Adobe et UC San Diego testent un agent IA pour éditer comme un pro Photoshop

Adobe Research et l’université UC San Diego ont présenté EditAgent, un système d’intelligence artificielle conçu pour effectuer des retouches d’images en privilégiant des outils spécialisés, à la manière d’un retoucheur professionnel. Le récit de cette expérimentation a été rendu public par The Decoder ; il présente une approche moins itérative qu’un simple éditeur généraliste.

Plutôt que de relancer sans cesse le même outil générique, EditAgent sélectionne pour chaque tâche l’outil le mieux adapté, puis laisse un modèle de langage standard choisir la meilleure variante à partir de mesures d’image. Le principe fonctionne, mais le coût en calcul est nettement plus élevé.

Qu’est-ce qu’EditAgent ?

EditAgent est décrit comme un agent logiciel qui orchestre plusieurs outils de retouche spécialisés plutôt qu’un seul éditeur universel. L’équipe d’Adobe Research, en collaboration avec UC San Diego, a codé un mécanisme de décision qui associe tâche et outil — par exemple, choisir un outil de correction locale pour un défaut ponctuel ou un outil de séparation de fréquence pour des retouches de peau.

Le système produit plusieurs variantes d’une même image et s’appuie ensuite sur un modèle de langage standard pour évaluer ces variantes à partir de mesures objectives d’image. Autrement dit, EditAgent automatise à la fois le choix d’outil et la sélection du rendu final.

Comment fonctionne la sélection d’outils

Plutôt que de tenter plusieurs réglages d’un seul éditeur, EditAgent décompose les opérations attendues et appelle des modules spécialisés. Chaque module applique une transformation particulière, puis le pipeline rassemble des variantes pour les comparer.

La comparaison repose sur des métriques d’image plutôt que sur l’intuition humaine : le modèle de langage sert d’arbitre en interprétant ces mesures et en priorisant les sorties. Cette configuration vise à reproduire la chaîne de décisions d’un retoucheur professionnel qui choisit l’outil adapté à l’effet recherché.

Performances et coût

Les résultats rapportés montrent que l’approche est efficace pour produire des retouches de qualité professionnelle selon les critères testés. Cependant, les auteurs notent un coût en calcul important : EditAgent nécessite environ dix fois plus de ressources de calcul comparé à une stratégie qui réutiliserait un seul éditeur généraliste.

Cette augmentation de la consommation de calcul pose deux questions pratiques : la latence pour un flux de travail professionnel et la facture énergétique ou d’infrastructure pour des services à grande échelle. Les auteurs indiquent le besoin d’optimiser ou de compresser le processus pour le rendre viable en production.

Conséquences pour les professionnels de l’image

Pour les studios, agences ou freelances, EditAgent illustre une direction où l’automatisation ne remplace pas une seule application, mais coordonne une suite d’outils spécialisés. Cela peut améliorer la précision des retouches et réduire les allers-retours manuels entre techniques différentes.

Cependant, le surcoût computationnel limite aujourd’hui l’adoption immédiate. Les workflows professionnels exigent à la fois réactivité et maîtrise des coûts ; tant que la facture en ressources restera élevée, l’utilisation restera probablement expérimentale ou confinée à des tâches de haut niveau.

Limites et incertitudes

Plusieurs éléments restent imprécis ou non détaillés dans le compte rendu : la nature exacte des métriques d’image utilisées pour la sélection finale, l’échelle des tests menés et la robustesse du système face à des images très variées. Les informations disponibles proviennent du reportage de The Decoder et des annonces des équipes de recherche ; elles ne suffisent pas à évaluer la maturité industrielle d’EditAgent.

De plus, la multiplication des modules et variantes soulève des questions de traçabilité des modifications et de contrôle créatif : qui décide en dernière instance lorsque plusieurs sorties sont jugées acceptables ? Ces enjeux humains et réglementaires ne sont pas traités en détail dans le document publicisé.

Conclusion

EditAgent souligne une approche intéressante : automatiser non pas un seul éditeur, mais la combinaison intelligente d’outils spécialisés, puis sélectionner la meilleure sortie au moyen d’un modèle de langage interprétant des mesures d’image. L’idée rapproche l’IA du comportement d’un retoucheur professionnel, mais le prix à payer en calcul reste un frein majeur.

La trajectoire future dépendra de deux facteurs : l’optimisation du coût computationnel et la définition de métriques d’évaluation qui reflètent réellement la qualité perçue par des professionnels. Les travaux d’Adobe Research et d’UC San Diego ouvrent une piste prometteuse, mais plusieurs incertitudes techniques et pratiques doivent encore être levées.

Remarque : cet article s’appuie sur le reportage publié par The Decoder et synthétise les éléments disponibles publiquement. Certaines précisions méthodologiques n’étaient pas détaillées dans la source consultée.