perdre de vue l’objectif final. C’est cette fluidité que promettent les nouvelles générations d’outils d’édition d’images par IA.

ET DEMAIN ?

Ces innovations ne s’arrêtent pas là. Une autre équipe travaille sur UniGen-1.5, un modèle unifié capable de comprendre, générer et retoucher des images avec une seule et même architecture. Contrairement aux modèles actuels qui sont spécialisés dans une seule tâche, UniGen-1.5 combine plusieurs compétences en une seule plateforme. Grâce à une stratégie unifiée d’apprentissage par renforcement, ce modèle promet d’améliorer à la fois la génération d’images et leur édition, le tout avec une cohérence accrue.

Les chercheurs soulignent que ces avancées ne sont que le début. Chaque jour, de nouvelles méthodes voient le jour pour rendre les IA plus intelligentes, plus fiables et plus faciles à utiliser. Pour les créateurs de contenu, les graphistes ou simplement les amateurs de retouche photo, ces outils pourraient bien révolutionner leur façon de travailler.