Changer la lumière d’une photographie paraît simple à formuler. Obtenir cette lumière sans déplacer un objet, déformer un visage ou altérer une inscription est une autre affaire. Avec MAI Image 2.7, Microsoft met précisément l’accent sur le contrôle des modifications apportées à une image existante.
L’annonce du 27 octobre 2026 décrit une préversion destinée à la retouche : style et éclairage d’une scène, modification de textes ou de symboles, restauration et amélioration d’images. Microsoft indique que le modèle peut être essayé dans MAI Playground, Arena et Artificial Analysis. La génération à partir d’une seule consigne textuelle est annoncée pour la suite, sans être présentée comme disponible dans cette première étape.
La nouveauté est donc à lire comme une proposition d’édition d’images. Elle ne suffit pas à établir qu’un même système serait le meilleur pour toutes les créations visuelles.
Le classement : un repère précis, pas un verdict universel
Dans le tableau AA-Image-Editing v2.1 consulté le 4 novembre 2026, MAI-Image-2.7-Preview apparaît deuxième, avec un score Elo de 1 196. GPT Image 2.5 Sunburst (max) figure devant à 1 199, et GPT Image 2.5 Flare (max) derrière à 1 183.
Le détail compte : affirmer simplement « Microsoft dépasse OpenAI » masque l’existence de plusieurs versions concurrentes. Artificial Analysis classe ici des modèles sur la modification d’une image à partir d’une instruction, selon des préférences humaines entre deux résultats.
Le tableau donne aussi des intervalles à 95 % : de 1 181 à 1 211 pour MAI Image 2.7 et de 1 188 à 1 210 pour Sunburst. Leur chevauchement invite à éviter de traiter les trois points d’écart comme une séparation nette. Ces chiffres constituent un instantané du classement, susceptible d’évoluer.
Ce type d’évaluation aide à repérer des outils à examiner. Il ne remplace pas un essai sur les contraintes particulières d’une rédaction, d’un studio ou d’un commerçant.
La bonne modification préserve ce qui devait rester
Dans un travail de retouche, la consigne comporte souvent deux parties : ce qui doit changer et ce qui doit rester identique. La seconde est parfois implicite. Une personne demandant une ambiance plus chaleureuse ne demande pas nécessairement une nouvelle architecture, un autre vêtement ou une modification du texte sur une boîte.
Un résultat peut donc séduire au premier regard tout en étant inutilisable. Une ombre plus élégante n’efface pas une référence de produit devenue fausse. Une composition mieux équilibrée ne compense pas la disparition d’un détail que le client voulait conserver.
Cette lecture transforme la manière d’évaluer un outil. Au lieu de demander seulement si l’image finale est belle, il faut vérifier si elle répond à la demande exacte et respecte les éléments protégés. La retouche se juge autant à ses abstentions qu’à ses transformations.
Un essai de fidélité avant une série de variantes
Imaginons une photographie de produit portant une étiquette. L’objectif serait d’éclaircir le fond, sans toucher à la forme, à la couleur ni au texte du produit. Ce scénario est un exemple de protocole ; nous ne l’avons pas exécuté sur MAI Image 2.7.
La première comparaison porterait sur le changement demandé : le fond est-il effectivement plus clair ? La deuxième examinerait les éléments à conserver : mêmes proportions, même inscription, mêmes détails distinctifs. La troisième regarderait les raccords, les ombres et les zones proches du contour.
Pour éviter de choisir uniquement la plus jolie tentative, il faudrait garder le nombre d’essais et les corrections nécessaires. Un résultat obtenu une fois après de nombreuses reprises ne renseigne pas de la même façon qu’un résultat reproductible sur plusieurs images comparables.
Ce test peut rester modeste. Quelques images bien choisies, avec des critères clairs, apportent parfois plus d’informations utiles qu’une longue galerie où personne ne sait ce qui était demandé au départ.
Restaurer un détail n’est pas retrouver une preuve
Le terme « restauration » demande une vigilance particulière. Rendre une ancienne image plus lisible ou plus agréable ne démontre pas que chaque détail nouvellement visible correspond à ce qui se trouvait devant l’appareil.
Pour une création artistique, une interprétation peut être assumée. Pour une archive documentaire, une image de produit ou une photographie utilisée pour établir un fait, l’enjeu change. Il faut pouvoir distinguer l’original des modifications et éviter de présenter une reconstruction comme une observation.
Cette question concerne l’usage des outils génératifs en général ; elle n’est pas un défaut mesuré ici de MAI Image 2.7. Elle rappelle que la qualité d’une image dépend aussi de ce que l’on prétend montrer au lecteur.
Préversion, accès et coût : trois vérifications distinctes
Microsoft présente son modèle comme une préversion. Au moment de notre consultation, Artificial Analysis indique qu’aucune API n’est disponible pour cette entrée du classement. Pouvoir essayer une interface ne garantit donc pas que l’on puisse intégrer le même modèle dans une chaîne automatique.
Pour un usage professionnel, il reste à vérifier les conditions effectives d’accès, la version utilisée, les formats acceptés et les règles applicables aux images envoyées. Aucun tarif d’API de MAI Image 2.7 n’est déduit ici de celui d’une version antérieure.
Le coût utile ne serait d’ailleurs pas seulement celui d’une tentative. Il inclurait les variantes rejetées, le contrôle et les retouches complémentaires jusqu’à une image acceptée. C’est ce résultat final qui permettrait une comparaison opérationnelle entre outils.
MAI Image 2.7 fournit ainsi une piste intéressante pour l’édition d’images, portée par un classement élevé et des fonctions annoncées ciblées. Pour décider de son intérêt dans un travail réel, la question la plus féconde reste concrète : réussit-il le changement demandé tout en laissant intact ce que l’on voulait garder ?
Photographie d’illustration : le centre de visiteurs Microsoft à Redmond, en mai 2022. Crédit : Lectrician1 / Wikimedia Commons / CC BY-SA 4.0.
