GPT Image 2 et retouche locale : le masque guide, il ne verrouille pas

Autrement dit, le masque sert à guider la retouche locale. Il ne doit pas être compris comme l’équivalent d’un calque verrouillé dans un logiciel de retouche classique, ni comme une promesse que tous les pixels hors de la zone visée resteront identiques.

Ce que les documents officiels confirment vraiment

Les sources officielles permettent d’établir trois choses.

D’abord, GPT Image 2 existe bien comme modèle référencé dans la documentation de l’API OpenAI. Cela soutient l’affirmation selon laquelle GPT Image 2 est un modèle documenté par OpenAI, mais cela ne suffit pas à conclure qu’il préservera toujours parfaitement les visages, la lumière, la composition ou les zones non demandées lors d’une retouche.

Ensuite, les exemples GPT Image décrivent bien un usage du masque pour l’édition d’image. Le document indique qu’un utilisateur peut fournir un masque afin d’éviter que le modèle ne modifie une partie spécifique de l’image ; il précise aussi que, même avec un masque, il faut toujours accompagner l’opération d’un prompt.

Enfin, OpenAI ne présente pas ce masque comme une garantie de précision absolue. Au contraire, la documentation avertit que certaines parties situées dans le masque peuvent encore être modifiées et recommande un modèle de segmentation si l’on a besoin d’un masque exact.

Ce que cela change pour les visages, la lumière et le cadrage

Si votre besoin est du type : enlever une petite tache sur un vêtement, mais conserver strictement le visage, la carnation, l’éclairage, l’arrière-plan et le cadrage, les sources disponibles ne permettent pas de promettre ce résultat à coup sûr.

Le masque peut réduire le risque que les zones à préserver soient retouchées, mais la formulation officielle reste celle d’un évitement, pas d’une interdiction technique absolue.

C’est particulièrement important pour les images sensibles : portraits, photos d’identité, packshots, logos, textes imprimés, emballages, éléments de marque ou images commerciales où la cohérence de lumière compte. Dans ces cas, il ne faut pas seulement juger si l’image générée « a l’air bien ». Il faut comparer l’avant et l’après, vérifier les détails du visage, les bords du produit, les textes, les proportions et la composition. Cette vigilance découle directement de la limite indiquée par OpenAI sur l’usage du masque.

Les retours de la communauté : utiles, mais à lire avec prudence

Plusieurs discussions de l’OpenAI Developer Community mentionnent des problèmes de masques avec gpt-image-1 : conservation imparfaite, modification qui déborde de la zone prévue, inpainting qui remplace l’image entière ou masque ignoré.

Dans une réponse de communauté, le masking de GPT Image est décrit comme fondé sur le prompt : le modèle régénère l’image complète et tente de redessiner les zones non modifiées de manière proche de l’original, sans forcément suivre la forme exacte du masque avec une précision parfaite.

Ces éléments concernent surtout gpt-image-1 et ne constituent pas une promesse officielle, ni une preuve directe du comportement de GPT Image 2. Ils restent toutefois cohérents avec l’avertissement officiel selon lequel le masque peut ne pas être parfaitement exact. À ce titre, ils doivent être vus comme un signal de risque pour les usages exigeants.

Méfiance face aux promesses de retouche « chirurgicale »

Certains acteurs tiers présentent GPT Image 2 Edit comme un outil capable de modifier des images de référence à partir d’instructions en langage naturel, avec des retouches « chirurgicales » au pixel près, sans masks, layers ni Photoshop.

Ce type de formulation peut refléter un discours marketing ou une intégration commerciale, mais il ne doit pas remplacer la lecture des limites indiquées par OpenAI ni vos propres tests. Pour évaluer si l’outil peut réellement ne modifier qu’un détail tout en conservant le reste, la référence la plus solide reste la documentation officielle et la vérification image par image.

Dans quels cas l’utiliser, et quand redoubler de prudence

Pour produire rapidement des pistes créatives, des variantes de visuels sociaux, des essais de décor, des maquettes ou des concepts, l’édition avec masque peut être intéressante : OpenAI fournit bien un exemple de flux de retouche masquée.

Pour une image qui doit rester fidèle à l’original, les exigences doivent être plus strictes :

1. Rédiger un prompt explicite. Même avec un masque, OpenAI indique qu’un prompt reste nécessaire ; il faut donc dire clairement ce qui doit changer et ce qui doit être préservé.
2. Préparer un masque plus précis si la frontière compte. Si vous avez besoin d’un masque exact, OpenAI recommande d’utiliser un modèle de segmentation d’image.
3. Considérer la sortie comme une version candidate. Puisque le modèle peut encore modifier certaines zones censées être protégées, les visages, contours, textes et éléments de marque doivent être vérifiés manuellement.
4. Comparer systématiquement avec l’original. Pour les images où le cadrage, la lumière ou les détails sont critiques, une comparaison avant/après est plus sûre qu’un simple contrôle visuel de l’image finale.

La formulation la plus sûre

GPT Image 2 peut être testé dans un flux de retouche locale, mais les sources vérifiables ne soutiennent pas l’idée qu’il puisse garantir de ne modifier qu’une petite zone en laissant le visage, la lumière et la composition parfaitement intacts. Les documents OpenAI confirment l’usage d’un masque pour guider l’édition, tout en indiquant que ce masque peut ne pas être parfaitement respecté. Pour une retouche de haute précision, il faut prévoir segmentation, comparaison avant/après et validation humaine.