Avec Fibo 2.0, Bria mise sur la maîtrise des images

Bria présente Fibo 2.0, un modèle IA de 8 milliards de paramètres réunissant génération, retouche ciblée et contrôle des images par JSON.

Modifier l'arrière-plan d'une photographie publicitaire sans toucher au produit, remplacer un accessoire ou décliner une campagne dans plusieurs formats : ces opérations exigent de contrôler précisément les changements apportés à une image. Avec Fibo 2.0, Bria AI réunit la génération et la retouche visuelle dans un modèle de huit milliards de paramètres, entraîné exclusivement sur des données sous licence selon l'entreprise. Disponible sous forme de poids accessibles, d'API et d'intégrations pour les workflows créatifs, il repose sur un langage de description structuré qui permet de définir les caractéristiques d'une scène et les éléments à modifier. Dans les classements publiés au 20 octobre 2026, Bria revendique la première place parmi les modèles à poids ouverts pour l'édition d'images. Une image décrite comme un ensemble de paramètres

La particularité de la famille Fibo tient à son utilisation du Visual GenAI Language (VGL). Plutôt que de transmettre uniquement une instruction rédigée en langage naturel, le système transforme la demande en une description JSON structurée. Les objets, leur position, l'éclairage, les couleurs, la composition, les caractéristiques photographiques et les éléments typographiques peuvent être décrits séparément.

Le procédé vise une difficulté courante dans la création d'images par IA : modifier un attribut sans entraîner des changements inattendus ailleurs dans la composition. Lorsqu'un utilisateur demande une autre lumière ou un nouvel arrière-plan, il souhaite généralement conserver l'apparence du produit, son étiquette et les autres éléments déjà validés. Avec VGL, les modifications sont formulées comme des changements portant sur certaines propriétés de la scène, plutôt que comme une nouvelle description libre de l'ensemble de l'image.

Bria fournit un outil, bria-vgl, capable de développer une instruction courte en un schéma détaillé, sans obliger l'utilisateur à rédiger manuellement du JSON. Le document structuré peut ensuite être inspecté, modifié et réutilisé. Cette représentation facilite le suivi des variations d'une campagne, même si elle ne garantit pas qu'une nouvelle génération reproduira chaque pixel à l'identique. Générer et éditer avec les mêmes poids

Avec Fibo 2.0 Dev, la génération à partir d'un texte et la retouche d'une image existante reposent pour la première fois sur un même ensemble de poids dans la famille Fibo. Le modèle accepte aussi bien une description de scène qu'une photographie accompagnée d'une demande de modification. Les utilisateurs peuvent remplacer des objets, modifier des matériaux, ajuster une ambiance lumineuse ou intervenir sur du texte présent dans l'image.

La retouche peut être guidée par quatre images au maximum : une image principale et jusqu'à trois références supplémentaires. Pour une campagne de parfum, par exemple, la première image peut fournir le flacon à conserver, la deuxième une ambiance lumineuse et la troisième une composition souhaitée. Les références peuvent être désignées explicitement dans les instructions pour éviter de confondre leurs fonctions.

Un autre mode utilise un masque pour limiter les modifications à une zone définie. Les pixels situés à l'extérieur du masque sont alors conservés, ce qui permet notamment de remplacer un objet sans régénérer tout le visuel. Cette fonction concerne les retouches sur une seule image. Les opérations multi-références utilisent des contrôles différents, notamment pour choisir le format final parmi plusieurs rapports d'aspect.

Bria distingue par ailleurs les modes Generate, Refine et Inspire. Les deux premiers servent à construire ou modifier une image à partir de descriptions structurées. Le troisième analyse une référence pour en extraire certaines caractéristiques stylistiques ou compositionnelles, puis génère un nouveau visuel à partir de cette description. Dans ce dernier cas, le générateur ne reçoit pas directement l'image de référence : il travaille à partir des informations textuelles produites en amont. Deux versions pour la qualité et la rapidité

La famille comprend deux checkpoints principaux, destinés à des contraintes différentes. Fibo 2.0 Dev est le modèle complet, non distillé, conçu pour la génération, la retouche et l'adaptation à des besoins spécialisés. Sa configuration recommandée repose sur 50 étapes d'inférence avec un classifier-free guidance réglé à 5.0. Il sert aussi de base à l'entraînement de LoRA ou à des ajustements plus complets pour une identité de marque ou un domaine photographique.

Fibo 2.0 Edit Turbo est une version distillée orientée vers la retouche rapide. Elle réalise ses modifications en quatre étapes d'inférence, contre cinquante pour la configuration de référence du modèle Dev. Cette réduction vise les workflows où de nombreuses variantes doivent être produites, notamment les catalogues de produits et les créations publicitaires adaptées à plusieurs supports.

La distinction ne concerne donc pas seulement la vitesse. Dev constitue le modèle généraliste sur lequel les développeurs peuvent expérimenter et entraîner des adaptations, tandis qu'Edit Turbo privilégie la faible latence pour les opérations d'édition. Bria annonce un temps inférieur à deux secondes pour l'exécution du modèle et inférieur à cinq secondes de bout en bout sur sa propre API. Ces mesures ne constituent pas une garantie de latence pour tous les environnements, notamment les services tiers. Des résultats élevés en édition, à interpréter selon les classements

Bria met en avant les résultats de Fibo 2.0 dans les évaluations d'Artificial Analysis. Selon le classement AA-Image-Editing v2.1 daté du 20 octobre 2026 et reproduit par les plateformes de diffusion, Fibo 2.0 occupe la première place parmi les modèles à poids ouverts en retouche d'image, avec un score Elo de 1 087. La fiche du modèle le présente également à la deuxième place parmi les modèles à poids ouverts en génération text-to-image.

Ces résultats concernent deux catégories distinctes. Un bon classement