GPT Image 2 Thinking Mode : guide raisonnement + web search

Un modèle d'image qui réfléchit avant de dessiner

gpt-image-2 — la marque grand public est ChatGPT Images 2.0, lancée le 21 avril 2026 — est le premier modèle d'image d'OpenAI doté d'un raisonnement natif. Avant de rendre quoi que ce soit, il effectue une chaîne de pensée : il planifie la composition, vérifie les relations spatiales entre les objets, valide que tout texte présent dans l'image sera correctement orthographié et se corrige avant de s'engager dans les pixels. Le bénéfice concret est un taux d'échec plus faible à la première tentative et moins de cette impression de « ça se voit tout de suite que c'est de l'IA » qui plombait les modèles précédents.

Le détail que la plupart des utilisateurs ratent, c'est qu'il s'agit d'une fonctionnalité à deux niveaux. Les utilisateurs gratuits de ChatGPT obtiennent le mode Instant : rapide, sans passe de raisonnement. Le thinking mode, avec l'étape de planification et l'ancrage par web search, est réservé aux abonnés Plus, Pro et Business. Si vos résultats ne ressemblent en rien aux démos de lancement, vérifiez à quel niveau vous générez réellement avant d'incriminer votre prompt.

Comment déclencher le Thinking Mode

Il y a deux portes d'entrée. La voie explicite, c'est le bouton de raisonnement dans ChatGPT : activez-le et chaque requête d'image passe par la phase de planification. La voie au niveau du prompt, c'est la formulation : ajouter une ligne comme « think through this carefully » à une requête d'image pousse le modèle sur la voie du raisonnement. Cette phrase ne coûte rien, alors sur tout prompt qui compte, incluez-la.

Ce mode change-t-il vraiment la sortie ? Dans les essais pratiques de The Decoder, la version Thinking a produit un niveau de détail visiblement meilleur sur des prompts exigeants comme « DSLR-quality photorealistic portrait » que le même prompt lancé en Instant. Sur les prompts faciles, l'écart se resserre ; sur les difficiles, c'est la différence entre une prise utilisable et trois nouvelles tentatives.

Think through this carefully before generating: a DSLR-quality photorealistic portrait of a ceramicist in her studio, soft window light from the left, shallow depth of field, hands dusted with dried clay, honest skin texture — no beauty-filter smoothing.

Quels prompts en profitent de façon mesurable

Le raisonnement est un surcoût, et ce surcoût ne se rentabilise que là où la planification compte. Trois familles de prompts en profitent de façon mesurable :

• Les images chargées en texte — affiches, étiquettes, maquettes d'UI. Le modèle valide l'orthographe et la mise en page pendant la passe de raisonnement au lieu de découvrir une typographie illisible après le rendu.
• Les scènes spatialement complexes — de nombreux objets aux relations définies, là où les modèles antérieurs abandonnaient ou fusionnaient des éléments en silence.
• Les séquences multi-images — tout ce qui exige le même personnage, le même éclairage et le même style sur plusieurs images (voir plus bas).

Les chiffres de la communauté le confirment. Le test à la « Où est Charlie ? » de Simon Willison — « where is the raccoon holding a ham radio » — a réussi à la résolution maximale de 3840x2160 (environ 0,40 $ par image et 13 342 tokens de sortie, d'après les rapports) là où les modèles prédécesseurs échouaient ; son verdict était qu'il « takes the crown from Gemini, at least for the moment » (il arrache la couronne à Gemini, du moins pour le moment). Le benchmark communautaire GenAI Showdown a noté gpt-image-2 à 12/15 sur les prompts d'adhérence stricte, dépassant les leaders précédents. OpenAI elle-même affirme qu'il domine tous les classements Image Arena, avec une avance de +242 points en Text-to-Image qu'elle décrit comme la plus grande de l'histoire de ce classement — une affirmation du fournisseur, mais cohérente sur le fond avec les résultats indépendants.

Une réserve honnête issue du fil de lancement sur Hacker News : dans le test de grille 8x8 de Pokémon d'un utilisateur avec des règles de style conditionnel, GPT Image 2 l'a emporté sur la qualité visuelle, mais Nano Banana Pro a mieux suivi la logique conditionnelle. Si votre prompt est essentiellement un règlement — « every third cell in grayscale, water types get a blue border » —, testez les deux avant d'engager un pipeline sur l'un ou l'autre.

Génération ancrée par web search

Le plus grand déverrouillage à l'intérieur du Thinking Mode, c'est la récupération. Pendant sa passe de raisonnement, le modèle peut faire une web search en temps réel pour des références visuelles, de sorte qu'il peut viser des styles actuellement tendance ou des faits récents du monde réel plutôt que de les approximer à partir de données d'entraînement figées des mois plus tôt. C'est la première fois qu'une récupération de type RAG entre dans un pipeline de génération d'images — en parallèle de l'approche de Google avec Nano Banana Pro — et The Decoder y voit une avancée susceptible de refaçonner en profondeur la génération graphique. Comme le raisonnement lui-même, elle est réservée aux abonnés payants.

Écrire un prompt ancré, c'est l'arrimer à quelque chose que le modèle devrait aller chercher plutôt qu'imaginer. Le schéma : nommez une référence visuelle actuelle et observable, puis décrivez votre sujet.

• « A product shot in the style currently trending on Instagram for skincare brands » — le modèle cherche d'abord, puis génère.
• « A UI mockup that matches the visual language of modern fintech apps » — ancré dans l'apparence réelle qu'ont ces apps en ce moment.

Les gestes vagues (« a modern-looking website ») ne déclenchent pas de récupération utile ; une référence vérifiable (« currently trending », « this season's campaign look ») le fait.

Cohérence multi-images : jusqu'à 8 images par prompt

Le Thinking Mode peut générer jusqu'à 8 images à partir d'un seul prompt tout en gardant le personnage, les objets, l'éclairage et le style cohérents d'une image à l'autre. C'est là que la passe de raisonnement justifie son coût de la manière la plus visible : le modèle planifie toute la séquence avant de rendre la première image, au lieu de traiter chaque case comme un coup de dés indépendant.

Generate an 8-panel manga sequence of the same silver-haired detective walking through a rainy Tokyo street at night. Keep the character design, trench coat, facial features and umbrella identical in every panel. Maintain the same neon-reflection lighting and ink-wash style across all 8 frames. Panel flow: wide establishing shot, medium follow, close-up on the eyes, reflection in a puddle, turning into an alley, noticing a clue, picking it up, final wide shot from behind.

Énoncez l'exigence de cohérence de façon explicite — « keeping the character design, outfit and lighting consistent across all panels » — plutôt que de supposer que le modèle la déduit. La passe de raisonnement la traite comme une contrainte à vérifier, ce qui est exactement ce que vous voulez.

Instant ou Thinking : une règle de décision simple

Instant convient pour les moodboards, les concepts jetables et les images à sujet unique sans texte. Passez à Thinking — ou formulez votre prompt pour le déclencher — dès l'instant où votre image contient des mots, plus de trois ou quatre objets aux relations définies, ou la moindre exigence de cohérence entre les images. C'est la ligne où la passe de planification cesse d'être un surcoût pour devenir le produit.

Si vous voulez sentir la différence avant de vous engager dans un abonnement, GPT Image 2 est gratuit pour commencer : vous obtenez 20 crédits à l'inscription, sans carte bancaire. Collez l'un des prompts ci-dessus, ou lancez votre propre test d'affiche chargée en texte, sur https://gpt-img2.com.