Le juge d'EditAgent (Adobe) retient une retouche valable dans 81,3% des cas, contre 74,8% pour EditScore

Des chercheurs d'Adobe Research et de l'Université de Californie à San Diego ont présenté EditAgent, un agent d'édition d'images qui travaille plus proprement qu'un professionnel de Photoshop que les systèmes précédents. Il découpe la demande en étapes dépendantes, choisit pour chacune l'outil adapté et compare le résultat à l'original à partir de données mesurées. Son résultat principal tient à son rôle de juge. Sur un benchmark de 600 retouches, où cinq professionnels ont évalué les résultats à l'aveugle, le modèle standard Qwen3.8-27B, sans fine-tuning, a sélectionné parmi les candidats une variante que les professionnels ont eux aussi jugée acceptable dans 81,3% des cas. Le meilleur des modèles spécialement entraînés, EditScore-72B (affiné sur des évaluations humaines de retouches), atteint 74,8%.

Pourquoi l'éditeur généraliste atteint ses limites

La plupart des agents de retouche d'images fonctionnent de façon simple : une requête complexe est découpée en étapes, une étape ratée est relancée avec le même éditeur, et un modèle distinct juge le résultat final à l'œil. Les auteurs montrent que ce schéma se heurte à un plafond. Sur le test de 600 retouches, l'éditeur généraliste Flux-2-Klein-9B n'a pas produit de résultat acceptable dans 42,7% des cas. Les outils spécialisés — netteté, rotation, zoom — ont corrigé environ les deux tiers de ces échecs. Relancer le même éditeur n'a presque rien apporté.

La deuxième découverte concerne l'ordre de travail. L'amélioration itérative accumule de petites erreurs, car chaque tour s'appuie sur une image déjà modifiée. Générer des variantes en parallèle à partir de l'image d'origine s'est révélé plus efficace : dans les comparaisons où les professionnels devaient choisir un camp, ils ont préféré les variantes parallèles dans 78,5% des cas. L'agent a en outre eu besoin de deux fois moins de passes d'évaluation. EditAgent repose sur ces deux constats.

Un juge à qui l'on montre les chiffres

À chaque étape, l'agent met en concurrence l'éditeur généraliste et des outils spécialisés, et obtient plusieurs candidats. Une LLM standard compare ensuite toutes les variantes en une seule passe. Mais elle ne regarde pas seulement l'image entière. Pour chaque variante, le système constitue une fiche de vérification : un gros plan de la zone modifiée, une carte des modifications et des statistiques mesurées de luminosité et de couleur. Dans l'exemple de l'article, il fallait éclaircir légèrement une photo. Les chiffres ont montré que l'éditeur généraliste avait surexposé le cliché et décalé les couleurs vers le chaud, alors que l'outil spécialisé était resté dans les limites demandées. Sur l'image complète, le modèle laisse passer ce type d'erreur.

Pour la comparaison, les chercheurs ont retenu des modèles de type EditScore, affinés sur des évaluations humaines de retouches. Sans la fiche de vérification, aucune des sept LLM testées n'a atteint le niveau du meilleur modèle affiné. Avec elle, les sept ont devancé chacun d'eux. Les auteurs en concluent que ce que voit le juge peut compter davantage que la manière dont il a été entraîné.

Après chaque tour, l'agent vérifie aussi que les retouches tardives n'ont pas annulé les précédentes. Dans l'exemple de l'article, la demande « laisser entrer plus de lumière du jour » avait rendu de nouveau transparente une fenêtre qui était auparavant dépolie. L'agent repère le conflit et le corrige.

Un coût multiplié par dix et des données d'entraînement

EditAgent a amélioré les éditeurs ouverts Qwen-Image-Edit-2511 et Flux-2-Klein-9B sur trois benchmarks et a devancé sept autres agents. Sur le benchmark EdiVal, la variante basée sur Qwen a légèrement dépassé les modèles commerciaux Seedream 4.0 et GPT-Image-1.5 au troisième tour de retouches. Les auteurs énoncent clairement les limites : l'agent exige environ dix fois plus de calcul qu'un éditeur seul, et la qualité dépend de l'ensemble des outils connectés.

Une partie de ces coûts peut être amortie. L'agent ne conserve que les résultats vérifiés : son travail a ainsi produit environ 26 000 exemples d'entraînement. Les éditeurs affinés sur ces données ont progressé sur les trois benchmarks. À l'inverse, les données générées par FLUX lui-même ont dégradé FLUX. Un agent coûteux peut donc servir d'usine à données pour des modèles rapides.

Pour Adobe, la question n'a rien d'académique. En juin, l'entreprise a ajouté des agents IA à Photoshop, Premiere et d'autres applications de Creative Cloud, sous forme de bêta publique : l'utilisateur décrit une tâche, l'agent exécute les étapes. Le choix de l'outil et la vérification de son propre résultat, c'est précisément ce qui fait gagner ou échouer ce type de produits. Une réserve : Black Forest Labs a déjà remplacé le modèle utilisé pour les tests. Le nouveau Flux 3 Image Klein compte 5,6 milliards de paramètres, soit moins que Flux 2 Klein, mais, selon les tests internes de l'entreprise, il devance tous les autres modèles ouverts, et même le modèle commercial Flux 2 Pro.