Analyser des images et photos

La vision de ChatGPT : comprendre les images

ChatGPT ne se limite pas au texte. Grâce aux capacités multimodales de GPT-5.6, il voit et analyse des images : photos, captures d’écran, graphiques, documents scannés, schémas. C’est probablement la fonctionnalité qui produit le plus d’usages concrets dans une journée de travail ordinaire, parce qu’elle supprime l’étape de retranscription — vous montrez au lieu de décrire.

Faire parvenir une image à ChatGPT

Sur le web et sur l’application de bureau, quatre chemins mènent au même résultat : l’icône trombone de la barre de saisie ouvre le sélecteur de fichiers, le glisser-déposer fonctionne directement dans la zone de conversation, le collage depuis le presse-papier (Ctrl+V ou Cmd+V) évite de passer par un fichier intermédiaire, et l’application desktop propose en plus une capture d’écran intégrée qui envoie à l’analyse la zone que vous délimitez. Sur mobile, le trombone ouvre le choix entre « Photo Library » et « Camera » : vous piochez dans votre pellicule ou vous photographiez sur-le-champ.

Rien ne vous oblige à n’envoyer qu’une image à la fois. Plusieurs visuels dans un même message permettent de demander une comparaison, ce qui ouvre des analyses impossibles autrement.

Ce que la vision permet au quotidien

Le premier usage, et le plus rentable, concerne les graphiques. Capturez la courbe d’un rapport annuel, d’un tableau de bord ou d’une présentation, et faites-la commenter plutôt que de la déchiffrer vous-même.

[image du graphique] « Analyse ce graphique. Quelles sont les tendances principales ? Y a-t-il des anomalies ? Résume les conclusions en 3 bullet points. »

Vient ensuite la lecture de documents. ChatGPT reconnaît le texte dans une image, y compris manuscrit, grâce à l’OCR intégré : « Transcris le texte de ce document. Puis résume-le en 3 phrases. » Le même mécanisme s’applique aux factures, avec une extraction structurée qui vous évite une saisie manuelle — « Extrais les informations de cette facture : fournisseur, date, montant HT, TVA, montant TTC. » — et à la traduction, quand vous photographiez un panneau en japonais et demandez sa version française.

L’identification forme une troisième famille : une plante dont vous voulez savoir si elle est toxique et comment l’entretenir, un plat dont vous cherchez la recette approximative, un message d’erreur affiché à l’écran dont vous voulez la signification et la résolution. Enfin, la vision sert aussi de regard critique sur du visuel professionnel.

[capture d’écran d’un site web] « Analyse cette page d’accueil. Points forts et points faibles en termes d’UX/UI. Propose 3 améliorations concrètes. »

Ce qui fait la différence entre une bonne et une mauvaise analyse

La qualité du résultat dépend d’abord de celle de l’image. Un cadrage net et large donne une lecture fiable ; une capture minuscule ou une photo floue produit des approximations, particulièrement sur les chiffres. Envoyez donc des images en résolution correcte, et traitez un sujet à la fois plutôt que d’empiler cinq éléments hétérogènes dans un seul visuel.

La deuxième variable est le texte qui accompagne l’image. « Qu’est-ce que c’est ? » appelle une description générale, souvent inutile. « Voici le graphique de nos ventes du premier trimestre : analyse la tendance et identifie les mois problématiques » appelle une réponse exploitable. Le principe vaut aussi quand vous combinez plusieurs visuels : « Voici le logo de mon concurrent [image]. Compare-le avec le nôtre [image]. Quel est le positionnement visuel de chacun ? »

Trois essais suffisent pour vous en convaincre. Photographiez ou capturez une page de rapport ou une facture et demandez-en l’extraction des informations clés. Capturez ensuite un graphique, depuis un article ou un tableau de bord, et demandez une analyse des tendances. Terminez par une photo de votre bureau ou d’un objet quelconque, et observez la finesse de la description obtenue — puis comparez avec ce qu’aurait donné la même image envoyée sans aucune consigne.

Les limites à connaître

ChatGPT n’identifie pas les personnes présentes sur une photo, par choix de conception lié à la confidentialité. Un texte trop petit ou flou sera lu de façon imprécise. Les schémas très détaillés et les plans architecturaux sont souvent mal interprétés. Et l’analyse porte sur des images fixes, pas sur de la vidéo — à vous d’en extraire des images si nécessaire.

Une réserve mérite d’être soulignée : la lecture des chiffres dans une image est fiable, mais pas fiable à cent pour cent. Sur des données qui alimentent une décision ou un document officiel, recontrôlez les valeurs à la main.

Points clés à retenir

• ChatGPT peut analyser photos, captures d’écran, graphiques, documents scannés et même texte manuscrit
• Envoyez des images via le trombone, le glisser-déposer, le presse-papier ou la caméra mobile
• Ajoutez toujours du contexte textuel avec votre image pour guider l’analyse
• Les principales limites : pas de reconnaissance de personnes, sensible à la qualité de l’image
• Combinez texte et images dans un même message pour des analyses plus riches