Avec Craft, Canva planifie l'affiche avant de la peindre

Canva a livré cette semaine son premier modèle image maison, et son argument est une phrase que peu de modèles image peuvent prononcer : il rédige un plan avant de dessiner quoi que ce soit.

Le modèle s'appelle Craft. Développé par Canva Research, entraîné sur la bibliothèque de templates faits par des humains de l'entreprise, disponible pour tous les utilisateurs de Canva et via l'API publique. Il génère jusqu'à 2K dans plus de 30 formats d'image et rend du texte en 55 langues.

Le design en deux étapes, voilà la substance. Un modèle de planification lit le prompt et rédige un plan de composition détaillé : quels éléments apparaissent, comment ils se situent les uns par rapport aux autres, leur échelle relative, la hiérarchie visuelle, et le texte éventuel dont l'image a besoin. Un modèle de rendu séparé transforme ce plan en pixels. Comme le plan est structuré, Canva affirme qu'un utilisateur peut modifier un seul élément sans que le reste de l'image bouge.

Quiconque a généré une affiche avec un modèle général sait pourquoi ça compte. Vous demandez un titre, trois icônes et un produit en bas à droite. Vous obtenez quelque chose qui ressemble aux trois, presque bien disposé, avec le titre mal orthographié et des icônes flottant à des hauteurs légèrement différentes. La composition n'a jamais vraiment été une décision du modèle. C'était un effet de bord de l'échantillonnage.

Ce que changent les données d'entraînement

La plupart des modèles image sont entraînés essentiellement sur des photographies. Le jeu d'entraînement de Craft comprend des millions de templates d'affiches, de posts sociaux, de présentations, d'infographies, de menus et de mises en page où le texte est le sujet, et non un élément décoratif.

C'est une vraie différence de prior. Un modèle entraîné sur des photos a vu des milliards d'images où le texte apparaît sur des panneaux, des emballages et des écrans, généralement petit, souvent flou, rarement sujet principal. Un modèle entraîné sur des templates a vu des millions d'images dont la hiérarchie typographique est toute la raison d'être. Si votre travail consiste à faire un menu ou une annonce de cours, ce ne sont pas les mêmes points de départ.

Les classements, à lire de près

Canva annonce que Craft entre quatrième sur DesignArena, qu'il présente comme le plus grand évaluateur crowdsourcé de design par IA. Canva ajoute que Craft est premier en People and Portraits (sur 87 modèles) et premier en Landscapes and Nature (sur 85), deuxième en Abstract and Patterns, quatrième en Products. Et que cela fait de Canva Research le deuxième laboratoire mondial le plus avancé en génération d'images.

Cette dernière phrase va plus loin que ce que les données soutiennent. Quatrième au général plus deux victoires de catégorie, c'est un démarrage solide pour un premier modèle. Dire que le labo est deuxième au monde, c'est une affirmation sur un labo, pas sur un modèle, et DesignArena n'est pas la même arène que les classements texte-vers-image que tout le monde cite. Retenez les deux victoires de catégorie comme la partie significative. Portraits et paysages sont exactement les domaines où l'on attendrait un modèle entraîné sur des templates en difficulté : les gagner, voilà la surprise.

Il y a aussi un détail de méthode chez Canva qui mérite d'être cité, parce qu'il est inhabituel : des designers ont travaillé avec les chercheurs pour évaluer plus de 25 000 paires d'images en comparaison directe avec d'autres modèles, et lorsque les évaluations automatisées contredisaient le jugement humain, l'entreprise a tranché en faveur du designer. Que l'on croie ou non aux chiffres qui en sortent, c'est une règle d'arbitrage énoncée, ce que la plupart des billets de lancement ne proposent pas.

Pourquoi l'étape de planification est aussi un tour de vitesse

Au-delà de la qualité, l'architecture offre à Canva quelque chose qu'un modèle de diffusion classique obtient difficilement : le raisonnement coûteux a lieu une seule fois, en texte, et l'étape de rendu peut être fortement distillée.

Canva dit avoir utilisé la distillation de modèle pour réduire le nombre d'étapes d'inférence à une fraction de l'original, et avoir construit un moteur d'inférence dédié à l'étape de planification, ce qui rend Craft un ordre de grandeur plus rapide que sa première version interne. Deux variantes sont annoncées, Craft-fast et Craft-ultrafast, pour une fraction du coût des grands modèles de frontière.

Le contexte d'échelle explique l'urgence. Canva affirme que plus d'un quart de milliard de personnes utilisent la plateforme, qui crée plus de 400 designs par seconde. À ce volume, un modèle 20 % meilleur mais deux fois plus cher à l'image est un problème d'entreprise, pas une fonctionnalité.

Là où ça s'arrête

La liste de ce que Craft ne fait pas encore est plus instructive que la liste des fonctionnalités. Canva annonce que les versions futures traiteront mieux les mentions légales et les dessins techniques, et que des fonctions d'édition avancée et d'image de référence suivront.

Autrement dit, pas d'images de référence pour l'instant. Pas de « mets ce produit dans cette scène ». Pas de reprise d'un asset de marque existant. Pour un modèle vendu au marketing et à l'e-commerce, l'absence de support des images de référence est la limite la plus lourde, parce que la plupart des travaux commerciaux partent de quelque chose qui existe déjà : une photo produit, un logo, une personne.

Le pont que Canva propose à la place, ce sont les Magic Layers, qui transforment une image générée en éléments de design éditables dans Canva. C'est une réponse intelligente à un vrai problème. Si le modèle ne peut pas prendre votre photo produit en entrée, au moins la sortie peut être démontée et remontée autour d'elle. C'est un contournement, et c'est le contournement que la plupart des designers font déjà à la main dans trois autres outils.

À qui c'est destiné

Si vous fabriquez déjà des choses dans Canva, Craft ressemble à une mise à niveau gratuite, et les langues comme les formats font qu'il couvrira la plupart des usages sociaux et imprimés sans repasser par un redimensionnement. Le serveur MCP compte pour une autre raison : il permet à un agent de générer une image comme une étape d'une tâche plus large, ce qui correspond à la façon dont beaucoup de travail marketing s'assemble aujourd'hui.

Il y a un effet de second ordre de l'étape de planification que Canva ne met pas en avant et qui compte plus que n'importe quelle position dans un classement : un plan est éditable d'une manière qu'un latent ne l'est pas. Une fois que la composition existe comme description structurée, les règles d'une marque peuvent s'appliquer à cette description plutôt qu'aux pixels. Logo en bas à droite, hauteur de capitale minimale, deux couleurs de marque plus le noir. Ce sont des contraintes qu'on peut énoncer à un modèle de planification. À un modèle de diffusion, on ne peut que demander poliment. C'est le même argument qu'Adobe avance sur la génération pilotée par templates, et c'est pourquoi une entreprise de design qui sort un modèle, ce n'est pas le même événement qu'un labo qui en sort un. La douve de Canva, ce n'est pas le checkpoint. Ce sont les millions de templates et le kit de marque que chacun de ses utilisateurs a déjà rempli.

Si vous avez besoin de rendus produit photoréalistes, ou de placer un objet précis dans une scène précise, ce n'est pas encore l'outil. Canva annonce que les images de référence arrivent. D'ici là, Craft est le plus fort exactement là où ses données d'entraînement sont les plus fortes : les mises en page où les mots sont le design, et où la composition doit être juste du premier coup.

Ce qui, étant donné que tout le métier de Canva est la mise en page, n'est pas un hasard. C'est l'endroit le plus défendable où une entreprise de design pouvait planter un modèle.