Le facteur déterminant est la carte graphique, et plus précisément sa VRAM (mémoire vidéo) — bien plus que le processeur ou la RAM système. La raison est simple : le modèle doit être chargé en mémoire vidéo pour générer, et les modèles récents sont volumineux. Les ordres de grandeur, sachant qu'ils évoluent avec les modèles et les optimisations : avec une VRAM très limitée, vous serez cantonné à des modèles anciens, de petites résolutions et des temps d'attente longs, voire bloqué sur les modèles récents ; avec une VRAM confortable, vous générez fluidement en bonne résolution et pouvez utiliser les extensions avancées (ControlNet, entraînement de LoRA) qui sont gourmandes. Les cartes NVIDIA sont de loin les mieux supportées (l'écosystème s'appuie sur CUDA) ; AMD et Apple Silicon fonctionnent mais avec plus de friction et souvent moins de performances. Si votre matériel est insuffisant, ne renoncez pas pour autant : trois solutions existent. Les services en ligne proposant Stable Diffusion (avec quotas ou à l'usage) vous donnent accès aux mêmes modèles sans installation. Les plateformes de calcul cloud permettent de louer une machine avec GPU à l'heure — économique pour un usage ponctuel intensif, et sans investissement matériel. Et bien sûr, les outils propriétaires (Midjourney, DALL·E) tournent entièrement côté serveur et ne demandent rien à votre machine. Mon conseil avant d'investir dans du matériel : testez d'abord en ligne pour savoir si le contrôle offert par Stable Diffusion vous est réellement utile. Beaucoup découvrent que Midjourney couvre 90 % de leurs besoins pour un coût mensuel bien inférieur à une carte graphique. L'investissement local se justifie si vous avez un besoin réel de confidentialité, de volume, ou de fonctions avancées comme ControlNet et l'entraînement de LoRA.

Cela dépend de votre objectif, et le choix n'est heureusement pas définitif — beaucoup utilisent les deux. Automatic1111 présente une interface familière : des onglets, des champs, des curseurs, un bouton Generate. Vous écrivez un prompt, réglez quelques paramètres, cliquez, et vous obtenez une image. La documentation et les tutoriels sont pléthoriques, et la plupart des extensions s'y installent en quelques clics. Si votre but est d'apprendre Stable Diffusion et de générer des images sans vous plonger dans la mécanique, commencez par là — vous serez productif en une heure. ComfyUI repose sur un paradigme différent : un graphe de nœuds que vous reliez (chargement du modèle → encodage du prompt → échantillonnage → décodage → sauvegarde). C'est plus déroutant au premier abord, car l'interface expose la tuyauterie réelle du modèle plutôt que de la masquer. Mais cette transparence est précisément sa force : vous comprenez ce qui se passe, vous construisez des workflows sur mesure (enchaîner génération, upscale, ControlNet, retouche dans un seul graphe), vous les sauvegardez et les partagez, et vous obtenez une reproductibilité parfaite. C'est aussi généralement plus performant et plus économe en mémoire. C'est devenu l'outil de référence des utilisateurs avancés et des pipelines professionnels. Ma recommandation pragmatique : débutez avec A1111 pour vous approprier les fondamentaux (l'effet des steps, du CFG, des samplers, des modèles), puis basculez vers ComfyUI quand vous vous sentirez limité — typiquement lorsque vous voudrez enchaîner plusieurs traitements automatiquement ou reproduire exactement un processus. Sachez enfin que les concepts sont identiques dans les deux outils : ce que vous apprenez sur l'un se transpose directement sur l'autre. Ce n'est donc jamais du temps perdu.