Guide prompt image IA : style et astuces

Tout prompt image a besoin d'un sujet clair. Avant de penser au style ou à l'ambiance, définissez précisément ce qui doit apparaître dans le cadre. « Un chat » est un point de départ. « Un chat tigré assis sur un rebord de fenêtre, regardant la pluie » est un prompt.

Soyez précis sur la quantité, la position et l'action. Si vous voulez deux personnes, écrivez « deux personnes ». Si elles doivent se faire face, dites-le.

Les modèles d'image IA interprètent vos mots au pied de la lettre et remplissent tout ce que vous laissez non spécifié avec des choix aléatoires. Le guide DALL-E d'OpenAI souligne que des prompts descriptifs et détaillés produisent des résultats plus prévisibles.

Structurez votre description du sujet du général au spécifique. Commencez par la catégorie large (personne, animal, objet, paysage), puis ajoutez les détails caractéristiques (âge, race, matériau, saison). Terminez par l'action ou l'état (court, fond, à moitié ouvert). Cet ordre aide le modèle à construire une image cohérente avant d'ajouter les détails fins.

Évitez de surcharger un seul prompt avec trop de sujets. Deux ou trois éléments dans une scène fonctionnent bien. Cinq sujets en compétition ou plus donnent généralement une image encombrée et incohérente. Si votre scène est complexe, générez les éléments séparément et assemblez-les ensuite.

Le style transforme votre prompt de « une photo d'un truc » en quelque chose avec une identité visuelle. Vous pouvez référencer des courants artistiques (Art nouveau, Bauhaus, ukiyo-e), des types de supports (peinture à l'huile, aquarelle, photo argentique 35 mm, pixel art), ou des qualités visuelles précises (illustration flat, hyperréaliste, 3D low-poly).

Combiner deux ou trois références de style produit souvent des résultats plus intéressants qu'une seule. « Illustration aquarelle avec contours à l'encre dans le style des planches botaniques » donne au modèle une direction claire et distinctive, bien plus qu'un simple « aquarelle ». La documentation Midjourney montre comment empiler des descripteurs de style crée des rendus nuancés et riches.

Le support compte autant que le style. Spécifier « peinture numérique » donne une texture différente de « acrylique sur toile », même avec le même sujet. Pensez à ce que vous diriez à un artiste humain : l'outil qu'il doit utiliser, la surface sur laquelle il travaille, l'époque qu'il doit évoquer.

Quand vous visez le photoréalisme, ajoutez des détails techniques de caméra : « pris au Canon EOS R5, objectif 85 mm f/1.4, faible profondeur de champ ». Ces termes activent les données d'entraînement issues de la vraie photographie, et les résultats ressemblent nettement plus à de vraies photos qu'un simple prompt « photo réaliste ».

L'éclairage change tout dans une image. Le même sujet sous une lumière dorée de fin de journée dégage chaleur et espoir. Sous un néon fluorescent, il devient clinique ou dérangeant. Vous devez spécifier l'éclairage parce que le défaut du modèle est une lumière plate et uniforme, sans ambiance particulière.

Termes d'éclairage utiles : golden hour, heure bleue, contre-jour, éclairage de contour, éclairage Rembrandt, lumière diffuse de ciel couvert, lueur néon, lumière de bougie, rayons volumétriques et éclairage studio trois points. Chacun produit un rendu distinct.

Combinez-les avec un moment de la journée ou une condition météo pour plus de contrôle : « éclairage golden hour avec ombres longues sur un chemin poussiéreux. »

L'ambiance va de pair avec l'éclairage. Des mots comme « sombre », « éthéré », « brut », « serein » ou « dramatique » orientent le ressenti général de l'image. Ces termes sont imprécis seuls, mais ils fonctionnent bien comme modificateurs d'un setup d'éclairage spécifique. « Éclairage Rembrandt dramatique dans une ruelle brumeuse » est bien plus efficace que « ambiance dramatique ».

La documentation Stable Diffusion note que les mots-clés d'éclairage et d'atmosphère sont parmi les tokens les plus influents dans la génération d'images. Les placer tôt dans votre prompt, juste après le sujet, leur donne plus de poids.

La composition indique au modèle comment organiser les éléments dans le cadre. Sans indication, vous obtiendrez un cadrage centré en plan moyen par défaut. C'est correct pour des portraits serrés, mais limitant pour tout le reste.

Utilisez des termes de photographie et de cinéma pour diriger le cadrage : très gros plan, gros plan, plan moyen, plan pied, plan large, vue plongeante, contre-plongée, par-dessus l'épaule, angle néerlandais. Chacun crée un rapport différent entre le spectateur et le sujet.

Une contre-plongée sur un gratte-ciel le rend imposant. Une vue plongeante sur le même bâtiment lui donne l'air d'une maquette.

Les règles de composition en photographie se transposent bien aux prompts. Mentionnez « règle des tiers » pour décentrer le sujet. Utilisez « lignes directrices » pour guider le regard vers un point focal. « Espace négatif à gauche » vous laisse de la place pour du texte en surimpression dans les projets design.

Le ratio d'aspect influence aussi la composition. Un 16:9 paysage convient naturellement aux scènes d'environnement, tandis qu'un 9:16 vertical fonctionne pour les portraits et le contenu mobile.

La documentation Midjourney permet de régler le ratio directement avec le paramètre --ar. Définissez toujours votre ratio avant de générer, pas après, car recadrer une image carrée en format large gaspille l'essentiel de la composition.

La palette de couleurs donne le ton d'une image avant même que le spectateur analyse le sujet. Vous pouvez guider la couleur de plusieurs façons : nommer des couleurs spécifiques (« bleu canard et orange brûlé »), référencer un type de palette (« tons terre doux », « palette pastel », « bleu monochrome »), ou évoquer une référence culturelle ou d'époque (« couleurs Kodachrome des années 70 », « néon cyberpunk »).

La texture ajoute une qualité tactile qui rend les images réalistes ou volontairement stylisées. « Coups de pinceau rugueux » donne un rendu différent de « dégradés lisses à l'aérographe ». « Grain de film argentique » diffère de « rendu numérique propre ». Imaginez ce que vous ressentiriez en touchant l'image et traduisez cela en mots.

Combiner couleur et texture crée une signature visuelle. « Bleu canard et ambre désaturés avec grain de film visible et fuites de lumière » décrit une esthétique précise que le modèle peut reproduire de manière cohérente. C'est utile quand vous avez besoin d'une série d'images homogènes, par exemple pour une campagne de marque ou un feed Instagram.

Si le modèle produit des résultats trop saturés (un défaut courant), ajoutez « couleurs sourdes » ou « faible saturation » à votre prompt. À l'inverse, si les images sont plates, essayez « vibrant », « contraste élevé » ou « couleurs riches ». De petits ajustements de couleur ont souvent plus d'impact sur la qualité perçue que des modifications du sujet.

Le prompt négatif permet d'indiquer au modèle ce qu'il doit exclure de l'image. Tous les outils ne le supportent pas. Stable Diffusion a un champ dédié au prompt négatif. Midjourney utilise le paramètre --no. DALL-E gère les exclusions moins directement, généralement par la formulation du prompt principal.

Les entrées courantes de prompt négatif incluent : « flou, basse qualité, mains déformées, doigts supplémentaires, filigrane, texte, recadré, hors cadre ». Cela cible les artefacts les plus fréquents des images générées par IA. Les mains et les doigts restent un point faible pour la plupart des modèles. Mentionner les déformations dans le prompt négatif aide, sans éliminer totalement le problème.

Voyez les prompts négatifs comme des garde-fous, pas comme des outils créatifs. Ils servent à supprimer des problèmes connus plutôt qu'à orienter la direction artistique. Dire au modèle ce que vous voulez sera toujours plus efficace que de sculpter l'image en listant tout ce que vous ne voulez pas.

Un workflow pratique : générez votre première image sans prompt négatif. Notez les problèmes spécifiques. Ajoutez-les au prompt négatif et relancez la génération. Cette approche ciblée fonctionne mieux que de démarrer avec une longue liste de négatifs génériques, parce que vous résolvez des problèmes réels au lieu de deviner des hypothèses.