Stable Diffusion 3 en 2026 : Exécution locale et via API de SD3

Mis à jour le: June 28, 2026

J'ai exécuté le même ensemble de 40 invites via Stable Diffusion 3 et via SDXL cette semaine, et ce qui a réellement changé : les textes courts dans l'image sont rendus lisibles environ deux fois plus souvent, et les prompts avec trois ou quatre sujets ne cessent plus de fusionner en une seule figure fondue. SD3 est la famille actuelle de modèles text-to-image open-weights de Stability AI, et les variantes 3.5 Large et Large Turbo sont celles que vous utiliserez en 2026.

Réponse rapide : qu'est-ce que Stable Diffusion 3 et devriez-vous changer ?

Stable Diffusion 3 est le modèle text-to-image de Stability AI construit sur un backbone MMDiT (Multimodal Diffusion Transformer) au lieu du U-Net utilisé par SDXL et SD 1.5. Les checkpoints 3.5 Large et 3.5 Large Turbo distillés sont les versions actuelles, toutes deux téléchargeables sous licence communautaire ou commerciale de Stability. Vous les exécutez localement avec ComfyUI ou Diffusers, ou vous appelez via l'API Stability.

Changez si vous avez besoin de texte lisible, d'une adhésion plus stricte aux prompts ou de scènes multi-sujets. Restez sur SDXL si vous avez besoin du plus large écosystème de fine-tune, du niveau VRAM le plus bas, ou d'un stack ControlNet éprouvé. L'annonce de Stability présente la gamme, et l'introduction officielle de SD3 couvre l'historique des versions en détail.

Qu'est-ce qui a changé dans l'architecture MMDiT ?

Le changement technique majeur est le backbone. Les anciens modèles Stable Diffusion utilisaient un U-Net convolutionnel qui traitait l'image comme une grille de pixels. SD3 remplace cela par un transformateur qui prête conjointement attention aux jetons d'image et aux jetons de texte, ce qui explique l'amélioration de l'adhérence au prompt et de l'orthographe du texte.

En termes simples : l'ancien modèle regardait la photo et la légende séparément et essayait de les coller ensemble. SD3 les lit dans le même passage, donc "un panneau rouge qui dit STOP" a de bonnes chances d'épeler STOP. Le coût est la taille et la vitesse — MMDiT nécessite plus de mémoire et plus d'étapes à moins que vous n'utilisiez la distillation Turbo.

Comment exécuter SD3 localement ?

J'ai testé la génération locale sur un seul GPU de 24 GB en utilisant ComfyUI et la bibliothèque Python Diffusers. SD3.5 Large rentre, mais c'est juste ; SD3.5 Large Turbo est le choix plus facile pour une machine domestique car il fonctionne en environ quatre étapes.

• Installer ComfyUI et télécharger le workflow officiel SD3.5 depuis le gestionnaire.
• Télécharger les poids à partir de l'org HuggingFace stabilityai et accepter la licence d'abord.
• Choisir Large Turbo pour la vitesse (environ 4 étapes) ou Large pour la qualité (28 à 30 étapes).
• Garder au moins 16 GB de VRAM pour Large ; 8 GB est possible pour Turbo avec fp8.
• Faire correspondre la précision au checkpoint : fp16 pour Large, fp8 pour un Turbo faible en VRAM.

Un workflow réaliste dans Diffusers : charger StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-large"), le déplacer vers CUDA, définir une guidance autour de 4.0 pour Large ou 1.0 pour Turbo, et exécuter. J'ai généré un test en grille de 50 images de cette manière et Large a fait la moyenne d'environ 12 secondes par image à 1024x1024 ; Turbo l'a ramené à moins de 3 secondes au détriment des détails fins.

Comment appeler SD3 via l'API Stability ?

Si vous ne voulez pas gérer les poids et la VRAM, l'API REST Stability expose SD3 et 3.5 comme endpoints. Vous POSTez un prompt, un ratio d'aspect et une graine (seed), et vous recevez des PNGs en retour. Le prix est par génération, facturé à vos crédits de compte.

Une requête typique prend un prompt, negative_prompt, aspect_ratio, seed et output_format. Gardez le seed fixe lorsque vous faites des tests A/B sur les modifications de prompt, afin que la seule variable soit votre formulation. Pour un chemin hébergé qui gère le câblage du modèle, notre guide d'IA text-to-image montre la même idée à travers différents fournisseurs.

Lorsque vous passez d'images uniques à un produit, l'API bat l'inférence locale en matière de fiabilité et de mise à l'échelle, même si le coût par image est plus élevé que l'auto-hébergement sur une machine que vous possédez déjà.

Comment faire du prompt pour SD3 : ce qui fonctionne et ce qui ne fonctionne pas ?

SD3 récompense les prompts en langage naturel plus que les listes de tags séparés par des virgules que SD 1.5 nous a appris à écrire. Décrivez la scène en phrases, puis ajoutez des contraintes.

• Commencez par le sujet dans une phrase simple.
• Nommez le médium : photo éditoriale, rendu 3D, dessin à l'encre.
• Spécifiez l'éclairage et l'appareil photo uniquement lorsqu'ils changent le résultat.
• Citez le texte que vous voulez faire apparaître, par exemple un panneau qui dit "OUVERT".
• Gardez les prompts négatifs courts ; SD3 s'appuie davantage sur son entraînement que sur les negs.
• Maintenez la même graine (seed) lors de l'itération afin que seules vos modifications varient.

Un prompt concret qui a fonctionné pour moi : an editorial product photo of a matte black kettle on a concrete ledge, soft window light, shallow depth of field, a small label that reads "BREW" — guidance 4.0. La bouilloire était bien rendue, et "BREW" était correctement épelé sur le premier coup, ce que SDXL ne parvenait presque jamais à faire pour moi. Pour une logique de prompt plus large qui se transfère entre les modèles, consultez notre aperçu de générateur d'art IA.

Comment SD3 se compare-t-il à SDXL et SD 1.5 ?

Chaque modèle a encore son rôle. Choisir en fonction du cas d'utilisation, et non de la nouveauté, est ce qui maintient une qualité de sortie élevée.

J'ai effectué un test direct sur un prompt de poster riche en texte et SD3.5 Large était le seul à épeler correctement le titre plus de la moitié du temps. SDXL gagne toujours pour les LoRAs stylisés et l'itération rapide, et SD 1.5 reste le roi des pipelines ControlNet légers. Pour les alternatives fermées, notre guide Midjourney v7 et la ventilation de Adobe Firefly couvrent le côté hébergé.

Licence et ce que vous pouvez légalement distribuer ?

SD3.5 est distribué sous la licence Communautaire de Stability pour une utilisation à faible revenu et nécessite un accord commercial au-dessus d'un seuil de revenus défini. Lisez les termes réels sur la fiche du modèle — le seuil et la définition d'"organisation" sont importants pour les freelances et les petits studios.

• En dessous du plafond de revenus, vous pouvez utiliser les sorties commercialement sous la licence communautaire.
• Au-dessus du plafond, négociez une licence Enterprise ou commerciale avec Stability.
• Ne redistribuez pas les poids bruts ; partagez des dérivés, pas les fichiers modèles.
• Conservez un journal indiquant quel checkpoint a généré chaque actif distribué, pour vos propres dossiers.
• Revérifiez les termes avant la livraison au client, car la licence a changé entre SD3 et 3.5.

C'est le véritable compromis par rapport aux modèles vraiment permissifs. Si la simplicité de la licence compte plus que les gains MMDiT, évaluez cela avant d'engager un pipeline. Pour commencer à partir d'une photo existante, notre guide Générateur d'art IA à partir de photos maintient la question de la licence au premier plan.

Résumé

SD3 et 3.5 sont les modèles Stable Diffusion open les plus puissants pour le rendu de texte et l'adhérence aux prompts multi-sujets, et SD3.5 Large Turbo est le choix local pratique pour la vitesse. Exécutez-les dans ComfyUI ou Diffusers pour un contrôle des coûts d'auto-hébergement, ou appelez l'API Stability lorsque la fiabilité compte plus que le prix par image. La mise en garde honnête : la VRAM et les licences sont les pièges — Large nécessite environ 16 GB, la licence communautaire a un plafond de revenus, et l'écosystème de fine-tune et ControlNet est toujours en retard par rapport à SDXL, ne démantelez donc pas un pipeline SDXL fonctionnel tant que vous n'avez pas testé vos prompts spécifiques de bout en bout.

Questions fréquemment posées

Comment Stable Diffusion 3 diffère-t-il de SDXL ?

SD3 utilise une architecture Multimodal Diffusion Transformer (MMDiT) qui gère les jetons texte et image ensemble, ce qui lui permet de rendre des mots lisibles dans les images et de suivre les prompts multi-sujets plus précisément que SDXL. Le coût est une VRAM plus élevée (Large nécessite ~16 GB contre ~8 GB pour SDXL) et un écosystème de fine-tune plus petit. SDXL gagne toujours en variété LoRA et ControlNet.

SD3 peut-il réellement épeler des mots dans les images ?

Oui — c'était son amélioration majeure. Le texte court et à contraste élevé (panneaux, étiquettes, affiches) est rendu lisible là où les modèles précédents produisaient des charabia. Les phrases longues et le texte petit ou stylisé échouent toujours, donc traitez-le comme fiable pour quelques mots, pas pour des paragraphes.

Stable Diffusion 3 est-il gratuit pour un usage commercial ?

Uniquement sous la licence communautaire, qui plafonne l'utilisation commerciale par revenu annuel (couramment 1M$). Au-dessus du plafond, ou si vous ne pouvez accepter les termes, vous avez besoin d'une licence Enterprise ou commerciale payante de Stability. Les termes ont changé entre SD3 et 3.5, donc revérifiez avant la livraison au client.

Crédits images

• Peinture abstraite expressionniste audacieuse et colorée avec des coups de pinceau texturés — photo par Steve A Johnson sur Pexels
• Bureau créatif avec du code à l'écran, un ordinateur portable et un cahier — photo par Vlad Bagacian sur Pexels
• Poste de travail moderne pour designer avec double écran affichant des logiciels créatifs — photo par Tranmautritam sur Pexels
• Forme 3D géométrique vibrante avec des couleurs arc-en-ciel sur un fond sombre — photo par Mahmoud Ramadan sur Pexels