Nano Banana 2 ou GPT Image 2.5 : évaluations et exemples

GPT Image 2.5 obtient actuellement les meilleurs résultats globaux dans les évaluations. Nano Banana 2 mérite toujours d’être testé pour son utilisation des résultats de recherche, la souplesse de ses formats d’image et ses coûts de génération. Pour un travail créatif, la question utile est de savoir quel modèle produit un visuel acceptable avec le moins de dépenses de génération, d’attente et de corrections manuelles.

La comparaison porte sur trois modèles. OpenAI propose GPT Image 2.5 Flare, optimisé pour la vitesse, et GPT Image 2.5 Sunburst, optimisé pour la qualité. Le modèle Nano Banana 2 de Google correspond à Gemini 3.1 Flash Image. Nano Banana Pro et Nano Banana 2 Lite sont des modèles différents. Guide des modèles OpenAI, Documentation des modèles Google.

Recherches vérifiées le 5 octobre 2026. Les dates des relevés d’évaluation sont précisées ci-dessous. Les exemples générés illustrent des tâches d’évaluation ; ils ne constituent pas un comparatif direct avec notation.

Pour les usages pris en charge, les sources des annonces et les estimations de crédits Quickmake, consultez les guides de Nano Banana 2 et de GPT Image 2.5. Les pages de leurs familles comparent l’ensemble des gammes Nano Banana et GPT Image.

Quel modèle essayer en premier ?

Ces recommandations éditoriales constituent des points de départ fondés sur les éléments présentés ci-dessous. Un classement global ne permet pas de savoir si un modèle préservera votre emballage particulier ou reproduira correctement chaque caractère du texte de votre campagne.

Résultats des évaluations indépendantes

Préférence texte-image selon Artificial Analysis

Artificial Analysis mesure la préférence à partir de votes humains comparant des paires d’images. Son classement AA-Image-T2I v2.0, consulté le 5 octobre 2026, indiquait :

Les deux configurations d’OpenAI devancent ici Nano Banana 2. Sunburst et Flare sont bien plus proches : leurs intervalles publiés se chevauchent, si bien que ce faible écart ne permet pas de désigner Sunburst comme vainqueur incontestable sur la seule base de cette évaluation. Classement texte-image d’Artificial Analysis.

Le score Elo décrit une préférence relative au sein d’une évaluation. Un écart de 72 points ne signifie pas qu’une image est meilleure de 72 %. Les scores de classements distincts ne doivent pas être moyennés ni comparés comme s’ils reposaient sur une échelle commune.

Résultats de génération et de retouche d’Arena

Le classement texte-image d’Arena était daté du 24 septembre 2026. Celui de la retouche d’une image unique était daté du 29 septembre.

Les entrées GPT Image 2.5 portaient la mention préliminaire. La configuration répertoriée de Nano Banana 2 incluait la recherche Web. Ces détails comptent lorsqu’on compare les résultats avec ceux d’une autre application ou configuration API. Résultats texte-image d’Arena, Résultats de retouche d’image d’Arena.

Le résultat en retouche justifie de tester Sunburst en premier pour les travaux exigeants à partir de références. Il ne démontre pas une préservation parfaite, et un classement portant sur une image unique ne prouve pas les performances sur une longue série de retouches.

Capacités et latence selon ImageBench

ImageBench V1.2 évalue 192 prompts répartis en six catégories. Son score global combine à parts égales une évaluation des capacités et une estimation de la préférence esthétique ; il ne s’agit pas simplement d’un pourcentage de prompts réussis.

ImageBench publie les résultats pour permettre leur examen. Ses évaluateurs automatiques peuvent se tromper. Ces durées correspondent aussi à des configurations particulières : l’entrée Google utilise un point de terminaison fal/google/, tandis que les entrées OpenAI utilisent openai/. Ces temps de réponse ne sont pas garantis chez tous les fournisseurs. Classement ImageBench et résumé de la méthodologie.

Ces mesures remettent en cause l’affirmation générale selon laquelle Nano Banana 2 serait toujours plus rapide. Pour votre propre processus, mesurez le délai entre l’envoi d’une requête et l’obtention d’une image exploitable, en incluant les nouvelles tentatives.

Qualité d’image et respect du prompt

Les évaluations globales favorisent GPT Image 2.5, ce qui en fait un point de départ pertinent pour un brief exigeant. Mais une image impressionnante peut tout de même ne pas répondre au besoin.

Pour une photo de produit, examinez la silhouette, les reflets, les ombres de contact et l’étiquette. Vérifiez la composition à sa taille de livraison finale : un flacon détaillé ne suffit pas si la mise en page ne laisse aucune place à un titre.

Pour une illustration éditoriale, vérifiez si l’idée se comprend rapidement et si le sujet reste identifiable en miniature. Une image très texturée peut être impressionnante en grand format tout en perdant son point focal dans un fil social.

Commencez par Sunburst lorsque le brief comporte des exigences visuelles élevées, puis évaluez Flare selon les mêmes critères d’acceptation. Ne conservez le processus plus lent ou plus coûteux que si ses résultats le justifient.

Retouche d’image et préservation du sujet

OpenAI documente des améliorations de la retouche précise et de la préservation du sujet pour les deux variantes 2.5. Google prend en charge la retouche d’image conversationnelle. Leur fiabilité doit néanmoins être vérifiée sur vos propres visuels. Conseils d’OpenAI pour les prompts d’image, Documentation de Nano Banana 2.

Un test utile est volontairement ciblé : changez la couleur de l’arrière-plan tout en préservant le produit, l’étiquette, l’angle de prise de vue et le premier plan. Évaluez séparément la zone modifiée et celles censées rester inchangées. Un arrière-plan correct ne compense pas un nom de marque mal orthographié.

Pour des retouches successives, gardez l’original visible à côté du dernier résultat. Après plusieurs modifications, comparez à nouveau avec l’original ; comparer uniquement des versions consécutives peut rendre les dérives progressives moins perceptibles. L’exemple produit ci-dessous montre pourquoi c’est important.

Rendu du texte et localisation

Google met en avant un meilleur rendu du texte et la localisation au sein des images pour Nano Banana 2, ce qui rend la publicité multilingue pertinente à tester. Annonce de Google destinée aux développeurs.

Les scores globaux ci-dessus ne désignent pas de vainqueur typographique langue par langue. Testez la langue, la quantité de texte et les dimensions dont vous avez réellement besoin.

Pour une affiche, évaluez séparément l’orthographe et la mise en page. Des mots corrects peuvent présenter un mauvais espacement ou une hiérarchie illisible. Une mise en page soignée peut contenir un caractère erroné. Examinez la ponctuation, les accents, les nombres et les écritures non latines aussi attentivement que le titre.

Pour les campagnes en production, du texte modifiable reste utile même lorsqu’un générateur reproduit bien les lettres. Les prix, les dates et les traductions sont plus faciles à maintenir sur des calques distincts dans un éditeur de design.

Appui sur la recherche et formats de sortie

Nano Banana 2 permet une génération enrichie par la recherche Web et d’images. Ses résolutions documentées incluent 0.5K, 1K, 2K et 4K, avec des formats particulièrement larges ou hauts tels que 4:1, 1:4, 8:1 et 1:8. Spécifications du modèle Google.

Cela justifie de le tester pour des briefs faisant appel à des références visuelles du Web ou à des bannières panoramiques. Considérez l’appui sur la recherche comme un avantage à l’entrée, sans garantie d’exactitude factuelle. Pour une illustration architecturale, examinez la géométrie du bâtiment et ses détails distinctifs avant de la valider.

Distinguez également les capacités du fournisseur des réglages proposés par votre application. Une fonctionnalité de l’API d’un modèle n’est utile à votre processus que si l’interface que vous utilisez la prend en charge.

Tarifs et coût par visuel accepté

Google indique les tarifs standards suivants pour les images produites par Nano Banana 2 :

Les entrées, les sorties de texte ou de raisonnement et les requêtes de recherche facturables peuvent ajouter des frais. Les tarifs par lot sont plus bas. Tarifs de l’API Google.

Pour les deux variantes de GPT Image 2.5, OpenAI indique des tarifs standards de 5 $ par million de jetons de texte en entrée, 8 $ par million de jetons d’image en entrée et 30 $ par million de jetons d’image en sortie. L’estimation par image dépend des réglages de génération et de la consommation obtenue. Tarifs de l’API OpenAI.

Artificial Analysis indique environ 210,70 $ pour 1 000 images pour chacune des configurations GPT Image 2.5 « max » testées et 67 $ pour 1 000 images pour Nano Banana 2. Cela représente un rapport d’environ 3,1× pour ces configurations, et non un rapport de prix universel. Comparaison des tarifs d’Artificial Analysis.

Un indicateur économique plus utile est le coût par visuel accepté : dépenses totales de génération divisées par le nombre de visuels acceptés.

Par exemple, une génération hypothétique à 0,07 $ nécessitant cinq tentatives revient à 0,35 $ par visuel accepté. Une génération à 0,20 $ acceptée immédiatement coûte moins cher au total. Aucun de ces exemples ne prédit les taux d’acceptation réels de ces modèles ; ils montrent pourquoi il faut intégrer les nouvelles tentatives au calcul. Suivez séparément le temps de correction manuelle.

Quickmake chiffre les générations en crédits IA. Les tarifs directs des API ne sont pas les tarifs en crédits Quickmake. Ouvrez le générateur d’images IA et vérifiez l’estimation du générateur pour le modèle et les réglages choisis.

Exemples générés et prompts réutilisables

Photographie de produit avec un texte exact

Exemple de brief produit testant la reproduction exacte du texte, le rendu des matériaux et le placement des objets. L’identité du modèle n’est pas vérifiée.

Créez une photographie de studio carrée d’un unique flacon de savon pour les mains en verre ambré avec une pompe noire mate, posé sur un bloc de calcaire clair devant un fond crème chaud. Vue de trois quarts face, lumière du jour douce venant du haut à gauche, réfraction du verre crédible et ombre de contact douce. L’étiquette en papier ivoire doit afficher exactement trois lignes : « FORM & FIELD », « CEDAR HAND WASH », « 300 ml ». La pompe est orientée vers la gauche. Une branche d’eucalyptus repose sur la surface à droite du bloc. Photographie éditoriale de produit sobre, aux textures fines et réalistes. Aucun autre objet, aucun autre texte, aucun filigrane.

Les trois lignes demandées sur l’étiquette sont lisibles, et la pompe pointe vers la gauche. Le flacon et la pierre offrent des surfaces utiles pour examiner les reflets et les textures. Comme il s’agit d’un produit fictif généré à partir de texte, cet exemple ne teste pas la fidélité à une photographie de produit existante.

Une retouche ciblée de l’arrière-plan

Brief de retouche limité à l’arrière-plan, utilisant l’image précédente comme référence. Comparez le produit et le premier plan aussi attentivement que le mur modifié.

Remplacez uniquement le mur crème de l’arrière-plan par un mur vert sauge discret. Conservez à l’identique le flacon ambré, sa silhouette et sa taille exactes, la pompe noire orientée vers la gauche, les trois lignes de l’étiquette (« FORM & FIELD », « CEDAR HAND WASH », « 300 ml »), la typographie, la texture de l’étiquette, le bloc de calcaire, la branche d’eucalyptus, la surface du premier plan, le cadrage et l’angle de prise de vue. Préservez la direction et la douceur de la lumière. N’ajoutez et ne supprimez aucun objet. Produisez une photographie carrée.

L’arrière-plan change et l’étiquette reste lisible. La composition générale est conservée, mais certaines textures du calcaire changent aussi. C’est pourquoi « semble similaire » et « a préservé tous les éléments demandés » doivent recevoir des appréciations différentes. Réutilisez la même image source pour comparer les trois modèles cités via leurs véritables points de terminaison.

Typographie d’une affiche bilingue

Exemple d’affiche bilingue testant la reproduction exacte du texte et la hiérarchie typographique. L’événement est fictif.

Le prompt réutilisable suivant harmonise le brief envoyé ; le journal de génération conserve sa formulation d’origine.

Créez une affiche carrée contemporaine pour un marché du design. Papier ivoire chaud avec une discrète texture imprimée, grandes lettres sans empattement modernes bleu marine foncé avec une hiérarchie claire, cercle vermillon affirmé et petit accent rectangulaire bleu cobalt. Reproduisez exactement ces cinq lignes : « FORM & FIELD », « DESIGN MARKET », « 24–25 OCTOBER », « SOFIA • СОФИЯ », « FREE ENTRY ». Utilisez les caractères cyrilliques pour « СОФИЯ ». Marges équilibrées et espacements généreux. Design graphique plat vu de face, sans maquette en perspective, sans cadre photographié, sans filigrane. La typographie constitue le point focal.

Le texte demandé paraît lisible, y compris le nom de la ville en cyrillique. Une vérification complète doit aussi examiner la forme des caractères, la ponctuation, les espacements et la lisibilité à la taille d’affichage prévue. Un seul exemple réussi ne démontre pas une fiabilité multilingue.

Comment comparer les modèles sur votre propre travail

Utilisez les mêmes briefs et images sources pour Nano Banana 2, Flare et Sunburst. Notez précisément le modèle, le fournisseur, les dimensions, le réglage de qualité et l’activation éventuelle de la recherche. Si les réglages ne peuvent pas être identiques, indiquez la différence.

Générez plusieurs résultats indépendants par brief et conservez les échecs comme les réussites. Dans la mesure du possible, examinez les résultats sans afficher le nom du modèle. Évaluez séparément quatre aspects :

1. Respect des consignes : les éléments demandés et le texte exact sont-ils présents ?
2. Qualité visuelle : l’image fonctionne-t-elle à la taille de livraison prévue ?
3. Préservation : pour les retouches, qu’est-ce qui a changé en dehors de la zone demandée ?
4. Effort de production : combien de temps et d’argent a nécessité un visuel accepté ?

Pour la retouche, fournissez à chaque modèle la même source originale. Partir d’une image générée différente pour chaque modèle introduit une variable supplémentaire. Définissez ce qui est acceptable avant d’examiner les résultats, et évitez de sélectionner un résultat séduisant en masquant des échecs répétés.

Notre recommandation

Commencez par GPT Image 2.5 Sunburst lorsque la qualité finale et la précision des retouches dominent le brief. Les résultats indépendants cités étayent ce choix. Testez Flare lorsque les délais comptent ; ses scores sont proches de ceux de Sunburst dans certaines évaluations et sa latence mesurée est plus faible dans ImageBench.

Testez Nano Banana 2 lorsque l’appui sur la recherche, des formats inhabituels ou l’économie de génération sont importants pour votre processus. Choisissez en fonction de réussites répétées sur vos propres briefs, avec un texte acceptable, des détails préservés et un effort de révision maîtrisé.

Découvrez le générateur d’images IA et le processus de retouche d’images IA. Importez le résultat sélectionné dans l’éditeur de design pour terminer la composition et garder le texte de la campagne modifiable.