Canva développe son premier modèle d’images et entre dans le top 4 de DesignArena

Canva présente Craft, son premier modèle IA de génération d’images, capable de planifier les compositions, de reproduire du texte et de créer en 2K.

Générer une photographie réaliste ne suffit pas toujours à produire un visuel exploitable pour une affiche, une campagne publicitaire ou une publication sur les réseaux sociaux. Il faut aussi organiser les éléments, prévoir la place du texte, respecter une hiérarchie visuelle et conserver une composition lisible. C’est sur ces contraintes que Canva concentre son premier modèle de génération d’images, Craft, développé par son laboratoire interne Canva Research. Présenté le 22 octobre 2026, il repose sur une architecture en deux étapes qui sépare la préparation de la composition de son rendu visuel. Dès son lancement, le modèle atteint la quatrième place du classement général de DesignArena, avec un score Elo de 1 340, et se distingue particulièrement dans la génération de portraits et de paysages. Disponible dans Dream Lab, il marque également une évolution stratégique pour Canva, qui ne se contente plus d’intégrer des modèles tiers, mais développe désormais sa propre technologie de génération d’images. Comprendre la mise en page avant de produire les pixels

La particularité de Craft tient à son architecture. Là où de nombreux modèles génératifs traitent une instruction textuelle pour produire directement une image, Canva introduit une étape intermédiaire consacrée à la planification. Le système commence par analyser la demande pour définir les objets présents dans la scène, leur taille relative, leurs relations spatiales, la hiérarchie des éléments et les éventuels textes à représenter. Un deuxième modèle transforme ensuite cette description organisée en image.

Cette méthode cherche à résoudre un problème récurrent dans la création assistée par IA : une image peut être convaincante sur le plan esthétique tout en ne respectant pas la composition demandée. Un produit peut occuper une place excessive, un titre peut devenir illisible ou plusieurs objets peuvent apparaître dans un ordre différent de celui précisé dans le brief. La phase de planification vise à donner au modèle une représentation plus explicite de ces contraintes avant le rendu final.

L’approche présente un intérêt particulier pour les supports de communication. Une affiche nécessite des espaces réservés à la typographie, une publicité produit doit parfois conserver une zone libre pour une accroche, et un visuel social doit rester lisible sur un écran de petite taille. En séparant la structure du rendu, Canva cherche à rapprocher la génération d’images des principes de composition utilisés dans les logiciels de design graphique.

Il ne s’agit toutefois pas de garantir qu’une instruction complexe sera parfaitement respectée. La planification reste elle-même effectuée par un modèle d’IA, susceptible de mal interpréter certaines relations ou de simplifier des éléments. La précision du résultat dépend donc à la fois de cette première étape et de la capacité du moteur de rendu à la reproduire. Une quatrième place mondiale selon DesignArena

Pour positionner Craft face aux autres modèles d’images, Canva s’appuie notamment sur les évaluations de DesignArena, une plateforme qui organise des comparaisons entre résultats générés. Selon les chiffres annoncés au lancement, Craft atteint 1 340 points Elo et la quatrième place du classement général. Les trois premières positions sont alors occupées par des modèles d’OpenAI, ce qui permet à Canva de revendiquer la deuxième place parmi les laboratoires de génération d’images, derrière OpenAI.

Les résultats diffèrent selon les catégories. Craft se classe premier sur les portraits et personnages, parmi 87 modèles évalués, ainsi que premier sur les paysages et la nature, parmi 85 modèles. Il occupe également la deuxième place sur les compositions abstraites et les motifs, et la quatrième sur les produits. Ces performances correspondent aux résultats de préférences enregistrés dans les catégories concernées, et non à une mesure universelle de la qualité graphique.

Le classement général est un indicateur intéressant, mais il ne suffit pas à établir la supériorité du modèle dans toutes les situations. Les préférences varient selon les prompts, les catégories d’images et le nombre de comparaisons disponibles. Les positions peuvent également évoluer lorsque de nouveaux modèles sont ajoutés ou que davantage de votes sont recueillis.

Canva complète ces données par des évaluations internes. L’entreprise indique que ses designers professionnels et plusieurs dizaines de chercheurs ont examiné plus de 25 000 paires d’images lors de comparaisons directes. Lorsque les évaluations automatiques divergeaient des préférences des designers, Canva explique avoir privilégié le jugement humain. Cette méthode correspond à son orientation vers les usages graphiques, mais reste une procédure interne dont les résultats détaillés ne sont pas intégralement documentés dans l’annonce. Un entraînement fondé sur des millions de créations graphiques

L’orientation de Craft ne repose pas uniquement sur son architecture. Canva explique avoir donné une place importante aux contenus graphiques dans les données d’entraînement, notamment à travers des millions de modèles créés par des humains et issus de sa bibliothèque. Affiches, publications sociales, présentations, infographies, menus et compositions typographiques constituent autant d’exemples montrant comment organiser visuellement des informations.

Cette démarche diffère d’un entraînement reposant principalement sur des photographies ou des illustrations finalisées. Un modèle graphique structuré contient des informations sur l’emplacement des éléments, la hiérarchie visuelle et les rapports entre les blocs de texte et les images. Pour Canva, ces données doivent permettre au système d’apprendre certaines conventions du design, plutôt que de reproduire uniquement l’apparence d’un visuel terminé.

Après cette première phase, Craft a été amélioré au moyen de supervised fine-tuning et d’apprentissage par renforcement, en intégrant des retours de designers. Les optimisations concernent notamment