Classement des générateurs d'images, Édition d'image

Comment lire ce classement

Deux sources, Arena et Artificial Analysis

Sur les deux, des internautes reçoivent deux images faites par deux modèles anonymes pour la même consigne et votent pour la meilleure. Votes d'Arena publiés sous licence CC BY 4.0 dans son jeu de données, à jour au 12 novembre 2026 ; arène d'Artificial Analysis relevée le 9 novembre 2026 (Source : Artificial Analysis). Le score est la moyenne des deux quand un modèle est classé par les deux, celui de la seule source qui le classe sinon : 75 modèles ici ont un score d'Artificial Analysis, dont 26 que seul Artificial Analysis classe.

L'échelle

100 correspond au meilleur modèle au lancement de ce classement, GPT Image 2.5 Sunburst, dans l'édition du 28 septembre 2026. 50 correspond au repère FLUX.1 Kontext [pro]. Entre les deux, le score suit l'EloEloUn score issu de duels, comme aux échecs. Battre un modèle fort rapporte plus que battre un modèle faible.Glossaire → d'Arena en ligne droite : dix points de score valent 70 points d'Elo. L'Elo d'Artificial Analysis est ramené sur la même échelle par une droite tirée des 47 modèles que les deux sources classaient le 26 octobre 2026, figée depuis.

La marge et les ex æquo

La barre bleue couvre la marge d'erreurMarge d'erreurL'intervalle où le vrai niveau du modèle a neuf chances sur dix de se trouver.Glossaire → à 90 %, tirée de l'intervalle de chaque source, en moyenne quand il y en a deux. Deux modèles dont les marges se recouvrent sont ex æquoEx æquoDeux modèles sont ex æquo quand leurs marges d'erreur se recouvrent. L'écart entre eux est trop petit pour les départager.Glossaire → : ils partagent un groupe, où l'ordre ne départage personne.

Provisoire

Sous 2 000 votes dans chacune des sources qui le classent, un score reste provisoire : il n'a pas de rang, son cadre est en pointillé et sa marge hachurée. Aucun modèle n'est dans ce cas ici.

Plus fragile que le classement des modèles de langage. Celui-ci croise 98 benchmarks ; ici, tout repose sur les préférences des votants de deux arènes. Elles se recoupent pour les modèles que les deux classent, mais un modèle qu'une seule classe n'a qu'elle pour corriger un biais dans le choix des consignes ou dans le goût des votants.