Découper un JPG en calques devient une étape de design normale

Un changement discret s'opère dans les outils que les designers utilisent. Pendant presque toute l'année écoulée, ce qui était intéressant dans le travail d'images IA, c'était la génération : créer quelque chose qui n'existait pas. Les outils qui se multiplient aujourd'hui partent d'une image déjà existante et la décomposent.

Le changement est facile à manquer, car il ne produit pas de démos spectaculaires. Personne ne partage la capture d'écran d'une pile de calques bien séparée. Mais c'est ce changement qui détermine si les images générées sont utilisables dans un cadre professionnel, car la valeur d'une ressource de design dépend moins de son apparence que de la possibilité de la modifier ensuite.

LayerGrab est apparu le 2 octobre. Il convertit un PNG, JPG ou WebP aplati en jusqu'à seize calques transparents indépendants, dotés de noms descriptifs en anglais, et reconstruit l'arrière-plan derrière les éléments extraits par inpainting. Il exporte des PNG individuels, un ZIP ou un PSD en calques pour Photoshop, avec des plugins pour Photoshop, Figma et Sketch, ainsi qu'une extension Chrome pour récupérer des images depuis un navigateur. Il n'existe pas d'export .psd depuis l'outil navigateur lui-même ; les calques arrivent sous forme de PNG numérotés que vous empilez dans un éditeur.

Le traitement prend de 60 à 100 secondes. Il s'appuie sur des modèles de segmentation et de génération, dont Qwen-Image-Layered, le modèle qu'Alibaba a publié en open source le 2 octobre sous une licence permissive. Les fichiers d'entrée sont limités à 20 Mo, et une extension Chrome permet à un designer de faire un clic droit sur une image de n'importe quel site et de l'envoyer directement au panneau de séparation.

Pourquoi la décomposition en calques est la moitié utile

La génération a résolu un problème que les designers contournaient depuis des années, et en a créé un nouveau. Une image générée par IA ressemble à la photographie plate d'un design, pas à un fichier de travail. Vous ne pouvez pas déplacer le produit de l'autre côté de la bannière, car il est soudé aux pixels. Vous ne pouvez pas remplacer le texte du titre, car il n'y a pas d'objet texte, seulement l'apparence du texte.

C'est précisément le vide que comble la décomposition en calques. L'enjeu est de récupérer la structure qu'une image plate dissimule, afin que l'image puisse être modifiée comme on modifie un fichier de design, plutôt que de produire quelque chose de nouveau.

La présentation de Qwen-Image-Layered par Alibaba décrit le problème comme un « flat pixel coupling » (couplage plat des pixels). Le modèle utilise un encodeur RGBA-VAE et un encodage positionnel 3D au niveau des calques pour identifier les niveaux spatiaux et les relations d'occlusion, puis décompose l'image en calques indépendants et modifiables. L'entreprise affirme une dérive quasi nulle lors des éditions précises, ce qui répond au problème de cohérence qui surgit dès que l'on modifie une partie d'une image et que d'autres parties se décalent.

Le même jour, inclusionAI, d'Ant Group, a publié une paire d'outils liés : Ming-Image-0.1-Design pour générer des designs visuels complets et Ming-Image-0.1-Design-Layer pour décomposer des designs aplatis en calques transparents, tous deux à 6 milliards de paramètres, et tous deux nécessitant un GPU de 80 Go pour le déploiement par défaut.

Ce que les créateurs en font réellement

Les descriptions de ces outils ressemblent à une liste de petites tâches ingrates. Découper une publicité terminée en calques et déplacer le produit de l'autre côté pour un nouveau format. Séparer une illustration en calques pour animer un effet de parallaxe. Détacher le produit et l'arrière-plan d'une photo afin de les animer sur des diapositives distinctes. Extraire des éléments d'une affiche pour changer le texte ou réutiliser les graphismes dans un nouveau projet.

Aucune de ces tâches ne figurait dans une démo marquante. Ce sont celles qui engloutissent l'après-midi d'un designer, et elles n'étaient jusqu'ici pas automatisables du tout, car aucun outil ne pouvait récupérer la structure d'une image rendue. Un designer face à un JPG plat n'avait qu'une seule option : le redessiner à la main, calque par calque, en devinant ce qui se trouvait derrière chaque élément.

Si cela compte plus qu'il n'y paraît, c'est parce que la plupart des ressources qu'un designer reçoit sont plates. Un client envoie un JPG de l'affiche de l'année dernière et demande une version dans un nouveau format. Une équipe de marque possède l'export final mais a perdu le fichier source. Une ressource de campagne n'existe que sous forme de capture d'écran. La décomposition en calques transforme ces impasses en points de départ, ce qui constitue un type de valeur différent de celui qu'apporte la génération.

Il existe des limites bien réelles. LayerGrab ne préserve pas les ombres portées. Les textes très fins peuvent présenter de légères variations de couleur lorsqu'ils sont redessinés par le modèle, et le texte est extrait sous forme de calque image plutôt que de texte modifiable. Comme pour tout système de segmentation, le découpage peut varier légèrement d'une exécution à l'autre sur une même entrée.

L'outil Image Layer de Kenerate adopte une approche similaire avec un accent différent : il produit de deux à huit calques, l'utilisateur choisissant le nombre, ou un nombre automatique qui se situe souvent entre six et douze dans son offre Pro. Il exporte lui aussi des PNG plutôt qu'un PSD, et la documentation est explicite sur cette limite, le genre d'honnêteté dont un outil de cette catégorie tire profit. Les designers qui attendent un fichier PSD exploitable et reçoivent un dossier de PNG perdent un après-midi à découvrir la différence.

La variation entre les outils est instructive. L'un privilégie un nombre de calques fixe que le designer contrôle ; l'autre laisse le modèle décider. Tous deux contournent la même contrainte : la segmentation en calques relève du jugement, et chaque outil le fait à sa manière.

La tendance de fond

Regardez ce qui a été publié ce mois-ci dans son ensemble : un schéma se dessine. Alibaba a mis en open source un modèle de calques. Ant Group a publié une paire conception/décomposition. Un outil commercial a empaqueté cette capacité dans des plugins pour les éditeurs que les designers utilisent déjà. La capacité est passée d'un résultat de recherche à une fonctionnalité produit en deux semaines environ.

Cette vitesse est ce qu'il y a d'intéressant. Quand un modèle est publié en open source sous licence permissive, l'écart entre « cela existe dans un article » et « c'est un bouton dans Figma » se réduit à néant. Les designers n'adoptent pas des architectures ; ils adoptent des boutons. Le modèle qui gagne est rarement celui qui obtient le meilleur score aux benchmarks. C'est celui qui apparaît dans le logiciel déjà ouvert sur le second écran du designer.

L'effet concret est que les images IA cessent d'être des artefacts finaux. Une image générée aujourd'hui peut être démontée demain, réorganisée jeudi et livrée dans un format que l'équipe du client pourra encore modifier au trimestre suivant. C'est cette souplesse qui rend les ressources générées utilisables dans des workflows professionnels, et c'est pourquoi la décomposition en calques est passée de la nouveauté à une étape standard.

La question suivante est de savoir si la décomposition en calques finira à l'intérieur du modèle de génération ou à côté. Si un modèle produit directement une sortie en calques, l'étape de décomposition séparée disparaît. En attendant, les outils qui récupèrent la structure d'images plates sont le pont entre la sortie d'un générateur et les exigences d'un designer, et ce pont se construit assez vite pour que la plupart des équipes de design l'utilisent sans jamais décider de l'adopter.