Les outils qui transforment une phrase en image sont assez nombreux. À l'usage, le même plafond apparaît : ils ont décidé de chaque étape intermédiaire à votre place. Garder la composition du premier passage et ne changer que la matière du second ? Rejouer la semaine suivante un enchaînement réglé ? Ni l'un ni l'autre n'est prévu.

ComfyUI prend l'autre chemin : la génération se découpe en nœuds visibles et raccordables, si bien que chaque étape peut être modifiée, enregistrée et rejouée.

À l'ouverture, pas de champ de prompt au centre, mais une toile sans bord. Charger un modèle, encoder le prompt, échantillonner, décoder en pixels, enregistrer : chaque geste est un bloc, et des fils transportent les données entre eux. La plus petite chaîne du texte à l'image tient en quelques pièces : un chargeur de modèle, deux encodeurs de texte pour le prompt positif et le négatif, un latent vide qui fixe la résolution, un échantillonneur qui débruite, puis un décodeur et un nœud de sauvegarde. Une fois cette ligne comprise, la plupart des flux deviennent lisibles.

La valeur n'est pas qu'une image sorte, mais que le processus lui-même soit modifiable. Enchaîner un agrandissement puis une seconde passe de retouche du visage après la génération de base ? Les autres outils n'ont pas cette porte ; ici, c'est trois nœuds reliés. Un mode App adoucit la barrière, une vue simplifiée qui replie la chaîne en quelques champs et boutons. Le débutant la lance d'abord et revient au schéma quand la curiosité l'emporte ; les deux vues partagent le même flux.

Le plus pratique reste la sérialisation. Un flux s'exporte en fichier JSON, paramètres, modèles et câblage compris : une source exécutable qui se rouvre dans l'état laissé. Pour qui produit en volume, cela compte : une chaîne sur cent images garde le même standard, et un résultat étrange se rattache à une étape précise.

Il y a aussi un choix rare dans la catégorie : l'image produite contient le flux complet. Quelqu'un envoie une image, on la glisse dans l'interface, et tout le graphe se reconstruit. Le chemin d'apprentissage se raccourcit d'un coup - inutile d'avaler les concepts d'abord, on prend une chaîne qui tourne et on remonte les nœuds pour voir ce que fait chaque étape.

Les outils à nœuds ont toujours été fragiles côté environnement. Les nœuds personnalisés apportent leurs dépendances, une version de travers ou une mise à jour ratée peut empêcher l'installation de démarrer, et repartir de zéro signifie retélécharger des dizaines de gigaoctets de modèles. L'application de bureau officielle a été refondue en 2026, passant de lanceur à gestionnaire d'environnements : plusieurs installations isolées cohabitent sur une machine, chacune avec sa version, ses modèles et ses nœuds, si bien qu'un nœud expérimental qui explose n'atteint pas celle du quotidien ; le stockage des modèles se partage au lieu d'être retéléchargé ; et un instantané peut être pris avant une modification, avec retour à ce point.

Une réserve. Les instantanés ne valent que pour les instances autonomes ; une instance qui suit la version officielle n'a pas cet onglet. Le gestionnaire possède aussi sa propre fonction d'instantané, marquée expérimentale et à déclencher à la main, et les deux formats ne se parlent pas. Si la stabilité compte, travaillez dans une instance autonome, vérifiez que le panneau apparaît vraiment, et ne vous y fiez qu'ensuite.

La vraie douve, ce sont les nœuds de la communauté. Selon le décompte officiel, ils dépassent soixante mille, de l'échange de visages au détourage et au contrôle de pose jusqu'à la vidéo et la 3D. Le rythme est presque absurde : un nouveau modèle a souvent son nœud en quelques jours, parfois avant le support officiel. Un gestionnaire de nœuds est intégré, un nœud manquant est à un clic, et les modèles comme les modèles de flux se trouvent au même endroit.

L'autre face de cette écologie est l'inégalité de qualité. Les nœuds communautaires sont du code d'autrui, des paquets malveillants ont existé, et une même fonction est souvent implémentée par plusieurs paquets concurrents, si bien que choisir et juger coûte du temps. Traitez-les comme des dépendances de code : une modification à la fois, un point de retour toujours prêt.

Le qualifier de frontal d'images n'est plus juste. Dans les notes officielles, les six derniers mois penchent clairement vers la multimodalité : la 3D sait reconstruire un maillage texturé à partir de vues de face, de dos, de gauche et de droite, et lire directement les formats de modèles courants ; la vidéo a gagné le découpage, la jonction, le travail sur images clés et l'enregistrement HDR ; l'audio et la musique ont leurs propres nœuds. Côté image sont venus la conversion d'espace colorimétrique et la sortie AVIF, des capacités d'ingénieur plus que d'artiste. Dans un environnement installé, image, vidéo et 3D partagent la même logique de nœuds : une capacité nouvelle n'impose pas un second logiciel.

La retouche d'image a été complétée aussi. Un éditeur de masque intégré offre pinceau, gomme et sélection polygonale, avec épaisseur, opacité et dureté réglables, des calques qui pilotent séparément le masque et l'image de fond, et des nœuds de reprise qui exploitent cela. L'extension et l'agrandissement arrivent en modèles officiels : on les glisse, on change les paramètres.

Le logiciel est libre et gratuit ; l'auto-hébergement ne coûte ni abonnement ni prix à l'image. Le vrai coût est le matériel - une carte graphique correcte, la communauté citant huit GB de mémoire vidéo comme plancher. À défaut, le service cloud officiel facture en points : 400 par mois offerts, des paliers payants à partir de 20 dollars par mois, puis 35 et 100. Louer une carte à l'heure convient aussi aux traitements occasionnels.

Les forces : contrôle et reproductibilité. Chaque étape est un nœud explicite, donc toute modification laisse une trace ; les flux se conservent et se transmettent, une équipe peut s'aligner sur un standard ; tourner en local signifie aucun coût à l'image et des données qui ne quittent pas la machine ; et les nouveaux modèles arrivent généralement ici en premier. Pour une chaîne de production, c'est l'un des rares frontaux locaux largement employés pour l'orchestration automatisée.

Les faiblesses, tout aussi nettement. La pente est réellement raide : une toile vide décourage au premier contact, et comprendre comment modèle, encodeur, échantillonneur et décodeur se répondent prend du temps. L'interface bouge vite, beaucoup de tutoriels anciens ne correspondent plus. La gestion des dépendances pèse, et les conflits de version entre paquets de nœuds arrivent. Pour qui veut seulement une phrase et une image, c'est un marteau-pilon pour une noix. La licence mérite attention : un modèle ouvert n'est pas libre d'usage commercial par principe, modèles et poids affinés ayant leurs propres conditions. Et le plancher matériel est réel - sans assez de mémoire vidéo, les nouveaux modèles ne tournent simplement pas ; vérifiez les besoins du modèle visé avant d'acheter une carte.

En une phrase : un atelier professionnel, pénible à monter, et qui une fois monté donne ce qu'un abonnement ne donne pas - zéro coût marginal, une localité complète, un processus remodelable. Avec une machine correcte et un vrai enjeu dans le travail d'image par IA, un week-end est bien investi. Pour jouer à l'occasion, un outil web demande moins d'efforts.