Les dernières semaines ont été marquées par un silence relatif concernant les modèles de génération d’images. Cette tendance se manifeste dans la mise à jour récente du classement Text to Image Arena, où les performances sont évaluées en temps réel grâce aux votes des utilisateurs. Pour le quatrième mois consécutif, OpenAI se distingue avec son modèle 4o Image Generation, successeur de DALL-E 3, tandis que la concurrence s’affronte pour les places d’honneur.
Top 10 des générateurs d’images en juillet 2025
Avec un score Elo de 1 167, 4o Image Generation, intégré à ChatGPT depuis mars, conserve sa position de leader. Sa capacité à respecter les prompts, à produire un texte fluide et à offrir des visuels de haute qualité en font le modèle préféré des utilisateurs, qui votent anonymement entre deux images générées.
Comme en juin, le modèle d’OpenAI devance Seedream 3.0, développé par ByteDance, ainsi que Imagen 4 Preview, qui maintient sa place sur le podium depuis mai. Google, auparavant en retrait dans ce domaine, voit désormais trois versions d’Imagen figurer dans le top 10 aux 3e, 4e et 8e positions.
En dessous de ce trio de tête, les acteurs clés du secteur se battent pour les autres places. Black Forest Labs, qui a souvent dominé ce classement, est actuellement 6e avec FLUX.1 Kontext, suivi de près par Recraft V3. Reve, autrefois en tête, est rétrogradé à la 10e position. Par ailleurs, l’entrée remarquée de HiDream avec son modèle Vivago 2.0 à la 5e place mérite d’être soulignée.
Voici les 10 meilleurs générateurs d’images par IA selon Artificial Analysis :
- GPT-4o : 1 167 (score Elo)
- Seedream 3.0 : 1 163
- Imagen 4 Preview : 1 116
- Imagen 4 Ultra Experimental : 1 116
- Vivago 2.0 : 1 115
- FLUX.1 Kontext : 1 114
- Recraft V3 : 1 112
- Imagen 3 (v002) : 1 098
- Ideogram 3.0 : 1 092
- Reve Image : 1 091
Accéder au classement complet
Critères de classement de la Text to Image Arena
Le classement d’Artificial Analysis s’inspire du fonctionnement de la LMArena (ex-Chatbot Arena), qui mesure les performances des modèles de langage. Le principe repose sur une comparaison anonyme des résultats générés par deux modèles, à partir d’un même prompt. Chaque modèle reçoit un score Elo déterminé par ses performances. Ce système, emprunté au monde des échecs, agit comme une cote évolutive : gagner contre un modèle mieux classé augmente la note, tandis qu’une défaite contre un modèle moins bien classé la réduit.
