MAI-Image-2.6 Flash arrive dans Foundry en aperçu public

Microsoft lance MAI-Image-2.6 Flash dans Foundry et MAI Playground, un modèle de génération et d’édition d’images conçu pour accélérer les retouches ciblées.

Changer l’inscription d’un emballage, retirer un objet ou corriger un flou sans reconstruire toute l’image. Microsoft fait de ces retouches ciblées la principale promesse de MAI-Image-2.6 Flash, une version optimisée de son nouveau modèle de génération visuelle.

Disponible depuis le 4 septembre 2026, le modèle peut créer une image à partir d’une description ou modifier un fichier JPEG ou PNG existant. Il rejoint Microsoft Foundry sous la forme d’un service hébergé par Azure, actuellement proposé en aperçu public. Une interface destinée aux essais est également accessible dans MAI Playground.

Le terme « Flash » ne désigne pas une nouvelle famille indépendante. La fiche technique commune présente cette déclinaison comme une version optimisée de MAI-Image-2.6, le modèle principal annoncé quelques semaines plus tôt. Microsoft réserve ce dernier aux tâches exigeant une précision maximale et destine Flash aux applications sensibles au temps de réponse ou appelées à produire de nombreux visuels.

L’entreprise affirme que Flash génère une image 2,8 fois plus rapidement que GPT-Image-2 Medium, avec une efficacité supérieure de 72 %. Elle ne publie cependant pas le détail du protocole utilisé pour cette comparaison : la taille des sorties, l’infrastructure, le nombre d’essais et la définition exacte de l’efficacité ne sont pas précisés. Ces chiffres doivent donc être considérés comme des mesures fournies par Microsoft et non comme une comparaison entièrement reproductible.

La priorité accordée à la vitesse ne doit pas, selon l’entreprise, empêcher le modèle d’être utilisé pour des productions finales. Microsoft le présente comme une solution offrant une qualité proche de celle de MAI-Image-2.6 pour moins de la moitié du prix de cette version principale. La tarification dépend du type de déploiement Azure et des volumes d’entrée comme de sortie. Aucun prix unique ne s’applique donc à tous les comptes, régions et modes de capacité.

MAI-Image-2.6 Flash repose sur une architecture de diffusion. Lors d’une génération, il part d’un signal désordonné puis le transforme progressivement pour obtenir une image correspondant à l’instruction. Son entraînement emploie une méthode dite de flow matching, destinée à lui faire apprendre un chemin continu entre cette distribution initiale et celle des images attendues.

La fiche du modèle attribue 20 milliards de paramètres hors représentations d’entrée à la famille MAI-Image-2.6. Elle n’indique toutefois pas si l’optimisation de Flash modifie ce nombre, réduit la précision numérique, accélère certaines étapes de génération ou utilise une autre technique. Il n’est donc pas possible de déterminer à partir des documents publics comment Microsoft obtient exactement le gain de vitesse annoncé.

La génération à partir de texte ne constitue qu’une partie du produit. Microsoft insiste davantage sur sa capacité à interpréter une image existante puis à n’en modifier qu’une zone ou un attribut. Une instruction peut demander de retirer un élément, d’en remplacer un autre, de changer une couleur, d’adapter la disposition générale, de corriger un défaut ou d’insérer un nouveau contenu dans une partie manquante.

Le défi consiste à conserver les éléments qui ne sont pas concernés par la demande. Lorsqu’un utilisateur modifie le texte d’une étiquette, il ne souhaite généralement pas que la forme du produit, l’éclairage, l’arrière-plan ou l’identité d’un personnage changent en même temps. Microsoft affirme que son modèle analyse conjointement les objets, les proportions, la lumière et la position des éléments afin de préserver la composition au fil des retouches.

Cette continuité intéresse particulièrement les équipes de création. Une maquette de produit peut être déclinée avec plusieurs couleurs, slogans ou formats sans repartir d’une nouvelle génération à chaque essai. Le modèle peut également produire une première proposition, recevoir plusieurs corrections successives puis maintenir une direction visuelle commune pendant ces itérations.

La cohérence annoncée ne signifie pas que chaque partie non sélectionnée restera mathématiquement identique. L’édition demeure générative : le système réinterprète l’image plutôt que de déplacer des calques dans un logiciel de conception classique. Des détails fins, des visages ou des éléments de marque peuvent donc encore varier et doivent être vérifiés avant une utilisation commerciale.

Microsoft cite également la correction du flou de mouvement parmi les usages possibles. Cette opération ne retrouve pas nécessairement les informations exactes qui auraient été enregistrées par une prise de vue plus nette. Le modèle produit une reconstruction plausible à partir de ce qu’il observe. Une telle fonction peut convenir à une création graphique, mais elle ne doit pas être assimilée à la restauration fidèle d’une preuve ou d’un document.

MAI-Image-2.6 Flash cherche par ailleurs à améliorer les mots intégrés aux images. Les affiches, panneaux, emballages et étiquettes font partie des cas mis en avant. Le modèle peut générer ces inscriptions ou remplacer un texte existant, une capacité qui reste difficile pour de nombreux systèmes visuels dès que les mots deviennent longs, petits ou nombreux.

Cette compétence repose en partie sur des données synthétiques. Le résumé consacré aux données d’entraînement indique qu’un outil libre de création 3D a servi à fabriquer des scènes contenant notamment des panneaux publicitaires. Ces exemples ont été ajoutés pour améliorer l’orthographe dans les images.

Les instructions sont principalement traitées en anglais et le rendu typographique a lui aussi été optimisé pour cette langue. Un utilisateur peut toujours essayer une demande dans une autre langue, mais Microsoft ne promet pas le même niveau de compréhension ou de fiabilité. Cette restriction compte pour les marques qui souhaitent produire automatiquement des visuels localisés en français, en allemand ou dans des systèmes d’écriture différents.

Les instructions textuelles peuvent