L'API de génération d'images en 2026

L’API de génération d’images en 2026

La génération d’images par intelligence artificielle a considérablement évolué. En 2026, GPT Image est le modèle de référence proposé par OpenAI pour créer et éditer des images via l’API ; il remplace les anciens modèles DALL·E 2 et DALL·E 3, désormais obsolètes. Si vous avez déjà écrit du code pour ces générations précédentes, considérez-le comme un point de départ à réécrire plutôt qu’un socle à conserver : les paramètres, les formats de retour et surtout la manière de rédiger un prompt ont changé.

Cette leçon vous présente l’écosystème actuel, les capacités de GPT Image et la manière dont vous allez interagir avec l’API tout au long du cours.

Ce que GPT Image change

La première rupture concerne le texte. Les générations précédentes produisaient des lettres approximatives, décoratives mais illisibles ; GPT Image rend une typographie fidèle, ce qui rend enfin exploitables les affiches, les bannières promotionnelles et les maquettes d’interface où le message compte autant que l’image. La deuxième rupture porte sur la compréhension contextuelle : le modèle interprète des instructions complexes avec leurs nuances, si bien qu’un prompt de plusieurs phrases décrivant une scène, son éclairage et son cadrage donne un résultat cohérent plutôt qu’un collage de mots-clés.

Vient ensuite l’édition native. Vous ne partez plus systématiquement d’une page blanche : le modèle sait modifier une image existante, en remplaçant une zone intérieure (inpainting) ou en prolongeant l’image au-delà de ses bordures (outpainting). Concrètement, changer le ciel d’une photographie de paysage ne demande plus de tout regénérer et de perdre le sujet au passage. À cela s’ajoutent une cohérence stylistique qui se maintient sur plusieurs générations successives — précieux quand vous produisez une série d’illustrations pour un même article — et plusieurs résolutions au choix, du carré aux formats portrait et paysage.

Les deux endpoints principaux

L’API expose deux méthodes, que vous approfondirez chacune dans les leçons suivantes. La première crée une image à partir d’une description textuelle.

from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="gpt-image-1",
    prompt="Un phare breton au coucher du soleil, style aquarelle",
    n=1,
    size="1024x1024"
)

image_url = response.data[0].url
print(image_url)

La seconde reprend une image que vous fournissez et n’en régénère que la partie désignée par un masque.

response = client.images.edit(
    model="gpt-image-1",
    image=open("photo_originale.png", "rb"),
    mask=open("masque.png", "rb"),
    prompt="Remplacer le ciel par un ciel étoilé"
)

Installation et configuration

Installez le SDK officiel avant toute chose.

pip install openai

Placez ensuite votre clé API dans un fichier .env, jamais en dur dans le code : un script partagé ou poussé sur un dépôt emporterait votre clé avec lui.

OPENAI_API_KEY=sk-votre-cle-api

Le client la récupère alors automatiquement au démarrage, sans que vous ayez à la passer en argument.

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()
client = OpenAI()  # utilise automatiquement OPENAI_API_KEY

Modèle et tarification

Le modèle actuel s’appelle gpt-image-1. Voici les caractéristiques que vous manipulerez en permanence.

Retenez un point qui provoque beaucoup de bugs en production : les URL temporaires expirent après environ une heure. Une application qui stocke ces liens en base de données affichera des images cassées le lendemain. Récupérez systématiquement les données en base64, ou sauvegardez le fichier immédiatement après la génération.

Ce que vous allez apprendre

Le cours progresse en quatre temps. Vous commencez par les fondamentaux de GPT Image via l’API — génération et édition — avant de passer aux cas d’usage concrets en e-commerce, en marketing et en design. Les techniques avancées vous apprendront ensuite à construire des prompts visuels complexes et à intégrer la génération dans des pipelines multi-outils. La dernière partie traite la mise en production, avec l’optimisation des coûts et la modération du contenu. Chaque leçon contient du code Python fonctionnel que vous pouvez exécuter directement.

Avant d’aller plus loin, vérifiez que votre environnement répond. Exécutez ce script minimal : si vous obtenez une URL en réponse, votre clé est valide, le SDK est correctement installé et vous pouvez passer à la leçon suivante.

from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="gpt-image-1",
    prompt="Un chat roux assis sur une pile de livres, photo réaliste",
    n=1,
    size="1024x1024",
    quality="medium"
)

print(f"Image générée : {response.data[0].url}")