À retenir
- Flux.1 gagne sur la qualité — photoréalisme, rendu du texte dans l'image et anatomie humaine nettement supérieurs à SDXL, selon un rapport académique arXiv (2025)
- SDXL gagne sur l'accessibilité — tourne confortablement avec 8 Go de VRAM, génère 3 à 5× plus vite, et compte plus de 38 000 LoRAs contre environ 500 pour Flux
- La licence est le piège le plus fréquent — Flux.1 [dev] est non-commercial : la licence interdit tout usage commercial du modèle, y compris générer des images pour les vendre ou pour un SaaS ; seuls Flux.1 [schnell] (Apache 2.0) et SDXL (OpenRAIL++) sont libres commercialement
- Le déterminant réel = votre GPU — avec 8 Go de VRAM, SDXL est le seul choix raisonnable ; avec 12 Go ou plus, Flux devient viable via les quantifications GGUF
Un studio de motion design passe des semaines à construire une bibliothèque de LoRAs SDXL pour ses livrables clients — puis il entend parler de Flux, télécharge le modèle, et la génération plante faute de VRAM. Pendant ce temps, un freelance graphiste installe Flux.1 [dev] pour automatiser ses visuels de présentation, ignore la licence, et publie des images générées dans une boutique en ligne : il viole techniquement la licence sans le savoir.
Ces deux erreurs se retrouvent chaque semaine dans les forums. La confusion vient d'un angle mort systématique dans les comparatifs existants : ils listent des specs sans répondre à la vraie question — et moi, dans mon usage concret, lequel je prends ?
Cet article tranche. Pas de benchmarks vagues : des chiffres datés, des verdicts par profil, et une clarification licence qui vous évitera des surprises désagréables.
Deux architectures, deux philosophies opposées
Flux.1 et SDXL reposent sur des principes de conception radicalement différents — et c'est ce qui explique pourquoi ils ne se comportent pas de la même façon, même sur le même GPU.
SDXL (Stability AI, juillet 2023) repose sur une architecture U-Net à 3,5 milliards de paramètres. Il utilise deux encodeurs de texte CLIP (CLIP-G + CLIP-L), fonctionne nativement à 1 024 × 1 024 et s'appuie sur le classifier-free guidance (CFG) — ce qui permet les negative prompts, un levier puissant pour les utilisateurs expérimentés.
Flux.1 (Black Forest Labs, août 2024) est un rectified-flow transformer (DiT) à 12 milliards de paramètres, soit 3,4 fois plus lourd. Son encodeur T5-XXL (4,9 milliards de paramètres à lui seul) lui donne une compréhension sémantique très supérieure. Résultat : Flux n'a pas besoin de negative prompts pour obtenir de bons résultats — le prompt positif suffit, d'où un workflow de promptage fondamentalement différent. Un rapport de reverse-engineering publié sur arXiv en juillet 2025 le classe state-of-the-art, surpassant SD3, DALL-E 3 et SDXL selon les benchmarks publiés par Black Forest Labs (août 2024).
Pensez-y comme deux philosophes : SDXL dit « dis-moi ce que tu veux ET ce que tu ne veux pas » ; Flux dit « décris-moi précisément ce que tu veux, je m'occupe du reste ».
💡 Bon à savoir : Flux.1 consomme 3,4× plus de VRAM que SDXL à cause de son encodeur T5-XXL (4,9 milliards de paramètres). Sur un GPU 8 Go, SDXL tourne en FP16 natif ; Flux nécessite des quantifications GGUF Q4 avec une perte de qualité visible.
SDXL — U-Net 3,5B params
Flux.1 — DiT 12B params
Le comparatif critère par critère
Flux.1 [dev] surpasse SDXL sur la qualité brute — mais SDXL reste 4× plus rapide et tourne sur deux fois moins de VRAM. Voici les benchmarks datés et sourcés.
Sources chiffres VRAM et vitesse : localaimaster.com · WillItRunAI · stable-diffusion-art.com · benchmarks RTX 5090 GigaGPU, avril 2026.
Sur RTX 4090, SDXL génère 4 images 1 024 × 1 024 en environ 13 secondes. Flux.1 [dev] en génère 4 en environ 57 secondes — soit 4 fois plus lent selon stable-diffusion-art.com. Ce n'est pas un détail si vous travaillez en volume ou que vous itérez vite.
Quel modèle selon votre profil et votre GPU
Le déterminant numéro un n'est pas la qualité — c'est votre GPU. Avec 8 Go de VRAM, SDXL est le seul choix raisonnable. Avec 12 Go ou plus, Flux devient viable. Voici quatre profils concrets avec un verdict tranché.
Vous débutez avec 8 Go de VRAM
Avec une RTX 3060 8 Go ou une RTX 2070, SDXL tourne confortablement en FP16 avec les optimisations standard (attention slicing, tiled VAE). Flux.1 [dev] est théoriquement jouable via GGUF Q4 (~6–8 Go de VRAM) mais avec une perte de qualité visible et un workflow plus complexe.
Recommandation : SDXL. Vous accédez à 38 000+ LoRAs, à des interfaces comme Automatic1111 ou Stable Diffusion Forge, et à des tutoriels abondants. Flux attendra votre prochain GPU.
Vous créez du contenu professionnel (marketing, e-commerce)
Un studio de contenu génère des centaines de visuels produit par semaine — fonds neutres, mises en scène, variants couleurs. Les benchmarks sont unanimes : Flux.1 [dev] produit une adhérence au prompt supérieure et des détails plus réalistes sur les photographies de produits et les portraits professionnels. Le rendu du texte dans l'image (noms de produit, logos, prix en overlay) est particulièrement problématique avec SDXL — Flux le gère nettement mieux.
Recommandation : Flux.1 [schnell] (Apache 2.0) ou Flux.1 [dev] via l'API Black Forest Labs. Attention à la licence — voir section suivante.
Vous créez des illustrations, de l'anime ou des styles spécifiques
SDXL règne ici. L'écosystème de fine-tunes spécialisés (Pony Diffusion, Illustrious XL, Animagine XL) n'a pas d'équivalent Flux en 2026. Les LoRAs SDXL pour l'anime ou le pixel art produisent des résultats que Flux, plus orienté vers le photoréalisme, génère avec moins de variance stylistique.
Recommandation : SDXL + LoRAs spécialisés. Combinez avec des checkpoints de la communauté CivitAI.
Vous développez des applications ou des workflows automatisés
Deux critères dominent : la vitesse de débit (images/heure) et la licence. Si votre application génère des images pour des utilisateurs payants, Flux.1 [dev] est hors jeu par sa licence. Flux.1 [schnell] (Apache 2.0) ou SDXL sont vos seules options open-weight libres.
Recommandation : Flux.1 [schnell] si vous voulez la qualité Flux avec une licence propre ; SDXL si vous avez besoin d'un écosystème mature (ControlNet, Inpainting, pipelines ComfyUI éprouvés).
Pour aller plus loin sur l'intégration de ces modèles dans un workflow professionnel, consultez notre guide sur la formation Stable Diffusion et le comparatif des générateurs d'images IA 2026.
Licences et usage commercial : Flux.1 [dev] interdit le SaaS
La licence Flux.1 [dev] Non-Commercial License v2.0 interdit tout usage commercial du modèle — y compris générer des images pour les vendre ou les utiliser dans un contexte professionnel rémunéré. C'est l'angle le plus mal traité par les comparatifs concurrents.
La licence FLUX [dev] Non-Commercial License v2.0 (révisée le 25 novembre 2025) interdit explicitement tout usage lié à une activité génératrice de revenus — y compris proposer un service SaaS qui utilise Flux.1 [dev] en arrière-plan. Elle couvre toute la famille [dev] : Flux.1 Fill [dev], Flux.1 Depth [dev], Flux.1 Kontext [dev], et même Flux.2 [dev].
Le détail critique que la plupart des guides ratent : la licence (§2d) précise que les outputs peuvent théoriquement être utilisés à des fins commerciales — mais uniquement si le modèle a été utilisé dans un cadre non-commercial licite (§1c). En pratique, générer des images avec Flux.1 [dev] pour les vendre constitue un usage commercial du modèle lui-même, donc une violation de la licence. Un freelance qui propose un outil en ligne permettant à d'autres utilisateurs de générer avec Flux.1 [dev] la viole également.
💡 Bon à savoir : Seuls Flux.1 [schnell] (Apache 2.0) et SDXL (CreativeML OpenRAIL++-M) sont libres commercialement parmi les options open-weight populaires. Pour un SaaS de génération d'images, Flux.1 [dev] est juridiquement hors jeu — même en auto-hébergement.
Sources : bfl.ai/legal (texte officiel Flux [dev]) · stablediffusion.blog/flux-ai-licence · GitHub/Stability-AI LICENSE (SDXL OpenRAIL++).
À noter également : Flux.2 [klein] (4B paramètres, Apache 2.0, sorti le 15 janvier 2026 — source officielle bfl.ai) offre une alternative légère à Flux.1 [schnell] pour les GPU 8–12 Go, avec licence commerciale libre. Une option à surveiller si vous cherchez à démarrer sur du matériel modeste.
Tester les deux sans GPU puissant
Le cloud GPU résout le problème du matériel. Sur RTX A6000 à 0,35 $/h, 1 000 images SDXL coûtent environ 0,78 $ — soit un coût marginal quasi nul pour les tests. Voici les coûts réels, calculés à partir des tarifs publiés en juillet–août 2026.
Thunder Compute — RTX A6000
Google Colab (gratuit)
Vast.ai / RunPod
Sources : ThunderCompute, août 2026.
Pour comparer les deux modèles avant de décider, voici un workflow rapide sur ComfyUI hébergé en cloud.
Téléchargez les deux modèles
SDXL 1.0 base (depuis Hugging Face ou CivitAI) + Flux.1 [schnell] ou Flux.1 [dev] selon votre usage. Rangez-les dans le dossier models/checkpoints/ de ComfyUI.
Créez un workflow de test identique
Même prompt positif pour les deux modèles : une description riche, multi-éléments (ex : « une photographe debout dans un studio parisien, lumière naturelle, texte 'IA' lisible sur un écran derrière elle »). Ce prompt-test vous révèle les différences sur le rendu texte, l'anatomie et la fidélité sémantique.
Configurez les samplers
SDXL : sampler DPM++ 2M Karras, CFG 7, 25–30 steps. Flux : sampler Euler, CFG 1 (pas de negative prompt), 20–28 steps. Les nodes ComfyUI natifs pour Flux utilisent le UNETLoader plutôt que le CheckpointLoaderSimple.
Comparez sur 3 cas d'usage
Portrait photoréaliste, illustration stylisée (demandez un style spécifique : aquarelle, bande dessinée), texte lisible dans l'image. Vous verrez immédiatement où chaque modèle excelle.
Les LoRAs : pourquoi rien ne se transfère entre Flux et SDXL
Les LoRAs SDXL sont incompatibles avec Flux — et il n'existe pas d'outil de conversion. Si vous avez investi dans un écosystème SDXL, vous repartez de zéro pour Flux.
La bonne nouvelle : réentraîner un LoRA Flux prend 1 à 3 heures sur un GPU 16–24 Go avec Kohya sd-scripts v0.9.0+ (sorti janvier 2025, qui inclut le fused backward pass permettant un entraînement sur 4–8 Go de VRAM avec optimisations). Le rank recommandé est 16–32 pour Flux contre 32–64 pour SDXL — Flux est plus économe en paramètres apprenants car le modèle de base est plus puissant.
Stratégie hybride : la majorité des créatifs professionnels qui travaillent à la fois sur du photoréalisme et des styles artistiques gardent les deux modèles installés et switchent selon la tâche. Ce n'est pas de la paresse — c'est de l'efficacité.
💡 Bon à savoir : L'entraînement d'un LoRA Flux nécessite aujourd'hui moins de VRAM qu'en 2024 grâce au fused backward pass de Kohya sd-scripts v0.9.0+. Un GPU 8 Go suffit avec les bonnes optimisations — ce qui ouvre l'entraînement de LoRAs personnalisés à des créatifs sans matériel haut de gamme.
Sources et références
- Demystifying Flux Architecture — arXiv:2507.09595 (2025) — Analyse académique de l'architecture Flux, benchmark vs SD3 et SDXL
- MLPerf Training Introduces Flux.1 Benchmark — MLCommons (octobre 2025) — Reconnaissance institutionnelle de Flux comme référence état de l'art
- FLUX [dev] Non-Commercial License v2.0 — Black Forest Labs (révisée nov. 2025) — Texte officiel de la licence, seule source fiable
- Stable Diffusion SDXL LICENSE — GitHub/Stability-AI (2023) — Licence CreativeML OpenRAIL++-M de SDXL
- Flux VRAM Requirements — localaimaster.com (juin 2026) — Benchmarks VRAM par précision (FP16, FP8, GGUF)
- SDXL vs Flux1.dev comparison — stable-diffusion-art.com (mis à jour fév. 2025) — Benchmarks vitesse RTX 4090
- Best Cloud GPU for AI Image Generation — ThunderCompute (août 2026) — Tarifs cloud actualisés
- Flux.2 Klein — Black Forest Labs (janvier 2026) — Annonce officielle Flux.2 [klein] 4B Apache 2.0
FAQ
Flux vs SDXL : lequel est le meilleur modèle de génération d'images en 2026 ?
Flux.1 [dev] produit des images de meilleure qualité brute — photoréalisme, rendu du texte et anatomie nettement supérieurs. Mais SDXL reste le meilleur choix pour les GPU 8 Go, les styles artistiques (anime, illustration) et les workflows commerciaux libres. Les deux coexistent dans les stacks professionnels sérieux : Flux pour le photoréalisme, SDXL pour les styles et la vitesse.
SDXL est-il obsolète face à Flux en 2026 ?
Non. SDXL reste pertinent pour trois raisons concrètes : son écosystème de LoRAs (38 000+) sans équivalent, sa compatibilité GPU 8 Go, et ses fine-tunes spécialisés (anime, illustration) que Flux ne couvre pas encore. Flux est supérieur sur la qualité brute et le photoréalisme — mais « supérieur sur un critère » ne signifie pas « remplace tout ». Les deux coexistent dans les workflows professionnels sérieux.
Flux nécessite-t-il vraiment 12 Go de VRAM ?
12 Go est le minimum confortable, pas le minimum absolu. Flux.1 [dev] en FP16 plein nécessite environ 20–24 Go (encodeurs T5 inclus). En FP8, 8–12 Go selon la configuration. Via les quantifications GGUF Q4, 6–8 Go suffisent avec une légère perte de qualité. Sur RTX 3060 8 Go, c'est jouable mais pas optimal. Pour une utilisation sans compromis, visez 12 Go minimum. Sources : localaimaster.com · gigagpu.com.
Puis-je vendre des images générées par Flux.1 [dev] ?
Non, pas dans un contexte commercial. La licence Non-Commercial v2.0 de Black Forest Labs interdit tout usage commercial du modèle — y compris générer des images pour les vendre ou les utiliser dans un contexte professionnel rémunéré. Pour une production commerciale sans ambiguïté : Flux.1 [schnell] (Apache 2.0) ou l'API Flux.1 [pro] (payante, licence incluse). Source : bfl.ai/legal §1c et §2b.
Les LoRAs SDXL fonctionnent-ils avec Flux ?
Non. Les deux architectures sont incompatibles : U-Net (SDXL) vs DiT (Flux), encodeurs CLIP vs T5-XXL, formats de poids différents. Il n'existe pas d'outil de conversion fiable. Pour utiliser un style ou un personnage en Flux, vous devez réentraîner un LoRA Flux depuis zéro avec vos images de référence — comptez 1 à 3 heures sur un GPU 16 Go avec Kohya sd-scripts.
Peut-on combiner Flux et SDXL dans le même workflow ComfyUI ?
Techniquement oui, mais pas dans la même chaîne de génération. Dans ComfyUI, vous pouvez avoir deux workflows parallèles — l'un chargé avec SDXL, l'autre avec Flux — et comparer les résultats sur le même prompt. Certains workflows avancés utilisent SDXL pour générer une image de base puis Flux pour un upscaling ou une variation, mais ce cas reste expérimental. La stratégie la plus courante est de choisir le modèle en amont selon la tâche, pas de les chaîner.
Quel est le coût réel pour générer 1 000 images en cloud ?
Sur RTX A6000 à 0,35 $/h avec SDXL (~8 s/image) : environ 0,78 $ pour 1 000 images. Flux.1 [schnell] ramène le coût Flux à des niveaux comparables à SDXL grâce à ses 4 steps de génération. Source : ThunderCompute, août 2026.
Comment choisir entre Flux.1 [schnell] et Flux.1 [dev] ?
Flux.1 [dev] offre la meilleure qualité (28 steps, résultats les plus détaillés) mais est non-commercial. Flux.1 [schnell] génère en 4 steps seulement (~2 s/image sur RTX 4090), sous licence Apache 2.0 — utilisable librement en SaaS et production commerciale. Pour du prototypage, des tests rapides ou tout usage commercial : choisissez [schnell]. Pour la meilleure qualité possible en usage personnel ou recherche : choisissez [dev].
Conclusion
Flux et SDXL ne s'adressent pas au même moment de votre parcours. Flux.1 [dev] est le meilleur modèle de génération d'images IA en termes de qualité brute — et MLCommons l'a reconnu comme benchmark de référence en octobre 2025. Mais cette qualité a un prix : VRAM, vitesse, licence restrictive et écosystème encore jeune.
SDXL reste la porte d'entrée la plus accessible et la plus polyvalente pour l'illustration stylisée, les workflows automatisés légers et les GPU 8 Go. Traiter ces deux modèles comme des adversaires est une erreur de cadrage : les praticiens sérieux gardent les deux, et choisissent en fonction de la commande du jour.
La vraie question n'est pas « Flux ou SDXL ? » mais « comment monter en compétences sur ces outils pour les intégrer dans un workflow professionnel qui tient dans la durée ? ». C'est ce que les formations The Intelligence Academy couvrent — des outils créatifs IA aux automatisations de production, avec des formateurs qui utilisent ces stacks en production. Découvrez notre formation Stable Diffusion et génération d'images IA ou notre guide sur les meilleurs outils IA génératifs en 2026.