AesCode : Microsoft ouvre un modèle qui écrit des infographies en HTML

Un générateur d'images sait produire une belle affiche, mais le résultat est figé : impossible de corriger un chiffre ou de déplacer un bloc sans tout refaire. Microsoft publie sur Hugging Face un modèle qui prend le problème à l'envers. AesCode écrit le document sous forme de code HTML et CSS.

Ce que fait le modèle

À partir d'une consigne décrivant le contenu, AesCode renvoie une page HTML complète : diapositive, affiche, tableau de bord ou rapport. Les tableaux sont de vrais tableaux HTML et les graphiques sont décrits au format ECharts, une bibliothèque de graphiques web. Le résultat s'ouvre dans un navigateur et se retouche à la main, ligne par ligne.

Le modèle accepte aussi, en option, une image de référence produite à partir de la même consigne. Elle sert de guide pour la mise en page et le style.

Taille, licence et matériel

Deux versions sont publiées : AesCode-32B et AesCode-8B. La première repose sur le modèle Qwen3-VL-32B-Instruct, ensuite spécialisé par Microsoft. La licence est Apache 2.0, reprise du modèle de base.

Côté matériel, la fiche est claire pour la grande version : il faut prévoir environ 65 Go de mémoire graphique pour les seuls paramètres. L'exemple de lancement fourni répartit le modèle sur quatre cartes :

vllm serve microsoft/AesCode-32B --tensor-parallel-size 4 --limit-mm-per-prompt image=2 --max-model-len 24576

Ce n'est donc pas un modèle pour poste de travail. La fiche de la version 32B ne chiffre pas les besoins de la version 8B.

Les chiffres annoncés

Microsoft a évalué ses modèles sur 300 infographies, avec trois générations par consigne. La note globale est la moyenne de contrôles automatiques (texte, débordements, tableaux et graphiques) et d'un jugement visuel :

• AesCode-32B : 85,89 ;
• AesCode-8B : 82,94 ;
• GPT-5.5 avec image de référence : 81,28 ;
• Claude Opus 4.8 avec image de référence : 80,39 ;
• Qwen3-VL-32B, le modèle de départ, avec image de référence : 61,10.

Le point le plus net concerne les débordements de contenu hors du cadre : selon la fiche, un défaut grave apparaît sur 4,3 % des échantillons avec AesCode-32B, contre 34,7 % avec GPT-5.5.

Les limites

• Une évaluation maison. Les résultats sont ceux des auteurs. Et les récompenses utilisées pendant l'entraînement (texte, débordements, tableaux et graphiques, mise en page) recoupent les critères de notation : le modèle est donc noté en partie sur ce qu'il a appris à optimiser.
• Le style plafonne. Sur ce critère, aucun modèle testé ne dépasse 60 sur 100, AesCode compris.
• Un périmètre étroit. Les mesures portent sur des infographies. Rien n'indique ce que vaut le modèle pour d'autres travaux de code.
• Pas de section consacrée aux limites dans la fiche : c'est au lecteur de les déduire des tableaux.

Notre lecture

L'approche est la bonne pour un usage professionnel : un rapport ou un tableau de bord en HTML se corrige, se versionne et se met à la charte, ce qu'une image ne permet pas. Le score du petit modèle, proche de celui du grand, est la donnée la plus intéressante pour une PME, puisque c'est lui qui a une chance de tourner sur une seule carte graphique. Reste à le vérifier sur sa propre fiche.

Pour une agence ou un cabinet de conseil qui produit des supports en série, un essai de la version 8B sur quelques modèles de documents réels, en français, dira vite si le gain existe hors du banc d'essai de l'éditeur.