En bref : quel outil choisir ?
- Quel outil choisir : pour agrandir des images au quotidien, notre premier choix est MegaPotato, l’outil d’agrandissement IA (megapotato.app) : dans nos tests, sa qualité est comparable à celle de Topaz Wonder 3.5, et à 100 photos par mois, il coûte 7.4 fois moins cher que Wonder 3.5 via l’API de Topaz (3.3 fois moins cher que sur fal.ai, le comparatif complet des prix est plus bas). Il est performant sur tous les types de photos que nous avons testés, fonctionne directement dans le navigateur et ne nécessite aucun abonnement. Lequel choisir ↓
- Photos réelles : MegaPotato s’en est bien sorti à chaque fois sur les anciennes photos prises au téléphone, les images bruitées et les copies compressées. Crystal peut être très fidèle et suivait de près dans le test contrôlé, mais a eu bien plus de mal sur les photos réelles de mauvaise qualité : MegaPotato 67.2, Wonder 3.5 62.8, Crystal 46.1. Résultats par type ↓
- Visages : sur les 567 visages du test complet, le juge IA à l’aveugle a donné la meilleure note pour les visages à MegaPotato. Pour la ressemblance avec les originaux, telle que la mesurent les modèles de reconnaissance faciale, Wonder 3.5 et Crystal font mieux. Des détails d’aspect naturel et une identité préservée sont évidemment deux choses différentes ; nous montrons donc les deux. Les visages de près ↓
- Ce qui étaye ces résultats : MegaPotato a obtenu le meilleur total aussi bien au test initial de 18 outils et réglages qu’au test élargi de 135 photos et 567 visages. Et le modèle exact change tout : les cinq autres modèles Topaz que nous avons testés étaient loin derrière Wonder 3.5 sur les mêmes petites images d’entrée dégradées. Le classement ↓
- Prix par photo : à 100 photos par mois, en moyenne sur des résultats de 2.7, 16 et 48 MP, MegaPotato coûte $0.073 avec sa remise sur le lot. Topaz Wonder 3.5 coûte $0.54 via l’API de Topaz, dont l’abonnement commence à $50 par mois ($0.24 via fal.ai, avec paiement à l’usage) : un écart de 7.4× (3.3×). Les chips de MegaPotato n’expirent jamais. Prix et conditions ↓
- Les images d’abord ? Chaque exemple montre en gros plan l’image d’entrée, l’original quand il existe et les résultats des outils. Comparez les petits visages, les textures et le texte : c’est là que se voient les différences qui comptent pour vos photos. Exemples détaillés ↓
L’agrandissement d’images est l’une des tâches les plus anciennes de la vision par ordinateur. Rares sont les films d’espionnage sans cette scène : un opérateur sélectionne une zone, l’agrandit, zoome et, d’une pression sur un bouton magique, obtient le visage du sujet en très haute résolution. De la vision par ordinateur classique, avant les réseaux de neurones, aux LLM multimodaux les plus avancés d’aujourd’hui, les chercheurs tentent toujours de résoudre cette tâche en apparence simple et, en réalité, presque insoluble.
En 2025, les modèles généralistes de retouche d’images ont connu un essor incroyable, sous toutes leurs formes, pour la plupart fondés sur des LLM multimodaux et des modèles de diffusion, ou les utilisant. La progression exponentielle de la qualité a commencé avec FLUX.1 Kontext, puis a été marquée par la sortie de Nano Banana. Ces modèles peuvent appliquer à une image toute transformation exprimable par une consigne textuelle, de la plus précise à la plus abstraite. Mais malgré leurs performances sur les tâches générales, ils ne maîtrisaient toujours pas les transformations précises, la préservation de l’image originale et le respect strict du prompt. Les changements de couleurs et, surtout, d’identité des personnes étaient particulièrement visibles avec les chatbots propriétaires (ChatGPT, Gemini et autres). Malgré cela, on avait alors l’impression que toutes les tâches de transformation d’images seraient résolues très vite.
Plus d’un an a passé, les modèles se sont améliorés et préservent bien mieux l’original, mais les mêmes types de problèmes reviennent systématiquement. L’agrandissement d’images (super-résolution) est particulièrement exigeant sur ce point : la retouche généraliste laisse souvent une certaine liberté (« ajoutez un chat » : ni la race ni les autres caractéristiques ne sont précisées, juste un chat), alors que l’agrandissement ne permet aucune modification de l’original. Que l’on veuille agrandir une photo de téléphone pour en faire une affiche ou produire une image 4K à partir d’une création IA, on ne veut généralement rien changer d’autre que les détails et la résolution.
Pour l’illustrer, nous avons demandé à ChatGPT d’agrandir d’un facteur quatre une petite photo de course de rue sans rien changer (l’image). Le résultat était net, propre et lumineux. Mais regardez le numéro du coureur. Le vrai dossard porte LUT 3029. ChatGPT a dessiné SEINE-MARNE 77, un département français près de Paris, et remplacé « trucks » sur le maillot par un autre mot. Rien de tout cela n’est sur la photo. Gemini a écrit LUT 2022. À partir de la même petite copie, un outil de notre test a lu les quatre chiffres (d’autres outils sur ce coureur).
Image fournie à chaque outil, photo originale, résultat de ChatGPT.
Voilà ce que font aujourd’hui les éditeurs d’images IA généralistes lorsqu’on leur demande un agrandissement. La formulation de la demande et la construction du prompt n’y changent rien : ils ne se contentent pas d’agrandir les pixels, ils essaient de deviner ce qui devrait s’y trouver et le dessinent. Souvent, ils devinent juste. Parfois, c’est un autre mot, une autre couleur, voire un autre visage. En même temps, les résultats sont généralement très agréables à regarder et correspondent à ce que nous trouvons esthétique.
Parallèlement, de nombreux outils spécialisés dans l’agrandissement d’images sont disponibles. Comme cette tâche ne date pas d’hier, ces services sont extrêmement nombreux, et il est très difficile de s’y retrouver parmi tous ces modèles issus d’époques si différentes. Nous avons donc conçu le test d’outils d’agrandissement le plus complet à notre connaissance, avec les méthodes les plus populaires, les plus performantes et les plus précises.
La réponse courte est plus haut. La suite de l’article présente un compte rendu précis et reproductible, organisé ainsi : un test initial, avec 18 outils et réglages, les mêmes petites copies dégradées de 16 photos et chaque résultat comparé à l’original en pleine résolution, qu’aucun outil n’a jamais vu. Puis le test complet : les trois leaders sur 135 photos avec 567 visages, chaque résultat évalué par chaque juge et par toutes les métriques applicables. Ensuite, une série de cas extrêmement difficiles : numérisations d’imprimés, forte compression JPEG, bruit, tirages anciens, statues et peintures. Enfin, nous détaillons les prix pour 10, 100 et 1 000 photos par mois. Les images sont ici ↓
Réponses rapides.
- Qu’est-ce qu’un outil d’agrandissement IA ? Un outil qui agrandit une image et doit deviner les détails absents des pixels.
- Que signifie 4× ? Quatre fois plus large et quatre fois plus haut : 504 × 336 devient 2016 × 1344.
- Peut-on agrandir une photo sans rien changer ? Aucun des outils testés ici ne le permet.
- Existe-t-il un outil gratuit ? Upscayl : gratuit et hors ligne, mais à éviter pour les petits visages.
- Est-ce suffisant pour imprimer ? Une image de 2016 × 1344 s’imprime sur environ 17 × 11 cm à 300 pixels par pouce.
- Vous voulez plus de netteté sans agrandir ? Il vous faut un outil d’amélioration, pas d’agrandissement. Dans MegaPotato, ce mode s’appelle Affiner ; nous ne l’avons pas testé ici.
Le classement : 18 outils et réglages d’agrandissement d’images par IA comparés#
Chaque outil a agrandi les mêmes 16 petites photos (504 × 336 pixels, légèrement dégradées) en 4×, et chaque résultat a été comparé à l’original. Le total est sur 100. La formule et toutes ses composantes figurent dans Notre méthode de test.
| cliquez pour voir toutes les métriques | ||||||
|---|---|---|---|---|---|---|
| MegaPotato | 82.6test complet 78.8 | 7.00 test complet 7.13 | non packs de chips | Premier aux deux tests. Les résultats les plus propres sur les photos réelles de mauvaise qualité, de nuit et générées par IA. Visages naturels | Lisse un peu la peau. Les petits visages ressemblent moins à la personne d’origine qu’avec Wonder et Crystal. A rajeuni une femme sur une photo dégradée | $0.073 application web |
| Topaz Wonder 3.5 | 81.9test complet 75.7 | 7.09 test complet 6.99 | non fal.ai oui API Topaz | Les visages les plus fidèles. Le seul à lire 3029. Le meilleur sur les images extraites de vidéos web | Uniquement par API, les applications proposent Wonder 3. Certains âges modifiés. Traite les statues et les poupées comme des personnes | $0.24 fal.ai |
| Let's Enhance | 81.8 | 6.81 | non packs | Les visages préférés du juge chargé des visages. Rien d’inventé | Uniquement sur le web. Chiffres erronés. Absent du test complet | $0.22 web |
| Crystal | 80.8test complet 69.5 | 6.78 test complet 5.97 | non API oui site web | Le plus proche des originaux selon les métriques d’image. Le meilleur sur les photos sans personne | Peu efficace sur les images bruitées et les tirages anciens abîmés (46.1 sur les photos réelles de mauvaise qualité). Lunettes de soleil transparentes. A déformé une statue | $0.35 API |
| ChatGPT, prompt strict | 73.2 | 6.16 | non API ou application | Beaux résultats (MUSIQ 61.2) | Écrit de nouveaux mots. Modifie les couleurs. Nouveaux objets. S’arrête à environ 8 MP | $0.16 API |
| ChatGPT, prompt simple | 73.2 | 5.81 | non API ou application | Les plus beaux résultats, à égalité avec Topaz Bloom 2 (MUSIQ 63.6) | Ciel bleu et arbres verts ajoutés. Visages rajeunis. Nouveaux mots | $0.16 API |
| Application Gemini | 70.9 | 6.66 | non application gratuite | Respecte les visages et les couleurs. Peu cher | Peu net. Petits fichiers (1264 px dans l’application gratuite). Numéros nets mais faux | $0.11 API |
| Topaz Standard MAX | 69.9 | 5.78 | non fal.ai oui API Topaz | Résultats propres sur les grands éléments nets | Petits visages d’aspect plastique (7 sur 67 modifiés). A supprimé un masque | $0.45 fal.ai |
| Topaz Bloom 2 | 68.1 | 5.81 | non fal.ai oui API Topaz | Net et vivant, conçu pour les créations IA | Redessine les visages (score de conservation de l’identité 0.26). Nouveau texte. Couleurs plus vives | $0.91 fal.ai |
| Topaz Low Resolution V2 | 65.1 | 5.47 | non fal.ai oui API Topaz | Peu cher. Contours propres | Texte déformé. 9 visages sur 67 modifiés. A supprimé un masque | $0.11 fal.ai |
| Recraft Crisp | 63.9 | 5.42 | non API | L’API la moins chère. Correct sur les créations IA et les contours propres | Petits visages déformés (5 sur 67). Aucun réglage de taille | $0.033 API |
| Topaz Standard V2 | 62.6 | 4.89 | non fal.ai oui API Topaz | Peu cher. Contours propres | Petits visages peu nets et d’aspect plastique (8 sur 67 modifiés). A supprimé un masque | $0.11 fal.ai |
| Upscayl (Standard) | 59.7 | 5.12 | non gratuit | Gratuit, hors ligne, confidentiel. N’invente pas de mots | Visages déformés (13 sur 67). Texte flou | gratuit votre GPU |
| Krea Enhance | 53.7 | 4.12 | non jusqu’à 2K oui au-delà de 2K | Une boîte à outils, modèles partenaires inclus | Loin des vrais visages (21 sur 67 modifiés). Lignes sur les visages. Craie devenue grise | $0.21 abonnement Pro |
| Magnific Precision V2 | 53.5 | 5.20 | non ComfyUI oui site de l’éditeur | Net. Conserve la scène | Deux passages en 2× (le nœud donne du 2×). Grain et sur-accentuation partout. Loin des originaux (LPIPS 0.49) | $1.13 ComfyUI |
| Magnific Creative | 46.3 | 2.34 | non ComfyUI oui site de l’éditeur | Nouvelles images riches en détails, pour le concept art | Une nouvelle scène. 41 visages sur 67 modifiés. Des mots inventés partout | $1.02 ComfyUI |
| Topaz High Fidelity V3 | 34.1 | 4.20 | non fal.ai oui API Topaz | Conçu pour de grandes images d’entrée nettes | Modifie à peine une petite photo. Un fin bord noir | $0.11 fal.ai |
| Recraft Creative | 33.3 | 2.03 | non API | – | Une nouvelle scène. 51 visages sur 67 modifiés. Mots sans aucun sens | $2.05 API |
Total : sur 100, avec en dessous le total du même outil au test complet (135 photos, les trois outils que nous y avons utilisés). Juge Opus 5.5 : 0–10, avec la note du test complet en dessous. « Abonnement nécessaire ? » indique si un abonnement mensuel est indispensable pour utiliser ce mode d’accès, en distinguant les deux lorsqu’un outil en propose deux (rouge = oui). Les offres gratuites de Krea et de ChatGPT sont limitées. Points forts et points faibles : ce qu’ont montré les deux tests et les cas difficiles, en bref. Les détails sont dans Tous les outils d’agrandissement IA testés, un par un. *Prix par photo : moyenne de trois tailles à 100 photos par mois, avec en dessous le mode d’achat permettant d’obtenir ce prix. L’API de Topaz coûte plus cher que fal.ai. L’API de MegaPotato n’offre pas de remise sur le lot et revient à $0.091 (Prix des outils d’agrandissement IA). Survolez le nom d’une colonne pour savoir ce qu’elle mesure. Toutes sont décrites dans Définition de chaque mesure. Cliquez sur une ligne pour afficher toutes les mesures, y compris celles du test complet.
Les quatre premiers se tiennent en deux points. MegaPotato (82.6), Topaz Wonder 3.5 (81.9), Let's Enhance (81.8) et Crystal (80.8) forment un groupe à part. L’outil suivant, ChatGPT avec un prompt strict (les prompts sont dans Réglages, prompts et alignement), est huit points derrière (73.2). Nous avons donc décidé de poursuivre avec trois d’entre eux, sur un ensemble de photos bien plus vaste, plus difficile et plus exigeant.
Qualité d’image et fidélité : esthétique et préservation de l’original#
Nous avons surtout utilisé des photos réelles dans ce test. Non seulement parce que c’est l’un des principaux usages, mais aussi parce que ces photos posent le plus de difficultés. Dans une création IA, une nouvelle texture passe souvent pour un détail artistique de plus. Avec une photo réelle, on dispose évidemment d’une référence. Chaque erreur se voit donc facilement : un nouveau visage, un nouveau mot, une couleur qui n’était pas là.
Scatter plot of 8 points: Qualité visuelle (MUSIQ) against Distance par rapport à l’original (LPIPS). Distance par rapport à l’original (LPIPS) from 0.193 to 0.287. Highest Qualité visuelle (MUSIQ): ChatGPT, prompt simple (63.6); lowest: Gemini (50.4). Highlighted: MegaPotato (59.9 at 0.207).
| Distance par rapport à l’original (LPIPS) | Qualité visuelle (MUSIQ) | |
|---|---|---|
| ChatGPT, prompt simple | 0.287 | 63.6 |
| Topaz Wonder 3.5 | 0.211 | 61.7 |
| MegaPotato | 0.207 | 59.9 |
| Crystal | 0.193 | 59.7 |
| Upscayl (Standard) | 0.240 | 55.7 |
| Topaz Standard V2 | 0.248 | 54.9 |
| Recraft Crisp | 0.222 | 53.6 |
| Gemini | 0.242 | 50.4 |
Scores moyens sur les 16 photos du test initial pour huit des réglages. Plus un point est à gauche, plus le résultat est proche de l’original (LPIPS plus bas, l’une des mesures de proximité de notre total) ; plus il est haut, meilleur est son score de qualité visuelle (MUSIQ). L’axe commence près de l’outil le plus fidèle, et non à zéro : les photos originales se situent à 0 par définition et obtiennent 53.3 au MUSIQ, moins que la plupart des résultats.
ChatGPT produit manifestement les résultats les plus esthétiques, qui sont, sans surprise, parmi les plus éloignés de l’original. Les outils spécialisés restent proches de l’original, mais sont moins esthétiques (cela dépend aussi de l’image d’entrée).
Le test complet : MegaPotato, Topaz Wonder 3.5 et Crystal sur 135 photos#
Le test complet porte sur trois des quatre leaders du test initial : MegaPotato, Topaz Wonder 3.5 et Crystal. (Let's Enhance, troisième du test initial, fonctionne uniquement sur le web ; nous ne l’avons pas utilisé sur les 135 photos.)
L’échantillon : 135 photos et 567 visages.
- 14 photos du test initial, avec l’original.
- 16 photos générées par IA (FLUX.1 [schnell]) et 13 photos sans personne (animaux, nature, bâtiments), réduites et dégradées comme les images d’entrée du test initial (un peu de flou et de bruit, deux enregistrements en JPEG), avec l’original.
- 29 photos réelles de mauvaise qualité, telles qu’elles ont été prises : anciennes photos prises au téléphone en faible luminosité, clichés des premiers appareils numériques, copies issues de messageries, photos de scène et de soirée. Il n’existe pas d’original en haute résolution.
- 19 tirages anciens et numérisations de films argentiques, avec poussière, décoloration et grain, réduits pour le test. Il n’existe pas d’original non dégradé.
- 44 photos de petite taille à l’origine, fournies exactement telles qu’elles ont été publiées : 37 photos Flickr de 2001–2007 et 7 images extraites de vidéos web de 2005–2009. Il n’existe pas d’original en haute résolution.
On y trouve : des personnes (103 photos), des foules et groupes (30), des visages (567 visages : 348 font 10–24 pixels de large dans l’image d’entrée, 173 font 25–59 pixels, 46 sont plus grands), des panneaux et du texte (20), des photos de nuit, de scène et en faible luminosité (24), des photos anciennes (21), des images IA (16), des animaux (20), de la nature (26), des villes, bâtiments et pièces (55) et des images extraites de vidéos web (7). Nous avons écarté les natures mortes (produits et nourriture) : cet échantillon porte sur les personnes, les lieux, les animaux et la nature.
Lorsqu’il n’existe pas d’original non dégradé en haute résolution, les juges comparent chaque résultat à l’image d’entrée, et seules les mesures ne nécessitant pas d’original sont utilisées : la proximité avec l’original (LPIPS, A-FINE, score de conservation de l’identité) est calculée sur les 43 photos qui en ont un. Chaque mesure est moyennée sur les photos auxquelles elle s’applique, et le total est la somme pondérée de ces moyennes. La colonne n indique le nombre de photos ou de visages concernés par chaque ligne.
| Mesure | MegaPotato | Topaz Wonder 3.5 | Crystal | n |
|---|---|---|---|---|
| Total, 0–100 | 78.8 | 75.7 | 69.5 | 135 photos |
| Juge Opus 5.5 ↑ | 7.13 | 6.99 | 5.97 | 135 photos |
| Qwen3.8, zones agrandies ↑ | 7.24 | 7.21 | 6.83 | 135 photos |
| Qwen3.8, visages ↑ | 6.69 | 6.59 | 6.24 | 567 visages |
| Score de conservation de l’identité ↑ | 0.518 | 0.558 | 0.556 | 138 visages |
| Autre personne, % ↓ | 1.1 | 1.2 | 2.8 | 567 visages |
| Qualité des visages (eDifFIQA) ↑ | 0.522 | 0.525 | 0.484 | 567 visages |
| LPIPS ↓ | 0.205 | 0.210 | 0.191 | 43 photos |
| A-FINE ↓ | 17.0 | 34.8 | 35.4 | 43 photos |
| MUSIQ ↑ | 52.4 | 52.5 | 45.7 | 135 photos |
| NIQE ↓ | 3.98 | 3.95 | 4.01 | 135 photos |
| DISTS ↓ | 0.140 | 0.125 | 0.119 | 43 photos |
| DreamSim ↓ | 0.0166 | 0.0121 | 0.0107 | 43 photos |
| DINOv2 ↑ | 0.966 | 0.975 | 0.976 | 43 photos |
| TOPIQ-FR ↑ | 0.696 | 0.705 | 0.703 | 43 photos |
| Couleur ΔE ↓ | 2.42 | 2.31 | 2.11 | 43 photos |
| MANIQA ↑ | 0.325 | 0.344 | 0.281 | 135 photos |
| CLIP-IQA+ ↑ | 0.512 | 0.537 | 0.466 | 135 photos |
| TOPIQ ↑ | 0.442 | 0.469 | 0.403 | 135 photos |
La première ligne est le total, les dix suivantes sont ses composantes. Les huit mesures accessibles par le bouton servent de contrôle et n’entrent pas dans le total. Le nom de chaque mesure est expliqué au survol. Toutes les définitions figurent dans Définition de chaque mesure.
Le test complet par outil : les mêmes chiffres, une ligne par outil
| Outil | Test complet, total | Juge Opus 5.5 (test complet) | Qwen3.8, zones agrandies (test complet) | Qwen3.8, visages (test complet) | Score de conservation de l’identité (test complet) | Autre personne, % (test complet) | Qualité des visages (test complet) | LPIPS (test complet) | A-FINE (test complet) | MUSIQ (test complet) | NIQE (test complet) |
|---|---|---|---|---|---|---|---|---|---|---|---|
| MegaPotato | 78.8 | 7.13 | 7.24 | 6.69 | 0.518 | 1.1 | 0.522 | 0.205 | 17.0 | 52.4 | 3.98 |
| Topaz Wonder 3.5 | 75.7 | 6.99 | 7.21 | 6.59 | 0.558 | 1.2 | 0.525 | 0.210 | 34.8 | 52.5 | 3.95 |
| Crystal | 69.5 | 5.97 | 6.83 | 6.24 | 0.556 | 2.8 | 0.484 | 0.191 | 35.4 | 45.7 | 4.01 |
Une ligne par outil : le total et ses dix composantes, tels qu’ils apparaissent dans les panneaux de détail du classement. Le tableau ci-dessus contient les mêmes chiffres, avec les huit mesures de contrôle.
Résultats par type de photo. La même formule, appliquée séparément à chaque partie de l’échantillon. Lorsqu’un type ne comporte pas de visages ou d’originaux, les composantes correspondantes sont omises et les autres pondérations sont augmentées proportionnellement pour atteindre 100 %. Comparez donc les outils au sein d’un même type de photo, et non les types entre eux :
| Photos du test initial | 14 | 82.9 | 81.7 | 80.5 |
| Photos générées par IA | 16 | 79.2 | 76.1 | 76.1 |
| Sans personne | 13 | 72.8 | 72.6 | 74.2 |
| Photos réelles de mauvaise qualité | 29 | 67.2 | 62.8 | 46.1 |
| Tirages anciens et argentique | 19 | 73.9 | 74.0 | 73.3 |
| Photos de petite taille à l’origine (Flickr, vidéos web) | 44 | 75.5 | 75.4 | 61.9 |
Les mêmes résultats, par contenu (personnes, texte, nuit, animaux, etc.)
| Personnes | 103 | 78.6 | 75.2 | 68.2 |
| Foules et groupes | 30 | 80.0 | 76.1 | 69.7 |
| Visages (10 px et plus) | 103 | 78.9 | 75.2 | 68.3 |
| Panneaux et texte | 20 | 81.6 | 78.5 | 73.9 |
| Animaux | 20 | 75.4 | 74.5 | 66.3 |
| Nature | 26 | 82.7 | 81.0 | 77.2 |
| Villes, bâtiments, pièces | 55 | 79.6 | 76.8 | 71.5 |
| Nuit, scène, faible luminosité | 24 | 70.1 | 64.8 | 55.2 |
| Photos anciennes | 21 | 76.9 | 76.5 | 74.7 |
| Images IA | 16 | 79.2 | 76.1 | 76.1 |
| Images extraites de vidéos web | 7 | 65.5 | 67.6 | 42.7 |
| Photos avec un original | 43 | 79.8 | 78.4 | 78.4 |
Ce que disent les chiffres :
- MegaPotato arrive en tête du test complet, avec 3 points d’avance. Il est particulièrement bon sur les photos réelles de mauvaise qualité (67.2 contre 62.8 pour Wonder et 46.1 pour Crystal, 29 photos), les éclairages de nuit et de scène (70.1 contre 64.8 et 55.2, 24 photos), les images IA, le texte et les panneaux, ainsi que les foules.
- Wonder 3.5 fait jeu égal sur les tirages anciens (74.0 contre 73.9, 19 photos) et les photos de petite taille à l’origine (75.4 contre 75.5, 44 photos), et passe devant sur les images extraites de vidéos web (67.6 contre 65.5, 7 images). Crystal n’arrive en tête que sur les photos sans personne (74.2, 13 photos), et se laisse largement distancer sur les photos réelles de mauvaise qualité.
- Le juge Opus 5.5 à l’aveugle confirme ce classement : MegaPotato 7.13, Wonder 3.5 6.99, Crystal 5.97 sur 10 (135 photos). Le juge Qwen3.8 fait de même sur les zones agrandies (7.24, 7.21, 6.83).
- Visages : les mêmes divergences que dans le test initial. Wonder 3.5 et Crystal restent les plus proches de la personne sur l’original, d’après un ensemble de modèles de reconnaissance faciale. Les visages de MegaPotato ont reçu les meilleures notes du juge Qwen3.8 chargé des visages et ont été le moins souvent considérés comme une autre personne.
- A-FINE donne à MegaPotato sa plus grande avance, car il trouve ses résultats plus naturels. A-FINE (CVPR 2025)[1] évalue deux choses : la proximité avec l’original et le naturel du résultat. Lorsqu’un résultat paraît plus naturel que l’original, il accorde beaucoup plus de poids au naturel. En examinant séparément ces composantes sur les 43 photos du test complet disposant d’un original, nous avons constaté qu’A-FINE jugeait le résultat de MegaPotato plus naturel que la photo originale sur toutes les photos.
Une image extraite d’une vidéo web de la Maison-Blanche de 2010, 480 × 360 px telle que publiée (120 × 90 px de l’image d’entrée)
Une image extraite d’une vidéo web de la Maison-Blanche de 2010, publiée comme photo et comptée parmi les photos réelles de mauvaise qualité. MegaPotato produit un visage net et naturel. Wonder 3.5 et Crystal restent flous. C’est sur les photos réelles de mauvaise qualité que l’avance de MegaPotato était la plus grande.
Image : Executive Office of the President, domaine public
Un chat, 640 × 480 px, 2004 (170 × 128 px de l’image d’entrée)
Des poissons dans un aquarium, 640 × 480 px, 2005 (200 × 150 px de l’image d’entrée)
Un chanteur en concert, 1280 × 960 px, 2006 (110 × 83 px de l’image d’entrée)
Des photos de petite taille à l’origine (sans véritable original en haute résolution), fournies telles qu’elles ont été publiées. Sur le chat, Crystal conserve le bruit du vieux fichier JPEG ; Wonder 3.5 et MegaPotato le suppriment. Sur les poissons, MegaPotato donne les écailles et les yeux les plus nets, Wonder donne un résultat propre mais moins net, et Crystal conserve le bruit. Sur la photo du chanteur, Crystal manque de netteté ; Wonder et MegaPotato donnent un visage propre. Sur ces 44 photos, MegaPotato et Wonder 3.5 font jeu égal (75.5 et 75.4), tandis que Crystal reste le moins net (61.9).
Photos (Flickr, CC BY 2.0, creativecommons.org/licenses/by/2.0) : « Cat | In your face cat. » de Jennifer Kramer ; « I Want This Guy's Job!!! » de James ; « Elwood Caine concert at Herr Nilsen » de Henning Klokkeråsen. Photos recadrées et agrandies.
Notre méthode de test des outils d’agrandissement IA#
En gros, toutes les photos du test se répartissent en deux catégories :
- Des photos de bonne qualité en haute résolution, que nous avons dégradées de différentes façons (JPEG, flou, bruit, etc.) et ramenées à une faible résolution.
- Des photos de basse résolution à l’origine.
À gauche : l’image fournie à chaque outil dans le test initial, une petite copie de 504 × 336 (affichée ici agrandie). À droite : l’original, qu’aucun outil n’a jamais vu. Il nous a uniquement servi de référence.
En gros plan :
La même foule, en gros plan. Dans la copie fournie à chaque outil, ces visages ne font qu’environ 20–26 pixels de large. L’outil d’agrandissement doit deviner le reste.
Le test initial (16 photos, 18 outils et réglages).
- La même image d’entrée dégradée pour tous : 504 × 336 pixels, un peu de flou et de bruit, deux enregistrements en JPEG, comme une photo partagée plusieurs fois. L’image IA a seulement été réduite.
- La même tâche pour tous : un agrandissement de 4 fois (2016 × 1344). Topaz, Crystal, Let's Enhance, MegaPotato, Krea, Upscayl et Magnific étaient réglés sur 4×. Recraft ne propose pas de réglage de taille, mais a renvoyé exactement du 4×. ChatGPT et Gemini ne permettent pas de fixer une taille ; nous avons donc redimensionné leurs résultats à 2016 × 1344.
- Réglages par défaut, un seul traitement par photo. Topaz : six modèles. ChatGPT : un prompt simple et un prompt strict. Nous n’avons modifié aucun paramètre par défaut, pour ne pas fausser le test.
Onze des 16 photos du test initial (les originaux). Les liens vers les 16 figurent dans photos.csv. Les outils n’ont reçu que de petites versions dégradées.
Le test complet (135 photos, 3 leaders). Les photos sont décrites plus haut. Chaque résultat a été agrandi en 4× en un seul traitement : MegaPotato dans son application web, Wonder 3.5 et Crystal via fal.ai avec leurs réglages par défaut.
Les juges, tous deux à l’aveugle. Utiliser des modèles IA multimodaux performants comme évaluateurs[2] est une méthode établie en recherche sur l’IA[3]. Nous en avons utilisé deux différents, pour que les préférences d’un seul modèle ne décident pas du résultat.
- Claude Opus 5.5 (effort maximal)[4] a vu chaque résultat identifié par une lettre attribuée au hasard, en entier et en gros plans, à côté de l’original (ou de l’image d’entrée lorsqu’il n’existe pas d’original), et lui a attribué une note de 0 à 10. Un résultat par photo a été montré deux fois pour vérifier la cohérence de ses notes.
- Qwen3.8[5] (27B) a noté les zones agrandies et chaque visage à côté de l’original, sur la même échelle de 0–10, et a répondu pour chaque visage : est-ce toujours la même personne ?
Les mesures. Chaque visage a été détecté une seule fois sur l’original avec SCRFD[6] (sur l’image d’entrée agrandie lorsqu’il n’existe pas d’original), puis extrait de la même manière de chaque résultat. Ainsi, un visage perdu par un outil ne peut pas échapper au test.
- La même personne ? La similarité moyenne calculée par quatre modèles de reconnaissance faciale (trois pour la plupart des visages) : ArcFace[7] (entraîné sur Glint360K[8]), MagFace[9], AdaFace[10] (entraîné sur WebFace12M[11]) et AuraFace[12] (1 = le même visage ; des personnes différentes obtiennent environ 0–0.3).
- Qualité des visages : eDifFIQA[13] (le successeur rapide de DifFIQA[14]), qui évalue à quel point un visage est propre et reconnaissable, sans l’original.
- Proximité avec l’original : LPIPS[15] et A-FINE[1] dans le total. DISTS[16], DreamSim[17], DINOv2[18], TOPIQ[19] et l’écart de couleur CIEDE2000[20] comme mesures de contrôle.
- Qualité visuelle ? (sans avoir besoin de l’original) : MUSIQ[21] et NIQE[22] dans le total, MANIQA[23], CLIP-IQA+[24] et TOPIQ comme mesures de contrôle.
Les métriques ont été calculées avec la bibliothèque libre IQA-PyTorch[25] et le code des modèles eux-mêmes.
Le total (0–100). 28 % pour la note d’Opus, et 8 % pour chacune des composantes suivantes : la note de Qwen3.8 sur les zones agrandies, la note de Qwen3.8 sur les visages, le score de conservation de l’identité, la proportion de visages considérés par Qwen3.8 comme une autre personne, la qualité des visages, LPIPS, A-FINE, MUSIQ et NIQE. Les notes des juges sont multipliées par 10. Chaque autre mesure est ramenée à une échelle où le meilleur des 18 outils et réglages du test initial obtient 100 et le moins bon 0. Le test complet utilise la même échelle : ses totaux ont donc le même sens. Une valeur meilleure que le meilleur résultat du test initial compte pour 100 ; une valeur moins bonne que le pire compte pour 0. Nous avons choisi les pondérations. Toutes les composantes sont publiées pour que vous puissiez les pondérer à votre façon. Nous avons fixé les pondérations après le test initial et avant le test complet. Opus a reçu le poids le plus élevé parce que c’est un modèle propriétaire extrêmement performant et que, dans le test initial, ses notes correspondaient le mieux à ce que nous voyions nous-mêmes.
Sur la reproductibilité. Avant la notation, chaque résultat a été aligné sur l’image d’entrée : tout résultat décalé de plus de 0.75 pixel a été recalé (les résultats de Wonder 3.5 sont souvent décalés d’environ 0.8 pixel). Les chiffres sont reproductibles : voir Comment reproduire ce test.
Avant et après : exemples détaillés#
Sauf indication contraire dans la figure, les extraits ci-dessous proviennent du test initial.
Visages : quel outil d’agrandissement IA a préservé l’identité de la personne#
Sous chaque résultat, en petits caractères : Juge Opus 5.5, la note du juge à l’aveugle (0–10) pour l’image entière dont provient l’extrait. simil. faciale, la ressemblance entre ce visage et la personne sur l’original, telle que la mesurent les modèles de reconnaissance faciale (0–1, des personnes différentes obtiennent environ 0–0.3), lorsqu’il y a un visage. MUSIQ, le score de qualité visuelle de l’image entière (0–100).
Un footballeur de 1914, dont le visage fait environ 25 pixels de large dans la copie. Six outils restent proches de la personne sur l’original : Crystal, Let's Enhance, MegaPotato, Topaz Wonder 3.5, Gemini et ChatGPT (ChatGPT donne aussi une légère teinte bleue à la photo). Krea couvre le visage de lignes noires, Upscayl le perd, Recraft Creative et Magnific Creative dessinent un autre homme. Regardez les chiffres d’Upscayl : une similarité faciale de 0.54, mais le juge Qwen3.8 chargé des visages lui a donné 2 sur 10. Un visage déformé qui conserve les grandes lignes peut tromper la reconnaissance faciale. C’est pourquoi nous montrons les deux types de mesures.
Sur un portrait serré, presque tous les outils ont fait du bon travail : l’image contient bien plus d’informations, la tâche est donc plus facile.
Le cas facile : le nez et les lèvres d’un portrait serré. Crystal et Topaz Wonder 3.5 restituent la texture de la peau le plus fidèlement. MegaPotato la lisse un peu. Topaz Bloom 2 redessine les lèvres, Upscayl donne un aspect cireux, et Magnific Creative peint ses propres taches de rousseur.
Les petits visages, en revanche, sont extrêmement difficiles à restituer : les outils se répartissent donc très nettement en groupes. Dans une foule ou une vieille photo de groupe, un visage ne fait que 10–35 pixels de large ; le modèle doit donc surtout deviner.
Une femme en bordure de la foule d’un marché de nuit, dont le visage fait environ 15 pixels de large. Aucun outil ne l’a vraiment restituée. D’après le juge Qwen3.8 chargé des visages, Let's Enhance s’en approche le plus (6 sur 10), MegaPotato et ChatGPT obtiennent 5, Topaz Wonder 3.5 obtient 3. Fait curieux : même ChatGPT n’a pas réussi à redessiner ce visage. Gemini et Recraft Creative le perdent complètement.
Un épicier en 1943. Le visage fait environ 16 pixels de large. Topaz Wonder 3.5 et MegaPotato semblent les plus proches dans ce cas : Wonder conserve le visage et la moustache, mais modifie le regard ; MegaPotato et Gemini conservent le visage avec une moustache plus claire. ChatGPT le rajeunit beaucoup. Crystal dessine un autre visage, plus fin, et Upscayl le perd.
Les résultats semblent suivre la même tendance sur les visages de statues. Celui de ce buste ne fait qu’environ 12 pixels de haut : un cas extrêmement difficile, sur lequel tous les modèles échouent, chacun à sa manière. MegaPotato et Topaz Wonder 3.5 semblent les plus proches, avec au moins un visage de femme au bon endroit. Topaz Bloom 2 sculpte un autre visage, Upscayl et Recraft Creative le perdent, et Magnific Creative transforme le buste en vase.
Ce que disent les chiffres sur les visages. Le test initial compte 67 visages sur 9 photos, larges de 10–290 pixels dans la copie fournie aux outils. Pour chacun, nous avons mesuré le score de conservation de l’identité, la note du juge Qwen3.8 chargé des visages, et vérifié si ce juge y voyait une autre personne :
- La reconnaissance faciale et le juge IA divergent de façon intéressante. Un simple redimensionnement flou obtient un bon score de conservation de l’identité, car le flou conserve les grandes lignes. Mais le juge pénalise ces cas. Pour obtenir un visage net, il faut deviner, et chaque supposition l’éloigne un peu de l’original. Aucun modèle ne peut échapper à ce compromis.
- La qualité des visages ne départage pas les leaders. eDifFIQA attribue aux visages de Crystal, Wonder 3.5, Let's Enhance, MegaPotato et ChatGPT des scores de 0.56–0.59, comparables à ceux des vrais visages (0.58). Les visages déformés ou flous obtiennent beaucoup moins (Upscayl 0.39, simple redimensionnement 0.27). Mais c’est surtout une mesure de qualité visuelle : elle évalue si le visage est propre et reconnaissable, pas s’il s’agit de la même personne.
Les modèles créatifs, c’est autre chose. Dans la plupart des cas, ils ne cherchent même pas à préserver l’identité de la personne :
La femme de la photo du café. MegaPotato et Crystal (et, dans la grille complète, Topaz Wonder 3.5 et Let's Enhance) préservent son identité. Topaz Bloom 2, Recraft Creative, Krea et Magnific Creative dessinent chacun une autre femme : les modèles de reconnaissance faciale leur donnent de 0.08 à 0.45, contre 0.73 pour MegaPotato et 0.79 pour Crystal.
Texte et chiffres : là où les outils se trompent avec le plus d’assurance#
C’est sur les textes en petits caractères que les outils d’agrandissement sont les plus dangereux. Le résultat paraît lisible, alors vous y croyez.
Le coureur du début de l’article. Le vrai numéro est LUT 3029 TP. Topaz Wonder 3.5 et MegaPotato semblent les plus proches dans ce cas : Wonder a trouvé les bons chiffres (avec 7P au lieu de TP), MegaPotato a écrit 2029. Crystal a écrit 2020, Gemini 2022, et seul Gemini a lu « trucks » sur la bande rouge. ChatGPT (prompt strict) a écrit « 182 XDA 17 », et Recraft Creative remplace entièrement le dossard et le maillot.
Les textes en gros caractères sont évidemment plus faciles à restituer que ceux en petits caractères :
Un panneau au marché de nuit. Les grands caractères sont préservés par MegaPotato, Topaz Wonder 3.5 et Crystal. Le numéro de téléphone en dessous, 0981337668, est illisible dans l’image d’entrée, et aucun outil ne le retrouve : Wonder 3.5 et Crystal dessinent des lettres latines à sa place, MegaPotato des caractères inventés. ChatGPT redessine tout le panneau dans un autre style, Magnific Creative y peint une maison, et Recraft Creative écrit d’autres caractères.
Un menu de café. Les mots sont assez grands pour être lus dans la petite copie ; presque tous les outils les conservent donc. MegaPotato, Crystal et Topaz Wonder 3.5 semblent les plus proches dans ce cas. Fait intéressant : beaucoup de modèles ne respectent pas les nuances de couleur. Krea rend la craie grise, Magnific Creative réécrit deux mots, et Recraft Creative remplace le menu par des mots sans aucun sens (« smme », « olwerlo », « Kinierl »).
Couleurs : qui n’a pas repeint la photo#
Du lierre sur une maison à Istanbul. MegaPotato, Crystal et Topaz Wonder 3.5 conservent les couleurs. ChatGPT (avec les deux prompts) transforme les feuilles brun-rouge foncé en feuilles vert vif.
La photo entière de la course. MegaPotato et Topaz Wonder 3.5 conservent les couleurs, comme les autres outils soucieux de fidélité. Avec le prompt simple, ChatGPT refroidit la lumière chaude et ajoute un ciel bleu et des arbres verts en haut. Avec le prompt strict, il conserve davantage les tons chauds, mais modifie toujours les couleurs (écart de couleur de 11.1 et 7.8, contre 2.3 pour les deux outils ci-dessus).
Pelage des animaux et images générées par IA#
Le pelage d’un chat. MegaPotato et Crystal semblent les plus proches dans ce cas, Topaz Wonder 3.5 est un peu moins net. ChatGPT rend le pelage plus orange, Magnific Creative peint une robe tachetée, et Recraft Creative de longs poils lisses.
Une image IA du test complet (FLUX.1 [schnell], générée par nous), avec 16 visages. Les trois leaders s’en sortent bien. Le résultat de MegaPotato arrive en tête selon le juge Opus 5.5 (8 sur 10, contre 7 pour Crystal et 6.5 pour Wonder 3.5), selon Qwen3.8 sur les zones agrandies et selon la mesure de proximité avec l’original (LPIPS). Ses visages restent aussi les plus proches des personnes sur l’original (score de conservation de l’identité de 0.75, contre 0.74 et 0.72).
Détails inventés : ce que les outils ont ajouté à la photo#
Chaque outil génératif a inventé des détails qui n’ont jamais existé dans l’original. Les modèles généralistes l’ont fait plus souvent, les modèles spécialisés plus rarement, mais aucun n’y échappe.
- MegaPotato : logos et caractères inventés lorsque le texte est trop petit pour être lu.
- ChatGPT : nouveaux objets et décorations (rideaux, tableaux, noms d’entreprises), ciel et lumière différents.
- Topaz Wonder 3.5 : transforme les statues, poupées et visages peints en personnes vivantes et en photographies. Chiffres erronés lorsque le texte est trop petit.
- Topaz Standard V2, Low Resolution V2 et Standard MAX : ont tendance à supprimer les accessoires des petits visages.
- Topaz Bloom 2 : nouveaux vêtements et objets sur les personnes, les statues et les tables.
- Recraft Creative : une nouvelle scène, avec de nouvelles personnes, plantes, fenêtres et menus.
- Magnific Creative : une nouvelle scène aussi, avec de nouvelles personnes et du nouveau texte, un buste transformé en urne.
Cas extrêmement difficiles : tirages anciens, forte compression JPEG, bruit (57 images)#
Le test complet donne une moyenne. Nous avons donc aussi effectué quelques tests avec des images extrêmement dégradées, pour voir comment les modèles se comportent dans le pire des cas : 57 images, réduites (288 × 216 ou moins) et dégradées volontairement, ou simplement difficiles par nature. Numérisations d’imprimés tramés, forte compression JPEG, bruit caractéristique des prises de vue en faible luminosité, tirages anciens avec poussière et rayures, papier texturé, visages minuscules, lunettes de soleil, statues, poupées, peintures et bandes dessinées. Les originaux sont des photos du domaine public ou sous licence libre (Library of Congress, Wikimedia Commons, The Metropolitan Museum of Art, Pexels). Seuls les trois leaders ont participé, et des juges IA à l’aveugle ont choisi le meilleur résultat pour chaque image. Pour les images présentées ci-dessous, le juge Opus 5.5 a aussi noté chaque résultat lors d’une évaluation distincte à l’aveugle, selon la grille du test initial. Sa note et le score MUSIQ figurent sous les panneaux. Les visages modifiés que vous verrez sont les résultats des outils, pas les personnes réelles. Nous les montrons uniquement pour documenter ce que font les outils.
Des musiciens après une forte compression JPEG (qualité 12) (64 × 48 px de l’image d’entrée de 288 × 216 px)
Un passager de train après une forte compression JPEG (qualité 12) (56 × 42 px de l’image d’entrée de 288 × 216 px)
Deux visages fortement dégradés par la compression JPEG. Vu la difficulté de la tâche, tous les outils s’en sont plutôt bien tirés, mais chacun a inventé ou perdu des détails différents.
Photos : cottonbro studio, licence Pexels ; Syazani Zahari, licence Pexels
Un tirage sépia vieilli, avec poussière, rayures et flou (148 × 111 px de l’image d’entrée de 288 × 216 px)
Un vieux tirage d’Einstein qui a pâli.
Photo : Ferdinand Schmutzer, domaine public
Une photo de 1943 enregistrée avec une forte compression JPEG (qualité 12) (90 × 68 px de l’image d’entrée de 288 × 216 px)
La même photo avec un bruit important caractéristique des prises de vue en faible luminosité (90 × 68 px de l’image d’entrée de 288 × 216 px)
Deux types de fortes dégradations sur la même photo de 1943. MegaPotato a rajeuni la femme et fait disparaître ses lunettes.
Photos : Jack Delano, Library of Congress, domaine public (œuvre du gouvernement des États-Unis)
Des lunettes de soleil foncées après une forte compression JPEG (100 × 75 px de l’image d’entrée de 288 × 216 px)
Des lunettes de sport à verres miroir portées par des coureurs après une forte compression JPEG (98 × 74 px de l’image d’entrée de 288 × 216 px)
Après une forte compression JPEG, Crystal rend souvent les lunettes de soleil foncées transparentes et dessine des yeux derrière. MegaPotato et Wonder 3.5 conservent généralement des verres foncés.
Photos : Karan Singh, licence Pexels ; RUN 4 FFWPU, licence Pexels
Une poupée en biscuit dans un musée du jouet, dont le visage fait environ 22 px de large dans l’image d’entrée (56 × 42 px de l’image d’entrée de 288 × 216 px)
Un buste romain d’homme en marbre, milieu du 1er siècle (128 × 96 px de l’image d’entrée de 288 × 216 px)
Quelques exemples de visages non humains.
Images : Alf van Beem, Wikimedia Commons, CC0 ; The Metropolitan Museum of Art, Open Access, CC0
Une aquarelle de John Singer Sargent, 1912 (60 × 45 px de l’image d’entrée de 288 × 216 px)
Une peinture. Wonder transforme le visage peint en photographie, avec beaucoup d’assurance. MegaPotato le rajeunit et le lisse, le rapprochant d’une illustration. Crystal conserve la liberté du coup de pinceau, ce qui semble être le bon choix ici.
Image : John Singer Sargent, The Metropolitan Museum of Art, Open Access, CC0
Un tirage des années 1910 sur papier texturé, numérisé (72 × 54 px de l’image d’entrée de 288 × 216 px)
Seul MegaPotato supprime le grain du papier. Wonder en laisse une partie et durcit le regard de la femme. Crystal laisse tout en l’état.
Photo : Harris & Ewing, Library of Congress, aucune restriction de publication connue
Les visages très dégradés sont notre point faible : sur 8 images de ce type, MegaPotato a changé la personne représentée sur 6 d’entre elles (un autre âge, un autre visage ou des yeux ouverts). Sur les images d’entrée minuscules, aucun outil n’a conservé le visage d’Einstein, et MegaPotato a aussi laissé une bande de pixels striés sur deux bords de chaque résultat.
| Type d’image | Images | Wonder 3.5 en tête | MegaPotato en tête | Crystal en tête |
|---|---|---|---|---|
| Trames de journaux et de magazines (numérisations d’imprimés tramés) | 11 | 8 | 6 | 0 |
| Tirages anciens : poussière, rayures, flou, papier texturé | 7 | 2 | 6 | 0 |
| Forte compression JPEG et bruit caractéristique des prises de vue en faible luminosité sur des personnes | 16 | 9 | 6 | 3 |
| Lunettes de soleil après une forte compression JPEG | 5 | 4 | 3 | 0 |
| Visages et images d’entrée minuscules (128 × 96, 160 × 120) | 8 | 5 | 5 | 2 |
| Statues et poupées | 5 | 1 | 4 | 0 |
| Peintures et bandes dessinées | 5 | 2 | 1 | 2 |
| Tous les cas difficiles | 57 | 31 | 31 | 7 |
Les ex æquo comptent pour chaque outil concerné : le total d’une ligne peut donc dépasser le nombre d’images. Les groupes sont petits, une seule image peut changer le bilan d’une ligne.
En bref : Wonder 3.5 et MegaPotato se partagent les cas difficiles à égalité parfaite, avec 31 premières places chacun sur 57, contre 7 pour Crystal. Numérisations d’imprimés, forte compression JPEG et photos bruitées : commencez par Wonder 3.5. Tirages anciens, statues, poupées et papier texturé : MegaPotato. Peintures : Crystal, qui conserve les coups de pinceau. Sur les visages dégradés, aucun outil n’était fiable.
Quel outil d’agrandissement IA choisir selon le type de photo#
- Photos réelles de mauvaise qualité, telles qu’elles ont été prises (anciennes photos prises au téléphone, clichés des premiers appareils numériques, photos de soirée et de scène) : MegaPotato, avec une large avance (67.2 contre 62.8 pour Wonder 3.5 et 46.1 pour Crystal, 29 photos).
- Nuit, scène et faible luminosité : MegaPotato (70.1 contre 64.8 et 55.2, 24 photos).
- Photos partagées, compressées ou de petite taille représentant des personnes : MegaPotato pour les visages les plus nets et les plus naturels. Topaz Wonder 3.5 ou Crystal si le visage doit rester aussi proche que possible de l’original (meilleurs scores de conservation de l’identité).
- Vieux tirages qui ont pâli et anciennes photos de famille : Wonder 3.5 ou MegaPotato, à égalité sur 19 tirages anciens (74.0 et 73.9). MegaPotato a donné les visages les plus nets dans les cas difficiles, mais transforme parfois les fortes dégradations en motifs. Aucun outil ne supprime de manière fiable la poussière et les rayures.
- Numérisations de journaux et de magazines : Topaz Wonder 3.5 ou MegaPotato.
- Statues, poupées, peintures et dessins : MegaPotato laisse de pierre les yeux de pierre. Pour les peintures, Crystal conserve les coups de pinceau. Wonder les transforme parfois en êtres « vivants ».
- Paysages, animaux et bâtiments sans personne : les trois sont proches (Crystal 74.2, MegaPotato 72.8, Wonder 3.5 72.6).
- Photos avec des noms, des numéros ou des panneaux : ne faites confiance à aucun outil pour les petits textes. Un mot ou un numéro soudain devenu lisible a été deviné, pas retrouvé. Nous travaillons sur les textes en petits caractères pour la prochaine version de MegaPotato.
- Un grand tirage à partir d’un petit fichier : à 300 pixels par pouce, une image de 2016 × 1344 pixels s’imprime sur environ 17 × 11 cm (6.7 × 4.5 pouces). MegaPotato va jusqu’à 8×, Let's Enhance jusqu’à 16×, Topaz Gigapixel jusqu’à 6×.
- Des milliers d’images via une API : MegaPotato ($0.079 par photo à 1 000 par mois), Topaz ($0.26 via son API à partir de $50 par mois, ou $0.24 via fal.ai) ou Crystal ($0.35) pour les photos. Recraft Crisp ($0.033) uniquement pour les visuels aux contours propres. Nous n’avons pas testé la vitesse ni la fiabilité à grande échelle.
Prix des outils d’agrandissement IA : ce qu’ils coûtent vraiment#
Bar chart of 4 bars: MegaPotato $0.073, Let's Enhance $0.22, Topaz Wonder 3.5 · fal.ai $0.24, Crystal $0.35. Highest: Crystal; lowest: MegaPotato.
| value | |
|---|---|
| MegaPotato | $0.073 |
| Let's Enhance | $0.22 |
| Topaz Wonder 3.5 · fal.ai | $0.24 |
| Crystal | $0.35 |
Les quatre outils à moins de deux points du meilleur total (80.8 à 82.6) et le prix d’une photo pour chacun : 100 photos par mois, moyenne de trois tailles. Les barres partent de zéro. MegaPotato coûte de 3.1 à 4.8 fois moins cher que les trois autres. L’API de Topaz ne figure pas sur le graphique : son abonnement commence à $50 par mois, donc à 100 photos par mois, vous payez surtout l’abonnement, soit $0.54 par photo. À 1 000 photos par mois, le prix revient à $0.26.
Scatter plot of 14 points: Score total against Prix par photo, $ (log scale). Prix par photo, $ from 0.033 to 2.051. Highest Score total: MegaPotato (82.6); lowest: Recraft Creative (33.3). Highlighted: MegaPotato (82.6 at 0.073). Hollow points are estimates.
| Prix par photo, $ | Score total | Score total from | Score total to | series | estimate | |
|---|---|---|---|---|---|---|
| MegaPotato | 0.073 | 82.6 | MegaPotato | |||
| Topaz Wonder 3.5 | 0.24 | 81.9 | Topaz | |||
| Let's Enhance | 0.223 | 81.8 | Let's Enhance | |||
| Crystal | 0.35 | 80.8 | Crystal | |||
| ChatGPT | 0.162 | 73.2 | OpenAI | yes | ||
| Gemini | 0.113 | 70.9 | yes | |||
| Topaz Standard MAX | 0.453 | 69.9 | Topaz | |||
| Topaz Bloom 2 | 0.907 | 68.1 | Topaz | |||
| Topaz Precision, 3 modèles | 0.107 | 53.9 | 34.1 | 65.1 | Topaz | |
| Recraft Crisp | 0.033 | 63.9 | Recraft | yes | ||
| Krea Enhance | 0.21 | 53.7 | Krea | yes | ||
| Magnific Precision V2 | 1.130 | 53.5 | Magnific | |||
| Magnific Creative | 1.020 | 46.3 | Magnific | yes | ||
| Recraft Creative | 2.051 | 33.3 | Recraft | yes |
Score total en fonction du prix d’une photo à 100 photos par mois, moyenne de trois tailles, une couleur par fournisseur, Topaz via fal.ai. L’axe des prix est logarithmique : une même distance représente un même rapport, pas un même nombre de dollars. Les cercles non remplis correspondent à des prix normalisés par mégapixel. Upscayl ne figure pas sur le graphique : l’application elle-même est gratuite, mais elle nécessite votre propre carte graphique et de l’électricité. Nous n’avons pas chiffré ces coûts. Comment les prix ont été calculés ↓
Comment les prix des graphiques ont été calculés
Le prix d’une photo est la moyenne de trois formats, chacun agrandi en 4× (0.17 → 2.7 MP, 1 → 16 MP, 3 → 48 MP), à 100 photos par mois. Le coût d’un pack sans abonnement ou de crédits sans expiration est réparti sur le nombre de mois qu’il couvre à ce rythme, dans la limite de 12 ; pour chaque volume, nous retenons le pack ou l’abonnement le moins cher. Les prix de Topaz sont ceux de fal.ai (paiement à l’usage). Via l’API de Topaz, avec son minimum mensuel de $50, tous les points Topaz se déplacent vers la droite (Wonder 3.5 à $0.54). Les trois modèles Precision de Topaz (Standard V2 62.6, Low Resolution V2 65.1, High Fidelity V3 34.1) coûtent le même prix et partagent un point situé à leur moyenne, avec une barre allant du score le plus bas au plus haut. Le prix de MegaPotato est celui de son application web, avec sa remise de −20 % pour 3 photos ou plus envoyées ensemble. À 100 photos par mois, les packs les moins chers sont à $25 pour 600 chips pour le petit format et à $50 pour 1 300 chips pour les deux plus grands. Son API n’offre pas de remise sur le lot et revient à $0.091 par photo à ce volume. Les prix de Gemini et d’OpenAI sont ceux de leurs API Batch (moitié prix, résultats sous 24 heures). Lorsqu’un outil ne peut pas produire une taille (ChatGPT au-delà de 8 MP, Gemini à 48 MP, Magnific Creative au-delà de 25 MP, Recraft pour toute taille imposée) ou n’affiche un prix que pour une seule taille (Krea), son prix est normalisé à partir du prix par mégapixel ; ces points sont représentés par des cercles non remplis. Les tableaux ci-dessous donnent les prix pour 10 et 1 000 photos par mois. Prix hors taxes.
Le prix d’une photo masque deux choses : ce qu’il faut acheter au départ et la possibilité d’utiliser l’outil sans écrire de code. Voici donc le coût d’un mois entier pour le petit format du test initial (une photo de 504 × 336 agrandie en 4×, soit 2.7 MP), que tous les outils peuvent produire. Les prix proviennent du site ou de l’API de chaque fournisseur, ont été revérifiés le 15 novembre 2026 (chaque source est datée) et sont hors taxes. Les pages figurent dans les sources.
| MegaPotato[26] | $0.50 | $3.33 | $31 | Packs de chips sans abonnement à partir de $5. Les chips n’expirent pas. 3 photos ou plus ensemble : −20 % | Oui |
| API Crystal (Clarity AI)[27] | $0.50 | $5 | $50 | Paiement à l’usage à partir de $1 | Non |
| Site web Crystal (Clarity AI)[27] | $13–19 | $13–19 | $199–299 | Un abonnement mensuel : Starter à $19 ($13 avec facturation annuelle) pour 1 200 crédits, 5 crédits par petite photo. Pour 1 000 par mois, il faut Business, 30 000 crédits. L’offre la moins chère ne prend pas en charge les petites images | Oui |
| Topaz Wonder 3.5 (API Topaz)[28] | $50 | $50 | $100 | L’API de Topaz, à partir de $50 par mois. 1 crédit par photo | Non |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (API Topaz)[28] | $50 | $50 | $100 | Le même abonnement API. 1 crédit par photo | Non |
| Topaz Standard MAX (API Topaz)[28] | $50 | $50 | $100 | Le même abonnement API. 1 crédit par photo | Non |
| Topaz Bloom 2 (API Topaz)[28] | $50 | $50 | $200 | Le même abonnement API. 2 crédits par photo | Non |
| Topaz Wonder 3.5 (fal.ai)[29] | $0.80 | $8 | $80 | Paiement à l’usage. $0.08 par tranche entamée de 8 MP en sortie | Non |
| Topaz Standard MAX (fal.ai)[29] | $0.80 | $8 | $80 | Paiement à l’usage. $0.08 par tranche entamée de 4 MP en sortie | Non |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai)[29] | $0.80 | $8 | $80 | Paiement à l’usage. $0.08 par tranche entamée de 24 MP en sortie | Non |
| Topaz Bloom 2 (fal.ai)[29] | $1.60 | $16 | $160 | Paiement à l’usage. $0.08 par tranche entamée de 2 MP en sortie | Non |
| Topaz for Web, Image (Wonder 3, pas 3.5)[30] | $14–19 | $14–19 | $14–19 | Un abonnement à prix fixe : $199 par an, $19 par mois avec engagement annuel ou $19 par mois sans engagement, en promotion à $169 et $16 (avec engagement) le 15 novembre 2026. Topaz annonce des traitements illimités. Les limites publiées sont un plafond d’export de 32 MP, deux images à la fois et un usage personnel ou pour petite entreprise | Oui |
| Topaz Gigapixel (application de bureau, Wonder 3)[30] | $11–29 | $11–29 | $11–29 | $149 par an, $19 par mois avec engagement annuel ou $29 par mois sans engagement, en promotion à $127 et $16 (avec engagement). Traitements locaux illimités, traitements cloud « illimités » avec deux images à la fois | Oui |
| Let's Enhance[31] | $3.25 | $9 | $72 | Abonnements ou packs sans abonnement. 1 crédit par photo | Oui |
| Gemini (API)[32] | $0.50 | $5 | $50 | API Batch, paiement à l’usage. Produit une image 2K (2528 × 1696). Sans code, l’application gratuite donne 1264 px | Non |
| ChatGPT (API d’images d’OpenAI)[33] | $0.42 | $2.71 | $27 | API Batch en qualité « high ». Prépaiement minimal de $5. Sans code, l’application a donné 1536 × 1024 | Non |
| Recraft Crisp (API)[34] | $0.08 | $0.40 | $4 | Paiement à l’usage à partir de $1 | Non |
| Recraft Creative (API)[34] | $2.50 | $25 | $250 | Paiement à l’usage à partir de $1 | Non |
| Magnific Creative (nœud ComfyUI)[35] | $3.40 | $34 | $340 | Crédits Comfy prépayés, $10 minimum, valables un an. Abonnements de Magnific à partir de €16 par mois | Non |
| Magnific Precision V2 (nœud ComfyUI)[35] | $3.40 | $34 | $340 | Les mêmes crédits. Deux étapes en 2× | Non |
| Krea (abonnement Pro)[36] | $21–35 | $21–35 | $21–35 | Pro à $35 par mois, ou $21 avec facturation annuelle : 20 000 unités de calcul. Krea n’indique plus à combien d’images Enhancer cela correspond (en octobre, Krea en annonçait 2 500 par mois) | Oui |
| Upscayl | gratuit | gratuit | gratuit | Votre propre carte graphique | Oui |
Ce que cela signifie en pratique. Si vous savez coder, l’API de MegaPotato est la moins chère parmi celles des outils soucieux de fidélité : $0.091 par photo (moyenne de trois tailles à 100 photos par mois, sans remise sur le lot via l’API, alors que l’application web l’applique et facture les mêmes photos $0.073), contre $0.54 pour Topaz Wonder 3.5 via l’API de Topaz ($0.24 via fal.ai) et $0.35 pour l’API de Crystal. Sans code, le choix est plus restreint. Le site de Crystal commence à $13 par mois avec facturation annuelle ($19 avec facturation mensuelle). Wonder 3.5 pour les photos n’est disponible que par API : fal.ai avec paiement à l’usage, ou l’API de Topaz à partir de $50 par mois (les applications Topaz proposent Wonder 3, que nous n’avons pas testé). MegaPotato et Let's Enhance sont donc, en pratique, les deux seuls outils parmi les meilleurs utilisables dans un navigateur avec un achat ponctuel, sans abonnement, et MegaPotato est moins cher à toutes les tailles dont nous avons comparé les prix. Pour un usage très intensif, autour de 1 000 photos par mois, les abonnements à prix fixe de Topaz avec Wonder 3 sont difficiles à battre (Gigapixel à $149 par an, Topaz for Web à $199, en promotion à $127 et $169 le 15 novembre 2026) : Topaz annonce des traitements illimités et ne publie aucun plafond mensuel, seulement une limite d’export de 32 MP et deux images à la fois. Nous n’avons pas pu vérifier si cela tient pour des milliers de traitements par mois. À 100 photos par mois, MegaPotato est déjà moins cher.
Les conditions qui changent le prix réel, et les outils non testés
- Dépense minimale : $50 par mois pour l’API de Topaz (l’offre « Starter » à $0 affichée comme « bientôt disponible » en octobre a disparu ; les crédits par photo figurent dans sa documentation[37]), aucun minimum sur fal.ai. Site de Crystal : $13–19 par mois. MegaPotato : $5, une seule fois. API de Crystal et de Recraft : paiement à l’usage à partir de $1. API de Gemini et d’OpenAI : prépaiement de $5.
- Crédits qui expirent : les crédits d’abonnement de Let's Enhance sont perdus à la résiliation (ses packs sans abonnement n’expirent pas). Les crédits du site de Crystal ne sont pas reportés. Les crédits API de Gemini et d’OpenAI expirent après 12 mois. Les chips de MegaPotato, les unités de Recraft et les crédits API de Crystal n’expirent pas.
- Sauts de prix et limites de taille : Crystal double son prix juste au-dessus de 16 MP (de $0.20 à $0.40). Topaz Standard V2 double au-dessus de 24 MP, et Wonder 3.5 coûte déjà 2 crédits à 16 MP dans l’API de Topaz. Sur fal.ai, Wonder 3.5 coûte $0.08 par tranche entamée de 8 MP en sortie ($0.16 à 16 MP, $0.48 à 48 MP). MegaPotato augmente par paliers d’une chips (0.06 chips par tuile, arrondi à l’entier supérieur). L’API d’images d’OpenAI s’arrête à environ 8 MP. L’application gratuite Gemini à 1264 px. L’offre gratuite de Let's Enhance à 8 MP, avec un logo.
- Non testés : VanceAI[38], Pixelcut[39] et Remini[40]. Leurs prix figurent dans les fiches des outils.
Tous les outils d’agrandissement IA testés, un par un#
Quelques notes sur chaque outil : ce que c’est, ce qu’il a bien fait, là où il a échoué. Les scores sont dans le classement et les prix dans les tableaux de prix, inutile de les répéter ici.
1. MegaPotato, outil d’agrandissement IA : premier aux deux tests et le moins cher des leaders#
MegaPotato est notre propre outil : une application web et une API, un seul modèle pour agrandir en 2×, 4× ou 8×, ou utiliser Affiner à taille inchangée, des packs de chips à la place d’un abonnement.
Il est particulièrement performant sur les photos réelles de mauvaise qualité, les photos de nuit et les images IA. Les visages sont naturels et il nettoie les tirages anciens (grain du papier, poussière) mieux que les autres. Son point faible, ce sont les petits visages : ils ressemblent un peu moins à la personne réelle qu’avec Crystal et Wonder 3.5. Sur des photos sombres et dégradées, il a changé les âges et parfois les visages ; sur les images d’entrée minuscules, il laisse des bords striés.
2. Topaz Wonder 3.5 : les visages les plus fidèles, mais uniquement par API#
Topaz Labs est probablement le nom le plus connu de l’agrandissement d’images (au sein d’Adobe depuis septembre 2026), avec trois familles de modèles aux comportements très différents : Precision, Generative et Creative. Le modèle à retenir est Wonder 3.5, disponible uniquement par l’API de Topaz ou par fal.ai, où nous l’avons utilisé. Les applications proposent Wonder 3.
Les visages les plus fidèles de tous, le seul outil à avoir lu le numéro du coureur, le meilleur sur les numérisations d’imprimés tramés et le plus prudent avec les visages dégradés. Les problèmes : il traite les statues et les poupées comme des personnes, les peintures comme des photographies, modifie l’âge des personnes et ne rend pas nets les vieux tirages qui ont pâli. Les autres modèles Topaz, c’est une autre histoire : Standard V2, Low Resolution V2 et Standard MAX donnent un aspect plastique aux petits visages et ont tendance à supprimer les accessoires ; High Fidelity V3 touche à peine aux petites photos (il est conçu pour les grandes) ; Bloom 2 redessine les visages.
3. Let's Enhance : presque aussi fidèle, et facile à utiliser#
Let's Enhance est l’un des plus anciens outils d’agrandissement sur le web. Il fonctionne uniquement sur le web (son API est vendue séparément sous le nom Claid, nous ne l’avons pas testée) et propose quelques modes. Nous avons utilisé Prime, le mode par défaut. Le paiement se fait en crédits, achetés en packs ou par abonnement.
Prudent et fidèle : ses visages ont été les préférés du juge chargé des visages, et il n’a rien inventé de majeur. Son point faible, c’est la netteté : ses résultats sont les moins nets des quatre leaders, tant pour le juge des zones agrandies que selon les mesures de qualité visuelle, et les visages restent un peu plus éloignés de la vraie personne que ceux de Wonder et de Crystal.
4. Crystal Upscaler (Clarity AI) : très fidèle sur les photos ordinaires, peu efficace sur les images bruitées et les imprimés#
Crystal est le modèle fermé de Clarity AI, optimisé pour les visages et les produits : une API facturée à l’image et un site sur abonnement.
Le plus proche des originaux selon les métriques d’image : il conserve la personne et les couleurs, n’ajoute rien et fait mieux que les autres lorsqu’il n’y a personne dans le cadre. Mais il conserve le bruit et les blocs JPEG, en les rendant simplement plus nets ; les points de trame restent des points. Dans nos cas difficiles, il a rendu des lunettes de soleil foncées transparentes et donné une apparence adulte à des enfants sur de vieilles photos. À éviter pour les numérisations, les tirages abîmés ou les photos bruitées.
5. ChatGPT pour agrandir les images : bluffant au premier regard, mais il change des détails importants#
ChatGPT n’a pas de bouton d’agrandissement : vous demandez une version plus grande et le modèle d’image dessine une nouvelle image.
Les plus beaux résultats au premier regard. Mais le problème bien connu des images redessinées est toujours là : il modifie les couleurs, rajeunit les personnes et écrit du texte avec une totale assurance, sans qu’un prompt strict « don't invent anything » l’en empêche. Bien pour obtenir une jolie image, pas pour des photos de famille, des documents, des produits ou tout ce qui contient des noms et des numéros.
6. Application Gemini (Google Nano Banana) : prudente avec les visages, petits fichiers#
Gemini n’est pas non plus un outil d’agrandissement : il redessine toute l’image.
Le plus prudent des modèles de chat : il conserve les visages et les couleurs. Les fichiers sont toutefois petits et peu nets, et il écrit des numéros nets mais faux et des mots inventés.
7. Recraft (Crisp et Creative) : peu cher pour les visuels, à éviter pour les petits visages#
Recraft est un outil de design avec deux modèles d’agrandissement : Crisp accentue la netteté des détails présents, Creative redessine. Impossible de choisir la taille de sortie.
Crisp convient aux créations IA et aux contours propres, et son API est la moins chère du test, mais il déforme les petits visages. Creative dessine simplement une autre photo, avec de nouvelles personnes et des mots sans aucun sens. Pour les logos, les visuels et les créations IA en volume, pas pour les personnes.
8. Upscayl : gratuit et hors ligne, mais à éviter pour les petits visages#
Upscayl est une application de bureau gratuite et open source qui exécute des modèles de type Real-ESRGAN sur votre propre carte graphique : sans compte, sans filigrane, vos photos ne quittent jamais votre ordinateur (trois des modèles inclus sont réservés à un usage non commercial).
Gratuit, respectueux de la confidentialité, correct sur les créations IA et les contours propres, et il n’invente pas de mots. Les petits visages ressortent déformés et les petits textes restent flous. De l’agrandissement gratuit et hors ligne pour des images propres, rien de plus.
9. Krea : une vaste boîte à outils, nous avons testé son propre outil d’amélioration#
Krea est une plateforme de création. Son Enhancer propose les modèles de Krea et ceux de partenaires (Topaz, Magnific). Nous avons testé ceux de Krea.
Beaucoup d’outils au même endroit, si vous y générez déjà des images. Sur les photos, son propre modèle Enhance s’est beaucoup éloigné des vrais visages, a tracé des lignes noires sur les visages de 1914 et a rendu grise la craie rouge. Il termine parmi les derniers de notre classement.
10. Magnific : la star dessine une nouvelle image, et son mode photo force sur la netteté#
Magnific est l’outil d’agrandissement que tout le monde cite en premier, avec deux modes, Creative et Precision. Nous les avons utilisés via les nœuds Magnific de ComfyUI, avec les réglages par défaut des nœuds. Le nœud renvoyait du 2× quelle que soit notre demande : notre 4× résulte donc de deux passages en 2×.
Creative produit une nouvelle image riche en détails, adaptée au concept art et aux illustrations. Pour une photo, c’est précisément le problème : il en dessine une nouvelle, avec d’autres personnes et d’autres mots. Precision conserve la scène, mais couvre tout de textures nettes inventées. Avec les réglages par défaut, aucun des deux n’approche du haut du classement. Precision pourrait faire mieux que dans notre test avec un niveau de détail moins élevé.
Trois outils populaires que nous n’avons pas testés : VanceAI, Pixelcut, Remini
- VanceAI. Une boîte à outils en ligne (agrandissement, débruitage, restauration, colorisation). Abonnements à partir de $15 par mois pour 260 crédits ; un agrandissement en 4× coûte 2 crédits. Les nouveaux utilisateurs reçoivent 10 crédits gratuits.
- Pixelcut. Un éditeur de photos pour les vendeurs en ligne. 3 téléchargements gratuits par jour en 2× ; le 4× nécessite Pro ($8–10 par mois, agrandissements « illimités »). API à $0.10 par agrandissement, avec des abonnements à partir de $10 par mois.
- Remini. Une application mobile centrée sur les visages. Impossible de choisir une taille : c’est donc davantage un outil d’amélioration des visages qu’un outil d’agrandissement. Vendue par abonnement, souvent à la semaine.
Comment reproduire ce test#
Tout le nécessaire pour refaire le test se trouve sur cette page et dans quatre petits fichiers :
- Les photos : chacune des 137 photos des deux tests principaux, avec sa source, sa licence et la méthode de création de sa petite image d’entrée, dans photos.csv. La méthode de création de chaque type d’image d’entrée figure dans l’annexe. Les cas difficiles sont décrits dans leur section.
- Les outils : l’environnement utilisé pour chaque outil, ses réglages et ses prompts, dans Réglages, prompts et alignement.
- La notation : les juges, les mesures et la formule, dans Notre méthode de test. Les chiffres de chaque outil pour les deux tests sont dans le tableau du test complet et l’annexe.
- Tous les scores : chaque outil sur chaque photo dans scores.csv, chaque visage dans faces.csv. README.txt explique chaque colonne et comment elles servent à construire les tableaux de cette page. Les données sont librement utilisables sous licence CC BY 4.0, avec un lien vers cette page.
Version 1.1, 15 novembre 2026. Les prix ont été revérifiés auprès de chaque fournisseur. MegaPotato est devenu moins cher (une photo de 48 MP coûte désormais 4 chips au lieu de 5) et est donc maintenant 7.4 fois moins cher que Topaz Wonder 3.5 via l’API de Topaz et 3.3 fois moins cher que via fal.ai. Topaz a ajouté un abonnement annuel facturé mensuellement pour ses applications et modifié les prix promotionnels, et Krea n’indique plus le nombre d’images Enhancer par abonnement. Tous les autres prix sont inchangés, tout comme les résultats des tests.
Version 1.0, 14 octobre 2026. Les outils ont été utilisés début octobre 2026. Les prix ont été revérifiés le 17 octobre 2026, chaque source est datée. Toute modification des chiffres sera indiquée ici.
Nous avons vérifié la reproductibilité des chiffres. En notant une seconde fois les résultats enregistrés du test initial avec le même code, chaque valeur présentait un écart de moins de 0.15 % par rapport au premier calcul, photo par photo. Interrogé à nouveau sur 201 visages avec les mêmes prompts et extraits, le juge Qwen3.8 a donné une note identique dans 85 % des cas, et la même réponse à « est-ce la même personne ? » pour 99.5 % des visages. Claude Opus 5.5 a vu deux fois un résultat par photo, sous deux lettres différentes. Dans le test initial, ses deux notes étaient identiques sur 9 des 16 photos et séparées d’un demi-point sur les autres. Les outils d’agrandissement eux-mêmes peuvent donner un résultat différent lors d’un second traitement.
Comment citer ce test
MegaPotato Research Team. The Best AI Image Upscalers of 2026–2027: Benchmark With Reproducible Metrics and Prices. megapotato.app, 14 octobre 2026, version 1.1 du 15 novembre 2026. https://megapotato.app/blog/best-ai-image-upscalers-2026
@misc{megapotato2026upscalers,
title = {The Best AI Image Upscalers of 2026--2027: Benchmark With
Reproducible Metrics and Prices},
author = {{MegaPotato Research Team}},
year = {2026},
month = oct,
howpublished = {\url{https://megapotato.app/blog/best-ai-image-upscalers-2026}},
note = {Version 1.1, 15 November 2026}
}Annexe : métriques, réglages, prompts et sources des photos#
Tous les chiffres du test initial (18 outils et réglages)
Les composantes du total, moyennées sur les 16 photos. « Autre personne » désigne la proportion des 67 visages que le juge Qwen3.8 a considérés comme une autre personne. A-FINE, DreamSim, DINOv2 et TOPIQ-FR ont été calculés sur des copies réduites de moitié (1008 × 672). Le nom de chaque mesure est expliqué au survol. Toutes les définitions figurent dans Définition de chaque mesure.
| MegaPotato | 82.6 | 7.00 | 6.98 | 6.85 | 0.481 | 0.0 | 0.560 | 0.207 | 17.4 | 59.9 | 3.19 |
| Topaz Wonder 3.5 | 81.9 | 7.09 | 7.15 | 7.01 | 0.549 | 0.0 | 0.570 | 0.211 | 36.3 | 61.7 | 3.07 |
| Let's Enhance | 81.8 | 6.81 | 6.69 | 7.03 | 0.514 | 1.5 | 0.592 | 0.209 | 23.2 | 59.1 | 3.31 |
| Crystal | 80.8 | 6.78 | 6.85 | 6.76 | 0.545 | 1.5 | 0.583 | 0.193 | 37.1 | 59.7 | 2.98 |
| ChatGPT, prompt strict | 73.2 | 6.16 | 6.80 | 6.52 | 0.474 | 4.5 | 0.562 | 0.269 | 27.7 | 61.2 | 4.34 |
| ChatGPT, prompt simple | 73.2 | 5.81 | 6.75 | 6.46 | 0.455 | 6.0 | 0.565 | 0.287 | 23.5 | 63.6 | 4.08 |
| Application Gemini | 70.9 | 6.66 | 6.48 | 6.51 | 0.519 | 1.5 | 0.540 | 0.242 | 35.2 | 50.4 | 4.63 |
| Topaz Standard MAX | 69.9 | 5.78 | 5.95 | 5.84 | 0.497 | 10.4 | 0.499 | 0.223 | 27.1 | 56.4 | 3.98 |
| Topaz Bloom 2 | 68.1 | 5.81 | 6.27 | 5.78 | 0.263 | 9.0 | 0.531 | 0.285 | 27.4 | 63.6 | 3.40 |
| Topaz Low Resolution V2 | 65.1 | 5.47 | 5.40 | 5.57 | 0.484 | 13.4 | 0.483 | 0.235 | 38.1 | 54.7 | 3.77 |
| Recraft Crisp | 63.9 | 5.42 | 5.24 | 5.16 | 0.490 | 7.5 | 0.405 | 0.222 | 30.1 | 53.6 | 4.01 |
| Topaz Standard V2 | 62.6 | 4.89 | 5.15 | 5.21 | 0.469 | 11.9 | 0.479 | 0.248 | 45.5 | 54.9 | 3.16 |
| Upscayl (Standard) | 59.7 | 5.12 | 4.66 | 4.28 | 0.476 | 19.4 | 0.385 | 0.240 | 35.2 | 55.7 | 3.65 |
| Krea Enhance | 53.7 | 4.12 | 5.02 | 4.70 | 0.281 | 31.3 | 0.501 | 0.317 | 47.5 | 58.2 | 3.04 |
| Magnific Precision V2 | 53.5 | 5.20 | 5.49 | 5.24 | 0.464 | 9.0 | 0.493 | 0.490 | 46.5 | 52.5 | 4.61 |
| Magnific Creative | 46.3 | 2.34 | 4.10 | 3.66 | 0.146 | 61.2 | 0.529 | 0.324 | 28.1 | 61.4 | 3.02 |
| Topaz High Fidelity V3 | 34.1 | 4.20 | 4.12 | 3.84 | 0.539 | 20.9 | 0.326 | 0.402 | 61.0 | 30.3 | 6.23 |
| Recraft Creative | 33.3 | 2.03 | 3.20 | 2.81 | 0.166 | 76.1 | 0.479 | 0.416 | 27.6 | 50.2 | 4.22 |
| Simple redimensionnement | – | 4.34 | 4.18 | 3.76 | 0.551 | 25.4 | 0.266 | 0.471 | 62.7 | 27.1 | 7.61 |
| Photo réelle | – | – | 9.09 | – | 1.000 | – | 0.577 | 0.000 | 39.8 | 53.3 | 3.58 |
D’autres scores, hors du total. Proximité avec l’original :
| MegaPotato | 0.144 | 0.0125 | 0.969 | 0.697 | 2.49 |
| Topaz Wonder 3.5 | 0.128 | 0.0096 | 0.981 | 0.710 | 2.32 |
| Let's Enhance | 0.131 | 0.0172 | 0.973 | 0.664 | 2.29 |
| Crystal | 0.122 | 0.0076 | 0.983 | 0.707 | 2.12 |
| ChatGPT, prompt strict | 0.161 | 0.0233 | 0.980 | 0.621 | 4.82 |
| ChatGPT, prompt simple | 0.176 | 0.0315 | 0.975 | 0.605 | 6.19 |
| Application Gemini | 0.136 | 0.0155 | 0.976 | 0.667 | 2.83 |
| Topaz Standard MAX | 0.149 | 0.0197 | 0.958 | 0.674 | 2.46 |
| Topaz Bloom 2 | 0.172 | 0.0265 | 0.966 | 0.571 | 4.60 |
| Topaz Low Resolution V2 | 0.159 | 0.0156 | 0.938 | 0.672 | 2.19 |
| Recraft Crisp | 0.154 | 0.0196 | 0.948 | 0.685 | 2.51 |
| Topaz Standard V2 | 0.153 | 0.0194 | 0.958 | 0.640 | 2.53 |
| Upscayl (Standard) | 0.163 | 0.0232 | 0.950 | 0.666 | 2.66 |
| Krea Enhance | 0.183 | 0.0347 | 0.933 | 0.489 | 4.27 |
| Magnific Precision V2 | 0.207 | 0.0102 | – | 0.663 | 3.20 |
| Magnific Creative | 0.191 | 0.0626 | – | 0.446 | 5.51 |
| Topaz High Fidelity V3 | 0.213 | 0.0389 | 0.973 | 0.595 | 2.88 |
| Recraft Creative | 0.228 | 0.0645 | 0.885 | 0.326 | 6.97 |
| Simple redimensionnement | 0.222 | 0.0271 | 0.972 | 0.608 | 2.57 |
| Photo réelle | 0.000 | 0.0000 | 1.000 | 0.818 | 0.00 |
– : non calculé (les deux lignes Magnific).
Scores de qualité visuelle, qui n’utilisent pas l’original :
| MegaPotato | 0.394 | 0.602 | 0.532 |
| Topaz Wonder 3.5 | 0.422 | 0.624 | 0.570 |
| Let's Enhance | 0.420 | 0.591 | 0.524 |
| Crystal | 0.389 | 0.600 | 0.541 |
| ChatGPT, prompt strict | 0.374 | 0.622 | 0.483 |
| ChatGPT, prompt simple | 0.400 | 0.651 | 0.513 |
| Application Gemini | 0.305 | 0.524 | 0.368 |
| Topaz Standard MAX | 0.362 | 0.579 | 0.478 |
| Topaz Bloom 2 | 0.435 | 0.616 | 0.579 |
| Topaz Low Resolution V2 | 0.345 | 0.545 | 0.458 |
| Recraft Crisp | 0.333 | 0.519 | 0.431 |
| Topaz Standard V2 | 0.324 | 0.535 | 0.465 |
| Upscayl (Standard) | 0.353 | 0.552 | 0.468 |
| Krea Enhance | 0.396 | 0.593 | 0.542 |
| Magnific Precision V2 | 0.373 | 0.539 | 0.491 |
| Magnific Creative | 0.415 | 0.637 | 0.552 |
| Topaz High Fidelity V3 | 0.219 | 0.285 | 0.222 |
| Recraft Creative | 0.329 | 0.513 | 0.431 |
| Simple redimensionnement | 0.254 | 0.418 | 0.222 |
| Photo réelle | 0.323 | 0.538 | 0.433 |
Le coût d’un mois pour des résultats de 16 MP
Mêmes règles que dans le tableau du petit format de la section Prix des outils d’agrandissement IA : une photo de 1224 × 816 agrandie en 4×.
| MegaPotato | $1.00 | $6 | $53 | Packs de chips sans abonnement à partir de $5. 3 photos ou plus ensemble : −20 % | Oui |
| API Crystal (Clarity AI) | $2 | $20 | $200 | Paiement à l’usage à partir de $1 | Non |
| Site web Crystal (Clarity AI) | $13–19 | $33–49 | $199–299 | Un abonnement mensuel | Oui |
| Topaz Wonder 3.5 (API Topaz) | $50 | $50 | $200–360 | L’API de Topaz, à partir de $50 par mois. 2 crédits par photo (4 selon une autre page de Topaz) | Non |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (API Topaz) | $50 | $50 | $100 | Le même abonnement API. 1 crédit par photo | Non |
| Topaz Standard MAX (API Topaz) | $50 | $50 | $360 | Le même abonnement API. 4 crédits par photo | Non |
| Topaz Bloom 2 (API Topaz) | $50 | $88 | $660 | Le même abonnement API. 8 crédits par photo | Non |
| Topaz Wonder 3.5 (fal.ai) | $1.60 | $16 | $160 | Paiement à l’usage. Deux tranches entamées de 8 MP en sortie | Non |
| Topaz Standard MAX (fal.ai) | $3.20 | $32 | $320 | Paiement à l’usage. Quatre tranches de 4 MP | Non |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai) | $0.80 | $8 | $80 | Paiement à l’usage. Une tranche de 24 MP | Non |
| Topaz Bloom 2 (fal.ai) | $6.40 | $64 | $640 | Paiement à l’usage. Huit tranches de 2 MP | Non |
| Topaz for Web, Image (Wonder 3, pas 3.5) | $14–19 | $14–19 | $14–19 | Un abonnement à prix fixe ($199 par an, $19 par mois avec engagement annuel ou $19 par mois sans engagement. $169 et $16 en promotion le 15 novembre 2026). Traitements « illimités », plafond d’export de 32 MP, deux images à la fois | Oui |
| Topaz Gigapixel (application de bureau, Wonder 3) | $11–29 | $11–29 | $11–29 | $149 par an, $19 par mois avec engagement annuel ou $29 par mois sans engagement ($127 et $16 en promotion). Traitements « illimités », deux images à la fois dans le cloud | Oui |
| Let's Enhance | $6.50 | $24 | $160 | Abonnements ou packs sans abonnement. 2 crédits par photo à 16 MP | Oui |
| Magnific Creative et Precision V2 (nœud ComfyUI) | $6.80 | $68 | $680 | Crédits Comfy prépayés. 143.6 crédits par photo à 16 MP | Non |
| Gemini (API) | $0.76 | $7.60 | $76 | API Batch. Redessine à une taille prédéfinie (5056 × 3392) | Non |
| ChatGPT (API d’images d’OpenAI) | impossible | impossible | impossible | Sa plus grande image fait 8.2 MP | s. o. |
| Recraft Crisp et Creative (API) | impossible | impossible | impossible | Aucun réglage de taille | s. o. |
| Krea (abonnement Pro) | $21–35 | $21–35 | $21–35 | 20 000 unités de calcul. Krea n’indique plus à combien d’images Enhancer cela correspond (en octobre, Krea en annonçait 2 500 par mois) | Oui |
| Upscayl | gratuit | gratuit | gratuit | Votre propre carte graphique | Oui |
Réglages, prompts et alignement
Création de la petite image d’entrée (test initial). Nous avons recadré chaque photo au format 3:2, créé l’image de référence à 2016 × 1344, réduit celle-ci à 504 × 336 (moyennage par zone), ajouté un léger flou (sigma 0.3 px) et un peu de bruit (sigma 1.5 sur une échelle de 0–255), puis enregistré deux fois en JPEG (qualité 60, puis 80). L’image IA a seulement été réduite. Les images d’entrée du test complet sont décrites pour chaque photo dans la liste des photos.
Environnement utilisé pour chaque outil. Réglages par défaut, à l’exception de la taille. Les outils ont été utilisés début octobre 2026.
| Outil | Environnement utilisé | Réglages |
|---|---|---|
| MegaPotato | Application web megapotato.app | 4× |
| Topaz Wonder 3.5, Standard MAX | fal.ai topaz/upscale/image/generative | Modèle sélectionné par son nom, upscale_factor 4, PNG |
| Topaz Bloom 2 | fal.ai topaz/upscale/image/creative | Modèle sélectionné par son nom, upscale_factor 4, PNG |
| Topaz Standard V2, Low Resolution V2, High Fidelity V3 | fal.ai topaz/upscale/image/precision | Modèle sélectionné par son nom, upscale_factor 4, PNG |
| Crystal | fal.ai clarityai/crystal-upscaler | scale_factor 4, creativity 0, PNG |
| Recraft Crisp, Recraft Creative | fal.ai fal-ai/recraft/upscale/crisp, fal-ai/recraft/upscale/creative | Aucun réglage de taille |
| Let's Enhance | Application web letsenhance.io | Prime, 4× |
| Krea | krea.ai Enhance | 4× |
| Magnific Creative | Nœud partenaire ComfyUI Magnific Image Upscale (Creative), crédits Comfy prépayés | 4×, standard, creativity, HDR, resemblance et fractality 0, engine automatic |
| Magnific Precision V2 | Nœud partenaire ComfyUI Magnific Image Upscale (Precise V2) | Deux passages en 2× (le nœud renvoyait du 2× quel que soit le facteur demandé) ; flavor photo, sharpen 7, smart grain 7, ultra detail 30 |
| ChatGPT | ChatGPT Plus, outil d’image | Les prompts ci-dessous |
| Gemini | Application Gemini (Nano Banana 2) | Le prompt simple |
| Upscayl | Moteur en ligne de commande d’Upscayl | Modèle Standard, 4× |
Sur fal.ai, les réglages par défaut de Topaz activent l’amélioration des visages. Le coin portant le logo de Let's Enhance a été exclu de la notation.
Prompts. Simple, pour ChatGPT et Gemini : « Upscale this photo 4x. Keep everything exactly the same. » Strict, pour ChatGPT : « Super-resolution only, 4x. Resolve the detail that is already in the pixels — do not restore, retouch or reinterpret. If you downscale your result back to the original size it must match the original pixel for pixel. Do not use any knowledge of who or what this is: import nothing from other versions of this image. Keep geometry, crop, identity, expression, lighting, colour, grain and lens character exactly as they are. Add only micro-texture implied by the input: pores, hair strands, fabric weave, edges. No retouching, no smoothing, no relighting, no grading, no new elements. Where a region is unresolvable, leave it soft instead of inventing detail. »
Alignement. Chaque résultat a été redimensionné aux dimensions de son image d’entrée multipliées par 4×. Un résultat décalé de plus de 0.75 pixel (mesuré par corrélation de phase avec l’image d’entrée agrandie par redimensionnement bicubique) a été recalé ; les mesures de proximité ignorent les quelques pixels laissés vides sur les bords. ChatGPT et Gemini déplacent et recadrent l’image : nous avons donc aligné leurs résultats par mise en correspondance de caractéristiques.
Les juges. Qwen3.8-27B-FP8 via vLLM, décodage glouton. Claude Opus 5.5 (claude-opus-5-5), chaque résultat sous une lettre aléatoire. Leurs consignes figurent ci-dessous.
Les consignes des juges, mot pour mot
Claude Opus 5.5, test initial. Cette grille a été utilisée pour chaque planche. Les lignes sur les chemins des fichiers et le fichier de sortie sont omises.
You are a blind judge of AI image upscaling quality. You will score anonymous upscaled images against the real photo. You do not know which tools made them, and you must not try to find out. Setup: for each photo there are 3 or 4 sheets named <photo>_<view>.jpg: one "overview" (the whole frame) and 2–3 zoomed views (faces, text, textures). In every sheet the first tile, labelled REAL PHOTO, is the real full-resolution photo. The other tiles, labelled with letters, are upscaled versions made from a small, damaged copy of that photo (504x336 pixels, with blur, noise and JPEG artifacts). Within one photo a letter always means the same image in every view. Letters are shuffled differently for each photo, so letter A of one photo has nothing to do with letter A of another photo. In the overview sheets, the bottom-left corner of every tile, including the real photo, is covered by the same grey box on purpose; ignore it. The grocery photo is an old 1943 black-and-white photo: its real photo is itself soft and grainy. Task: for each photo, look at all its views first, then give every letter one score from 0 to 10 (half points allowed) for overall quality, the way a careful person would judge it looking at the result next to the real photo: is it sharp, clean and natural, and is it true to the real photo? - 10: looks like the real photo, equally sharp and clean; no visible changes. - 8–9: very close; sharp and natural; only tiny differences in fine texture. - 6–7: good; clearly an upscale (a bit soft, over-sharpened or waxy) or small invented details, but the same people, text and colours. - 4–5: clear problems: blurry, plastic skin, garbled details, a noticeable colour change, or one important thing changed. - 2–3: serious problems: faces turned into other people or broken, invented or missing objects or text, the scene redrawn. - 0–1: unusable. Judge the whole image: the overview shows colours, the whole scene and overall sharpness; the zoomed views show faces, text and textures. A serious error in a zoomed view (a broken or replaced face, a new object, wrong readable text) must pull the score down even if the rest is good. Blurry but faithful results should not get high scores either. Be consistent across photos. Score each letter on its own merits.
Claude Opus 5.5, test complet (images IA, photos sans personne, photos réelles de mauvaise qualité et tirages anciens) : les consignes lues par le juge. Le format de sortie est omis. Pour les photos de petite taille à l’origine, le juge a utilisé la grille du test initial, avec l’image d’entrée agrandie par simple redimensionnement à la place de la photo réelle.
You are a blind judge. Three image upscalers (anonymous, letters A, B and C) each enlarged the same small photo 4 times. You do not know which tool is which, and the letters are shuffled on every sheet. Please judge each sheet on its own. What a sheet looks like. Each sheet is split into image files. Read every part of a sheet before you judge it. Part 1 is the whole image. The later parts are zooms. A red box under "Where this zoom is" shows the zoom's place. Top row: "What every tool got": the small input that all three tools were given, enlarged with plain bicubic (soft on purpose). "Original (answer)": only on some sheets. It is the real photo before it was damaged and shrunk. When it is there, it is the answer: the best result is the one closest to it. "Where this zoom is": the location of the zoom. Bottom row: A, B, C, the three results. How to judge. 1. Fidelity, 0 to 10. With an original: how close is the result to the original? Same people (face shape, identity, age, expression, skin tone, hair, glasses, beard), same objects, same text, same colours, same textures. Without an original: is the result a believable sharper version of the input, without changing what is there? Fidelity errors include inventing content (new objects, jewellery, glasses, a different face, eyes opened or closed, text or letters that are not there, fake texture) and losing real content (glasses, moustache, text, patterns, people). A statue or doll must stay a statue or doll. A painting must stay a painting. An old print may stay an old print. 2. Naturalness, 0 to 10. Does it look like a good, natural photo? Look for waxy or plastic skin, a painted look, halos, oversharpening, leftover noise or JPEG blocks, smears, garbled text, repeating patterns, seams and bands at the edges. 3. Rank A, B and C overall. Fidelity matters most, then naturalness. Use "=" only when you truly cannot separate two results. 4. Invented or lost content. For each letter, list concrete changes you can see. Write "none seen" if you saw none. Rules. Judge by eye only. Do not run code, do not measure pixels, do not compute statistics, do not compare file sizes or metadata. Do not try to guess which tool is which, and do not use names of tools. Some sheets may look alike. Judge every sheet fresh from its own images. Look closely at faces, hands, text and fine textures in the zooms.
Qwen3.8, zones agrandies. Le prompt système, puis la demande pour chaque zone de chaque résultat ({what} indique ce qu’il faut examiner dans cette zone ; son champ « overall » fournit la note qui entre dans le total) :
System: You are a meticulous photo-restoration evaluator. You compare an AI upscaler's output with the real high-resolution photo. Be strict: invented, removed or changed content (objects, letters, digits, faces, textures) is a serious fault even when the result looks sharp. Answer ONLY with the requested JSON.
Image 1 is the REFERENCE: a crop of the real high-resolution photo. Image 2 is the SAME crop taken from an AI upscaler's output; the upscaler only received a small, degraded version of the photo. What to look at in this region: {what}. Rate Image 2 against the reference and return JSON with keys: fidelity (0-10, 10 = same content as the reference, nothing invented, removed or changed), quality (0-10, sharpness and naturalness of Image 2 on its own: 10 = looks like a real high-resolution photo; blur, plastic skin, oversharpening, halos or painterly texture lower it), overall (0-10, how good a restoration of the reference this is), identity (only if the region shows a human face: 'same' | 'changed' | 'different' | 'destroyed'; otherwise 'n/a'), text (only if the reference contains readable letters or digits: 'correct' | 'partly' | 'wrong' | 'illegible'; otherwise 'n/a'), issues (a list of at most 4 short phrases naming concrete differences from the reference, or []). JSON only.Lorsqu’il n’existe pas d’original, le prompt système dit « with the small input photo it received » au lieu de « with the real high-resolution photo », et la demande commence par : « Image 1 is the INPUT: a crop of the small photo that an AI upscaler received, enlarged by plain resizing, so it is blurry by nature (no better original exists). Image 2 is the SAME crop taken from the upscaler's output. » Les clés sont identiques, avec « the input » à la place de « the reference ».
Qwen3.8, visages. Pour chaque visage de chaque résultat (son champ « overall » est la note des visages dans le total ; « same_person » = 'no' indique un visage changé) :
Three tiles of the SAME face. Image 1: the REAL face (crop of the real high-resolution photo). Image 2: the degraded small input that the upscaler received, enlarged (blurry by nature). Image 3: the AI upscaler's result for the same tile. Compare Image 3 with Image 1 and answer as JSON with keys: same_person ('yes' | 'probably' | 'no' - is it still the same person as in Image 1?), expression ('kept' | 'changed' - eyes open/shut, mouth, smile, gaze), accessories ('kept' | 'changed' | 'none' - glasses, moustache/beard, mask, hat, badge, earrings), artefacts (list from: 'none', 'melted', 'painted', 'plastic_skin', 'extra_features', 'distorted', 'blurred', 'oversharpened'), overall (0-10: how faithful and natural a reconstruction of the real face Image 3 is; 10 = indistinguishable from Image 1, 0 = a different or destroyed face), note (one short sentence). JSON only.Lorsqu’il n’existe pas d’original, le prompt des visages comporte deux vignettes, l’image d’entrée agrandie par simple redimensionnement et le résultat, et pose les mêmes questions par rapport à l’image d’entrée.
Le test complet. Les photos sans original ont été évaluées par rapport à l’image d’entrée agrandie par redimensionnement bicubique, ce que précisaient les prompts. La note d’Opus sur les images IA, les photos sans personne, les photos réelles de mauvaise qualité et les tirages anciens est la moyenne de ses deux notes sur une échelle de 0–10, pour la fidélité et pour le naturel. Sur les photos de petite taille à l’origine, il s’agit d’une seule note sur une échelle de 0–10, par rapport à l’image d’entrée. Les zones agrandies évaluées par Qwen3.8 sur ces photos : les quatre carrés les plus détaillés (chacun faisant un tiers du petit côté) et les 8 plus grands visages. Le juge Opus 5.5 a vu chaque résultat en entier et en zones agrandies, comme dans le test initial.
Visages. Détectés une seule fois par SCRFD sur l’original à la taille correspondant à un agrandissement de 4× (sur l’image d’entrée agrandie en 4× lorsqu’il n’existe pas d’original). Tous les visages faisant au moins 10 pixels de large dans l’image d’entrée. Le même extrait aligné de 112 × 112 dans chaque résultat. Modèles de reconnaissance faciale avec moyenne des représentations de l’image et de sa version retournée horizontalement. Le score de conservation de l’identité est la moyenne d’AdaFace (IR-101, WebFace12M), ArcFace (R100, Glint360K), AuraFace v1 et MagFace (R100). Dans le test initial, MagFace n’a été exécuté que sur les 14 visages de la photo de course ; dans le test complet, sur tous les visages.
Métriques. LPIPS (AlexNet) et l’écart de couleur CIEDE2000 (après un flou gaussien de 2 px) en pleine résolution ; DISTS sur des tuiles de 512 px ; A-FINE, DreamSim, DINOv2 (ViT-L) et TOPIQ-FR sur des copies réduites de moitié ; MUSIQ, CLIP-IQA+ et TOPIQ en moyenne sur 5 tuiles fixes de 512 px ; MANIQA et NIQE sur l’image entière ; eDifFIQA (L) sur les extraits de visages.
Limites de ce test
- 16 photos, c’est un petit échantillon pour 18 outils. 135 photos, c’est un échantillon plus grand, pour trois outils.
- Un seul traitement par photo et par réglage. Les outils génératifs peuvent donner un résultat différent à chaque fois.
- Réglages par défaut. De nombreux outils ont des curseurs qui les rendent plus prudents ou plus créatifs.
- ChatGPT et Gemini n’ont pas pu produire exactement du 4×.
- Les photos sans original ne peuvent être évaluées que par rapport à l’image d’entrée, moins nette. Les juges en étaient informés.
- Les pondérations du total sont un choix. A-FINE, l’une de ses dix composantes, préfère les résultats qui paraissent plus naturels que l’original, ce qui favorise les outils d’agrandissement qui prennent plus de libertés. Chaque composante est publiée pour que vous puissiez changer sa pondération.
- Topaz, Crystal et Recraft ont été utilisés via fal.ai, et Magnific via les nœuds de ComfyUI, pas dans les applications des éditeurs. Celles-ci peuvent se comporter différemment.
- Les modèles de reconnaissance faciale ont uniquement comparé un résultat à son propre original. Aucune identité n’a été recherchée et aucune donnée faciale n’est publiée.
- Les prix et les modèles changent souvent. Les tests ont été effectués début octobre 2026, les prix sont ceux du 15 novembre 2026, et chaque source de prix est datée.
Définition de chaque mesure
Toutes les colonnes des tableaux ci-dessus, au même endroit. Sur la page, survoler un nom de colonne souligné en pointillé affiche sa définition.
- Total
- le score sur 100 : 28 % pour le juge Opus 5.5 et 8 % pour chacune des neuf autres composantes (les deux notes de Qwen3.8, le score de conservation de l’identité, la proportion de visages changés, la qualité des visages, LPIPS, A-FINE, MUSIQ et NIQE). Les notes des juges sur une échelle de 0–10 sont multipliées par 10. Chaque autre composante est ramenée à une échelle où le meilleur des 18 outils du test initial obtient 100 et le moins bon 0. Voir Notre méthode de test.
- Juge Opus 5.5
- Claude Opus 5.5, un LLM multimodal d’Anthropic, a vu chaque résultat identifié par une lettre attribuée au hasard, en entier et en gros plans, à côté de l’original (ou de l’image d’entrée lorsqu’il n’existe pas d’original), et lui a attribué une note sur une échelle de 0–10. 28 % du total.
- Qwen3.8, zones agrandies
- Qwen3.8-27B, un LLM multimodal ouvert exécuté sur un GPU H100 loué, a noté sur une échelle de 0–10 les zones agrandies les plus détaillées de chaque résultat, à côté de l’original.
- Qwen3.8, visages
- le même modèle a noté chaque extrait de visage à côté du visage original, sur une échelle de 0–10, et indiqué s’il s’agissait toujours de la même personne.
- Score de conservation de l’identité
- la similarité moyenne entre un visage du résultat et le même visage dans l’original, calculée par quatre réseaux de reconnaissance faciale : ArcFace (CVPR 2019, entraîné sur Glint360K), MagFace (CVPR 2021), AdaFace (CVPR 2022, entraîné sur WebFace12M) et AuraFace (2024). 1 correspond au même visage ; des personnes différentes obtiennent environ 0–0.3.
- Autre personne, %
- la proportion de visages que le juge Qwen3.8 a considérés comme une autre personne.
- Qualité des visages (eDifFIQA)
- eDifFIQA (IEEE T-BIOM 2024), un score de qualité d’image faciale fondé sur la diffusion : à quel point un visage paraît propre et reconnaissable, sans l’original. Plus il est élevé, mieux c’est.
- LPIPS
- Learned Perceptual Image Patch Similarity (CVPR 2018) : la distance entre un résultat et l’original calculée à partir des caractéristiques extraites par un réseau AlexNet. Plus elle est basse, plus le résultat est proche.
- A-FINE
- Adaptive Fidelity-Naturalness Evaluator (CVPR 2025) : évalue la proximité d’un résultat avec l’original et son naturel, en donnant plus de poids au naturel lorsque le résultat paraît plus naturel que l’original. Plus le score est bas, mieux c’est.
- MUSIQ
- Multi-Scale Image Quality transformer (ICCV 2021) : un score de qualité visuelle qui n’a pas besoin de l’original. Plus il est élevé, mieux c’est.
- NIQE
- Natural Image Quality Evaluator (IEEE Signal Processing Letters 2013) : l’écart entre les statistiques d’une image et celles de photos naturelles, sans l’original. Plus il est bas, plus l’image paraît naturelle.
- DISTS
- Deep Image Structure and Texture Similarity (IEEE TPAMI 2022) : proximité avec l’original en matière de structure et de texture. Plus le score est bas, plus le résultat est proche.
- DreamSim
- une mesure de similarité d’images entraînée sur des jugements humains (NeurIPS 2023). Plus le score est bas, plus le résultat est proche.
- DINOv2
- la similarité des caractéristiques DINOv2 ViT-L (TMLR 2024) entre le résultat et l’original. Plus elle est élevée, plus le résultat est proche.
- TOPIQ-FR
- un réseau d’évaluation de la qualité d’image par approche descendante (IEEE TIP 2024), du sens de l’image à ses distorsions ; TOPIQ-FR compare avec l’original, TOPIQ évalue sans lui. Plus le score est élevé, mieux c’est.
- Couleur ΔE
- l’écart de couleur CIEDE2000 entre le résultat et l’original, après un flou de 2 px, pour mesurer la couleur et non la netteté. Plus il est bas, plus le résultat est proche.
- MANIQA
- Multi-dimension Attention Network pour la qualité d’image, sans avoir besoin de l’original (CVPR Workshops 2022). Plus le score est élevé, mieux c’est.
- CLIP-IQA+
- l’aspect visuel d’une image tel que le perçoit le modèle CLIP (AAAI 2023), sans avoir besoin de l’original. Plus le score est élevé, mieux c’est.
- Prix par photo
- le prix moyen d’un résultat de 2.7, de 16 et de 48 MP à 100 photos par mois, hors taxes. Voir Prix des outils d’agrandissement IA.
Les 137 photos : sources, licences et images d’entrée
Chaque photo, avec sa source, sa licence et son recadrage, sa fenêtre d’extraction ou sa graine aléatoire exacte, figure dans photos.csv. Voici comment chaque type d’image d’entrée a été créé :
- Le test initial (16 photos). Le recadrage du fichier en pleine résolution a été redimensionné à 2016 × 1344 (l’original utilisé pour la comparaison), puis à 504 × 336 par moyennage par zone. Ensuite : flou gaussien (sigma 0.3 px), bruit gaussien (sigma 1.5 sur 255, à partir de la graine aléatoire de la photo), puis deux enregistrements JPEG (qualité 60, puis 80 ; 4:2:0). Le test complet utilise 14 de ces photos (ni les étiquettes de prix ni l’image Midjourney).
- Images IA (16). FLUX.1 [schnell] sur fal.ai (
fal-ai/flux/schnell, 4 étapes, 1536 × 1152), à partir du prompt et de la graine aléatoire de la photo ; cette image est l’original. Image d’entrée : moyennage par zone à 384 × 288, puis les mêmes flou, bruit (même graine aléatoire) et JPEG que dans le test initial. - Photos sans personne (13). La zone extraite du fichier source a été redimensionnée à 1536 × 1152 (l’original) et à 384 × 288 par moyennage par zone, puis soumise aux mêmes flou, bruit et JPEG que dans le test initial.
- Photos réelles de mauvaise qualité (29), sans original en haute résolution. Image d’entrée : le recadrage du fichier tel que publié, à sa résolution native, rien d’autre.
- Tirages anciens et argentique (19), aucun original intact. Image d’entrée : le fichier tel que téléchargé, réduit par moyennage par zone (OpenCV INTER_AREA) à 480 px sur le grand côté, rien d’autre.
- Photos de petite taille à l’origine (44), sans original en haute résolution. Image d’entrée : le fichier exactement tel que publié (37 photos Flickr, 2001–2007) ou une image extraite de la vidéo (7 images de vidéos web, 2005–2009). Les fichiers sous licences NC ou ND et les images extraites de vidéos sont accessibles par lien, mais ne sont pas redistribués ; leurs résultats ne sont pas présentés sur cette page.
Sources
- [1]Du Chen et al. Toward Generalized Image Quality Assessment: Relaxing the Perfect Reference Quality Assumption. CVPR, 2025.
- [2]Dongping Chen et al. MLLM-as-a-Judge: Assessing Multimodal LLM-as-a-Judge with Vision-Language Benchmark. ICML, 2024.
- [3]Lianmin Zheng et al. Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena. NeurIPS Datasets and Benchmarks Track, 2023.
- [4]Anthropic. Introducing Claude Opus 5.5. Page d’annonce d’Anthropic, 2026.
- [5]Qwen Team. Qwen3.8-27B-FP8 (model card). Fiche du modèle sur Hugging Face (sans article scientifique), 2026.
- [6]Jia Guo et al. Sample and Computation Redistribution for Efficient Face Detection. ICLR (poster), 2022.
- [7]Jiankang Deng et al. ArcFace: Additive Angular Margin Loss for Deep Face Recognition. CVPR, 2019.
- [8]Xiang An et al. Partial FC: Training 10 Million Identities on a Single Machine. ICCV Workshops (MFR), 2021.
- [9]Qiang Meng et al. MagFace: A Universal Representation for Face Recognition and Quality Assessment. CVPR (présentation orale), 2021.
- [10]Minchul Kim, Anil K. Jain, Xiaoming Liu. AdaFace: Quality Adaptive Margin for Face Recognition. CVPR (présentation orale), 2022.
- [11]Zheng Zhu et al. WebFace260M: A Benchmark Unveiling the Power of Million-Scale Deep Face Recognition. CVPR, 2021.
- [12]fal. AuraFace (AuraFace-v1 model card). Fiche du modèle sur Hugging Face (sans article scientifique), 2024.
- [13]Žiga Babnik, Peter Peer, Vitomir Štruc. eDifFIQA: Towards Efficient Face Image Quality Assessment based on Denoising Diffusion Probabilistic Models. IEEE Transactions on Biometrics, Behavior, and Identity Science (T-BIOM), vol. 6, n° 4, p. 458–474, 2024.
- [14]Žiga Babnik, Peter Peer, Vitomir Štruc. DifFIQA: Face Image Quality Assessment Using Denoising Diffusion Probabilistic Models. IJCB (IEEE International Joint Conference on Biometrics), 2023.
- [15]Richard Zhang et al. The Unreasonable Effectiveness of Deep Features as a Perceptual Metric. CVPR, 2018.
- [16]Keyan Ding et al. Image Quality Assessment: Unifying Structure and Texture Similarity. IEEE TPAMI, vol. 44, n° 5, p. 2567–2581, 2022.
- [17]Stephanie Fu et al. DreamSim: Learning New Dimensions of Human Visual Similarity using Synthetic Data. NeurIPS (présentation spotlight), 2023.
- [18]Maxime Oquab et al. DINOv2: Learning Robust Visual Features without Supervision. Transactions on Machine Learning Research (TMLR), 2024.
- [19]Chaofeng Chen et al. TOPIQ: A Top-down Approach from Semantics to Distortions for Image Quality Assessment. IEEE Transactions on Image Processing, vol. 33, p. 2404–2418, 2024.
- [20]Gaurav Sharma, Wencheng Wu, Edul N. Dalal. The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observations. Color Research & Application, vol. 30, n° 1, p. 21–30, 2005.
- [21]Junjie Ke et al. MUSIQ: Multi-scale Image Quality Transformer. ICCV, 2021.
- [22]A. Mittal, R. Soundararajan, A. C. Bovik. Making a “Completely Blind” Image Quality Analyzer. IEEE Signal Processing Letters, vol. 20, n° 3, p. 209–212, 2013.
- [23]Sidi Yang et al. MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment. CVPR Workshops (NTIRE), 2022.
- [24]Jianyi Wang, Kelvin C. K. Chan, Chen Change Loy. Exploring CLIP for Assessing the Look and Feel of Images. AAAI, vol. 37, n° 2, p. 2555–2563, 2023.
- [25]Chaofeng Chen, Jiadi Mo. IQA-PyTorch: PyTorch Toolbox for Image Quality Assessment. Logiciel sur GitHub (pyiqa), 2022.
- [26]MegaPotato. Pricing. Notre propre page, consultée le 15 novembre 2026.
- [27]Clarity AI. Pricing. Page de l’éditeur, consultée le 15 novembre 2026.
- [28]Topaz Labs. API plans and credits. Page de l’éditeur, consultée le 15 novembre 2026.
- [29]fal.ai. Topaz Image Upscale: Generative, Precision, Creative. Pages de l’éditeur, consultées le 15 novembre 2026.
- [30]Topaz Labs. Pricing: Gigapixel, Topaz for Web. Page de l’éditeur, consultée le 15 novembre 2026.
- [31]Let's Enhance. Pricing. Page de l’éditeur, consultée le 15 novembre 2026.
- [32]Google. Gemini API pricing. Page de l’éditeur, consultée le 15 novembre 2026.
- [33]OpenAI. API pricing. Page de l’éditeur, consultée le 15 novembre 2026.
- [34]Recraft. API pricing. Page de l’éditeur, consultée le 15 novembre 2026.
- [35]Magnific via les nœuds partenaires de ComfyUI : API node pricing (35.91 crédits par étape en 2× pour une image d’entrée jusqu’à 1.3 MP, 71.82 jusqu’à 3 MP, 107.73 jusqu’à 6.4 MP ; $1 = 211 crédits), consulté le 15 novembre 2026. Abonnements de Magnific : Pricing, page de l’éditeur, consultée le 15 novembre 2026.
- [36]Krea. Pricing. Page de l’éditeur, consultée le 15 novembre 2026.
- [37]Topaz Labs. Model Pricing. Documentation développeur, consultée le 15 novembre 2026.
- [38]VanceAI. Pricing. Page de l’éditeur, consultée le 15 novembre 2026.
- [39]Pixelcut. Pricing et API pricing. Pages de l’éditeur, consultées le 15 novembre 2026.
- [40]Remini. remini.ai : les abonnements sont affichés dans l’application. Page de l’éditeur, consultée le 15 novembre 2026.
