Flux n'est pas un fichier unique mais une famille de modèles d'image. Elle a commencé en 2024 par une première génération, s'est dotée en chemin d'une branche dédiée à la retouche, et en est aujourd'hui à la deuxième génération. Le membre ouvert que l'on peut réellement faire tourner sur sa propre machine est la variante compacte de cette génération, publiée en janvier 2026. Son cahier des charges est étroit et net : ramener la latence de production à un niveau interactif et livrer les poids pour que chacun héberge le modèle lui-même.

Un seul modèle pour produire et retoucher

La variante compacte replie production et retouche dans une seule architecture. Texte vers image, retouche à partir d'une référence, composition à partir de plusieurs références : le même jeu de poids s'occupe des trois, sans passer d'un modèle à l'autre. Pour l'utilisateur, la différence est concrète — écrire un prompt et obtenir une image, glisser une référence et modifier une partie, ou réunir des éléments de deux ou trois images dans un nouveau cadre. Les trois passent par la même chaîne, et aucun modèle de retouche séparé n'est à chercher pour le troisième cas.

Le nom vient de l'allemand et signifie petit ; il désigne la taille et la latence, pas une capacité amputée. La valeur publiée pour l'inférence de bout en bout descend sous la seconde. La plus grande des deux tailles associe un modèle de flux à neuf milliards de paramètres à un encodeur de texte à huit milliards ; après distillation, elle ne tourne que quatre étapes d'échantillonnage. C'est précisément ce compte d'étapes à un chiffre qui la place un ordre de grandeur devant un montage de diffusion classique.

Deux tailles, deux licences

La famille existe en neuf et en quatre milliards de paramètres, et le critère décisif tient moins à la qualité d'image qu'à la licence. La petite est entièrement ouverte sous Apache 2.0 : usage commercial, modification et redistribution sans condition, ce qui en fait la version visée pour le développement local et le déploiement en périphérie. La grande est le vaisseau amiral de cette petite classe, plus solide en qualité, mais ses poids ouverts relèvent d'une licence non commerciale ; un usage professionnel se négocie à part. À côté des versions distillées, une base non distillée conserve le signal d'entraînement complet : le bon choix pour l'affinage, l'entraînement d'adaptateurs et les chaînes maison, avec des sorties plus variées que la version distillée.

Le plancher de mémoire et les versions quantifiées

La version à quatre milliards est annoncée autour de treize gigaoctets de mémoire vidéo, ce qui la met à portée d'une carte de jeu moyenne ou supérieure des deux dernières générations ; celle à neuf milliards demande nettement plus. Avec un fabricant de cartes graphiques, le laboratoire a publié une série complète de versions quantifiées en deux précisions réduites. Sur les deux générations de cartes haut de gamme les plus récentes, à une sortie carrée de 1024 pixels de côté, les chiffres publiés donnent : le premier format jusqu'à une fois et demie plus rapide avec une mémoire en baisse de quarante pour cent au plus, le second jusqu'à presque trois fois plus rapide avec une baisse de cinquante-cinq pour cent au plus. Les versions quantifiées portent la même licence que l'original, mêmes capacités dans un volume plus petit.

Comment on s'en sert réellement

Les poids sont publiés ouvertement chez un hébergeur de modèles, et une implémentation de référence les accompagne avec le code d'échantillonnage — le point de départ de qui veut intervenir au niveau du code. Deux voies couvrent l'usage courant : une interface à nœuds répandue dans la communauté, et la bibliothèque Python de diffusion standard, où une classe de pipeline dédiée charge le modèle et où le délestage de mémoire fait baisser le pic ; la fiche de modèle publiée le montre exactement. Qui préfère ne pas se battre avec une carte graphique peut appeler le point d'accès hébergé, dans l'une ou l'autre taille, facturé au mégapixel produit.

Ce qu'il faut garder en tête

La fiche de modèle est franche sur les limites. Le modèle n'est pas destiné à fournir des informations factuelles. Il sait écrire du texte, mais les lettrages ressortent déformés assez souvent pour compter. Et en tant que modèle statistique, ses poids reflètent les biais présents dans les données d'entraînement.

La petite taille est aussi, par définition, une taille compressée : sur le lettrage et le détail photoréaliste, elle reste derrière la grande et derrière les membres plus gros de la famille, donc qui a une exigence de qualité doit monter d'un cran. Un point de calendrier mérite d'être connu. Une troisième génération est arrivée en juillet 2026, multimodale, couvrant images, vidéo, audio et prédiction de mouvement, mais sa capacité d'image est en accès anticipé et la version à poids ouverts est annoncée pour plus tard. Pour l'instant, si l'on veut des poids à télécharger et à faire tourner soi-même, le petit modèle de deuxième génération reste l'option ouverte la plus récente de la famille.

En résumé : pour un modèle qui tient sur une carte grand public, arrive avec une licence nette pour le travail commercial et assure production comme retouche sans changer de modèle, la petite version est le choix le moins encombrant aujourd'hui. Si la qualité passe devant et que le commercial n'entre pas en jeu, regardez la grande.