Génération d'images par IA en 2026 : Midjourney, Flux et la nouvelle course au photoréalisme
Il y a deux ans, repérer un portrait généré par IA relevait presque du jeu de société : compter les doigts, vérifier la symétrie des boucles d’oreilles, chercher ce reflet cireux qui trahissait un modèle de diffusion, aussi bon que soit le prompt. Ce jeu est devenu beaucoup plus difficile en 2026. Les modèles d’images les plus avancés rendent désormais les pores de peau individuellement, la façon dont la lumière rasante accroche la barbe naissante, et des mains avec le bon nombre de phalanges, assez souvent pour que « regarde juste les mains » ait cessé d’être un conseil fiable depuis environ un an. Ce progrès ne vient pas d’un seul laboratoire qui aurait pris de l’avance et l’aurait conservée — il vient de deux approches très différentes qui se poussent mutuellement vers le haut. D’un côté, Midjourney continue d’affiner un modèle fermé et soigneusement curaté que la plupart des utilisateurs n’ont jamais besoin de configurer. De l’autre, la gamme Flux de Black Forest Labs a transformé la génération d’images à poids ouverts, autrefois un compromis pour amateurs, en un socle sur lequel des pipelines professionnels s’appuient directement. La distance entre « ça ressemble à une photo » et « c’est manifestement de l’IA » n’a jamais été aussi réduite, et il vaut la peine de préciser quel modèle a comblé quelle partie de cet écart.
Midjourney : la curation plutôt que le contrôle
L’avantage de Midjourney n’a jamais vraiment résidé dans la performance technique brute — c’est une question de goût, livré sans aucune configuration. Le modèle par défaut actuel, V8.1, est devenu le modèle standard sur midjourney.com le 10 juin 2026, après une V8 Alpha ouverte à la communauté le 17 mars 2026. Le principal changement entre V7 et V8 a été Omni Reference, un système qui maintient le visage, la tenue ou l’objet d’un personnage cohérents d’une génération à l’autre, sans les contournements par image de référence plus contraignants qu’exigeait V7, accompagné d’un nouveau mode —hd qui rend nativement en 2K et d’une génération environ cinq fois plus rapide que la version précédente. Sur le photoréalisme spécifiquement, un test indépendant comparant V7 à V6 a trouvé un rendu plus photoréaliste dans 23 des 30 prompts standardisés testés, avec des gains mesurables sur la texture de peau, le détail des tissus et le rendu des ombres — et V8.1 prolonge cette tendance, en particulier dans les portraits en gros plan, où la lumière enveloppe désormais une mâchoire ou accroche des mèches de cheveux individuelles d’une façon qui se lit comme photographiée plutôt que rendue.
Rien de tout cela n’est gratuit, et Midjourney ne l’a jamais caché : il n’existe plus d’offre gratuite permanente en 2026, et les quatre formules d’abonnement sont Basic à 10 $/mois, Standard à 30 $, Pro à 60 $ et Mega à 120 $, avec environ 20 % de réduction en paiement annuel. Chaque formule inclut des droits d’usage commercial, et le mode Stealth — des générations privées invisibles dans le fil communautaire public — reste réservé aux formules Pro et supérieures. Ce que cet argent achète vraiment, ce n’est pas tant un accès brut au modèle qu’une sensibilité esthétique particulière, inscrite dans les poids eux-mêmes : les images Midjourney ont tendance à paraître réfléchies, dirigées artistiquement, intentionnelles, même à partir d’un prompt de trois mots. Fait notable, Midjourney ne participe pas aux arènes de benchmark tierces comme Artificial Analysis, qui mesurent les préférences humaines en aveugle sur des dizaines de modèles concurrents — un choix qui l’exclut des comparaisons Elo directes, sans pour autant entamer sa réputation auprès des artistes et designers professionnels qui forment son public principal.
Flux : le modèle à poids ouverts que les professionnels déploient réellement
Black Forest Labs, fondé en 2024 par d’anciens chercheurs de Stability AI, défend depuis deux ans l’idée qu’ « ouvert » et « à la pointe » ne sont pas des contraires, et FLUX.2 — sorti le 25 novembre 2025 et toujours le fer de lance de l’entreprise mi-2026 — en est la preuve la plus nette à ce jour. Plutôt qu’un modèle unique, FLUX.2 se décline en une famille calibrée sur différents points du curseur vitesse-contrôle : FLUX.2 [pro] est une offre API entièrement gérée, conçue pour égaler les modèles fermés de pointe en qualité tout en étant plus rapide et moins chère ; FLUX.2 [flex] expose directement le nombre d’étapes et l’échelle de guidage aux développeurs qui veulent ajuster eux-mêmes le compromis qualité-vitesse ; FLUX.2 [dev] est un modèle à poids ouverts de 32 milliards de paramètres, téléchargeable sur Hugging Face, que Black Forest Labs présente comme le modèle d’image à poids ouverts le plus capable actuellement disponible, et qui tourne — via une implémentation de référence fp8 développée avec NVIDIA et ComfyUI — sur des cartes grand public GeForce RTX plutôt que d’exiger un GPU de datacenter ; enfin FLUX.2 [klein], ajouté en janvier 2026 sous licence Apache 2.0 et de taille réduite par distillation, vise l’extrémité la plus rapide et la plus légère de la gamme, pour un usage embarqué et en périphérie de réseau.
Les affirmations techniques sont précises plutôt que relever du discours marketing vague : prise en charge multi-référence permettant de combiner jusqu’à 10 images d’entrée en un résultat cohérent, édition à des résolutions allant jusqu’à 4 mégapixels tout en préservant les détails fins, et — l’élément le plus important pour le fil conducteur du photoréalisme — les propres benchmarks de Black Forest Labs montrent FLUX.2 [dev] l’emportant dans 66,6 % des comparaisons texte-image en aveugle face au Qwen-Image d’Alibaba, et 59,8 % face à Qwen-Image-Edit en édition à référence unique, avec des marges encore plus nettes face à son propre prédécesseur FLUX.1 [dev].
En pratique, cela donne un modèle qui n’oblige plus à choisir entre « suffisamment ouvert pour être inspecté et affiné » et « suffisamment bon pour être mis en production ». Un designer peut installer FLUX.2 [dev] sur une station de travail locale, le faire tourner via ComfyUI, et obtenir un rendu de lumière et de peau qui aurait exigé une API fermée il y a encore une génération de modèles — avec l’auditabilité et le coût marginal nul que seuls des poids en main permettent réellement.
Où l’écart de photoréalisme s’est vraiment resserré
Les dimensions concrètes et mesurables de ce qui « fait vrai » ont progressé ensemble à travers tout le secteur cette année, plutôt que d’être l’apanage d’un seul laboratoire. La peau a connu le changement le plus visible : les modèles fortement entraînés sur des photographies retouchées et filtrées avaient tendance à produire par défaut un rendu plastique et lissé à l’excès, quel que soit le prompt. Les systèmes phares de 2026 — Midjourney V8.1, FLUX.2, et des concurrents comme Nano Banana Pro de Google et GPT Image 2 d’OpenAI — rendent désormais une texture de pores visible, des imperfections asymétriques, et la façon dont différents tons de peau diffusent et absorbent la lumière différemment, plutôt que d’aplatir tout le monde vers le même rendu lissé par défaut. Les mains, la vieille blague récurrente du secteur, se sont améliorées de façon moins spectaculaire mais tout de même significative : doigts en trop ou fusionnés sont désormais l’exception plutôt que le coup de dés dans les modèles phares, même si un examen attentif sous des poses exigeantes — mains agrippant un objet, doigts qui se chevauchent, angles inhabituels — trahit encore parfois le modèle. La lumière est sans doute le plus grand progrès structurel : Midjourney comme Flux gèrent désormais des sources lumineuses indirectes et mixtes — un visage éclairé par une fenêtre d’un côté et une lampe de l’autre — avec un affaiblissement physiquement plausible et un mélange de température de couleur cohérent, quelque chose qui mettait encore régulièrement les modèles en échec en 2024.
Côté benchmarks compétitifs, GPT Image 2 d’OpenAI domine actuellement l’Artificial Analysis Image Arena — qui classe les modèles uniquement sur des votes de préférence humaine en aveugle — avec un score Elo rapporté autour de 1337 à 1339, un écart avec la deuxième place que les responsables du classement décrivent comme le plus important jamais enregistré, tandis que FLUX.2 occupe la position la plus forte parmi les modèles véritablement à poids ouverts, et que Midjourney reste hors de ce classement par choix, pas par défaite. Rien de tout cela ne fait du photoréalisme un problème résolu — un texte fin intégré dans une scène photoréaliste, une anatomie inhabituelle et des reflets physiquement impossibles continuent de faire trébucher chacun des modèles cités ici, assez souvent pour compter dans un travail de retouche professionnelle. Mais la trajectoire est sans équivoque : les signes révélateurs qui faisaient de « repérer l’image IA » un jeu de société fiable il y a deux ans disparaissent un par un, et les deux voies très différentes — le modèle fermé et curaté de Midjourney, les poids ouverts et inspectables de Black Forest Labs — convergent vers le même résultat en partant de directions opposées.
Ce que cela signifie pour le reste de 2026
Pour quiconque choisit un outil aujourd’hui, la conséquence pratique est que « quel modèle est le plus photoréaliste » est une question moins utile qu’il y a un an à peine — la réponse honnête, pour la plupart des prompts du quotidien, est que plusieurs modèles phares franchissent désormais la barre. La question la plus pertinente s’est déplacée vers le flux de travail : préférer le jugement esthétique sans configuration de Midjourney pour un abonnement mensuel fixe, ou les poids inspectables et exécutables localement de Flux pour un pipeline où le contrôle, le coût à grande échelle et l’auditabilité comptent plus que le simple fait de choisir le modèle le mieux classé sur un tableau. Cette division devrait plutôt s’accentuer que se résorber — les plateformes fermées misant toujours davantage sur la curation et l’écosystème, les laboratoires à poids ouverts misant toujours davantage sur le contrôle et le coût — car les deux paris se sont déjà révélés suffisamment durables pour qu’aucun des deux camps n’ait de raison d’y renoncer.