Tarif de l’API GPT Image 2 : coût par image, paramètres et PNG transparents

Une génération en 1024x1024 avec GPT Image 2 coûte 0,006 $ en qualité basse, 0,053 $ en moyenne et 0,211 $ en haute. Soit un écart de 35 fois pour un même prompt, et le paramètre quality décide à lui seul de la position dans cette fourchette. Ajoutez la taille du canevas, le nombre d’images de référence envoyées et l’appel ou non à l’endpoint Batch, et un job de 1 000 images peut coûter entre 3 $ et 211 $.

Cet article rassemble tous les chiffres : le tableau des prix par image, les tarifs en tokens qui les sous-tendent, les paramètres qui modifient la facture, et le seul réglage (background: "transparent") qui renvoie un vrai PNG avec canal alpha sans frais supplémentaires. Les prix ont été vérifiés sur la page tarifaire d’OpenAI et sur des calculateurs tiers en septembre et octobre 2026 : confirmez-les avant de valider un budget.

Ce que coûte réellement une image

OpenAI facture les modèles d’image au token, mais la plupart des équipes budgétisent par image, si bien que les calculateurs convertissent l’un en l’autre. Le tableau ci-dessous présente le prix de sortie standard (hors lots) pour les trois tailles que l’API propose par défaut.

Prix par image selon la qualité

Lisez le tableau en termes de ratios, pas seulement en dollars. La qualité moyenne coûte environ 9 fois la basse. La haute coûte environ 4 fois la moyenne et 35 fois la basse. Si un brouillon vous semble correct en qualité basse, vous payez moins d’un centime, et chaque échelon gravi multiplie la facture.

💡 Règle budgétaire : faites vos brouillons en low, validez la mise en page, puis générez le rendu final en medium. Réservez high pour les textes denses, les schémas et les travaux d’impression, où le détail supplémentaire se voit.

Les appels par lots coûtent moitié moins

Le modèle prend en charge l’endpoint Batch, et OpenAI y applique une remise de 50 % sur chaque type de token. Voici les tarifs standard et par lots par million de tokens :

À 1024x1024, le tarif par lots revient à environ 0,003 $ par image basse, 0,027 $ par image moyenne et 0,105 $ par image haute. Le compromis porte sur le temps : les résultats par lots arrivent plus tard, au lieu de quelques secondes, donc cela convient aux catalogues et aux jobs de nuit, pas à un utilisateur qui attend derrière un bouton.

Les calculs de tokens derrière le prix

Chaque prix par image correspond simplement aux tokens de sortie multipliés par 30 $ par million. En divisant le prix par ce taux, vous obtenez le nombre de tokens implicite : environ 1 770 tokens pour un carré en qualité moyenne, environ 7 030 pour un carré en haute qualité, et environ 1 370 et 5 500 pour un paysage en qualité moyenne et haute. Ces valeurs sont recalculées à partir des prix publiés, et non à partir de chiffres qu’OpenAI publie, donc considérez-les comme des estimations.

Pourquoi le paysage coûte moins cher

Voici le point surprenant. Un canevas 1536x1024 compte 1 572 864 pixels, soit 50 % de plus que les 1 048 576 pixels d’un carré, et pourtant il coûte environ 22 % de moins en qualité moyenne et haute. Le coût ne croît pas de façon linéaire avec le nombre de pixels. Leçon pratique : si votre mise en page le permet, choisissez le paysage ou le portrait plutôt que le carré. Vous obtenez une image plus grande pour moins cher.

Ce qu’ajoutent les images de référence

Les modifications et les flux de travail avec images de référence ajoutent des tokens d’entrée à 8 $ par million. Une mesure publiée montre qu’un appel 1024x1024 en qualité basse, avec texte seul, coûte environ 0,0063 $ pour 24 tokens d’entrée. Le même appel avec deux images de référence coûte environ 0,025 $ pour 2 365 tokens d’entrée au total. Deux références ont donc quadruplé le prix d’un rendu basse qualité, et les tokens de sortie n’ont pas changé.

💡 Astuce : l’API renvoie un objet usage avec chaque réponse. Journalisez-le sur vos cent premiers appels. C’est le seul moyen fiable de chiffrer les tailles non standard, car OpenAI ne publie pas de tableau pour elles.

Les paramètres qui font varier votre facture

L’instantané du modèle est gpt-image-2-2026-04-21, accessible via /v1/images/generations, /v1/images/edits et l’endpoint Batch. Voici chaque paramètre qui compte et son effet sur le coût.

Taille et format

Au-delà des trois préréglages, les tailles personnalisées suivent des règles strictes issues de la documentation d’images d’OpenAI : les deux côtés doivent être des multiples de 16, le rapport ne peut pas dépasser 3:1, aucun côté ne peut dépasser 3 840 pixels, et le total doit se situer entre 655 360 et 8 294 400 pixels. Tout ce qui dépasse 2560x1440 est signalé comme expérimental. Parmi les choix courants figurent 2048x2048, 2048x1152 et 3840x2160.

Niveaux de qualité

auto laisse le modèle choisir, ce qui est pratique et aussi imprévisible sur une facture. En production, réglez le niveau explicitement. La documentation actuelle d’OpenAI sur les images liste aussi xhigh et max pour GPT Image 2.5, et je n’ai pas trouvé de prix publiés par image pour ces deux-là : testez-les avec usage avant de promettre un coût à quiconque.

Format et compression

Le PNG est le format par défaut et le plus sûr pour la transparence. Le WebP embarque aussi un canal alpha et produit des fichiers plus légers. Le JPEG s’encode plus vite mais n’a pas de canal alpha. Réglez output_compression entre 0 et 100 pour le JPEG et le WebP lorsque vous voulez des fichiers plus légers pour le web.

Modération et nombre d’images

moderation accepte auto (filtrage standard) ou low (moins restrictif). Aucun des deux ne modifie le prix. Le paramètre n génère plusieurs images dans une seule requête et facture chacune, donc un lot de 10 équivaut à dix rendus simples. Une requête qui renvoie dix brouillons quasi identiques en qualité moyenne coûte environ 0,53 $ au format carré.

Des PNG transparents avec un seul paramètre

Jusqu’à cet été, un détourage supposait de générer sur fond blanc puis de passer un outil de suppression d’arrière-plan. Fin août 2026, OpenAI a documenté dans son cookbook la transparence native de GPT Image 2, en tant que fonctionnalité en préversion. Une seule requête renvoie désormais un PNG avec un vrai canal alpha.

Les deux champs obligatoires

Il faut deux réglages ensemble : background="transparent" et output_format="png" (WebP fonctionne aussi). Demander du JPEG renvoie une erreur 400, car le JPEG ne peut pas stocker la transparence. La transparence ne coûte rien de plus : à qualité et taille identiques, transparent et opaque consomment les mêmes tokens d’image.

import base64
from openai import OpenAI

client = OpenAI()

result = client.images.generate(
    model="gpt-image-2",
    prompt="A ceramic mug, isolated object, no backdrop, no cast shadow",
    size="1024x1024",
    quality="medium",
    background="transparent",
    output_format="png",
)

with open("mug.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

print(result.usage)

Copier le prompt

Le même paramètre fonctionne sur l’endpoint de modification et dans l’outil d’image de l’API Responses, mais les modifications redessinent le sujet au lieu de suivre son contour d’origine, donc les détails fins vont bouger.

Où la transparence échoue

Trois problèmes reviennent sans cesse :

• Le prompt l’emporte sur le paramètre. Si votre prompt décrit une pièce, une étagère, un piédestal ou une ombre portée, le modèle peut les dessiner au lieu de laisser les pixels vides. Écrivez "isolated object on fully transparent alpha, no backdrop, no rectangle, no shadow."
• Les matériaux délicats. Les bords de verre dépoli, les rubans diaphanes, la cire et les fibres fines comme des cheveux varient encore d’un rendu à l’autre, même si l’alpha natif les gère mieux qu’un outil de suppression appliqué après coup.
• Lacunes selon les fournisseurs. Certains hébergeurs et revendeurs ne transmettent pas background. La fiche hébergée de Cloudflare, lorsque je l’ai consultée, indiquait que les arrière-plans transparents n’étaient pas pris en charge pour ce modèle et renvoyait vers GPT Image 1.5 à la place.

Pour des bords au pixel près, générez sur un fond uni et finalisez avec un outil de détourage dédié, comme Bria Remove Background.

Vérifier le canal alpha

Ne faites jamais confiance à un fichier au seul motif qu’il se termine par .png. Une boîte blanche opaque peut passer pour un détourage jusqu’à ce que quelqu’un la pose sur une diapositive sombre. Décodez le fichier et testez-le :

from PIL import Image

img = Image.open("mug.png")
print(img.mode)                    # RGBA means an alpha channel exists
print(img.getchannel("A").getextrema())  # (0, 255) means real transparency

Copier le prompt

Un résultat de (255, 255) signifie que chaque pixel est entièrement opaque, et il faut relancer la requête avec un prompt plus propre. Lancez ce contrôle automatiquement avant toute grande campagne, puisque la fonctionnalité est encore en préversion.

Budgets pour des projets réels

Les chiffres deviennent utiles lorsqu’on les rattache à un job. Ces estimations utilisent les prix standard par image indiqués plus haut et ignorent le texte du prompt, qui ajoute environ 0,50 $ pour mille appels avec un prompt de 100 tokens.

Les deux dernières lignes sont l’avertissement. Une fonctionnalité grand public qui semble bon marché par image devient une ligne mensuelle à quatre chiffres dès que la qualité grimpe.

Coût par image conservée

Les planches d’autocollants et les photos produits réussissent rarement du premier coup. Ce que vous payez réellement, c’est le prix divisé par votre taux de conservation. Si un rendu sur cinq est jeté, un carré en qualité moyenne passe de 0,053 $ à environ 0,066 $ par image que vous utilisez réellement. Suivez le taux de conservation de chaque gabarit de prompt, et corrigez le gabarit le moins bon avant de toucher au réglage de qualité.

Limites de débit par niveau

Les plafonds de débit comptent autant que le prix lorsqu’un job est volumineux. OpenAI mesure le modèle en tokens par minute (TPM) et en images par minute (IPM) :

Au niveau 1, un catalogue de 1 000 images demande environ 200 minutes d’appels continus. Au niveau 2, le même job prend 50 minutes. Les prompts complexes peuvent aussi durer jusqu’à deux minutes chacun, donc prévoyez des relances et une file d’attente plutôt qu’une boucle serrée.

Options moins chères à tester

GPT Image 2 n’est pas le seul niveau de prix, et ce n’est que rarement le moins cher qui fait le travail.

La page tarifaire d’OpenAI indique pour GPT Image 2.5 les mêmes tarifs standard et par lots en tokens que pour GPT Image 2. GPT Image 2.5 existe en deux versions sur PicassoIA, GPT Image 2.5 Flare et GPT Image 2.5 Sunburst, ce qui vous permet de les comparer à GPT Image 2 côte à côte avec le même prompt.

PicassoIA propose aussi sa propre API pour développeurs à https://api.picassoia.com/v1, avec des prédictions à la manière de Replicate (créer, interroger, récupérer) et 5 jobs simultanés par compte. La liste que j’ai consultée le 5 octobre 2026 comptait quatre modèles, dont PicassoIA Image et PicassoIA Image Editor Pro. GPT Image 2 lui-même s’utilise via l’application web. Vérifiez les conditions actuelles de l’offre sur la page tarifaire, car la formulation sur les coûts d’API était incohérente lorsque je l’ai consultée.

Utiliser GPT Image 2 sur PicassoIA

Si vous voulez tester prompts et réglages avant d’écrire une ligne de code, la page GPT Image 2 sur PicassoIA expose les mêmes commandes que l’API. Les réglages du modèle proposent aussi une clé d’API OpenAI facultative. Laissez-le vide et PicassoIA relaie la requête.

1. Ouvrez la page du modèle GPT Image 2 et rédigez votre prompt. Nommez le sujet, la matière et l’éclairage, et ajoutez « isolated object, no backdrop » pour les détourages.
2. Choisissez le aspect_ratio : 1:1, 3:2, 2:3, 16:9, 9:16, ou une taille exacte comme 2048x2048 ou 3840x2160.
3. Réglez quality sur low pour les brouillons et medium ou high pour les rendus finaux.
4. Passez background sur transparent et choisissez png comme output_format. La page utilise par défaut le WebP, qui conserve aussi l’alpha, mais le PNG reste le choix le plus sûr pour les outils de design.
5. Réglez number_of_images entre 1 et 10, puis lancez la génération et téléchargez les fichiers.

Réglages pour des détourages propres

Gardez output_compression à sa valeur par défaut de 90 sauf si la taille du fichier compte, laissez moderation sur auto, et lancez un brouillon en qualité basse avant de dépenser pour un rendu final. Si les bords paraissent irréguliers, importez le résultat dans PicassoIA Image Editor Pro pour une retouche, ou détourez le sujet avec Bria Remove Background.

Créez vos propres images dès aujourd’hui

Le prix d’une image est faible. Le prix de réglages incorrects, répétés dix mille fois, ne l’est pas. Choisissez un vrai prompt de votre projet, générez le rendu en qualité basse, moyenne et haute, puis comparez le coût à ce que vous voyez réellement dans le fichier. Faites de même avec background="transparent" et vérifiez le canal alpha avant de lui faire confiance.

Prêt à essayer ? Ouvrez GPT Image 2 sur PicassoIA, lancez votre premier prompt en qualité basse, et conservez les résultats qui méritent une seconde passe. Envoyez ensuite le même prompt aux modèles 2.5 et voyez lequel vous donne la meilleure image par centime.