Antoine Laurent

Posted on Apr 22 • Originally published at apidog.com

Nouveautés ChatGPT Images 2.0 : Découvrez les améliorations

OpenAI a lancé ChatGPT Images 2.0 le 21 avril 2026, propulsé par le nouveau modèle gpt-image-2. Celui-ci lit votre prompt, planifie la mise en page, gère un rendu texte multilingue net et peut produire jusqu'à dix images à la fois, avec des dimensions allant jusqu’à 2 000 pixels de large et des rapports d’aspect étendus non pris en charge par l’ancien modèle.

Essayez Apidog dès aujourd'hui

Pour les développeurs, la vraie nouveauté ne se limite pas à l’interface de ChatGPT. L’API expose désormais gpt-image-2 avec un mode de "réflexion" (reasoning-aware), une tarification par jeton, et le même endpoint que vous utilisez déjà en prod.

Ce guide détaille ce qui change, le coût API, comment appeler l’API de bout en bout, et comment tester avec Apidog sans scripts jetables. Si vous aviez laissé tomber les anciennes APIs d’images à cause du texte déformé ou de la résolution limitée à 1024, c’est ici que ça se passe.

Qu'est-ce que gpt-image-2 ?

gpt-image-2 est l’ID modèle du générateur d’images de deuxième génération d’OpenAI, lancé avec ChatGPT Images 2.0 le 21 avril 2026. Il remplace la famille précédente gpt-image-1 côté API et alimente la création d’images sur web et mobile.

Trois évolutions majeures pour les développeurs et designers :

Texte lisible dans tous les scripts : les étiquettes, logos, légendes et scripts non latins (japonais, coréen, chinois, hindi, bengali) sont désormais rendus proprement, sans retouche manuelle.
Raisonnement avant rendu : le mode thinking ajoute une étape de planification/composition, avec vérification des contraintes avant le rendu final. Résultat : moins de prompts à réitérer pour cause de mauvais comptage ou d’étiquetage.
Résolution supérieure, canvas flexible : jusqu’à 2 000 px sur le grand côté, et rapports jusqu’à 3:1 ou 1:3, idéal pour bannières, slides, vertical shorts, sans upscale manuel.

OpenAI positionne ce modèle comme un outil de workflow visuel professionnel : doubles pages, infographies, slides, planches manga, etc.

Ce qui a changé par rapport à gpt-image-1

Pour les développeurs ayant utilisé l’ancien endpoint, voici les différences principales côté code :

Capacité	gpt-image-1	gpt-image-2
Résolution maximale	1024 px	2 000 px sur le bord le plus long
Rapports d’aspect	1:1, 3:2, 2:3	1:1, 3:2, 2:3, 16:9, 9:16, 3:1, 1:3
Images par requête	1	Jusqu’à 10, cohérence de style
Rendu de texte	Anglais uniquement, souvent brouillé	Multilingue, y compris CJK et scripts indiens
Mode de raisonnement	Non	Oui (`thinking` flag)
Recherche web pendant la génération	Non	Oui, en mode réflexion

Le batch mode (n > 1) est l’évolution clé – une seule requête génère jusqu’à 10 variations stylistiquement cohérentes, comme le ferait un designer pour une campagne multi-assets.

Disponibilité et tarifs

Le déploiement est progressif :

ChatGPT Gratuit : accès au modèle standard gpt-image-2
ChatGPT Plus, Pro, Business : accès au mode réflexion, cycles de raisonnement allongés, recherche web
Développeurs API : accès aux deux modes via l’ID modèle. Disponibilité progressive après le lancement.

Tarification (voir les détails) :

5 $ / M de jetons texte input
10 $ / M de jetons texte output
8 $ / M de jetons image input
30 $ / M de jetons image output

À l’usage, un rendu haute qualité de 1024x1024 coûte ~0,21 $ par image (environ 60 % de plus que la génération précédente, en raison de la résolution et du raisonnement).

⚠️ Le mode réflexion facture les jetons reasoning en plus. Un diagramme très structuré coûte donc plus cher qu'une illustration libre. Prévoyez un coût variable par image selon la complexité du prompt.

Appeler l’API

Le endpoint reste /images/generations. Exemple minimal :

curl https://api.openai.com/v1/images/generations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "Un héros de produit clair pour une plateforme de test d'API, fond sombre, éclairage cyan doux, un ordinateur portable affichant une réponse JSON, des étiquettes d'interface utilisateur nettes en petits caractères lisibles",
    "size": "1536x1024",
    "n": 4,
    "quality": "high"
  }'

Pour activer le mode raisonnement :

curl https://api.openai.com/v1/images/generations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "Une infographie à quatre panneaux expliquant le flux de code d'autorisation OAuth 2.1 avec PKCE. Étiquetez chaque flèche en anglais et en japonais.",
    "size": "2000x1000",
    "n": 1,
    "quality": "high",
    "thinking": "medium"
  }'

La réponse retourne des images en base64 ou des URLs selon response_format. Le schéma est inchangé par rapport à gpt-image-1, donc vos wrappers SDK restent compatibles après simple échange d’ID modèle.

En Python, avec le SDK officiel :

from openai import OpenAI

client = OpenAI()

result = client.images.generate(
    model="gpt-image-2",
    prompt="Maquette d'interface utilisateur de tableau de bord minimaliste pour un client REST, étiquettes en minuscules, un graphique de latence dans le coin.",
    size="1536x1024",
    n=4,
    quality="high",
)

for i, image in enumerate(result.data):
    with open(f"out_{i}.png", "wb") as f:
        f.write(image.b64_json.encode())  # decode() en pratique

Conseils pratiques :

Le mode réflexion a trois niveaux (low, medium, high). Plus le niveau est haut, plus la latence augmente mais la précision de la mise en page aussi. Pour les schémas/diagrammes, medium est un bon compromis.
La cohérence stylistique est garantie dans un batch (n > 1), mais pas entre des appels séparés. Pour 10 images assorties, faites un seul call.

Tester gpt-image-2 avec Apidog

Travailler en ligne de commande pour itérer des prompts d’images est vite laborieux. Un client API dédié vous permet de :

Prévisualiser les réponses inline
Versionner vos prompts
Changer les paramètres sans friction

Apidog traite le endpoint image OpenAI en requête de première classe. Procédure :

Importez la spec OpenAPI d’OpenAI dans Apidog.
Définissez OPENAI_API_KEY comme variable d’environnement.
Collez votre prompt dans le corps de la requête, appuyez sur Envoyer.
L’image apparaît inline (en base64 ou URL).
Dupliquez la requête pour tester différents rapports d’aspect, niveaux de qualité, ou modes de réflexion côte à côte.

Exemple de workflow :

Créez une requête gpt-image-2 dans une collection Apidog.
Enregistrez deux environnements : un avec thinking: "off", un autre avec thinking: "medium".
Exécutez la même invite dans les deux, comparez les résultats, gardez le meilleur dans votre bibliothèque de prompts.
Dupliquez la collection pour chaque type d’asset (bannière, slide, infographie) afin d’ajuster les paramètres séparément.

Vous pouvez aussi chaîner les calls : générer l’image puis la poster sur un endpoint CDN dans le même test Apidog, ce que les scripts curl ne gèrent pas nativement.

Pour remplacer vos tests HTTP génériques par une vraie plateforme API : Téléchargez Apidog et configurez votre clé OpenAI en moins de cinq minutes.

Où gpt-image-2 rencontre encore des difficultés

Malgré le bond qualitatif, certaines limites subsistent :

Visages photoréalistes en gros plan : toujours approximatifs, surtout pour les personnalités publiques (beaucoup d’invites rejetées par les garde-fous).
Actifs de marque précis : logos géométriques ou caractères sous TM pas fiables. À utiliser pour l’ambiance, pas pour du branding final.
Blocs de texte longs : au-delà de quelques centaines de caractères, le rendu se dégrade. Privilégiez les titres, labels, légendes.
Cohérence inter-session : seule la sortie par lot (n > 1) garantit la cohérence. Un appel le lendemain avec le même prompt donnera un résultat différent.

Pour des retours détaillés, lisez l’avis de The Decoder.

Comparatif avec les autres solutions du marché (2026)

OpenAI n’est plus seul : Google Nano Banana 2 est aussi en prod, et plusieurs modèles open-weight progressent en rendu de texte.

Pour comparer côté API :

Annonce de Qwen 3.5 Omni : multimodal Alibaba, input et génération image.
Guide GLM 5V Turbo API : vision-langage Zhipu, moins cher mais texte moins fiable.
Utiliser Qwen 3.5 Omni : tutoriel pratique.
Analyse Cursor Composer 2 : impact du reasoning sur l’UX des outils IA.
Guide Microsoft VibeVoice : lancement API OpenAI associé.

Recommandation :

Utilisez gpt-image-2 si la précision texte, la composition et l’intégration OpenAI priment sur le coût.
Préférez un modèle open-weight si l’auto-hébergement, le coût bas ou la licence permissive sont prioritaires.

FAQ

gpt-image-2 est-il disponible dans le niveau gratuit de ChatGPT ?

Oui, en mode standard. Mode réflexion, raisonnement étendu et recherche web sont réservés aux abonnés Plus/Pro/Business. L’API est indépendante, soumise à votre compte développeur OpenAI et ses limites de débit.

Prend-il en charge l’édition d’images et l’inpainting ?

Pas au lancement : focus texte->image avec batch et réflexion. Les endpoints édition (image+masque) devraient suivre le même schéma, sous le nouvel ID modèle. Vérifiez la page gpt-image-2 modèle avant de coder autour de l’inpainting.

Quelles résolutions et rapports d’aspect ?

Jusqu’à 2 000 px sur le grand côté ; 1:1, 3:2, 2:3, 16:9, 9:16, 3:1, 1:3 – couvrant bannières, shorts, carrés sociaux, recadrages LinkedIn, sans upscale manuel.

Comment tester rapidement des requêtes gpt-image-2 ?

Utilisez un client API dédié. Apidog rend les images inline, stocke vos prompts, permet de comparer les modes réflexion côte à côte. Voir aussi notre guide API sans Postman.

Combien coûte une image via l’API ?

~0,21 $ pour un 1024x1024 HQ standard. Le mode réflexion ajoute des jetons reasoning, donc coût variable selon complexité du prompt. Consultez la page tarifs OpenAI pour les détails.

Le modèle peut-il rechercher sur le web pendant la génération ?

Oui, en mode réflexion uniquement. Il peut récupérer des images/faits pour améliorer la précision (ex : diagrammes, cartes, chiffres réels). Le mode standard ne fait pas de recherche.