Prompts d'images IA : le guide complet pour écrire

La plupart des conseils sur les prompts sont écrits pour vous vendre un générateur. D'où le fameux « soyez précis », qui est vrai et à peu près inutile. Quand l'image à l'écran ne ressemble pas à celle que vous aviez en tête, le problème vient rarement d'un manque de détails. Vous avez donné les mauvais, dans les mauvais mots, dans un ordre que le modèle n'a pas pu suivre.

Voilà la bonne nouvelle. Ce vocabulaire existe déjà, vous n'avez rien à inventer. Photographes et peintres ont passé près de deux siècles à le construire, et tous les modèles d'images ont été entraînés sur des légendes rédigées dans cette langue. Vous n'apprenez donc pas vraiment un outil. Vous apprenez la langue dans laquelle on a instruit l'outil, et c'est précisément pour ça que ce guide vaudra encore quelque chose quand la génération actuelle de modèles aura pris sa retraite.

La formule en six blocs

Écrivez toujours dans le même ordre. Les modèles ne l'exigent pas. Vous, si : un ordre constant rend votre prompt débogable, parce que quand le résultat déraille, vous savez quel bloc toucher. Sautez les blocs qui vous indiffèrent. Un bloc vide signifie simplement que le modèle choisit à votre place, ce qui convient parfaitement jusqu'au jour où ça ne convient plus.

La formule, assemblée

Chaque ligne reprend une décision de plus au modèle. Notez que le prompt final fait une quarantaine de mots. Dense, pas long. La longueur n'est pas le but, et un prompt serré de trente mots battra généralement un prompt bavard de cent mots, parce qu'au-delà d'un certain point les mots supplémentaires ne font que diluer le signal.

Le vocabulaire qui fait le travail

Voilà la partie à mettre en favori. Ces termes pèsent plus lourd que leur longueur ne le laisse croire, parce que les légendes d'images des données d'entraînement les emploient sans arrêt. Ils viennent de disciplines plus anciennes que la photographie elle-même. C'est toute la raison pour laquelle ils survivront à chaque modèle actuellement sur le marché.

La lumière

Caméra et objectif

La composition

Médium et style

Une mise en garde sur le style. Nommer un artiste vivant est interdit sur plusieurs plateformes majeures, et la pratique est contestée éthiquement à peu près partout ailleurs. Nommez plutôt le mouvement, le médium ou l'époque : affiche art déco, Kodachrome des années 1970, géométrie Bauhaus. Vous y gagnerez de toute façon en contrôle. Un mouvement est un ensemble de règles visuelles. Un artiste est une cible mouvante.

Pourquoi le modèle ignore la moitié de votre prompt

C'est la plainte la plus répandue et celle à laquelle personne ne répond franchement, surtout parce que la réponse franche est « le modèle a des limites » et que la plupart des guides cherchent à vous vendre le modèle.

Un modèle d'images ne lit pas votre prompt comme vous l'avez écrit. Il convertit vos mots en une représentation mathématique, et cette représentation a un plafond. Demandez douze choses précises : certaines seront encodées fortement, d'autres à peine, d'autres pas du tout. Le modèle produit ensuite l'image la plus probable compatible avec ce qui a survécu. Il ne vous ignore pas. Il n'a jamais reçu l'instruction à plein volume.

Trois conséquences en découlent.

• Placez l'essentiel en tête. Les premiers mots survivent avec plus de poids. Si le manteau rouge n'est pas négociable, ne l'enterrez pas derrière quatre propositions sur la météo.
• Le comptage n'est pas fiable. « Exactement cinq oiseaux » est une demande que l'architecture est mal équipée pour honorer. Les modèles progressent et ça reste l'échec le plus fréquent. Si le nombre compte, générez puis retouchez. Ne priez pas.
• La négation est faible. Celle-là est agaçante. « Sans chapeau » produit souvent un chapeau, parce que le concept a dû être encodé avant d'être exclu. Décrivez plutôt la présence voulue : « tête nue, cheveux au vent ». Si votre outil dispose d'un vrai champ de prompt négatif, utilisez ce champ plutôt que d'écrire la négation dans le prompt principal.

Itérez en scientifique, pas en joueur

Quand une image ressort presque juste, l'instinct est de réécrire tout le prompt. Résistez. Vous jetterez tout ce qui fonctionnait sans savoir ce que vous avez perdu.

Changez une variable. Régénérez. Comparez. La lumière, d'heure dorée à ciel couvert. L'objectif, de 35 mm à 85 mm. Le médium, de photographie à gouache. Deux ou trois changements à variable unique vous rapprocheront plus qu'une réécriture complète, et il y a un bénéfice à plus long terme : vous apprenez réellement ce que fait chaque terme dans le modèle que vous utilisez. Ce savoir s'accumule. La roulette ne vous laisse rien.

Deux mécaniques méritent d'être comprises ici, parce qu'à elles deux elles expliquent l'essentiel de la confusion du « pourquoi c'est différent à chaque fois ».

• Les seeds. Le même prompt vous donne des images différentes parce que la génération part d'un bruit aléatoire. Fixez la seed et le même prompt renvoie la même image, ce qui est ce qui rend le test à variable unique possible. Variez la seed pour explorer, fixez-la pour comparer.
• L'inpainting bat la régénération. Si la composition est bonne et qu'un seul élément cloche, masquez cet élément et ne régénérez que lui. Relancer toute l'image pour corriger une main, c'est comme ça qu'on perd un après-midi.

Garder un personnage cohérent

Le texte seul ne maintiendra pas un visage stable d'une image à l'autre. C'est impossible. Vous décrivez un point dans un espace immense et vous demandez d'y retomber deux fois par coïncidence. Tous les workflows sérieux règlent ça avec des images plutôt qu'avec des mots : une image de référence, une fonction de référence de personnage, ou un petit modèle entraîné sur ce visage. Si votre outil propose un emplacement d'image de référence, cet emplacement fait un travail qu'aucun adjectif ne peut faire.

Le texte aide encore sur un point. Verrouillez les détails invariants dans un bloc que vous collez à chaque fois : même âge, même carrure, même cicatrice, même veste, mêmes cheveux, et ne changez que la scène autour. Ce ne sera pas de la vraie cohérence. Ça réduit la dérive.

L'essentiel

Le prompting n'est pas une astuce, et il n'existe pas de mots magiques, quoi qu'en dise toute une industrie de places de marché à prompts. C'est une note d'intention écrite dans le vocabulaire de la photographie et de l'illustration, dans un ordre fixe, affinée une variable à la fois. Les modèles continueront de changer, et tous ceux cités dans cet article finiront par prendre leur retraite. Le mot clair-obscur a déjà survécu à quelques siècles de technologie. Il s'en remettra.