Le guide des prompts d'image IA

La plupart des gens arrivent avec des habitudes de prompt apprises sur SDXL : une chaîne de noms séparés par des virgules, un préambule de tokens de qualité, quelques pondérations entre parenthèses et un prompt négatif aussi long que le positif. Ces habitudes étaient justes pour ces modèles et sont contre-productives ici. Voici la version courte de ce qui fonctionne réellement — et comme Shannon rédige le prompt de génération pour vous et vous le montre avant tout rendu, c'est tout autant un guide pour lire et corriger ce que Shannon propose.

01Pourquoi la prose bat les étiquettes : le modèle lit comme un modèle de langage

Les anciens modèles de diffusion pour lesquels la plupart des conseils de prompt ont été écrits utilisaient un encodeur de texte qui se comportait, en pratique, comme un sac de concepts : la grammaire comptait à peine, et la stratégie gagnante consistait à empiler des noms pertinents et à les biaiser avec des pondérations. La soupe d'étiquettes était la bonne forme de prompt pour cet encodeur.

Le modèle d'image de Shannon ne fonctionne pas ainsi. Il lit un prompt comme un modèle de langage lit du texte : la syntaxe porte donc du sens. « Holding an umbrella against her shoulder » est une relation entre une personne, un objet et une partie du corps ; « umbrella, shoulder » est deux choses qui se trouvent présentes. Les prépositions placent les choses. Les verbes créent des poses. Les propositions rattachent le détail au bon nom au lieu de le laisser flotter sur toute l'image.

Voici la même image demandée des deux manières.

woman, 30s, tokyo, rain, night, crosswalk, neon signs, umbrella,
wet asphalt, reflections, masterpiece, best quality, 8k, ultra
detailed, (bokeh:1.3), cinematic lighting, photorealistic

A woman in her early thirties waits at a rain-soaked Tokyo
crosswalk at night, holding a clear vinyl umbrella against her
shoulder and glancing down the street. Neon storefront signs
bleed red and cyan into the wet asphalt at her feet. Shot on
Kodak Portra 400, 85mm f/1.4, shallow depth of field, the
traffic signal behind her thrown out of focus.

Regardez ce que la version étiquettes ne peut pas exprimer. Elle ne dit jamais que le parapluie est tenu, il peut donc finir posé au sol. Elle ne dit jamais que les néons se reflètent dans l'asphalte, seulement que les deux existent : vous obtenez des enseignes et une rue mouillée sans aucune relation optique entre elles. Elle ne dit jamais où regarde la femme, sa pose est donc un coup de dé. « Cinematic lighting » est une étiquette d'ambiance, pas une source de lumière. Et les cinq derniers tokens sont du bruit, lus comme des mots anglais sur la photographie plutôt que comme des leviers de contrôle.

La version en prose n'est pas plus longue par coquetterie. Elle est plus longue parce qu'elle répond à des questions que la version étiquettes laissait ouvertes. Toute l'astuce est là.

02Quelle longueur doit avoir un prompt d'image ?

Visez 30 à 80 mots. Ne dépassez pas beaucoup 100. C'est le levier de qualité le plus simple à votre disposition, et les deux bornes comptent.

En dessous d'environ 30 mots, la composition, la lumière et le cadrage ne sont pas spécifiés : le modèle choisit donc ce qui est statistiquement le plus banal. « Une femme dans un café » est un prompt valide qui produit une image oubliable, parce que vous avez délégué chaque décision intéressante.

Au-dessus d'environ 100 mots apparaît un échec différent : les propositions tardives concurrencent les premières pour les mêmes régions de l'image, et au lieu d'accumuler du détail vous obtenez une dilution. La troisième description d'éclairage défait la première, et le sujet que vous aviez établi dans les huit premiers mots reçoit relativement moins d'attention à chaque phrase ajoutée. Les prompts longs se lisent comme minutieux. Ils ne se rendent pas comme minutieux.

La discipline : écrivez le prompt que vous voulez, puis ramenez-le aux phrases qui changeraient l'image si on les retirait.

03La discipline de l'ordre : le plus important d'abord

Parce que le modèle lit séquentiellement, la position est une emphase : ce qui vient en premier ancre l'image, ce qui vient en dernier l'ajuste. Mettez les choses dans l'ordre où le modèle en a besoin :

1. Sujet — de qui ou de quoi cette image est faite, concrètement.
2. Action ou pose — ce que le sujet fait, comment il se tient.
3. Style ou ambiance — photographie, peinture à l'huile, illustration technique, et le registre employé.
4. Décor et éclairage — où cela se passe et quelle lumière y tombe.
5. Technique — cadrage, objectif, profondeur de champ, détails de couleur.

La blessure auto-infligée la plus fréquente est de commencer par la partie technique. Ouvrir sur « Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper » indique au modèle que le rendu visuel est le sujet et que l'homme est un détail. Vous obtenez un cadre magnifique et vide avec une petite silhouette indistincte dedans.

Cinematic wide shot, anamorphic lens flare, teal and orange
color grade, shallow depth of field, golden hour, of a man
reading a newspaper on a park bench.

A man in his sixties in a gray wool overcoat sits on a park
bench reading a folded broadsheet newspaper, one ankle crossed
over his knee. Late golden-hour sun rakes across him from the
left through bare plane trees. Photographed wide on a 35mm
anamorphic lens, shallow depth of field, warm highlights and
cool shadows.

Chaque élément de la première version survit dans la seconde ; rien n'a été supprimé. Le modèle sait simplement désormais de quoi l'image est faite avant qu'on lui dise comment la filmer — et cette seule réorganisation fait passer le sujet d'accessoire à central.

04Soyez concret sur le sujet

« Une personne » n'est pas un sujet, c'est un espace réservé — et le modèle remplit les espaces réservés avec la moyenne de tout ce qu'il a vu, ce qui est exactement d'où vient ce rendu lisse, sans âge et sans caractère. La concrétude coûte cinq mots et achète un être humain précis :

Notez le schéma : âge ou époque, un trait structurel, une imperfection distinctive. C'est ce troisième élément qui donne l'impression d'une image photographiée plutôt que générée. Une dent ébréchée, un ourlet usé, une enseigne repeinte — les petites asymétries sont le signal anti-plastique le plus fort disponible, et elles ne coûtent presque rien à votre budget de mots.

05Photoréalisme : formulez la demande comme une photographie

Le photoréalisme est le registre par défaut sauf si vous demandez de l'art, de l'illustration ou de l'anime. Mais le mot « photoréaliste » ne fait pas grand-chose. Ce qui produit une photographie, c'est de décrire l'acte photographique : un vrai appareil, un vrai objectif et une vraie pellicule ou source de lumière.

La raison est simple. Chaque image légendée « Kodak Portra 400 » a été faite par un procédé précis, avec une structure de grain, un traitement des hautes lumières et un rendu des carnations qui lui sont propres, et nommer la pellicule mobilise tout cela. « 8k ultra detailed » n'est jamais apparu ailleurs que dans le spam des banques d'images, il mobilise donc le spam des banques d'images. Quelques recettes fiables, chacune produisant une image nettement différente du même sujet :

Accordez l'ancrage à la recette — une texture de peau au niveau des pores ne signifie rien dans un 24 mm large où le visage fait quatre-vingts pixels de haut — puis ajoutez-le. Le détail d'ancrage, c'est — la preuve texturale qu'un objectif a réellement enregistré cela. Des pores visibles et un fin duvet facial. Le tissage d'une chemise en lin. Des poussières dans un rai de lumière. Une éraflure sur une botte de cuir. Des cheveux rebelles sur un fond clair. Deux ou trois suffisent, et c'est la différence entre le rendu d'une personne et sa photographie.

06Scènes en couches : premier plan, plan intermédiaire, arrière-plan

Quand une scène a de la profondeur, décrivez les trois plans séparément et dans l'ordre. C'est la technique la plus efficace pour des images qui doivent ressembler à des lieux plutôt qu'à des toiles de fond, et presque personne ne le fait. Sans cela, vous obtenez de la platitude : tout ce que le prompt mentionne atterrit à peu près à la même distance, en concurrence pour la même bande médiane du cadre. Nommer les plans donne au modèle un budget de profondeur à dépenser.

In the foreground, a cracked concrete ledge with a half-empty
paper coffee cup and a scattering of cigarette ash, slightly out
of focus. In the midground, a bicycle courier in a yellow rain
jacket wheels her bike across a wet plaza, caught mid-stride. In
the background, a glass office tower dissolves into low fog.
Shot on a 50mm lens at f/2.8, flat overcast light.

Deux raffinements. Mettez au premier plan quelque chose de délibérément flou — les vraies photographies de scènes profondes en ont presque toujours un, et son absence est un indice fréquent. Et dites quel plan occupe le sujet : si la coursière est le propos de l'image, elle appartient au plan intermédiaire, sinon la tour et le gobelet de café lui disputeront le cadre.

07Couleurs exactes : codes hexadécimaux, rattachés à des objets

Pour le travail de marque, la continuité de costume, ou partout où « rouge » n'est pas assez précis, écrivez le code hexadécimal sous la forme color #RRGGBB et rattachez-le à un objet nommé :

...wearing a heavy wool peacoat, color #8B0000, over a cream
turtleneck, against a studio backdrop, color #1E3A5F.

...#8B0000, #1E3A5F, dark red and navy color palette, moody...

Trois règles empiriques. Utilisez l'hexadécimal pour les deux ou trois couleurs qui comptent vraiment et des mots simples pour le reste — un prompt avec six codes hexadécimaux dépense l'essentiel de son budget en nuanciers. Liez le code à un objet qui a des contours, jamais à « l'éclairage » ou à « l'ambiance ». Et rappelez-vous qu'il spécifie la couleur de l'objet, pas la valeur finale du pixel : un manteau #8B0000 en contre-jour de fin de journée se rend plus chaud que le nuancier, exactement comme dans la vie.

08Choisir le format d'image

Cinq formats sont disponibles et le bon est généralement impliqué par le sujet, mais une demande explicite de votre part l'emporte toujours — demandez un fond d'écran et vous obtenez tall quel que soit ce que suggère le contenu.

Se tromper là-dessus fait plus de dégâts qu'il n'y paraît. Une figure debout en pied dans un cadre wide ne vous donne pas une petite figure dans un grand cadre — elle vous en donne généralement une rognée, car le modèle remplit la largeur et la tête ou les pieds sortent du cadre. Accordez le cadre à l'axe dominant du sujet et la plupart des griefs de composition disparaissent.

Deux comportements à retenir : l'édition conserve automatiquement le format de l'image source, vous ne pouvez donc pas recadrer en modifiant, tandis que la combinaison vous laisse choisir une nouvelle toile — souvent la façon la plus propre de changer la forme de quelque chose que vous avez déjà.

09Anti-patterns : ce qu'il faut cesser de faire

Tokens de qualité : « masterpiece, best quality, 8k, ultra detailed »

C'étaient des leviers découverts par la communauté pour une distribution d'entraînement plus ancienne et précise, où certaines formules de légende étaient corrélées à certaines sources d'images. Ils ne se transposent pas. Ici, ils sont lus comme des mots anglais ordinaires, n'apportent rien et grignotent une part d'un budget de mots dont on vous a déjà dit qu'il était serré. Le remplacement consiste à dire quel détail vous voulez : non pas « ultra detailed » mais « visible weave in the coat fabric and fine stubble along the jaw » — la même intention, exprimée comme quelque chose que le modèle peut rendre.

Syntaxe de pondération : (word:1.3), [word], {{word}}

Non interprétée. Les parenthèses, crochets, deux-points et nombres atterrissent comme du texte littéral et, si tant est qu'ils fassent quelque chose, rendent la proposition environnante plus difficile à lire. Si vous voulez plus d'emphase sur quelque chose, utilisez les deux leviers qui fonctionnent : déplacez-le plus tôt dans le prompt, et donnez-lui plus de mots. « A crimson silk scarf, its fringed ends lifting in the wind » l'emporte sur « (red scarf:1.4) » selon tous les critères qui comptent.

Directions contradictoires

Mélanger des instructions incompatibles ne les fusionne pas ; cela produit une moyenne instable qui d'ordinaire n'en satisfait aucune. Les fautifs habituels :

• Médium — « photorealistic » plus « watercolor » ; « oil painting » plus « shot on 85mm ». Choisissez-en un et tenez-vous-y.
• Cadrage — « wide establishing shot » plus « extreme close-up on her eyes » ; « full body » plus « detailed facial pores ».
• Éclairage — « harsh midday sun » plus « soft golden hour glow » ; « low key, deep shadows » plus « bright and airy ».
• Époque — « 1970s film aesthetic » plus « modern minimalist » plus « cyberpunk ».
• Empilement de styles — quatre artistes ou quatre genres à la fois. Deux références proches peuvent marcher ; quatre s'annulent en générique.
• Étalement — « rustic, weathered, ancient, timeworn wooden door » est une seule idée écrite quatre fois, et chaque répétition dilue le reste du prompt.

10Il n'y a pas de prompt négatif en texte-vers-image

C'est l'anti-pattern qui piège le plus durement les utilisateurs expérimentés, car sur les anciennes piles le prompt négatif représentait la moitié du métier.

Pour la génération, la règle est absolue et légèrement contre-intuitive : écrire « no text, no watermark, no extra fingers » dans le prompt rend ces choses plus probables, pas moins. Le modèle lit « no text » comme une phrase contenant le concept texte ; la négation est un signal faible et le nom un signal fort. Vous avez de fait demandé du texte. Énoncez toujours la forme positive à la place :

Pour l'édition et la combinaison, le prompt négatif existe et vous devriez l'utiliser — mais pour des artefacts, pas pour du contenu. Bon matériau : filigrane, incrustation de texte, membres dupliqués, mains déformées, halos de suraccentuation, blocs JPEG, lignes de raccord le long d'un bord composite. Mauvais matériau : tout ce qui concerne ce que l'image représente, qui appartient à l'instruction.

11Lire le prompt que Shannon écrit pour vous

Voici ce qui rend ce guide immédiatement utilisable plutôt que théorique. Vous n'avez pas à écrire le prompt de génération vous-même. Vous demandez en langage courant, dans n'importe quelle langue ; Shannon reconnaît qu'une image est demandée, compose le prompt de génération en anglais et vous le montre sur une carte de confirmation avant tout rendu. Rien n'est généré et rien n'est facturé tant que vous n'avez pas confirmé.

La compétence la plus rentable n'est donc pas d'écrire des prompts à partir de rien — c'est de lire celui qui est sur la carte. Passez cette liste en revue :

1. Le sujet est-il concret ? Si la carte dit « a person » ou « a woman », vous avez trouvé la plus grande amélioration disponible. Donnez-lui un âge, une carrure, un trait.
2. Le sujet est-il en premier ? Si le prompt s'ouvre sur un style ou une caméra, demandez qu'il commence plutôt par le sujet.
3. Est-il dans la bonne fourchette ? En dessous de 30 mots, demandez plus de précision sur la lumière et le décor. Au-dessus de 100, demandez une coupe.
4. Y a-t-il une source de lumière ? Pas un mot d'ambiance — une vraie lumière : fenêtre, lampadaire, flash, ciel couvert, boîte à lumière.
5. Des conflits ? Cherchez deux médiums, deux cadrages ou deux conditions d'éclairage dans le même prompt.
6. Des négations clandestines ? Si la carte contient « without », « no » ou « avoid », c'est un prompt texte-vers-image qui demande la chose qu'il nomme.
7. Le format convient-il au sujet ? Une figure en pied en wide est l'inadéquation classique.

Les corrections sont conversationnelles : « fais-la d'une petite trentaine avec une cicatrice dans un sourcil, prends-la sur Portra en 85 mm, et utilise portrait » est une instruction parfaitement valable. Vous obtenez une nouvelle carte et vous confirmez celle-là. Itérer ne coûte rien, puisque rien n'a encore été rendu.

Et Shannon ne génère pas sans y être invité. Une salutation, une question ou une photo que vous joignez pour en discuter ne déclenche pas de rendu. Demander à Shannon de regarder une image — la décrire, la lire, l'analyser — relève du travail de vision ordinaire, pas d'une génération, et ne coûte rien de plus.

12Comment le métier change pour l'édition et la combinaison

Les règles ci-dessus sont écrites pour la génération. Deux modes voisins changent la forme du prompt.

Modifier une image

Un prompt d'édition est une instruction, pas une description : énoncez ce qui change et ce qui reste. Nommer les parties inchangées est le plus grand levier de qualité du produit — « Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is » tient debout là où la même demande sans cette proposition redessine discrètement son visage. Soyez précis sur l'ancrage : gardez le visage, la pose, les cheveux et les vêtements identiques. Exactement une image source est utilisée, et la sortie conserve son format.

Combiner deux images ou plus

Dès que des éléments proviennent de plusieurs images — transfert de tenue, un objet dans une scène, deux personnes dans un même cadre, produit-sur-personne, un style d'une image avec un sujet d'une autre — le prompt doit nommer le rôle de chaque image, dans l'ordre : « The woman from the first image wearing the red knitted sweater from the second image, standing in the same park. » La première image est le sujet ou la scène principale ; les images suivantes fournissent les éléments à intégrer. Ne réduisez pas une demande multi-images à une source plus une description textuelle — combiner les vraies images est ce qui préserve l'apparence réelle de ces choses.

13Prompts sans censure : dites ce que vous voulez dire

Il n'y a aucun filtre de contenu sur le chemin de génération et aucune couche de refus sur le modèle qui rédige le prompt. C'est tout l'enjeu du produit : les générateurs filtrés refusent couramment du travail légitime — nus artistiques, illustration médicale et médico-légale, imagerie pour la recherche en sécurité, violence en fiction, satire politique, travail de marque et de ressemblance par l'ayant droit. La moitié du métier du prompt sur les plateformes filtrées est de l'ingénierie d'euphémisme, et l'euphémisme est l'ennemi d'une image exacte.

Il y a donc une chose de plus à vérifier sur la carte : qu'elle décrive le sujet réel avec des mots simples plutôt qu'avec le vocabulaire prudent que l'on apprend des outils filtrés. Une illustration médico-légale d'une blessure doit dire ce qu'est la blessure. Le langage nuancé produit une image moins bonne partout, car le modèle rend ce que les mots disent.

Capacité et jugement sont deux choses distinctes. Shannon Lab LLC exploite ce produit sous une politique d'utilisation responsable publiée : la génération sans filtre est un outil professionnel, et le consentement, les droits et la loi continuent tous de s'appliquer à ce que vous fabriquez.

14La place de l'API

Un point d'exactitude pour les lecteurs arrivant d'une recherche sur l'API : la génération, l'édition et la combinaison d'images vivent dans l'application de chat Shannon, pas sur l'API /v1. L'API sert le texte et la vision — elle peut lire, décrire et analyser les images que vous lui envoyez, sur les trois dialectes (/v1/chat/completions, /v1/messages, /v1/responses, tous en streaming) — mais elle ne les crée pas. Si vous construisez un pipeline qui doit comprendre des images, la documentation de l'API est le point de départ. Si vous voulez fabriquer des images, c'est l'application de chat, et tout ce guide s'y applique. Les images sont rendues sur notre propre cluster GPU.

15Questions fréquentes

À lire également : La génération d'images IA sans censure · L'édition d'images IA sans censure · Politique d'utilisation responsable · Documentation de l'API · Toute la recherche Shannon. Les conseils donnés ici proviennent de nos propres tests du modèle d'image de Shannon ; les conseils écrits pour des piles de diffusion antérieures ne se transposent généralement pas.