La petite startup californienne Reve a lancé Reve 2.0, un nouveau modèle de génération d'images qui s'est invité hissé à la 2ᵉ place du classement Arena AI, juste derrière GPT-Image-2 d'OpenAI et devant Nano Banana 2 de Google. Belle performance pour un labo d'une soixantaine de personnes !
Mais Reve 2.0 fait plus qu’être un bon modèle de génération d’images, il propose surtout une autre façon de fabriquer une image. et cette idée pourrait bien marquer la fin d'une époque : celle du tout-prompt.
Depuis Stable Diffusion, on a tous intégré le même réflexe : on décrit ce qu'on veut en mots, on lance la génération, et on croise les doigts. Si le résultat n'est pas bon, on retouche la phrase et on relance. Encore. Et encore.
Ce fonctionnement a un défaut structurel que Reve pointe aujourd’hui : le texte est expressif mais ambigu.
Sous le capot, les modèles classiques traite votre prompt comme une longue description textuelle, qu'un modèle de diffusion convertit ensuite en pixels (le plus souvent en passant par un espace latent intermediaire). Le souci, c'est que la moindre modification du prompt peut bouleverser toute l'image.
Vous vouliez juste déplacer un objet ou changer une couleur ? Tant pis, le modèle vous régénère une image entièrement différente. Reve compare ça à un feu d'artifice : joli, mais impossible à contrôler précisément.
Si on tente parfois de mieux contrôler le résultat à l’aide du seed ou d’outil comme contrôlent, on s’est globalement habitués à cette loterie. Reve 2.0 part du principe qu'on ne devrait pas s’en contenter.
L'innovation centrale, que Reve baptise lui-même “The Layout Bet”, consiste à remplacer la description textuelle par une représentation intermédiaire structurée : un layout.
Concrètement, un layout est une carte hiérarchique de l'image. Chaque élément y est décrit avec sa position, sa taille, sa description locale, et éventuellement des références d'images ou des couleurs. C'est en quelque sorte le squelette de l'image, séparé de son rendu final. Au lieu de générer directement des pixels à partir d'un prompt, Reve 2.0 commence par planifier cette structure, et ne génère les pixel qu’après.
Pour y arriver, l'équipe a entraîné ce qu'elle appelle un Large Layout Model, en faisant du “continued pretraining” sur des modèles de langage open-source (dont Qwen) pour leur apprendre à raisonner dans l'espace. La promesse marketing, “créer des images qu'on peut toucher”, n'est donc pas qu'une formule. Elle décrit assez fidèlement le changement de nature de l'objet produit.
C'est là que la théorie devient utile. Parce que l'image possède désormais une structure lisible et stable, vous pouvez l'éditer élément par élément sans tout régénérer.
Envie de déplacer un personnage vers la gauche ? Vous le glissez. Besoin de corriger un mot dans une enseigne ? Vous l'éditez directement.
Sur Reve.com, Vous pouvez agir en langage naturel (« déplace le héron à gauche »), en drag-and-drop, ou même en modifiant la structure du layout à la main. L'image cesse d'être un bloc figé qu'on jette et qu'on refait : elle devient un document modifiable, où vos retouches précédentes ne partent pas en fumée à chaque itération.
Pour les usages pro, Reve ajoute deux atouts qui comptent. D'abord une résolution 4K native (16 mégapixels) : pas d'upscaling après coup, donc une qualité directement exploitable pour l'impression, la pub ou les maquettes. Ensuite une bonne tenue du texte et de la typographie, point faible historique des générateurs d'images.
Cerise sur le gâteau : pas besoin de waitlist. Reve 2.0 est accessible dès maintenant sur la plateforme, avec un plan gratuit généreux pour le tester, des formules payantes pour aller plus loin, et une API pour les développeurs.