Texte vers image

Texte vers image part d'une description écrite et renvoie une image fixe. Aucune image source n'intervient : le prompt constitue toute l'entrée, et le modèle compose le sujet, le style, la lumière et le cadrage à partir de rien. C'est la façon la plus rapide d'obtenir un visuel qui n'existe pas encore, d'où sa présence dans les concepts produit, les visuels d'en-tête d'article, les plans de storyboard, les déclinaisons publicitaires, les icônes d'application et les références graphiques transmises à un designer.

La formulation du prompt fait l'essentiel du travail. Nommer le sujet, le médium, la lumière et le format d'image déplace en général davantage le résultat qu'empiler les adjectifs, et générer une petite série avant de retenir la meilleure image vaut mieux que peaufiner indéfiniment un seul prompt. Le texte inscrit dans une image reste le point faible de tout le domaine : traitez les mots présents dans le résultat comme un bonus et non comme une garantie, et superposez vous-même les mentions importantes. Les modèles diffèrent aussi sur les options de résolution, et certains facturent les grands formats différemment.

Sur E2X, cette catégorie réunit aujourd'hui la famille Nano Banana de Google, variantes Pro et Lite comprises, aux côtés de GPT Image 2 d'OpenAI. Tous s'appellent de la même manière : envoyez un slug de modèle et un objet d'entrée à l'endpoint des jobs, puis interrogez l'identifiant de job renvoyé jusqu'à ce que le résultat soit prêt. Passer de l'un à l'autre revient à changer une seule chaîne, et vous payez par requête sur un solde prépayé : comparer deux modèles sur le même prompt coûte exactement deux requêtes.