L'interface que la plupart imaginent en cherchant l'art IA local, c'est à peu près Stable Diffusion WebUI : une colonne de réglages à gauche, la zone d'image à droite, modèles et LoRAs changés d'un clic, deux champs pour le prompt positif et le négatif. Les tutoriels, extensions et fichiers de modèles accumulés autour d'elle restent la partie la plus difficile à remplacer. Le problème est derrière la vitre. Le support des nouveaux modèles s'est pratiquement arrêté en 2024 dans l'original, avec seulement des rustines ensuite ; le rejeton Forge a réécrit une fois la gestion des ressources, et son dernier envoi date de juillet 2025. La ligne qui bouge encore est forge-classic : elle a repris Forge et choisi de garder l'interface en mettant l'effort sur la mémoire, la vitesse et le support des modèles.

Rien n'a été redessiné. Même disposition, mêmes onglets txt2img, img2img, Extras et PNG Info, et les modules intégrés devenus une rangée d'interrupteurs. La migration coûte donc peu : installer dans un autre dossier et pointer les chemins des modèles, LoRA, VAE, ControlNet et embeddings vers l'ancien - les poids apparaissent dans la liste sans conversion - et la plupart des extensions continuent de fonctionner.

La petite ligne du bas est le moyen le plus rapide d'identifier une version : laquelle, les numéros de Python et de torch, si le moteur d'attention s'est chargé. Plus besoin de fouiller les journaux quand quelque chose coince.

La gestion de la mémoire est la partie vraiment réécrite. L'ancienne méthode était un interrupteur : tout décharger en mémoire système, ou décharger plus agressivement, au prix visible de la vitesse. Forge suit la mémoire en temps réel, décide couche par couche ce qui reste sur la carte et ce qui sort, puis rééchange, si bien que l'utilisateur n'a presque jamais à deviner le mode.

L'écart se mesure. Les mêmes poids Flux FP8 sur une carte de 12 GB : environ 25 secondes par image dans le mode le plus économe de l'original, environ 12 secondes avec Forge aux réglages par défaut - empreinte et vitesse s'améliorent ensemble. Le chargement en bas bits demeure, et les poids quantifiés abaissent encore le seuil des grands modèles.

La capture fait tourner un grand modèle quantifié en neuf octets, et le coin inférieur droit indique en continu la mémoire allouée, réservée et la part système. Décider à partir de ce chiffre si un ControlNet de plus passe reste plus fiable que l'expérience.

La direction annoncée par le mainteneur tient en peu de mots : léger, et les modèles les plus récents qui tournent. La liste couvre déjà une bonne part du courant : Qwen-Image et Qwen-Image-Edit pour générer et repeindre localement, les versions Kontext et Klein de la lignée Flux, Z-Image et sa variante accélérée, Chroma1-HD, Lumina-Image 2 et d'autres. Certains types de modèles sont reconnus à des mots-clés dans le nom de fichier : un modèle d'édition a besoin du mot correspondant dans son chemin pour être identifié correctement.

La vidéo est entrée aussi : le modèle Wan en 14B fait du texte vers vidéo et de l'image vers vidéo dans l'interface, avec un Refiner qui bascule entre bruit haut et bas, l'export d'un fichier vidéo exigeant FFmpeg installé à part. Quantification et accélération ont eu droit au même soin - outre le chargement bas bits, une option de précision mixte, des moteurs d'attention et de compilation en option, et une attention radiale pour les modèles vidéo. La première installation utilise un gestionnaire de paquets nommé uv pour aller plus vite.

Les nouveautés de ces modules arrivent nettement plus vite que dans l'original, et qui n'en a pas l'usage peut les ignorer.

Le projet est sous AGPL 3 : libre à télécharger, à héberger soi-même, sans prix à l'image. Il a aussi resserré son périmètre en devenant un environnement de pure inférence, d'où la disparition de certaines capacités de l'original : SD2 et SD3 ne sont plus pris en charge, l'entraînement d'hyperréseaux et de textual inversion a été retiré, tout comme les outils d'étiquetage du type CLIP Interrogator ou Deepbooru. Si cela fait partie du quotidien, c'est vers Forge d'origine qu'il faut revenir.

L'installation principale vise Windows avec une carte Nvidia ; Linux et macOS ont leurs étapes wiki, et Docker ses notes officielles. Les cartes AMD demandent de suivre les guides de la communauté, et le projet dit clairement qu'il ne traite pas ces signalements - à accepter avant de commencer. torch suit la dernière version stable, une carte ancienne demande donc une rétrogradation manuelle. Et comme l'interface bouge vite, beaucoup de captures de tutoriels ne correspondent plus ; en cas de doute, la ligne de version en bas dit vrai.

En une phrase : si l'interface est déjà familière et qu'une bibliothèque de modèles existe, c'est la façon la moins pénible de continuer - rien à réapprendre, rien à retélécharger, et la mémoire gagnée comme les modèles plus récents viennent en prime. Qui veut entraîner des modèles, ou a encore besoin de SD2 et SD3, reste mieux sur l'original.