Sur un Mac M1, Qwen-Image 2.1 se découvre plus qu’il ne sert : douze minutes par image contre quinze secondes chez Nano Banana, une retouche que nous n’avons pas fait aboutir, une licence non commerciale, et une vraie avance, la transparence native.
Le banc : six consignes, mot pour mot, des deux côtés
Qwen-Image 2.1 est sorti le 14 septembre sur Hugging Face : un seul modèle pour générer et
retoucher, avec une partie visuelle de 7 milliards de paramètres, la transparence native
et jusqu’à dix images de référence. En face, Nano Banana 2 (gemini-3.1-flash-image), le modèle
d’image de Google, celui qui fabrique les photos de ce site. Les mêmes six consignes, en
anglais, sont passées aux deux : Qwen en local sur un Mac M1 Max de 64 Go, Nano Banana par l’API
de Google.
L’installer sur un Mac : 33 Go, et un README écrit pour une carte Nvidia
Le téléchargement pèse 33,1 Go : 17,5 pour l’encodeur de texte (un Qwen3-VL), 14,2 pour le
générateur, 1,35 pour le décodeur d’image. La procédure du README vise une carte Nvidia
(.to("cuda")) et oublie une dépendance : au premier lancement, le processeur de texte
réclame torchvision, qu’elle ne cite pas.
Suivie à la lettre, en remplaçant cuda par le GPU du Mac, elle charge tout d’un bloc : 30,3
Go alloués au GPU en 30 secondes. À côté des applications ouvertes, le Mac est parti en
mémoire d’échange (17 Go), et au bout de onze minutes aucune image n’était sortie.
La solution tient en deux temps : l’encodeur de texte seul (17,3 Go) calcule les six consignes en dix secondes et libère la place, puis le générateur seul travaille avec 15,1 Go au plus. Plus une goutte de mémoire d’échange. Comptez donc 33 Go de disque et 18 Go de mémoire libre, le pic que nous avons mesuré en 2048 px et pour la retouche.
Le temps : douze minutes par image, et une trouvaille sur le M1
Sur le M1 Max, une image de 1024 px prend entre 11 min 43 s et 13 min 35 s avec les réglages du README (40 étapes) : 18 à 20 secondes par étape, plus quatre secondes pour décoder l’image. Nano Banana rend la même consigne en 15 à 18 secondes, en 2K, réseau compris. À sa résolution native, 2048 px, une seule étape dure de 89 à 112 secondes (mesuré sur deux étapes) : plus d’une heure pour une image.
La trouvaille tient au format de calcul. Le README prescrit le bfloat16, et le GPU du M1 le calcule deux fois moins vite que le float16 : 4,5 téraflops contre 9,3, mesurés sur une multiplication de matrices. Passée en float16, la même image sort en 7 min 54 s au lieu de 11 min 43 s. Mais ce n’est plus la même image : avec la même graine, la version float16 a oublié une tasse bleue. Gagner un tiers du temps, c’est accepter un autre tirage, et parfois un tirage faux.
Les images, épreuve par épreuve
Notre direction artistique (un vieux disque dur dans le noir, une seule lumière corail qui dessine les arêtes). Nano Banana la suit à la lettre ; Qwen pose bien le disque dans le noir, mais sa lumière corail devient un rai sur la table au lieu de sculpter l’objet. Ces consignes ont été mises au point avec Nano Banana : il joue à domicile.
Du texte français. Une enseigne « Pâtisserie Élégance » et une ardoise « Ouvert jusqu’à 20 h, café offert ». Les deux réussissent, accents, apostrophe et « 20 h » compris, et Qwen livre à nos yeux la photo la plus naturelle des deux.
La transparence, que Qwen annonce en natif, est l’épreuve qui les sépare le plus. Qwen rend un vrai PNG transparent, dont 62,4 % des pixels sont transparents ; Nano Banana dessine un faux damier dans une image opaque, le motif qui signale la transparence dans les logiciels, sans la transparence.
Compter. Trois tasses rouges et deux bleues : juste des deux côtés, à ceci près que la version float16 de Qwen en a perdu une.
Une affiche à lire, « Sauvegarde 3-2-1 » avec trois cases numérotées. Nano Banana la réussit, et en rajoute de lui-même, des explications justes que personne ne lui avait demandées. Qwen écrit correctement les trois libellés, oublie la numérotation, et comble le vide avec trois lignes de faux texte (« Sanigarplam rifeesti arricaop »), alors que sa fiche annonce une typographie améliorée.
Une retouche : remplacer la lumière corail d’une de nos photos par une lumière bleue froide, sans rien toucher d’autre. Nano Banana le fait proprement, cadrage et reflets intacts (la photo de départ avait été produite par lui, ce qui l’avantage). Chez nous, Qwen n’y est pas arrivé : en bfloat16, le calcul est parti en valeurs non numériques et l’image est sortie entièrement vide ; en float32, après 18 minutes et 36 Go de mémoire, elle est sortie gravée et bruitée, méconnaissable. Nous n’avons pas pu établir si le défaut vient du modèle, du GPU du Mac ou de notre façon de le faire tenir en mémoire : sur Mac, la retouche reste à prouver.
La licence : poids ouverts, usage fermé
Le premier Qwen-Image, en août 2025, était sous Apache 2.0 : on en faisait ce qu’on voulait, commerce compris. La version 2.1 passe sous la Qwen Research License du 20 septembre 2026 : usage « à des fins de recherche ou d’évaluation seulement », et une licence commerciale à demander à Alibaba. Le tester chez soi, oui ; s’en servir pour son travail ou son commerce, non, sans accord.
Pour qui ?
Sur un Mac M1, Qwen-Image 2.1 se découvre plus qu’il ne sert : douze minutes par image en 1024 px, plus d’une heure en 2048, et un README écrit pour une carte Nvidia. Il gagne pourtant une épreuve sans discussion, la transparence native, et tient la comparaison sur le texte français et le comptage. Pour fabriquer des autocollants, des icônes ou tout visuel à fond transparent sans rien envoyer à un service en ligne, c’est le seul des deux qui le fait vraiment. Pour le reste, et pour tout usage professionnel, Nano Banana reste devant, et la licence de Qwen tranche de toute façon.
