Choisir un modèle Stable Diffusion : SDXL, SD 3.5 ou FLUX ?

Le choix d’un modèle Stable Diffusion se laisse facilement fausser par une seule question : quel modèle rend le mieux ? En pratique, le résultat dépend moins d’un classement que de votre usage, de votre VRAM, de l’écosystème de workflows et de la limite de licence. SDXL, Stable Diffusion 3.5 et FLUX.1 peuvent tous produire de belles images, mais ils conviennent à des étapes différentes.

Si vous venez tout juste de faire tourner ComfyUI, ne vous précipitez pas pour télécharger une dizaine de checkpoints. Ce guide traite une question pratique : face à SDXL, SD 3.5, FLUX et aux modèles communautaires, comment choisir un modèle qui tourne, se reproduit et correspond à votre usage réel ?

Conclusion clé

Commencez par ce tableau de décision. Il est plus utile qu’un classement du « meilleur modèle ».

En bref : les débutants commencent par SDXL, puis testent SD 3.5 et FLUX plus tard. Si votre matériel local est faible, choisissez l’écosystème mature. Si vous comptez utiliser la sortie commercialement, vérifiez la licence avant de regarder les images d’exemple.

D’abord, sachez ce que vous choisissez

Quand on dit vouloir « changer de modèle Stable Diffusion », on parle peut-être de trois choses différentes : un modèle de base, un checkpoint communautaire ou un LoRA.

Le modèle de base fixe la limite des capacités

SDXL, Stable Diffusion 3.5 et FLUX.1 sont des voies de modèle de base. Ils déterminent la limite haute de la compréhension du prompt, de la composition, des personnes, du texte et des détails. SDXL est une voie générale mature. La gamme SD 3.5 de Stability AI inclut Large, Large Turbo et Medium. La gamme FLUX.1 de Black Forest Labs inclut les variantes pro, dev et schnell.

Un modèle de base n’est pas simplement « meilleur parce que le fichier est plus gros ». Les modèles plus grands offrent un meilleur potentiel de qualité, mais aussi plus de pression sur la VRAM, des temps de chargement plus longs, plus d’exigences de nœuds et un coût de déploiement plus élevé. Que le modèle tourne de façon fiable sur votre machine compte plus que le nombre de paramètres.

Les checkpoints communautaires règlent le style et le scénario

Beaucoup de modèles réalistes, anime, photo produit ou design d’intérieur que vous voyez sur les sites de modèles sont des checkpoints communautaires entraînés ou fusionnés sur un modèle de base. Leur avantage est la focalisation : style clair, prise en main rapide, souvent avec tailles, samplers et prompts d’exemple recommandés.

C’est aussi là que commence le risque. La licence, la source d’entraînement et l’usage autorisé d’un checkpoint communautaire peuvent différer du modèle de base. Un modèle libre de téléchargement n’est pas pour autant sûr pour un projet commercial. Pour des affiches produit, des livraisons clients, des publicités ou des packs d’assets payants, lisez d’abord la fiche du modèle et les notes de l’auteur.

Un LoRA ne remplace pas le modèle de base

Un LoRA ressemble plutôt à un module de capacité additionnel. Il peut apprendre à un modèle un personnage, une tenue, un langage de caméra, une caractéristique produit ou un style, mais il doit en général s’utiliser avec un modèle de base ou un checkpoint compatible. Un LoRA SDXL peut ne pas fonctionner avec SD 1.5. Un LoRA FLUX ne se glisse pas au hasard dans un workflow SDXL normal.

Vultr - Serveur cloud NVMe haute performance, 32 emplacements mondiaux, déploiement Docker en un clic

Voir les tarifs →Pub

L’ordre devrait être : choisir la voie de base, choisir le checkpoint, puis ajouter des LoRA au besoin. Inversez cet ordre et le dépannage devient pénible.

Choisir selon l’usage

Le choix d’un modèle devrait partir de la tâche à accomplir, pas du nombre de téléchargements.

Pourquoi les débutants devraient commencer par SDXL

SDXL n’est pas toujours l’option la plus récente, mais c’est un point de départ sûr pour beaucoup de workflows d’images en local. La raison est concrète : plus de tutoriels, plus de modèles, plus de LoRA et un support mature autour de ControlNet, IP-Adapter, upscaling et des workflows ComfyUI courants. Quand un modèle n’est pas détecté, qu’une image vire au gris, que les mains se déforment ou que la VRAM sature, il est plus facile de trouver une solution.

La première semaine, l’objectif n’est pas d’extraire la meilleure qualité possible. C’est de bâtir une chaîne stable : ComfyUI détecte le modèle, le workflow tourne, les changements de paramètres sont reproductibles et la sortie est enregistrée. SDXL est accueillant pour cela.

Quand SD 3.5 a du sens

Stable Diffusion 3.5 a du sens une fois que vous comprenez déjà la chaîne ComfyUI de base et voulez tester la nouvelle voie officielle de Stability AI. Stability AI positionne SD 3.5 Large comme le modèle le plus fort, tandis que Medium vise davantage le matériel grand public.

Règle pratique : si vous faites déjà tourner SDXL de façon fiable et acceptez de préparer le workflow, les nœuds et les fichiers de dépendance correspondants, testez SD 3.5. Si vous ne savez pas encore où va un fichier checkpoint, passez d’abord plus de temps avec SDXL.

Quand FLUX a du sens

FLUX.1 vaut le test quand l’esthétique récente, la composition et un meilleur suivi du prompt comptent pour vous. Il est particulièrement intéressant pour la finition globale de l’image, les éléments de texte, les visuels produit ou un rendu photographique plus naturel.

Le point de vigilance : il faut séparer les variantes et licences FLUX. Les documents officiels décrivent FLUX.1 [schnell] comme sous licence Apache 2.0, tandis que dev, pro et d’autres voies ont des usages et restrictions différents. Ne voyez pas « FLUX rend bien » et n’en concluez pas que chaque variante FLUX est librement utilisable en local pour un usage commercial.

Choisir selon le matériel

Le matériel est la couche que l’on saute souvent. Beaucoup d’images d’exemple sont faites sur des GPU à forte VRAM, des services hébergés ou des workflows très optimisés. Mettez le même modèle sur votre machine et le premier échec peut être la VRAM.

Si la VRAM est juste, ne courez pas d’abord après le plus gros modèle

Si votre GPU a une VRAM limitée, commencez par des modèles et workflows matures. SDXL a plus de chances d’avoir des tutoriels faible VRAM, des nœuds optimisés, des checkpoints plus légers et des réglages reproductibles. Vous pouvez générer en petite taille d’abord, puis agrandir, au lieu de partir sur un grand canevas.

L’usage de VRAM n’est pas un chiffre fixe. Il varie avec la résolution, la taille de batch, les steps de sampling, la précision, le VAE, ControlNet, IP-Adapter, les upscalers et le post-traitement. Quand on dit qu’un GPU fait tourner un modèle, cela ne veut pas dire que votre workflow le fera tourner.

Une démarche plus sûre :

1. Commencez par le workflow de base officiel ou recommandé par la fiche du modèle.
2. Utilisez une taille d’image conservatrice.
3. Gardez la taille de batch à 1.
4. Désactivez les nœuds ControlNet, d’upscaling et de post-traitement inutiles.
5. Notez la VRAM, le temps et les messages d’erreur.

Vous savez alors où est le goulot d’étranglement, au lieu de changer modèle, taille, LoRA, ControlNet et post-traitement en même temps.

Les voies cloud ou API sont utiles pour valider

Si vous n’avez pas de GPU adapté, ou si vous voulez juste savoir si un modèle convient à un projet, essayez d’abord une voie hébergée ou API. Un run hébergé ne remplace pas le débogage local, mais il répond vite à une question utile : le style et les capacités de ce modèle valent-ils le coût d’un déploiement local ?

C’est particulièrement utile pour FLUX et SD 3.5. Faites quelques essais via un fournisseur, puis décidez de télécharger les poids, de bâtir un workflow local ou de mettre à niveau le matériel.

Railway - Plateforme de déploiement moderne, sans opérations complexes, en ligne en quelques minutes

Commencer →Pub

Choisir selon la licence

La licence est la partie à ne pas sauter, surtout quand l’image va dans une publicité, une couverture de cours, un projet client, une page produit ou un pack d’assets payant.

Vérifier trois couches de licence séparément

La première couche est la licence du modèle de base. Stability AI a sa propre page de licence, et les variantes FLUX.1 ont des fichiers de licence différents. La deuxième couche est la licence de l’auteur du checkpoint communautaire ou du LoRA. La troisième couche est les conditions de service de la plateforme ou de l’API utilisée pour générer l’image.

Ces couches ne se remplacent pas. Un modèle de base peut autoriser certains usages, mais pas une fusion communautaire. Une plateforme peut vous laisser générer des images, sans pour autant vous autoriser à redistribuer les poids du modèle. Une sortie peut être utilisable dans certains contextes commerciaux, alors que le modèle lui-même ne l’est pas comme service commercial.

Ce qu’il faut vérifier pour SDXL, SD 3.5 et FLUX

Pour SDXL et SD 3.5, commencez par la page de licence de Stability AI et la fiche Hugging Face. La page de licence officielle explique la Community License, les seuils de revenus et la limite de licence entreprise. Ne copiez pas les conclusions d’anciens articles, car les conditions de licence peuvent changer.

Pour FLUX, séparez d’abord pro, dev et schnell. Les documents officiels décrivent schnell comme plus permissif, tandis que dev et pro utilisent des voies et restrictions différentes. La variante dev est particulièrement facile à mal lire, car les pages peuvent mentionner à la fois l’usage de la sortie et les limites de licence du modèle. Lisez les deux parties ensemble.

Pour les modèles communautaires, inspectez chaque fiche de modèle. Un titre indiquant realistic, commercial ou free ne suffit pas. Cherchez une licence explicite, des notes d’entraînement, des usages interdits, des restrictions commerciales et un historique de mises à jour.

Tester le candidat dans ComfyUI

La dernière étape est un vrai test. Sauvegarder des liens de modèles n’est pas choisir un modèle.

1. Lire la fiche du modèle et la licence

Avant de télécharger, confirmez trois choses :

• À quelle voie appartient le modèle : SDXL, SD 3.5, FLUX ou une autre architecture.
• Le workflow recommandé, la taille d’image, le sampler et la nécessité d’encodeurs de texte ou d’un VAE supplémentaires.
• Si la licence autorise votre usage prévu.

Si la fiche du modèle n’explique pas cela clairement, traitez le modèle comme une expérience, pas comme un asset de production.

2. Placer le fichier dans le bon dossier

La documentation officielle de ComfyUI place les fichiers de modèles dans différents dossiers sous ComfyUI/models/. Schémas courants :

Les méthodes d’installation et les nœuds de modèles récents peuvent avoir des exigences supplémentaires. Si ComfyUI ne détecte pas un modèle, consultez la documentation officielle ou le workflow adapté avant de copier la capture d’écran de dossier d’un autre.

3. Utiliser le workflow adapté

SDXL, SD 3.5 et FLUX peuvent utiliser des structures de workflow différentes. Les modèles récents ont souvent besoin de nœuds de chargement, d’encodeurs, de samplers ou de workflows d’exemple officiels adaptés. Forcer un modèle FLUX dans une chaîne Load Checkpoint SDXL normale ne donnera probablement pas le résultat attendu.

Quand vous testez un modèle pour la première fois, cherchez un exemple officiel, un exemple du mainteneur ou un workflow ComfyUI qui dit clairement supporter ce modèle. Faites tourner le chemin minimal d’abord, puis ajoutez LoRA, ControlNet et post-traitement.

Alibaba Cloud - Choix n°1 des développeurs, 15 % de réduction exclusive sur Lighthouse

Obtenir -15 % →Pub

4. Lancer un test petit et contrôlé

Ne générez pas des dizaines d’images d’emblée. Verrouillez un petit jeu de test :

• seed : fixé, pour permettre la comparaison.
• prompt : le même prompt, couvrant personnes, scène, matière et lumière.
• size : la taille recommandée ou une taille conservatrice.
• steps / sampler / CFG : démarrez selon la fiche du modèle ou le workflow.
• batch : gardez-le à 1.

Lancez au moins 3 à 5 images par modèle et notez la vitesse, le taux d’échec, la stabilité de l’image et les détails qui vous importent. Choisir un modèle, ce n’est pas un exemple parfait, c’est sa stabilité dans votre workflow.

Erreurs courantes et dépannage

Erreur 1 : le modèle le plus récent doit être le meilleur pour moi

Un nouveau modèle peut être plus fort, mais aussi plus difficile à déployer. Il peut exiger de nouveaux nœuds, plus de VRAM, d’autres habitudes de prompt ou une licence plus complexe. Il vous faut le modèle adapté à la tâche actuelle, pas le nom le plus récent.

Erreur 2 : un bel exemple veut dire un bon modèle

Une image d’exemple peut utiliser un prompt soigné, un LoRA, ControlNet, de l’upscaling, du post-traitement et une sélection manuelle. Les exemples de fiche montrent un potentiel, pas votre résultat moyen au premier essai.

Erreur 3 : si le modèle n’est pas détecté, télécharger un autre

Quand un modèle n’est pas détecté, vérifiez d’abord le chemin, le format, l’étape d’actualisation/redémarrage et le support du workflow. Confirmez que le fichier est dans le bon dossier, puis vérifiez si le nœud supporte l’architecture. Ne téléchargez pas plus de modèles avant d’avoir vérifié le répertoire.

Erreur 4 : l’usage commercial ne dépend que du modèle de base

L’usage commercial dépend du modèle de base, du checkpoint, du LoRA, des conditions de la plateforme et de votre usage précis. Même si un modèle de base autorise certains usages commerciaux, l’auteur d’un modèle communautaire peut ajouter des restrictions.

À lire ensuite

Si vous n’avez pas encore fait tourner ComfyUI, commencez par Guide du débutant ComfyUI : de l’installation à votre première image Stable Diffusion. Si vous importez souvent des workflows partagés, lisez Réutiliser les workflows ComfyUI : import JSON, nœuds manquants et chemins de modèles.

Une fois le modèle choisi, place aux prompts. Pour l’écriture générale de prompts, lisez Le prompt engineering en pratique métier. Pour intégrer la génération d’images dans un flux créatif plus large, voyez Création cross-média : automatiser de l’esquisse d’idée au diaporama complet avec Nano Banana 2 et Gemini 3.

Ressources

• Introducing Stable Diffusion 3.5
• Stability AI License
• Stable Diffusion XL Base 1.0 model card
• black-forest-labs/flux
• FLUX models by Black Forest Labs
• ComfyUI Models

Conclusion

Le choix d’un modèle Stable Diffusion ne se réduit pas à « SDXL, SD 3.5 ou FLUX : lequel est le plus fort ? ». Un meilleur ordre est : l’usage d’abord, le matériel ensuite, la maturité de l’écosystème, et la licence en dernier.

Commencez par SDXL si vous débutez et voulez un workflow stable plus vite. Testez SD 3.5 quand vous voulez explorer la nouvelle voie de Stability AI. Évaluez FLUX quand l’esthétique récente et un meilleur suivi du prompt comptent. Le vrai critère n’est pas le nom du modèle, mais sa capacité à produire des résultats stables dans votre machine, votre workflow et votre limite de licence.