Le remplissage génératif en 2026 : comparaison de l'état de l'art

Le fondement technique : diffusion latente et inpainting

Chaque système de remplissage génératif de 2026 repose sur la diffusion latente. L'architecture, décrite dans l'article de Rombach et al. de 2022, encode une image dans un espace latent compressé (environ 8 fois plus petit par dimension spatiale), applique un processus de débruitage conditionné par le contexte environnant, puis la décode à nouveau en pixels. Pour l'inpainting, le modèle reçoit l'image avec la région masquée mise à zéro, un masque binaire et, en option, une invite textuelle. Il génère de nouvelles valeurs latentes pour le masque tout en ancrant les régions non masquées à la représentation d'origine.

Deux stratégies de conditionnement dominent. Les modèles conditionnés par texte (Adobe Firefly, Photoshop Generative Fill) acceptent une invite qui guide ce qu'il faut générer. Tapez « montgolfière » et le modèle en place une qui correspond à la perspective et à l'éclairage de la scène. Les modèles basés uniquement sur le contexte (le mode par défaut de Magic Eraser, de nombreux outils mobiles) déduisent entièrement le contenu de remplissage à partir des pixels environnants, et excellent dans la suppression d'objets et la reconstruction d'arrière-plan. Les outils les plus performants de 2026 prennent en charge les deux modes. Le facteur de qualité déterminant pour toutes les approches est la fusion des limites : garantir que les pixels générés se fondent dans les pixels existants sans coutures visibles, décalages de couleur ni ruptures de texture.

Comparaison des implementations : qui propose quoi

Adobe Photoshop Generative Fill, propulsé par la famille de modèles Firefly, est la configuration experte la plus complète en fonctionnalités. Le contenu généré est placé sur un calque séparé pour un masquage et une fusion indépendants. Le modèle, affiné sur des images Adobe Stock sous licence, gère le compositing créatif guidé par texte mieux que tout concurrent. Le compromis tient à l'accessibilité : un abonnement Creative Cloud (~23 $/mois), un logiciel de bureau et du matériel performant. Pour les experts déjà dans l'écosystème Adobe, c'est le choix naturel.

Magic Eraser adopte l'approche inverse. AI Fill gère l'inpainting et AI Expand gère l'outpainting, tous deux disponibles sur iOS, Android et le web sans aucune installation. L'interface est volontairement minimale — peindre, générer, vérifier — et les résultats reviennent en une à trois secondes. Un agent immobilier peut élargir la photo d'une pièce sur son téléphone entre deux visites. Un vendeur Etsy supprime un élément indésirable en quelques secondes. L'offre Premium est à 29,99 $/an. Le compromis face à Photoshop, c'est l'absence de compositing par calques et d'invites textuelles. Magic Eraser est optimisé pour un remplissage rapide et conscient du contexte plutôt que pour la direction créative.

Canva intègre le remplissage génératif via Magic Expand (extension du format) et Magic Grab (repositionnement du sujet avec remplissage génératif de l'arrière-plan). L'avantage est l'intégration au flux de travail avec le système de modèles et de design de Canva. La qualité de remplissage est bonne pour les réseaux sociaux mais n'égale pas les éditeurs photo dédiés sur les sujets difficiles. Nécessite Canva Pro (~13 $/mois).

Google Magic Editor dans Google Photos s'appuie sur la famille de modèles Imagen et produit de solides résultats sur les scènes naturelles — paysages, photos de groupe, clichés de voyage. Gratuit pour les propriétaires de Pixel, accessible aux abonnés Google One ailleurs. L'outil est orienté grand public, sans voie d'exportation experte. Samsung Galaxy AI, disponible sur les appareils Galaxy haut de gamme depuis la série S24, fonctionne avec une architecture hybride : les remplissages simples sont traités sur l'appareil via le NPU, les plus complexes sont acheminés vers le cloud. La qualité est compétitive pour un usage occasionnel, mais les résultats sur l'appareil montrent une fidélité moindre sur les textures complexes que les options cloud.

Criteres de qualite : fusion des contours, texture et conscience semantique

Sur les tâches simples, chaque outil se comporte bien. Les différences apparaissent sur les défis plus ardus. Pour la fusion des contours, Adobe Photoshop et Magic Eraser ont produit les transitions les plus nettes dans nos tests, avec des coutures minimales à 200 % de zoom. Canva et Google ont montré des halos de décalage de couleur occasionnels sur les limites à fort contraste. Les résultats de Samsung variaient entre le traitement sur l'appareil et dans le cloud.

La cohérence des textures sur de vastes régions de remplissage (plus de 30 % de l'image) favorise le pipeline haute résolution de Photoshop. Magic Eraser gère bien les remplissages jusqu'à environ 40-50 % de la surface de l'image, AI Expand surpassant souvent AI Fill sur les très grandes régions car son modèle d'outpainting est optimisé pour générer un contenu cohérent à partir du contexte des bords. Les murs de briques, les sols en bois et le feuillage restent des tests de résistance courants.

La conscience sémantique — comprendre ce qui appartient logiquement à une région remplie — s'est nettement améliorée depuis 2024. Le Firefly de Photoshop et l'Imagen de Google reconstruisent une géométrie de scène plausible presque à chaque fois (par exemple, en révélant le pied d'une table derrière une chaise supprimée). Magic Eraser gère correctement les scénarios courants, avec des erreurs occasionnelles sur les occlusions complexes à plusieurs objets. La vitesse compte aussi : Magic Eraser et Google renvoient les résultats en une à trois secondes. Photoshop prend de trois à huit secondes mais avec un plafond de qualité plus élevé.

Ce que le remplissage generatif ne fait toujours pas bien

Les visages humains restent le défi le plus difficile. Les régions de remplissage qui chevauchent un visage produisent le plus souvent des résultats relevant de la vallée dérangeante sur tous les outils. Le conseil pratique : éviter de faire croiser les visages avec les régions de remplissage et utiliser plutôt des outils de retouche dédiés. Le texte présent dans la scène est un autre échec constant — les modèles de diffusion génèrent des formes proches de lettres mais rarement lisibles. La solution de contournement consiste à remplir sans le texte puis à l'ajouter comme calque séparé.

Les motifs répétitifs complexes à régularité géométrique stricte (sols carrelés, clôtures grillagées, tissus tissés) déstabilisent les modèles car les moindres écarts d'espacement ou d'angle sont immédiatement visibles. Les résultats se sont améliorés depuis 2024 mais une retouche manuelle est souvent nécessaire. Les reflets et la transparence posent un problème connexe : les reflets simples (un bâtiment dans un lac calme) fonctionnent. Les reflets complexes en angle (une personne dans la vitrine d'un magasin) restent peu fiables sur toutes les implémentations.

Les familles de modeles : SDXL, Firefly et Imagen

Trois lignées de modèles dominent le remplissage génératif en 2026. Le SDXL de Stability AI et ses dérivés alimentent de nombreux outils indépendants et open source, avec des atouts en fidélité de texture et en exactitude des couleurs sur la photographie en extérieur et de produits. Le pipeline de Magic Eraser utilise un modèle propriétaire bâti sur les principes de l'inpainting par diffusion, optimisé pour la rapidité et la qualité des contours sur les types d'images que nos utilisateurs retouchent le plus.

Adobe Firefly, entraîné sur du contenu Adobe Stock sous licence, excelle sur l'imagerie commerciale et offre la génération conditionnée par texte la plus puissante. Il produit des résultats cohérents à partir d'invites descriptives avec lesquelles d'autres modèles peinent. La famille Imagen de Google, dont la variante qui propulse Magic Editor, livre les résultats de scènes naturelles les plus photoréalistes et la compréhension sémantique de scène la plus poussée. Elle reste exclusive aux produits de Google, sans accès API tiers.

Ou le remplissage generatif se dirige ensuite

Trois tendances façonnent la prochaine phase. Le traitement sur l'appareil s'étend des opérations simples sur les téléphones haut de gamme vers des remplissages de meilleure qualité sans aller-retour vers le cloud, avec des implications notables pour la confidentialité. Le remplissage génératif natif vidéo — maintenir la cohérence temporelle entre les images — est la prochaine frontière. Le remplissage image par image actuel fonctionne mais scintille, et les modèles temporels sont en développement actif chez Adobe, Google et plusieurs laboratoires de recherche.

La troisième tendance est l'affinage hybride humain-IA : l'IA génère un remplissage, l'utilisateur identifie les problèmes dans des zones précises. L'IA ne régénère que ces régions. Cette boucle collaborative existe à un niveau basique dans Photoshop et s'étend ailleurs. L'état final n'est pas l'IA remplaçant l'œil humain, mais l'IA assurant la génération lourde tandis que l'humain tranche les jugements. Pour les photographes, les designers et les utilisateurs au quotidien, le remplissage génératif est passé du gadget à l'outil essentiel. Et la bonne configuration dépend de votre flux de travail, de votre appareil et des images que vous manipulez le plus.