L'état de la retouche photo : rapport de recherche 2026

Résumé exécutif

Entre janvier et avril 2026, nous avons analysé des données agrégées anonymisées provenant de 10,2 millions de retouches photo sur les plateformes iOS, Android et web de Magic Eraser. L'ensemble de données couvre des utilisateurs dans 194 pays, bien que la majorité du volume provienne des États-Unis (34 %), de l'Inde (11 %), du Royaume-Uni (8 %), de l'Allemagne (6 %) et du Brésil (5 %). Les types de retouches, les durées de session, les métadonnées d'appareil, les notes de satisfaction et les taux de re-édition ont été capturés. Aucune image individuelle ni aucune information personnellement identifiable n'ont été incluses dans l'analyse.

Cinq résultats se démarquent. Premièrement, la suppression d'objets a consolidé sa position de type de retouche dominant, représentant plus d'une retouche sur trois. Deuxièmement, la retouche mobile a dépassé le web pour la première fois dans notre ensemble de données, principalement grâce à la croissance d'iOS. Troisièmement, la retouche assistée par l'IA n'est plus une fonctionnalité de niche mais le flux de travail par défaut pour la plupart des utilisateurs, avec trois quarts de toutes les retouches impliquant au moins une étape basée sur l'IA. Quatrièmement, la photographie de produits pour le commerce électronique est le plus grand cas d'utilisation par secteur, éclipsant les réseaux sociaux et l'usage personnel. Cinquièmement, les améliorations de vitesse dans le traitement par l'IA ont réduit les temps de retouche moyens de plus de moitié par rapport à il y a 18 mois, changeant fondamentalement les attentes des utilisateurs en matière de délais d'exécution.

Types de retouches les plus courants

Nous avons catégorisé chaque retouche dans l'un des sept types principaux en fonction de l'outil utilisé et de l'ampleur des modifications appliquées. La suppression d'objets arrive en tête avec 34,1 % de toutes les retouches. Cela inclut la suppression de personnes, panneaux, câbles, déchets et autres éléments indésirables des photos. Une session typique de suppression d'objets implique la sélection d'un à trois objets à supprimer, avec une médiane de 1,7 objet par session.

La suppression d'arrière-plan est la deuxième retouche la plus courante à 27,8 %. Les utilisateurs isolent un sujet de son arrière-plan pour les fiches produits, les photos de profil, les compositions graphiques et le contenu pour réseaux sociaux. Les retouches d'amélioration (luminosité, contraste, netteté, correction des couleurs) représentent 17,6 % des retouches. Bien que l'amélioration ait historiquement été la tâche de retouche photo la plus courante dans le monde, l'essor des appareils photo de smartphones dotés d'une photographie computationnelle intégrée a réduit le besoin de corrections de base.

Les catégories restantes sont l'expansion par IA ou outpainting à 8,3 %, les remplissages créatifs et retouches génératives à 5,9 %, la suppression de texte et de filigranes à 4,1 %, les opérations par lots ou multi-images à 2,2 %. La longue traîne des retouches qui ne correspondent pas à ces catégories représente la fraction restante.

Tendances d'utilisation des plateformes

Pour la première fois dans notre historique de suivi, les sessions de retouche mobile ont dépassé les sessions web en volume total. Le mobile représente désormais 63 % de toutes les sessions de retouche, contre 54 % à la mi-2025. iOS domine l'utilisation mobile avec 38 % de toutes les sessions, contre 25 % pour Android. La retouche sur web a légèrement diminué, passant de 41 % à 37 %, mais reste essentielle pour les flux de travail experts et par lots où un écran plus grand et les raccourcis clavier offrent des gains d'efficacité significatifs.

Le passage au mobile n'est pas uniforme selon les types de retouche. La suppression d'arrière-plan et la suppression d'objets penchent fortement vers le mobile (respectivement 71 % et 66 % sur mobile), reflétant des cas d'utilisation comme le nettoyage rapide de photos de produits et la préparation de contenu pour réseaux sociaux. Les retouches d'amélioration sont plus équilibrées (55 % mobile, 45 % web), et les opérations par lots restent très majoritairement sur web (82 % web). Cela suggère que les utilisateurs choisissent leur plateforme en fonction de la complexité de la tâche et du nombre d'images impliquées, et pas simplement en fonction de leurs préférences d'appareil.

Géographiquement, la domination mobile est la plus forte en Inde (78 % mobile), au Brésil (74 % mobile) et en Asie du Sud-Est (76 % mobile), tandis que l'utilisation du web reste comparativement forte aux États-Unis (42 % web), en Allemagne (45 % web) et au Japon (43 % web). Ces différences sont corrélées aux schémas plus larges d'accès à Internet : les marchés où le mobile est prioritaire montrent un comportement de retouche tout aussi prioritaire sur mobile.

Adoption de l'IA dans la retouche photo

La tendance la plus frappante dans l'ensemble de données est l'accélération de la retouche basée sur l'IA. En janvier 2025, 41 % des retouches sur notre plateforme utilisaient au moins une fonctionnalité basée sur l'IA (suppression d'objets, suppression d'arrière-plan, expansion par IA, remplissage génératif ou amélioration par IA). En avril 2026, ce chiffre a atteint 74 %. La croissance a été remarquablement régulière, à environ 2 points de pourcentage par mois.

Les flux de travail exclusivement basés sur l'IA — des sessions où chaque étape de retouche est alimentée par l'IA sans ajustements manuels — représentent 39 % de toutes les sessions, contre 18 % au début 2025. Les flux de travail hybrides, où les utilisateurs combinent des outils d'IA avec des ajustements manuels (recadrage, rotation, corrections manuelles au pinceau), représentent 35 %. La retouche entièrement manuelle est passée de 23 % à 12 % des sessions. Les 14 % restants concernent des sessions où les utilisateurs ouvrent l'éditeur mais ne terminent pas une retouche.

Il est important de noter que les scores de satisfaction des utilisateurs sont les plus élevés pour les flux de travail hybrides (4,4 sur 5), légèrement au-dessus des flux de travail exclusivement basés sur l'IA (4,3 sur 5), et nettement au-dessus des flux de travail entièrement manuels (3,7 sur 5). Cela suggère que la combinaison de l'automatisation par l'IA avec le jugement humain offre actuellement les meilleurs résultats perçus. Les utilisateurs qui prennent une retouche générée par l'IA et la peaufinent manuellement rapportent la plus grande confiance dans leur résultat.

Répartition par secteur

Toutes les retouches photo ne sont pas personnelles. Une part majeure et croissante de l'activité de retouche sur notre plateforme est motivée par des cas d'utilisation experts et commerciaux. Nous avons déduit les catégories sectorielles d'une combinaison de types de comptes autodéclarés (pour les comptes professionnels), de schémas de retouche et de signaux de contenu d'image. La catégorisation est approximative et certains chevauchements existent, principalement entre les réseaux sociaux et d'autres catégories.

La photographie de produits pour le commerce électronique est le plus grand segment sectoriel avec 31 % de toutes les retouches. Cela inclut les vendeurs sur Amazon, Shopify, Etsy, eBay et autres places de marché qui ont besoin d'images de produits nettes avec des arrière-plans blancs ou transparents. L'utilisateur typique du commerce électronique effectue une suppression d'arrière-plan et des retouches d'amélioration et traite en moyenne 4,7 images par session, bien au-dessus de la moyenne générale de la plateforme qui est de 1,9.

La photographie immobilière représente 16 % des retouches. Les agents et gestionnaires immobiliers utilisent la suppression d'objets pour nettoyer les photos d'intérieur et d'extérieur, l'expansion par IA pour montrer des vues plus larges des pièces, et l'amélioration pour améliorer l'éclairage dans les espaces sombres. La création de contenu pour réseaux sociaux représente 14 % des retouches, avec les temps de session les plus rapides et la plus forte part d'utilisation mobile parmi les catégories expertes. L'usage personnel (retouche non commerciale de photos personnelles) représente 22 % de toutes les retouches. Les 17 % restants sont répartis entre les agences marketing (7 %), l'éducation (4 %), le journalisme et les médias (3 %), et d'autres catégories expertes (3 %).

Améliorations de la qualité et mesures de satisfaction

Mesurer la qualité des retouches photo à grande échelle est intrinsèquement difficile car la qualité est subjective et dépend du contexte. Nous utilisons trois mesures indirectes : les notes de satisfaction déclarées par les utilisateurs (recueillies via des sondages facultatifs post-retouche), les taux de re-édition (le pourcentage de retouches où les utilisateurs annulent ou refont le résultat de l'IA) et les taux d'exportation (le pourcentage de sessions qui se concluent par l'enregistrement ou le partage de l'image retouchée).

Tous types de retouche confondus, la note de satisfaction moyenne est de 4,2 sur 5, contre 3,8 au T1 2025. L'amélioration est principalement due à de meilleures performances des modèles d'IA plutôt qu'à des changements dans les attentes des utilisateurs. La suppression d'arrière-plan montre la satisfaction la plus élevée à 4,5 sur 5, reflétant la maturité des modèles de segmentation qui gèrent désormais les cheveux, la fourrure, les objets transparents et les bords complexes avec une grande fiabilité. La satisfaction pour la suppression d'objets atteint en moyenne 4,3 sur 5, avec des scores variant selon la complexité des objets : les objets simples (panneaux, câbles, petits débris) obtiennent 4,6 tandis que les objets complexes (personnes dans des scènes chargées, éléments partiellement occultés) obtiennent 3,9.

Les taux de re-édition sont passés de 28 % au début 2025 à 17 % au T1 2026. Un taux de re-édition plus bas indique que les utilisateurs sont plus souvent satisfaits du premier résultat généré par l'IA. Les taux d'exportation ont augmenté en conséquence, passant de 71 % à 83 %, ce qui signifie que davantage de sessions de retouche se concluent désormais par une sortie sauvegardée plutôt que par un abandon. La combinaison de moins de re-éditions et de plus d'exportations suggère une réelle amélioration de la qualité des résultats, et non une simple habituation des utilisateurs.

Benchmarks de vitesse

La vitesse de traitement affecte directement l'expérience utilisateur et le débit du flux de travail. Nous avons mesuré le temps de traitement médian (du moment où l'utilisateur déclenche une retouche au moment où le résultat est affiché) par type de retouche et plateforme. Tous les temps reflètent le traitement côté serveur plus la latence réseau aller-retour pour les retouches traitées dans le cloud.

La suppression d'objets basée sur l'IA s'effectue désormais en un temps médian de 1,8 seconde, contre 4,7 secondes au T1 2025 — une amélioration de 62 %. La suppression d'arrière-plan est l'opération d'IA la plus rapide avec une médiane de 1,2 seconde, bénéficiant de modèles de segmentation hautement optimisés qui ont été affinés sur plusieurs générations. Les retouches d'amélioration s'effectuent en un temps médian de 0,8 seconde, car de nombreuses opérations d'amélioration peuvent être réalisées avec des modèles légers ou des algorithmes traditionnels accélérés par GPU.

L'expansion par IA et les opérations de remplissage créatif sont les plus lentes, avec des médianes respectives de 3,4 secondes et 4,1 secondes, reflétant le coût de calcul de la génération de nouveau contenu d'image à partir de zéro. Ces temps restent bien en dessous du seuil que les utilisateurs perçoivent comme réactif (les recherches montrent toujours que les utilisateurs perçoivent les opérations de moins de 5 secondes comme rapides et celles de plus de 10 secondes comme lentes pour les flux de travail créatifs).

Les différences entre plateformes sont significatives. Les retouches sur web sont environ 15 % plus rapides en moyenne que les retouches sur mobile pour la même opération, principalement en raison de connexions haut débit plus constantes. Les retouches sur iOS sont environ 8 % plus rapides que les retouches sur Android en moyenne, reflétant une combinaison de différences d'infrastructure réseau parmi la base d'utilisateurs iOS et des profils de performance d'appareil légèrement plus homogènes parmi les appareils iOS.

Perspectives d'avenir : tendances pour 2027

Sur la base de la trajectoire visible dans nos données et des développements plus larges de l'industrie, nous identifions cinq tendances susceptibles de façonner la retouche photo en 2027.

Premièrement, le traitement IA sur appareil va considérablement s'étendre. Apple, Google et Qualcomm investissent tous dans des unités de traitement neuronal (NPU) capables d'exécuter des modèles basés sur la diffusion localement. Nos données montrent que 6 % des retouches par IA sur les appareils compatibles sont déjà traitées localement pour les opérations simples. Nous prévoyons que cela atteindra 15 à 20 % d'ici fin 2027, porté par les préférences de confidentialité et l'élimination de la latence réseau pour les retouches courantes.

Deuxièmement, le montage vidéo convergera avec la retouche photo. Notre feuille de route interne et les annonces publiques d'Adobe, Canva et autres pointent vers des outils d'IA capables de traiter des images vidéo avec la même facilité que des images fixes. La suppression d'objets dans les vidéos, le remplacement d'arrière-plan dans les vidéos et l'amélioration vidéo par IA sont tous en développement actif dans l'ensemble de l'industrie. L'attente des utilisateurs établie par la retouche photo instantanée se reportera sur la vidéo.

Troisièmement, la retouche par IA deviendra invisible. À mesure que le traitement par IA devient la norme (déjà à 74 % dans nos données), la distinction entre retouche par IA et retouche tout court s'estompera. Les utilisateurs attendront un comportement intelligent de chaque outil sans avoir à se demander si l'IA est impliquée. Cela a des implications pour la conception des produits : le label « IA » passera d'un badge de fonctionnalité à une hypothèse de fond.

Quatrièmement, les opérations par lots et l'automatisation des flux de travail vont croître. Nos données montrent que les opérations par lots ne représentent que 2,2 % des sessions, mais ces sessions traitent un nombre disproportionné d'images. À mesure que les cas d'utilisation du commerce électronique et du marketing augmentent, nous nous attendons à une demande de pipelines automatisés capables de traiter des centaines ou des milliers d'images selon un ensemble cohérent de règles. La retouche basée sur API se développera parallèlement à l'utilisation manuelle des outils.

Cinquièmement, les attentes en matière de qualité continueront d'augmenter. Chaque amélioration de la qualité des modèles d'IA réinitialise les attentes des utilisateurs à la hausse. Le score de satisfaction moyen de 4,2 en 2026 reflète une qualité absolue plus élevée que le score de 3,8 en 2025. Les utilisateurs ne sont pas simplement plus difficiles à satisfaire ; ils comparent à une référence plus élevée. Maintenir la satisfaction nécessite une amélioration constante des modèles, et pas seulement le maintien des niveaux de qualité actuels.

Méthodologie

Ce rapport est basé sur des données télémétriques agrégées et anonymisées provenant des systèmes de production de Magic Eraser. L'ensemble de données couvre 10 247 381 sessions de retouche terminées entre le 1er janvier 2026 et le 30 avril 2026. Une session terminée est définie comme une session où l'utilisateur a invoqué au moins un outil de retouche, qu'il ait ou non exporté le résultat.

Toutes les données ont été anonymisées avant l'analyse. Aucune image individuelle n'a été consultée ou stockée pour ce rapport. Aucune information personnellement identifiable (noms, adresses e-mail, adresses IP) n'a été incluse dans l'ensemble de données d'analyse. Les informations sur les appareils et les plateformes ont été agrégées au niveau de la famille de modèles et du système d'exploitation. Les données géographiques ont été agrégées au niveau du pays à l'aide du mappage GeoIP appliqué lors de la journalisation des sessions, les données GeoIP étant supprimées avant l'analyse.

La catégorisation sectorielle a été dérivée de trois signaux : le type de compte autodéclaré pour les comptes professionnels (disponible pour environ 23 % des sessions), le regroupement de schémas de retouche par k-moyennes sur des vecteurs de caractéristiques d'utilisation des outils, de durée de session, de nombre d'images et de format d'exportation, et l'examen manuel d'un échantillon aléatoire stratifié de 5 000 enregistrements de métadonnées de sessions anonymisées à des fins de validation. Les étiquettes sectorielles doivent être considérées comme des estimations approximatives, et non comme des mesures précises.

Les notes de satisfaction sont recueillies via un sondage facultatif à une touche post-retouche présenté à un échantillon aléatoire de 15 % des sessions. Le taux de réponse parmi ceux ayant reçu le sondage est de 34 %, ce qui donne environ 520 000 points de données de satisfaction. Nous avons appliqué une pondération par probabilité inverse pour ajuster le biais de réponse (les utilisateurs qui réalisent des retouches de haute qualité sont plus susceptibles de répondre). Les taux de re-édition et les taux d'exportation sont mesurés à partir de la télémétrie pour toutes les sessions et ne dépendent pas des sondages.

Les benchmarks de vitesse représentent les temps de traitement médians et au 95e percentile mesurés côté serveur, de la réception de la requête à l'envoi de la réponse, plus la latence aller-retour estimée côté client basée sur les données de performance réseau régionales. Les temps réels perçus par l'utilisateur peuvent varier en fonction de la vitesse de rendu de l'appareil et des conditions réseau locales.

Ceci est la première édition de ce rapport. Nous prévoyons de publier des mises à jour semestrielles. Les commentaires sur la méthodologie et la couverture peuvent être adressés à research@magiceraser.io.