Analyser des images et photos

La vision de ChatGPT : comprendre les images

ChatGPT ne se limite pas au texte : tous ses modèles acceptent des images. Photos, captures d’écran, graphiques, documents photographiés, schémas : il les décrit, les lit et les commente. L’intérêt est très concret, parce que la fonction supprime l’étape de retranscription : vous montrez au lieu de décrire. Elle est ouverte sur Free comme sur les offres payantes, dans la limite des quotas de chaque offre.

Faire parvenir une image à ChatGPT

Sur le web et dans l’application de bureau, trois chemins mènent au même résultat : le bouton + de la zone de saisie, puis Add photos & files ; le glisser-déposer d’une image dans la zone de saisie ; le collage d’une image copiée dans le presse-papier (Ctrl+V ou Cmd+V). Sur mobile, le même bouton + ajoute une photo, celle que vous venez de prendre ou une plus ancienne ; sur iPhone, un appui long sur + ouvre directement vos photos récentes. ChatGPT accepte les formats PNG, JPEG et GIF non animé, jusqu’à 20 Mo par image.

Rien ne vous oblige à n’envoyer qu’une image à la fois. Plusieurs visuels dans un même message permettent de demander une comparaison, et vous pouvez ajouter de nouvelles images au fil de la conversation pour approfondir ou changer d’angle.

Ce que la vision permet au quotidien

Le premier usage, et le plus rentable, concerne les graphiques. Capturez la courbe d’un rapport annuel, d’un tableau de bord ou d’une présentation, et faites-la commenter plutôt que de la déchiffrer vous-même.

[image du graphique] « Analyse ce graphique. Quelles sont les tendances principales ? Y a-t-il des anomalies ? Résume les conclusions en 3 points. »

Vient ensuite la lecture de documents : ChatGPT lit le texte présent dans une image. « Transcris le texte de ce document, puis résume-le en 3 phrases. » Le même mécanisme s’applique aux factures, avec une extraction structurée qui vous évite une saisie manuelle — « Extrais les informations de cette facture : fournisseur, date, montant HT, TVA, montant TTC. » — et à la traduction, quand vous photographiez un panneau ou un menu en langue étrangère.

L’identification forme une troisième famille : un message d’erreur affiché à l’écran dont vous voulez la signification et la résolution, un objet dont vous cherchez le nom, un plat dont vous voulez une recette approchante. Enfin, la vision sert de regard critique sur du visuel professionnel.

[capture d’écran d’un site web] « Analyse cette page d’accueil. Points forts et points faibles en termes d’expérience utilisateur. Propose 3 améliorations concrètes. »

Ce qui fait la différence entre une bonne et une mauvaise analyse

La qualité du résultat dépend d’abord de celle de l’image. OpenAI conseille d’agrandir le texte à lire sans couper les détails importants, et d’éviter les images tournées ou à l’envers, ainsi que les vues panoramiques ou en « fish-eye », mal interprétées. Pour attirer l’attention sur une zone précise, annotez l’image avant de l’envoyer, avec l’outil de retouche de votre téléphone par exemple.

La deuxième variable est le texte qui accompagne l’image. « Qu’est-ce que c’est ? » appelle une description générale, souvent inutile. « Voici le graphique de nos ventes du premier trimestre : analyse la tendance et identifie les mois problématiques » appelle une réponse exploitable. Le principe vaut aussi quand vous combinez plusieurs visuels : « Voici le logo de mon concurrent [image]. Compare-le avec le nôtre [image]. Quel est le positionnement visuel de chacun ? »

Les limites à connaître

OpenAI publie lui-même une liste de limites. Le modèle n’est pas fait pour interpréter des images médicales spécialisées, comme un scanner, et ne doit pas servir de conseil médical. Il lit moins bien les textes en alphabets non latins, comme le japonais ou le coréen. Il peut se tromper sur les graphiques où seuls la couleur ou le style des traits (plein, tirets, pointillés) distinguent les courbes, sur les tâches de localisation précise, comme lire une position d’échecs, et ne donne que des comptages approximatifs. Il ne lit ni le nom du fichier ni ses métadonnées, et l’image est redimensionnée avant l’analyse.

Une réserve mérite d’être soulignée : sur des chiffres lus dans une image, comme un tableau photographié ou un PDF scanné, les valeurs exactes ne sont pas extraites de manière fiable. Quand la précision compte, envoyez plutôt le fichier tableur ou texte d’origine, et recontrôlez à la main ce qui alimente une décision. Les vidéos, enfin, peuvent être jointes comme fichiers, y compris sur Free, mais leur analyse peut être partielle.

À vous de jouer

Trois essais. Photographiez ou capturez une page de rapport ou une facture, et demandez l’extraction des informations clés dans un tableau ; vérifiez chaque montant. Capturez ensuite un graphique, depuis un article ou un tableau de bord, et demandez une analyse des tendances. Terminez par la photo d’un objet quelconque, envoyée deux fois : une fois sans consigne, une fois avec une question précise. Comparez la finesse des deux réponses.

Sources officielles : ChatGPT Image Inputs FAQ (centre d’aide OpenAI : offres, formats, ajout d’images, limites) · Data analysis with ChatGPT (tableaux scannés ou en image) · ChatGPT capabilities overview (analyse d’images)

Points clés à retenir

• Tous les modèles de ChatGPT analysent photos, captures, graphiques et documents photographiés, sur toutes les offres
• Envoyez une image avec le bouton +, le glisser-déposer, le collage ou, sur mobile, depuis vos photos
• Une question précise et une image nette valent mieux qu’un « qu’est-ce que c’est ? »
• Limites officielles : images médicales, alphabets non latins, courbes distinguées par le style, comptages
• Les chiffres lus dans une image ne sont pas fiables à coup sûr : préférez le fichier d’origine