Les images IA locales sont gratuites. Les images IA cloud sont instantanées. Votre GPU décide.

Les modèles d’image ouverts ont rattrapé leur retard — et dans certaines catégories, pris de l’avance. HiDream-O1, un modèle (8B) publié sous licence MIT en mai 2026, s’est classé parmi les meilleures entrées à poids ouverts de l’arène text-to-image d’Artificial Analysis, pour une fraction de la taille de ses rivaux plus lourds. Qwen-Image d’Alibaba rend le texte lisible dans les images mieux que la plupart des outils cloud. Et les modèles d’édition — Qwen-Image-Edit, FLUX Kontext — modifient désormais objets, arrière-plans et texte dans des photos existantes à partir d’une simple instruction en langage naturel, en local et gratuitement.

Le cloud a aussi son histoire 2026 : le marché s’est consolidé autour de quelques acteurs sérieux, les prix d’entrée sont tombés autour de 8-10 $/mois, et des données d’entraînement sûres commercialement sont devenues un vrai argument pour les entreprises. Les deux voies sont réellement bonnes. La question est de savoir laquelle vous convient — et contrairement à la vidéo, le seuil matériel pour l’image est assez bas pour rendre la voie locale réaliste pour bien plus de monde.

Les trois tournent via ComfyUI (ou une interface locale similaire) sur votre propre machine. Comme pour la génération vidéo : ce sont des modèles de diffusion, pas des LLM — ils ne fonctionnent pas dans Ollama.

La famille FLUX est la référence par défaut pour le travail d’image local sérieux. FLUX.2 [dev] (32B) domine sur le photoréalisme et la haute résolution, combinant jusqu’à 10 images de référence tout en gardant personnage, produit et style cohérents. FLUX.1 [schnell] génère des images de qualité en 1 à 4 étapes avec seulement 8 Go de VRAM. FLUX.1 Kontext est le leader local pour l’édition d’images existantes.

Licence — lisez bien ce point : la famille se divise en plusieurs licences. FLUX.1 [schnell] est Apache 2.0 — sans restriction, usage commercial inclus. FLUX.1/2 [dev] et Kontext utilisent la licence non commerciale de Black Forest Labs — les exploiter dans un produit commercial exige une licence payante auprès de BFL. « Poids ouverts » ne signifie pas « autorisé commercialement » ici.

Matériel : 8 Go (schnell), 12-16 Go (dev/Kontext), 24 Go (FLUX.2 dev, GGUF Q4).

SD 3.5 (8B Large / 2.5B Medium) n’est plus le leader en qualité, mais possède ce que les autres n’ont pas : l’écosystème le plus riche de l’IA locale. Des années de LoRAs communautaires (petits fichiers additionnels qui apprennent au modèle un style, un personnage ou un rendu produit), de ControlNets et de tutoriels font que, quoi que vous vouliez créer, quelqu’un a déjà construit les briques.

Matériel : 8-12 Go selon la variante ; SDXL tourne sans problème sur 8 Go.

Licence : Stability Community License — gratuite pour un usage commercial si vos revenus annuels sont sous 1 M$ ; au-delà, une Enterprise License est nécessaire. Adaptée aux freelances et petites entreprises ; une vraie contrainte à grande échelle.

Alibaba a ouvert Qwen-Image (20B) en open source en août 2025 sous Apache 2.0 — aucun seuil de revenus, aucune clause non commerciale, aucun jeu territorial. Sa spécialité est un point où la plupart des modèles échouent encore : du texte lisible et correctement orthographié dans l’image, en plusieurs langues. Affiches, panneaux, infographies, miniatures avec titres — c’est le modèle pour ça.

Bonus : Qwen-Image-Edit effectue des retouches précises, guidées par prompt, sur des photos existantes — changer la couleur d’un objet, remplacer un arrière-plan, corriger du texte — en préservant tout le reste.

Matériel : 8 Go (quantifié GGUF) à 24 Go (pleine précision). Licence : Apache 2.0 — le seul modèle d’image haut de gamme sans aucune clause cachée.

Publié en mai 2026 sous licence MIT — encore plus permissive qu’Apache 2.0 — HiDream-O1 (8B) s’est classé parmi les meilleures entrées à poids ouverts de l’arène text-to-image d’Artificial Analysis peu après sa sortie, rivalisant avec des modèles plusieurs fois plus grands. Il est jeune, l’écosystème est mince, et le support à long terme n’est pas prouvé (ce classement est mono-source au moment de la rédaction — à vérifier avant de le considérer comme acquis). Mais si la trajectoire se confirme, cette liste sera réécrite d’ici un an.

Si notre article vidéo vous a effrayé, voici le tableau qui rassure : les images représentent une charge de travail bien plus légère. Une RTX 3060 12 Go d’occasion (~170-220 $, prix US) couvre les deux premières lignes ci-dessous. À comparer à la génération vidéo, où 24 Go est le palier confortable.

Vous ne savez pas où se situe votre matériel ? Ces guides font le calcul : Calculateur de VRAM pour les besoins exacts par modèle, Combien de VRAM vous faut-il ? pour des graphiques par taille de modèle, Meilleurs GPU pour l’IA locale et Meilleurs GPU petit budget pour des choix matériels, et GPU vs CPU vs Apple Silicon pour les comparatifs de plateformes.

Même honnêteté que dans l’article vidéo. La génération d’images en local implique :

L’installation. ComfyUI ou une interface similaire, les fichiers de modèles au bon endroit, une erreur de dépendance de temps en temps. Une soirée, pas une semaine — les installations image sont bien plus simples que la vidéo — mais votre soirée quand même.

Le prompting. Aucune aide au prompt intégrée, aucun préréglage de style, aucun filtre de contenu (contrôle total — et responsabilité totale). Vous écrivez vos prompts vous-même. Nos guides sur prompts système vs prompts utilisateur et le prompt engineering pour les modèles locaux couvrent les fondamentaux directement transposables.

La finition. Upscaling, correction des visages, organisation des lots — des outils et nodes séparés que vous choisissez vous-même. Vous voulez un personnage cohérent sur 30 images ? C’est l’entraînement LoRA : faisable, documenté, mais un vrai projet.

Avant de choisir une voie, sachez à quoi elle doit servir. La carte des usages réalistes :

• Sites de contenu et blogs : images d’en-tête, illustrations d’articles, cartes de prévisualisation sociale.
• YouTube et réseaux sociaux : miniatures, visuels de chaîne, graphismes de posts, créations publicitaires — y compris des variantes A/B rapides.
• E-commerce et marketing : mockups produits, mises en scène lifestyle, variantes saisonnières d’une même photo.
• Supports de travail : visuels de présentation, graphismes de pitch-deck, mockups conceptuels.
• Projets créatifs : couvertures de livres, concept art, mood boards, designs print-on-demand.
• Édition, pas seulement création : avec Qwen-Image-Edit ou FLUX Kontext — remplacer des arrière-plans, retirer des objets, restyliser des photos produit, corriger du texte dans un graphisme.

Deux limites honnêtes : les images IA peinent encore sur la cohérence de marque exacte à grande échelle (les LoRAs locaux aident ; les outils cloud rattrapent leur retard), et tout ce qui exige de vraies personnes, de vrais produits ou une exactitude factuelle nécessite de la photographie, pas de la génération.

Nous avons choisi Adobe Firefly et getimg.ai car ils couvrent véritablement les deux besoins cloud les plus courants : la sécurité commerciale maximale, et le pont le plus simple entre local et cloud. Midjourney et ChatGPT sont eux aussi largement utilisés pour la génération d’images, mais aucun des deux ne répond aussi directement à ces deux besoins spécifiques — Firefly et getimg.ai sont les choix les plus pertinents pour ce comparatif, pas un défaut par principe.

Firefly est entraîné sur Adobe Stock et du contenu sous licence ouverte — Adobe l’a conçu pour que les entreprises n’héritent d’aucun risque de droits d’auteur — et s’intègre directement à Photoshop et au reste de Creative Cloud. Si le travail client ou la sécurité de marque est votre priorité, c’est la voie cloud à choisir. Un essai gratuit permet de le tester avant de payer ; les forfaits payants démarrent à 9,99 $/mois pour 2 000 crédits génératifs (niveau Standard). Idéal pour : les professionnels, les agences, et quiconque a des clients qui demandent « est-ce légalement sûr ? »

Voici la nuance que la plupart des comparatifs manquent : getimg.ai fait tourner les mêmes modèles ouverts que vous installeriez en local — FLUX et consorts, plus de 20 modèles dans une seule interface — mais sur leurs GPU, pas les vôtres. Aucune installation, aucun calcul de VRAM, droits commerciaux inclus sur tous les forfaits. Si la voie locale vous tente mais que votre matériel dit non, voici le pont. La tarification est payante uniquement depuis début 2026 (l’offre gratuite a été retirée) — à partir de 8 $/mois facturés annuellement (10 $/mois facturés mensuellement) pour 3 000 crédits ; les niveaux supérieurs montent en gamme à partir de là. Idéal pour : les curieux du local sans GPU, et quiconque veut la variété des modèles ouverts sans la courbe d’apprentissage de ComfyUI.

(Mention honorable : Ideogram — un leader cloud pour le texte dans l’image, avec une offre gratuite limitée qui publie les images dans une galerie publique, et des forfaits payants à partir d’environ 20 $/mois.)

En bref, selon votre situation :

Optez pour le local si vous avez (ou comptez acheter) un GPU de 8 Go+, générez des images régulièrement, et voulez confidentialité, coût marginal nul et contrôle créatif total. Qwen-Image est la base la plus sûre — Apache 2.0, meilleur rendu de texte de sa catégorie — avec FLUX pour le photoréalisme (attention à la licence selon la variante) et SD 3.5 pour son écosystème de styles inégalé.

Optez pour le cloud si vous voulez un résultat dans les cinq minutes, générez occasionnellement, ou n’avez pas de GPU. Adobe Firefly est le choix sûr et professionnel avec des données d’entraînement sûres commercialement ; getimg.ai est le pont pour ceux qui aiment l’idée des modèles ouverts sans vouloir les installer.

Et si la vidéo est la prochaine étape — c’est une autre conversation matérielle. Lisez l’article compagnon : Génération vidéo IA locale vs cloud.