Images 2.6 en API : GIF, SVG, complexity — mesurez avant de payer

OpenAI a déployé Images 2.6 le 4 novembre dans ChatGPT, Codex et l'API. Côté API, il y a deux modèles, GPT-Image-2.6 Flare et GPT-Image-2.6 Sunburst, et surtout trois nouveaux leviers : le GIF, le SVG et un paramètre complexity. Pour une agence, un e-commerçant ou un freelance qui produit des visuels en volume, la question n'est pas « est-ce joli » mais « combien coûte une image, et qu'est-ce que je règle pour ne pas payer trop ».

Ce tuto fixe la méthode : choisir le modèle, poser les paramètres, puis mesurer. Précision de méthode : les détails d'API ci-dessous viennent de l'annonce d'OpenAI relayée par la presse spécialisée et de guides tiers (liens dans le texte). Les exemples de requêtes sont des squelettes à valider dans la documentation officielle avant tout usage en production.

Flare ou Sunburst : lequel choisir pour quel visuel

Les deux modèles ont le même tarif, donc le choix se fait sur la vitesse et le niveau de détail. D'après l'article de Relevant Audience, Flare descend à environ six secondes en qualité low et vise les itérations rapides (mise en page d'affiches, visuels produit). Sunburst vise la qualité et la cohérence entre retouches successives, en qualité medium ou high.

• Flare : brouillons, déclinaisons de bannières, tests A/B de visuels, tout ce que vous jetterez à 80 %.
• Sunburst : le visuel final, la série de retouches sur un même personnage ou produit, le rendu client.

Le schéma économique qui en découle est simple : on explore avec Flare en low, on valide, puis on refait uniquement les retenus avec Sunburst. Aucun benchmark comparatif indépendant n'existe à ce jour : les « 50 % plus rapide » et « six secondes » sont des chiffres du fournisseur, sans référence nommée.

Si vous partez de zéro sur la génération d'images, notre tuto sur les prompts ChatGPT Images reste la base pour écrire un brief propre.

Combien coûte une image GPT-Image-2.6 en API

OpenAI facture au token, pas à l'image. Selon le guide de Digital Applied, les tarifs sont identiques pour Flare et Sunburst :

• 8 $ par million de tokens d'image en entrée (2 $ en cache)
• 30 $ par million de tokens d'image en sortie
• 5 $ par million de tokens de texte en entrée

Ces tarifs sont les mêmes que ceux de la génération 2.5. Piège : des tarifs égaux ne veulent pas dire un coût par image égal, puisque le nombre de tokens consommés change avec le modèle et la qualité. Une estimation tierce publiée par eesel.ai situe une image 1024×1024 autour de 0,025 $ en qualité low et 0,053 $ en high, mais la même source signale qu'en low et medium le coût par image pourrait être 3 à 4 fois supérieur à celui de la 2.5. Deux sources, deux lectures : ne budgétez pas sur ces chiffres.

Le protocole de mesure en 15 minutes

1. Choisissez 5 prompts représentatifs de votre production (un packshot, une bannière avec texte, une illustration).
2. Lancez chacun en Flare / low / complexity low, puis en Sunburst / high / complexity high.
3. Relevez dans la réponse l'objet usage : tokens image en sortie, tokens texte en entrée.
4. Multipliez par les tarifs ci-dessus, divisez par le nombre d'images. Vous avez votre prix réel, par type de visuel.

Même logique que pour le suivi de vos dépenses Claude : mesurer au niveau de l'appel avant de généraliser. Notre tuto sur l'API de coûts Claude applique le même principe côté texte.

Le paramètre complexity : ce qu'il règle, ce qu'il coûte

complexity accepte low, medium ou high. Il règle la quantité de planification du modèle avant de dessiner, et non le niveau de détail, qui reste le rôle de quality. OpenAI recommande une complexité basse pour la plupart des retouches, moyenne ou haute pour des scènes chargées d'éléments et de contraintes.

Deux points à retenir :

• La valeur par défaut est high. Si vous l'omettez dans vos scripts existants migrés vers 2.6, vous payez le mode le plus lent et potentiellement le plus gourmand.
• OpenAI prévient qu'une complexité élevée peut ajouter de la latence et introduire des modifications non voulues. Sur une simple retouche (changer la couleur d'un fond), high est contre-productif.

Squelette de requête brouillon, à valider dans la doc :

[[terminal:POST /v1/images/generations { "model": "gpt-image-2.6-flare", "prompt": "...", "quality": "low", "complexity": "low" }]]

Les deux modèles ne sont accessibles que sur les endpoints images/generations et images/edits ; ni Responses ni Chat Completions ne les prennent en charge, d'après Digital Applied. Si votre agent passe par Responses, il faudra ajouter un appel direct.

Générer un GIF animé en API : paramètres et limites

C'est la nouveauté la plus visible : animer une image fixe en boucle. Cas pros : mascotte, photo produit qui tourne, visuel de newsletter, storyboard animé avant de lancer une vraie vidéo. OpenArt, cité par Relevant Audience, travaille sur une planche de six images (grille 3×2) avec caméra fixe, même personnage, même décor, la dernière image revenant à la première pour boucler proprement.

Selon le guide de Digital Applied, les paramètres GIF sont les suivants (génération uniquement, pas d'édition) :

• output_format : gif
• frame_count : de 2 à 64, 9 par défaut
• frame_duration_ms : de 20 à 2 000, arrondi à 10, 200 par défaut
• size : dimensions multiples de 16, ou auto

Pas de streaming ni d'images partielles, et un budget total de pixels par requête : en cas de dépassement, il faut réduire le nombre d'images, leur taille ou n. Aucun tarif GIF distinct n'est publié : appliquez le protocole de mesure ci-dessus, car 64 images ne coûteront pas comme 9.

Règle pratique : un GIF de 9 images à 200 ms dure 1,8 seconde en boucle. Pour une bannière e-mail, c'est suffisant ; au-delà, vous payez des tokens pour un poids de fichier que les clients mail n'afficheront pas.

Logo et icône en SVG : une génération à deux étages

Avec output_format réglé sur svg, l'API renvoie un vectoriel éditable, utile pour un logo provisoire, une icône de site ou un pictogramme d'impression. Le fonctionnement est moins anodin qu'il n'y paraît : l'API dessine d'abord une image de référence, puis un second modèle rédige le SVG à partir de celle-ci, et vous payez les deux étapes. quality règle l'image de référence.

Limites rapportées : une seule sortie par requête (n égal à 1), génération uniquement, aucune image de référence en entrée, pas de scripts, de ressources externes ni de raster incrusté. Un SVG ne peut pas non plus servir d'entrée pour une retouche raster.

Pour un logo définitif, gardez un humain : notre analyse sur la propriété d'un logo généré par IA rappelle qu'une sortie brute n'est protégée par personne.

Image markup : cibler la zone à retoucher

Déjà présent dans ChatGPT, le markup arrive dans l'API : vous annotez une zone de l'image pour dire « change ici ». Il s'applique à la première image, avec 16 777 216 pixels maximum par image et 50 Mo pour l'annotation. Il est incompatible avec un masque ou avec le réécriveur de prompt, et fonctionne aussi sur certains modèles 2.5. Usage type : retoucher une étiquette de produit sans régénérer toute la scène, donc sans repayer toute la scène.

Marquage, conformité et dates à noter

La fiche système mentionne des métadonnées C2PA et un filigrane invisible SynthID, selon Relevant Audience. Pour un usage commercial en France, gardez en tête l'obligation de transparence : voyez notre point sur le marquage des contenus IA prévu par l'article 50 de l'AI Act. Le guide de Digital Applied signale aussi que les modèles gpt-image-1-mini, gpt-image-1.5 et chatgpt-image-latest s'arrêtent le 1er décembre 2026, et que le mini, le moins cher, n'a pas de successeur équivalent. Si votre automatisation l'appelle, planifiez la bascule maintenant. Pour comparer la qualité visuelle face à la concurrence, notre comparatif Nano Banana Pro et Midjourney V8 donne un point de repère.

Verdict : qui doit basculer, qui peut attendre

Pour une PME qui génère quelques visuels par semaine dans ChatGPT, rien à faire : la 2.6 est déjà là, sur tous les plans. L'API ne concerne que ceux qui automatisent (catalogue, déclinaisons de bannières, génération à la volée dans un outil interne). Dans ce cas, la marche à suivre tient en trois lignes : fixer complexity explicitement, faire les brouillons en Flare et les finaux en Sunburst, et mesurer le coût réel avant d'ouvrir le robinet.

À éviter : migrer en bloc depuis la 2.5 en supposant que « même tarif » veut dire « même facture ». Les premières analyses divergent, et OpenAI n'a publié ni prix par image ni Batch. Le produit a trois jours : traitez tout chiffre de coût par image, y compris ceux de cet article, comme une hypothèse à vérifier. Pour piloter ces appels depuis un automate,

Essayer Make →

ⓘ Lien partenaire · financement de la rédaction sans surcoût pour vous.

">Make permet de brancher l'API images sur un tableau de suivi de coûts sans écrire de code.