Six des dix meilleurs modèles image appartiennent à la même famille

Le classement image d'OpenRouter pour la semaine close le 26 octobre ressemble à un catalogue produit plus qu'à une compétition. Six des dix premières places appartiennent à une seule famille de modèles. La première totalise 1,57 million de requêtes. La dixième, 253 000.

La liste, dans l'ordre : Nano Banana 2 (Gemini 3.1 Flash Image) à 1,57 M, en hausse de 13 % sur une semaine ; GPT Image 2.5 Sunburst à 1,25 M, plus 6 % ; Muse Image de Meta à 824 000, plus 23 % ; GPT Image 2.5 Flare à 793 000, plus 26 % ; Nano Banana 2 Lite à 726 000, plus 18 % ; GPT Image 2 à 633 000, moins 4 % ; Nano Banana à 450 000, stable ; Nano Banana Pro à 417 000, plus 5 % ; Nano Banana 2.1 à 383 000, plus 21 % ; et Nano Banana 2 dans sa version preview à 253 000, moins 14 %.

Par éditeur, la semaine commençant le 19 octobre se répartit ainsi : Google 43,3 % des requêtes image, OpenAI 33,2 %, Meta 7,8 %, Black Forest Labs 4,8 %, ByteDance Seed 3,9 %, Recraft 1,8 %, SpaceXAI 1,8 %, Tencent 1,1 %, Qwen 0,9 %.

Deux entreprises prennent les trois quarts des requêtes. Voilà l'histoire, et c'est une histoire moins intéressante que celle qui se cache dans la structure des paliers.

Cinq paliers du même modèle

Les entrées de Google ne sont pas cinq modèles concurrents. C'est une seule lignée découpée par prix et par capacité : Nano Banana 2 au sommet, Nano Banana 2 Lite en dessous, Nano Banana Pro au-dessus en qualité, Nano Banana 2.1 en milieu de gamme, et le Nano Banana tout court, de la génération précédente, qui tire encore 450 000 requêtes par semaine.

OpenAI fait la même chose avec deux entrées : Sunburst et Flare sont tous deux GPT Image 2.5, positionnés à des vitesses et des prix différents, et ensemble ils occupent la deuxième et la quatrième place.

Ce n'est pas un truc. Le découpage en paliers, c'est ainsi qu'on sert un marché où un client a besoin d'une image héros en 4K et un autre de 900 vignettes avant midi. Mais cela veut dire que le classement mesure autre chose que la qualité des modèles. Un fournisseur avec quatre paliers occupe quatre places avec un seul modèle. Un fournisseur avec un seul excellent modèle occupe une place.

La preuve la plus claire que ce sont des décisions de distribution et non de qualité, c'est la dixième entrée : Nano Banana 2 en version preview, encore à 253 000 requêtes par semaine, neuf semaines après la sortie de la version de production. Personne ne choisit un modèle preview exprès. Le pipeline de quelqu'un a été construit sur cette chaîne de caractères, et plus personne n'y a touché depuis. Le volume de requêtes mesure l'inertie autant que la préférence.

Le seul chiffre qui ne parle ni de Google ni d'OpenAI

Muse Image de Meta, à 824 000, est la seule entrée du top quatre qui ne vienne pas des deux leaders, et il a progressé de 23 % en une semaine, plus vite que l'un comme l'autre. L'argument de Meta pour Muse, c'est qu'il planifie une composition avant de la rendre, soit exactement le pari architectural que Canva a fait avec Craft cette semaine. Deux entreprises qui arrivent à « planifier puis rendre » le même mois, ça mérite d'être noté, même si cela en dit peut-être plus sur l'endroit où se trouvent les gains faciles que sur une intuition partagée.

L'autre chiffre qui ressort, c'est Black Forest Labs à 4,8 %, en hausse de 83 % sur une semaine. C'est le taux de croissance le plus rapide du tableau, de loin, et il reste sous les 5 %. Un progressiste rapide à faible volume signale généralement l'arrivée d'un gros client, pas un basculement de marché. À surveiller, pas à conclure.

La queue du tableau, c'est là que se trouvent les absences intéressantes. Recraft à 1,8 %, en hausse de 29 %, Tencent à 1,1 %, Qwen à 0,9 %, SpaceXAI à 1,8 %. Ce ne sont pas des échecs. Ce sont des modèles avec un travail précis : Recraft a toujours été le choix pour le vectoriel et les assets cohérents avec une charte, les modèles image de Tencent comptent à l'intérieur des produits en chinois, et les poids ouverts de Qwen tournent sur le matériel du client, ce qui veut dire que ces requêtes n'apparaissent jamais ici.

Ce dernier point est le plus gros angle mort de tout classement de routeur. Un modèle distribué en poids ouverts peut être extrêmement utilisé et invisible dans ces données, parce que ceux qui le font tourner le font tourner eux-mêmes. Les compteurs de requêtes mesurent l'adoption hébergée, ce qui est un proxy du confort de développement, pas du déploiement total.

Ce que les compteurs de requêtes ne disent pas

C'est un nombre de requêtes, pas un chiffre d'affaires, ni des tokens. Une requête sur un palier Lite peut coûter une fraction d'une requête sur un palier Pro, donc un fournisseur avec un défaut bon marché peut dominer le tableau en gagnant moins par appel que celui qui est troisième. OpenRouter publie d'ailleurs une vue séparée sur la part de dépense pour exactement cette raison, et les deux ne concordent pas toujours.

Il y a un second écart : OpenRouter est un routeur. Il voit le trafic que les développeurs font passer par lui, ce qui penche vers les gens qui construisent des produits, des agents et des traitements par lots. Il ne voit pas le trafic qui va directement dans l'application d'un fournisseur, et il ne voit pas l'énorme volume grand public à l'intérieur d'outils comme Canva ou Photoshop. Google en tête à 43,3 % ici, c'est une affirmation sur les réglages par défaut des développeurs. Ce n'est pas une affirmation sur le modèle qui fait le plus d'images au monde.

Ce qu'un développeur doit en retenir

Si vous choisissez un modèle image cette semaine, le classement est un proxy raisonnable pour trois choses : quels modèles ont le plus d'exemples et de réponses communautaires, lesquels risquent peu d'être dépréciés sans préavis, et lesquels vos futures recrues ont probablement déjà utilisés.

C'est un mauvais proxy pour ce qui vous intéresse vraiment, à savoir si le modèle gère vos images à vous. Une avance de 1,57 million de requêtes ne vous dit rien de la façon dont il rend le packaging de votre produit.

Le motif le plus utile dans ces données, c'est le découpage en paliers lui-même. Si deux fournisseurs sortent aujourd'hui quatre et cinq points de prix du même modèle sous-jacent, alors le prix est négociable comme il ne l'était pas il y a un an, et le bon réflexe est de tester le palier bon marché d'abord. La plupart des travaux de production n'ont pas besoin du modèle Pro. Ils ont besoin du Lite et d'un bon upscale.

Et l'entrée preview à la dixième place est un petit rappel pour quiconque maintient un pipeline : le modèle que vous avez codé en dur en mars tourne toujours, facture toujours, et c'est probablement encore la version preview. Vérifier prend un après-midi.

Le coût d'un palier auquel personne ne pense

Il y a un coût plus discret caché dans cette structure. Chaque palier supplémentaire est une migration supplémentaire que quelqu'un devra finir par faire, et les paliers vieillissent à des vitesses différentes. Un fournisseur qui sort cinq points de prix d'une même lignée retire les plus bas en premier, parce que ce sont les moins défendus commercialement. La version preview à 253 000 requêtes n'est pas un problème aujourd'hui. Elle le devient le jour où elle cesse d'accepter des appels.

Les équipes qui gèrent bien ça font une chose ennuyeuse : elles tiennent une courte liste de la chaîne de modèle utilisée par chaque produit, de qui en est responsable, et de la solution de repli. Ce n'est pas un travail passionnant. C'est la différence entre un mardi après-midi et une panne le mardi.