Selon l'annonce du produit OpenAI, le balisage d'image était déjà disponible dans ChatGPT et entre dans l'API avec Images 2.6 afin que les équipes puissent « indiquer avec précision où un changement spécifique doit se produire ». Le journal des modifications du 4 novembre 2026 indique en outre que l'édition guidée par balisage a été ajoutée pour les modèles d'images GPT 2.5 et 2.6 pris en charge. Le guide de génération d'images place le chemin d'appel à Image API POST /v1/images/edits. Pour les équipes déjà habituées à « encercler puis changer » dans ChatGPT, l’importance est que la même sémantique d’interaction peut entrer dans les tâches par lots et les pipelines côté serveur.

👉 Essayez l'API GPT Image 2.6 sur PoYo : tarifs par image et playground en ligne.

Fondamentalement, la fonctionnalité utilise une couche d'annotation transparente de même taille ainsi qu'une invite en langage naturel pour orienter le modèle vers des régions encerclées ou marquées, réduisant ainsi les erreurs de redessinage de l'image complète. Les exemples officiels et le langage du produit indiquent des recolorations du commerce électronique, des remplacements de SKU locaux, des corrections de copie d'emballage et des flux similaires ; l'annonce met également l'accent sur la cohérence des détails du caractère, du produit et de la marque dans les modifications.

Structure de la requête et contraintes de fichiers

Les documents nécessitent la création de requêtes comme suit. Tout d’abord, conservez l’image originale comme première image d’entrée. Deuxièmement, créez séparément un PNG transparent qui contient uniquement des cercles, des croquis ou d'autres marques ; après correction de l'orientation, la largeur et la hauteur du calque de balisage doivent correspondre à la première image d'entrée ; le PNG doit inclure des pixels transparents et ne doit pas aplatir les marques dans l'original. Troisièmement, envoyez cette couche sous le nom markup : les requêtes en plusieurs parties peuvent télécharger un fichier ; Les requêtes JSON peuvent utiliser un objet qui contient exactement l'un des éléments suivants : image_url ou file_id (image_url peut être HTTPS ou une URL de données base64) ; le champ du tableau d'images d'entrée des modifications JSON est images. Quatrièmement, décrivez à la fois « ce qu'il faut changer » et « ce qu'il faut préserver » dans prompt, ainsi que les résultats de l'examen humain avant utilisation.

Limites strictes : le balisage s'applique uniquement à la première image d'entrée ; les images supplémentaires sont uniquement une référence ; chacune des premières couches d'image et de balisage ne peut pas dépasser 16 777 216 pixels ; La taille maximale du fichier de balisage est de 50 Mo. N'utilisez pas d'utiliser markup avec mask ou prompt_rewriter. Remarque : pour les modifications régionales dans le Responses API, utilisez plutôt un masque ; le chemin de balisage cible le point de terminaison des modifications Image API. Les pages de modèles Flare et Sunburst répertorient toutes deux les modifications guidées par le balisage en tant que fonctionnalité couverte dans le guide de génération d'images.

L'exemple officiel de vase de cuisine (dans la documentation et dans le guide d'incitation) montre un motif typique : l'original est une photo de cuisine ; une superposition transparente marque un vase rayé avec un cercle rouge ; l'invite demande de changer le vase cerclé en céramique de cobalt, de conserver la forme et les fleurs séchées, et de retirer le cercle rouge du final. Les exemples fonctionnent avec gpt-image-2.6-flare et gpt-image-2.6-sunburst sur quality="medium" et vous rappellent de vérifier si le reste de l'original a dérivé de manière inattendue.

Relation avec les workflows de masques et de produits

L'édition du masque indique les « régions à remplacer » via un masque ; les documents indiquent que le masquage sur GPT Image est « entièrement basé sur des invites », le masque servant principalement de guide : le modèle peut ne pas épouser strictement la forme. Le balisage est plus proche du « dessin d’instructions sur l’image » : les marques visibles indiquent au modèle où modifier, et l’invite indique quoi modifier. Les deux ne peuvent pas être mélangés. Choisissez par forme d'interaction : les masques alpha programmatiques conviennent aux découpes de pipeline ; les cercles/flèches dessinés dans les outils de conception conviennent au balisage.

Pour les flux de travail des produits et des SKU, encodez « modifier uniquement la bande de couleur de l'emballage », « remplacer uniquement le capuchon » ou « corriger uniquement le texte de l'étiquette de prix » comme invites contraintes et entourez l'objet avec un balisage, réduisant ainsi le risque que l'arrière-plan, l'éclairage et la composition soient réécrits ensemble. Le guide d'invite suggère également : pour les modifications locales, indiquer la saturation, le contraste, les flèches, la position de la caméra et les objets environnants qui doivent rester inchangés ; modifiez un élément à la fois afin que vous puissiez savoir quelle modification a réellement fonctionné. OpenAI recommande également une faible complexité pour la plupart des tâches de modification afin d'accélérer les modifications et de réduire les modifications supplémentaires — un conseil qui correspond bien au ciblage du balisage, car l'omission de complexity est par défaut high.

Remarque : le balisage ne garantit pas la dérive nulle au niveau des pixels. Les limitations générales indiquent toujours que le modèle peut avoir des difficultés avec une composition structurée et un placement précis du texte ; les livrables critiques doivent ajouter un échantillonnage humain après l'automatisation et, si nécessaire, recomposer les régions approuvées sur l'original plutôt que de s'appuyer sur une seule sortie API. Les règles de modération du contenu s'appliquent toujours ; en cas d'erreurs corrigibles par l'utilisateur telles que moderation_blocked, ajustez l'invite ou l'image de saisie avant de réessayer ; ne réessayez pas aveuglément.

Conclusion : Images 2.6 intègre le langage d'édition d'annotations éprouvé de ChatGPT dans l'API afin que des modifications ciblées puissent entrer dans les pipelines de lots et de SKU. Suivre strictement PNG transparent de même taille, le champ markup et l'exclusion mutuelle avec mask, tout en indiquant à la fois modifier et conserver les éléments dans l'invite, est la pratique complète minimale dans la documentation officielle.